基于改进PSCO-SVM的多生物特征融合技术的研究

为了解决单通道生物特征识别的缺陷,在信息融合的基础上提出了一种基于人脸和语音融合的生物特征识别模型,实现了特征层的融合。对人脸图像采用主成分分析法(PCA)进行特征提取,对说话人采用fisher判别进行特征维数的约简。同时,提出一种基于PSO的多粒子群协调优化(PSCO)方法,并将其用于训练SVM来实现人脸和语音的混合认证系统,实验结果表明该方法取得了较好的识别效果。     

基于个性特征的实时人脸比对方法

人脸的个性特征可以很好地描述某个人的人脸,而人脸个性特征的正确选择对人脸比对至关重要.因此提出了基于个性化特征分析的实时人脸比对方法.该方法首先利用Adaboost算法进行人脸定位,接着由主动表观模型AAM进行特征点的自动标定,然后给出了人脸个性特征参数的选择方法.在特征参数权重分析基础之上,提出了基于加权模板的人脸比对算法和模板阈值确定方法.实验结果表明,该方法不仅简单有效,而且在拒识率和误识率方面可以取得比较好的综合效果,适用于实时人脸考勤门禁系统.     

一种基于数据融合的身份识别方法

针对单一生物特征身份识别由于传感器噪音及特征破损等缺陷导致识别率低的问题,从信息融合角度出发,提出一种基于语音和人脸的多生物特征身份识别方法.分别提取语音特征和人脸特征作为识别的依据,并用神经网络在特征层上进行融合识别.实验证明,该方法相对单一生物特征身份识别,在同等条件下具有更高的识别率.     

基于拓扑学及指纹分类的指纹匹配算法

随着计算机和网络的迅速发展,基于生物特征识别的智能身份认证技术正受到越来越多的关注。由于指纹识别技术是生物识别领域技术中最成熟的一门应用技术,使得指纹识别成为目前应用最广泛、可信度最高的个人身份认证技术之一。文中依据指纹图像中细节特征点之间的关联性给出了一种指纹识别算法。该算法首先基于指纹分类学的思想,利用中心点和三角点的数量信息对待识指纹图像进行初匹配,然后基于拓扑学思想用可靠性较高的分叉点方向场及其与中心点的方向场差寻找出基准点对,最后利用可变限界盒实现指纹匹配。实验中,该算法使匹配速度提高了40％,误识率和拒识率略有下降,约0．5％。实验结果表明,该算法能快速、准确地定位基准点对,有效地解决提取基准点时的噪声影响,正确有效地实现指纹匹配,同时提高匹配速度及精确度。     

改进证据理论的多生物特征融合方法

多生物特征融合考虑了个体的多种生理或行为特征,因而能显著地改善系统的识别性能,成为生物特征识别技术未来发展趋势之一。利用训练样本的识别率和误识率,提出了基于证据理论的多生物特征融合识别方法;对各识别专家的识别率和误识率进行分析,提出了一种基于累积频率和证据理论（Cumulative Frequency based D-S,CFDS）的多生物特征融合方法;通过几个实验证明了改进的D-S算法的有效性,提高了合成结果的可靠性。     

基于指纹和声纹的身份认证技术研究

基于生物特征识别的身份认证技术已经应用于多个领域,然而单一的生物特征有各自的优缺点,为了提高身份认证的安全性和鲁棒性,对多生物特征进行融合便成为了身份认证技术新的研究方向。将指纹识别和声纹识别通过加权融合的方法在匹配层进行融合,实验结果表明,融合系统的等错误率(EER)比指纹识别和声纹识别提高了0.3%~0.4%,证明了融合系统识别率有所提高。     

融合LeNet-5和Siamese神经网络模型的人脸认证算法研究

基于人脸信息的身份认证对于个人安全和社会稳定都具有非常重要的意义。传统的人脸认证方法依赖人工构造视觉特征,易受外界条件影响,识别精度不高。深度学习模型以自主学习方式进行特征提取,能从复杂的数据中提取到人脸的隐性特征。然而大部分深度学习人脸认证方法需大量带有身份标记的训练样本,额外增加了标记数据的成本。针对以上问题,提出了融合LeNet-5和Siamese神经网络模型的人脸认证算法。该算法在Siamese神经网络框架基础上,引入LeNet-5卷积神经网络,将单分支LeNet-5卷积网络扩充为结构相同且参数共享的双分支LeNet-5卷积网络,通过缩小卷积核、增加卷积层来调整网络结构,使用Contrastive Loss函数对融合网络进行训练。实验结果表明,该算法在不同的人脸数据集上,均获取较高的识别精度。     

一种基于深度神经网络的话者确认方法

主要研究基于深度神经网络的话者确认方法。在训练阶段,以语音倒谱特征参数作为输入,说话人标签作为输出有监督的训练DNN;在话者注册阶段,从已训练的DNN最后一个隐藏层抽取与说话人相关的特征矢量,称为d-vector,作为话者模型;在测试阶段,从测试语音中抽取其d-vector与注册的话者模型相比较然后做出判决。实验结果表明,基于DNN的话者确认方法是可行的,并且在噪声环境及低的错误拒绝率的条件下,基于DNN的话者确认系统性能比i-vector基线系统性能更优。最后,将两个系统进行融合,融合后的系统相对于i-vector基线系统在干净语音和噪声语音条件下等误识率(EER)分别下降了13%和27%。     

一种基于VQ的有限非特定人汉语短语识别方法

研究了基于VQ的有限非特定人汉语语音命令的识别方法，识别对象是有限的特定人群(如5到6人)、有限汉语短语。该文采用MFCC作为识别特征，利用改进的LBG算法训VQ码本，为了提高识别率和拒识率，提出了采用倒谱距离法的有效语音端点检测方法以及实用的拒识方法。实验结果证明，系统在具有背景噪声的一般办公环境下由有限人训练后，当训练的说话人与识别系统的距离在0.5m的范围内时，测试识别率达到99％以上，未训练说话人的拒识率达82％。     

基于三角范数的多模态手指生物特征的分数层融合方法

多模态的生物特征融合已成为目前生物识别研究领域的主要发展趋势,从防伪性角度出发,满足普适性和易采集、易接受性的应用需求,提出了基于手指静脉,并结合指纹、指关节纹和指形的分数层融合来实现多模态生物特征的身份认证方案。实验结果表明,本文提出基于Sugeno-Weber三角范数的分数层融合方法,能够增大类内与类间匹配分数分布间的距离,提高了多模态生物特征的身份认证性能。     

基于CCA的人耳和侧面人脸特征融合的身份识别*

鉴于人耳和人脸特殊的生理位置关系,从非打扰识别的角度出发,提出仅采集侧面人脸图像,利用典型相关分析的思想提取人耳和侧面人脸的关联特征,进行人耳和侧面人脸在特征层的融合.实验结果表明,此方法与单一的人耳或侧面人脸特征识别比较,识别率得到提高.     

Generation of new points for training set and feature-level fusion in multimodal biometric identification

Multimodal biometrics has gained interest in the recent past due to its improved recognition rate over unibiometric and unimodal systems. Fusion at feature level is considered here for the purpose of recognition. The biometrics considered for fusion are face and iris. Here, new face images along with iris images are generated, and they are included in the training set. Feature-level fusion is incorporated. The recognition rates of the classification algorithm thus obtained are statistically found to be significantly better than the existing feature-level fusion and classification techniques.     

现代生物特征识别技术发展综述

生物特征识别技术作为一种身份识别手段具有独特的优势,是近年来国际上的研究热点,对信息安全有重要意义.文章简单介绍了几种典型的生物特征(如指纹、人脸、虹膜等)和语音识别技术方法,对各种方法的特点作了比较说明,对生物特征识别技术的应用领域和发展首景作了较详尽的分析.     

FaceEncAuth：基于FaceNet和国密算法的人脸识别隐私安全方案

人脸识别中,人脸特征作为生物特征的一种,具有唯一性、不可撤销性,一旦遭到攻击、篡改或泄露,用户隐私安全将面临巨大威胁。针对这一问题,提出一种基于深度学习和加密算法的人脸识别隐私安全方案。该方案中,利用FaceNet深度学习算法来高效提取人脸特征,协调生物特征模糊性与密码系统的精确性,采用CKKS全同态加密算法进行人脸识别密文域的运算,通过国密SM4算法增强人脸特征密文抵抗恶意攻击的能力,利用其对称密码的性质兼顾了安全性和运算效率,而SM9非对称密码算法则用于SM4算法对称密钥的管理。实验结果及分析表明,该方案在不影响人脸识别准确率、效率的前提下提高了数据传输、存储和比对的安全性。     

Multimodal biometrics: Weighted score level fusion based on non-ideal iris and face images

The iris and face are among the most promising biometric traits that can accurately identify a person because their unique textures can be swiftly extracted during the recognition process. However, unimodal biometrics have limited usage since no single biometric is sufficiently robust and accurate in real-world applications. Iris and face biometric authentication often deals with non-ideal scenarios such as off-angles, reflections, expression changes, variations in posing, or blurred images. These limitations imposed by unimodal biometrics can be overcome by incorporating multimodal biometrics. Therefore, this paper presents a method that combines face and iris biometric traits with the weighted score level fusion technique to flexibly fuse the matching scores from these two modalities based on their weight availability. The dataset use for the experiment is self established dataset named Universiti Teknologi Malaysia Iris and Face Multimodal Datasets (UTMIFM), UBIRIS version 2.0 (UBIRIS v.2) and ORL face databases. The proposed framework achieve high accuracy, and had a high decidability index which significantly separate the distance between intra and inter distance.     

融合理论在步态识别中的应用研究

近年来,基于信息融合理论的步态识别已成为生物特征识别领域最为活跃的研究方向之一。从特征级融合和决策级融合两种层次,多特征融合、多模态融合以及多视角融合3个方面对融合理论在步态识别中的应用进行了综述。进一步,为了研究融合理论对步态识别算法性能的影响,提出一种融合了静态形体特征和动态模型特征的步态识别算法。通过在CMU步态数据库上的详细实验比较和分析,研究了不同融合策略以及步速变化对步态识别算法性能的影响。     

人脸特征的SIFT保护算法

人脸识别技术在门禁、视频监控等公共安全领域中的应用日益广泛,人脸特征数据的安全性和隐私性问题成为备受关注的焦点。提出一种基于SIFT的人脸特征安全保护新算法,首次将随机投影应用到对人脸特征数据的保护中。该算法首先利用SIFT特征对旋转、尺度缩放、光照变化等具有较好稳定性的特点,提取有较好鲁棒性的人脸数据;然后根据用户密钥对SIFT特征进行不可逆变换,生成具有可重建性的人脸特征模板数据,从而实现对人脸特征数据的保护。实验表明,该算法在CMU、AR和Feret人脸数据库中均取得较高的识别率,不仅对人脸特征数据具有保护作用,并且对姿势、遮挡和表情的变化具有较高的鲁棒性。     

Automated Teller Machine Authentication Using Biometric

This paper presents a novel method of a secured card-less Automated Teller Machine (ATM) authentication based on the three bio-metrics measures. It would help in the identification and authorization of individuals and would provide robust security enhancement. Moreover, it would assist in providing identification in ways that cannot be impersonated. To the best of our knowledge, this method of Biometric_ fusion way is the first ATM security algorithm that utilizes a fusion of three biometric features of an individual such as Fingerprint, Face, and Retina simultaneously for recognition and authentication. These biometric images have been collected as input data for each module in this system, like a fingerprint, a face, and a retina module. A database is created by converting these images to YIQ color space, which is helpful in normalizing the brightness levels of the image hence mainly (Y component’s) luminance. Then, it attempt to enhance Cellular Automata Segmentation has been carried out to segment the particular regions of interest from these database images. After obtaining segmentation results, the featured extraction method is carried out from these critical segments of biometric photos. The Enhanced Discrete Wavelet Transform technique (DWT Mexican Hat Wavelet) was used to extract the features. Fusion of extracted features of all three biometrics features have been used to bring in the multimodal classification approach to get fusion vectors. Once fusion vectors ware formulated, the feature level fusion technique is incorporated based on the extracted feature vectors. These features have been applied to the machine learning algorithm to identify and authorization of multimodal biometrics for ATM security. In the proposed approach, we attempt at useing an enhanced Deep Convolutional Neural Network (DCNN). A hybrid optimization algorithm has been selected based on the effectiveness of the features. The proposed approach results were compared with existing algorithms based on the classification accuracy to prove the effectiveness of our algorithm. Moreover, comparative results of the proposed method stand as a proof of more promising outcomes by combining the three biometric features.