张 露 王华彬 陶 亮 周 健

1(计算智能与信号处理教育部重点实验室(安徽大学) 合肥 230601)

2(安徽大学媒体计算研究所 合肥 230601)

(zldiol@163.com)

传统的单模态生物特征识别技术[1]，如人脸识别[2]、虹膜识别[3]以及指静脉识别[4]等，虽然取得了不错的成效，但由于其单一模态的固有限制，仅靠单模态的生物特征识别技术已不能满足日益提高的安全性等要求.而多模态融合技术[5-6]是将同一个生物的多个不同的生物特征，按照某种融合规则融合成一个整体进行识别，具有更强的区分性和安全性，可以做出更为精确的识别.因此多模态融合技术已成为近年来的研究热点.1998年，Hong等人[7]首次尝试将指纹和人脸的生物特征融合规则融合成一个整体进行识别，识别精确有了很大幅度的提高.Jain等人[8]提出了基于指纹人脸和手行的多生物特征识别技术.Jing等人[9]首次尝试了基于人脸和掌纹图像的融合识别技术.袁广林等人[10]提出了基于自适应多特征融合的目标跟踪算法.支力佳等人[11]融合多种特征点信息的最小生成树应用到医学图像上进行配准.文献[12-13]分别将层次特征信息、整体和局部信息进行融合，提高了图像的分类效果.

多模态融合技术一般可以分为4个部分，分别为生物特征信号的获取、特征提取、特征匹配和分类决策.根据融合信息的不同，可分为传感器层融合[14]、特征层融合[15]、分数层融合[16]、决策层融合[17].图1为多模态融合技术的组成以及融合层次.其中，分数层融合是最常……