论文部分内容阅读
生物特征识别技术是一种利用人体自身的生理特征或者行为特征来进行身份认证的技术,近年来,生物特征识别技术在国防、金融和个人信息安全方面得到了广泛的应用。常见的人体生物特征有人脸、指纹、签名和虹膜等,但是每种生物特征具有其优点的同时,都有其难以克服的不足,为了弥补单一生物特征的缺点,多生物特征融合技术应运而生。多生物特征融合技术可以利用多个生物特征的互补信息来弥补单一生物特征的不足,提高身份认证的准确率。本文在签名、人脸和指纹身份认证的基础上,研究了多生物特征融合的身份鉴别技术。 本文的主要内容如下: (1)阐述人脸识别的原理。首先介绍人脸图像的采集,对于采集到的包含人脸的原始图像,利用AdaBoost检测算法对人脸进行定位和分割,将人脸图像从原始图像中分离出来,然后用PCA和LDA方法提取出人脸在低维空间中的投影特征,最后采用基于距离的分类方法进行人脸识别。 (2)阐述指纹识别的原理。首先介绍指纹图像的采集,对于采集到的指纹图像进行预处理,预处理过程包括去噪和利用OPTA算法细化指纹图像,然后提取指纹的细节点特征,包括端点和分叉点,最后采用界限盒的方法进行模板匹配。对人脸和指纹识别的理解,可以为多生物特征融合打下基础。 (3)签名的多特征融合鉴别。首先介绍签名的样本采集和签名的分割,对分割后的签名进行预处理,本文对签名特征做了深入研究,提出了一种利用Hessian矩阵来提取签名局部方向特征的方法,弥补了已有签名特征的不足。最后利用RBF神经网络将本文提出的局部方向特征与ET1DT12特征以及矩特征进行融合鉴别。实验结果表明,签名多个特征的融合可以比较显著的提高签名鉴别的准确率。 (4)多生物特征融合的身份鉴别。首先介绍了多生物特征的融合理论,包括融合的原理以及融合的四个层次,然后建立了一个多生物特征的融合系统,首先利用RBF神经网络将签名和人脸特征在特征层进行融合鉴别,然后将鉴别结果与指纹模板匹配的结果在决策层进行融合,融合系统在提高准确性的同时,适应性也得到了提高。