基于人臉和指紋的多模生物特征融合識別方法.pdf

1、隨著信息社會對安全性要求的提高,使得生物特征識別技術在越來越多的場合取代傳統(tǒng)的身份識別方式。生物特征識別技術具有普遍性、高安全性、高準確性等特點,能夠安全、方便、快捷的進行身份識別,避免了傳統(tǒng)身份識別方法易丟失、遺忘、易受攻擊的弊端。但是,單模生物特征識別技術因為單一生物特征具有各自的局限性,因此,多模生物特征識別技術得到人們進一步的認同和研究。多模生物特征識別技術融合了多種模態(tài)的特征,且通過信息融合技術提高了識別系統(tǒng)的安全性和抗攻擊能

2、力,同時降低了錯誤率,使得多模生物特征識別技術能夠有效緩解單模生物特征識別技術的缺陷,帶來更好的識別性能。
　　不同模態(tài)生物識別的融合有四種層次:像素級融合、特征層級融合、分數(shù)匹配層融合、決策級融合。由于分數(shù)匹配級融合在性能和普適性方面的優(yōu)勢,成為近年來多模生物特征融合識別的主要研究內(nèi)容之一。本文針對多模生物特征識別技術分數(shù)層融合識別技術進行了具體深入的研究。
　　本文實現(xiàn)了基于PCA的人臉識別算法和基于細節(jié)點的指紋匹配識別

3、算法,并利用公開的人臉和指紋數(shù)據(jù)庫通過人為配對,構(gòu)造了一個實驗用的雙模數(shù)據(jù)庫。
　　本文改進并實現(xiàn)了分數(shù)層融合的三種主要方法:基于改進的GMM的人臉-指紋識別算法(基于密度的方法)、基于分類器信任度加權(quán)的人臉-指紋識別算法(基于分數(shù)歸一化的方法)、基于改進SVM的人臉-指紋識別算法(基于分類器的方法)。
　　提出了一種結(jié)合密度的方法和分數(shù)歸一化方法優(yōu)點的二級融合模型,采用GMM作為第一級融合策略,基于分類器信任度加權(quán)的和規(guī)則