基于特征融合人脸人耳多生物身份鉴别.pdfVIP

下载本文档

3
0
约1.92万字
约 7页
2017-08-30 发布于安徽
举报
版权申诉

基于特征融合人脸人耳多生物身份鉴别.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

第42卷第7期天津大学学报 Vbl．42No．7 2009年7月 JournaIof Jul．2009 TiaIljinUniversi哆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)07．0636一06 FaceandEar FeatureFusionforHuman Recognition DUN Zhi—chun Wen-jie，MU (SchoolofInfonIlation and 100083，china) Enginee—ng，univers时ofsci朗ceTccllllolog)，Beijing，Beijing Abst船ct：The offace is whenthereisa V撕ation．Inviewofmecon-elationof perf．omlancerecognitionpoor la玛epose face粕dmethodofhumanidentificationthefeaturcmsionoffaceandearwas localaIld ear，a by proposed．Firstly，theglobal featIIreswereex仃acted conVentional its analysis(ICA)andmethod，then respectivelyby ind印endentcomponent impmved thefeaturesf硒mfaceandearweremsedseries a11dmed曲ensionofnewfeature、】lrasdescended by weigheds仃ategy by kemel corIlponent onUSTBdatabaseshowthatthet、】l，o ofICAfeatIlresare principal amlysis(KPCA)．Experiments types muchbetter thenon-linear dimen·