Download
1 / 23
230 likes | 334 Views
人脸与虹膜在特征层融合识别的研究. 陈前 导师：周春光. 内容安排. 1 、虹膜定位 2 、人脸和虹膜融合识别. 1. 虹膜定位. 虹膜是人眼位于瞳孔和巩膜之间的环形区域，它上面有特有的纹理结构，这种独特的纹理结构在人的一生中几乎不会发生变化 。虹膜定位就是要定位出虹膜的有效区域参与识别，防止无效区域的干扰 。. 1.1 相关算法. 代表算法： 微积分圆形检测算法（ Daugman 等） Hough 圆检测算法（ Wildes 等） 优点：精度比较高 不足：全局图像迭代搜索，非常耗时. 1.2 提出算法.
E N D
人脸与虹膜在特征层融合识别的研究 陈前 导师：周春光
内容安排 • 1、虹膜定位 • 2、人脸和虹膜融合识别
1.虹膜定位 • 虹膜是人眼位于瞳孔和巩膜之间的环形区域，它上面有特有的纹理结构，这种独特的纹理结构在人的一生中几乎不会发生变化 。虹膜定位就是要定位出虹膜的有效区域参与识别，防止无效区域的干扰 。
1.1 相关算法 代表算法： 微积分圆形检测算法（Daugman等） Hough圆检测算法（Wildes等） 优点：精度比较高 不足：全局图像迭代搜索，非常耗时
1.2 提出算法 • 提出一种结合傅立叶描绘子和最小二乘法的虹膜定位算法。在虹膜内圆定位时，首先用改进的轮廓跟踪算法检测二值化瞳孔边缘的点序列，然后用傅立叶描绘子提取该点序列的整体轮廓，最后用最小二乘法拟合内圆。在虹膜外圆定位时，利用虹膜左、右部分的灰度梯度信息，提取外边缘点序列，再用最小二乘法拟合外圆。实验结果表明，该方法提高了定位速度和精度,有效克服了睫毛、眼睑的遮挡。
虹膜内圆定位 Step1：二值化 Step2 ：轮廓跟踪 Step3 ：提取整体轮廓 Step4 ：最小二乘法拟合内圆 (A) Step1 (B)Step2 (C)Step3 (D)Step4
虹膜外圆定位 利用已定位好的内圆和虹膜左、右部分的灰度梯度信息来定位外圆。 (A)灰度曲线 (B)虹膜外边界点序列 (C)外圆定位
1.3 实验结果 • 在中科院自动化所发布的两个虹膜库上做实验。虹膜数据库CASIA V1（以下简称V1库）包含756张虹膜照片，采集自108个人，每人7张，分辨率为320*280；虹膜数据库CASIA V3中的CASIA-Iris-Interval库（以下简称V3库）包含2639张虹膜照片，采集自249个人，每个人10到20张不等，分辨率为320*280。
表1 在V1库上的对比实验结果 Table 1 Comparative Results on V1 iris lib 表2 在V3库上的对比实验结果 Table 2 Comparative Results on V3 lib
2.人脸和虹膜融合识别 • 算法流程
2.1 图像预处理 Step1:虹膜定位 a. Iris Image b. Iris Segmentation c. Partial Segmentation Step2:极坐标展开 d. Expand (b) e. Expand (c)
Step4: Log Gabor变换 人脸 虹膜条 Log Gabor 变换 归一化
2.2 特征提取 • 2D-PCA 算法 • PCA 算法 其中 其中 与PCA相比，在2DPCA中，更多的空间结构信息被保留，有利于加强分类效果和提高识别率。
PCA，LDA算法关注图像的全局结构信息，但是在很多应用中，图像的局部信息也很重要。Locality Preserving Projection (LPP)是一种新的关注保留局部信息的算法。 • LPP算法 目标函数：
目标函数： • 2D-LPP算法
2.3 随机特征 1，随机分布 2，正态分布
添加随机特征 对于每一个特征向量F，按照随机分布Rand或者正态分布Norm，产生一个集合Set(R,F)，将Set(R,F)作为新的特征代替F Fig.用PCA算法进行融合识别的实验结果
2.4 实验结果 Fig1.人脸识别曲线
