基于HMM和神经网络的眉毛识别方法.pdfVIP

第36卷第4A期 计算机科学 V01．36No．4A 至QQ!生垒旦 ．一．垦查翌巳旦!曼!§￡i竺翌竺呈 垒巳!：；QQ皇 基于HMM和神经网络的眉毛识别方法 黄琰李玉镒曹俊彬 (北京工业大学计算机学院 北京100124) 摘要分析了眉毛作为一种独立生物特征进行身份鉴别的可能性，提出了一种基于HMM(隐马尔可夫模型)和神 经网络的眉毛识别方法。并对它的识别率与采用的眉毛图像预处理方法的关系进行了初步的实验研究。实验结果表 明，该方法在一个104人的眉毛图像数据库上最高识别率可以达到87．50％。 关键词眉毛识剐，隐马尔可夫模型，神经网络，半阈值分割 中图法分类号 TP391．41文献标识码A onHiddenMarkovMo【IelsandNeuralNetwo^【 Eyebm、VReco印iti佣Based HUANGYanLl CA0 Y州ian Jurrb’m of aJld of (College Science 100124，China) CcImputer Technology，Be巧ingUniversityhhnology，Beijing Abst髓ctThis the and thathulnan asan biometTic paperanalyzesedpossibilityfeasibility eyebrow、^，orksindependent for identification，andan methodbasedon Ma}kov perS0nal presentedeyebrowr氍ognition HMM(HkldenM0dels)戤d NeuralNetwork，theQfhowt0eyeb∞w relatedtothe problem recog础tionaccuracy eyebIows岫gepr}process．mg results methodshasbeen studiedThe showthat也emethodcanacHevea of preliITlinarily experirnent highestaccuracy adatabaseof takenfrom104 87．50％in eyebrowirmges p盯sons． markov KeywordsEyebrowrecognitbn，Hiddenmodel，Neuralnet、vork，Sem．-thresh01dsegmentation 1 引言 2基于删和神经网络的眉毛识别方法 生物特征识别技术是一种重要的身份鉴别方法[1]。生物 2．1模型简介 特征可以作为识别条件主要是由于这种特征具有不可复制、 隐马尔可夫模型(HMM)是双层结构的模型[7Ⅲ]，它包括 难于伪造的特点，弥补了密码、签名、证件等传统手段容易泄 了状态转移的随机过程和观察值输出的随机过程，其中状态 密、遗忘的特点。目前生物特征识别主要包括：指纹识别、虹 转移的随机过程是隐式的，它通过观察序列的随机过程表现 膜识别、语音识别、步态识别、人脸