基于深度學(xué)習(xí)的雙模態(tài)生物特征識別研究.pdf

1、鑒于生物特征具有優(yōu)秀的獨立區(qū)分特性，生物特征識別技術(shù)幾乎涉及到所有區(qū)分人的相關(guān)領(lǐng)域。指紋、虹膜、人臉、聲紋等生物特征已經(jīng)廣泛使用到公安部門破案偵查，移動設(shè)備解鎖，目標(biāo)跟蹤等領(lǐng)域。隨著電子設(shè)備使用的范圍越來越廣，使用的頻率越來越高。具有優(yōu)秀識別率的生物特征識別技術(shù)才能保證這些領(lǐng)域的長久發(fā)展。
　　由于現(xiàn)實生活中使用生物特征識別的環(huán)境條件的差異。單一的生物特征識別因為其自身條件的局限性，導(dǎo)致無論哪一種生物特征有會有其應(yīng)用的局限性。例如

2、指紋識別使用的前提是設(shè)備與目標(biāo)人物必須有肢體的接觸，視頻監(jiān)控等遠距離設(shè)備無法使用指紋識別技術(shù);在光線不足或是攝像頭沒有正對目標(biāo)人物臉部的情況下人臉識別技術(shù)的識別率將會急劇下降;同樣，虹膜識別技術(shù)也要保證目標(biāo)人物眼部靠近傳感器，才能實現(xiàn)此生物特征的后續(xù)識別過程。多生物特征融合識別技術(shù)可以很好的解決這個問題。多模態(tài)生物特征融合識別技術(shù)可以根據(jù)特征的選取和融合方法提高識別設(shè)備的準(zhǔn)確性，普適性和魯棒性。本文的主要研究內(nèi)容和實驗成果如下:

3、　　1.研究了基于深度卷積網(wǎng)絡(luò)(Convolutional Neural Network，CNN)的人臉識別，創(chuàng)新的提出了基于Vgg_Face改進模型的人臉識別算法。該方法結(jié)合深度卷積網(wǎng)絡(luò)模型的核心思想，在Vgg_Face模型的最后一層添加了全連接層降低人臉特征維度。在Vgg_Face模型的基礎(chǔ)上微調(diào)(fine-turning)新的模型。使用CASIA-Webface人臉數(shù)據(jù)庫訓(xùn)練網(wǎng)絡(luò)模型。
　　2.首先研究了說話人的感知預(yù)測系數(shù)

4、(Perceptual Linear Predictive，PLP)，然后推導(dǎo)了說話人的I-Vector特征提取方法，I-Vector特征反映說話人的差異，并且具有優(yōu)秀的跨信道性能，是目前說話人識別主流的識別特征。然后將I-Vector和PLP特征融合送入深度置信網(wǎng)絡(luò)(Deep Belief Network，DBN)訓(xùn)練，生成說話人識別模型。
　　3.創(chuàng)新的提出了人臉模型和說話人特征融合識別方法。結(jié)合TED-LIUM語音庫和CAS