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)

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

特征提取

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。

模式識別

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。

測試結(jié)果

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。

總結(jié)

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