基于opencv的视频人脸识别系统毕业论文设计(5)

多层感知器是一个多层前馈神经网络，由输入层、一个或多个隐层以及一个输出层组成，其学习算法采用BP算法。多层感知器在训练的过程中，第一层权值决定了超平面在空间的取向，网络的不断训练，标志着由超平面所形成的超空间在不断的变化。在隐层数足够多的情况下，由超平面所形成的线性区域将无穷多，其第一隐层可以在模式空间实现各种超平面分割；第二隐层实现第一隐层的逻辑“与”运算，即将其分割的模式超平面空间按类别进行空间划分；而输出层由第二隐层的输出值进行逻辑“或”运算，即将进行逻辑“与”运算的属于同一类的超平面进行归类。

BP神经网络分三层，即输入层、隐层、输出层。记输入层神经元数为I，隐含层神经元数为H，输出层神经元数为J。对于人脸识别数为P的人脸识别问题来说，网络输出层的神经元数J就取为人脸类别数P，对于任意一个人脸测试图像，可根据网络输出层输出矢量的最大分量分类。人脸图像矢量的维数N通常比较大，而训练样本数K通常比较小，所以设计用于人脸识别的BP神经网络分类器比较困难。为了实现具有推广能力强的BP分类器，可以从特征压缩着