基于神經(jīng)網(wǎng)絡和HMM的眉毛識別方法研究.pdf

1、近年來生物特征識別技術以其特有的安全性、穩(wěn)定性和便捷性被廣泛地應用于安全、認證等身份鑒別領域。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滿足：普遍性、唯一性、可采集性和一定時期內(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，與其它生物識別技術相比，眉毛識別具有非接觸性和非侵入性等顯著的優(yōu)勢。因此，對眉毛識別的研究在生物特征識別和信息安全領域中具有重大的理論和實際意義。本文分析了

2、眉毛作為一種獨立的生物特征進行身份鑒別的可能性，提出了一種基于神經(jīng)網(wǎng)絡和隱馬爾可夫模型(HMM)的眉毛識別方法，并建立了一個基于該方法的眉毛識別系統(tǒng)進行實驗評測。主要研究內(nèi)容如下： ⑴在眉毛圖像中通過手工圈選眉毛區(qū)域，并利用最大類間方差法實現(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，對眉毛圖像進行半閾值分割，以提取純眉毛圖像。實驗結果說明：

3、該方法具有非常好的分割效果，從而提高了眉毛識別的準確率。 ⑵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作為特征矢量，組成訓練矢量集。自組織(SOM)網(wǎng)絡作為HMM中的矢量量化工具，將二維眉毛圖像數(shù)據(jù)轉換為觀察序列，以用于對一維HMM進行訓練。采用左右無跨越型一維離散HMM對眉毛特征進行建模。在訓練階段，用狀態(tài)均勻分割的方法初始化模型參數(shù)，用Baum—Welch算法進行模型訓練。在識別階