改进的谱特征和足底边缘距离的步态识别

针对足底压力分布一般呈非线性变化,使用压力点特征来描述步态信息的鲁棒性不高、很难取得较好的应用效果,提出一种改进的谱特征与足底边缘距离特征相结合的静态触觉步态识别方法.该方法首先对压力测试板采集的裸脚静止足底压力图像进行预处理,包括提取关键帧数据、分区域等;其次,将Laplace谱特征、足跟部和脚前掌部分边缘轮廓到整足的几何中心点的欧式距离以及整足的几何中心点坐标作为最终的识别特征;最后,利用一对一的支持向量机(SVM)对30人的步态数据进行步态识别实验,以左、右脚都正确识别作为最终的识别结果,实验结果表明该方法能取得较高的识别率.     

基于多模特征的足迹识别算法

基于足迹压力数据提出一种基于多模特征足迹识别算法.该算法采用连通区域滤波法实现足迹压力数据的去噪,对去噪后的数据提取足迹图像的形态特征、压力特征及卷积特征,并基于各特征权重实现足迹多特征的优化融合,最后采用支持向量机(SVM)分类器进行分类识别.实验结果表明:在50人的足迹压力数据上,三类不同模态足迹的识别准确率分别达到了100%,99.925%和94.445%,相较于仅采用形态特征和压力特征的识别,所提出算法的平均识别率提高了10.285%,表明该识别算法能够有效进行足迹识别.     

基于多特征融合的复杂路况步态识别方法

为了满足盲道草地等复杂路况下对步态相位进行识别的需求,提出了一种多特征融合的步态识别方法。首先搭建了包括Peadr-x分布式足底压力鞋垫和姿态采集装置的多特征信息采集的软硬件系统,并用该系统获取足底压力信号和大腿角度信号。其次,取足底平均压力、压力中心点(COP)和大腿角度信息作特征。最后用有向无环图支持向量机(DAG SVM)的方法识别五个相位的步态特征:支撑前期、支撑中期、支撑后期、摆动前期、摆动中期、摆动后期。实验证明在复杂路况下该方法对步态相位的识别率可以达到93%以上。     

基于log-Gabor小波的掌纹识别算法

掌纹识别是一种新兴的身份识别技术,具有易于采集、纹理丰富等优点,为此提出一种基于log-Gabor小波进行特征提取的掌纹识别算法.该算法首先用log-Gabor小波对掌纹目标区域（region of interest,ROI）进行滤波,然后根据滤波后图像的相位信息形成二进制掌纹特征码,最后用汉明距离来衡量不同掌纹特征码的相似度.在UST掌纹库上的实验结果达到了较高的识别率,验证了该算法的有效性.     

基于双层卷积神经网络的步态识别算法

提出运用双层卷积神经网络模型实现基于足底压力图像的步态识别方法.首先,对足底压力数据采集系统采集的图像作相应预处理;然后,用双层卷积神经网络模型学习得到足底压力图像的单层和双层卷积特征;最后,将卷积特征训练分类器得到分类结果.实验结果验证了该算法的有效性.     

基于特征分块的赤足足迹人身识别算法

为了提高赤足足迹人身识别算法的准确率，本文提出了一种基于深度学习的足迹识别算法。由于足底各区域压力的不同导致了赤足足迹各部分包含的信息量存在一定的差异性，为了获取更稳定、区分度更高的特征，采用ResNet50作为基础网络，在特征层进行分块处理。本文基于2000人的赤足足迹库进行训练，利用500人1000幅测试图在3000人的赤足测试库上进行测试。所提出算法的首位识别准确率达到了98.50%，优于常规的ResNet50网络。实验证明，本文提出的基于特征分块的足迹识别算法在赤足足迹识别中获得了很好的识别效果。     

采用八方向Gabor滤波的指纹识别算法

采用指纹增强算法与复滤波器中心点定位结合的方法,有效地解决低质量指纹图像中心点定位问题,实现了平移不变.同时,采用基于结构的指纹特征提取算法,用八方向Gabor滤波提取指纹的全局特征和局部脊线特征,实现了旋转不变.在FVC2004指纹库上的仿真实验表明:该算法取得较好的识别效果,优于基于单Finger Code特征和基于点模式的指纹识别算法.     

基于距离判别的心电身份识别技术研究

针对传统生物特征身份识别技术易于破解的弊端,提出了心电信号身份识别技术。分析了心电信号身份识别的距离判别法则。结合马氏距离、小波距离、谱能量距离和相关距离算法,提出加权系数智能匹配算法。下位机利用双电极法采集心电信号,经串口送往上位机。Matlab软件平台下,编程实现心电信号数字处理和身份识别。通过对40个人的心电样本进行测试,获得了95%的识别结果。     

基于SMbGAN的足迹图像反演算法

为解决在足迹识别领域赤足数据匮乏的问题,提出一种基于足底压力图像的反演算法.该算法能够将鞋底压力图像反演成赤足足底压力图像.首先,对原始数据进行去噪、中心化以及旋转等预处理操作;其次,提出一种对称的多分支生成对抗网络(SMbGAN),该结构将足迹图像分成上、下2部分进行独立反演,并且使用全局与局部判别器进行图像判定,提升结构对足迹图像细节的关注度;最后,为了证明反演结果的有效性,在对比真实图像与反演图像的结构相似性(SSIM)以及平均绝对误差(MAE)指标的基础上,对反演出的赤足足底压力图像进行了身份检索实验.结果表明,相比其他结构,SMbGAN更适合足迹图像的反演任务,真实赤足图像与生成赤足图像的SS1M值为0.988,MAE值为4.324,身份检索的Rank1值为0.462.     

基于LabVIEW的心音身份识别系统

文中以LabVIEW 2012为开发平台,设计、实现了一种心音身份识别系统.该系统包括心音采集、数据处理和身份识别3个主要模块.心音采集模块利用自制传感器采集心音并去噪;数据处理模块完成心音特征提取和建立心音特征数据库;身份识别模块采用两种算法对心音特征数据进行分类识别,并使用决策层融合算法提高识别率.文中根据心音信号s1、s2的频谱特性和虚拟仪器的特点,提出了一种低频加强型梅尔倒谱系数和频域分段相关系数的特征提取算法,重点分析了基于矢量化欧式距离和最小相关距离分类识别方法.实际应用的结果证明该系统界面友好、操作方便、运算速度快、辨识效率高,具有一定的推广应用价值.     

基于加权Hamming距离的虹膜匹配算法

为了提高虹膜识别系统的识别性能,提出了基于加权Hamming距离的虹膜匹配算法。在利用多尺度Gabor滤波器组提取虹膜纹理相位特征的虹膜识别系统中,不同尺度、不同方向的Gabor滤波器,甚至同一Gabor滤波器的实部和虚部对虹膜纹理的描述能力不同,其抽取的特征的鉴别能力也不一样。根据鉴别能力的差异,在计算Hamming距离时对不同滤波器的输出进行加权,利用加权后的距离进行身份认证。实验结果表明,与传统的基于归一化Hamming距离的虹膜匹配算法相比,改用该算法后,虹膜识别系统的等错误率从0.97%下降到0.47%,识别性能得到明显改善。     

基于加权Hamming距离的虹膜匹配算法

为了提高虹膜识别系统的识别性能,提出了基于加权Hamming距离的虹膜匹配算法。在利用多尺度Gabor滤波器组提取虹膜纹理相位特征的虹膜识别系统中,不同尺度、不同方向的Gabor滤波器,甚至同一Gabor滤波器的实部和虚部对虹膜纹理的描述能力不同,其抽取的特征的鉴别能力也不一样。根据鉴别能力的差异,在计算Hamming距离时对不同滤波器的输出进行加权,利用加权后的距离进行身份认证。实验结果表明,与传统的基于归一化Hamming距离的虹膜匹配算法相比,改用该算法后,虹膜识别系统的等错误率从0.97%下降到0.47%,识别性能得到明显改善。     

基于区域形状的静脉图像特征提取与匹配

为了准确地对人的身份进行识别,提出了一种基于区域形状的静脉图像特征提取与匹配算法.静脉图像经预处理后得到二值图像,该算法首先对二值图像进行细化处理,得到了静脉的骨架信息;然后,标注4连通区域并寻找到与连通区域相连接的端点与交叉点;再利用最小距离法将连通区域的边缘逼近成若干条线段,将线段角度作为特征;最后,利用改进的最长公共子序列算法,进行了局部区域匹配,并利用改进的豪斯多夫距离算法进行整幅图像的匹配.实验表明,该算法获得的图像特征具有较高的区分度,识别效果受采集静脉图像中信息缺失的影响较小,正确识别率可达到96%以上.     

非接触式身份识别的深度学习算法

针对传统基于Wi-Fi的身份识别方法手工编码特征效率低、准确率不高的问题,提出一种基于深度学习的非接触式身份识别(WiID)算法。该算法通过分析子载波中信道状态信息数据的空间相关性,建立了用于深度学习的输入矩阵;采用二维卷积运算从相邻子载波中提取局部空间特征;构建门限循环单元层,从时间维度对空间特征进行时序建模,完成空间与时间两个维度的步态特征提取,实现端到端的非接触式身份识别,有效减少了数据预处理工作量。实验结果表明,与卷积神经网络和循环神经网络算法相比,该算法识别准确率得到了有效提高;在6种不同的实验场景下,该算法的身份识别准确率介于92.9%～95.6%之间,具有良好的身份识别效果及算法鲁棒性。     

支持向量机在不同性别人群足底压力分析识别中的应用

研究不同性别人群足底压力分布对性别进行分析识别,利用足底压力步态分析系统对20名男性和20名女性正常行走的足底压力分布数据进行测量,提取足底各区压强峰值特征,使用支持向量机对不同性别人群的足底压强峰值进行训练并进行验证。结果表明:利用支持向量机对左足、右足及左右足的足底压强峰值特征建立的数学模型对性别具有较好的分析识别能力,识别正确率在80%以上,为利用犯罪嫌疑人足迹所反映的步态特征分析性别提供了实验依据。     

基于多特征I-Vector的说话人识别算法

针对单一声学特征无法精准高效地辨识说话人身份的问题,提出了一种基于多特征I-Vector的说话人识别算法.该算法首先采集不同的声学特征并将其构成一个高维特征向量,然后通过主成分分析法有效地剔除高维特征向量的关联,确保各种特征之间正交化,最后采用概率线性判别分析进行建模和打分,并在一定程度上降低空间维度.在TIMIT语料库上利用Kaldi进行实验,算法运行结果表明,该算法较当前流行的基于I-Vector的单一梅尔频率倒谱系数和感知线性预测系数的特征系统在等错误率上分别提高了8.18%和1.71%,在模型训练时间上分别减少了60.4%和47.5%,具有更好的识别效果和效率.     

贝叶斯判别法在基于足底压力特征个体识别研究中的应用

利用贝叶斯判别法,以足底压力特征为研究对象,选取footscan足底压力分析系统所提取的50名实验对象的足底各区域压力参数作为分析样本(训练样本500枚足迹、测试样本100枚足迹),建立个体识别模型。经检验,同一个体的足底压力特征组合具有相对稳定性,不同个体的足底压力特征组合具有特定性,且个体间的识别率可达92%。为利用足底压力特征的人身识别研究提供了理论基础。     

变异特征加权的异常语音说话人识别算法

常用的加权算法难以跟踪非常态语音特征的变异,为此,文中提出了一种变异特征加权的异常语音说话人识别算法.首先统计大量正常语音各阶MFCC特征的概率分布,建立正常语音特征模板;然后用测试语音特征与正常语音特征模板之间的K-L距离和欧氏距离来度量语音的变异程度,确定K-L加权因子和欧氏加权因子;最后利用加权因子对测试语音的MFCC特征进行加权,并将加权后的特征输入高斯混合模型进行异常语音说话人识别.实验结果表明,文中提出的K-L加权和欧氏加权的异常语音说话人识别算法的整体识别率分别为46.61%和42.25%,而基于各阶特征对说话人识别贡献的加权算法和不加权算法的整体识别率分别为39.68%和36.36%.     

基于形状加权的三维模型特征提取算法

提出了一种基于形状加权的三维模型特征提取算法,同时考虑采样点与中心点间的距离,以及采样点所在三角面片面积大小,构建直方图获取特征描述符.该算法能够充分利用模型表面信息,提取步骤简单,时间消耗少.实验证明,利用本文算法得到的特征描述符进行检索,查全率和查准率都有明显提高.     

基于人体头肩部形状的身份识别

身份识别技术近年来引起了越来越多人们的兴趣．提出了一种有效的基于人体头肩部形状的身份识别技术，通过形态学方法及背景减除法提取出人体头肩部形状的曲线特征，利用相关算法比较，实现人的身份识别．实验结果表明，该方法在图像分割方面具有很好的效果，且算法简单易于实现，能较好地识别出样本库中的身份．