论文部分内容阅读
当今社会,计算机网络带来信息的高速交互和发展,信息安全在电子商务、机密保护、视频监控等对信息的机密安全要求较高的应用领域显得尤为重要。而身份识别作为保证系统安全的必要前提,已成为一个亟需解决且值得关注的问题。而生物特征识别技术由于其独特性、可靠性、安全性、鲁棒性等优点已经成为身份识别领域的热点,拥有良好的市场前景和广阔的应用领域。但研究发现,单一的生物特征识别在普适性、准确率防伪性等方面尚且有缺陷。因此基于多生物特征融合的身份识别系统应运而生,利用了某些条件下多种生物特征的互补性来提高身份识别系统的性能,降低噪声干扰和类内差异、类间相似等问题,提高了识别系统的安全性和准确率,可以适用于更加广泛的人群。在此前提下,本文设计了融合人脸和步态两种生物特征实现身份识别的多生物特征识别方案。采用了实时性好、准确精度高的单一生物特征提取与分类匹配算法,提出了基于决策层的自适应多生物特征融合识别方法,提高了身份识别的准确率。在人脸识别方面,采用结合Open Cv工具箱的Adaboost级联分类器方法进行多角度人脸检测,并采用非负矩阵分解NMF提取人脸特征,利用欧式距离矩阵进行人脸识别和分类。步态识别方面,在步态能量图GEI的基础上根据左右步态轮廓线进行步态轮廓图调整的基础上生成动态能量矩阵DEM(Dynamic Energy Matrix),并通过PCA主分量分析后,根据相似度函数对每个测试对象进行分类。在多生物特征融合方面,提出了一种基于决策层的多角度人脸和步态的自适应融合识别方法,提取人脸和步态特征并分别获取测试图像到训练图像库的欧式距离数组集合,利用非线性规划将每个生物特征的距离匹配值进行自适应分配权值以获得最优的联合匹配分数,达到最好的信息融合结果,由于该融合权值会随着不同的测试对象和角度发生变化,因此有一定的实时性和适应性。实验结果表明本文提出的融合方法的识别性能要优于单一生物识别方法以及最大法则、加权法则等静态融合算法,能达到好的信息融合效果。