论文部分内容阅读
生物特征识别技术与传统基于密码或ID卡的身份认证方式相比,具有更好的安全性、可靠性和有效性。研究表明,人的脚印是独一无二的,它与其他的生物特征同样重要,例如人脸,指纹等。目前根据脚印的获取方式不同,主要分为双脚站立、动态脚印以及单脚印的研究,然而基于双脚和动态脚印的研究在数据采集便利性和稳定性方面存在一定的局限性。基于单脚印的研究所需设备简单,费用低,采集单个脚印图像就能实现人身识别与验证,适用性更加广泛。所以基于单脚印生物特征的研究是具有重要意义的。本文主要目的是研究基于单脚印的人身识别和验证算法,本文的主要创新工作如下:1)提出了单脚印加权局部结构和区域加权压力方向强度特征的表达算法。根据人脚的脚型特点和局部形状关系,提取了单脚印的加权局部结构特征。由于每个人的行走和站立习惯具有较明显的差异,提取了单脚印的区域加权压力方向强度特征。2)提出了基于特征可分性和互信息结合的特征融合算法。根据特征的可分性和互信息计算特征权重因子,使得单脚印识别和验证系统的性能更优。3)提出了基于选择性的多分类器决策融合算法。利用分类器的分类准确率和分类器之间的差异性选择出分类器性能好并且差异性较大的分类器。同时,为了充分利用不同分类器的优势,利用不同的判据因子选择不同的融合模型进行多分类器融合,以提高单脚印识别性能。4)为了评估本文算法的性能,构建了 MUR2RV2脚印数据库。其包含来自1115名志愿者的4748幅单脚印图像。该数据库包含MUR2RV2-I,MUR2RV2-V和MUR2RV2-C三个子集,它们用于评估算法的识别性能、验证性能和特征的持久性。本文从MUR2RV2-I数据集中每类随机选取3幅图像共3345幅图像作为训练图像,剩余1115幅图像作为测试图像,四次实验的平均识别率作为最终识别率。实验证明该算法优于现有算法,识别率达到97.13%。本文采用MUR2RV2-V作为验证集进行单脚印人身验证,共进行了 13380次正样本匹配和19873760次负样本匹配。当FAR为0.1%时,FRR为5.97%,并且具有较低的EER值为1.67%。实验证明,本文算法的验证性能比现有算法更优。最后,本文采用MUR2RV2-C作为持久性评估集来进行识别和验证实验。通过实验,算法性能并未随着采集时间和设备的变化发生明显的变化,从而证明了本文中所提特征具有较好的持久性。