基于特征层和二代曲波变换的多模生物特征融合识别方法

针对单模生物特征识别方法在实际应用中存在识别正确率较低的问题,提出了一种基于特征层和二代曲波变换的单样本多模生物特征融合识别方法,其采用了2种生物特征:掌纹特征和人脸特征.将所有归一化后的学习样本图像和测试图像通过组合的快速离散曲波变换和小波变换进行分解,系数经组合和规范化处理后,在特征层实现融合,融合后的特征参数送入K-最近邻分类器进行分类,从而获得最终识别结果.在香港理工大学掌纹数据库和Ljubljana大学人脸数据库上的实验结果表明,所提方法在每个类别仅使用1个学习样本的情况下,其生物特征图像的最佳平均识别正确率达到92.40%,比单模人脸、单模掌纹识别方法的识别率分别提高了35.38%和8.92%.

多模式生物特征识别的身份验证系统

提出了一种有效的基于多模式生物特征识别的嵌入式身份验证系统,介绍了系统的流程和硬件组成,以及虹膜和掌纹两种生物特征的融合算法及其优化。该算法在图像层对虹膜和掌纹两种生物特征图像进行融合,既融合了两种模式的生物特征信息,又有效地减小了特征模版的大小,与其他传统的生物特征识别算法相比,该算法低运算复杂度的特点使其很适合在嵌入式系统实现。实验结果表明,该多模式生物特征识别身份验证系统准确、有效、安全。

基于核稀疏表示的多模身份识别算法

针对训练样本与测试样本非线性可分问题,借助核算法,将样本特征向量映射到易实现线性可分的核空间,进而在高维核空间内运用核稀疏表示对所提取的特征进行分类表达。该算法受益于将核稀疏表示理论同多模生物识别技术相结合,使其对生物特征图像有较强的鲁棒性。实验证明基于核稀疏表示的多模身份识别算法在遮挡、含噪声的情况下具有较好的识别准确率,相较于其他同类算法在性能上有一定程度的提高。

Bio-character Recognition Will Substitute for Cipher Key-Multi-module Bio-character Identification System

The 'TH ID multi-module bio-character identification system' developed independently by the Electronic Engineering Department,