随着生物特征识别技术的发展,基于多种生物特征的身份识别技术得到了很大的发展,本文主要研究基于人脸、掌纹相融合的多生物特征识别系统,主要从优化多特征分类器组合和提高单生物特征效率两个方面来提高多生物特征识别系统的性能,主要的研究工作如下:(1)实现了一种核方法应用于高维数据的技术框架,并将其应用于多生物特征识别系统中,该方法主要用于提高对单个生物特征处理效果。为了准确的抽取单生物特征的相关信息,本文采用特征抽取中广泛采用的核方法,但是本文所涉及的数据为人脸和掌纹,均为高维数据,将核方法应用于这些数据时候,将对应着庞大的计算量,如果再将二者融合于同一系统,提高效率成为一个非常关键的问题。本文提出一种在高维数据上实现核方法的新思路及技术框架。该技术框架的一个重要内容是两步特征抽取,其中第一次特征抽取将高维数据转换为低维,然后在低维数据上实现核方法,以实现第二次特征抽取并分类。这样的技术路线可使核方法的实现效率得到较大提升。所有的核方法均可在该框架下实现。实验表明,该框架不仅极具效率优势,且能取得不低于直接基于原高维数据的核方法的分类正确率。(2)提出了一种基于输出向量细节的加权融合算法,并应用于多生物特征识别中。该方法基于单个分类器输出向量的细节,将单特征分类器下样本对应的距离度量转换为后验概率,以给出样本属于各类别的概率,然后使用乘性Bayes原则,得出多生物特征融合时样本属于某一类别的概率。这样的加权融合方法实现简便,物理意义形象直观。与常见的基于识别性能矩阵的加权融合方法相比,避免了对应于各个生物特征的识别性能矩阵的计算,不仅计算复杂度较低,而且内存开销很少。关于人脸与掌纹融合的实验表明,本文方法得出的正确识别率不仅高于基于单特征的正确率,还优于基于识别性能矩阵的加权融合方法。(3)提出了一种基于单个样本具体情况的加权融合算法,并应用于多生物特征识别系统中。该方法根据聚类的思想,具体的分析不同的样本在人脸、掌纹分类器的置信度。并根据此置信度,对于不同的样本赋予人脸、掌纹不同的权值。此方法避免了基于统计信息的加权融合方法对所有测试样本赋予相同权值的缺陷,突出了单个样本自身的特点。实验证明,该加权融合算法是一种有效的加权融合算法,取得了比较高的识别率。