基于HMM模型的眉毛識(shí)別方法研究.pdf

1、隨著全球范圍內(nèi)電子商務(wù)的迅速興起，對(duì)人類自身身份識(shí)別的準(zhǔn)確性、安全性與實(shí)用性提出了更高要求，傳統(tǒng)身份識(shí)別方法(如密碼，IC卡等)正越來(lái)越受到限制，各方面對(duì)更安全有效的身份識(shí)別方法的要求日益迫切。生物特征是人的內(nèi)在屬性，具有很強(qiáng)的自身穩(wěn)定性和個(gè)體差異性，是身份識(shí)別的一個(gè)比較理想的依據(jù)。目前，人們已經(jīng)發(fā)展了指紋識(shí)別、虹膜識(shí)別、掌紋識(shí)別、手型識(shí)別、人臉識(shí)別、語(yǔ)音識(shí)別、簽名識(shí)別等多種生物識(shí)別技術(shù)，但還未發(fā)現(xiàn)把眉毛作為一個(gè)獨(dú)立的生物特征進(jìn)行身份識(shí)

2、別的相關(guān)報(bào)道。本文借鑒了隱馬爾可夫模型(HiddenMarkov Model，HMM)在人臉識(shí)別中的成功經(jīng)驗(yàn)，將HMM的方法運(yùn)用到眉毛識(shí)別中，對(duì)人的眉毛作為一種獨(dú)立生物特征使用的可能性和可行性進(jìn)行研究。 本論文所完成的工作主要包括以下幾個(gè)方面： (1)研究了適合眉毛識(shí)別的特征提取方法。本文利用快速傅里葉變換的方法提取眉毛圖像的特征矢量，把眉毛圖像的每列看作一個(gè)256維的矢量，用32維的低頻傅里葉變換系數(shù)代替眉毛圖像列矢量

3、作為特征矢量，減弱了眉毛圖像質(zhì)量對(duì)特征矢量的影響，降低了運(yùn)算復(fù)雜度。 (2)解決了如何用一維離散HMM對(duì)眉毛圖像建模的問(wèn)題。用快速傅里葉變換的方法提取所有訓(xùn)練眉毛圖像的特征矢量，組成訓(xùn)練矢量集，用LBG算法訓(xùn)練出一個(gè)碼本，通過(guò)矢量量化(Vector Quantization，VQ)方法把二維的眉毛圖像數(shù)據(jù)變?yōu)橐痪S觀察序列。參考基于HMM的人臉識(shí)別，采用從左到右無(wú)跨越型一維離散HMM對(duì)眉毛圖像建模。 (3)詳細(xì)介紹了基于H