基于神經(jīng)網(wǎng)絡(luò)和HMM的眉毛識(shí)別方法研究.pdf

1、近年來(lái)生物特征識(shí)別技術(shù)以其特有的安全性、穩(wěn)定性和便捷性被廣泛地應(yīng)用于安全、認(rèn)證等身份鑒別領(lǐng)域。常用的生物特征包括人臉、虹膜、指紋、掌紋、聲音等。理論上可用的生物特征應(yīng)滿足：普遍性、唯一性、可采集性和一定時(shí)期內(nèi)的穩(wěn)定性。由于人類的眉毛具備這些特性，所以也可能被用于身份鑒別的研究。同時(shí)，與其它生物識(shí)別技術(shù)相比，眉毛識(shí)別具有非接觸性和非侵入性等顯著的優(yōu)勢(shì)。因此，對(duì)眉毛識(shí)別的研究在生物特征識(shí)別和信息安全領(lǐng)域中具有重大的理論和實(shí)際意義。本文分析了

2、眉毛作為一種獨(dú)立的生物特征進(jìn)行身份鑒別的可能性，提出了一種基于神經(jīng)網(wǎng)絡(luò)和隱馬爾可夫模型(HMM)的眉毛識(shí)別方法，并建立了一個(gè)基于該方法的眉毛識(shí)別系統(tǒng)進(jìn)行實(shí)驗(yàn)評(píng)測(cè)。主要研究?jī)?nèi)容如下： ⑴在眉毛圖像中通過(guò)手工圈選眉毛區(qū)域，并利用最大類間方差法實(shí)現(xiàn)區(qū)域中純眉毛圖像的生成，然后將純眉毛圖像的高度歸一到256像素。為了降低手工圈選增加的噪聲干擾影響，利用最大類間方差法選取分割閾值，對(duì)眉毛圖像進(jìn)行半閾值分割，以提取純眉毛圖像。實(shí)驗(yàn)結(jié)果說(shuō)明：

3、該方法具有非常好的分割效果，從而提高了眉毛識(shí)別的準(zhǔn)確率。 ⑵把眉毛圖像的每列看作一個(gè)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作為特征矢量，組成訓(xùn)練矢量集。自組織(SOM)網(wǎng)絡(luò)作為HMM中的矢量量化工具，將二維眉毛圖像數(shù)據(jù)轉(zhuǎn)換為觀察序列，以用于對(duì)一維HMM進(jìn)行訓(xùn)練。采用左右無(wú)跨越型一維離散HMM對(duì)眉毛特征進(jìn)行建模。在訓(xùn)練階段，用狀態(tài)均勻分割的方法初始化模型參數(shù)，用Baum—Welch算法進(jìn)行模型訓(xùn)練。在識(shí)別階