

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、人體特征信息融合的身份識別方法具有重要的研究意義,應(yīng)用前景廣泛。針對單模態(tài)生物識別技術(shù)在某些場合很難滿足人們對識別精度和適應(yīng)性的要求的缺點,選擇將人臉、虹膜和指紋三種單模態(tài)生物特征進行融合,解決了單模態(tài)生物特征識別技術(shù)適應(yīng)性差,識別精度低的問題。
針對LBP算法提取人臉特征出現(xiàn)中心像素編碼意義不明確的缺點,導致其在人臉識別中出現(xiàn)魯棒性差、精度低的問題,提出一種改進的最大權(quán)值LBP算法(Max Weight-Local Bi
2、nary Pattern,MW-LBP),并將其用于人臉特征提取。在LBP算法的基礎(chǔ)上設(shè)定像素差值的閾值確定最大權(quán)值像素位置,通過兩次二進制編碼取平均的方法得到中心像素表示,實現(xiàn)圖像紋理特征信息的有效表示與提取。
針對Wildes虹膜定位算法中運用霍夫變換需要搜索所有邊緣點,導致算法運算速度慢的缺點,提出了一種基于感興趣區(qū)域的虹膜快速定位算法,通過確定感興趣區(qū)域,縮小了搜索范圍,改善了虹膜定位精度和定位速度。并通過構(gòu)造不同
3、通道的二維Gabor濾波器實現(xiàn)虹膜和指紋的特征提取。
針對多模態(tài)生物特征融合出現(xiàn)特征維數(shù)過高、識別速度下降的缺點,采用基于壓縮感知(Compressive Sensing, CS)的多模態(tài)生物特征融合身份識別算法。將提取的人臉、虹膜和指紋特征分別經(jīng)過離散余弦變換(Discrete Cosine Transform,DCT)進行特征降維,融合成表征人身份的樣本特征,并構(gòu)造樣本特征矩陣,實現(xiàn)待測樣本的稀疏表示;利用最小L-1范
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(yù)覽,若沒有圖紙預(yù)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
- 基于步態(tài)深度信息的人體身份識別方法研究.pdf
- 基于多特征融合的人體基本行為識別方法研究.pdf
- 多生物特征身份識別方法研究.pdf
- 基于形狀特征的人體行為識別方法研究.pdf
- 基于概率特征的在線人體動作識別方法研究.pdf
- 基于多特征融合的火焰識別方法研究.pdf
- 基于步態(tài)及人臉特征的身份識別方法研究.pdf
- 基于多特征融合的車輛品牌識別方法研究.pdf
- 基于特征融合和SVM的步態(tài)識別方法研究.pdf
- 基于興趣點多特征融合的物體識別方法研究.pdf
- 基于特征級融合的目標識別方法研究.pdf
- 基于特征優(yōu)化和多特征融合的雜草識別方法研究.pdf
- 基于特征融合的語音情感識別方法的研究.pdf
- 基于人體輪廓和腿部特征的步態(tài)識別方法.pdf
- 基于深度信息的人體運動識別方法研究.pdf
- 基于信息融合技術(shù)的結(jié)構(gòu)損傷識別方法研究.pdf
- 基于信息融合技術(shù)的目標識別方法研究.pdf
- 基于融合特征的火焰和煙霧識別方法研究.pdf
- 一種基于支持向量機的多生物特征融合身份識別方法研究.pdf
- 基于多生理信息融合的情緒識別方法.pdf
評論
0/150
提交評論