版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、生物特征識別在人類的生產(chǎn)活動中,起到了越來越重要的作用。同時,隨著生物特征識別越來越廣泛的應(yīng)用,單模態(tài)生物特征識別不足以滿足實際使用中的諸多需求這一問題越發(fā)地突顯出來。而多模態(tài)生物特征融合方法能夠通過集成多個生物模態(tài)的信息,來緩解單模態(tài)生物特征識別系統(tǒng)在使用中所遇到的障礙。在最近的十幾年里,多模態(tài)生物特征識別取得了迅猛的發(fā)展,然而仍有部分關(guān)鍵問題有待得到進一步解決,例如提取多模態(tài)互補信息、緩解噪聲影響以及利用深層次信息等問題。本文基于多
2、模態(tài)生物特征的特征層與分數(shù)層數(shù)據(jù),從上述實際問題出發(fā),探索能夠有效緩解上述問題的融合方法和策略,同時建立方便、準確、高效的多模態(tài)生物特征識別系統(tǒng)。本文中,主要工作和貢獻如下:
在高通量的場景下,以提取多模態(tài)生物特征之間的互補信息為目的,本文提出了一種基于稀疏線性規(guī)劃的異質(zhì)特征選擇模型?;谠撃P偷娜诤戏椒軌蛱崛《嗄B(tài)互補信息、去除冗余信息、降低所使用的異質(zhì)特征維度并且減少所需的計算以及存儲消耗,進而實現(xiàn)快速、準確地對用戶身份
3、進行識別。該模型具有所選特征稀疏、泛化能力強等諸多優(yōu)良特性。由于該融合方法能夠充分提取特征之間的互補性、去除冗余性,因此該方法能夠在保證融合后識別性能提升的前提下,降低計算復雜度以及融合的時間消耗。
針對遠距離生物特征識別系統(tǒng)中,由于環(huán)境噪聲的干擾,致使融合后識別性能下降的問題,我們提出了一種對噪聲魯棒的融合模型。在生物特征識別系統(tǒng)中,噪聲的干擾往往在獲取數(shù)據(jù)環(huán)節(jié)最為強烈,并且會影響后續(xù)流程,如特征提取、特征比對等流程,進而影
4、響最終融合的識別結(jié)果。本文針對噪聲對分數(shù)層數(shù)據(jù)產(chǎn)生的影響,提出了一種基于對噪聲充分估計的魯棒線性規(guī)劃模型,最大限度的在分數(shù)層面上消除了噪聲的影響。該方法采用特征的線性組合模式,因此消除噪聲影響的同時,還保證了算法的效率,保證了系統(tǒng)的實用性。該方法可以在系統(tǒng)的保守性與魯棒性之間取得較好的平衡。本文提出了針對新型魯棒線性規(guī)劃模型的快速數(shù)學求解方法,將高度非線性模型轉(zhuǎn)化為線性規(guī)劃模型進行求解,使得求解過程更加簡便高效。同時本文還從概率的角度對
5、所提出的模型進行了闡述,計算出了該模型最優(yōu)解情況下分類錯誤率的上確界,具有較為深刻的物理意義。
在特征數(shù)量有限的情況下,提出了一種能夠從比對分數(shù)中抽取隱含信息的分段線性分類器融合方法。用戶的生物特征信息在生物特征識別系統(tǒng)中,經(jīng)由特征采集、特征提取、特征比對等模塊時,雖然所操作的數(shù)據(jù)具有了規(guī)范化、可操作性強等特點,但是其所承載的用戶生物特征信息隨著數(shù)據(jù)處理而減少。而且生物特征比對分數(shù)與決策值之間的關(guān)系是高度非線性的,但是在通過比
6、對分數(shù)計算得出決策值時,大部分系統(tǒng)都是采用簡單的線性融合分類器來模擬該高度非線性的關(guān)系,這進一步導致了更多細節(jié)信息的丟失。為了恢復這些隱藏在分數(shù)層中的用戶生物特征信息,本文提出了一種分段線性分類器融合框架。該方法受到“非線性是絕對的,線性是相對的”觀點啟發(fā),通過對特征空間離散化的方法,自適應(yīng)地學習得到比對分數(shù)與決策值之間的非線性函數(shù)關(guān)系。本方法可看作是將低維分數(shù)映射到高維空間的映射函數(shù),因此也可以從核函數(shù)的角度,作為一種自適應(yīng)的核函數(shù)映
7、射方法。本文還對分段線性分類器融合框架下三種性能優(yōu)異的融合分類器進行了分析與說明,并指出了其分別所擅長的實際應(yīng)用中的問題。
由于人類的臉部區(qū)域生物模態(tài)豐富,同時便于采集,而且在實際使用中能夠與用戶良好的交互,較多的多模態(tài)生物特征融合系統(tǒng)采用對人臉、虹膜、眼周等生物模態(tài)進行融合,不僅提升系統(tǒng)的準確性,還提高系統(tǒng)的易用性。因此,本文中也采用對人臉區(qū)域的生物模態(tài)進行融合,來驗證本文中所提出的方法的有效性,從實際需求出發(fā),建立便捷、準
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于掌紋與手背靜脈多模態(tài)特征層融合的識別方法研究.pdf
- 基于感知信息的多模態(tài)生物特征融合技術(shù)研究.pdf
- 多模態(tài)生物特征識別融合算法的研究.pdf
- 多模態(tài)生物特征融合的神經(jīng)網(wǎng)絡(luò)方法.pdf
- 基于多模態(tài)生物特征的身份識別.pdf
- 基于多模態(tài)特征融合的圖像重排序研究.pdf
- 指紋與手指靜脈的特征層融合識別.pdf
- 自適應(yīng)PSO融合的多模態(tài)生物特征識別方法.pdf
- 基于手部生物特征多模態(tài)識別算法研究.pdf
- 基于單幅圖像的多模態(tài)生物特征識別研究.pdf
- 基于指紋與姓名語音的多模態(tài)生物特征融合身份識別技術(shù)的研究.pdf
- 基于多模態(tài)特征融合的新聞視頻摘要技術(shù)研究.pdf
- 基于多生物特征融合識別技術(shù)的研究.pdf
- 基于改進Gabor濾波器的多模態(tài)特征融合技術(shù).pdf
- 基于手部特征的多模態(tài)生物識別算法研究與系統(tǒng)實現(xiàn).pdf
- 基于多生物特征融合的身份鑒別研究.pdf
- 人臉與掌紋特征在決策層上的融合.pdf
- 基于多模生物特征的融合與識別方法研究.pdf
- 多模態(tài)生物特征識別技術(shù)的算法研究.pdf
- 基于手部特征的多模態(tài)生物識別技術(shù)研究.pdf
評論
0/150
提交評論