基于动态的唇形身份识别算法的研究

发布时间：2017-05-22 12:19

  本文关键词：基于动态的唇形身份识别算法的研究，由笔耕文化传播整理发布。

【摘要】：身份识别是指根据人提供的证明性文件、密码或者其他的特征,对人的身份进行鉴定和识别。其中基于证明性文件或者密码等的传统身份识别方法,是几千年来人们主要使用的身份识别方式,但是它们易于被盗用,并且安全性不高,所以已经不能再满足现代人对身份识别的要求,逐渐被人们摒弃。基于生物特征的身份识别是提取人的生理特征做身份鉴定,由于人的生理特征是人所特有的、唯一的,不易被模仿和伪造,所以基于此方法的身份识别安全性较高,是近年来研究的热点。人的生物特征包括人脸、步态、虹膜、掌纹、唇形等,基于这些生物特征的身份识别方法一直是近年来的研究重点。唇形身份识别指的是,提取出人的唇形特征,然后利用这些特征去做身份鉴定。本文在研究了现有的一系列基于唇形特征的身份识别算法的基础上,根据算法的优缺点,对现有的算法进行了一系列的改进。本文研究的主要工作如下:(1)现有常用的通过标定唇形特征点进行唇形身份识别鉴定的方法,由于基于单幅图像的唇形身份识别,未能体现出唇部的变化特征,本文在此基础上,应用了动态唇形身份识别。在唇部特征点标定的位置上,本文提出了特征点内外同时标定的方法,不仅更加凸显了唇形的特征变化,还降低运算复杂度。同时,为了减少手工标定特征点的繁琐的劳动量,本文引入了特征点标定算法,并在现有算法的基础上,对该算法进行了改进,以模板代替区域寻找特征点,减小了算法计算的复杂度,同时以LBP算子代替像素作为度量标准,有效地避免了光照变化对特征点标定准确度的影响,明显的提高了标定的准确度。在进行匹配和识别阶段,本文采取了隐马尔科夫模型对唇形特征向量进行训练和识别。通过一系列的实验对比,证明了经过本文改进的唇形身份识别算法,不但有效地降低了算法的复杂度,并且提高了唇形身份识别的准确度。(2)在近年来常用的基于生物特征的身份识别方法中,以纹理特征做身份识别鉴定是研究的重点之一,因为相比于标定特征点做身份识别算法,以纹理特征的身份识别的算法复杂度降低很多,且操作简单。在对现有的基于生物特征的身份识别方法进行学习研究后,本文以一系列的动态唇形图像代替单幅唇形图像,以动态的唇形纹理特征做为身份识别鉴定的基础,不但显现了唇形的静态特征,而且也有效地体现了唇形的动态特征。本文首次在唇形身份识别算法中引入了块匹配方法,并对块匹配算法进行了改进,传统的块匹配方法以像素作为算子,在光照变化较大的环境中,算法识别的准确度受到很大的影响,本文采用LBP作为算子,有效地避免了光照变化对唇形身份识别的影响。实验表明,本文算法在算法复杂度较低的前提下,有效的提高了身份识别的准确度。
【关键词】：动态唇形 特征点自动标定 隐马尔科夫模型 LBP 块匹配算法
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要4-6
• Abstract6-10
• 第1章 绪论10-14
• 1.1 课题研究的背景与意义10-11
• 1.2 国内外研究现状11-12
• 1.3 论文的主要内容与结构安排12-14
• 第2章 动态唇形身份识别算法概述14-26
• 2.1 动态唇形身份识别算法简介14-15
• 2.2 唇形图像预处理相关算法15-17
• 2.2.1 尺度归一化处理15-16
• 2.2.2 灰度归一化处理16-17
• 2.3 提取唇形特征向量相关算法17-21
• 2.3.1 Gabor变换17-19
• 2.3.2 特征点自动标定算法19-21
• 2.4 分类器21-25
• 2.4.1 欧氏距离22-23
• 2.4.2 隐马尔科夫模型23-25
• 2.5 本章小结25-26
• 第3章 基于特征点自动标定的动态唇形身份识别算法26-41
• 3.1 引言26
• 3.2 算法设计思想26-28
• 3.3 视频预处理28-29
• 3.4 特征点的标定29-35
• 3.4.1 唇形特征点内外同时标定30-32
• 3.4.2 改进的特征点自动标定算法32-34
• 3.4.3 改进后的标定算法实验结果34-35
• 3.5 特征向量的提取35-37
• 3.6 实验结果与分析37-40
• 3.6.1 实验数据库的建立37-38
• 3.6.2 实验设置38-39
• 3.6.3 实验结果对比与分析39-40
• 3.7 本章小结40-41
• 第4章 基于LBP的块匹配动态唇形身份识别算法41-52
• 4.1 引言41
• 4.2 基于LBP的块匹配动态唇形身份识别算法概述41-43
• 4.3 LBP概述43-44
• 4.3.1 LBP简介43
• 4.3.2 LBP定义43-44
• 4.4 基于LBP的块匹配算法44-47
• 4.4.1 传统的块匹配算法44-46
• 4.4.2 基于LBP的块匹配算法46-47
• 4.5 位移向量直方图的获取47-48
• 4.6 实验结果与分析48-50
• 4.6.1 实验设置49
• 4.6.2 实验结果分析49-50
• 4.7 标定特征点的唇形识别算法与块匹配的唇形识别算法对比50-51
• 4.8 本章小结51-52
• 第5章 总结与展望52-54
• 5.1 工作总结52-53
• 5.2 研究展望53-54
• 参考文献54-57
• 作者简介及在学期间所取得的科研成果57-58
• 致谢58

【相似文献】

中国期刊全文数据库 前10条

1 刘波;;“算法设计与分析”教学探讨[J];高等理科教育;2007年04期

2 肖小克;陈莉;;《算法设计与分析》实践教学探讨[J];福建电脑;2009年10期

3 穆瑞辉;;计算机算法设计研究与思考[J];数字技术与应用;2012年12期

4 潘博;;构建“算法设计与分析”趣味课堂[J];科教文汇(下旬刊);2013年06期

5 王希常,杨志强;一类考场编排算法的设计[J];山东师范大学学报(自然科学版);2002年04期

6 龙腾芳,高金文;“分而治之”方法在算法设计中的应用[J];渤海大学学报(自然科学版);2004年01期

7 吕国英;;《算法设计与分析》教材建设的实施[J];计算机教育;2007年19期

8 徐子珊;;“算法设计与分析”教学中理论与技术的平衡[J];计算机教育;2008年10期

9 郑红;邵志清;符海波;;“算法设计与分析”课程教学改革初探[J];计算机教育;2008年14期

10 高尚;;“算法设计与分析”课程改革初探[J];计算机教育;2008年14期

中国重要会议论文全文数据库 前10条

1 雷咏梅;;椭圆曲线密码体制的算法设计与实现[A];西部大开发 科教先行与可持续发展——中国科协2000年学术年会文集[C];2000年

2 杨盘洪;朱军祥;赵建安;杨静;;机动目标跟踪的模糊变结构交互多模算法[A];2007'中国仪器仪表与测控技术交流大会论文集（二）[C];2007年

3 徐子珊;;《算法设计与分析》课程中的工程教育[A];2005年全国理论计算机科学学术年会论文集[C];2005年

4 王辉;刘治昌;;用一种新算法设计的安全系统[A];2007年中国智能自动化会议论文集[C];2007年

5 舒辉;柳清峰;杜祝平;周蓓;;实践教学模式在本科专业课程教学中的应用[A];中国电子教育学会高教分会2010年论文集[C];2010年

6 彭小宏;阳东升;刘忠;;基于聚类算法的组织协作网设计[A];2006中国控制与决策学术年会论文集[C];2006年

7 李皓;罗熊;;云存储部署优化的进化算法设计[A];2013年中国智能自动化学术会议论文集（第三分册）[C];2013年

8 罗长政;李熙莹;王镇波;罗东华;;一种大流量交叉路口的背景提取与更新算法[A];第十五届全国图象图形学学术会议论文集[C];2010年

9 杨利;李霖;昌月楼;阳国贵;;对称位向量及启发式并行散列连接算法[A];数据库研究与进展95——第十三届全国数据库学术会议论文集[C];1995年

10 张晋;;嵌入式电脑鼠运行算法的研究[A];全国第20届计算机技术与应用学术会议（CACIS·2009）暨全国第1届安全关键技术与应用学术会议论文集（上册）[C];2009年

中国重要报纸全文数据库 前1条

1 ;算法设计的策略[N];电脑报;2003年

中国博士学位论文全文数据库 前10条

1 谷伟哲;齐次光滑算法及其应用[D];天津大学;2010年

2 龙海侠;进化算法及其在生物信息中的应用[D];江南大学;2010年

3 谭跃;具有混沌局部搜索策略的粒子群优化算法研究[D];中南大学;2013年

4 尤海峰;求解隐式目标优化问题的交互式进化算法研究[D];中国科学技术大学;2011年

5 张常淳;基于MapReduce的大数据连接算法的设计与优化[D];中国科学技术大学;2014年

6 郭崇慧;地区中长期发展规划若干定量模型、算法及应用研究[D];大连理工大学;2002年

7 蒋蔚;粒子滤波改进算法研究与应用[D];哈尔滨工业大学;2010年

8 孙贺;算法设计中的若干前沿问题[D];复旦大学;2009年

9 陈宁涛;基于二分技术的高效算法设计及其应用[D];华中科技大学;2006年

10 娄晓文;无符号基因组切割再粘贴重组问题的算法研究[D];山东大学;2010年

中国硕士学位论文全文数据库 前10条

1 李欣园;基于选择偏好的组合聚类算法研究与实现[D];内蒙古大学;2015年

2 杨潇;界约束非线性最小二乘问题的无导数算法[D];上海交通大学;2015年

3 王晓璐;基于Zynq的LS-SVM算法加速器设计[D];哈尔滨工业大学;2015年

4 楼磊磊;医疗保险数据异常行为检测算法和系统[D];浙江大学;2015年

5 齐海龙;基于改进人工蜂群算法的非线性系统辨识方法研究[D];北京化工大学;2015年

6 蔡平梅;结构化稀疏信号的恢复算法研究[D];上海大学;2015年

7 赵晨阳;基于蚁群算法的高阶图匹配方法研究[D];西安电子科技大学;2014年

8 苟清松;多目标粒子滤波检测前跟踪算法研究[D];电子科技大学;2015年

9 李枝勇;蝙蝠算法及其在函数优化中的应用研究[D];上海理工大学;2013年

10 李莲;基于蜂群和粗糙集的聚类算法研究[D];长沙理工大学;2014年

  本文关键词：基于动态的唇形身份识别算法的研究，由笔耕文化传播整理发布。

，

本文编号：385731