BP神经网络演示程序及代码

人脸朝向识别是人脸应用研究中重要的一步，在众多研究领域中，人脸朝向识别是模式识别中一个无法回避的问题。本文针对此问题，建立了基于人工神经网络的人脸朝向识别模型。首先，采用基于边缘检测Sobel算子的人脸特征向量提取，把图像转换为6行8列像素值，实现了人脸识别的特征提取，作为神经网络的输入。然后根据实际情况，考虑到误差因素，我们创建一个3层的BP神经网络，输入层8个神经元，输出层3个神经元，中间层17个神经元。选取50张人脸图像中的前30张，作为神经网络的训练样本，通过长达11分钟的训练，我们得到了比较好的网络。接着，把训练好的神经网络用于测试剩余的20张人脸图像，输出的朝向结果与输入的朝向结果完全一致，识别率100%。在0.01的学习率，虽然识别率很高，但大大延长了网络的训练时间。因此，我们觉得有必要建立一种训练时间和训练效果都较好的神经网络模型。参照模型一，我们接着又建立了基于BP神经网络模型相比，不仅大大缩短了训练时间（缩短为100%。因此，针对人脸朝向识别的问题，