基于CNN的手指多模态融合识别方法研究

发布时间：2021-10-12 09:08

　　多模态生物特征识别是通过综合利用多个模态的特征信息来进行身份验证,其中稳定有效的融合方法是保证多模态生物特征识别应用的关键。指纹、指静脉、指节纹采集位置紧凑,生物学特征类似,且具备稳定的身份表达能力,逐渐成为多模态生物特征识别领域的重要研究对象。以卷积神经网络（Convolutional Neural Network,CNN）为代表的深度学习技术在生物特征识别领域发展迅速,为多模态生物特征融合识别开启了新的研究方向。本文提出了一种基于CNN的手指多模态特征融合识别方法。主要研究内容如下:1)建立了基于CNN的手指单模态识别模型。针对手指特征及卷积神经网络的特点设计了适合的单模态网络模型,为手指多模态的融合奠定良好基础。2)提出了基于CNN的手指多模态特征融合网络模型。首先,采用卷积特征标准化方法将不同模态的特征尺寸进行统一;然后,设计了3种不同的多模态特征融合网络模型,并分析了不同的融合层次和融合方法对识别结果的影响。3)提出了基于注意力机制的手指多模态特征融合识别方法。针对特征融合过程中信息量比较大的问题,将融合特征赋予不同的注意力系数,给判别性强的特征赋予其更大的注意力系数值,并且... 

【文章来源】：中国民航大学天津市

【文章页数】：66 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 课题背景及意义
    1.2 生物特征识别技术
        1.2.1 生物特征识别技术研究现状
        1.2.2 手部生物特征识别技术
    1.3 多模态生物特征识别技术
    1.4 论文内容与组织结构
第二章 手指多模态图像采集和性能评价
    2.1 引言
    2.2 手指三模态图像的采集
        2.2.1 采集装置设计
        2.2.2 采集装置软件平台
        2.2.3 手指三模态数据库构建
    2.3 生物特征识别系统的性能评价
    2.4 本章小结
第三章 基于CNN的手指单模态生物特征识别
    3.1 引言
    3.2 卷积神经网络
    3.3 手指单模态识别网络
    3.4 实验结果及分析
        3.4.1 实验数据集
        3.4.2 实验设置
        3.4.3 手指单模态识别
    3.5 本章小结
第四章 手指多模态生物特征融合识别
    4.1 引言
    4.2 算法框架概述
    4.3 手指多模态特征融合识别
        4.3.1 卷积特征尺寸标准化
        4.3.2 手指多模态融合网络结构
        4.3.3 手指多模态融合网络识别模型
    4.4 实验结果与分析
    4.5 本章小结
第五章 基于注意力机制的手指多模态特征识别
    5.1 引言
    5.2 注意力机制简介
    5.3 注意力机下的手指多模态识别
        5.3.1 基于注意力机制的特征融合网络结构
        5.3.2 基于注意力机制的手指多模态融合识别
    5.4 实验结果与分析
    5.5 本章小结
第六章 总结与展望
    6.1 本文工作总结
    6.2 未来工作展望
致谢
参考文献
攻读硕士期间的科研成果


【参考文献】：
期刊论文
[1]特征融合的卷积神经网络多波段舰船目标识别[J]. 刘峰,沈同圣,马新星.  光学学报. 2017(10)
[2]卷积神经网络研究综述[J]. 李彦冬,郝宗波,雷航.  计算机应用. 2016(09)
[3]一种基于虹膜和人脸的多生物特征融合方法[J]. 王风华,韩九强,姚向华.  西安交通大学学报. 2008(02)
[4]基于数据融合的多生物特征身份识别[J]. 陈倩,杨建刚.  江南大学学报. 2006(01)
[5]基于改进ENN算法的多生物特征 融合的身份验证[J]. 刘红毅,王蕴红,谭铁牛.  自动化学报. 2004(01)

博士论文
[1]手部特征识别及特征级融合算法研究[D]. 李强.北京交通大学 2006

硕士论文
[1]多模态生物特征编码融合识别方法[D]. 李树一.中国民航大学 2019
[2]指纹质量评估及匹配的研究[D]. 李亚硕.山东大学 2013



本文编号：3432285