本文關(guān)鍵詞：基于動態(tài)的唇形身份識別算法的研究，由筆耕文化傳播整理發(fā)布。

【摘要】：身份識別是指根據(jù)人提供的證明性文件、密碼或者其他的特征,對人的身份進行鑒定和識別。其中基于證明性文件或者密碼等的傳統(tǒng)身份識別方法,是幾千年來人們主要使用的身份識別方式,但是它們易于被盜用,并且安全性不高,所以已經(jīng)不能再滿足現(xiàn)代人對身份識別的要求,逐漸被人們摒棄�；谏锾卣鞯纳矸葑R別是提取人的生理特征做身份鑒定,由于人的生理特征是人所特有的、唯一的,不易被模仿和偽造,所以基于此方法的身份識別安全性較高,是近年來研究的熱點。人的生物特征包括人臉、步態(tài)、虹膜、掌紋、唇形等,基于這些生物特征的身份識別方法一直是近年來的研究重點。唇形身份識別指的是,提取出人的唇形特征,然后利用這些特征去做身份鑒定。本文在研究了現(xiàn)有的一系列基于唇形特征的身份識別算法的基礎(chǔ)上,根據(jù)算法的優(yōu)缺點,對現(xiàn)有的算法進行了一系列的改進。本文研究的主要工作如下:(1)現(xiàn)有常用的通過標(biāo)定唇形特征點進行唇形身份識別鑒定的方法,由于基于單幅圖像的唇形身份識別,未能體現(xiàn)出唇部的變化特征,本文在此基礎(chǔ)上,應(yīng)用了動態(tài)唇形身份識別。在唇部特征點標(biāo)定的位置上,本文提出了特征點內(nèi)外同時標(biāo)定的方法,不僅更加凸顯了唇形的特征變化,還降低運算復(fù)雜度。同時,為了減少手工標(biāo)定特征點的繁瑣的勞動量,本文引入了特征點標(biāo)定算法,并在現(xiàn)有算法的基礎(chǔ)上,對該算法進行了改進,以模板代替區(qū)域?qū)ふ姨卣鼽c,減小了算法計算的復(fù)雜度,同時以LBP算子代替像素作為度量標(biāo)準(zhǔn),有效地避免了光照變化對特征點標(biāo)定準(zhǔn)確度的影響,明顯的提高了標(biāo)定的準(zhǔn)確度。在進行匹配和識別階段,本文采取了隱馬爾科夫模型對唇形特征向量進行訓(xùn)練和識別。通過一系列的實驗對比,證明了經(jīng)過本文改進的唇形身份識別算法,不但有效地降低了算法的復(fù)雜度,并且提高了唇形身份識別的準(zhǔn)確度。(2)在近年來常用的基于生物特征的身份識別方法中,以紋理特征做身份識別鑒定是研究的重點之一,因為相比于標(biāo)定特征點做身份識別算法,以紋理特征的身份識別的算法復(fù)雜度降低很多,且操作簡單。在對現(xiàn)有的基于生物特征的身份識別方法進行學(xué)習(xí)研究后,本文以一系列的動態(tài)唇形圖像代替單幅唇形圖像,以動態(tài)的唇形紋理特征做為身份識別鑒定的基礎(chǔ),不但顯現(xiàn)了唇形的靜態(tài)特征,而且也有效地體現(xiàn)了唇形的動態(tài)特征。本文首次在唇形身份識別算法中引入了塊匹配方法,并對塊匹配算法進行了改進,傳統(tǒng)的塊匹配方法以像素作為算子,在光照變化較大的環(huán)境中,算法識別的準(zhǔn)確度受到很大的影響,本文采用LBP作為算子,有效地避免了光照變化對唇形身份識別的影響。實驗表明,本文算法在算法復(fù)雜度較低的前提下,有效的提高了身份識別的準(zhǔn)確度。
【關(guān)鍵詞】：動態(tài)唇形 特征點自動標(biāo)定 隱馬爾科夫模型 LBP 塊匹配算法
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41
【目錄】：

• 摘要4-6
• Abstract6-10
• 第1章 緒論10-14
• 1.1 課題研究的背景與意義10-11
• 1.2 國內(nèi)外研究現(xiàn)狀11-12
• 1.3 論文的主要內(nèi)容與結(jié)構(gòu)安排12-14
• 第2章 動態(tài)唇形身份識別算法概述14-26
• 2.1 動態(tài)唇形身份識別算法簡介14-15
• 2.2 唇形圖像預(yù)處理相關(guān)算法15-17
• 2.2.1 尺度歸一化處理15-16
• 2.2.2 灰度歸一化處理16-17
• 2.3 提取唇形特征向量相關(guān)算法17-21
• 2.3.1 Gabor變換17-19
• 2.3.2 特征點自動標(biāo)定算法19-21
• 2.4 分類器21-25
• 2.4.1 歐氏距離22-23
• 2.4.2 隱馬爾科夫模型23-25
• 2.5 本章小結(jié)25-26
• 第3章 基于特征點自動標(biāo)定的動態(tài)唇形身份識別算法26-41
• 3.1 引言26
• 3.2 算法設(shè)計思想26-28
• 3.3 視頻預(yù)處理28-29
• 3.4 特征點的標(biāo)定29-35
• 3.4.1 唇形特征點內(nèi)外同時標(biāo)定30-32
• 3.4.2 改進的特征點自動標(biāo)定算法32-34
• 3.4.3 改進后的標(biāo)定算法實驗結(jié)果34-35
• 3.5 特征向量的提取35-37
• 3.6 實驗結(jié)果與分析37-40
• 3.6.1 實驗數(shù)據(jù)庫的建立37-38
• 3.6.2 實驗設(shè)置38-39
• 3.6.3 實驗結(jié)果對比與分析39-40
• 3.7 本章小結(jié)40-41
• 第4章 基于LBP的塊匹配動態(tài)唇形身份識別算法41-52
• 4.1 引言41
• 4.2 基于LBP的塊匹配動態(tài)唇形身份識別算法概述41-43
• 4.3 LBP概述43-44
• 4.3.1 LBP簡介43
• 4.3.2 LBP定義43-44
• 4.4 基于LBP的塊匹配算法44-47
• 4.4.1 傳統(tǒng)的塊匹配算法44-46
• 4.4.2 基于LBP的塊匹配算法46-47
• 4.5 位移向量直方圖的獲取47-48
• 4.6 實驗結(jié)果與分析48-50
• 4.6.1 實驗設(shè)置49
• 4.6.2 實驗結(jié)果分析49-50
• 4.7 標(biāo)定特征點的唇形識別算法與塊匹配的唇形識別算法對比50-51
• 4.8 本章小結(jié)51-52
• 第5章 總結(jié)與展望52-54
• 5.1 工作總結(jié)52-53
• 5.2 研究展望53-54
• 參考文獻54-57
• 作者簡介及在學(xué)期間所取得的科研成果57-58
• 致謝58

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 劉波;;“算法設(shè)計與分析”教學(xué)探討[J];高等理科教育;2007年04期

2 肖小克;陳莉;;《算法設(shè)計與分析》實踐教學(xué)探討[J];福建電腦;2009年10期

3 穆瑞輝;;計算機算法設(shè)計研究與思考[J];數(shù)字技術(shù)與應(yīng)用;2012年12期

4 潘博;;構(gòu)建“算法設(shè)計與分析”趣味課堂[J];科教文匯(下旬刊);2013年06期

5 王希常,楊志強;一類考場編排算法的設(shè)計[J];山東師范大學(xué)學(xué)報(自然科學(xué)版);2002年04期

6 龍騰芳,高金文;“分而治之”方法在算法設(shè)計中的應(yīng)用[J];渤海大學(xué)學(xué)報(自然科學(xué)版);2004年01期

7 呂國英;;《算法設(shè)計與分析》教材建設(shè)的實施[J];計算機教育;2007年19期

8 徐子珊;;“算法設(shè)計與分析”教學(xué)中理論與技術(shù)的平衡[J];計算機教育;2008年10期

9 鄭紅;邵志清;符海波;;“算法設(shè)計與分析”課程教學(xué)改革初探[J];計算機教育;2008年14期

10 高尚;;“算法設(shè)計與分析”課程改革初探[J];計算機教育;2008年14期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 雷詠梅;;橢圓曲線密碼體制的算法設(shè)計與實現(xiàn)[A];西部大開發(fā) 科教先行與可持續(xù)發(fā)展——中國科協(xié)2000年學(xué)術(shù)年會文集[C];2000年

2 楊盤洪;朱軍祥;趙建安;楊靜;;機動目標(biāo)跟蹤的模糊變結(jié)構(gòu)交互多模算法[A];2007'中國儀器儀表與測控技術(shù)交流大會論文集（二）[C];2007年

3 徐子珊;;《算法設(shè)計與分析》課程中的工程教育[A];2005年全國理論計算機科學(xué)學(xué)術(shù)年會論文集[C];2005年

4 王輝;劉治昌;;用一種新算法設(shè)計的安全系統(tǒng)[A];2007年中國智能自動化會議論文集[C];2007年

5 舒輝;柳清峰;杜祝平;周蓓;;實踐教學(xué)模式在本科專業(yè)課程教學(xué)中的應(yīng)用[A];中國電子教育學(xué)會高教分會2010年論文集[C];2010年

6 彭小宏;陽東升;劉忠;;基于聚類算法的組織協(xié)作網(wǎng)設(shè)計[A];2006中國控制與決策學(xué)術(shù)年會論文集[C];2006年

7 李皓;羅熊;;云存儲部署優(yōu)化的進化算法設(shè)計[A];2013年中國智能自動化學(xué)術(shù)會議論文集（第三分冊）[C];2013年

8 羅長政;李熙瑩;王鎮(zhèn)波;羅東華;;一種大流量交叉路口的背景提取與更新算法[A];第十五屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2010年

9 楊利;李霖;昌月樓;陽國貴;;對稱位向量及啟發(fā)式并行散列連接算法[A];數(shù)據(jù)庫研究與進展95——第十三屆全國數(shù)據(jù)庫學(xué)術(shù)會議論文集[C];1995年

10 張晉;;嵌入式電腦鼠運行算法的研究[A];全國第20屆計算機技術(shù)與應(yīng)用學(xué)術(shù)會議（CACIS·2009）暨全國第1屆安全關(guān)鍵技術(shù)與應(yīng)用學(xué)術(shù)會議論文集（上冊）[C];2009年

中國重要報紙全文數(shù)據(jù)庫 前1條

1 ;算法設(shè)計的策略[N];電腦報;2003年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 谷偉哲;齊次光滑算法及其應(yīng)用[D];天津大學(xué);2010年

2 龍海俠;進化算法及其在生物信息中的應(yīng)用[D];江南大學(xué);2010年

3 譚躍;具有混沌局部搜索策略的粒子群優(yōu)化算法研究[D];中南大學(xué);2013年

4 尤海峰;求解隱式目標(biāo)優(yōu)化問題的交互式進化算法研究[D];中國科學(xué)技術(shù)大學(xué);2011年

5 張常淳;基于MapReduce的大數(shù)據(jù)連接算法的設(shè)計與優(yōu)化[D];中國科學(xué)技術(shù)大學(xué);2014年

6 郭崇慧;地區(qū)中長期發(fā)展規(guī)劃若干定量模型、算法及應(yīng)用研究[D];大連理工大學(xué);2002年

7 蔣蔚;粒子濾波改進算法研究與應(yīng)用[D];哈爾濱工業(yè)大學(xué);2010年

8 孫賀;算法設(shè)計中的若干前沿問題[D];復(fù)旦大學(xué);2009年

9 陳寧濤;基于二分技術(shù)的高效算法設(shè)計及其應(yīng)用[D];華中科技大學(xué);2006年

10 婁曉文;無符號基因組切割再粘貼重組問題的算法研究[D];山東大學(xué);2010年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 李欣園;基于選擇偏好的組合聚類算法研究與實現(xiàn)[D];內(nèi)蒙古大學(xué);2015年

2 楊瀟;界約束非線性最小二乘問題的無導(dǎo)數(shù)算法[D];上海交通大學(xué);2015年

3 王曉璐;基于Zynq的LS-SVM算法加速器設(shè)計[D];哈爾濱工業(yè)大學(xué);2015年

4 樓磊磊;醫(yī)療保險數(shù)據(jù)異常行為檢測算法和系統(tǒng)[D];浙江大學(xué);2015年

5 齊海龍;基于改進人工蜂群算法的非線性系統(tǒng)辨識方法研究[D];北京化工大學(xué);2015年

6 蔡平梅;結(jié)構(gòu)化稀疏信號的恢復(fù)算法研究[D];上海大學(xué);2015年

7 趙晨陽;基于蟻群算法的高階圖匹配方法研究[D];西安電子科技大學(xué);2014年

8 茍清松;多目標(biāo)粒子濾波檢測前跟蹤算法研究[D];電子科技大學(xué);2015年

9 李枝勇;蝙蝠算法及其在函數(shù)優(yōu)化中的應(yīng)用研究[D];上海理工大學(xué);2013年

10 李蓮;基于蜂群和粗糙集的聚類算法研究[D];長沙理工大學(xué);2014年

  本文關(guān)鍵詞：基于動態(tài)的唇形身份識別算法的研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：385731