增强典型相关分析及其在多模态生物特征识别特征层融合中的应用

《增强典型相关分析及其在多模态生物特征识别特征层融合中的应用》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、第40卷第8期中圈绅孽教求大誊辱农Vo1．40，No．82010年8月JOURNALOFUNlVERSITYOFSC旧CEANDTECHNoLoGYOFCHINAAug．2010文章编号：0253—2778(2010)080790—06增强典型相关分析及其在多模态生物特征识别特征层融合中的应用张志坚，赵松，张培仁(中国科学技术大学自动化系，安徽合肥230027)摘要：提出了增强典型相关分析(ECCA)的概念，并将ECCA用于多模态生物特征的特征层融合．ECCA不仅保持了CCA的本质特征，而且利用了类别信息，能够找到两个特征空间对分类更有意义的投影方向．开集测试表明，E

2、CCA用于特征层融合时，可以获得比广义典型相关分析、串行融合、并行融合特征层融合算法和加法规则、乘法规则等分数层融合算法更好的性能．关键词：增强典型相关分析；多模态生物特征iZ~,1；特征层融合；人脸识别；掌纹识别；开集测试中图分类号：TP391．41文献标识码：Adoi：10．3969／j．issn．0253—2778．2010．08．O0*％

3、^§■EnhancedCCAanditsapplicationsinfeaturelevelfusionofmultimodalbiometricsZHANGZhijian，ZHA0Song，ZHANGPeiren(Dert

4、mentofAutomation，UniversityofScienceandTechnologyofChina，Hefei23007，China)Abstract：Anovelenhancedcanonicalcorrelationanalysis(ECCA)wasproposedandECCAwasusedforfeaturelevelfusioninmulti—biometrics．Byusingclasslabelinformation，ECCAcanfindthemostrelevantprojectingdirectionwhichismoreuseful

5、forclassificationandalongwhichbetween-classscatterismaximized．TheopentestshowsthatECCAoutperformsotherfeaturefusionmethods．Keywords：enhancedcanonicalcorrelationanalysis(ECCA)；multi—biometrics；featurerecognition；palmrecognition；opentest单模态生物特征技术的应用．多模态生物特征识别蔷≯≥

6、l技术利用两种以上生物特征进行身份鉴别，可以提在高度

7、信息化的现代社会，身份鉴别的重要性高生物特征识别系统的识别率、可靠性和普适越来越突出，生物特征识别技术利用人体拥有的生性_】j，得到了广泛的研究．理特征(如人脸、掌纹、虹膜)或行为特征(如步态、笔多模态生物特征的融合方法可以分为特征层融迹)来判别人的身份，具有稳定、便捷、不易伪造等优合、分数层融合、决策层融合三类[3]．决策融合利用点．然而，每种生物特征都具有局限性，如人脸特征的原始信息最少，对身份鉴别系统性能提高有限；特容易受到光照、姿态表情的影响，虹膜图像采集装置征层融合利用的原始信息最多，从理论上讲可以得对用户的配合程度要求比较高．这些局限性限制了到最高的性能．

8、串行融合方法【4将两种特征首尾相收稿目期：2007—12-29；修回日期：2009—0530作者简介：张志坚，男，1980年生，博士生．研究方向：生物特征识别和嵌入式系统．E-mail：~zhang3@mail．ustc．edu．Oil通讯作者：张培仁，教授．E-mail：przhang@ustc．edu．cn第8期增强典型相关分析及其在多模态生物特征识别特征层融合中的应用791连成一个新的特征矢量，在更高维的空间进行分类；是随机向量X和Y的协方差矩阵；c≈XyT／N并行融合方法l4]将同一样本的两组特征向量和构成(ERp)是X和Y的互协方差矩阵．一个复数向量，在复向

9、量空间进行分类．他们的缺点Sun最先提出了GCCA的概念l6]，通过对类内在于不同模态特征级联组成的特征集合维度非常散度进行约束达到利用类别信息的目的．投影方向高，容易引起“维度灾难”问题．U，可以通过最大化准则函数获得，即孙权森等提出利用典型相关分析(canonicalJ㈣(“，'，)一(2)correlationanalysis，CCA)进行特征层融合_s]，获得,／u1,／·_l’了优于串行融合和并行融合的结果，但是该方法没式中，s和s是类内离散度矩阵，并且N有利用到样本的类别信息．为此，孙权森进一步提出fz11、了广义典型相关分析(GCCA)