[发明专利]一种基于遗传算法人脸识别的优化和识别方法

权利要求书

1.一种基于遗传算法人脸识别的优化方法，其特征在于，所述方法包括步骤：

获取第一人脸图像；

将所述第一人脸图像转为第一灰度数字图像，根据灰度等级获取所述第一灰度数字图像的像素点的值；

根据所述第一灰度数字图像的像素点的值，获取所述第一灰度数字图像的特征值；

根据所述特征值创建第一神经网络；

对所述第一神经网络进行编码，获取所述第一神经网络中神经元的连接权值和阈值；

采用遗传算法对所述连接权值和阈值进行优化，获取第二神经网络和第一输出值。

2.如权利要求1所述的神经网络优化方法，其特征在于，所述步骤“根据所述第一灰度数字图像的像素点的值，获取所述第一灰度数字图像的特征值”具体为：

将所述第一灰度数字图像划分为n×n的小矩阵；

根据所述第一灰度数字图像的像素点的值，获取每个小矩阵的特征值。

3.如权利要求1或2所述的基于遗传算法人脸识别的优化方法，其特征在于，所述第一神经网络包括输入层、隐含层和输出层；

其中输入层包括输入值和输入层神经元个数；

所述输入值就是每个小矩阵的特征值；所述输入层神经元个数就是所述小矩阵的数量；

所述输出层包括输出值、输出层神经元个数；

所述输出值为二进制数值；

所述输出层神经元个数为能涵盖目标人群的位数；

所述隐含层包括隐含层神经元个数，所述隐含层神经元个数为

4.如权利要求3所述的基于遗传算法人脸识别的优化方法，其特征在于，所述第一神经网络的连接权值和阈值的初始值为[-5,5]之间的随机数。

5.如权利要求4所述的基于遗传算法人脸识别的优化方法，其特征在于，所述第一神经网络的编码为数值型数组，从左到右顺序，分别为：隐含层神经元个数；其后为第一个隐含层神经元的阈值，其后为输入层神经元的输入值到所述第一个隐含层神经元的连接权值；其后为第M个隐含层神经元的阈值，其后为输入层神经元的输入值到所述第M个隐含层神经元的连接权值；其后为第一个输出层神经元的阈值，其后为隐含层到所述第一个输出层神经元的连接权值；其后为第N个输出层神经元的阈值，其后为隐含层到所述第N个输出层神经元的连接权值；

M为隐含层神经元个数；

N为输出层神经元个数。

6.如权利要求1或2所述的基于遗传算法人脸识别的优化方法，其特征在于，所述步骤“对所述第一神经网络进行编码，获取所述第一神经网络中神经元的连接权值和阈值”具体为：

对所述第一神经网络进行编码，获取所述第一神经网络中神经元的连接权值和阈值的初始值；

所述步骤“采用遗传算法对所述连接权值和阈值进行优化，获取第二神经网络和第一输出值”具体为：

判断是否满足识别函数；

如否，则，选取全局最优遗传因子，并进入下一步：

对所述最优遗传因子进行交叉运算和变异运算，然后进入步骤“判断是否满足识别函数”。

7.如权利要求6所述的基于遗传算法人脸识别的优化方法，其特征在于，所述步骤“判断是否满足识别函数”之后还包括步骤：

若是，则获得第二神经网络和第一输出值。

8.如权利要求7所述的基于遗传算法人脸识别的优化方法，其特征在于，所述识别函数指停止循环迭代的条件函数，满足识别函数的条件指满足循环迭代的次数、达到预设的识别正确率或预设的识别错误率。

9.如权利要求8所述的基于遗传算法人脸识别的优化方法，其特征在于，所述像素点的值为0或为1，当像素点的灰度等级大于等于128时，则将所述像素点的值设置为1，否则设置为0。