基于SVM融合的多通道生物認(rèn)證算法研究.pdf

1、生物認(rèn)證技術(shù)是一門新興的技術(shù)，擁有傳統(tǒng)身份認(rèn)證技術(shù)沒有的獨(dú)特優(yōu)點(diǎn)，在金融、公共安全及日常生活中都有廣泛的應(yīng)用。本文圍繞確認(rèn)模式下人臉和語音兩種生物認(rèn)證算法以及它們的支持向量機(jī)融合算法展開，其主要內(nèi)容如下： 首先，針對用戶龐大的實(shí)際應(yīng)用中，人臉識別不能保證實(shí)時性的問題，對基于特征臉的人臉確認(rèn)算法進(jìn)行了研究。為每個對象建立一個人臉子空間，而每個對象包括在盡可能多的情況(燈光、表情、姿勢等)下的樣本。引入四種分類器，即歐氏距離、馬氏距

2、離、歸一化的相關(guān)系數(shù)和重建誤差對結(jié)果進(jìn)行分類。用廣義判別分析對在分?jǐn)?shù)層進(jìn)行融合后再分類。實(shí)驗(yàn)結(jié)果發(fā)現(xiàn)，基于確認(rèn)模式的特征臉?biāo)惴▽Ω鞣N變化的魯棒性較強(qiáng)；用重建誤差分類器進(jìn)行分類，在所有比較的分類器中具有最好的性能；融合則又進(jìn)一步改善了性能，與同類算法相比具有一定的優(yōu)勢。 其次，采用基于高斯混合說話人模型用于獨(dú)立于文本的說話人確認(rèn)，它用若干個多維高斯概率密度的線性組合描述說話人的特征分布，克服短時語音測試的困難，對只有0.20秒和0

3、.52秒的測試語音進(jìn)行說話人確認(rèn)時，取得了較小的等誤差率。 再次，提出了基于正交多項(xiàng)式核函數(shù)的支持向量機(jī)，同時引入模糊支持向量機(jī)和不同的懲罰參數(shù)用來克服過擬合和類邊界傾斜問題。由于正交多項(xiàng)式的優(yōu)越特性，使得在特征空間保證最少的冗余信息，使其支持向量大大減少。實(shí)驗(yàn)結(jié)果證明，基于正交多項(xiàng)式核函數(shù)的支持向量機(jī)同基于傳統(tǒng)核函數(shù)的支持向量機(jī)相比，在分類、泛化能力和支持向量數(shù)目方面都具有優(yōu)越性。 最后，結(jié)合傳統(tǒng)的身份認(rèn)證技術(shù)和生物認(rèn)