基于多变量多项式模型的多模态生物特征分数层融合算法.docVIP

基于多变量多项式模型的多模态生物特征分数层融合算法 第39卷第11期 2009年11月 中圈料孽教求大誊辱取 JOURNALOFUNIVERSITYOFSCIENCEANDTECHNOLOGYOFCHINA Vo1.39,No.11 NOV.2009 文章编号:0253—2778(2009)11—1177—06 基于多变量多项式模型的多模态生物 特征分数层融合算法 张志坚,张培仁 (中国科学技术大学自动化系,安徽合肥230027) 摘要:提出了一种基于多变量多项式模型的多模态生物特征分数层融合算法(MPMSF),用多变量 多项式模型获取融合分数,用最小二乘法确定模型中的参数.并对多变量多项式模型进行简化,以 减小计算量.MPMSF的特点在于不需要分数归一化.采用交叉验证的方法,评估了各种分数层融 合算法的正确接受率和分数归一化,单模态性能对分数层融合算法的影响.开集测试表明, MPMSF算法优于传统的分数层融合算法.同时,MPMSF满足多模态生物特征识别系统实时性的 需求. 关键词:多模态生物特征识别;分数层融合;多变量多项式模型;交叉验证开集测试 中图分类号:TP391.41文献标识码:A Ascorefusionalgorithmbasedonthemultivariatepolynomialmodel ZHANGZhi梛ian,ZHANGPei-ren (DepartmentofAutomation,UniversityofScienceandTechnologyofChina,Hefei23007,China) Abstract:Anovelmultivariatepolynomialmodelbasedscorefusionalgorithm(MPMSF)wasproposed.A fusedscorewasobtainedfromthematchingscoresofsinglebiometricsbyusingthemultivariate polynomialmode1.Theparametersofthefunctionwereestimatedusingtheleastsquaresmethod(LSM). Also,crossvalidationwasemployedforscorefusionalgorithmevaluation.Theopensettestshowsthat MPMSFoutperformsotherscorefusionmethodsandthatitsCPUtimecanmeettherealtimerequirement ofmultimodalbiometrics. Keywords:muhimodalbiometric;scorefusion;multivariatepolynomialmodel;crossvalidationopentest 0引言 生物特征识别技术为身份识别提供了有效的方 法.一般来说,多模态生物特征识别技术与单模态的 生物特征识别技术相比,不仅具有更高的识别率,而 且可靠性和普适性更强引.生物特征识别系统一 般由四个环节构成:获取生物特征信号,特征提取, 特征匹配以及决策.按照融合在哪个环节进行,多模 态生物特征识别系统的融合方法可以分成四类:传 感器层或像素层融合,特征层融合,分数层融合和决 策层融合Ⅲ3].特征层融合利用了最多的原始信息,从 理论上可以得到最高的性能,但是不同模态提取的 特征不相容.例如,用PCAE,LDAE提取的人脸特 征均是实数向量,而虹膜提取的特征是二进制编 收稿日期:2007—12—29;修回日期:2009—05—30 作者简介:张志坚,男,1980年,博士生.研究方向:生物特征识别和嵌入式系统.E-mail:zjzhang3@ 通讯作者:张培仁,教授.E-mail:przhang@ 1178中国科学技术大学第39卷 码__6],这就限制了特征层融合的应用;而决策层融 合利用的信息最少,对生物特征识别系统的性能提 高有限.因此,分数层融合得到了最广泛的关注. 目前,分数层融合策略有两种.(I)组合判定策 略l8]:首先进行分数归一化然后用简单规则对匹配 分数进行融合.简单规则包括加法规则,乘法规则, 最小规则,最大规则.常用的分数归一化方法包括 min-max,Z-score,Tanh等.(Ⅱ)二级分类器策 略¨8叫:把融合问题转换成二类(拒绝,接收)问题, 即把M种单模态生物特征的匹配分数组成一个M 维的特征向量,用各种模式分类算法(如LDAl】l_ 等)进行分类. 实验表明,组合判定策略具有如下缺点:(工)当 参加融合的生物特征的正确接收率(genuineaccept rate,GAR)相差较大时,会出现融合系统的G