基于人耳的个体识别系统研究

2016-08-29唐婉冰邵鹏威邹双徽

中国科技信息 2016年12期

唐婉冰邵鹏威邹双徽李琛

基于人耳的个体识别系统研究

唐婉冰邵鹏威邹双徽李琛

北方工业大学计算机学院
唐婉冰（1994-）本科生，就读于北方工业大学计算机学院，研究方向为数字图像处理、模式识别；邵鹏威（1994-）本科生，就读于北方工业大学计算机学院，研究方向为数字图像处理、模式识别；邹双徽：（1994-）本科生，就读于北方工业大学计算机学院，研究方向为数字图像处理、模式识别；李琛（1984-）女，博士，讲师，任职于北方工业大学计算机学院，研究方向为数字图像处理、模式识别。

本论文受“北京市大学生科学研究与创业行动计划”和“北方工业大学大学生开放实验项目”资助

link

评估值210万

appraisement

行业曲线

industry

本文基于matlab平台实现了一个简单的人耳识别系统的界面开发。该系统以北京科技大学USTB人耳库（3）图像为样本，用不同识别算法提取训练样本特征，最后用不同匹配算法分类识别得出结果，实现了对不同识别算法识别效率的比较和个体匹配功能。该系统对特征提取的速度较快，识别结果较为准确，对实际应用有一定的参考价值。

在高度信息化的社会中，信息安全和公共安全的重要地位日益突出，许多领域都在不断地对个体识别和个体身份验证提出新的要求和挑战。不同于其他传统的生物特征，如人脸、视网膜、指纹、步态等，人耳具有其独特的优势。人耳特征相对稳定，不受化妆、表情的影响，也不易损伤；人耳具有远距离非接触性，易被接受，图像数据易从视频或照片信息中获取，数据采集方便；人耳图像表面小，信息处理量少。因此，吸引了越来越多研究者的关注。

人耳识别系统

人耳识别系统是以人耳图像为识别对象，完成对个体对象的身份识别等一系列过程的总和。基于MATLAB平台，本文实现了一个简单的基于PCA、LBP、SVM算法的人耳识别系统的图形用户界面，其基本功能包括：对不同识别算法识别效率的比较和个体匹配。

系统界面

基于MATLAB搭建的人耳系统界面，如图1所示，该系统主要由3个部分组成：特征提取，对选取不同识别算法下识别率的比较，个体匹配。特征提取是将人耳库中的图像分别用PCA算法和LBP算法提取出相应的特征；对不同识别算法下识别率的比较是更直观的选出最优识别和匹配算法；个体匹配实现的是对任意选取的人耳图像，判断其对应的个体身份的功能。

USTB人耳库

本文的实验对象为北京科技大学USTB人耳图像库（3），此图像库有395张人耳侧面图像（79个人，每人5张），图像采集显示的分辨率为768*576，且正侧面光照恒定。人耳库中的部分图像如图2所示。

系统流程

该系统可分为两个模块，对不同方法识别率的比较和个体匹配。

图1 人耳识别系统界面

对不同方法识别率的比较过程大致可分为4个过程：1）读取人耳库中的图像；2）对整幅图像进行降噪等预处理；3）分别利用不同算法进行特征提取，模式识别；4）分别显示出不同方法的识别率。

个体匹配的主要流程为：1）在USTB人耳库中随机选取一张人耳图像；2）用PCA+SVM算法提取出此图像的特征；3）判别出为第几个人的人耳图像。

图3 训练集：测试集=1：3

图4 训练集：测试集=2：2

图5 训练集：测试集=3：1

图6 个体匹配结果

图2 人耳库中的部分图像

特征提取

主成分分析

主成分分析（principal component analysis，PCA）是一种基于统计分析的特征提取方法，PCA的具体实现是将人耳图像按行展开后所形成的一维向量进行Kahunen-Loeve变换，获得其正交的n维K-L基底，以一组数量小于样本空间维数的正交基为特征空间，将人耳图像投影到此空间上，通过降低特征维数来降低计算复杂度。

局部二值模式

局部二值模式（local binary pattern，LBP）算子是一种有效的纹理信息描述方法，通过度量和提取人耳图像中的纹理信息，得到更健壮、鲁棒的纹理信息表示。由于LBP不仅能描述出图像中的微小特征，且具有任意单调变换不变性、分类能力强，如今已在人耳人脸图像分析、纹理分类、图像检索等领域广泛应用。