版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、生物特征識別技術(shù)是利用人體本身所固有的物理特征或者行為特征,通過圖像處理和模式識別等方法來鑒別個人身份的技術(shù),具有廣泛的應用前景。當前的生物特征識別應用大部分為基于單模態(tài)特征的識別技術(shù),在識別率和防偽性上具有一定的局限性。為提高單模態(tài)特征識別技術(shù)的準確率和應用范圍,本文同時利用人臉特征識別技術(shù)的社會性、公開性和掌紋特征識別技術(shù)的高識別率,提出一種基于單幅圖像中人臉和掌紋特征融合的身份認證識別框架,并對兩種特征的融合策略進行了深入研究、實
2、驗。本論文的主要工作和內(nèi)容如下:
(1)對生物特征及識別技術(shù)的研究歷史進行回顧綜述,詳細介紹了十種最為常見的生物特征識別技術(shù)。分析了單模態(tài)生物特征識別的不足,引出本文的研究目標和研究內(nèi)容。論文還對多模態(tài)融合的五個層次的主流算法進行了總結(jié)。
(2)采集搭建了本研究領(lǐng)域首個多模態(tài)生物特征(人臉+掌紋)數(shù)據(jù)庫——HFUT-MuHaF,即一幅圖像中同時包含人臉和人手信息,避免了由于多模態(tài)生物特征數(shù)據(jù)庫的缺失,研究者必須從不同
3、而相互獨立的數(shù)據(jù)庫中分別提取人臉和掌紋特征(一般不是同一個人的人臉和掌紋特征),再進行融合的處理過程。
(3)詳細闡明了十一種局部算子的算法原理并進行復現(xiàn),在三個人臉數(shù)據(jù)庫上進行對比實驗分析。
(4)提出了一種基于線特征的韋伯局部描述子(LWLD)用以掌紋識別。通過改進的有限Radon變換(MFRAT)得到的能量圖和方向圖,將原始WLD在源圖像上進行的差勵計算轉(zhuǎn)換到能量圖上完成,并利用方向圖替代原始WLD里通過梯度計
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于多模態(tài)生物特征的身份識別.pdf
- 基于手部生物特征多模態(tài)識別算法研究.pdf
- 基于手部圖像的多模態(tài)生物識別算法研究.pdf
- 基于多模態(tài)特征關(guān)聯(lián)分析的圖像識別.pdf
- 多模態(tài)生物特征識別技術(shù)的算法研究.pdf
- 基于手部特征的多模態(tài)生物識別技術(shù)研究.pdf
- 基于多模態(tài)生物特征識別的身份認證技術(shù)研究.pdf
- 基于線性分類器的多模態(tài)生物特征識別技術(shù)研究.pdf
- 基于手部特征的多模態(tài)生物識別算法研究與系統(tǒng)實現(xiàn).pdf
- 多模態(tài)生物特征識別融合算法的研究.pdf
- 基于RGBD多模態(tài)特征的行為識別.pdf
- 基于多模態(tài)特征融合的圖像重排序研究.pdf
- 基于特征匹配的多模態(tài)醫(yī)學圖像配準研究.pdf
- 基于深度學習的雙模態(tài)生物特征識別研究.pdf
- 手指多模態(tài)特征識別算法研究.pdf
- 嵌入式多模態(tài)生物特征識別系統(tǒng)設(shè)計.pdf
- 基于特征的多模態(tài)圖像自動配準算法研究.pdf
- 基于ARM的嵌入式多模態(tài)生物特征識別系統(tǒng)的設(shè)計.pdf
- 基于指紋和手背靜脈的多模態(tài)生物特征識別系統(tǒng)研究.pdf
- 基于多生物特征融合識別技術(shù)的研究.pdf
評論
0/150
提交評論