基于人脸和人耳的多模态生物特征识别.PDFVIP

第 29 卷 增刊 2 北 京 科 技 大 学 学 报 Vol.29Su ppl.2 2007 年 12 月 JournalofUniversit yofScienceandTechnolo gyBei jing Dec.2007 基于人脸和人耳的多模态生物特征识别 袁 　立 　穆志纯 　曾　慧 北京科技大学信息工程学院 , 北京 100083 摘 　要 　单一模式生物特征识别系统由于存在一些固有的局限性 ,有时难以满足实际应用的需求 ,本文提出了基于正面人脸 和人耳信息融合的多模态生物特征识别方法. 针对 USTB 人耳图像库和 ORL 人脸图像库 ,利用核 Fisher 鉴别分析方法分别 进行了人耳识别 、人脸识别和人脸人耳融合识别 ,融合策略包括图像层融合和特征层融合两种. 识别结果表明基于人脸人耳 信息融合的多模态识别的识别率优于单体的人耳或人脸识别. 这说明融合多种生物特征的多模态识别可以提高身份认证的 准确率 ,也为实现非打扰式识别提供了一种新的途径. 关键词 　人耳识别 ; 人脸识别 ; 多模态生物特征识别 ; 核 Fisher 鉴别分析算法 分类号 　TP391 4 　　随着信息技术的高速发展 ,基于生物特征识别 手形识别等需要对象配合的识别方式进行融合时 , 的身份鉴别技术在现代社会的安全领域正扮演着越 则丧失了非打扰识别的特点. 来越重要的角色. 现有的生物特征识别技术包括人 人耳识别近年来受到 了越来越 多学者 的关 脸识别 、虹膜识别 、指纹识别以及人耳识别等. 人脸 注[9] . 由于人耳不受表情 、化妆的影响 , 也不易损 识别由于具有友好性 、非打扰性的优点 ,一直是研究 伤 ,并且人耳图像具有更一致的颜色分配 ,在转化为 和应用热点. 当前人脸识别技术也存在一些问题. 灰度图像时信息丢失少等这些独特的特点 ,使得人 FRVT2002 人脸识别性能测试[1] 的结果表明 ,角度 耳识别具有一定的研究价值和应用前景 ,是对生物 变化超过 45°后 ,人脸识别率显著下降; 随着样本库 特征识别领域的一种拓广. 由于人耳和人脸这两种 中图像获取时间与测试图像获取时间间隔的增加 , 特征体在生理位置上的特殊关系 ,可以考虑将两者 识别率显著下降;样本年龄的变化也会导致识别率 进行融合. 这种融合的优势在于可以使用同一类型 的波动. 可见 ,人脸识别的难点在于人脸图像易变 的采集器进行人脸和人耳图像的采集 ,采集时均无 性的问题 ,包括姿态 、时间间隔、年龄等因素带来的 需被识别对象的配合 ,可以继续保持非打扰识别的 人脸图像的差异. 因此 , 多模态生物特征识别技术 特点;两者的结合还将扩大非打扰识别的识别范围. 近年来开始受到广泛关注. 多模态识别可以提高系 本文利用核 Fisher 鉴别分析算法实现基于正面 统的识别率 ,增强系统的安全级别 ,并且可以扩展系 人脸图像和人耳图像的多模态生物特征识别. 该算 统的适用范围[2] . 与基于单一特征体的识别技术相 法是基于 Fisher 线性判别的一种非线性分类方法 , 比,多模态生物识别技术更容易克服外界因素的干 其主要的思想是 :首先通过一个非线性映射 ,将输入 扰 ,而且即使不改进算法也能获得性能的明显提升 , 样本映射到一个高维的特征空间中 ,然后在这个特 因而具有良好的应用前景. 多特征体融合的研究工 征空间中再进行线性 Fisher 鉴别分析 ,从而实现相 作主要集中在