基于人臉和語(yǔ)音融合的身份辨別研究.pdf

1、信息技術(shù)飛速發(fā)展，使得身份數(shù)字化和隱性化，如何確定一個(gè)人的身份成為一個(gè)亟需解決的社會(huì)性問(wèn)題?；趩我荒B(tài)的身份認(rèn)證因存在自身局限而無(wú)法廣泛應(yīng)用，而基于多生物特征的身份認(rèn)證技術(shù)利用生物特征之間的互補(bǔ)信息，可以克服或避免單一模態(tài)認(rèn)證技術(shù)的局限而成為研究熱點(diǎn)。
　　本文對(duì)人臉和語(yǔ)音兩種生物特征進(jìn)行融合。基于人臉的身份驗(yàn)證過(guò)程包括人臉檢測(cè)和人臉識(shí)別兩部分。文中采用基于膚色模型和模板匹配進(jìn)行人臉檢測(cè)。人臉識(shí)別中，重點(diǎn)研究了主分量分析（PCA

2、）、線性判別分析（LDA）以及幾種基于 PCA和 LDA結(jié)合的方法。并在ORL和Yale數(shù)據(jù)庫(kù)上比較了這幾種結(jié)合方法的識(shí)別性能。
　　與文本無(wú)關(guān)的說(shuō)話人身份識(shí)別技術(shù)中，深入詳解了LPCC和MFCC語(yǔ)音特征提取過(guò)程，矢量量化（VQ）的原理、LBG碼本的設(shè)計(jì)以及識(shí)別流程。在自制語(yǔ)音庫(kù)上，實(shí)驗(yàn)仿真語(yǔ)音特征、測(cè)試時(shí)長(zhǎng)、識(shí)別時(shí)長(zhǎng)、碼本容量對(duì)識(shí)別性能的影響。
　　人臉信息和語(yǔ)音信息的關(guān)連性不強(qiáng)，所以本文采用高層次融合策略。介紹了決策層的