胡正豪 翟 昊 姜兆祯 周川川

（陆军炮兵防空兵学院信息工程系 合肥 230031）

1 引言

现实生活中，身份识别技术在很多行业已经广泛推广开来，成为一个产业智能发展的标志，其中大多数使用的都是人脸识别［1］、指纹掌纹识别［2］或者语音识别［3］等单一的识别技术，但是在光照、噪声等恶劣条件下，单一的模态识别容易引起误判，造成不可估量的损失。

目前，社会上也有对多模态融合识别的研究［4～5］，比如匹配层融合、决策层融合；但是，基于音视频特征层的融合识别研究甚少，主要因为特征融合的难度较大，不同模态不同维度不易融合。针对此类情况，本文提出一种将声音匹配值作为特征值与人脸图像主成分提取特征融合进行支持向量机分类的算法。首先，提取声音训练信号的梅尔特征值构建高斯混合模型［6］，然后利用测试语音获取匹配值，进行归一化处理，结果作为语音特征值；然后将人脸图像依次进行小波变换、主成分分析获得特征值；最后，将两个特征值进行融合，得到整体特征向量，放入支持向量机进行分类识别。通过实验证明，该方法取得了较理想的实验结果，对于单一噪声的影响具有较高的抗噪能力，并且在一定条件下，具有更高的识别率。

2 语音特征提取

语音特征的提取方式有许多［7～8］，但是考虑要与图像特征相融合，本文采用的方法是基于Mel频率倒谱系数的高斯混合模型得分归一化作为语音特征。经过多次实验检验，未进行归一化的数据不能进行SVM的分类识别，更不能进行融合。……