紅外與可見(jiàn)光人臉圖像的融合識(shí)別算法研究.pdf_第1頁(yè)
已閱讀1頁(yè),還剩107頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、生物特征識(shí)別技術(shù)是一種具有高可靠性和高穩(wěn)定性的身份鑒別技術(shù)。在各種生物特征識(shí)別技術(shù)中,人臉的識(shí)別技術(shù)是一項(xiàng)極具有發(fā)展?jié)摿Φ纳锾卣髯R(shí)別技術(shù),同時(shí)也是計(jì)算機(jī)視覺(jué)與模式識(shí)別領(lǐng)域非?;钴S的研究課題,它在公共安全、信息安全、金融等領(lǐng)域具有潛在的應(yīng)用前景。多模態(tài)人臉圖像的融合識(shí)別,是對(duì)多種傳感器提供的人臉圖像進(jìn)行融合處理,結(jié)合不同模態(tài)圖像之間的互補(bǔ)信息以獲得更好的識(shí)別性能。這種融合技術(shù)既保持了原有人臉識(shí)別算法的性能,又能融合多種傳感器提供的有效鑒

2、別信息,提高識(shí)別的精度和魯棒性。因此,這是一個(gè)很有前景的研究課題。但是,這一新的領(lǐng)域目前還只是剛剛起步,有許多問(wèn)題急需解決。因此迫切需要開(kāi)展廣泛深入的基礎(chǔ)理論和技術(shù)的研究工作。
   本文在已有紅外與可見(jiàn)光人臉圖像融合識(shí)別研究成果的基礎(chǔ)上,從特征層和分值匹配層上對(duì)人臉多模態(tài)融合識(shí)別技術(shù)進(jìn)行了探討和研究。論文的主要研究工作和成果包括以下幾個(gè)主要方面的內(nèi)容:
   1、提出了一種基于Fisher線性鑒別的典型相關(guān)分析的多模態(tài)

3、人臉融合識(shí)別算法
   從Fisher線性鑒別分析和典型相關(guān)分析的思想出發(fā),提出一種針對(duì)多模態(tài)信息在特征層上抽取新鑒別特征用于模式分類算法,稱為基于Fisher線性鑒別的典型相關(guān)分析(Fisher Linear Discriminant based Can01ucal Correlation Analysis,簡(jiǎn)稱FLDA+CCA)。給出了將FLDA和CCA用于模式識(shí)別的理論框架。算法依據(jù)FLDA的判據(jù)準(zhǔn)則函數(shù)分別抽取兩組模式的

4、特征矢量,再根據(jù)CCA思想建立描述兩組特征矢量之間相關(guān)性的判據(jù)準(zhǔn)則函數(shù),依據(jù)此準(zhǔn)則求取兩組典型投影矢量集,通過(guò)給定的特征融合策略抽取組合特征用于模式分類。解決了當(dāng)模式構(gòu)成的總體協(xié)方差矩陣奇異時(shí),F(xiàn)LDA投影矢量集的求解問(wèn)題,使之適合于高維小樣本的情形,推廣了算法的適用范圍。新算法對(duì)兩組信息先降維聚類后建立相關(guān)融合的做法,既消除了模態(tài)內(nèi)的冗余信息,又建立了不同模態(tài)信息之間的相關(guān)聯(lián)系,達(dá)到信息互補(bǔ)的目的,為融合兩組模態(tài)信息用于分類識(shí)別提供了

5、新的途徑。實(shí)驗(yàn)表明該算法能有效的提高識(shí)別率。
   2、提出一種多模態(tài)人臉?lè)蔷鶆蚓植刻卣魅诤纤惴?br>   局部特征抽取方法是從原始數(shù)字圖像出發(fā),先對(duì)圖像進(jìn)行分塊,再對(duì)分塊得到的子圖像矩陣使用線性鑒別分析方法抽取模式特征,它是全局線性鑒別分析方法的推廣。由于人臉圖像內(nèi)不同區(qū)域信息的鑒別能力不同,原先的均勻分塊方法不能有效的反映面部鑒別信息的分布情況。為了抽取更具鑒別意義的局部特征,本文采用遺傳算法從人臉圖像中優(yōu)選出取具有較多

6、鑒別信息的子圖像區(qū)域作為特征抽取的基礎(chǔ);抽取局部特征結(jié)合全局特征用于模式分類。新算法在紅外和可見(jiàn)光人臉融合識(shí)別實(shí)驗(yàn)中表現(xiàn)出很好的識(shí)別性能。
   3、設(shè)計(jì)提出一種融合多模態(tài)人臉信息的雙閾值分類器
   受Dempster-Shafer證據(jù)理論思想的啟發(fā),針對(duì)分值匹配層的多模態(tài)人臉信息融合問(wèn)題,設(shè)計(jì)提出一種融合多模態(tài)人臉信息的雙閾值分類器(Two-Threshold Classifier,簡(jiǎn)稱2TC)。分類器根據(jù)Neyma

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)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(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。

評(píng)論

0/150

提交評(píng)論