基于广义典型相关分析融合和鲁棒概率协同表示的人脸指纹多模态识别
2018-05-22刘欢喜丁德锐肖建力
上海理工大学学报 2018年2期
张 静, 刘欢喜, 丁德锐, 肖建力
(1. 上海理工大学 光电信息与计算机工程学院,上海 200093; 2. 上海交通大学 科学技术发展研究院,上海 200240)
目前,指纹、人脸等单模态生物特征识别系统已经取得了突破性的进展,但由于其自身的局限性如传感器噪声、类内变化、非普遍性(如特殊人群生物特征的缺失、损伤)和易欺骗伪造,使得它们在实际应用中仍困难重重[1]。为了解决上述单模态生物特征识别系统的缺陷,多模态生物特征识别系统被提出。该系统融合来自同一对象的多种生物特征信息,被认为具有更高的准确性和更强的安全性[2]。目前,许多科研工作者对这方面的研究产生了浓厚的兴趣。由于人脸和指纹是两种最自然、最直观的生物特征[3],为此本文研究了二者特征融合的多模态识别算法。首先回顾了多模态信息融合和稀疏表示分类器的相关知识,给出了多模态识别系统的总体框架,然后对广义典型相关分析(generalized canonical correlation analysis,GCCA)特征融合和鲁棒概率协同表示分类器分类进行了详细阐述,最后对提出的算法进行实验验证。实验结果表明,所提出的方法具有较高的准确性和较强的鲁棒性。
1 相关回顾
多模态生物特征识别的关键是不同信息之间的融合,主要包括传感器层、特征层、匹配层、决策层4种融合方式[4]。其中,特征层融合包含信息最丰富,对提高系统的识别性能最有利。然而,由于不同特征融合时存在不兼容性[5],使得多模态特征融合面临挑战。而且,多个特征向量进行融合时易出现“维数灾难”,如传统的串联[6]和并联[7]融合方法。……
登录APP查看全文
