智能門禁安防報警系統的仿真應用
加入技術交流群
RBF神經網絡為三層結構(如圖4所示)。
訓練時：輸入層的維數r與子圖像的數目對應;隱含層選用高斯核函數：
實現聚類算法，其中，si為隱含層第i個神經元的寬度;輸出層類別k的輸出值為：
式中，w(k，i)為隱含層第i個節點與輸出層第k個輸出節點的連接權值。
測試時：利用貝葉斯估計的方法設置隱含層
函數和輸出層
函數。
識別結果模塊
利用貝葉斯分類器估計測試樣本與訓練樣本之間的人臉圖像相似度，滿足閾值初始化設定值的人臉圖像和相關類別情況的文字說明顯示于相應界面內。滿足閾值要求的人臉圖像可以按照50%的比例輸出，也可以按照其他的比例輸出。
仿真實驗結果及分析
利用在Yale人臉庫中的人臉圖像，分以下4種分塊加權的情況進行實驗(識別結果見表1和表2)。
評論