基于多模态模板的抗遮挡Staple跟踪算法

Staple算法将方向梯度直方图与颜色直方图两种视觉特征进行结合,互相弥补彼此的不足;然而Staple未考虑上下文信息且未对每帧最大响应样本进行置信度评估,在遮挡场景下鲁棒性较差。为解决上述问题,提出一种基于多模态模板池的抗遮挡Staple跟踪算法。首先,引入上下文感知框架与Staple进行融合,有效解决了运动模糊、背景复杂等挑战下跟踪效果受限的问题;然后,使用金字塔尺度搜索策略,提高原算法在尺度变化场景下的跟踪鲁棒性;最后,建立历史多模态目标池,提高对可靠样本的筛选能力,有效解决了遮挡挑战下跟踪漂移的问题。将提出方法在OTB数据集上进行测试并与其他先进跟踪算法比对,实验结果表明,该算法性能优于比对算法。

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。