基于FAR和FRR融合的多模态生物特征识别

通过多生物特征识别融合可以显著地改善系统的识别性能,在多生物特征识别中,匹配分数级融合最常用.现有的匹配分数级融合策略包括基于归一化的融合、基于密度的融合和基于分类器的融合.本文分析了这三种融合策略的优缺点,结合分数归一化和基于密度方法的优点,提出了一种新的基于信任度的融合策略.其中,信任度是以错误拒绝率和错误接受率为基础,既避免了直接求取某个匹配分数的后验概率,又能够刻画匹配分数的分布.将本文方法与几种有代表性的方法进行实验比较,结果表明,这种新融合模式可以有效地改进多生物特征识别系统的性能.

全手形特征的生物识别技术综述

全手形特征多模态生物识别是结合指纹、手形和掌纹的全手形特征信息,具有信息更全面可靠的独特优势,能有效地提高生物特征识别的准确率。简述了全手形生物特征识别技术的基本原理和一些关键技术,对目前流行的各种单模态和多模态生物特征的优势和不足进行了分析,并对生物特征识别技术中存在的问题和未来的研究方向进行了讨论。

基于Adaboost的人脸与虹膜融合识别

传统生物特征识别系统的识别率经常受到环境以及生物学特征的自身局限性影响。针对该不足,提出一种基于人脸与虹膜特征级融合的多模态生物识别系统,采用中心对称局部二值模式算子提取人脸和虹膜的纹理特征,将人脸特征与虹膜特征线性整合成混合特征向量,利用Adaboost算法从该混合特征向量中优选出一组最佳特征组合,从而构成强分类器。实验结果表明,该多模态系统相比单模态系统具有更好的鲁棒性。

多模态生物特征识别技术的研究进展

近年来,随着技术的飞速发展,生物特征识别技术因其具有难以破坏、难以遗忘、难以篡改等优势而在诸多领域被广泛应用,并发挥了重大作用。然而,单模态的生物特征识别系统的冒充问题和小样本问题依然存在,其准确性和稳定性有待进一步提高。因此,本文首先介绍了生物特征识别系统的研究进展和工作模式,在此基础上,为了解决常规的单模态生物特征识别中存在的问题,重点阐述了多模态生物特征识别系统数据融合过程中不同融合层次的融合方法,旨在为提高系统识别性能提供参考和借鉴,最后指出了多模态生物特征识别的不足之处及相应建议并展望了未来发展方向。

多通道生物特征认证融合算法

由于单生物特征认证往往难以满足实际应用的要求,本文在信息融合的基础上提出一个多通道生物特征认证模型,它采用基于PCA的人脸识别方法和基于MFCC与VQ的说话人识别方法,在分数层使用多层线性分类器实现了人脸和语音的双通道融合。实验结果表明,在人脸识别率和说话人识别率分别为82.6%和75.9%的情况下,两个通道融合后的识别率达到了92.2%.

改进证据理论的多生物特征融合方法

多生物特征融合考虑了个体的多种生理或行为特征,因而能显著地改善系统的识别性能,成为生物特征识别技术未来发展趋势之一。利用训练样本的识别率和误识率,提出了基于证据理论的多生物特征融合识别方法;对各识别专家的识别率和误识率进行分析,提出了一种基于累积频率和证据理论(Cumulative Frequency based D-S,CFDS)的多生物特征融合方法;通过几个实验证明了改进的D-S算法的有效性,提高了合成结果的可靠性。

基于确认模式的多通道生物认证研究

单通道生物识别技术一直存在着很多问题,它们在准确率、用户接受程度、成本等方面都有不同的缺点,而采用多通道生物认证可以提高生物认证系统的识别性能,并且适应于各自的应用场合。本文介绍了多通道生物认证技术,在单通道生物认证系统模型的基础上,给出了多通道生物认证系统模型。最后基于人脸和语音特征的多通道生物认证系统进行相关实验,实验证明多通道生物认证大大改进了以往单通道认证在识别性能和用户接受程度等方面存在的不足,提高了生物认证系统的健壮性和实用性。

基于指纹和手指静脉特征融合的模板保护方法

针对单模态生物特征模板保护方法存在的识别性能较差和安全性较低等问题,提出了一种基于指纹与手指静脉特征融合的可撤销模板保护方法。该方法将指纹和手指静脉特征进行串联融合,得到融合后的特征向量通过随机置乱和离散傅里叶变换(DFT)运算,最终通过部分Hadamard变换生成可撤销的多模态生物特征模板。该特征模板中包含了指纹和手指静脉两种生物特征向量,具有较好的区分性和安全性。理论和实验仿真结果表明:该方法满足不可逆性和可撤销性,与现有方法相比,具有较好的认证性能和安全性。

基于匹配分数的多生物特征识别融合综述

受数据噪音和识别系统本身的限制,基于单一生物特征的身份认证系统所能达到的准确率是有限的。通过多生物特征识别来提高识别的准确率成为当前生物特征识别领域的研究热点之一。首先介绍了多生物特征识别的必要性、多生物特征识别的分类,然后重点介绍了基于匹配分数的多生物特征识别融合的研究现状,最后总结了多生物特征识别研究中的问题和未来的研究方向。

移动设备生物特征识别多模态融合标准研究及展望

针对用于移动设备的生物特征识别多模态融合技术框架不统一以及标准缺失的问题,提出了多模态融合的分类、层级以及标准统一技术框架。首先分析国内外与移动设备生物特征识别相关的标准化现状;其次研究移动设备生物特征识别标准的本地识别以及远程识别应用模式,分析提出多特征、多算法、多实例、多传感器4种多模态融合分类方法,研究并提出样本级融合、特征级融合、分数级融合和决策级融合4种多模态融合的层级,并且提出用于移动设备的生物特征识别多模态融合标准技术框架;最后对移动设备生物特征识别多模态融合技术应用进行展望。

SVM与归一化方法结合的人脸和指纹融合识别

基于归一化的融合识别方法与基于分类器的融合识别方法是多模态生物特征识别中的两类基本匹配层融合识别方法。前者把来自不同的生物特征识别系统的匹配打分转化到可以比较的数值区间,而后者可以设计出分类能力较强的分类器。本文介绍的方法把这两种融合方法的优点结合到一起,先利用归一化的方法把不同分类器给出的匹配打分归一化,然后利用支持向量机对归一化的匹配打分进行分类。实验结果表明该方法明显提高了人脸与指纹的融合识别的结果。

多模态身份识别系统在智慧营区建设中的应用研究

人脸识别、虹膜识别、掌纹掌静脉识别、步态识别等技术的发展,为智慧营区人员身份管控的建设提供了新的方向。文章报告了生物特征识别技术的研究现状,深入分析了对营区不同防护区域的人员身份的管控需求,提出了分层防护的人员身份识别思路,研发设计了多模态身份识别系统架构,通过系统达到人员非接触采集、自动化识别、智能化预警以及实时化跟踪的管控效果。

生物特征识别学科发展报告

从手机解锁、小区门禁到餐厅吃饭、超市收银,再到高铁进站、机场安检以及医院看病,人脸、虹膜和指纹等生物特征已成为人们进入万物互联世界的数字身份证。生物特征识别赋予机器自动探测、捕获、处理、分析和识别数字化生理或行为信号的高级智能,是一个典型而又复杂的模式识别问题,一直处于人工智能技术发展前沿,在新一代人工智能规划、"互联网+"行动计划等国家战略中具有重要地位。由于生物特征识别涉及公众利益攸关的隐私、道德和法律等问题,近期也引起了广泛的社会关注。本文系统综述了生物特征识别学科发展现状、新兴方向、存在问题和可行思路,深入梳理了人脸、虹膜、指纹、掌纹、静脉、声纹、步态、行人重识别以及多模态融合识别的研究进展,以人脸为例重点介绍了生物特征识别领域近些年受到关注的新方向——对抗攻击和防御、深度伪造和反伪造,最后剖析总结了生物特征识别领域存在的3大挑战问题——"感知盲区"、"决策误区"和"安全红区"。本文认为必须变革和创新生物特征的传感、认知和安全机制,才有可能取得复杂场景生物识别学术研究和技术应用的根本性突破,破除现有生物识别技术的弊端,朝着"可感"、"可知"和"可信"的新一代生物特征识别总体目标发展。