基于指紋與姓名語音的多模態(tài)生物特征融合身份識(shí)別技術(shù)的研究.pdf

1、本文針對(duì)在單模態(tài)生物特征身份識(shí)別時(shí)由于識(shí)別環(huán)境的改變或惡化，而引起的識(shí)別率迅速下降問題，提出了基于指紋和姓名語音的多模態(tài)生物特征融合身份識(shí)別的方法來提高身份識(shí)別率和適應(yīng)較差識(shí)別環(huán)境。本文對(duì)特征信息進(jìn)行了歸一化研究，分析了基于匹配層的自適應(yīng)加權(quán)融合識(shí)別算法、D-S證據(jù)理論融合識(shí)別算法和基于特征層的神經(jīng)元網(wǎng)絡(luò)理論的融合識(shí)別算法，并通過實(shí)驗(yàn)分析證明即使在較差環(huán)境下，基于指紋和姓名語音的多模態(tài)生物特征融合身份識(shí)別也能保持較高的準(zhǔn)確率、可靠性和實(shí)

2、時(shí)性。
　　本研究主要內(nèi)容包括：⑴提出了一種基于MB-FECC的姓名語音的特征提取方法并實(shí)現(xiàn)了姓名語音的身份識(shí)別。首先將語音信號(hào)經(jīng) Gammatone帶通濾波器組濾波，并使用三角形窗口增強(qiáng)其輸出；然后將分?jǐn)?shù)階傅立葉變換與合適的模糊函數(shù)或瞬時(shí)頻率函數(shù)相結(jié)合得到相應(yīng)的特征系數(shù)，進(jìn)一步經(jīng)過DCT處理和對(duì)數(shù)變換求得最終的特征系數(shù)，進(jìn)行特征提取；最后采用了HTK處理實(shí)現(xiàn)了姓名語音身份識(shí)別。⑵實(shí)現(xiàn)了指紋的特征提取和身份識(shí)別。首先對(duì)指紋圖像進(jìn)行

3、Gabor濾波增強(qiáng)；然后采用稀疏算法方法和基于單一像素點(diǎn)的八鄰域方法對(duì)指紋圖像分別進(jìn)行了兩次細(xì)化；之后采用二維離散小波分解的方法提取了指紋的特征向量；最后以四種正交小波基對(duì)指紋圖像進(jìn)行二維離散分解，并采用無拒識(shí)率的K近鄰識(shí)別方法分別實(shí)現(xiàn)了指紋的身份識(shí)別。⑶提出了基于指紋和姓名語音的多模態(tài)生物特征融合身份識(shí)別的模型。首先討論了指紋與姓名語音在匹配層和特征層的融合理論框架；然后分析了基于匹配層的自適應(yīng)加權(quán)融合算法、D-S證據(jù)理論融合算法和基