人脸和虹膜生物特征身份识别认证系统的研究与实现

摘要

多模态生物特征（如人脸和虹膜等）识别技术是近年来模式识别领域的一个非常热门的课题，它综合利用了人们自身的多种生物特征，为当今社会提供更加安全的身份识别方法。受到越来越多的研究者得关注。
　　 本文针对现有单模态生物特征识别系统中的不足之处，对人脸与虹膜识别组成的多模态生物特征识别做了较深入的研究，目标是开发嵌入式的多功能人脸与虹膜融合的多模态身份识别认证系统，围绕这个目标，本文首先用两章分别简单的回顾了的人脸识别和虹膜识别的基本原理与经典算法实验仿真举例，然后用一章的内容重点介绍了人脸和虹膜两者融合的四种经典的算法模型，以及给出的基于特征层融合的Gabor+2DPCA算法的实现与仿真，以及根据嵌入式系统的实际应用场景，创造性的提出了两种混合融合模型，为嵌入式人脸-虹膜系统软件算法的实现提供理论支撑。鉴于目前市场上还没有嵌入式人脸和虹膜融合识别系统，文章最后全面介绍了一种新型多功能嵌入式人脸和虹膜识别原型系统，给出了系统需求分析、体系与结构、硬件平台设计、软件流程图。本文的主要研究工作如下：
　　 1、对虹膜-人脸识别两者的融合算法模型进行了较为深入的研究；结合实际需要，提出了新的混合融合模型。对基于特征层融合给出了算法研究。
　　 2、设计了基于DM642+ARM2440，双核结构的，嵌入式的，人脸-虹膜识别相融合的多功能的原型系统。给出了系统开发过程中的需求分析；硬件平台设计的电路与电路板设计；以及软件设计流程图以及UML建模图。同时也展示了在开发过程中，为了验证算法而设计的基于PC机的人脸-虹膜识别算法验证实验系统。

目录

文摘

英文文摘

第一章 绪论

1.1 课题研究背景及意义

1.1.1 单模态生物特征识别技术

1.1.2 多模态生物特征识别技术

1.2 国内外研究现状

1.2.1 人脸识别技术国内外研究现状

1.2.2 虹膜识别技术的国内外研究状况

1.2.3 国内外多模态生物特征识别研究现状

1.3 本文的主要研究工作和章节安排

1.3.1 本文的主要工作

1.3.2 本文的算法理论研究阶段的试验装置介绍

1.3.3 本文的内容安排

第二章 基于Adaboost和PCA的人脸识别算法

2.1 人脸识别算法概述

2.1.1 几何特征的人脸识别算法

2.1.2 特征脸的识别算法

2.1.3 模板匹配人脸识别算法

2.1.4 神经网络人脸识别算法

2.1.5 隐马尔科夫模型(Hidden Markov Model)人脸识别算法

2.1.6 支持向量机(Support Vector Machine)

2.2 基于Adaboost和PCA的人脸识别算法

2.2.1 主成分分析

2.2.2 Adaboost算法生成强分类器

2.2.3 Adaboost结合PCA算法

2.3 实验结果

2.3.1 人脸数据库选取

2.3.2 实验结果

2.4 本章小结

第三章 基于Adaboost和SVM的虹膜识别

3.1 虹膜识别概述

3.1.1 虹膜识别流程图

3.1.2 Daugman提出的虹膜识别算法

3.1.3 Wildes等人提出的虹膜识别算法

3.1.4 Bole提出的虹膜识别算法

3.1.5 谭铁牛等人提出的虹膜识别算法

3.2 基于Adaboost和SVM虹膜识别

3.2.1 Adaboost算法

3.2.2 支持向量机(SVM)

3.3 实验结果

3.4 本章小结

第四章 人脸和虹膜的特征层融合算法研究

4.1 多模态生物特征识别层次划分

4.2 融合算法模型

4.3 基于Gabor小波+2DPCA组合的特征层的融合方法

4.4 实验结果与分析

4.5 本章小结

第五章 人脸与虹膜识别的原型机的实现

5.1 基于PC机的人脸与虹膜识别原型系统开发

5.1.1、基于PC机的人脸识别系统

5.1.2 基于PC机的虹膜识别系统

5.2 基于DM642与ARM2440的嵌入式系统实现

5.2.1 系统需求

5.2.2 系统硬件设计

5.2.3 系统软件设计

5.3 本章小结

第六章 总结与展望

6.1 总结

6.2 展望

参考文献

致谢

附录A 攻读学位期间发表的论文

附录B 攻读学位期间参加的科研项目