基于局部线性嵌入和最近特征线的人耳识别

基于局部线性嵌入和最近特征线的人耳识别

ID:36784106

大小:529.92 KB

页数:7页

时间:2019-05-15

基于局部线性嵌入和最近特征线的人耳识别_第1页
基于局部线性嵌入和最近特征线的人耳识别_第2页
基于局部线性嵌入和最近特征线的人耳识别_第3页
基于局部线性嵌入和最近特征线的人耳识别_第4页
基于局部线性嵌入和最近特征线的人耳识别_第5页
资源描述:

《基于局部线性嵌入和最近特征线的人耳识别》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、242008,44(25)co,印以er西画舶e一增帆dA即‰越幻船计算机工程与应用基于局部线性嵌入和最近特征线的人耳识别谢朝霞z,穆志纯,,谢建军:XIEZhao—xial,MUZhi—chunl,XIEJian—jun21.北京科技大学信息工程学院,北京l000832.河南科技大学机电工程学院。河南洛阳4710031.Inf(’mlationEngineenngSchool,UniversityofS(jience朋dTechnologyBeijing,Be巧ing100083,China2.

2、MechatronicsEngineeringSchool,HenanUniversityofScienceand7rechnology,Luoyang,Henan471003,ChinaE—mail:xiezhaox@163.comXmZhao一嫡a,MUZhi-chun.XlEJian-jun.EarrecognitioⅡbased蛐Ioc枷ylin蛆reIIIbeddingandn明restfbatIIreK舱ComputerEngineerillgandAppIicatio吣。2∞8.44

3、(25):24—27.Abstract:Basedonthesimplyanalysisoftheadvantages0ftheeadyearrecognitionmethods,anearrecogrIitionmethodcom—biningl()caIlylinearembedding(LLE)andthenearestfeatureIine(NFL)arepmposed.TheU正algorithmwhichbasedonthemanifoldleamingtechniqueisappli

4、edforearfeatureextra(:tion,andtheNFL—basedclassifierisusedforearrecognitjon.Experi—mentresunsshowthatthismeth('dcanobtainthesatisfiedre(:ognitionrateperfbctlyasforposeva^ationinearrecognition,im—pmvethembustnessofearrecognition,andenhancethepracticahi

5、lityoftheearT.ecognitiontechnoIogy.Keywords:earrecognition;manif01dleaming;loca¨yline{lremI,edd{ng;nearestfbatureIine摘要:针对人耳生物特征,通过分析早期人耳识别方法的不足,提出了一种局部缌洼嵌入(LLE)和最近特征线(NFL)相结合的人耳识别方法。首先依据流形学习思想,采用局部线性嵌入算法提取人耳图像特征,然后采用最近特征线分类器进行人耳识别。实验结果表明,该方法在人耳姿态变化时能

6、够取得非常理想的识别率,提高了人耳识别的鲁棒性,增强了人耳识别技术的实用性。关键词:人耳识别;流形学习;局部线性嵌入;最近特征线DoI:10.3778/j.issn.1002—8331.2008.25.007文章编号:1002-833l(2008)25一0024—04文献标识码:A中图分类号:TP39l1引言人耳作为一种新的生物特征,具有稳定性和唯一性【1l。由于人耳位于人脸侧面,鉴于其独特的生理结构和生理位置,人耳识别技术不仅可以单独应用于一些个体识别场合,而且还可以和其它生物特征识别技术互为补

7、充,提高个体识别效粜a。早期的人耳识别主要通过提取人耳轮廓关键点及曲线关系等几何特征”嚷进行识别,提取的特征虽直观但易受光照、姿态等因素的影响,特征提取不稳定,难以在实际场景中广泛应用。近年来基于代数特征的人耳特征提取方法得到深入研究。chaIlg㈣等用标准主成分分析(PcA)算法来进行人耳和人脸识别的比较实验,结论是人脸识别和人耳识别没有较大的差别。PcA方法首先需要估计数据的概率分布,如果数据服从高斯分布,以总体协方差矩阵作为产生矩阵提取出的主成分特征非常适合描述数据;其次该方法是在最小均方意

8、义下寻找最能代表原始数据的低维空间投影。然而,在实际应用中,人们很难确切知道数据的真实分布。流形学>J是在没有任何先验假设的一般意义下,研究数据所蕴含的整体几何规律。,直观地说,期望从数据集巾寻找其内在规律性,透过数据集这一特定的几何现象来研究对象的本质旧。若给定高维观测数据集x,流形学习就是根据有限数据集x发现未知嵌入映射.厂,并找到与高维观测数据x一一对应的低维嵌入y【q。依据流形学习思想,本文提出一种基于局部线性嵌入(LLE)和最近特征线(NFL)的人耳识别方法。2LLE算法

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。