人臉人耳融合生物識別論文_第1頁
人臉人耳融合生物識別論文_第2頁
人臉人耳融合生物識別論文_第3頁
人臉人耳融合生物識別論文_第4頁
全文預覽已結束

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、人臉和人耳多模態(tài)生物特征識別方法研究【摘要】 目前的模式識別系統(tǒng)主要是單一模態(tài),他們主要依靠人的單一的生物特征來進行身份驗證。但是單一的生物特征識別能力非常有限。沒有任何單一的生物特征在準確性和健壯性上是完善的,他們總是被外界因素干擾。使用多模態(tài)生物特征進行身份驗證可以克服很多單一生物特征識別的局限性。因為使用多個獨立的識別條件,所以多模態(tài)生物識別系統(tǒng)被認為更加可靠。但是由于使用了多個生物特征所以增加了識別系統(tǒng)的設計的復雜程度,例如,必須使用數(shù)據(jù)融合技術來整合多個識別條件進行識別。本文利用人臉和人耳作為識別特征,在匹配層進行數(shù)據(jù)融合。在匹配層融合可以充分利用每種特征的生物信息。使用人臉和人耳開

2、發(fā)多模態(tài)識別系統(tǒng)有以下幾個原因。首先,人臉和人耳圖片可以用傳統(tǒng)的攝像機拍攝。其次,可以實現(xiàn)非打擾式采集人臉入耳圖像。最后,人耳和人臉的位置相互接近,方便采集。因此,人臉和人耳多模態(tài)生物識別系統(tǒng)比其他的多模態(tài)生物識別系統(tǒng)(比如人臉和指紋)更有可行性。論文中在匹配層進行特征融合,使用PCA作為特征提取的方法,分別使用Min-Max和Tanh-Estimator歸一化特征向量,而后分別采用DS準則和加權融合作為融合算法。前者的融合結果可以達到97.更多還原【Abstract】 Biometric systems deployed in current real-world applications

3、are primarily unimodal, i.e., they depend on the evidence of a single biometric marker for personal identity authentication (e.g., single ear or face). Unimodal biometrics are limited, because no single biometric is generally considered both sufficiently accurate and robust to hindrances caused by e

4、xternal factors.Several of the limitations imposed by unimodal biometric systems can be overcome by incorporating multiple biometric marke.更多還原 【關鍵詞】 人臉; 人耳; 融合; 生物識別; 【Key words】 Face; Ear; Fusion; Biometric Recognition; 【索購論文全文】138113721 139938848 即付即發(fā)目錄摘要 5-6 ABSTRACT 6-7 第一章 緒論 10-16 1.1 課題背景 10

5、-11 1.2 研究的目的和意義 11-12 1.3 多生物特征識別技術國內外研究現(xiàn)狀 12-13 1.3.1 國外多生物特征識別技術的研究現(xiàn)狀 12 1.3.2 國內多生物特征識別的研究現(xiàn)狀 12-13 1.4 人臉識別的研究現(xiàn)狀與存在的主要困難 13-15 1.4.1 人臉識別的研究現(xiàn)狀 13-15 1.4.2 人臉識別存在的主要困難 15 1.5 人耳識別的研究現(xiàn)狀 15-16 第二章 多生物特征融合 16-22 2.1 數(shù)據(jù)融合技術概述 16-17 2.1.1 數(shù)據(jù)層融合 16 2.1.2 特征層融合 16-17 2.1.3 匹配層融合 17 2.1.4 決策層融合 17 2.2 物特

6、征識別的性能評估 17-22 第三章 人臉入耳定位 22-28 3.1 Haar特征 22-23 3.2 積分圖 23-25 3.3 訓練過程 25-26 3.4 檢測過程 26-28 第四章 PCA人臉人耳特征提取 28-34 4.1 主成分分析 28-31 4.2 PCA方法的實驗結果 31-34 第五章 相位一致性和KDDA結合的人耳識別方法 34-43 5.1 相位一致性的原理 34-35 5.2 相位一致性特征提取 35-36 5.3 核直接判別分析 36-38 5.4 模式匹配 38 5.5 實驗結果與分析 38-42 5.5.1 參量選取實驗 39-40 5.5.2 光照測試 40-42 5.6 本章結論 42-43 第六章 匹配層融合方法 43-50 6.1 自適應加權融合方法 43-46 6.1.1 T

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論