基于人脸和虹膜的多生物特征识别模型研究

摘要

人脸识别和虹膜识别作为两种最常用和方便的生物特征识别技术，已广泛应用于身份识别等领域。然而很多时候，仅仅基于虹膜或人脸的个人身份自动识别系统不能满足人们的需要，这是因为人脸识别速度快但可靠性不高；而虹膜识别可靠性高却计算复杂，速度慢。因此，融合人脸与虹膜识别，综合两种生物特征识别的优势，在出现其中一种生物特征不适于识别的情况下，由其余特征得到补偿，使识别系统保持高效运作。本文介绍了一种综合人脸和虹膜的多生物特征识别模型，它充分利用了人脸识别和虹膜识别的优点，将两种识别技术有效地结合起来，有效克服单一生物特征存在的缺陷，极大提高身份认证的准确度，为多生物特征身份认证的实际应用奠定了坚实的基础。本文研究工作的主要内容如下：
　　 (1)研究了多生物特征信息融合理论，并对基于多生物特征的信息融合的层次结构和分类进行了较为详细的介绍并进行了对比分析。
　　 (2)研究了人脸识别技术，在对人脸图像进行预处理之后采用基于HMM的人脸识别方法实现了对人脸的识别。
　　 (3)研究了虹膜识别技术，在虹膜预处理阶段提出了基于虹膜几何特征和平面几何知识的定位算法，实现了对虹膜内外边缘的快速定位；之后完成了虹膜图像增强、二值化并特征提取、特征点匹配等工作和试验。
　　 (4)研究了基于人脸和虹膜的多生物特征识别模型。根据人脸和虹膜不同融合模式，分别给出了人脸和虹膜综合识别模型，并对模型的优缺点进行了分析。经过分析，提出了一种新的人脸和虹膜在决策层融合的识别模型。本模型采用决策层融合方式的“AND”规则，但作了一些改进，提出一种新的结合方式：先利用人脸识别快速得到N个候选人，再利用虹膜识别在这N个候选人的基础上得出最终识别结果。最后基于该模型作了相关试验，并对试验结果进行了分析，试验结果表明，该模型在一定程度上兼顾了识别的速度和准确率。

目录

文摘

英文文摘

声明

第一章 绪论

第一节 生物识别技术概述

1.1.1 什么是生物特征识别

1.1.2 生物特征识别技术的应用

1.1.3 常用的生物特征识别技术的对比分析

第二节 课题的背景及研究意义

第三节 本文的主要研究内容和论文结构

1.3.1 本文的主要研究内容

1.3.2 本文结构

第二章 多生物特征融合识别技术

第一节 多生物特征融合识别技术概述和研究现状

2.1.1 多生物特征融合识别技术概述

2.1.2 国外多生物特征识别的研究现状

2.1.3 国内过生物特征识别的研究现状

第二节 多生物特征识别中的信息融合

2.1.1 信息融合的定义

2.1.2 信息融合的原理和应用

2.1.3 信息融合的层次结构

2.1.4 不同层次信息融合的对比

2.1.5 多生物特征识别中融合策略结构的分类

第三节 多生物特征融合识别的系统框架

第四节 本章小结

第三章 人脸识别模块

第一节 人脸识别概述

3.1.1 人脸识别的发展和研究现状

3.1.2 人脸识别的研究内容

3.1.3 人脸识别的优点和缺点

第二节 常用人脸识别方法简介

3.2.1 基于几何特征的识别方法

3.2.2 基于统计(代数特征)的识别方法

3.2.3 基于连接机制的识别方法

第三节 基于隐马尔可夫模型的人脸识别方法

3.3.1 隐马尔可夫模型

3.3.2 HMM人脸模型

3.3.3 基于HMM的人脸识别

3.3.4 人脸识别结果

第四节 本章小结

第四章 虹膜识别模块

第一节 虹膜识别概述

4.1.1 虹膜识别的发展和研究现状

4.1.2 虹膜识别的研究内容

4.1.3 虹膜识别的优点和缺点

第二节 常用虹膜识别方法简介

4.2.1 Daugman虹膜识别方法

4.2.2 Wildes虹膜识别方法

4.2.3 Boles虹膜识别方法

4.2.4 谭铁牛等的虹膜识别方法

第三节 本文采用的虹膜识别方法

4.3.1 虹膜的定位

4.3.2 虹膜的归一化及增强

4.3.3 虹膜的特征提取与编码

4.3.4 虹膜模式匹配

4.3.5 虹膜识别结果

第四节 本章小结

第五章 基于人脸和虹膜的多特征生物识别模型

第一节 人脸识别和虹膜识别的特征融合

第二节 人脸和虹膜在决策层融合识别模型

5.2.1 本文提出的融合识别模型

5.2.2 模型的软件设计

第三节 试验及结果分析

5.3.1 试验对象

5.3.2 试验结果与分析

第四节 本章小结

第六章 总结与展望

第一节 本文工作小结

第二节 进一步工作与展望

参考文献

致谢

附录

个人简历