基于特征融合的人脸人耳多生物身份鉴别new

《基于特征融合的人脸人耳多生物身份鉴别new》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、万方数据第42卷第7期2009年7月天津大学学报JournaIofTiaIljinUniversi哆Vbl．42No．7Jul．2009基于特征融合的人脸人耳多生物身份鉴别敦文杰，穆志纯(北京科技大学信息上程学院，北京100083)摘要：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、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．关键词：独立成分分析；多牛物识别；特征融合；核主元分析中图分类号：TP391．4文献标志码：A文章编号：0493．2137(2009)07．0636一06FaceandEarFeatureFusionforHumanRecognitionDUNWen-jie，MUZhi—chun(SchoolofInfonIlationEnginee—ng，univers时ofsci朗ceandTccllllolog)，Beijing，Beijing100083，china)A

3、bst船ct：Theperf．omlanceoffacerecognitionispoorwhenthereisala玛eposeV撕ation．Inviewofmecon-elationofface粕dear，amethodofhumanidentificationbythefeaturcmsionoffaceandearwasproposed．Firstly，thelocalaIldglobalfeatIIreswereex仃actedrespectivelybyconVentionalind印endentcomponentanalysis(ICA)anditsimp

4、mvedmethod，thenthefeaturesf硒mfaceandearweremsedbyseriesweigheds仃ategya11dmed曲ensionofnewfeature、】lrasdescendedbykemelprincipalcorIlponentamlysis(KPCA)．ExperimentsonUSTBdatabaseshowthatthet、】l，otypesofICAfeatIlresarecomplemen伽y，multi-biometricalsystemperformsmuchbetterth柏singlemodality，aIl

5、dthenon-lineardescendingdimen·sionmethodimproVestherecognitionrateinsomedegree．Keywords：ind印endentcomponentallalysis；multi-biometricrecognition；featuremsion；kemelp“ncipalcomponentanalvsis国际安全形势的H趋复杂化对身份验证技术的需求与日俱增．与传统身份验证方法相比，生物特征识别技术具有稳定、便捷、不易伪造等优点，得到了广泛的研究和应用．人脸识别的准确性虽然低于虹膜和指纹，但由于它F1然、直

6、观，以及对用户的无侵害性，使其成为最容易被接受的生物特征识别方式【l之】．目前的人脸识别系统，在待识别图像和训练图像姿态相近的情况下识别率很高，但是当姿态变化较大时，识别率急剧下降【3卅，凶此，姿态的影响成为了人脸识别真正走向实用的瓶颈．由于人脸自身存在的固有局限性．通过改善识别过程中的某一环节来提高系统的性能是非常困难的．人耳、人脸特征都是以图像信息给出的，因此样本采集和特征提取都存在相似性；另外，人耳、人脸位置具有关联性，识别时，只要用摄像头从不同角度对准人的面部即呵，操作容易，甚至还可能在公共场所实现远距离的非打扰识别．因此，采用多生物身份鉴别成为一个解决姿态影响的

7、新思路．独立成分分析(independentcomponentanaly-sis，ICA)是生物模式识别Ifl的一种经典方法【孓7I，其目的是提取一组统计独立的基图像向量，然后将待识别的图像向量投影到这些基向量空问中，得到非独立的鉴别矢量．这种方法去除了数据问的高阶统计相关性，能更加全面地揭示图像的局部结构，凶此取得了收稿日期：2008．06．26；修回日期：2009-03．11．基金项目：周家自然科学基金资助项目(60375002’60573058)；北京市教委重点学科共建项目(xKl00080537)作者简介：敦文杰(19