生物特征识别的关键技术与安全性思考

简要的介绍生物特征识别系统的工作模式,阐述多模态生物特征识别系统的模型和各种数据融合技术,分析了生物识别系统被易于攻击的环节,提出了一种综合提高系统安全性能的方法.     

工程图对象识别规则自动获取方法的研究

分析了工程图中工程对象的构图特点，设计了适用于识别的对象特征组结构．提出了通过抽取对象特征组、由特征组自动生成识别规则的方法．提出了在识别系统中加入对象特征抽取以及识别规则自动生成与调整功能使识别系统能方便地适应新图例从而提高适应能力的方法．该方法已应用于一个建筑工程图自动分析软件并取得了较好的效果．     

生物特征识别系统安全性分析与思考

在对生物特征识别技术的机制和实现方式进行安全性分析的基础上,深入而全面地研究和探讨了生物识别系统的安全性,着重分析了生物特征的统一性、唯一性和跨系统重放攻击,提出了一种生物特征识别系统安全性模型。     

基于多串口的嵌入式铁路车号识别系统设计

根据车号识别系统的功能设计了基于多串口的嵌入式铁路车号识别系统,系统通过串口通信集成射频模块、车轮传感器模块以及CPS模块。根据模型-试图-控制(MVC)模式,抽象了系统的对象类图;根据车号识别系统的工作流程建立了车号识别启动工作的对象顺序图和车号识别过程对象顺序图。通过程序详细说明了在串口接收数据时对端口模块进行识别的方法。     

基于多串口的嵌入式铁路车号识别系统设计

根据车号识别系统的功能设计了基于多串口的嵌入式铁路车号识别系统,系统通过串口通信集成射频模块、车轮传感器模块以及CPS模块。根据模型-试图-控制（MVC）模式,抽象了系统的对象类图;根据车号识别系统的工作流程建立了车号识别启动工作的对象顺序图和车号识别过程对象顺序图。通过程序详细说明了在串口接收数据时对端口模块进行识别的方法。     

生物特征识别系统安全性分析与思考

在对生物特征识别技术的机制和实现方式进行安全性分析的基础上，深入而全面地研究和探讨了生物识别系统的安全性，着重分析了生物特征的统一性、唯一性和跨系统重放攻击，提出了一种生物特征识别系统安全性模型。     

基于有效特征集选择的说话人识别

常用的文本无关的说话人识别系统中,高斯混合模型是一种常用的有效模型,其在常用的说话人识别系统中具有很广泛的应用,但是典型的GMM模型的识别时间较长,其识别性能尚待提高。为了进一步提高说话人识别系统的性能,综合语音数据的分布特性和log10(.)函数曲线的分布特性提出了一种有效特征集的选择方法,实验结果证明了提出的选择算法的有效性。     

脑皮层视觉认知量化模型及其在目标检测定位中的应用

MIT大学的Rieseshuber和Poggio提出了脑颞叶皮层视觉认知系统的标准量化模型(QMVC),这种前馈式层级模型很好地仿效了脑皮层视觉从简单认知元到复杂认知元的识别机理.本文由QMVC模型提取出一组新的特征矢量,这组特征矢量具有对目标变换的不变性.基于QMVC模型的特征矢量建立了新的目标识别系统结构,新目标识别系统对各类目标具有不错的识别率和ROC特性.最后本文引入了尺度窗技术,将新特征应用于复杂场景中的目标检测和定位,实验结果说明本文的新目标检测方法是有效的.     

维吾尔语连续语音识别声学模型优化研究

综合了语音识别中常用的高斯混合模型和人工神经网络框架优点的Tandem特征提取方法应用于维吾尔语声学模型训练中,经过一系列后续处理,将原始的MFCC特征转化为Tandem特征,以此作为基于隐马尔可夫统计模型的语音识别系统的输入,并使用最小音素错误区分性训练准则训练声学模型,进而完成在测试集上的识别实验。实验结果显示,Tandem区分性训练方法使识别系统的单词错误率比原先的基于最大似然估计准则的系统相对减少13%。     

基于三维不变矩的人脸表情识别系统研究

本文提出了基于三维不变矩的人脸表情识别系统研究框架。在对三维人脸表情模型进行预处理及归一化的基础上建立具有平移比例和旋转不变性的三维人脸表情模型的矩不变量特征表示。针对人脸表情分类应用背景采用基于支持向量机的智能学习技术研究实现利用多维度3D-Zernike描述子特征的人脸分析识别系统的建模,基于D-ABC算法的分析识别模型优化,提高模型可靠性和系统的鲁棒性,进而利用该系统进行三维人脸表情数据的分类识别。     

混合加工特征识别方法

介绍一种集成了自动特征识别和用户交互特征定义的混合特征识别方法，该方法采用基于广义痕迹的特征识别建立零件的加工特征模型，通过交互特征定义对已建立的加工特征模型进行局部修改和再解释，在交互特征定义中，用户只需通过选取要修改的特征面定义自己的特征，剩余的面则调用自动特征识别算法处理，特征参数由系统提供的统一算法计算，从而减少了交互的工作量，这种混合特征识别方法有助于提高加工特征识别系统的实用性和健壮性。     

基于实体模型的产品形状特征识别

依据实体造型的特点,从模型空间的特征层入手,搜寻模型空间中的简单形状特征,并根据造型特点获取单个特征在零件模型上的几何拓扑关系,从而实现形状特征的自动识别.通过分析特征实体造型,提出一种基于实体模型的产品形状特征识别方法,并结合微波器件产品开发特征参数提取模块,实现复杂零件模型形状特征的自动识别与提取.该方法为快速建立企业零件库提供途径,也为网络环境下的协同设计和数据共享奠定基础.     

加工特征识别系统ZD-AFRS及其健壮性增强方法

介绍了混合特征识别系统ZD－AFRS的设计思想、系统结构、核心功能的设计与实现，以及增强系统健壮性的方法。以先进性与实用性并重为原则，在ZD－AFRS的研制过程中，通过设计可靠的分割面处理、合并面处理和虚链生成算法，提高系统自动特征识别功能的健壮性；通过将交互特征定义与自动特征识别进行有机集成，提高系统的容错性；通过提供用户自定义特征功能使系统具有可扩展性；通过开发体特征生成、合理特征解释生成和先坯自动生成等功能使系统的功能更完善。经过较多的测试表明，ZD－AFRS具有较好的健壮性和实用性。     

基于图像特征匹配的商品识别算法

基于条形码的结帐系统存在操作繁琐等一些问题,为了解决零售业结账服务中排队的难题,提出一种以SURF(Speeded Up Robust Features)特征匹配为主,主颜色特征数字编码分类、形状特征数字编码分类为辅的商品快速识别算法。基于特征的方法具有压缩信息量、精度高等优点,成为目前研究的热点。但是传统图像特征识别算法,存在特征维度多、计算量大、运行速度慢等缺点,限制了其应用。本文将其中的主颜色和形状特征进行数字编码分类,之后利用高效识别算法SURF进行准确识别,很好地克服了以上缺点。实验表明,本文算法运行速度快,识别性能好,为零售业的结账服务提供了便利。     

局部HOG和分层LBP特征融合的车牌字符识别

针对车牌字符识别中模板匹配法识别率低,尤其是无法准确识别相似字符的不足,提出了一种局部HOG和分层LBP特征融合的车牌字符识别方法. 首先利用模板匹配法对车牌所有字符进行初步识别,然后利用HOG算子提取车牌和模板相似字符中最具区分度的一小块边缘特征,接着利用LBP算子提取原始车牌和模板相似字符中相同区域块的分层纹理特征,将两种特征串行融合构建串行特征向量,最后根据特征向量之间的卡方距离来度量车牌字符和模板字符的相似性,进而完成二次识别. 通过实验比较了11种算法的识别性能,结果表明本文方法有效地解决了相似字符误识别的问题,在保证识别速率的同时识别率显著提高,达到99.52%.     

两种改进的模板匹配识别算法

在开发在线轮胎编码图像自动识别系统时，通过对现有常用的几种识别算法分析与研究，提出了两种改进的标准模板匹配识别算法，分别是基于特征加权的模板匹配算法和基于特征块的模板匹配算法，两种改进的算法都以抽取字符特征为基础，结合模糊原理进行识别，经过理论分析与实际测试，两种改进的识别算法都进一步提高了图像字符的识别率。     

一种基于图的人脸特征提取方法

当前主流特征提取方法主要从全局特征或局部特征出发实现降维。为了能充分反映样本的全局特征和局部特征,提出基于图的人脸特征提取方法。该方法首先通过对训练样本进行学习得到最佳投影方向,该方向保证投影后的样本类内紧密而类间松散;然后将测试样本映射到最佳投影方向上并利用最近邻分类器进行样本类属判定。标准人脸库上的比较实验结果证明了所提方法的有效性。     

融合全局与局部特征的贝叶斯人脸识别方法

针对人脸识别特征提取阶段中的数据降维方法往往难以兼顾保持全局与局部特征信息的问题，以及匹配识别阶段贝叶斯分类器中小样本问题，提出了一种融合全局与局部特征的贝叶斯人脸识别方法。该方法通过核主元分析提取出人脸数据的全局非线性特征，并在此基础上通过正交化局部敏感判别分析挖掘出人脸数据的局部流形结构信息，以达到提取出具有高判别力低维本质人脸特征的目的；采用一种最大信息量协方差选择的方法，来对协方差矩阵进行估算，以解决贝叶斯分类器设计中的小样本问题。在ORL、AR、 YALE、FLW人脸库上设计实验来进行验证。结果表明，提出的特征提取算法以及对贝叶斯分类器的改进取得了比较好的效果，通过对这两个阶段的优化，可以显著提升人脸识别的效果。     

自由曲面特征的定义与识别技术的研究

结合自主开发的HUST-CAID(哈尔滨理工大学计算机辅助工业造型设计)系统的特点,引入自由曲面特征,给出了自由曲面特征的参数化定义,并在此基础上对自由曲面特征识别进行研究,先是给出自由曲面特征识别的定义,接着提出了基于曲线的特征识别的算法。该方法将基于曲线的特征以二维参数的形式给出定义,使其能在二维平面上研究,通过重构特征的剖面模板库,从而利用目标特征与模板特征匹配实现了特征识别。     

融合词典与对抗迁移的越南语事件实体识别

针对越南语事件标注语料稀缺且标注语料中未登陆词过多导致实体识别精度降低的问题,提出一种融合词典与对抗迁移的实体识别模型。将越南语作为目标语言,英语和汉语作为源语言,通过源语言的实体标注信息和双语词典提升目标语言的实体识别效果。采用词级别对抗迁移实现源语言与目标语言的语义空间共享,融合双语词典进行多粒度特征嵌入以丰富目标语言词的语义表征,再使用句子级别对抗迁移提取与语言无关的序列特征,最终通过条件随机场推理模块标注实体识别结果。在越南语新闻数据集上的实验结果表明,在源语言为英语和汉语的情况下,该模型相比主流的单语实体识别模型和迁移学习模型的实体识别性能有明显提升,并且在加入目标语义标注数据后,相比单语实体识别模型的F1值分别增加了19.61和18.73个百分点。