基于多分类的虹膜匹配方法

在传统的虹膜识别系统中,虹膜匹配被认为是一个二分类问题:类内匹配和类间匹配。许多已存在的方法简单地利用距离来执行虹膜匹配。由于这些方法不能很好地利用虹膜特征,所以会产生很高的拒识率和误识率,且鲁棒性不强。为了解决这些问题,提出把虹膜匹配当作一个多分类问题,采用一种新颖的蕨算法(Ferns)分类器来完成该工作。相比支持向量机(SVM)分类器,在执行虹膜匹配时,Ferns分类器有诸多优点。为了对提出的算法给出全面评价,实验中分别在认证和识别这2种模式下对该算法进行测试。实验结果证明,提出的方法可以极大地改善虹膜识别系统的性能。

基于改进的TLD算法的手势跟踪算法

该文在分析表征手势特征基础上,分别根据金字塔LK原理、FERN分类原理和P-N学习原理及手运动轨迹的连续性规律来研究适用于手势识别的关键技术,即手势目标跟踪技术、P-N学习的样本增长和修剪技术的算法。针对目前在手的局部区域跟踪过程中,手势目标跟踪失败后难以恢复和容易受到脸部、肤色和手臂的干扰等问题,该文在TLD单目标跟踪算法的基础上,提出了一种改进的多目标手势局部区域跟踪TLD算法,针对算法的检测模块,在FERN分类器的基础上,采用颜色特征相交系数的方法,改进FERN分类器的第一级方差分类器;还提出一种自适应坐标系的方法,缩小了检测模块扫描窗口的滑动区域。通过仿真实验证明,相对于原算法,这一改进算法在客观评价指标和主观视觉效果上都有明显提高。