人脸和虹膜混合识别的新方法－识别层融合

摘要

本发明属于计算智能、模式识别和图像处理技术领域，在研究人脸和虹膜的单一生物特征识别技术的基础上，讨论人脸和虹膜在识别层进行信息融合的理论和算法。通过对关键特征空间进行聚类，采用基于小样本学理论的SVM对识别模型进行多级粗匹配，通过尽量少的学样本，获得具有广泛适应性的识别模型。采用拟线性曲面拟合光照补偿技术校正光线，克服环境光线对识别效果的不利影响，进一步提高识别率。改进传统的FFT方法，提出了波进式快速Fourier变换方法(WFFT)，提高了检测速度。基于自相似组合标准脸特征函数的神经网络模型方法实现了在复杂背景下动态人脸的快速检测和定位。采用双正交小波方法，进行滤波和特征分析，构造适用人脸和指纹图像细节特征分析的多小波尺度函数，并应用于识别之中。对海量图像数据库，采用基于聚类决策树算法和多级组合式ART2(自适应谐振理论)粗聚类，用支持向量积(SVM)方法进行进一步聚类分析。依据人脸特征信息将图像库中的所有图像归入到有交集的不同簇中，然后在簇内和相临簇间进行检索，有效地提高了检索效率。本发明采用多种技术，提高识别鲁棒性，促进基于人脸和虹膜混合识别的系统性能向实用性、可靠性和可接受性发展。

主权项

1.人脸与虹膜混合识别的新方法—识别层融合，包括如下步骤：步骤一：对关键特征空间进行聚类；步骤二：采用基于小样本学习理论的SVM对识别模型进行多级粗匹配的方法；步骤三：在识别过程中，通过尽量少的学习样本，获得具有广泛适应性的识别模型。