论文部分内容阅读
身份认证与识别是人类社会日常生活中的基本活动之一。随着社会的发展和要求,国家公共安全、信息安全等领域更需要高可靠性身份认证技术。而基于人脸特征的认证技术是满足这些需求的重要途径。隐马尔科夫模型(Hidden Markov Model,HMM)可以较好地表征人脸器官之间的关联,故可以应用于人脸的建模与认证中。本文的贡献主要有:将改进的E-HMM应用于人脸认证领域,研究了多种观测向量优化方法对认证率的影响,并进行了系统实现。具体内容如下:(1)对于人脸认证来说,由于每个用户的观测向量数据量相对较少,同时并不需要过多地考虑计算时间。因此,获得良好的HMM观测向量对于提高人脸认证的效果具有很高的重要性。本文采用了多种特征提取的方法来对HMM观测向量进行优化。分别应用了具有优良的空间局部性和方向选择性的Gabor变换、小波变换,以及具有良好的去相关特性的DCT和K-L变换对HMM的观测向量进行了优化。实验表明,观测向量的优化使得认证率有不同程度的提高。(2)采用嵌入式隐马尔科夫模型(Embedded Hidden Markov Model,E-HMM),结合优化的观测向量,对二维人脸图像进行建模分析,对模型进行训练。然后利用训练好的隐马尔科夫模型完成人脸认证。提出了在认证中的动态阈值的方法,增强了认证模型的自适应能力,使认证性能有较大提高。(3)系统设计在很大程度上影响着算法应用的成败,良好的系统设计可以起到事半功倍的效果,使核心算法发挥最佳的功效。本文设计并实现了归一化人脸捕获方法,提出了认证系统现场环境的设计方案,完成了基于人脸信息的身份认证系统,获得了较为理想的效果,系统具备了一定的应用价值。本文将隐马尔科夫模型(HMM)应用于人脸认证领域中,优化了HMM的观测向量,提出了动态阈值调节的方法。实验证明,获得了良好的认证效果。实现了基于人脸信息的身份认证系统,提出以后科研工作的方向和目标。