智能門(mén)禁安防報警系統的仿真應用
加入技術(shù)交流群
RBF神經(jīng)網(wǎng)絡(luò )為三層結構(如圖4所示)。
訓練時(shí)：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(shí)現聚類(lèi)算法，其中，si為隱含層第i個(gè)神經(jīng)元的寬度;輸出層類(lèi)別k的輸出值為：
式中，w(k，i)為隱含層第i個(gè)節點(diǎn)與輸出層第k個(gè)輸出節點(diǎn)的連接權值。
測試時(shí)：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(lèi)器估計測試樣本與訓練樣本之間的人臉圖像相似度，滿(mǎn)足閾值初始化設定值的人臉圖像和相關(guān)類(lèi)別情況的文字說(shuō)明顯示于相應界面內。滿(mǎn)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(shí)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(jìn)行實(shí)驗(識別結果見(jiàn)表1和表2)。
評論