多模態(tài)生物特征融合的神經(jīng)網(wǎng)絡(luò)方法.pdf

1、多模態(tài)生物特征識別，作為一種新型的、憑借用戶自身固有的屬性特征進(jìn)行身份識別，近年來日趨成為國際上的研究熱點(diǎn)。其應(yīng)用涉及商業(yè)、安全和司法等領(lǐng)域，可用于自動(dòng)視頻監(jiān)控、訪問控制、身份鑒定、計(jì)算機(jī)人/機(jī)界面設(shè)計(jì)、銀行ATM機(jī)等。 作為生物特征識別的主要方法之一，人工神經(jīng)網(wǎng)絡(luò)自80年代初復(fù)蘇以來一直是科學(xué)與工程上的一個(gè)熱點(diǎn)研究學(xué)科，吸引了包括MIT、Harvard大學(xué)等國際一流學(xué)術(shù)機(jī)構(gòu)的科學(xué)家從事此領(lǐng)域研究，并取得了大量的研究成果，《Sc

2、ience》、《Nature》等許多國際一流學(xué)術(shù)刊物常有相關(guān)研究成果發(fā)表。 本論文重點(diǎn)研究多模態(tài)生物特征融合的神經(jīng)網(wǎng)絡(luò)方法，主要研究了如何利用神經(jīng)網(wǎng)絡(luò)方法提取人臉的局部特征和全局特征，并進(jìn)行身份識別。其中主要研究了PCA主元分析、帶稀疏度約束的非負(fù)矩陣分解NMFs、徑向基神經(jīng)網(wǎng)絡(luò)RBF、Fisher線性判別法等方法，并用于含噪聲的人臉圖像識別(本文不涉及人臉檢測)。研究了基于固定吸引點(diǎn)的聯(lián)想神經(jīng)網(wǎng)絡(luò)，構(gòu)建了能學(xué)習(xí)連續(xù)吸引子的子空

3、間聯(lián)想存儲(chǔ)器，用于局部殘缺、局部遮擋的人臉圖像識別。研究了連續(xù)粒子群優(yōu)化算法PSO模型及二進(jìn)制離散PSO模型，并利用人工免疫陰性選擇機(jī)制控制粒子的最低及最高飛行速度。研究了自適應(yīng)模糊神經(jīng)推理、自適應(yīng)Bayes決策融合策略、以及自適應(yīng)Bayes優(yōu)化的人工免疫二進(jìn)制PSO模型(用于尋找最優(yōu)融合規(guī)則)，并利用自適應(yīng)模糊神經(jīng)推理和自適應(yīng)Bayes優(yōu)化的人工免疫二進(jìn)制PSO算法解決人臉全局特征與局部特征融合、人臉與指紋融合等多模態(tài)生物特征融合的身

4、份識別問題。 本論文的主要研究成果和創(chuàng)新如下： 1．提出并改進(jìn)了基于神經(jīng)網(wǎng)絡(luò)的人臉圖像的局部特征提取與識別方法，將帶稀疏度約束的非負(fù)矩陣分解NMFs與Fisher線性判別法結(jié)合起來，利用徑向基神經(jīng)網(wǎng)絡(luò)RBF作為分類器，對識別不同光照、采自不同頭部姿勢、不同表情的、含局部遮擋噪聲的人臉圖像，具有顯著的優(yōu)勢，系統(tǒng)性能明顯提高； 2．建立了具有連續(xù)吸引子的子空間聯(lián)想神經(jīng)網(wǎng)絡(luò)模型，與具有固定吸引點(diǎn)的聯(lián)想神經(jīng)網(wǎng)絡(luò)相比，子空

5、間聯(lián)想神經(jīng)網(wǎng)絡(luò)能恢復(fù)填充輸入人臉圖像的殘缺或遮擋部分，并能顯著提高部分殘缺/遮擋的人臉圖像的識別性能； 3．提出了最低/最高速度約束的連續(xù)粒子群優(yōu)化算法，并用于訓(xùn)練多層感知機(jī)，能有效保證在搜索函數(shù)的最優(yōu)解時(shí)，算法的收斂速度更快，收斂能力更強(qiáng)，并且能避開局部最優(yōu)，收斂到全局最優(yōu)； 4．提出了人臉全局特征與局部特征融合的自適應(yīng)模糊神經(jīng)推理，以及自適應(yīng)Bayes優(yōu)化的人工免疫二進(jìn)制PSO算法，融合人臉的局部和全局特征進(jìn)行身份識