基于人脸与人耳的多生物特征识别系统设计-模式识别与智能系统专业论文.docxVIP

沈阳航空工业学院硕士学位论文摘要近年来，生物特征识别技术发展迅速，已经应用到社会生活的诸多领域，如公共安 全、信息安全、电子交易等领域。尽管如此，单生物特征识别系统仍受到诸多因素的制 约，如噪声干扰、非普遍性和防骗能力差等，而多生物特征识别系统通过综合多种生物 特征信息能有效克服或缓解这些不足，并且利用信息融合技术可以显著提高系统识别精 度。人脸识别和人耳识别同属非打扰式生物特征识别技术，无需使用者参与，可以远距 离采集图像，这些特点使得非打扰式生物特征识别更易于被人们接受。目前，人脸检测 和人耳检测仍都是非常具有挑战性的课题，尤其是人耳自动检测方法尚鲜有报道。到目 前为止，大多数有关基于人脸与人耳的多生物特征识别研究都是依靠手工定位和分割人 脸与人耳，本文旨在对人脸和入耳的自动检测和定位进行研究，设计一个具有完全自主 定位人脸和人耳能力的非打扰式多生物特征识别系统。在人脸检测方面，本文提出了一种改进的快速人眼定位方法。该方法首先使用 AdaBoost人脸级联检测器检测出人脸并粗定位眉眼区域，利用改进的灰度投影法实现眉 眼分离，最后综合图像复杂度、结构居中度和灰度均值信息，优化筛选策略，能够很好 地定位出人眼中心位置。在人耳检测方面，提出一种基于改进GVF Snake的人耳检测方 法。该方法将GVF Snake模型引入到人耳轮廓提取中，利用梯度向量流的横向和纵向分 量构造耳形图，很好的解决了初始轮廓线的设定问题。实验结果表明，该方法检测率高， 鲁棒性好，是一种行之有效的人耳定位方法。最后，本文在VC 6．0环境下实现了一个人脸与人耳多生物特征识别系统。该系统利 用上述人脸检测和人耳检测方法定位和分割人脸与人耳，采用PCA与KPCA这两种基于 代数特征的方法来提取人脸和入耳特征，能够在验证、识别和监控三种模式下运行。系 统包含两个可独立运行的人脸、人耳单一特征识别子模块，而且分别实现了串行和并行 结构的人脸与人耳融合识别。总的来说，该系统是一个具备完全自动检测和定位能力的 非打扰式多生物特征识别系统，它功能完善，具有一定的实用价值。沈阳航空工业学院硕士学位论文——————————————————————————————————————————————————————————一关键词：信息融合；基于人脸与人耳的多生物特征识别；人眼定位；人耳检测；梯度 矢量流主动轮廓模型；耳形图AbstractWith the recent rapid development，biometrics technologies have already been applied tomany areas of social life，such as public securit5 information security’electronic transactions fields and SO on．Nevertheless，the systems use a single biometric have to contend with a variety of problems，such as noisy data，non-universality and spoof attacks．Multi．biometrics systems seek to alleviate and even overcome some of these drawbacks by integrating multiplebiometrics from the same subject．Funher，there will be a significant increase in recognitionrate while the Multi-biometrics systems using an effective data fusion scheme to combine the different biometrics．Face recognition and ear recognition are kind of non．intrusive biometrics，which do nOt need active cooperation of subject，and the data Can be captured at a distance．These advantages make the systems become mote acceptable．At present，auto．detection of human face is still a very challenging issue，and even the human ear automatic det