本文主要是介绍【人脸朝向识别与分类预测】基于LVQ神经网络，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
课题名称：基于LVQ神经网络的人脸朝向识别分类
版本日期：2024-02-20
运行方式：直接运行GRNN0503.m文件
代码获取方式：私信博主或 企鹅号:491052175
模型描述：
采集到一组人脸朝向不同角度时的图像，图像来自不同的10个人，每个人5幅图像，人脸的朝向分别是左方，左前方，前方，右前方，右方。通过观察不难法线，当人脸面朝不同方向时，眼睛在图像中的位置差别比较大.因此可以考虑将图片中描述眼睛位置的特征喜喜提取出来作为LVQ神经网络的输入，5个朝向分别用1，2，3，4，5表示，作为LVQ神经网络的输出。通过对训练集的图像进行训练，得到具有预测功能的网络，便可以对任意给出的人脸图像进行朝向判断和识别分类
算法流程：
1.人脸特征向量提取：如设计思路中所述，当人脸朝向不同时，眼睛在图像中的位置会有明显的差别。因此，只需要将描述人眼位置信息的特征向量提取出来即可。方法是将整幅图像划分成6行8列， 人眼的位置信息可以用第2行的8个子矩阵来描述（注意：针对不同大小的图像，划分的网格需稍作修改）边缘检测后8个子短阵中的值为“1”的像萦点个数与人脸朝向有直接关系， 只要分别统计出第2行的8个子短阵中的值为“1”的像素点个数即可。
2.训练集和测试集的产生：为了保证训练集数据的随机性，随机选取图像库中的30隔入脸图像提取出的特征向量作为训练集数据，剩余的20幅人脸图像提取出来的特征向盘作为测试集数据。
3.LVQ神经网络创建：LVQ 神经网络的优点是不需要将输入向量进行归一化、正交化，利用MATLAB自带的神经网络工具箱函数newlvq()可以构建一个LVQ 神经网络。
4.LVQ网络训练：网络创建完毕后， 便可以将训练集输入向量送人到网络中，利用LVQ1 或LVQ2 算法对网络的权值进行调整，直到满足训练、要求迭代终止。
5.人脸识别测试：网络训练收敛后，便可以对测试集数据进行预测，即对测试集的图像进行人脸朝向识别．对于任意给出的图像，只需要将其特征向量提取出来，便可对其进行识别。
LVQ神经网络调用函数
net=newlvq(PR,S1,PC,LR,LF)
PR:输入向量的范围，size(PR) =[R，2]， R 为输入向量的维数
S1:竞争层神经元的个数
PC:线性输出层期望类别各自所占的比重
LR:学习速率，默认值为0.01
LF:学习函数，默认为'learnlv1'
改进方向：无
待改进方向:
利用智能算法GA,SA,PSO去优化竞争层神经元个数和学习率
特殊说明：
神经网络每一次的预测结果都不相同，为了得到更好的结果，建议多次运行取最佳值
Matlab仿真结果
基于LVQ神经网络的人脸朝向识别精确率：
基于LVQ神经网络的人脸朝向识别分类结果：
基于LVQ神经网络的人脸朝向识别分类预测误差：
这篇关于【人脸朝向识别与分类预测】基于LVQ神经网络的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
