一种基于步态分析的身份识别方法

近来年,步态作为一种生物特征识别技术倍受计算机视觉研究者的关注。提出了一种基于计算机视觉运动分析的步态识别方法,从图像序列中提取特征进行识别。本方法提取的特征包含步态外观和运动信息。区别于基于模型的步态识别方法,提出一种新的提取肢体角度的方法,该方法通过分析侧影宽度变化获取角度信息,无需对人体建模。首先,采用背景减除技术提取人的侧影;分析侧影的高宽变化获取步态周期。然后,采用离散余弦变换分析了步态外形特征和角度特征。最后运用K邻法在几个不同的数据库上进行了算法验证。实验结果表明,本方法行之有效。

基于Radon变换的颅骨多分辨率身份识别

颅骨以其生理位置的隐蔽性和解剖结构的相对稳定性,近来被提出作为一种特殊的生物特征并加以识别研究。准确、高效的识别是人们追求的主要目标。基于此,首先对活体颅骨的X线照片进行二值化处理,再使用Radon变换将二维的图像转换为一维信号,最后对一维信号进行小波多分辨率分析。同时为进一步提高识别效率,提出半分处理和方向特征组方法,实现了在多尺度下准确、快速实时的身份识别。试验结果表明该方法是有效可行并适合于非活体颅骨身份鉴定和识别。

基于小波变换和SVM的眉毛身份验证系统研究

为了对眉毛这一新颖生物特征开展识别研究,提出了一种基于小波变换方法和支持向量机(SVM)的眉毛身份验证方法。其基本思想是用小波变换提取眉毛图像特征,然后用SVM进行训练和验证。在自建的100人眉毛数据库中进行的实验结果表明,该系统具有较低的错误拒绝率29.58%和错误接受率8.22%,从而验证了眉毛用于个人身份鉴别的可能性和有效性。

基于小波分析的颅骨复合特征计算与识别

颅骨作为一个新的生物特征,其突出优点是不受表情的干扰和光线的约束。我们按照快速准确性要求,提出一种多尺度复合特征识别方法。首先对比颅骨最大夹角,其次进行边缘的多尺度分析,最后以颅腔面积作为辅助识别。试验结果证明,该方法能快速有效的实现活体或非活体的颅骨特征计算和识别。

多输入通道体全息子波相关器

在无需增加任何器件的情况下 ,通过输入面平移方法结合角度多重复合技术 ,构建了一种新型的多输入通道体全息子波相关器。该系统能根据一次并行输出结果同时识别多个输入图像。初步研究了其在人脸识别中的应用 ,给出了实验结果。