多模生物特征融合關(guān)鍵技術(shù)研究.pdf

1、隨著網(wǎng)絡(luò)與信息技術(shù)的快速發(fā)展，信息安全在我們的生活中顯得尤為重要。生物特征的身份識別技術(shù)由于其方便、可靠、安全等優(yōu)點逐漸取代了密碼、鑰匙等傳統(tǒng)身份識別技術(shù)。然而，現(xiàn)有的生物特征識別技術(shù)大多數(shù)以單模態(tài)特征識別為主，但在單模態(tài)生物特征識別系統(tǒng)的實際應(yīng)用過程中，由于其復(fù)雜性，會受到傳感器噪聲、易被偽造等不同問題的困擾，導(dǎo)致了誤識別率過高。基于多模態(tài)生物特征識別系統(tǒng)極高的安全性及可靠性被研究者們認(rèn)為有很好的發(fā)展前景。由于人臉識別應(yīng)用的普遍以及易

2、于接受性，指靜脈特征的安全性，以及指紋特征的高鑒別性，結(jié)合人臉、指紋與指靜脈的多模態(tài)特征融合系統(tǒng)，凸顯了其較強的研究價值。
　　本文的創(chuàng)新點如下:
　　(1)提出fisher vector的二次提取思想:首先分別提取用戶的人臉、指紋和指靜脈的經(jīng)典特征，針對所提取的特征維度不同的問題，采用高斯混合模型使原本維度不同的3類特征用高斯分布的均值、方差和權(quán)重三個參數(shù)進行表示，之后用求取fisher vector的方法對原特征分別計算

3、其在均值、方差和權(quán)重方向上的偏導(dǎo)，并采用歸一化等算法得到每類特征的fisher vector。為了進一步挖掘多模態(tài)特征中深層次的聯(lián)系，我們對fisher vector做二次提取，即將得到的3類特征的fisher向量進行級聯(lián)形成新的向量，并求得新向量的fisher vector，然后將此fisher vector作為新的特征送入分類器中進行訓(xùn)練等后續(xù)操作。
　　(2)在上述基于fisher vector特征融合基礎(chǔ)上，有針對地對實際