多生物特征的融合与识别可提高身份识别系统的整体性能.本文在研究特征层融合的基础上,结合二维Fisher线性判别分析(2-Dimensional Fisher Linear Discriminant Analysis,2DFLD),提出了一种人脸与虹膜特征融合与识别模型.首先,对人脸图...多生物特征的融合与识别可提高身份识别系统的整体性能.本文在研究特征层融合的基础上,结合二维Fisher线性判别分析(2-Dimensional Fisher Linear Discriminant Analysis,2DFLD),提出了一种人脸与虹膜特征融合与识别模型.首先,对人脸图像与虹膜图像分别进行压缩降维处理,得到相应的初始特征矩阵.然后将人脸与虹膜的初始特征矩阵进行组合,获得组合特征矩阵.同时,利用2DFLD算法对组合特征矩阵进行融合,获得了人脸与虹膜的融合特征.最后运用最小距离分类器进行识别.基于ORL(Olivetti Research Laboratory)人脸数据库和CASIA(Chinese Academy ofSciences,Institute of Automation)虹膜数据库的实验结果表明,该模型实现了特征层融合,不仅克服了"小样本"效应,而且有效提高了身份识别的正确识别率,为多生物特征身份识别提供了一种有效模型.展开更多
针对传统的单一人脸识别身份的方法在遇到光线不明、粉尘附着、部分遮挡情况下,识别效果不佳。本文提出了多种生物特征相融合的识别方法。该方法首先提取井下人员的人脸、虹膜、指纹的特征,对特征进行融合并产生新的特征向量,通过监督...针对传统的单一人脸识别身份的方法在遇到光线不明、粉尘附着、部分遮挡情况下,识别效果不佳。本文提出了多种生物特征相融合的识别方法。该方法首先提取井下人员的人脸、虹膜、指纹的特征,对特征进行融合并产生新的特征向量,通过监督式学习训练,形成新的图像特征模板库。最后,用获取的人员新特征与模板库的特征进行匹配,从而完成身份识别。在图像处理过程中,使用了霍特林变换,快速滤除大部分无用特征信息,通过决策树支持向量机分类器(decision trees support vector machine,DT-SVM)精准实现身份识别。实验仿真结果表明:这种方法减少了算法的计算复杂度,提高了身份识别的准确性,增强了对工作人员的安全监控。展开更多
文摘多生物特征的融合与识别可提高身份识别系统的整体性能.本文在研究特征层融合的基础上,结合二维Fisher线性判别分析(2-Dimensional Fisher Linear Discriminant Analysis,2DFLD),提出了一种人脸与虹膜特征融合与识别模型.首先,对人脸图像与虹膜图像分别进行压缩降维处理,得到相应的初始特征矩阵.然后将人脸与虹膜的初始特征矩阵进行组合,获得组合特征矩阵.同时,利用2DFLD算法对组合特征矩阵进行融合,获得了人脸与虹膜的融合特征.最后运用最小距离分类器进行识别.基于ORL(Olivetti Research Laboratory)人脸数据库和CASIA(Chinese Academy ofSciences,Institute of Automation)虹膜数据库的实验结果表明,该模型实现了特征层融合,不仅克服了"小样本"效应,而且有效提高了身份识别的正确识别率,为多生物特征身份识别提供了一种有效模型.
文摘针对传统的单一人脸识别身份的方法在遇到光线不明、粉尘附着、部分遮挡情况下,识别效果不佳。本文提出了多种生物特征相融合的识别方法。该方法首先提取井下人员的人脸、虹膜、指纹的特征,对特征进行融合并产生新的特征向量,通过监督式学习训练,形成新的图像特征模板库。最后,用获取的人员新特征与模板库的特征进行匹配,从而完成身份识别。在图像处理过程中,使用了霍特林变换,快速滤除大部分无用特征信息,通过决策树支持向量机分类器(decision trees support vector machine,DT-SVM)精准实现身份识别。实验仿真结果表明:这种方法减少了算法的计算复杂度,提高了身份识别的准确性,增强了对工作人员的安全监控。
