多生物特征融合发展现状及其展望

多生物特征融合技术利用多个可鉴别的身份信息,在一定程度上能弥补单一生物特征识别的不足,从而可以有效达到降低误识率和实现高精度鉴别系统的要求.多生物特征融合为信息化社会日益增长的保密和安全需求提供了较好的解决方案,其相关理论与方法已成为智能信息处理的一个重要研究课题.本文围绕多生物特征识别技术,选择传感器为切入点,特征结构为分支,分别从同源同构、同源异构、异源同构、异源异构四个方面介绍多生物特征融合的典型方法及其研究现状,并在此基础上介绍了深度学习在多生物特征融合中的最新应用现状,并对其发展趋势作了一定展望.

多生物特征融合的矿井人员身份识别

针对传统的单一人脸识别身份的方法在遇到光线不明、粉尘附着、部分遮挡情况下,识别效果不佳。本文提出了多种生物特征相融合的识别方法。该方法首先提取井下人员的人脸、虹膜、指纹的特征,对特征进行融合并产生新的特征向量,通过监督式学习训练,形成新的图像特征模板库。最后,用获取的人员新特征与模板库的特征进行匹配,从而完成身份识别。在图像处理过程中,使用了霍特林变换,快速滤除大部分无用特征信息,通过决策树支持向量机分类器(decision trees support vector machine,DT-SVM)精准实现身份识别。实验仿真结果表明:这种方法减少了算法的计算复杂度,提高了身份识别的准确性,增强了对工作人员的安全监控。

基于GMM-WSUM的多生物特征二级融合识别方法

结合基于密度估计和归一化两种融合方法的优点,在匹配分数层级提出了一种基于高斯混合模型(Guassian Mixture Model,GMM)和加权和(Weighted Sums,WSUM)的多生物特征二级融合识别方法。利用GMM对匹配分数建模后,采用N-P准则作为第一级融合策略;第二级融合采用基于加权和的归一化方法,较好地解决了分数归一化融合方法在单模识别算法识别率相差较大时融合识别性能差的问题。在ORL、AR人脸数据库和FVC2004组成的人脸-指纹多模数据库上进行了实验,结果表明,该方法有效地提升了识别性能。

基于 GMM—WSUM 的多生物特征二级融合识别方法

结合基于密度估计和归一化两种融合方法的优点,在匹配分数层级提出了一种基于高斯混合模型（GMM,Guassian mixture model）和加权和（WSUM,Weighted sums）的多生物特征二级融合识别方法.利用 GMM 对匹配分数建模后,采用 N-P 准则作为第一级融合策略;第二级融合采用基于加权和的归一化方法,较好的解决了分数归一化融合方法在单模识别算法识别率相差较大时融合识别性能差的问题.在ORL、AR 人脸数据库和 FVC2004组成的人脸-指纹多模数据库上进行了实验,结果表明,该方法有效的提升了识别性能.

基于进化策略的多模态生物特征融合识别研究

在多生物特征融合领域,利用线性加权的方法来进行多分类器融合已有了成熟的应用,但是如何选择一个最优的权值组合仍然是一个值得研究的问题。本文提出了一种利用进化策略来训练分类器的可信度的权值的方法。相比无反馈的权值选取,根据训练样本的识别正确率最大化原则进行训练,最终得到的权值组合再加以识别,可以得到更好的识别效果。仿真实验结果也验证了所提出的方法的有效性。

基于脸部和步态特征融合的身份识别

提出了一种将脸部和步态特征相结合,应用于智能监控系统进行远距离视频流中身份识别的新方法。该方法首先分别采用隐马尔可夫模型(HMM)和Fisherfaces方法进行步态和脸部的识别,之后将这两个分类器得到的结果进行匹配级的融合。对从不同方向采集的31个人的视频序列进行分析实验,结果表明将脸部和步态特征相结合进行身份识别具有很好的鲁棒性,其识别性能也优于只采用脸部或步态单一特征的识别方法。

基于信号质量动态加权的多模生物特征识别研究

将人脸识别和说话人识别进行决策层级的融合,为应对外界环境对识别结果的影响,引入图像质量和声音质量评价方法,通过对信息质量进行评估,去除信息质量较差的特征,根据信息质量动态调整模块的权重比例,并对单模特征识别匹配度低的个体做拒绝处理,然后根据D-S理论将各个证据合并成为一个新的证据体,实现对用户身份识别。实验结果显示,这种考虑特征信号质量的融合方法可以有效提升识别的准确率和安全性。