唐婉冰 邵鵬威 鄒雙徽 李 琛
?
基于人耳的個體識別系統(tǒng)研究
唐婉冰 邵鵬威 鄒雙徽 李 琛
北方工業(yè)大學(xué)計算機學(xué)院
唐婉冰(1994-)本科生,就讀于北方工業(yè)大學(xué)計算機學(xué)院,研究方向為數(shù)字圖像處理、模式識別;邵鵬威(1994-)本科生,就讀于北方工業(yè)大學(xué)計算機學(xué)院,研究方向為數(shù)字圖像處理、模式識別;鄒雙徽:(1994-)本科生,就讀于北方工業(yè)大學(xué)計算機學(xué)院,研究方向為數(shù)字圖像處理、模式識別;李?。?984-)女,博士,講師,任職于北方工業(yè)大學(xué)計算機學(xué)院,研究方向為數(shù)字圖像處理、模式識別。
本論文受“北京市大學(xué)生科學(xué)研究與創(chuàng)業(yè)行動計劃”和“北方工業(yè)大學(xué)大學(xué)生開放實驗項目”資助
link
評估值210萬
appraisement
行業(yè)曲線
industry
本文基于matlab平臺實現(xiàn)了一個簡單的人耳識別系統(tǒng)的界面開發(fā)。該系統(tǒng)以北京科技大學(xué)USTB人耳庫(3)圖像為樣本,用不同識別算法提取訓(xùn)練樣本特征,最后用不同匹配算法分類識別得出結(jié)果,實現(xiàn)了對不同識別算法識別效率的比較和個體匹配功能。該系統(tǒng)對特征提取的速度較快,識別結(jié)果較為準(zhǔn)確,對實際應(yīng)用有一定的參考價值。
在高度信息化的社會中,信息安全和公共安全的重要地位日益突出,許多領(lǐng)域都在不斷地對個體識別和個體身份驗證提出新的要求和挑戰(zhàn)。不同于其他傳統(tǒng)的生物特征,如人臉、視網(wǎng)膜、指紋、步態(tài)等,人耳具有其獨特的優(yōu)勢。人耳特征相對穩(wěn)定,不受化妝、表情的影響,也不易損傷;人耳具有遠距離非接觸性,易被接受,圖像數(shù)據(jù)易從視頻或照片信息中獲取,數(shù)據(jù)采集方便;人耳圖像表面小,信息處理量少。因此,吸引了越來越多研究者的關(guān)注。
人耳識別系統(tǒng)是以人耳圖像為識別對象,完成對個體對象的身份識別等一系列過程的總和?;贛ATLAB平臺,本文實現(xiàn)了一個簡單的基于PCA、LBP、SVM算法的人耳識別系統(tǒng)的圖形用戶界面,其基本功能包括:對不同識別算法識別效率的比較和個體匹配。
系統(tǒng)界面
基于MATLAB搭建的人耳系統(tǒng)界面,如圖1所示,該系統(tǒng)主要由3個部分組成:特征提取,對選取不同識別算法下識別率的比較,個體匹配。特征提取是將人耳庫中的圖像分別用PCA算法和LBP算法提取出相應(yīng)的特征;對不同識別算法下識別率的比較是更直觀的選出最優(yōu)識別和匹配算法;個體匹配實現(xiàn)的是對任意選取的人耳圖像,判斷其對應(yīng)的個體身份的功能。
USTB人耳庫
本文的實驗對象為北京科技大學(xué)USTB人耳圖像庫(3),此圖像庫有395張人耳側(cè)面圖像(79個人,每人5張),圖像采集顯示的分辨率為768*576,且正側(cè)面光照恒定。人耳庫中的部分圖像如圖2所示。
系統(tǒng)流程
該系統(tǒng)可分為兩個模塊,對不同方法識別率的比較和個體匹配。
圖1 人耳識別系統(tǒng)界面
對不同方法識別率的比較過程大致可分為4個過程:1)讀取人耳庫中的圖像;2)對整幅圖像進行降噪等預(yù)處理;3)分別利用不同算法進行特征提取,模式識別;4)分別顯示出不同方法的識別率。
個體匹配的主要流程為:1)在USTB人耳庫中隨機選取一張人耳圖像;2)用PCA+SVM算法提取出此圖像的特征;3)判別出為第幾個人的人耳圖像。
圖3 訓(xùn)練集:測試集=1:3
圖4 訓(xùn)練集:測試集=2:2
圖5 訓(xùn)練集:測試集=3:1
圖6 個體匹配結(jié)果
圖2 人耳庫中的部分圖像
主成分分析
主成分分析(principal component analysis,PCA)是一種基于統(tǒng)計分析的特征提取方法,PCA的具體實現(xiàn)是將人耳圖像按行展開后所形成的一維向量進行Kahunen-Loeve變換,獲得其正交的n維K-L基底,以一組數(shù)量小于樣本空間維數(shù)的正交基為特征空間,將人耳圖像投影到此空間上,通過降低特征維數(shù)來降低計算復(fù)雜度。
局部二值模式
局部二值模式(local binary pattern,LBP)算子是一種有效的紋理信息描述方法,通過度量和提取人耳圖像中的紋理信息,得到更健壯、魯棒的紋理信息表示。由于LBP不僅能描述出圖像中的微小特征,且具有任意單調(diào)變換不變性、分類能力強,如今已在人耳人臉圖像分析、紋理分類、圖像檢索等領(lǐng)域廣泛應(yīng)用。
歐氏距離分類器
歐氏距離(Euclidian Distance)也稱為泛數(shù),可表示為在K維空間中兩個點之間的真實距離,也常被用于度量向量間的距離。
支持向量機
支持向量機(Support Vector Machine,SVM)是建立在統(tǒng)計學(xué)習(xí)理論和結(jié)構(gòu)風(fēng)險最小原理基礎(chǔ)上的一種新的學(xué)習(xí)機器,其基本思想是定義最優(yōu)線性超平面,具有很強的泛化能力,在解決小樣本、非線性及高維模式識別中有其特有的優(yōu)勢。
不同識別率結(jié)果
圖3為訓(xùn)練集與測試集之比為1:3時,四種不同結(jié)合方法所得識別率的界面,在識別過程中隨機選取每個人的一張人耳圖像作為訓(xùn)練集,剩余三張作為測試集。
圖4為訓(xùn)練集與測試集之比為2:2時,四種不同結(jié)合方法所得識別率的界面,在識別過程中隨機選取每個人的兩張人耳圖像作為訓(xùn)練集,剩余兩張作為測試集。
圖5為訓(xùn)練集與測試集之比為3:1時,四種不同結(jié)合方法所得識別率的界面,在識別過程中隨機選取每個人的三張人耳圖像作為訓(xùn)練集,剩余一張作為測試集。
由圖3、圖4、圖5可以非常直觀地看出各種算法識別結(jié)果的差別。在識別過程中,選取的訓(xùn)練集圖片個數(shù)越多,所得識別率越高,其中PCA結(jié)合SVM算法的識別率最高。
個體匹配結(jié)果
如圖6所示,從北京科技大學(xué)USTB人耳庫中隨機選取一張人耳圖像,通過PCA+SVM算法提取出人耳特征,判斷出所選圖片為第23個人的圖片,說明匹配成功。
本文針對生物特征識別系統(tǒng)中的人耳識別,基于MATLAB平臺實現(xiàn)了一個簡單的人耳識別系統(tǒng)。該系統(tǒng)可實現(xiàn)對不同識別算法下識別率的比較和個體匹配功能,具有操作簡單,結(jié)果直觀等優(yōu)點,可用于其他人耳識別的軟件開發(fā)。
10.3969/j.issn.101- 8972.2016.12.039