發(fā)布時(shí)間：2021-10-12 09:08

　　多模態(tài)生物特征識(shí)別是通過綜合利用多個(gè)模態(tài)的特征信息來進(jìn)行身份驗(yàn)證,其中穩(wěn)定有效的融合方法是保證多模態(tài)生物特征識(shí)別應(yīng)用的關(guān)鍵。指紋、指靜脈、指節(jié)紋采集位置緊湊,生物學(xué)特征類似,且具備穩(wěn)定的身份表達(dá)能力,逐漸成為多模態(tài)生物特征識(shí)別領(lǐng)域的重要研究對(duì)象。以卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network,CNN）為代表的深度學(xué)習(xí)技術(shù)在生物特征識(shí)別領(lǐng)域發(fā)展迅速,為多模態(tài)生物特征融合識(shí)別開啟了新的研究方向。本文提出了一種基于CNN的手指多模態(tài)特征融合識(shí)別方法。主要研究內(nèi)容如下:1)建立了基于CNN的手指單模態(tài)識(shí)別模型。針對(duì)手指特征及卷積神經(jīng)網(wǎng)絡(luò)的特點(diǎn)設(shè)計(jì)了適合的單模態(tài)網(wǎng)絡(luò)模型,為手指多模態(tài)的融合奠定良好基礎(chǔ)。2)提出了基于CNN的手指多模態(tài)特征融合網(wǎng)絡(luò)模型。首先,采用卷積特征標(biāo)準(zhǔn)化方法將不同模態(tài)的特征尺寸進(jìn)行統(tǒng)一;然后,設(shè)計(jì)了3種不同的多模態(tài)特征融合網(wǎng)絡(luò)模型,并分析了不同的融合層次和融合方法對(duì)識(shí)別結(jié)果的影響。3)提出了基于注意力機(jī)制的手指多模態(tài)特征融合識(shí)別方法。針對(duì)特征融合過程中信息量比較大的問題,將融合特征賦予不同的注意力系數(shù),給判別性強(qiáng)的特征賦予其更大的注意力系數(shù)值,并且... 

【文章來源】：中國民航大學(xué)天津市

【文章頁數(shù)】：66 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 課題背景及意義
    1.2 生物特征識(shí)別技術(shù)
        1.2.1 生物特征識(shí)別技術(shù)研究現(xiàn)狀
        1.2.2 手部生物特征識(shí)別技術(shù)
    1.3 多模態(tài)生物特征識(shí)別技術(shù)
    1.4 論文內(nèi)容與組織結(jié)構(gòu)
第二章 手指多模態(tài)圖像采集和性能評(píng)價(jià)
    2.1 引言
    2.2 手指三模態(tài)圖像的采集
        2.2.1 采集裝置設(shè)計(jì)
        2.2.2 采集裝置軟件平臺(tái)
        2.2.3 手指三模態(tài)數(shù)據(jù)庫構(gòu)建
    2.3 生物特征識(shí)別系統(tǒng)的性能評(píng)價(jià)
    2.4 本章小結(jié)
第三章 基于CNN的手指單模態(tài)生物特征識(shí)別
    3.1 引言
    3.2 卷積神經(jīng)網(wǎng)絡(luò)
    3.3 手指單模態(tài)識(shí)別網(wǎng)絡(luò)
    3.4 實(shí)驗(yàn)結(jié)果及分析
        3.4.1 實(shí)驗(yàn)數(shù)據(jù)集
        3.4.2 實(shí)驗(yàn)設(shè)置
        3.4.3 手指單模態(tài)識(shí)別
    3.5 本章小結(jié)
第四章 手指多模態(tài)生物特征融合識(shí)別
    4.1 引言
    4.2 算法框架概述
    4.3 手指多模態(tài)特征融合識(shí)別
        4.3.1 卷積特征尺寸標(biāo)準(zhǔn)化
        4.3.2 手指多模態(tài)融合網(wǎng)絡(luò)結(jié)構(gòu)
        4.3.3 手指多模態(tài)融合網(wǎng)絡(luò)識(shí)別模型
    4.4 實(shí)驗(yàn)結(jié)果與分析
    4.5 本章小結(jié)
第五章 基于注意力機(jī)制的手指多模態(tài)特征識(shí)別
    5.1 引言
    5.2 注意力機(jī)制簡介
    5.3 注意力機(jī)下的手指多模態(tài)識(shí)別
        5.3.1 基于注意力機(jī)制的特征融合網(wǎng)絡(luò)結(jié)構(gòu)
        5.3.2 基于注意力機(jī)制的手指多模態(tài)融合識(shí)別
    5.4 實(shí)驗(yàn)結(jié)果與分析
    5.5 本章小結(jié)
第六章 總結(jié)與展望
    6.1 本文工作總結(jié)
    6.2 未來工作展望
致謝
參考文獻(xiàn)
攻讀碩士期間的科研成果


【參考文獻(xiàn)】：
期刊論文
[1]特征融合的卷積神經(jīng)網(wǎng)絡(luò)多波段艦船目標(biāo)識(shí)別[J]. 劉峰,沈同圣,馬新星.  光學(xué)學(xué)報(bào). 2017(10)
[2]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 李彥冬,郝宗波,雷航.  計(jì)算機(jī)應(yīng)用. 2016(09)
[3]一種基于虹膜和人臉的多生物特征融合方法[J]. 王風(fēng)華,韓九強(qiáng),姚向華.  西安交通大學(xué)學(xué)報(bào). 2008(02)
[4]基于數(shù)據(jù)融合的多生物特征身份識(shí)別[J]. 陳倩,楊建剛.  江南大學(xué)學(xué)報(bào). 2006(01)
[5]基于改進(jìn)ENN算法的多生物特征 融合的身份驗(yàn)證[J]. 劉紅毅,王蘊(yùn)紅,譚鐵牛.  自動(dòng)化學(xué)報(bào). 2004(01)

博士論文
[1]手部特征識(shí)別及特征級(jí)融合算法研究[D]. 李強(qiáng).北京交通大學(xué) 2006

碩士論文
[1]多模態(tài)生物特征編碼融合識(shí)別方法[D]. 李樹一.中國民航大學(xué) 2019
[2]指紋質(zhì)量評(píng)估及匹配的研究[D]. 李亞碩.山東大學(xué) 2013



本文編號(hào)：3432285