挤压形变下的耳纹识别技术的研究与仿真

在耳纹优化识别问题的研究中,耳朵在和硬物挤压过程中,会产生耳纹.关联性的耳纹特征对人体身份具有识别意义.但是,耳纹特征都是在挤压状态下产生,很难保证特征的完整性和关联性.传统意义上的生物识别方法多是需要完整特征,在耳纹特征残缺或者挤压造成特征形变的情况下,传统方法虽然能识别出特征,但是对应过程会产生大量的干扰,造成假识别,漏识别的问题.为此,提出一种关联特征对应参数调整的耳纹识别技术.通过对应的耳纹关键部位特征进行关联程度的计算,针对耳部挤压产生的形变问题,在关联度计算中,加入形变因子度量函数,最大化计算耳纹产生的类内形变程度.仿真结果表明,改进方法避免了由于耳朵挤压时形变过于剧烈造成的耳纹残缺干扰缺陷,提高了耳纹验证的准确率.     

基于人体身型曲线特征的身份鉴定技术

研究人体身型特征的身份识别,提高身份准确性问题。针对传统的人体身份识别技术,都是用直线距离近似表示人体身型的几何特征,但是人体身型中的大部分真实几何特征距离都是空间曲线距离,会导致测量的身型几何特征结果不够精确,造成后期的身份识别准确性不高的问题。为了解决上述问题,提出一种基于近似曲线几何特征的身份鉴定方法,运用近似曲面分割逼近技术,求出人体身型几何特征点之间的最短近似路径,运用多个最短路径逼近方法,准确获得人体真实的身型几何特征信息。实验结果表明,改进的方法能够准确提取三维人体身型几何特征,使得身份识别准确率大幅增加。     

一种用于动态图像序列的人脸识别算法

研究基于动态图像序列的人脸准确识别。人体在运动的过程中,脸部会发生较大幅度的震动,造成人脸姿态特征不可避免的发现形变,造成对图像的干扰,识别误差较大。传统的识别方法多是以人脸姿态特征作为识别的基础的静态识别,一旦人体运动幅度加大,人脸姿态特征发生变化,必然造成识别的准确度下降。为了避免上述问题,提出了一种利用Curvelet布尔核转换的动态图像序列人脸识别的算法。利用Curvelet转换算法对全部动态图像序列相关参数进行降维处理,利用布尔核转换将形变较大的人脸关键细节特点进行约束分类,建立多约束的完整动态人脸特征模型,保证姿态形变可控,最终实现了运动中的人脸识别。实验证明,利用上述算法进行运动中的人脸识别,提高了人脸识别的准确率。     

基于图像分割的扭曲鼻纹识别模型仿真

鼻纹特征是当前最新研究的生物识别特征,对身份的鉴定有着重要的意义.鼻子的纹路较细小,只有在挤压过程中,才能留下纹理特征.但是,挤压过程本身对特征就形成了一定的破坏,使得特征扭曲变形,无法形成完整特征.传统的生物识别方法多是依靠完整生物特征,在鼻纹特征残缺或者挤压造成特征形变的情况下,虽然能识别出特征,但是对应过程会产生大量的干扰,造成假识别,漏识别的问题.提出采用鼻纹图像小区域分割的扭曲识别方法.针对扭曲鼻纹图像进行矩阵重组,根据重组结果进行分割,完成扭曲鼻纹图像的分类,利用自适应迭代出不同区域的识别阀值,设定识别过程中的最优阀值,最终完成扭曲鼻纹图像的识别.仿真结果表明,利用改进算法进行扭曲鼻纹图像识别,能够有效提高识别的准确率.     

基于动态MFCC的说话人识别算法

提出了一种基于动态MFCC特征的说话人识别算法.该算法根据说话人的基音频率随语境变化的特点,通过动态构建基于说话人基音频率的Mel-滤波器组,以抽取可以表征说话人身份特征的动态MFCC参数,提高说话人辨识的准确性和鲁棒性.此外,本文还讨论了基于高斯混合模型的分类器设计问题,给出了一个通过聚类分析获得高斯混合模型的最优混合度与相关模型参数的初始估计的方法.实验证明,本文所提出的方法在实际中能够获得较好的识别结果.     

基于智能手机运动传感器的步态特征身份识别方法

利用行为特征进行身份验证是生物识别的前沿技术。为优化基于步态特征的身份识别研究中对数据的处理并改进识别的方式，提出利用智能手机运动传感器数据提取步态特征用于身份识别的方法。首先，应用空间转换算法解决传感器坐标系漂移问题，使数据可以完整准确地刻画行为特征；然后，利用支持向量机（SVM）算法对用户切换所导致的步态特征变化进行分类识别。实验结果表明，经过欧拉角法处理后，所提方法识别准确率达到95.5%，在有效识别用户变换的同时降低了空间开销和实现难度。     

利用轨迹模板匹配方法的实时动态手势识别

利用混合高斯模型进行运动检测,分割出运动前景,采用粒子滤波器结合皮肤椭圆模型进行手势跟踪,获得手势中心点运动轨迹,在此基础上提出利用轨迹模板匹配方法进行动态手势识别.该方法利用基本的几何和三角函数就能完成手势运动轨迹的定义和识别,不需要选择特征或训练样本.实验结果表明,该算法能够实现实时动态手势识别.     

基于步态特征的身份识别算法研究

步态识别根据人走路的姿势进行身份识别,由于人在行走时在空间呈现出的不同几何模式,单一几何特征难以全面描述步态特征,导致身份识别正确率不高。为提高身份识别的正确率,提出一种空间和频率特征模式相融合的身份识别算法。首先利用摄像机采集步态图像序列,然后分别采用极坐系和傅里叶变换提取步态空间特征和频率特征,并对两种特征进行融合,最后采用支持向量机对融合特征进行学习和分类,进行身份识别。结果表明,相对于单一步态特征为参数的身份识别算法,融合算法的身份识别正确率有了明显提高,且具有更好的稳定性。     

基于高斯概率模型的字符识别算法的研究

提出了一种新的基于高斯概率模型的字符识别算法,该算法根据模式识别的样本分布特征与高斯分布的一致性,构建了一个高斯概率模型.在模型中存储概率为P的训练样本,分类识别时,将测试样本与模型进行相关计算得出概率值,进行判断.结果表明,该算法识别速度快,准确率高,与其他字符识别算法(KNN)相比有更好的实用性.     

关于人脸识别技术在商业银行方面的应用——基于计算机视觉

随着高科技手段的发展与应用,依靠人的身体特征来进行身份验证的生物识别技术可以代替现有的身份识别技术。人脸识别技术作为生物识别技术的一种,以其特有的稳定性、唯一性和方便性等特征,被越来越广泛地被应用在需要身份识别的领域。本文主要从计算机在生物识别技术和人脸识别技术方面的应用、人脸识别系统的组成、以及人脸识别技术在商业银行方面的应用等方面论述了人脸识别技术在身份识别方面的应用。