基于核主元分析法和支持向量机的人耳识别.pdf

基于核主元分析法和支持向量机的人耳识别.pdf

ID:54018166

大小:417.83 KB

页数:8页

时间:2020-04-28

基于核主元分析法和支持向量机的人耳识别.pdf_第1页
基于核主元分析法和支持向量机的人耳识别.pdf_第2页
基于核主元分析法和支持向量机的人耳识别.pdf_第3页
基于核主元分析法和支持向量机的人耳识别.pdf_第4页
基于核主元分析法和支持向量机的人耳识别.pdf_第5页
资源描述:

《基于核主元分析法和支持向量机的人耳识别.pdf》由会员上传分享,免费在线阅读,更多相关内容在应用文档-天天文库

1、第28卷第9期北京科技大学学报Vol.28No.92006年9月JournalofuniversityofscienceandtechnologyBeijingsep.2006!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!基于核主元分析法和支持向量机的人耳识别袁立穆志纯刘磊明北京科技大学信息工程学院,北京100083摘要对人耳识别中若干关键问题进行了研究.介绍了两种人耳图像归一化处理的方法,即基于外耳轮廓长轴的线标记法和基于外耳轮

2、廓起始点的点标记法,并对这两种方法进行了对比.在分析现有人耳识别方法不足的基础上,提出利用核主元分析法提取人耳图像的代数特征,再利用支持向量机分类模型进行人耳识别.在带有角度、光照变化的北京科技大学人耳图像库上得到的识别率为98.7%,表明了该识别方法的有效性以及利用人耳图像进行身份识别的可行性.关键词人耳识别;人耳图像;图像归一化;特征提取;核主元分析;支持向量机分类号TP391.4人耳识别作为一种生物特征识别技术近来受到了越来越多的关注!与人脸识别相比,人耳识别具有不受表情、年龄、心理等因素影响的优势

3、!通常一个人耳识别系统主要包括图像获取、人耳检测、人耳图像归一化、人耳特征提取、分类识别图1人耳图像实例等!人耳检测是为了从具有各种不同背景的输入Fig.1Exampleofearimages图像中检测出人耳的存在并确定其位置,再将人耳从背景中分割出来,进行光照和几何归一化,以人耳图像的归一化分为两个步骤:首先进行去除光照、噪声、头部转动以及各种遮挡和背景的直方图均衡化,用于减弱不同图像之间的光照差影响!本文首先对北京科技大学人耳图像库中带异!第二个步骤是几何归一化,这就涉及到需要有角度、光照变化的人耳图

4、像进行归一化,再利用选择一个标准的尺度!可以使用两点标记法,上核主元分析法提取人耳图像的非线性特征,基于方点为三角窝,下方点为对耳屏,如图2(a)所示!该代数特征利用支持向量机来设计分类器,取得使用标记点的原因是标记点的位置不会随时间而了满意的识别效果!变化!但是,在所有人耳图像中,这两个点并非都能很容易地识别出来!例如,有的人耳图像中对1人耳图像库简介及图像归一化处耳屏很小,就难以标记!这个标记点位置的模糊理不清就会影响耳朵的分割!不同时间拍摄的同一由于目前国际上还没有公认的人耳图像库,个人耳也可能标记

5、出不同的对耳屏!所以笔者自建了北京科技大学人耳图像库,简称针对这种缺点,本文提出两种标记方法:第一USTB人耳图像库!该库包括308幅人耳图像,种是基于外耳轮廓长轴的线标记法,使用Canny共77人,每人4幅灰度图像,图像大小为300>算子进行边缘提取后,利用外耳轮廓上距离最长400像素,如图1所示!图1(a)为室内正常光照的两点的连线作为基准,如图2(b)所示!将该线条件下的图像,图1(b)为头部逆时针旋转30拍段的长度作为人耳的大小,其方向确定人耳的方摄的人耳图像,图1(c)为头部顺时针旋转30拍向,

6、几何归一化的工作就是使所有人耳图像中这摄的人耳图像,图1(d)为光照减弱时图像!这里两点之间的距离相同,根据两点连线的方向进行主要考虑室内光照变化情况!旋转,使其垂直于水平方向!另定义短轴为长轴收稿日期:20050825修回日期:20060313的中垂线,中垂线的左端与外耳轮廓相交!然后基金项目:国家自然科学基金资助项目(No.60375002)可以使用一个矩形将人耳部分分割出来(矩形长作者简介:袁立(1978—),女,讲师,博士;穆志纯(1952—),宽比为2,由图像库中的人耳长宽比统计得到)!男,教授

7、,博士生导师Vol.28No.9袁立等:基于核主元分析法和支持向量机的人耳识别·891·另一种是基于外耳轮廓的两点标记法,也就是利的背景信息;通过实验发现,带有较少背景信息的用外耳轮廓的起点和终点即三角窝和耳屏间肌切图像能够取得更高的识别率.所以采用后者进行迹,如图2(c)所示.将这两点连线的长度及其方分割.根据统计得到此方法分割后的人耳长宽比向作为人耳的大小和方向进行归一化.通过比较均值为1.97,所以归一化后的图像大小取为5>可以看出,基于外耳长轴分割出的人耳图像比基98像素,如图2(d)所示.于外耳

8、轮廓起点终点分割出的人耳图像带有更多图2人耳图像中标记点的选择方法.(a)三角窝、对耳屏两点标记法;(b)外耳轮廓长轴标记法;(c)外耳轮廓起始点标记法;(d)归一化后的人耳图像示例Fig.2Landmarklocationonearimages:(a)usingtriangularfossaandantitragus;(b)usingthelongaxisofouterearcontour;(c)usingthestartp

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。