指节纹识别综述*

相比其它生物特征,指节纹具有特征丰富,采集设备价格低,易于结合手形、手指静脉及掌纹组成性能鲁棒的多模态识别系统等优点.文中首先介绍指节纹的定义、数据采集、预处理方法等,之后详细介绍各种指节纹识别算法及多模态识别方案.根据特征提取及匹配方法的不同,将指节纹识别算法分为6类:基于结构的算法、基于子空间学习的算法、基于编码的算法、基于纹理特征的算法、基于相关滤波器的算法和基于局部特征描述子的算法.回顾和总结各种算法的特点,展望未来指节纹识别的发展方向.     

基于指节纹的个人身份自动识别

人体的指节纹具有稳定性且对于不同的人具有不同的位置和结构特征, 可作为身份识别的依据. 本文提出了一种基于指节纹的身份识别新方法: 对采集的手掌图像首先通过预处理分割出各手指并旋转至水平位置; 然后用Sobel算子求其水平梯度, 对梯度图二值化后经垂直投影得到一维向量; 对此向量应用小波去噪, 生成手指指节纹特征向量; 通过用余弦函数计算指节纹特征向量之间相似度实现最后的匹配. 本文用该方法对来自190个手掌的1900个样本进行了测试, 取得了0.67%的等误率, 单次匹配时间低于2ms. 实验结果表明该方法具有较高的识别精度, 而且识别速度快, 适合在大规模手掌库中实现手掌筛选.     

基于顶帽变换的指节纹和掌纹识别改进算法

针对指节纹、掌纹不易提取,且易受光照和手掌颜色不均影响的问题,提出了基于顶帽变换的指节纹、掌纹识别改进算法。顶帽变换能消除光照不均的影响,很好地提取手掌主纹线。对采集的手掌图像进行灰度化和顶帽变换后,进行二值化处理,分离出手掌区域,找到手掌区域所在位置,用Sobel边缘检测器分离出手掌边界,确定指尖指谷坐标,再对手掌区域进行分割,找到指节纹和掌纹大体区域,用互相关法进行掌纹和指节纹匹配。实验结果表明:提出的方法能够消除光照不均和手掌颜色不均的影响,且速度快,抗噪能力强,适合大规模手掌库实现粗筛选。     

基于多维信号特征融合的空间通信目标识别技术

针对空间通信目标个体识别问题,在射频指纹分析的基础上提出了一种多维信号特征融合提取方法。首先分别在时域、频域和高阶谱域对截获的空间通信目标射频信号提取个体多维信号特征,然后对提取的特征进行融合,并应用支撑矢量机对个体进行分类识别,最后采用实测数据对这种识别方案进行了验证。实验表明,通过多维信号特征融合方法可以有效提取空间通信目标的个体信息,并能获得良好的识别效果。     

基于离散余弦变换的手指指节折痕识别

提出了一种新的基于手指指节折痕的生物特征识别方法.针对指节折痕的分布特点,首先对CCD获取的手指图像进行预处理,并在手指的内侧截取一个长方形区域,用来提取折痕特征的感兴趣区域(ROI),该区域包含了手指的第一指节和第二指节的全部折痕线;其次.对ROI图像进行离散余弦变换,然后运用具有带通性质的滤波器去选择那些能很好表征手指折痕信息的余弦变换系数,以形成折痕特征矢量.该算法对光照变化不敏感.最后,在一个手指图像数据库上,利用基于欧氏距离的最近邻分类器进行了算法验证,等错误率(EER)约为0.71%,实验结果验证了该算法的有效性.     

一种基于最小距离编辑法的模糊地址识别模型

由于受到客户方言及语言习惯因素影响,加之呼叫中心客服坐席手工记录客户地址的形式不统一,难以实现精确筛选细化到小区、村庄级别的相近地址,支撑定位客户反映的频繁停电等问题。该文提出了一种地址模糊匹配模型,根据地址信息的字符和拼音形式,利用最小编辑距离算法和支持向量机分类相结合的新型模糊识别方法,能够实现对相近地址的精准研判。仿真结果表明,该方法可以克服谐音字对地址识别的影响,具有计算速度快且识别能力强的优势,能够支撑筛选频繁停电地址等场景应用。     

基于FFT-Matching Pursuit的心电身份识别算法研究

本文研究了心电信号在身份识别中的应用,提出了基于快速傅里叶变换的匹配追踪心电特征提取算法。在预处理阶段,对心电信号进行消噪、标准化和质量检测等预处理,有效去除了心电信号中的噪声和心率变异所带来的干扰。特征提取阶段,对心电模板进行基于快速傅里叶变换的匹配追踪稀疏分解,原子的时频参数和投影值作为特征参数,然后构建支持向量机分类器,实现了身份识别。最后利用MIT-BIH的ST Change、PTB、QT等数据库测试了算法性能,获得了较高的识别率。     

基于子空间特征融合的两级掌纹识别算法

针对单一PCA或PCA只能提取掌纹的线性或非线性特征,单一分类器的掌纹识别率低缺陷,提出一种子空间特征融合的两级掌纹识别方法（PCA-KPCA-SVM）。首先采用子空间特征提取方法PCA、KPCA分别提取掌纹图像线性和非线性特征,然后基于融合特征总类间距离最大准则,计算出最佳的融合系数,得到PCA、KPCA的融合掌纹特征,最后将融合特征输入到欧式距离分类器进行掌纹识别,如果拒绝识别,则输入支持向量机进行二次识别。采用Polyu掌纹图像库进行测试实验,结果表明,相对于对比算法,PCA-KPCA-SVM提高了掌纹识别率,有效降低了掌纹的误识率和拒识率。     

基于距离分布直方图的数字识别算法

由于自由字体与手写体数字形态的多变性,以往研究中具有较高准确率的算法往往牺牲了快速性,而具有实时性优势的算法却容易引起错误率的上升。针对这个问题,提出一种适用于快速数字识别的特征描述子——距离分布直方图(DDH),并在形状上下文的基础上提出一种既易于实现又具一定鲁棒性的描述子——形状累积直方图(SAH);然后将上述两个特征与其他改进后的拓扑特征相结合,组成最终的多特征矢量,由于其子矢量是由不同方法提取出的独特的特征,因此具有互补性;与此同时,算法中用三种组合特征训练了三个支持向量机来作分类器,综合它们给出的结果和自信度来给出最后的分类结果。在自建数据集、MNIST和USPS数据集上的实验结果显示,平均正确率最高达到了99.21%,证明了算法的高效性和鲁棒性。     

基于多特征融合的运动人体行为识别

提出了一种基于特征级融合的运动人体行为识别方法。应用背景差分法和阴影消除技术获得运动人体区域和人体轮廓;采用R变换提取人体区域特征,采用小波描述子提取人体轮廓特征;然后将这两种具有一定互补性的特征采用K-L变换进行融合,得到一个分类能力更强的特征;最后,在传统支持向量机的基础上,结合模糊聚类技术和决策树构建多级二叉树分类器,从而实现行为多类分类。该方法在Weizmann行为数据库上进行了实验,实验结果表明所提出的识别方法具有较高的识别性能。     

基于多维布隆过滤器的模式匹配引擎

针对传统的模式匹配引擎不具备完整报文检测功能的问题和出现的速度瓶颈,提出了基于FPGA实现的多维布隆过滤器解决方案,设计了能够同时检测报头和有效负载的多模式匹配引擎。引擎使用多维布隆过滤器过滤出可疑报文,由位拆分状态机进行精确匹配。分析和试验结果表明：与传统方法相比,基于多维布隆过滤器的模式匹配引擎可以并行检测报头和报文内容,在降低过滤器误判率的同时,有效提高了引擎的吞吐量。     

基于多维向量模型模糊聚类的图像识别研究

从建立像素色彩空间的多维向量模型出发,采用一种改进的模糊C均值聚类算法对图像进行分割,从而得到一组图像像素空间的特征区域向量,并采用特征向量相似度计算方法计算图像相似度,进而比较两幅图像相似度大小,以达到图像识别的目的.通过实验对图像相似识别效果进行验证,实验表明,基于多维向量模型模糊聚类方法在图像识别中有一定应用价值.     

基于多节点信息融合和协作的信号调制方式识别

针对单节点在低信噪比环境下调制识别率低的难题,提出了基于一种多节点信息融合和协作的信号调制方式识别方法。首先设计多个传感器节点协作方案,并提取每节点特征,然后中心节点将各节点特征进行融合,最后采用最小二乘支持向量机建立信号调制分类器。仿真结果表明,相比于其他信号调制识别方法,该方法提高了信号调制识别精度,对信噪比环境具有更好的自适应性。     

小波变换和特征加权融合的人脸识别

在人脸识别领域,提取人脸特征和降低维数是人脸识别的关键。传统的基于小波变换的人脸识别算法仅在小波分解的低频分量上提取用于分类的图像特征,造成了高频分量中部分对识别有利信息的丢失。为了更有效地提取人脸图像特征,提出一种基于小波变换和特征加权融合的人脸识别算法。首先通过小波变换对人脸图像进行降维处理,然后对4个小波子图分别运用主成分分析法(PCA)提取特征,并把这4部分特征加权融合,最后利用支持向量机(SVM)进行分类识别。在ORL人脸库上进行实验验证,识别准确率可达到97.5%,实验结果表明该算法能够有效提高人脸识别能力,与传统识别算法相比具有较高的识别准确率和识别速度。     

基于LSSVM的静态手势识别

支持向量机(Support Vector Machine，简称SVM)，是基于统计学习理论的一种新的模式识别方法，较好地解决了小样本学习问题。通过使非线性空间变换为线性空间，降低了算法的复杂性。LSSVM(Least Squares Support Vector Machine)由于使用线性等式代替了标准的SVM算法中的线性不等式，进一步降低了运算量。利用傅立叶描述子获取静态手势特征向量，通过LSSVM大尺度算法求解方程组来得到LSSVM分类器，进行静态手势识别，取得了较高的识别率。说明如何把静态手势识别结果应用到机器人远程控制中，提高人机交互的友好性。     

多核支持向量域描述在基于图像集合匹配的人脸识别中的应用

目的 图像集匹配是当前模式识别领域研究的一个热点,其核心问题是如何对图像集合建模并度量两个模型的相似性,为此提出一种基于支持向量域描述的人脸识别的方法。方法 支持向量域描述是一种基于支持向量机学习的数据描述方法,可以用于图像集合建模,但是单一的核函数不能准确地描述具有多中心分布的数据。本文通过多核学习扩展了支持向量域描述,提高其对多中心分布数据的表达能力。进一步借助与位置相关的方法对样本动态加权,解决全局权重参数所带来的问题。结果 在公开的基于集合的人脸识别数据库上进行测试,在Honda/UCSD、CMU MoBo和YouTube数据库上,本文方法的识别率分别达到100%、98.72%和62.34%。结论 实验结果表明,在光照条件受控制的监控环境中,本文方法是有效的,并取得了优于其他基于集合匹配的人脸识别算法。     

使用二次特征选择及核融合的语音情感识别

为提高语音情感识别精度,对基本声学特征构建的多维特征集合,采用二次特征选择方法综合考虑特征参数与情感类别之间的内在特性,从而建立优化的、具有有效情感可分性的特征子集;在语音情感识别阶段,设计二叉树结构的多分类器以综合考虑系统整体性能与复杂度,采用核融合方法改进SVM模型,使用多核SVM识别混淆度最大的情感。算法在Berlin情感语音库五种情感状态的样本上进行验证,实验结果表明二次特征选择与核融合相结合的方法在有效提高情感识别精度的同时,对噪声具有一定的鲁棒性。     

基于小波包变换和支持向量机的虹膜识别方法

提出了一种基于小波包变换和支持向量机的虹膜识别方法.用小波包变换对归一化的虹膜图像进行2层分解,并计算出每个子频带的能量;通过选择具有最大能量值的特征作为小波基特征,以减少进入支持向量机的样本数目和提高识别准确率;最后,用支持向量机对虹膜特征进行模式匹配.实验结果表明,该方法取得了较好的识别效果.