论文部分内容阅读
人们对生物特征的研究由来己久。目前,主要生物特征识别技术有指纹识别、手形识别、人脸识别、虹膜识别、声音识别和签名识别等。生物特征识别是一种高维模式识别问题。单一生物特征识别技术比较常见,但由于各种限制往往难以满足实际应用的要求。就此,本文设计了一个利用多生物特征融合的认证模型。通过把不同生物特征信息结合在一起进行融合认证降低了不利因素的影响,有效弥补了单一模态的生物特征识别的不足。采用一般的证件或者密码作为识别手段容易出现问题,可能会丢失或者遗忘,所以生物特征识别的优势十分明显。科研人员在进行广泛的研究后发现生物特征识别具有着十分广阔的应用前景。本论文就人脸识别和声音识别技术进行了较深入的探讨。重点研究了人脸识别中的主成分分析法(PCA)、线性判别分析法(LDA)以及二者相结合的方法(PCA+LDA)。由于PCA对图像的姿态变化比较敏感而LDA算法对表情变化比较敏感,在此情况下,采用PCA+LDA的识别方法可以最大限度地使得系统对识别人脸图像的姿态和表情有了一定的鲁棒性,使人脸识别系统具有较好的识别率。声纹识别部分详细介绍了Mel倒谱特征参数提取方法,为声纹识别系统提供了特征提取的算法依据。同时介绍了3种声纹识别的模型,VQ模型、BP神经网络模型和GMM模型。通过仿真实验实现了Mel倒谱系数特征(MFCC)及其一阶差分特征(ΔMFCC)的提取过程,并分别采用几种识别模型进行仿真实验。实验结果表明及MFCC及ΔMFCC特征适用于本文无关的声纹识别,而采用32阶GMM模型的声纹识别算法能够获得很好的识别效果。在融合识别部分对两种生物特征进行分别分类识别,然后利用归一化方法把不同分类器给出的匹配结果归一化,以消除由于分类匹配结果的数字表现形式不同而产生的误差,最后利用支持向量机(SVM)对归一化的匹配结果进行分类。通过实验证明,采用该方法可以较好地解决单一生物特征识别技术存在的问题,提高整个系统的识别性能。本论文在研究生物识别方法的基础上,探讨了生物识别方法在智能门禁系统中的应用,论文中采用声纹识别和人脸识别相结合的方法设计了一个新型智能门禁系统,不仅提高了门禁系统的自动化水平,也使门禁更加安全可靠。