版權(quán)說(shuō)明:本文檔由用戶(hù)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、生物特征識(shí)別在人類(lèi)的生產(chǎn)活動(dòng)中,起到了越來(lái)越重要的作用。同時(shí),隨著生物特征識(shí)別越來(lái)越廣泛的應(yīng)用,單模態(tài)生物特征識(shí)別不足以滿(mǎn)足實(shí)際使用中的諸多需求這一問(wèn)題越發(fā)地突顯出來(lái)。而多模態(tài)生物特征融合方法能夠通過(guò)集成多個(gè)生物模態(tài)的信息,來(lái)緩解單模態(tài)生物特征識(shí)別系統(tǒng)在使用中所遇到的障礙。在最近的十幾年里,多模態(tài)生物特征識(shí)別取得了迅猛的發(fā)展,然而仍有部分關(guān)鍵問(wèn)題有待得到進(jìn)一步解決,例如提取多模態(tài)互補(bǔ)信息、緩解噪聲影響以及利用深層次信息等問(wèn)題。本文基于多
2、模態(tài)生物特征的特征層與分?jǐn)?shù)層數(shù)據(jù),從上述實(shí)際問(wèn)題出發(fā),探索能夠有效緩解上述問(wèn)題的融合方法和策略,同時(shí)建立方便、準(zhǔn)確、高效的多模態(tài)生物特征識(shí)別系統(tǒng)。本文中,主要工作和貢獻(xiàn)如下:
在高通量的場(chǎng)景下,以提取多模態(tài)生物特征之間的互補(bǔ)信息為目的,本文提出了一種基于稀疏線性規(guī)劃的異質(zhì)特征選擇模型?;谠撃P偷娜诤戏椒軌蛱崛《嗄B(tài)互補(bǔ)信息、去除冗余信息、降低所使用的異質(zhì)特征維度并且減少所需的計(jì)算以及存儲(chǔ)消耗,進(jìn)而實(shí)現(xiàn)快速、準(zhǔn)確地對(duì)用戶(hù)身份
3、進(jìn)行識(shí)別。該模型具有所選特征稀疏、泛化能力強(qiáng)等諸多優(yōu)良特性。由于該融合方法能夠充分提取特征之間的互補(bǔ)性、去除冗余性,因此該方法能夠在保證融合后識(shí)別性能提升的前提下,降低計(jì)算復(fù)雜度以及融合的時(shí)間消耗。
針對(duì)遠(yuǎn)距離生物特征識(shí)別系統(tǒng)中,由于環(huán)境噪聲的干擾,致使融合后識(shí)別性能下降的問(wèn)題,我們提出了一種對(duì)噪聲魯棒的融合模型。在生物特征識(shí)別系統(tǒng)中,噪聲的干擾往往在獲取數(shù)據(jù)環(huán)節(jié)最為強(qiáng)烈,并且會(huì)影響后續(xù)流程,如特征提取、特征比對(duì)等流程,進(jìn)而影
4、響最終融合的識(shí)別結(jié)果。本文針對(duì)噪聲對(duì)分?jǐn)?shù)層數(shù)據(jù)產(chǎn)生的影響,提出了一種基于對(duì)噪聲充分估計(jì)的魯棒線性規(guī)劃模型,最大限度的在分?jǐn)?shù)層面上消除了噪聲的影響。該方法采用特征的線性組合模式,因此消除噪聲影響的同時(shí),還保證了算法的效率,保證了系統(tǒng)的實(shí)用性。該方法可以在系統(tǒng)的保守性與魯棒性之間取得較好的平衡。本文提出了針對(duì)新型魯棒線性規(guī)劃模型的快速數(shù)學(xué)求解方法,將高度非線性模型轉(zhuǎn)化為線性規(guī)劃模型進(jìn)行求解,使得求解過(guò)程更加簡(jiǎn)便高效。同時(shí)本文還從概率的角度對(duì)
5、所提出的模型進(jìn)行了闡述,計(jì)算出了該模型最優(yōu)解情況下分類(lèi)錯(cuò)誤率的上確界,具有較為深刻的物理意義。
在特征數(shù)量有限的情況下,提出了一種能夠從比對(duì)分?jǐn)?shù)中抽取隱含信息的分段線性分類(lèi)器融合方法。用戶(hù)的生物特征信息在生物特征識(shí)別系統(tǒng)中,經(jīng)由特征采集、特征提取、特征比對(duì)等模塊時(shí),雖然所操作的數(shù)據(jù)具有了規(guī)范化、可操作性強(qiáng)等特點(diǎn),但是其所承載的用戶(hù)生物特征信息隨著數(shù)據(jù)處理而減少。而且生物特征比對(duì)分?jǐn)?shù)與決策值之間的關(guān)系是高度非線性的,但是在通過(guò)比
6、對(duì)分?jǐn)?shù)計(jì)算得出決策值時(shí),大部分系統(tǒng)都是采用簡(jiǎn)單的線性融合分類(lèi)器來(lái)模擬該高度非線性的關(guān)系,這進(jìn)一步導(dǎo)致了更多細(xì)節(jié)信息的丟失。為了恢復(fù)這些隱藏在分?jǐn)?shù)層中的用戶(hù)生物特征信息,本文提出了一種分段線性分類(lèi)器融合框架。該方法受到“非線性是絕對(duì)的,線性是相對(duì)的”觀點(diǎn)啟發(fā),通過(guò)對(duì)特征空間離散化的方法,自適應(yīng)地學(xué)習(xí)得到比對(duì)分?jǐn)?shù)與決策值之間的非線性函數(shù)關(guān)系。本方法可看作是將低維分?jǐn)?shù)映射到高維空間的映射函數(shù),因此也可以從核函數(shù)的角度,作為一種自適應(yīng)的核函數(shù)映
7、射方法。本文還對(duì)分段線性分類(lèi)器融合框架下三種性能優(yōu)異的融合分類(lèi)器進(jìn)行了分析與說(shuō)明,并指出了其分別所擅長(zhǎng)的實(shí)際應(yīng)用中的問(wèn)題。
由于人類(lèi)的臉部區(qū)域生物模態(tài)豐富,同時(shí)便于采集,而且在實(shí)際使用中能夠與用戶(hù)良好的交互,較多的多模態(tài)生物特征融合系統(tǒng)采用對(duì)人臉、虹膜、眼周等生物模態(tài)進(jìn)行融合,不僅提升系統(tǒng)的準(zhǔn)確性,還提高系統(tǒng)的易用性。因此,本文中也采用對(duì)人臉區(qū)域的生物模態(tài)進(jìn)行融合,來(lái)驗(yàn)證本文中所提出的方法的有效性,從實(shí)際需求出發(fā),建立便捷、準(zhǔn)
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)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(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于掌紋與手背靜脈多模態(tài)特征層融合的識(shí)別方法研究.pdf
- 基于感知信息的多模態(tài)生物特征融合技術(shù)研究.pdf
- 多模態(tài)生物特征識(shí)別融合算法的研究.pdf
- 多模態(tài)生物特征融合的神經(jīng)網(wǎng)絡(luò)方法.pdf
- 基于多模態(tài)生物特征的身份識(shí)別.pdf
- 基于多模態(tài)特征融合的圖像重排序研究.pdf
- 指紋與手指靜脈的特征層融合識(shí)別.pdf
- 自適應(yīng)PSO融合的多模態(tài)生物特征識(shí)別方法.pdf
- 基于手部生物特征多模態(tài)識(shí)別算法研究.pdf
- 基于單幅圖像的多模態(tài)生物特征識(shí)別研究.pdf
- 基于指紋與姓名語(yǔ)音的多模態(tài)生物特征融合身份識(shí)別技術(shù)的研究.pdf
- 基于多模態(tài)特征融合的新聞視頻摘要技術(shù)研究.pdf
- 基于多生物特征融合識(shí)別技術(shù)的研究.pdf
- 基于改進(jìn)Gabor濾波器的多模態(tài)特征融合技術(shù).pdf
- 基于手部特征的多模態(tài)生物識(shí)別算法研究與系統(tǒng)實(shí)現(xiàn).pdf
- 基于多生物特征融合的身份鑒別研究.pdf
- 人臉與掌紋特征在決策層上的融合.pdf
- 基于多模生物特征的融合與識(shí)別方法研究.pdf
- 多模態(tài)生物特征識(shí)別技術(shù)的算法研究.pdf
- 基于手部特征的多模態(tài)生物識(shí)別技術(shù)研究.pdf
評(píng)論
0/150
提交評(píng)論