基于深度学习的双模态生物特征识别研究-arxiv

《基于深度学习的双模态生物特征识别研究-arxiv》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、学校代码：10286分类号：TP391.4密级：公开UDC：004.93学号：140707基于深度学习的双模态生物特征识别研究研究生姓名：蒋浩导师姓名：邹采荣申请学位类别工学硕士学位授予单位东南大学一级学科名称信息与通信工程论文答辩日期20年月日二级学科名称信号与信息处理学位授予日期20年月日答辩委员会主席评阅人2017年4月17日硕士学位论文基于深度学习的双模态生物特征识别研究专业名称：信息与通信工程研究生姓名：蒋浩导师姓名：邹采荣ResearchonBi-modeBiometricsBasedonDeepLearningAThesisSubmittedtoSoutheastUniversi

2、tyFortheAcademicDegreeofMasterofScienceBYHaoJiangSupervisedbyProfessorCaiRongZouSchoolofInformationScienceandEngineeringSoutheastUniversityApril2017东南大学学位论文独创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得东南大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在

3、论文中作了明确的说明并表示了谢意。研究生签名：日期：东南大学学位论文使用授权声明东南大学、中国科学技术信息研究所、国家图书馆有权保留本人所送交学位论文的复印件和电子文档，可以采用影印、缩印或其他复制手段保存论文。本人电子文档的内容和纸质论文的内容相一致。除在保密期内的保密论文外，允许论文被查阅和借阅，可以公布（包括以电子信息形式刊登）论文的全部内容或中、英文摘要等部分内容。论文的公布（包括以电子信息形式刊登）授权东南大学研究生院办理。研究生签名：导师签名：日期：摘要摘要鉴于生物特征具有优秀的独立区分特性，生物特征识别技术几乎涉及到所有区分人的相关领域。指纹、虹膜、人脸、声纹等生物特征已经广泛使

4、用到公安部门破案侦查，移动设备解锁，目标跟踪等领域。随着电子设备使用的范围越来越广，使用的频率越来越高。具有优秀识别率的生物特征识别技术才能保证这些领域的长久发展。由于现实生活中使用生物特征识别的环境条件的差异。单一的生物特征识别因为其自身条件的局限性，导致无论哪一种生物特征有会有其应用的局限性。例如指纹识别使用的前提是设备与目标人物必须有肢体的接触，视频监控等远距离设备无法使用指纹识别技术；在光线不足或是摄像头没有正对目标人物脸部的情况下人脸识别技术的识别率将会急剧下降；同样，虹膜识别技术也要保证目标人物眼部靠近传感器，才能实现此生物特征的后续识别过程。多生物特征融合识别技术可以很好的解决这

5、个问题。多模态生物特征融合识别技术可以根据特征的选取和融合方法提高识别设备的准确性，普适性和鲁棒性。本文的主要研究内容和实验成果如下：1.研究了基于深度卷积网络（ConvolutionalNeuralNetwork,CNN）和的人脸识别，创新的提出了基于Vgg_Face改进模型的人脸识别算法。该方法结合深度卷积网络模型的核心思想，在Vgg_Face模型的最后一层添加了全连接层降低人脸特征维度。在Vgg_Face模型的基础上微调（fine-turning）新的模型。使用CASIA-Webface人脸数据库训练网络模型。2.首先研究了说话人的感知预测系数（PerceptualLinearPredi

6、ctive，PLP），然后推导了说话人的I-Vector特征提取方法，I-Vector特征反映说话人的差异，并且具有优秀的跨信道性能，是目前说话人识别主流的识别特征。然后将I-Vector和PLP特征融合送入深度置信网络（DeepBeliefNetwork，DBN）训练，生成说话人识别模型。3.创新的提出了人脸模型和说话人特征融合识别方法。结合TED-LIUM语音库和CASIA-WebFace人脸库，将不同的人脸和语音随机组合成新的人脸—说话人综合库。将该库提取得到的融合特征去训练DBN。最终得到的模型识别目标人物，其识别率比单独使用人脸特征或者说话人特征的识别率有一定得提高。关键词：人脸识别

7、；说话人识别；深度学习；CNN；特征融合；DBNIABSTRACTABSTRACTInviewofthefactthatbiologicalcharacteristicshaveexcellentindependentdistinguishingcharacteristics,Biometricidentificationtechnologyinvolvesalmostalltherelevant