论文部分内容阅读
生物识别技术是利用人的生理特征或行为特征进行身份识别的技术。人耳识别是生物特征识别技术研究中的一个新兴领域,它旨在根据外耳的结构特征进行身份识别,由于人耳具有某些独特的优势,非常适用于生物识别,近几年来受到了国内外很多研究者的关注。三维人耳识别的出发点是希望利用三维处理技术,解决传统二维图像识别中因为姿态、光照等因素对识别造成的干扰问题。在三维基础上进行特征的提取和识别将拥有更为丰富灵活的信息可以利用。
三维人耳识别技术拥有广阔的前景,但三维信息丰富,数据量大,其本质特征的提取也更加困难,还有很多问题需要解决。本文对三维人耳识别算法进行了较为深入的研究,主要工作如下:
在总结传统二维和三维人耳识别方法的基础上,尝试研究了多模态的融合人耳识别方法,即同时利用二维和三维人耳数据,分别对其使用PCA算法和ICP算法,最后对两种方法的识别结果进行融合。最后所得结果均比单独使用某一种类型数据或单独使用某一种算法效果好,很好地的证明了将二维和三维人耳数据结合使用用来进行人耳识别将有效提高识别率。为了降低ICP算法配准时的运算量,本文提出了一种改进的ICP算法,大大提高了配准速度。在此基础上,为了解决三维人耳识别的快速性和准确性问题,提出了一种基于SIFT局部特征的3D人耳识别方法。首先用模板从人侧脸图像中切割出所需人耳图像,同时得到人耳点云数据:然后由入耳点云数据求得其Shape Index图；接着分别对仅含z通道的深度图像和Shape Index图求取SIFT特征:最后将两种图进行SIFT特征匹配得到的匹配数融合,融合所得结果用于人耳识别。在Notre Dame UND人耳数据库上的实验表明,由于SIFT,Shape Index对几何变换、光照以及姿态变化的鲁棒性,识别结果几乎不受这些变化的影响,所提方法简单、快速、具有较高的识别率。