人耳识别

摘要： 人类耳郭具有复杂的三维结构,且终生保持相对恒定,具有个体差异性。耳郭在性别、种族、年龄与身高、个体识别及公共安全领域被广泛研究。耳印作为耳郭的平面特征呈现方式,一定程度上可以反映个体的耳郭特征,但其容易受到如按压力度、与载体接触角度、皮脂含量等因素影响。该文从耳郭的相关参数、测量方法和法医学应用等方面对人类耳郭的相关研究进行了综述。

摘要： 虽然人耳识别取得很大进展,但在非控制条件下人耳识别容易受姿态变化和遮挡等因素的影响,仍存在很多问题;此外人耳识别实用系统往往难以获得待识别个体的多个样本.针对上述两点提出新的基于深度学习的小样本人耳识别方法.首先把人耳识别主要模块构建成一个卷积神经网络模型,并在其全连接层后面加一个K-近邻层以均衡所有分类,解决卷积神经网络对于小样本的过拟合问题.使用构建的模型自动学习人耳图像的特征,最后利用支持向量机对提取的人耳特征进行分类识别.实验结果与后续分析证明,与传统的机器学习识别方法相比,改进的深度学习模型具有更高的人耳识别率和更强的鲁棒性.

摘要： 为了提高人耳图像的识别率,本文提出了一种基于优化卷积神经网络的人耳识别算法.首先针对人耳识别问题设计一个基于卷积神经网络的深层网络结构,选取改进的激活函数PReLU,在最后的全连接层引入Dropout技术,防止网络过拟合,选择不依赖学习率也可以达到良好效果,且收敛速度最快的Adadelta对网络进行优化.实验中通过大量的不同类型的人耳图像样本对设计的网络不断地训练,以此来确定卷积神经网络中特征图数量以及学习率等参数的设置.对训练好的深度学习网络结构进行最后的人耳识别步骤测试,通过对比实验证明了该方法在一定程度的旋转以及遮挡等干扰条件下具有很强的鲁棒性,同时人耳识别率明显提高.

摘要： 提出了一种优化ICP算法.首先通过规定扫描姿态的方式来优化初始状态,然后使用曲率采样的方式来精简点云数量,最后通过研究三维点云的数据结构,以搜索邻域点集的方式来提高匹配速度.本文基于Matlab平台,自行采集三维人耳点云数据,通过实验表明,该优化ICP算法切实可行,在保证匹配精度得以控制的同时,能够有效地提高匹配速度,提升匹配效率.%An optimized ICP algorithm is proposed.Firstly,the initial state is optimized by specifying the scanning attitude,then the curvature sampling is used to simplify the point cloud,and finally,the data structure of the 3D point cloud is studied,for to improving of matching speed by searching the neighborhood point set.This paper is based on the Matlab platform,the three-dimensional ear point cloud data are collected.Experiments show that the ICP algorithm is feasible,in ensuring the accuracy of matching,it can be controlled at the same time,can effectively improve the matching speed and improve the matching efficiency.

摘要： Ear recognition is an emerging biometric recognition technology,with high theoretical research value and market prospect,and develops gradually with the development of image processing,pattern recognition and other fields. Feature extraction is the key to this technology which plays a decisive role in the accuracy of the final classification result. Therefore,in order to improve the accuracy of clas-sification result in the technology of ear recognition,a method of ear recognition based on feature fusion and sparse representation is pres-ented. In this method,the Sobel operator from four direction is adopted to detect the edges and extract their feature. At the same time the GLCM ( Gray Level Co-occurrence Matrix) is used to extract texture feature of ear images. Finally sparse representation model is utilized to conduct classification recognition of ear in combination of edge and texture features. The experiment shows that the proposed method can improve ear recognition accuracy greatly,thus confirming its effectiveness in the survey of ear recognition.%人耳识别是一种新兴的生物识别技术,具有较高的理论研究价值和市场应用前景,并随着图像处理、模式识别等领域的发展而逐步发展.在人耳识别中特征提取是生物特征识别技术的关键环节,对最终分类结果的准确性起着决定性作用.因此为了提高人耳识别技术中分类结果的正确率,提出了一种基于特征融合和稀疏表示的人耳识别方法.该方法采用四个方向上的Sobel算子检测边缘,并在每个边缘图上提取边缘特征;同时利用灰度共生矩阵提取四个方向上人耳图像的纹理特征,结合边缘特征和纹理特征,最后通过稀疏表示模型对人耳进行分类识别.实验结果表明,采用边缘特征和纹理特征相融合的方法能较大提升人耳识别的准确率,从而验证了该方法在人耳识别技术中的有效性能.

摘要： 文中提出将二维线性鉴别分析（2DLDA）和支持向量机（SVM）相结合的人耳识别算法。先利用二维线性鉴别分析提取人耳图像的特征，再采用一对一的方法用支持向量机分类器实现人耳特征的分类识别。与传统的2DLDA对比实验结果表明，该方法具有更高的识别率，是一种非常有效的识别方法。%In this paper, we propose a human ear recognition algorithm which combined two-dimensional linear discrimination analysis(2DLDA) and support vector machine(SVM). First of all, use 2DLDA for feature extraction in the human ear image, then applying one-against-one method, use SVM classifier for the classification recognition according to the human ear feature. Compared with classical 2DLDA, experimental results show that our method has higher recognition rate and it is a very efficient recognition method.

摘要： 将稀疏表示应用于脸耳多模态身份辨识,比较和分析采用不同融合方法的多模态稀疏表示识别算法的准确性和鲁棒性,为多模态稀疏表示融合识别算法设计提供理论和方法指导.结合多模态融合层次理论与稀疏表示分类的技术特点,提出3种多模态稀疏表示识别方法:直接特征融合法、间接特征融合法和匹配层融合法.从多模态融合角度看,3种方法的不同在于融合层次或融合策略不同;从稀疏表示角度看,它们的主要区别在于稀疏表示时脸和耳特征耦合的程度不同.在3个多模态数据库上的实验结果表明:所提3种方法在识别准确率和鲁棒性上远优于采用NN、NFL和SVM等分类器的融合识别方法;当脸耳图像中噪声不显著时,3种方法性能相当,当噪声严重时,匹配层融合识别方法优于特征层融合方法.

摘要： 提出了一种基于模块化神经网络的人耳识别方法。对人耳图像进行一系列的预处理后，采用PCA方法对图像进行特征提取。构建了模块化神经网络模型，并用分层遗传算法对该模型进行优化，选择训练阶段样本和测试阶段样本对人耳图像进行训练和测试，得出识别率。实验结果表明，基于模块化神经网络的人耳识别相对于传统的神经网络优化了设计参数，得到最优体系结构，提高了人耳识别率。%A new ear recognition method based on module neural network was presented in this paper. By us-ing PCA method,the characteristic of the human ear image was extracted after a series of pretreatment on the ear image. The modular neural network model was built up and optimized by using hierarchical genetic algo-rithm. Training samples and testing samples were selected to train and test the human ear images,finally came up with recognition rate. The experimental results show that the ear recognition based on modular neural net-work optimizes the design parameters compared with the traditional neural network. The optimal system struc-ture is obtained,and the human ear recognition rate accordingly improved.

摘要： 在分析人耳生物特征及其识别方法的基础上,提出了一种基于卷积神经网络的人耳识别方法.该方法直接提取人耳的图像特征,利用两次特征提取分类识别,在不同角度变化和不同维数情况下,嵌入维数越大,降维后所保留的特征信息越多,识别概率越大;维数的变化对于CNN识别没有任何影响.实验结果表明,该方法在人耳姿态变化时能够保持良好的识别概率,对人耳识别角度变化具有较好的鲁棒性.

摘要： 人耳识别是目前生物特征识别领域中一个新的分支,同时也是数字图像处理领域中极具挑战性的课题之一。由于人耳特殊的生理位置和结构特征使得人耳识别在公共安全、信息安全等领域具有潜在的应用前景,越来越引起人们的关注。目前人耳识别的研究还处于实验测试阶段。本文针对人耳图像具有丰富的纹理特征和边缘特征,利用Gabor波器提取人耳图像特征,在分割形成的多个子窗口中,采用前向浮动选择算法选择最佳的子窗口,相当于最具特征的分类器。其中,本文还采用了PcA和LDA结合的方法对特征向量进行降维。本文实验是在由77个人,每人4幅人耳图像的数据库中进行的,最终的结果显示,这种子窗口的融合的方法,得到了较高的识别率。

摘要： 本文对人耳识别中的若干关键问题进行了研究,在简单介绍基于独立成分分析(ICA)的人耳特征提取的基础上,提出采用改进的核独立成分分析(KICA)的非线性分析法提取人耳图像的特征,该方法可描述为KPCA和ICA方法组合.分类器采用径向基核函数的支持向量机分类模型进行人耳识别.本文通过实验,比较在不同的噪声下的识别性能,实验结果表明KICA方法要优于ICA方法,并且通过实验了比较了在不同核函数下的SVM的识别率,得出基于径向基核函数要优于其它核函数.

摘要： 利用收敛域图像进行人耳识别是一种新的有效人耳识别方法.本文提出了一种改进的基于收敛域图像的人耳识别算法,针对原算法在收敛域图像二值化过程中需手动设定阂值的问题和分类识别阶段计算量大的不足,通过自适应的闽值分割算法实现闽值的自动选取,同时将Canny算子和改进的单向Hausdorff距离结合实现快速分类.实验结果表明,该算法的阈值选取准确率较高,且分类识别速度快.在不同人耳库上实验分别达到93.5%和100%的识别率,证实了该算法的有效性.

摘要： 人耳识别技术的研究与应用在个体生物特征识别范围属于一种新的尝试.本文对人耳识别技术中的一些问题,如人耳图像的边缘检测、特征提取、人耳图像库的建立进行了初步探讨,提出一种基于局部特征的识别方法,所提取的特征向量由人耳外边缘的形状特征和人耳内边缘的结构特征组成,该特征向量具有图像平移不变性、图像旋转不变性和图像缩放不变性.

摘要： 人耳作为一种新型的生物特征具有许多优点.相比于虹膜识别,人脸识别等,入耳具有可远距离拍摄、大小、结构等在成年以后基本不发生变化的明显优势.目前,二维的人耳识别方法如果希望获得较高的识别率,需要一些限制条件,比如姿态、光照、像素分辨率等;同时,头发、耳饰等物件的遮挡也会对入耳识别的准确率产生较大影响.本文利用基于力场转换算法(Force Field Transform)提取力场的散度特征(Divergence Features),然后加入人耳矩特征,通过sift算法进行身份识别,最后在人耳图像库上进行测试,实验结果表明该方法具有较高的识别率.

摘要： 人耳的自动识别作为一种新的生物特征识别技术,目前的研究还很不成熟.本文将主元分析法(PCA)应用于人耳图像识别的特征提取,分别应用BP神经网络和径向基函数网络进行分类识别,给出了具体的网络设计与性能分析.实验结果表明,应用PCA方法,选择合适的网络类型、结构和足够的训练样本,可以取得满意的效果.

摘要： 图像预处理是人耳识别的一个重要组成部分.通过分析人耳图像的成像过程,各种噪声的产生及其特性,提出了具体的消除噪声的三种方法,并对三种方法进行分析比较,给出了实验结果.本文应用的方法适应于对图像的质量要求很高的静态图像采集识别系统.

摘要： 侧面人脸识别和人耳识别是生物特征识别技术领域中崭新的课题,目前国内外对这两种识别的研究很少,这里讨论了人耳识别和侧面人脸识别的可行性,并针对单一的生物识别技术识别率不高的现状,提出了将侧面人脸识别和人耳机识别进行信息融合的新方法,这两种识别方法可以形成技术上的互补,这种融合可以实现一种"非打扰识别".

摘要： 本文针对人耳特点在canny边缘检测基础上采用不变矩算法提取特征向量。Canny算法能不漏检真实边缘，也不会把非边缘点作为边缘点检出，它检测出的边缘点都尽可能在实际边缘的中心，而且canny算法对虚假边缘响应有抑制作用。采用不变矩算法进行特征提取，该算法具有不受平移、旋转和比例变化的限制的特点。

摘要： 本文针对人耳特点在canny边缘检测基础上采用不变矩算法提取特征向量。Canny算法能不漏检真实边缘，也不会把非边缘点作为边缘点检出，它检测出的边缘点都尽可能在实际边缘的中心，而且canny算法对虚假边缘响应有抑制作用。采用不变矩算法进行特征提取，该算法具有不受平移、旋转和比例变化的限制的特点。

摘要： 本发明请求保护一种复杂背景下的人耳检测及多信息融合的人耳识别方法，它包括复杂背景下的人耳检测和多信息融合的人耳识别两大步；在人耳检测中可以根据不同应用场合，获取包含人耳在内的人体侧面的图像序列或者静态彩色图片；并对这些图片进行分析，将人体图像从复杂背景下提取出来，然后再对人耳进行进一步的精确定位，获得一个包含人耳图像的最小矩形区域；在人耳识别中对人耳图像利用基于万有引力场转换算法提取出的势能阱个数进行粗分类，同时采用分水岭算法提取人耳边缘，并对这些边缘信息采用H′SDMHD提取人耳特征，在粗分类的基础上实现最终识别。本发明能够实现复杂背景下的人耳检测和人耳识别，完成从人耳的自动检测到识别的全过程，形成利用人耳作为特征，对身份进行识别的完整系统。

摘要： 本发明公开了基于关键点和局部特征的三维人耳识别方法，步骤为：（1）对带有背景信息的二维侧脸图像进行目标检测，获取方形人耳区域并提取对应区域的三维点云；（2）在三维人耳点云中根据内部形状签名特征进行关键点检测；(3)将提取出的关键点和标准姿态下的人耳关键点进行迭代最近点配准，用长方体模板切割来去除皮肤，头发等冗余区域；(4)提取关键点周围邻域点集，计算协方差矩阵的特征向量作为局部特征；(5)去除误匹配点对，最后用匹配成功的关键点数目来衡量两个人耳的相似度。本发明能够有效地剔除人耳周围皮肤、头发等冗余区域，且关键点和局部特征能较为全面地描述三维人耳的结构特征，具有较强的识别性能。

摘要： 本发明公开一种基于梯度方向直方图与局部二值模式融合的人耳识别方法，解决了从人耳图像中进行人耳识别识别率不高的问题。本发明首先提取出图像的梯度方向直方图，并用主成分分析法进行降维，再用局部二值模式提取出图像的纹理特征，然后将两个特征融合，最后使用最小距离分类器进行分类。本发明通过多特征融合，提高了人耳识别的识别率，具有良好的实施性与实效性。

摘要： 本发明公开了一种搭建针对人耳识别的深度学习网络结构的方法及系统，方法包括：对现有的人耳图像数据集进行扩充，针对扩充后的数据集计算以热图形式呈现的人耳特征点标签；针对扩充后的数据集及所得到的热图标签搭建卷积神经网络；利用该网络结构进行训练、得到模型。系统包括：数据扩充单元，热图标签单元，回归热图单元。本发明能够通过对现有的数据集进行扩充，解决了深度学习对大量训练数据的需求，深度学习网络能够提取人耳特征点，输出人耳特征点的热图结果。本发明通过对现有的数据集进行扩充，解决了深度学习对大量训练数据的需求；基于搭建针对人耳识别的深度学习网络结构，能够提取人耳特征点，输出人耳特征点的热图结果。

摘要： 本发明请求保护一种复杂背景下的人耳检测及多信息融合的人耳识别方法，它包括复杂背景下的人耳检测和多信息融合的人耳识别两大步；在人耳检测中可以根据不同应用场合，获取包含人耳在内的人体侧面的图像序列或者静态彩色图片；并对这些图片进行分析，将人体图像从复杂背景下提取出来，然后再对人耳进行进一步的精确定位，获得一个包含人耳图像的最小矩形区域；在人耳识别中对人耳图像利用基于万有引力场转换算法提取出的势能阱个数进行粗分类，同时采用分水岭算法提取人耳边缘，并对这些边缘信息采用HSDMHD′提取人耳特征，在粗分类的基础上实现最终识别。本发明能够实现复杂背景下的人耳检测和人耳识别，完成从人耳的自动检测到识别的全过程，形成利用人耳作为特征，对身份进行识别的完整系统。

摘要： 基于平均曲率和正态分布变换的三维人耳识别方法，步骤如下：(1)利用基于Faster R‑CNN框架的检测器对带有背景信息的二维侧脸图像进行目标检测，获取方形人耳区域并提取对应区域的三维点云；(2)在三维人耳点云中根据平均曲率特征进行关键点检测；(3)将提取出的关键点和标准姿态下的人耳关键点使用迭代最近点算法进行配准，将配准所得旋转平移变换作用于原方形人耳区域，并将该人耳置于标准坐标系下，利用长方体模板切割来去除皮肤，头发等冗余区域，得到归一化人耳；(4)利用正态分布变换配准算法进行配准，最后配准的误差来衡量两个人耳的相似度。本发明能够有效地剔除人耳周围皮肤、头发等冗余区域，且配准结果精确可靠，具有较强的识别性能。

摘要： 本发明公开了基于3DHarris关键点及优化SHOT特征的三维人耳识别方法，步骤如下：(1)利用基于Faster R‑CNN框架的检测器对带有背景信息的二维侧脸图像进行目标检测，获取方形人耳区域并提取对应区域的三维点云；(2)使用体素网格对人耳进行滤波；(3)将待测人耳和标准姿态下人耳使用迭代最近点算法进行配准，使得待测人耳具有标准竖直向上姿态，且待测人耳转换后置于标准坐标系下，利用长方体模板切割来去除皮肤，头发等冗余区域，得到归一化人耳；(4)在三维人耳点云中根据3DHarris算法进行关键点检测；(5)对所有关键点计算优化SHOT三维特征并进行关键点匹配。本发明能够有效地剔除人耳周围皮肤、头发等冗余区域，且匹配结果精确可靠，具有较强的识别性能。

摘要： 本发明公开了基于关键点和局部特征的三维人耳识别方法，步骤为：（1）对带有背景信息的二维侧脸图像进行目标检测，获取方形人耳区域并提取对应区域的三维点云；（2）在三维人耳点云中根据内部形状签名特征进行关键点检测；(3)将提取出的关键点和标准姿态下的人耳关键点进行迭代最近点配准，用长方体模板切割来去除皮肤，头发等冗余区域；(4)提取关键点周围邻域点集，计算协方差矩阵的特征向量作为局部特征；(5)去除误匹配点对，最后用匹配成功的关键点数目来衡量两个人耳的相似度。本发明能够有效地剔除人耳周围皮肤、头发等冗余区域，且关键点和局部特征能较为全面地描述三维人耳的结构特征，具有较强的识别性能。

摘要： 一种基于分块LBP融合特征和SVM的人耳识别算法。本发明公开了一种人耳图像识别方法，包含以下步骤：将获得的人耳图像输入到计算机中，先对人耳图像进行降噪预处理，再对人耳图像进行分块LBP和均值的特征提取，将提取的两部分特征向量进行特征融合，并在融合后的特征向量后添加类别标签，用数据训练支持向量机分类器，最后使用训练好的支持向量机分类器分类来完成人耳分类识别。

摘要： 本发明公开一种基于梯度方向直方图与局部二值模式融合的人耳识别方法，解决了从人耳图像中进行人耳识别识别率不高的问题。本发明首先提取出图像的梯度方向直方图，并用主成分分析法进行降维，再用局部二值模式提取出图像的纹理特征，然后将两个特征融合，最后使用最小距离分类器进行分类。本发明通过多特征融合，提高了人耳识别的识别率，具有良好的实施性与实效性。