欢迎来到天天文库
浏览记录
ID:51448269
大小:275.57 KB
页数:3页
时间:2020-03-24
《基于SVM和归一化技术的音视频特征融合身份识别.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、《电气自动化)2012年第34卷第3期模式识别PaternIdentifications基于SVM和归一化技术的音视频特征融合身份识别丁辉。安今朝(西北民族大学管理学院,甘肃兰州730124)摘要:针对噪声环境下人脸识别率和说话人识别率低的问题,在研究特征层融合的基础上,结合归一化技术和SVM理论,提出了一种融合人脸和语音的多生物特征识别模型。首先采用离散余弦变换和局部保持投影算法提取人脸特征及SVM方法提取语音特征,在特征层进行融合得到融合特征后,计算测试身份与模板间的距离,为了减少计算量和提高识
2、别性能,对匹配距离进行归一化处理,最后输入到SVM进行识别。仿真结果表明,在噪声环境下,当信噪比降低时,融合识别率要明显高于单个系统的识别率,达到了身份识别的目的。关键词:支持向量机;归一化;局部保持投影;特征融合[中图分类号]TP391.41[文献标志码]A[文章编号]1000—3886(2012)03—0088—03Audio—visuaIFeatureFusionPersonldentifiCatiOnBasedonSVMandScoreNormalizationDINGHui.ANJin—z
3、hao(ManagementCollegeofNorthwestUniversityforNationalities,LanzhouGansu730124,China)Abstract:Inordertosolvetheproblemoflowrecognitionrateoffacerecognitionandspeechrecognitionunderthewickednoiseconditions.Basedonthestudiesoffeaturelevelfusiontheoryandco
4、mbinedwitllNormalizationandSVMtheory-anovelmodelforfacefeaturesandspeechfeaturesfusionrecognitionispresentedinthispaper.First,weextractthefacefeaturesandspeechfeaturescorrespondingly,thenwefusethetwofeaturesonthefeaturelevelinordertoobtainthefusionfeat
5、ure,afterthecalculationofthedistancebetweenthetestpeopleandtemplatepeoplewenormalizethematchingdistance80astoreducethecomputationalandtoimprovetherecognitionaccuracy.Atthelast,weputthenormalizationmatchingdistanceintoSVMCanweobtaintherecognitionresult.
6、Theexperimentshowthatthefusionsystemperformswellbothinresponsetimeandsystemaccuracyespeciallyinnoisybackground.Keywords:Suppo~VectorMachine(SVM);ScoreNormalization;LocalPreserveProjection(LPP);FeatureFusionO引言的应用。对于一幅MN的图像矩阵.厂(,Y),其离散余弦变换定国际安全形势的日趋复杂化对
7、身份验证技术的需求与日俱义为:.增,与传统身份验证方法相比,生物特征识别技术具有稳定,便)=))M-IN-I,(捷,不易伪造等特点,得到了广泛的研究与发展。人脸识别技术C(u,)=o(“)。()∑∑,(x,y))××ccOS丝××⋯0y0⋯‘当受到光照,姿态等影响时,识别率会急剧下降,而说话人识别技术也常常受到各种噪声的影响⋯。因此,采用基于信息融合技术cos(1)的音视频信息融合识别方法成为了解决这些问题的新思路。其中C(1,l,)称为矩阵f(x,Y)的DCT系数,=0,1,⋯,M,:本文在研究特
8、征层融合的基础上,提出了一种归一化方法和0,1,⋯,N,U(u),a(口)分别定义为:SVM相结合的人脸和语音融合识别方法。对于人脸图像,采用离散余弦变换和局部保持投影算法进行特征提取与识别J,而。():f/2Ⅱ=0(2)L1othwewise对于语音信号则采用支持向量机的方法。最后利用归一化和支持向量机在特征层完成融合识别。仿真实验表明,在噪声背景Ⅱv):fo(3)L1othwewise下,该融合模型依然有很高的识别率,有效地提高了身份识别的准确性,为多生物特征识别
此文档下载收益归作者所有