基于HMM模型的眉毛識別方法研究.pdf

1、隨著全球范圍內(nèi)電子商務的迅速興起，對人類自身身份識別的準確性、安全性與實用性提出了更高要求，傳統(tǒng)身份識別方法(如密碼，IC卡等)正越來越受到限制，各方面對更安全有效的身份識別方法的要求日益迫切。生物特征是人的內(nèi)在屬性，具有很強的自身穩(wěn)定性和個體差異性，是身份識別的一個比較理想的依據(jù)。目前，人們已經(jīng)發(fā)展了指紋識別、虹膜識別、掌紋識別、手型識別、人臉識別、語音識別、簽名識別等多種生物識別技術，但還未發(fā)現(xiàn)把眉毛作為一個獨立的生物特征進行身份識

2、別的相關報道。本文借鑒了隱馬爾可夫模型(HiddenMarkov Model，HMM)在人臉識別中的成功經(jīng)驗，將HMM的方法運用到眉毛識別中，對人的眉毛作為一種獨立生物特征使用的可能性和可行性進行研究。 本論文所完成的工作主要包括以下幾個方面： (1)研究了適合眉毛識別的特征提取方法。本文利用快速傅里葉變換的方法提取眉毛圖像的特征矢量，把眉毛圖像的每列看作一個256維的矢量，用32維的低頻傅里葉變換系數(shù)代替眉毛圖像列矢量

3、作為特征矢量，減弱了眉毛圖像質(zhì)量對特征矢量的影響，降低了運算復雜度。 (2)解決了如何用一維離散HMM對眉毛圖像建模的問題。用快速傅里葉變換的方法提取所有訓練眉毛圖像的特征矢量，組成訓練矢量集，用LBG算法訓練出一個碼本，通過矢量量化(Vector Quantization，VQ)方法把二維的眉毛圖像數(shù)據(jù)變?yōu)橐痪S觀察序列。參考基于HMM的人臉識別，采用從左到右無跨越型一維離散HMM對眉毛圖像建模。 (3)詳細介紹了基于H