人耳识别技术研究综述

介绍了一种新的生物识别技术--人耳识别.首先对人耳生物识别系统进行介绍,并与其他生物识别技术进行比较;重点按照识别特征的不同提取方法分别综述了各种人耳识别技术的关键技术,如PCA方法、基于神经网络方法、力场转换理论、遗传局部搜索法以及基于几何学方法和基于长轴的结构特征提取方法等分析方法.通过对各种识别方法的分析和比较,总结了影响人耳识别技术的几个因素和研究开发成功的人耳识别技术需要考虑的几个重要方面,最后提出了展望.     

基于眼、嘴、耳廓之间结构关系的人耳识别

人耳识别作为一种新的生物特征识别技术，正在逐步成为该领域中的热点。本文针对眼、嘴、外耳轮廓的结构关系．提出一种多模态生物特征识别方法，该方法提取的特征向量包括八项特征，比如外耳轮廓宽度与两瞳孔之间水平距离之比、外耳轮廓高度与瞳孔和嘴之间的垂直距离之比、脸的宽度与两瞳孔之间水平距离之比，然后通过模式识别对样本进行分类。由于提取的特征均以相对量为主，所以该算法具有“缩放性”，同时对噪声具有较强鲁棒性．识别效果较好。     

基于耳廓参数与面部特征相结合的人耳识别

针对外耳轮廓特征与人脸五官的比例关系,提出一种基于耳廓几何参数与面部结构特征相结合的生物鉴别方法。该方法将外耳轮廓与人脸某些特征相结合,如特征向量中包括人耳宽度与两眼瞳孔之间的水平距离之比、人耳高度与眼睛和嘴之间的垂直距离之比。实验结果表明,该算法简单、可操作性强,对数据采集设备及采集条件要求较低,识别率较高。     

基于交叉融合特征的人耳识别

结合人耳图像特点和两种整体统计特征提取方法的优缺点,该文用主成分分析(PCA)方法提取图像的表示信息特征,用压缩后的类平均向量中的判别信息获得先验类别特征并根据特征分量的类间类内方差比准则将两种特征交叉融合成新的特征向量。分别在2个不同的人耳图像库中进行识别实验,结果表明,该文提出的交叉融合特征识别方法比传统的PCA和PCA+LDA方法的正确识别率高,而且在有一定程度的光照变化和一定角度变化的情况下仍可获得很好的识别效果。     

基于SIFT特征的人耳识别

人耳的角度变化和遮挡是人耳识别中的难点问题,SIFT局部描述算子具有对图像尺度缩放、平移、旋转等的不变性,因此提出利用SIFT特征的人耳识别算法。该算法将人耳图像划分为相互重叠的网格区域,在每个子区域中计算SIFT的局部特征,再计算测试图像与训练图像的匹配相关度作为图像的全局特征,将SIFT的局部和全局特征相结合作为人耳识别的标准。通过在人耳库中的实验表明,此算法优于传统的全局方法,对于人耳角度变化和遮挡具有较好的鲁棒性,并且适用于单训练样本的情况。     

侧面轮廓与人耳特征相结合的人耳检测与识别

为实现人耳的自动检测与识别,提出了结合侧面轮廓特征、人耳统计特征以及人耳与侧面轮廓的位置特征进行人耳检测与识别的方法。该方法分为离线的训练阶段和在线的检测与识别阶段。在离线阶段,通过训练得到一个综合特征向量,包括人脸侧面轮廓特征、人耳统计特征以及人耳相对于侧面轮廓的位置特征。在线的检测与识别过程分为两步：第1步是用侧面人脸轮廓进行粗检测,第2步是用人耳的统计特征和相对于侧面轮廓的位置特征进行精确定位和识别,即在定位的同时实现人耳的识别。实验结果表明,上述方法具有速度快、效率高和鲁棒性好的特点。     

基于ICA和KPCA人耳识别技术比较

人耳识别技术是一种新的生物识别技术,它以入耳作为识别媒介来进行身份鉴别,但人耳识别的相关理论和方法还不太完善。首先介绍了独立成分分析方法（ICA）和基于核的主成分分析方法（KPCA）的基本原理,然后通过实验得到在分别采用ICA和KPCA方法时,在不同人耳库上的特征提取时间以及采用不同分类器时的入耳识别率。最后通过分析比较实验结果得到基于ICA方法的识别技术和基于KPCA方法的识别技术各自的优点和缺点。     

基于不变矩匹配的人耳识别

人耳识别技术是一门新型的个体生物识别技术,头部转动是影响人耳识别的重要原因之一.本文提出一种基于加权高阶不变矩特征方法的人耳个体生物识别系统,并初步建立60只人耳图像库.通过实验得出了主要测试数据,识别准确率可达到95%,证明该系统能够克服因头部转动对识别的影响.表明不变矩方法在人耳识别中具有一定优势.     

人耳识别技术研究进展综述

人耳识别是一种新的生物特征识别技术,目前,研究尚处于起步阶段,有关的理论和方法还很不完善。文章首先介绍了人耳自动系统的构成,然后分析了现有的各种人耳识别技术,最后提出了展望。     

基于灰度曲面匹配的人耳识别方法

本文提出了一种基于灰度曲面匹配的人耳识别方法。该方法摒弃特征提取和编码等传统操作，依据整体特征分析的思想直接利用耳朵的灰度曲面进行匹配。首先，对耳图像的大小和灰度进行调整。其次，对两幅耳图像的灰度值做差，得到灰度差曲面。最后，求出该灰度差曲面的方差，并将方差作为衡量两幅耳图像是否匹配的依据。     

基于力场转换理论的耳廓识别

本文提出了一种基于力场转换理论的人耳识别方法,在检测出耳廓边缘的基础上,将图像分别通过力场和能量场进行描述,利用测试点在力场中运动最终收敛至图像能量局部最小值处这一个特征,对人耳图像特征点进行定位,最终利用提取出的“势能阱”和“势能渠”实现匹配与识别,经在选用的耳廓图库上实验,错误接受率FAR为1．28％,错误拒绝率FRR为6．28％。     

人耳识别中的图像归一化研究

人耳识别系统中,需要根据特征提取的要求实现图像的自动归一化,并且选择合适的依据使归一化后的结果具有一定的有效性和合理性。提出了一种新的外耳长轴标记法,根据外耳长轴将人耳统一到标准的尺寸和角度;运用主动形状模型算法,实现了外耳轮廓的自动搜索,且对算法进行了改进,调整了模型的初始位置。实验证明,改进后的主动形状模型(ASM)能更快速准确地收敛,且归一化的方法能够合理地将人耳标准化,为后续的特征识别提供了保障。     

边缘检测在外耳识别技术中的应用

外耳识别技术是一种新的生物个体识别技术 ,有它自身的应用范围和特点 ,以其为应用背景 ,比较了Canny算子、Sobel算子等边缘处理技术之后 ,从区分图像边缘类型视觉与算法角度出发 ,提出了一种基于外耳识别技术的边缘检测的实用方法 ,具有一定实际应用价值。     

快速三维人耳提取与识别

针对现有三维人耳提取与识别算法中存在处理时间长、识别率低的问题,提出一种快速三维人耳提取方法和2种三维人耳识别方法.三维人耳提取时,使用不变特征迭代最近点算法使人耳与平均耳对齐,完成位置和姿态的归一化,然后用掩膜提取出三维人耳.第一种=三维人耳识别方法结合人耳深度和曲率信息,采用主元分析算法进行降维.然后用最近邻分类完成识别;第二种三维人耳识别方法则使用不变特征迭代最近点算法对齐测试耳与原型耳,利用配准误差完成人耳识别.实验结果表明,第一种人耳识别方法识别率较高、计算速度很快,第二种人耳识别方法可达到很高的识别率.     

基于统计方法的中文姓名识别研究

采用统计方法来识别中文姓名。该方法将中文姓名的识别过程分为姓名候选和姓名确认两个阶段。采用隐马尔可夫模型(HMM)分类器从未经切分的汉字串中候选姓名。利用人名与上下文词汇的互信息对候选人名进行最后的确认。该方法是完全数据驱动的,不需要姓名识别模板和规则。试验结果表明,该方法的召回率为82.7%,准确率为89.6%。     

基于独立分量分析的人耳图像识别方法

人耳识别是一种新的生物特征识别技术.本文将独立分量分析应用于人耳图像的特征提取,并分别与最近邻分类器、RBF神经网络分类器和支持向量机相结合进行分类识别.实验结果表明基于独立分量分析的人耳识别方法优于传统的主分量分析方法.     

相位一致性和KDDA结合的人耳识别方法

随着人耳识别技术的发展,如何寻找不受光照和对比度影响的特征并用于识别成为研究热点之一。本文提出一种利用相位一致性对人耳进行特征提取的方法,该方法首先从8个方向计算人耳图像中每点的相位一致性,然后对经过相位一致性变换的输出图像分块求和,形成特征矢量,最后通过KDDA将特征向量投影到低维高可分空间,并用欧式距离对人耳图像分类。对77个人,共308幅人耳图像进行实验,在等误率为1.7%的情况下,识别率可以达到98.2%左右,验证了该方法所提取的人耳特征不受光照影响。