魯棒性多生物特征身份識別中若干關鍵問題的研究.pdf

1、生物特征識別認證技術可分為單模式(unimodal)生物特征識別認證和多模式(multimodal)生物特征識別認證技術。目前的每種單模式生物識別認證技術在準確率、用戶接受程度、成本等方面都有一定的限制。相對單模式生物特征認證技術，多模式生物特征認證技術利用了多個生物特征，結合了數據融合技術，進一步提高了認證的準確率，有效的解決了單模式生物特征識別認證技術的限制和缺點。但是多生物特征識別技術均受到單生物特征識別技術成熟度的影響。目前，由

2、于單生物特征識別技術還不完善，因而目前的多生物特征識別技術的系統(tǒng)魯棒性不盡人意。同時系統(tǒng)在處理樣本維數高和訓練數據量少的情況下的識別任務時還存在很多問題。針對以上問題，本文以人臉與語音為生物識別認證特征體，研究了多模式生物特征的魯棒快速身份識別認證問題。本論文的主要貢獻總結如下：
　　 1)在通過對目前人臉識別算法的研究與總結的基礎上，本文首先基于二分類高斯過程分類器與人臉小波特征提出了一種新的人臉識別算法。該算法首先用小波變換

3、特征提取人臉圖像特征，并用二分類的高斯過程分類器作為基本的分類器，為了實現多分類任務，該方法采用了二叉樹結構來擴展了兩分類的高斯過程分類器為多分類器實現了多類人臉圖像識別新模型。實驗表明新算法對理想情況的人臉圖像具有很高的識別率。但是由于人臉旋轉角度、光線條件、環(huán)境因素變化的影響，該算法和傳統(tǒng)識別系統(tǒng)一樣，對非可控情況下的人臉圖像識別率并不理想，并且也缺乏對人臉圖像局部扭曲和遮蓋污染方面的魯棒性。
　　 2)為了解決在環(huán)境因素變

4、化情況下的魯棒人臉識別問題，本文提出了一種基于聯想記憶模型的模型自適應更新算法，并將該算法與對亮度和表情變化不敏感的Gabor特征相結合構建了一種新的魯棒人臉識別方法。該方法采用所提出的模型自適應更新方法在真實識別前用模型自適應階段獲得的人臉圖像數據對模型進行自適應補償，從而減小了模型和識別數據間的失配，提高了識別率。
　　 3)針對人臉圖像局部扭曲與遮蓋人臉識別問題，本文提出了一種后驗聯合決策神經網絡新模型(Posterior

5、 Union decision-based neural network,PUDBNN)。該模型為概率判別神經網絡(probabilistic decision based neural network，PDBNN)的改進模型。不同的是新模型中，后驗聯合模型(Posterior Union Model，PUM)被作為隱層有機的結合進PDBNN模型中，形成了一種新型的三層神經網絡模型。該模型在對局部圖像污染的先驗知識未知情況下，自動的選擇

6、了最優(yōu)的局部特征子集進行識別，減少了被污染的局部特征子集對識別的影響，因此提高了識別率。在XM2VTS，AT&T和AR數據庫上的測試結果表明了新算法的優(yōu)越性。
　　 4)但是PUDBNN模型是基于高斯混合模型作為其基函數。同其他采用高斯混合模型的識別系統(tǒng)一樣。PUDBNN模型遭受了特征維數與訓練樣本數量的限制：1)在人臉特征維數很高時，高維高斯概率計算很容易產生下溢錯誤；2)由于在小訓練樣本情況下無法精確的估計高斯混合模型參數，

7、因而對于小訓練樣本的情況，識別率不是很理想。為了解決PUDBNN模型的缺點，本文提出了一種改進型的PUDBNN方法。該算法采用了兩種方案來對PUDBNN模型進行算法改進。其一采用圖像補償技術增加了訓練樣本。其二采用了一種概率分布估計算法來代替了傳統(tǒng)的高斯分布計算，計算了似然值。改進后的算法在小訓練樣本和特征維數較大的情況下在局部圖像污染時能達到較好的識別率。
　　 5)進一步，為了解決在小訓練樣本與高維人臉特征情況下，對光線變化

8、和人臉圖像局部污染兩種污染情況魯棒的人臉識別問題。結合對光線變化和圖像旋轉不敏感的分塊Gabor特征，本文提出了一種基于相似度的新M-exponent模型。新模型用一種新的M-exponent相似度代替了概率計算，來實現了后驗聯合模型。由于新的M-exponent相似性計算并不受特征維數和訓練樣本數目的限制，因此新模型不僅對光線變化、人臉圖像局部扭曲和遮蓋魯棒，而且還具有，能夠處理小訓練樣本、高維人臉特征和不需要模型訓練等優(yōu)點。

9、　　 6)對于魯棒說話人識別問題，本文采用了雙麥克風語音信號采集方案，并在傳統(tǒng)抗干擾噪聲消除器(Crosstalk Resistant Adaptive Noise Canceller，CTRANC)的基礎上提出了一種改進的CTRANC算法。采用該算法在識別前進行語音增強處理，并結合了PUM的HMM識別模型，本文構建了新的說話人識別系統(tǒng)。
　　 7)本文最后基于文中提出的新算法和新模型，構建了一套雙生物特征的身份識別系統(tǒng)。本論