基于多分区特征组合的虹膜识别算法

本文提出了一种基于多分区特征组合的虹膜识别算法,既考虑了虹膜纹理的全局特征又考虑了局部特征. 实验结果表明,该算法与传统的Daugman算法相比,具有良好的鲁棒性,明显降低了错误识别率,可以有效地应用于非合作用户场合下的虹膜身份识别系统.     

一种基于虹膜和人脸的多生物特征融合方法

针对单一生物特征识别方法易受干扰、应用受限制等问题,提出了一种基于虹膜和人脸的多生物特征融合方法以提高身份识别的精度及可靠性.该融合方法利用 Log-Gabor 相位编码算法和Laplacianfaces 算法对虹膜和人脸进行特征提取及匹配,然后在匹配层对两种生物特征的匹配得分值使用最小最大概率机策略进行融合,最后利用融合后得分值进行决策.该方法与单生物特征识别方法相比,识别性能明显提高.在UBIRIS虹膜库和ORL人脸库构成的多模生物特征库中进行了测试,实验结果表明:该方法的等错误率可降低到 0.28%,比单一虹膜和单一人脸方法分别降低了0.69%和 1.62%,与采用传统融合策略的方法相比,等错误率也降低了 0.2%以上.     

虹膜识别算法概述

虹膜识别已经成为近年来的热门研究,由于其可靠性和近乎完美的识别率,虹膜识别已经应用于较多高安全性的领域。虹膜识别系统主要有三个阶段:图像预处理、特征提取和模板匹配。本文对每个阶段的突出算法进行介绍、分析与比较,对虹膜识别系统的进一步发展具有一定的研究价值。     

基于特征层融合与BP神经网络的人脸表情识别研究

针对图像处理中人脸表情识别率不高的问题,提出了一种基于特征层融合和神经网络的人脸表情识别方法。利用PCA对原图像进行特征降维处理得到维数较低的表情图像特征,再从粗到细策略对特征进行融合,最后采用神经网络的BP反向传播算法对训练集和验证集经多次迭代后训练好人脸表情模型。将收集到的表情数据进行实验仿真对比表明:本文提出方法与常用的分类算法相比,人脸表情识别率在本文提到的表情数据库上取得更好的效果。     

Log-Gabor滤波和特征融合的虹膜识别研究

针对Gabor滤波器在提取虹膜纹理特征时带宽受限制的问题，提出了一种Log-Gabor滤波器结合特征融合的虹膜识别方法．该方法利用多尺度多方向二维Log-Gabor滤波器构成的多通道滤波器提取虹膜纹理特征，在特征层利用幅值信息对同尺度下多方向的Log-Gabor特征进行融合，以压缩冗余信息及去除非有效特征，然后对融合后的特征进行相位编码，并运用加权海明距离进行匹配，匹配时借助噪声屏蔽码去除眼睑遮挡干扰．同时，提出一种虹膜图像质量评价方法，     

一种新的基于多小波变换的虹膜识别算法

提出一种基于多小波变换的新的虹膜识别算法. 利用CL多小波优良的数学性质, 虹膜纹理特征能够被准确完整地表达. 将分解后子带作为特征编码, 利用空间向量的方向夹角余弦作为匹配方法, 有效克服了缩放、 平移、 光照等影响, 达到了较好的识别效果.     

基于数据融合的多生物特征身份识别

针对传统的单一生物特征身份识别由于传感器的噪音以及特征的破损、匹配等缺陷,往往不能正确识别的情况,提出了一种基于语音和人脸的多生物特征身份识别方法.分别提取语音特征和人脸特征作为识别的依据,并用神经网络在特征层上进行融合识别.实验证明,这种方法可以充分挖掘特征之间的关系,在同等条件下,具有更高的识别率.     

基于时空加权的多特征融合动作识别算法

动作识别是机器视觉领域的基础应用之一,目前动作识别算法多数基于单帧图像特征或简单综合时间维度特征和空间维度特征,一定程度上约束了特征表达能力.为了解决该问题,本文提出了一种时空特征融合方法,将时空金字塔中引入加权策略,有机地将2个维度的特征融合在一起,打破空间维度特征上的局限性.实验结果表明基于本文提出的时空加权特征融合的识别方法可有效提高动作识别精度.     

基于彩色空间多特征融合的表情识别算法研究

目前的人脸表情识别方法大多是在灰度图像上采用单一特征算子,如 Local Phase Quantization(LPQ),Local Binary Patterns(LBP),Histograms Of Oriented Gradients(HOG),Gabor等,进行分类识别,但这类方法在复杂光照条件下识别率并不理想。为取得较好的识别率,本文首次提出了基于彩色图像多特征融合的表情识别算法。该算法首先在不同彩色分量上分别提取LPQ、LBP、HOG及Gabor多种特征,然后对高维特征进行线形鉴别分析并采用最近邻法进行表情分类,最后对多特征分类结果采用Adaboost算法进行融合。本文算法在具有复杂光照条件的Multi-PIE人脸库上进行了验证,取得了88.30%的平均识别率。实验结果表明：相比于基于灰度图像的单一特征识别算法,本文提出的算法能较大幅度地提高人脸表情识别率。     

虹膜识别研究综述

对国内外虹膜识别研究的现状进行了归纳, 对虹膜识别存在的问题进行了分析, 并讨论了未来的发展方向.     

基于多特征与卷积神经网络的人脸表情识别

提出一种多特征与卷积神经网络相结合的人脸表情识别方法。先对人脸表情图像进行预处理,根据人脸面部"三庭五眼"的特征和人脸的几何模型对图像进行裁剪,采用双三次插值法对图像进行缩放。然后提取样本的局部方向模式、二维离散小波变换、Sobel算子三种特征。将这三种特征以三通道图像的形式输入卷积神经网络中进行自适应融合,融合后的特征通过Softmax层进行分类。在CK+数据库的识别率为99.51%,在RAF-DB的识别率为72.1%,识别率都有所提升,验证了所提方法的有效性。     

虹膜识别技术研究

虹膜识别以其唯一性、稳定性和非侵犯性等优点成为生物特征识别中极具发展潜力的身份识别技术。文章详细介绍了虹膜识别技术的国内外发展现状和常用算法,并介绍了现有虹膜识别技术中存在的主要问题。     

虹膜识别算法的研究

提出了虹膜自动化身份识别的算法及虹膜图像几何畸变的校正方法,最后用相关系数来测度图像的匹配结果。用该处落款 大量抽样实验,证实了算法的有效性。     

基于多特征融合卷积神经网络的人脸表情识别

针对卷积神经网络特征提取不够充分且识别率低等问题,提出了一种多特征融合卷积神经网络的人脸表情识别方法。首先,为了增加网络的宽度和深度,在网络中引入Inception结构来提取特征的多样性;然后,将提取到的高层次特征与低层次特征进行融合,利用池化层的特征,将融合后的特征送入全连接层,对其特征进行融合处理来增加网络的非线性表达,使网络学习到的特征更加丰富;最后,输出层经过Softmax分类器对表情进行分类,在公开数据集FER2013和CK+上进行实验,并且对实验结果进行分析。实验结果表明:改进后的网络结构在FER2013和CK+数据集的面部表情上,识别率分别提高了0.06%和2.25%。所提方法在人脸表情识别中对卷积神经网络设置和参数配置方面具有参考价值。     

基于虹膜特征识别的Web访问控制

结合虹膜特征识别与网络安全中的密钥加密技术,设计了基于虹膜特征识别的认证系统.该系统能实现WWW安全访问控制,具有安全性好、身份识别率高等优点.     

虹膜识别技术综述

虹膜识别技术是现在最有发展前景的生物特征识别技术,介绍了虹膜识别技术的研究意义和应用状况,并对虹膜识别系统及其技术难点做了详细的描述,最后给出了虹膜识别技术的难点和今后技术的发展前景。     

基于活体虹膜的身份识别算法研究

虹膜识别以其独特的特点成为生物特征识别中极具发展潜力的身份识别技术。本文详细介绍了虹膜识别预处理,以及虹膜匹配的常用算法。     

一种基于视频多特征融合的火焰识别算法

根据燃烧过程中火焰的物理特性，结合火焰的静态和动态特征，设计了一种多特征融合的火焰识别算法，对火灾进行快速判别．基于信任度模型建立了火焰识别的概率模型，以疑似概率反映视频图像中出现火焰的几率．实验表明，该算法识别火焰速度快，能够达到25帧／s的处理速度，与其他的火焰识别算法相比，算法在识别过程中无需人工调整即可自动完成，在复杂实际环境中，算法识别的准确性高，抗干扰能力比较强，如对车灯、路灯等干扰疑似概率始终小于10％．因此，算法在实际运用中有着广泛的应用前景．     

基于人脸和人耳的多模态生物特征识别

单一模式生物特征识别系统由于存在一些固有的局限性,有时难以满足实际应用的需求,本文提出了基于正面人脸和人耳信息融合的多模态生物特征识别方法.针对USTB人耳图像库和ORL人脸图像库,利用核Fisher鉴别分析方法分别进行了人耳识别、人脸识别和人脸人耳融合识别,融合策略包括图像层融合和特征层融合两种.识别结果表明基于人脸人耳信息融合的多模态识别的识别率优于单体的人耳或人脸识别.这说明融合多种生物特征的多模态识别可以提高身份认证的准确率,也为实现非打扰式识别提供了一种新的途径.     

基于特征融合的人脸人耳多生物身份鉴别

针对人头旋转时单一人脸识别率较差的问题,基于人脸与人耳位置上的关联性,提出人脸人耳多生物特征级融合的身份鉴别方法以克服姿态带来的影响．首先采用传统独立成分分析（ICA）方法及其变形分别提取出图像的局部和全局特征,然后将这2种互补的特征进行多模态加权串联融合,并采用基于非线性核函数的主元分析法（KPCA）降维．在USTB图像库上的实验表明,2种独立成分特征具有很好的互补性,多生物识别大大优于单一生物识别,且提出的核非线性降维方法进一步改善了识别性能．