基于外耳轮廓边缘信息的人耳识别

提出一种用Hausdorff距离表示人耳边缘特征的人耳识别方法.首先对原始人耳图像进行预处理,用基于灰度形态学梯度和局部阈值分割的边缘检测方法提取外耳轮廓边缘;然后用标准方差和边缘线段间长度差改进的Hausdorff距离表示人耳特征向量;最后采用支持向量机算法完成人耳识别.实验结果证明,该方法能获得更高的人耳识别率.

基于卷积神经网络的冬小麦麦穗检测计数系统

为进一步提高大田环境下麦穗识别与检测计数的准确性,基于图像处理和深度学习技术,设计并实现了基于卷积神经网络的冬小麦麦穗检测计数系统。根据大田环境下采集的开花期冬小麦图像特点,提取麦穗、叶片、阴影3类标签图像构建数据集,研究适用于冬小麦麦穗识别的卷积神经网络结构,构建了冬小麦麦穗识别模型,并采用梯度下降法对模型进行训练;将构建的冬小麦麦穗识别模型与非极大值抑制结合,进行冬小麦麦穗计数。试验结果表明,该系统构建的冬小麦麦穗识别模型能够有效地克服大田环境下的噪声,实现麦穗的快速、准确识别,总体识别正确率达到99. 6%,其中麦穗识别正确率为99. 9%,阴影识别正确率为99. 7%,叶片识别正确率为99. 3%。对100幅冬小麦图像进行麦穗计数测试,采用决定系数和归一化均方根误差(NRMSE)进行正确率定量评价,结果表明,该系统计数结果与人工计数结果线性拟合的R^2为0. 62,NRMSE为11. 73%,能够满足冬小麦麦穗检测计数的实际要求。

基于SVM的疲劳驾驶人脸图像特征检测算法

针对传统图像识别算法对疲劳驾驶检测精度差、准确率低的缺陷,提出了一种利用人脸图像特征提取的疲劳驾驶检测方法。首先将实时采集到的车辆驾驶员面部图像进行预处理,借助Dlib检测出图像中的人脸区域并进行人脸图像特征点的标注,然后使用基于眼睛纵横比(Eye Aspect Ratio,EAR)的方法进行图像中人眼疲劳特征的识别,基于嘴唇纵横比(Mouth Aspect Ratio,MAR)的方法进行图像中嘴部疲劳特征的识别,最后利用支持向量机(SVM)的方法将两种特征融合起来进行疲劳驾驶检测。实验表明,该方法可以准确地定位出特征点,疲劳检测的识别率达84.29%,可以有效地识别出疲劳状态。

基于人脸和人耳的多模态生物特征识别

单一模式生物特征识别系统由于存在一些固有的局限性,有时难以满足实际应用的需求,本文提出了基于正面人脸和人耳信息融合的多模态生物特征识别方法.针对USTB人耳图像库和ORL人脸图像库,利用核Fisher鉴别分析方法分别进行了人耳识别、人脸识别和人脸人耳融合识别,融合策略包括图像层融合和特征层融合两种.识别结果表明基于人脸人耳信息融合的多模态识别的识别率优于单体的人耳或人脸识别.这说明融合多种生物特征的多模态识别可以提高身份认证的准确率,也为实现非打扰式识别提供了一种新的途径.

人耳人脸特征融合在身份鉴别中的研究

针对单一人耳识别对姿态变化鲁棒性较差的问题,鉴于人脸在图像性质和生理位置上与人耳具有相似性和互补性,使用了多模态特征融合的方法提高姿态变化下的识别率。与传统的独立成分分析首先获得独立的基向量(ICA1)不同,提出了利用ICA直接获得独立的鉴别特征的方法(ICA2)。在USTB图像库上分别将两种ICA特征进行单模态和多模态的融合。实验表明,两种特征的融合提高了单一模态的识别率,并且多模态识别优于单一的人耳或人脸识别。

一种基于边界特征的耳廓提取新方法

在实际的人耳识别系统中,人耳的准确定位是影响识别率的一个重要因素。根据外耳及其所在位置的特征,提出了一种从侧脸图像上准确定位并提取出人耳的新方法。该方法首先对侧脸图像进行阈值化和差分处理,然后将外耳边缘轮廓分为3个区域,利用阈值图像和差分图像以及3个区域的不同走向分别跟踪得到整个外耳轮廓线,并从侧脸图像中提取出外耳图像。该方法运算量小,定位精确,得出的外耳轮廓图像清晰完整无任何干扰,而且定位成功率高。

小波分析在人耳图像边缘检测的应用研究

人耳识别作为新的生物特征识别技术,首先要解决作为基础的边缘检测和特征提取等图像处理方面的问题。传统边缘检测方法大多以各种微分算子为基础,结合模板及门限、平滑等手段提取边缘,或以传统微分算子为基础的改进算法,但都或多或少存在噪声敏感性较大或边缘保留不完整的缺点。论文采用二维非张量积样条小波的方法用于边缘检测,可以完整探测、准确捕捉到边缘点的位置,并且具有滤波作用,尺度j的自由选择可以有效提高边缘检测的效果。

三维生物特征识别进展

迄今为止的绝大多数生物特征识别系统都是基于二维图像的。而成像过程中必有物体三维信息缺失,这使得单纯基于二维图像的特征识别研究在经历了一段时间的发展后,停滞不前。越来越多的研究者开始关注三维生物特征识别技术。利用三维生物特征数据可以充分发掘深度、曲率信息并较好地处理光照、姿态的影响,从而进一步提高识别率。论文综述了该领域当前的国内外研究现状,并探讨了面临的主要困难以及未来的发展方向。

基于SSD的多因素融合的驾驶疲劳检测研究

为了降低因疲劳驾驶而导致的事故发生率,提出一种利用卷积神经网络与人脸特征点、疲劳判定指标相融合的方法,共同构建疲劳驾驶检测模型。首先利用SSD网络定位驾驶员的眼睛与嘴巴区域,VGG16网络学习这两个区域所包含的疲劳特征;同时再结合人脸68特征点、眼睛纵横比(EAR)和嘴巴纵横比(MAR)共同判定驾驶疲劳状态。最后,在相同测试集下分别计算SSD算法和Faster-RCNN算法的平均精度均值mAP;在YawDD数据集上应用此模型;并通过模拟驾车环境来验证此模型的可行性。实验结果表明,SSD算法要优于Faster-RCNN算法,并且此模型在YawDD数据集上的检测准确率约达97.2%,摄像头也能对驾驶员的状态进行实时检测。此模型对疲劳状态的检测十分有效,可在一定程度上降低因疲劳驾驶而导致的事故发生率。

基于信息融合的身份识别技术

侧面人脸识别和人耳识别是生物特征识别技术领域中崭新的课题,目前国内外对这两种识别的研究很少,这里讨论了人耳识别和侧面人脸识别的可行性,并针对单一的生物识别技术识别率不高的现状,提出了将侧面人脸识别和人耳识别进行信息融合的新方法,这两种识别方法可以形成技术上的互补,这种融合可以实现一种“非打扰识别”。

基于曲面主曲率的人耳结构特征提取方法

针对人耳识别问题,提出了一种自动提取人耳解剖学结构特征点的方法。首先对包含耳廓区域的侧脸图像进行预处理消除噪声和毛刺现象;然后把2D灰度侧脸图像看作是一个曲面,则利用曲面上位于边缘处的灰度变化较大,因此该位置的曲率就会大于周围灰度变化平坦位置处的曲率的性质,求曲面的最大主曲率和最小主曲率;最后通过自动阈值分割对两幅曲率图像进行阈值化,并进行融合得到耳廓解剖学特征边缘信息。实验表明,用该方法提取的结构特征边缘曲线光滑、连通性好,不受光照强度变化的影响,满足下一步识别的要求。

人机自然交互中多生物特征融合与识别

生物特征是人的内在属性,具有较高的稳定性与个体差异性。人脸、虹膜与人耳等多生物特征融合与识别的研究属人类认知本质与规律的前沿课题。探讨了该研究的意义,分析了国内外研究概况及其主要研究内容,提出了研究中的关键技术问题。多生物特征融合与识别的研究成果在人机自然交互、机器智能、国家安全、生命科学、听觉视觉通信以及社会的工作方式和生活方式方面有着广泛的应用前景。

基于人脸人耳特征的组合识别

人脸受到年龄、表情、化妆品等影响,使人脸识别具有局限性,而人耳正好弥补了人脸的不足,提出了基于正面人脸和人耳相结合的识别方法。利用二维Fisher线性判别方法分别进行了人脸、人耳、人脸人耳组合识别,其中组合识别包括脸耳相互辅助识别、脸耳图像组合识别、脸耳特征按不同权重组合识别。在北京科技大学(USTB)人耳图像库和ORL人脸图像库上进行实验,实验结果表明,人脸人耳组合识别的识别效果好于单一的人脸识别和人耳识别。

基于多模态人脸与人耳融合的身份识别与认证

针对综合二维与三维多模态特征的正面人脸、侧面人脸与人耳的融合识别开展了相关研究，提出了二维纹理图像和三维形状索引图像的尺度空间特征提取与匹配的方法，并对多模态人脸与入耳的多种融合策略进行了探索性的研究。此方法通过使用尺度空间局部特征，消除了尺度变化的影响，对噪声、数据缺失等具有较高的鲁棒性。在公开的FRGCv2．0数据库和UNDCollectionF数据库上的实验结果表明，人脸与人耳多模态特征间的融合大幅度提高了身份识别与认证的精度，并对表情变化具有很好的鲁棒性。

脸耳多模态稀疏表示融合识别方法比较

将稀疏表示应用于脸耳多模态身份辨识,比较和分析采用不同融合方法的多模态稀疏表示识别算法的准确性和鲁棒性,为多模态稀疏表示融合识别算法设计提供理论和方法指导。结合多模态融合层次理论与稀疏表示分类的技术特点,提出3种多模态稀疏表示识别方法:直接特征融合法、间接特征融合法和匹配层融合法。从多模态融合角度看,3种方法的不同在于融合层次或融合策略不同;从稀疏表示角度看,它们的主要区别在于稀疏表示时脸和耳特征耦合的程度不同。在3个多模态数据库上的实验结果表明:所提3种方法在识别准确率和鲁棒性上远优于采用NN、NFL和SVM等分类器的融合识别方法;当脸耳图像中噪声不显著时,3种方法性能相当,当噪声严重时,匹配层融合识别方法优于特征层融合方法。

人耳识别系统中的定位点选择及检测算法的设计

本文提出了一种新的可应用于人耳识别系统的人耳轮廓定位方法,即利用耳轮脚和耳垂脚两个端点进行定位,在此基础上提出了一种基于轮廓方向的定位点检测算法,并在实验中取得了良好的效果.

边缘检测在外耳识别技术中的应用

外耳识别技术是一种新的生物个体识别技术 ,有它自身的应用范围和特点 ,以其为应用背景 ,比较了Canny算子、Sobel算子等边缘处理技术之后 ,从区分图像边缘类型视觉与算法角度出发 ,提出了一种基于外耳识别技术的边缘检测的实用方法 ,具有一定实际应用价值。

基于耳廓特征的生物识别新技术

耳廓检测和特征点的定位是基于耳廓的身份识别与验证新技术研究中非常重要的一部分。耳廓具有数据采集量少,便于建库,色泽分布一致,不受丰富表情影响等诸多优势。采用快速耳廓检测和定位技术,并基于耳廓图像可逆线性变换的方法,将图像分别通过力场和能量场进行描述,利用测试点在力场中运动最终收敛至图像能量局部最小值处这一个特征,对耳廓图像特征点进行定位。在实验分析过程中,首先解决了耳廓自动检测,并在此基础上定位和提取耳廓特征点,通过力场模型的调整,使得场线较好的收敛于某最近似像素点,解决了力场连续性和数字图像离散性的矛盾,取得满意结果。

侧面轮廓与人耳特征相结合的人耳检测与识别

为实现人耳的自动检测与识别,提出了结合侧面轮廓特征、人耳统计特征以及人耳与侧面轮廓的位置特征进行人耳检测与识别的方法。该方法分为离线的训练阶段和在线的检测与识别阶段。在离线阶段,通过训练得到一个综合特征向量,包括人脸侧面轮廓特征、人耳统计特征以及人耳相对于侧面轮廓的位置特征。在线的检测与识别过程分为两步:第1步是用侧面人脸轮廓进行粗检测,第2步是用人耳的统计特征和相对于侧面轮廓的位置特征进行精确定位和识别,即在定位的同时实现人耳的识别。实验结果表明,上述方法具有速度快、效率高和鲁棒性好的特点。

基于聚类算法的统计学习侧面人脸检测

提出了一种新型的基于聚类算法的统计学习侧面人脸检测算法。通过对侧面人脸的各个视角建立分类器,使用新的Ad-aBoost训练策略,然后应用该聚类算法进行检测结果融合,从而有效检测出人脸。并使用该算法成功解决耳朵检测问题,取得了较好的实验结果。实验表明,该检测算法可以有效地检测出侧面人脸和耳朵,是一种普遍有效的目标检测算法。