外耳形状特征和内耳结构特征结合的人耳特征提取

D0I:10.13374/j.issn1001053x.2006.05.040 第28卷第5期 北京科技大学学报 Vol.28 No.5 2006年5月 Journal of University of Science and Technology Beijing May 2006 外耳形状特征和内耳结构特征结合的人耳特征提取 穆志纯席德春徐正光袁立 北京科技大学信息工程学院、北京100083 摘要针对人耳的生物特征提出了一种人耳的形状特征和结构特征相结合的识别方法，首先提 取外耳最长轴，即外耳轮廓边缘点的最长连线.利用外耳长轴把外耳曲线分成两部分，用最小二乘 法对这两段曲线分别进行多项式曲线拟合，拟合多项式函数的系数作为外耳特征向量.同时长轴 与内耳曲线的交点作为内耳特征点，特征点之间连线的长度与长轴长度的比值作为内耳特征向 量，长轴的相对不变性保证了特征向量具有缩放、平移和旋转不变性.实验结果表明此方法在噪 声情况下具有较强的鲁棒性. 关键词人耳识别；特征提取；形状特征；结构特征 分类号0235 人耳识别技术是个体生物特征识别领域的一 分成外耳形状特征和内耳结构特征两部分进行处 项新技术，可以作为一种生物特征独立应用于一 理 些个体识别场合，也可以与其他生物识别技术结 通过对多幅人耳图像的观察发现，外耳边缘 合构成多模态个体识别方法.人耳生物特征具有 信息比较丰富，每个人的外耳轮廓都是不一样的， 其自身特点山：丰富和稳定的结构特征，这些特 这些区别来自外耳边缘曲线在不同位置的曲率及 征在人生的相当长一段时间内都保持不变；人耳 拐点的变化5).因此可以考虑利用外耳曲线的几 特征不受表情变化的影响，且人耳的特定生理位 何特征来识别人耳.若用最小二乘方法[6]对人耳 置使其紧靠的背景可以预测.这些特点使人耳特 外轮廓的边缘点进行多项式拟合，拟合的曲线多 征识别能丰富生物特征识别技术，能补充目前一项式的系数可以看作是对外耳几何形状的描 些生物识别技术的不足[2】，其可行性已经得到 述刀，构成人耳外耳的局部特征变址. 了实验证明 外耳形状特征的提取主要包括以下步骤： 人耳识别无论是从图像角度还是技术实现方 (1)提取外耳轮廓的边缘点，求取外耳长轴 面，都有别于其他生物识别技术，因此需要探索和 及其中点坐标O(xo,y0); 研究一种有效的人耳特征描述方法和分类识别技 (2)根据求取的耳朵长轴的中点O(x0,yo) 术 所确定的平行于x轴的直线对外耳曲线进行分 段，分成上下两段曲线Iine1和Line2,如图1所 1人耳图像特征提取 示 由于耳朵图像可利用的颜色信息较少，且其 (x)八 灰度值过渡比较平缓，故不宜提取整体特征4). I ine 然而人耳的外形轮廓和内耳曲线结构却蕴含着丰 富的特征信息，因此可以在特征提取过程中，首先 利用边缘检测的方法得到人耳边缘二值图像，继 而提取人耳的局部特征 1.1外耳形状特征提取 结合人耳的结构特征，认为可以把人耳特征 ( 收稿日期：200501-13修回日期：200505-26 图1耳朵长轴分割外耳边缘曲线 基金项目：国家自然科学基金资助项目(No.60375002) Fig.1 Auricle curve divided by longest axis 作者简介：穆志纯(1952一)，男，教授

第 卷 第 期 年 月 北 京 科 技 大 学 学 报 呜 。 。 外耳形状特征和内耳结构特征结合的人耳特征提取 穆 志纯 席德春 徐正 光 哀 立 北京科技大学 信息工 程学院 ， 北京 摘 要 针对 人耳 的生物特征提 出了一种人耳 的形状特征和结构特征相结合的识别方法 首先提 取 外耳最 长轴 ， 即外耳轮廓边缘点的最长连线 利用外耳长轴把外耳 曲线分成两 部分 ， 用最 小二乘 法对这两段 曲线分别进行多项式 曲线拟 合 ， 拟 合多项式 函 数的系数作为外耳特 征 向量 同时长轴 与内耳 曲线的交点作为 内耳 特征 点 ， 特征点之 间连 线的长度与长轴长度 的 比值作为 内耳 特 征 向 量 长轴的相对不变性保证 了特征向量具有缩 放 、 平 移和旋转 不变性 实验结果 表明此 方 法 在噪 声情况 下具有较强 的鲁棒性 关锐词 人耳识别 特征提取 形状特征 结构特征 分类号 人耳识别技术是 个体生物特征识别领域 的一 项新技 术 ， 可以 作 为一 种 生 物特 征 独立 应 用 于 一 些个体识别场 合 ， 也 可 以 与其他 生 物识 别技术结 合构成多模态个体识别方 法 人耳 生物特征具 有 其 自身特 点川 丰 富和 稳 定的结构特征 ， 这 些 特 征在人生的相 当长 一 段 时 间 内都保持不变 人耳 特征不受表情 变 化 的影 响 ， 且 人耳 的特定 生 理 位 置 使其 紧靠的背景 可以预 测 这 些 特点使 人耳 特 征识别能丰富生物特征识 别技术 ， 能 补 充 目前 一 些 生物识 别 技 术 的 不 足 一 ， 其 可行性 已 经 得 到 了实验证 明 人耳识别无论 是从 图像角度还 是技术实现方 面 ， 都有别于 其他生物识别技 术 ， 因此需要探索和 研 究一 种有效 的人耳特征描述 方法和 分类识别技 术 人耳图像特征提取 由于耳 朵 图像 可利用 的颜 色 信息较 少 ， 且 其 灰度值过 渡 比较 平缓 ， 故 不 宜 提 取 整 体 特 征 然而 人耳 的外形轮廓和 内耳 曲线结构却蕴含 着丰 富的特征信息 ， 因此 可以在特征提取过 程 中 ， 首先 利用边 缘检测 的方 法 得 到 人耳 边 缘二 值图像 ， 继 而提 取 人耳 的局部特征 外耳形状特征提取 结合人耳 的结 构特 征 ， 认 为可 以 把 人 耳 特征 分成外耳形状特征和 内耳结构特征两 部分进 行 处 理 通过 对 多幅 人 耳 图像的观 察发 现 ， 外 耳 边 缘 信息比较丰富 ， 每个 人的外耳轮廓都是 不一 样 的 ， 这些 区别来 自外耳边缘曲线在不 同位置 的曲率及 拐点的变化 ’ 〕 因此可以考虑 利用外耳 曲线的几 何特征来识别人耳 若 用最小二乘方 法 【 “ 〕对 人耳 外轮廓的边缘 点进 行 多项 式 拟 合 ， 拟 合的 曲线 多 项式 的 系 数 可 以 看 作 是 对 外 耳 几 何 形 状 的 描 述 ， 构成人耳外耳 的局部特征变量 外耳 形状特征的提取 主要 包括 以下步骤 提 取 外耳 轮 廓的边 缘 点 ， 求取 外耳 长轴 及其 中点坐 标 。 ， 。 根据求取 的耳 朵 长 轴的 中点 。 。 ， 。 所确 定的平 行 于 轴 的直 线对 外耳 曲线进 行 分 段 ， 分成 上 下 两 段 曲线 和 才 ， 如 图 所 示 收稿 期 ， 一 修回 期 一 一 荃盘项 目 国家 自然科学基金资助项 目 作者简介 穆志纯 一 ， 男 ， 教授 图 耳朵长轴分割外耳边缘曲线 ， DOI ：10．13374／j ．issn1001－053x．2006．05．040

·498· 北京科技大学学报 2006年第5期 (3)从提取的外耳边缘坐标点中等间隔的选 |OCl/|AB|=√(xo-x3)2+(y0-y3)2 取一系列坐标点，利用最小二乘法分别对两段曲 线进行拟合，得到拟合曲线的方程y1=amx”+ √（x1-x2)2+(y1-y2)2 an-1x-1+…+a0和y2=bnx”+ba-1x”-1+… 按比例λ缩放后的图像中的该特征变量变 +b0.曲线方程y1的系数向量[am,an-1,…,ao] 为： 作为Linel曲线的结构特征变量；y2的系数向量 IOCI/八A'BI= [bn,bn-1,…,bo]作为Line2曲线的结构特征变 √(ax0-x3)2+(0-y3》2/ 量 1.2内耳结构特征提取 √(x1-x2)2+(ay1-y2)2= 1.2.1内耳特征变量的提取 OC/AB. 如图2所示，A,B两点即为外耳边缘点中距 可以看出，改变图像的比例不会改变内耳特 离最远的两点，AB所在的直线即耳朵的长轴，内 征变量. 耳结构特征提取的主要步骤如下： (2)平移不变性.设人耳图像在原图像中水 (1)求取耳朵长轴的长度|AB|; 平方向平移距离为0，垂直方向平移距离为a, (2)求取长轴的中垂线，即经过O点与直线 原图像中的坐标为O(x0,yo),A(x1,y1), AOB相垂直的短轴FOH; B(x2,y2),C(x3,y),平移后各点的坐标变为 (3)求取长轴AOB与内耳曲线的交点C, O'(x0+0,y0+oy),A'(x1+o,y1+oy), D,E;再求取短轴与耳朵边缘的交点F,G,H,记 B'(x2+or,y2+dy),C(x3+or,y3+dy). 录这些点的坐标1o] 图像特征变量变为： (4)定义内耳的特征向量为： IO'C'I/AB'I= [IOC1/IABI,I ODI/IABI,IOEI/IABI, J/(x0+）-(x3+a,)2+(y0+,)-(y3+G,)2 IOGI/OFI,IOHI/IOFI], 求取这些相对长度作为内耳结构特征变量存入一 /(x1+a)-(x2+a)2+(y1+ov)-(2+a)2= 个变量矩阵中 (0-32+(0-y为1-22+(1-= IOCI/IABI. 可以看出人耳图像平移不会改变内耳特征变 量 (3)旋转不变性.如图3所示，设人耳图像在 原图像中旋转角度为B,由于任何的旋转都可以 转化为以图像中逻辑坐标的原点为轴心的旋转， 因此人耳图像旋转？角度后图像中的任意一点 可以表示为如图所示A'.原图像中的坐标为 困2内耳特征点的提取示意图 O(rocosa,rosina),A (ricosa,risina),B(r2cosa, Fig.2 Extrction of the feature of inner ear r2sina),C(r3cosa,r3sina)旋转B角度后，各点 1.2.2内耳特征变量不变性的证明 坐标变为O'(rocos(a+B),rosin(a+B)), y 人耳识别中，特征提取方法评价标准之一就 4'(r cos(a+B),r sin(a+B)) 是所提取的特征变量是否具有图像缩放不变性、 平移不变性和旋转不变性特点[8] A(rcosa,rsin a) (1)缩放不变性.设图像缩放比例为入，设各 点在原图像中的坐标为O(x0,yo),A(x1,y1), a B(x2,y2),C(x3,y3),缩放后图像中的坐标为 O'(x0,y0),A'（x1,Ay1),B（x2,y2), 围3人耳图像点旋转前后坐标示意图 Fig.3 Coordinate rotation of ear pixels C(λx3,y3),则原图像中的一个特征变量：

北 京 科 技 大 学 学 报 ‘ 年第 期 从提取的外耳边缘 坐 标点中等间隔的选 取一 系列坐标点 ， 利用最 小二 乘法分别对两 段 曲 线进 行拟 合 ， 得 到 拟 合 曲线的方 程 。 声 ” 十 ， 一 ” 一 … 和 少 声 ” 占 ， 一 ” 一 … 十 。 曲线方程 的系数 向量 【 ， ， ， 一 ， … ， 。 〕 作为 曲线的结构 特征变量 的系数 向量 【 ， ， ， 一 ，， … ， 。 」作 为 曲线的结构 特征 变 量 内耳结构特征提取 内耳特征变量的提取 如 图 所示 ， ， 两点即为外耳边缘点 中距 离最远的两点 ， 刀 所在的直 线即耳 朵的长轴 ， 内 耳结构特征提取的主要 步骤 如下 求取耳朵长轴的长度 刀 求取长轴的中垂 线 ， 即经过 点与直线 相垂 直 的短轴 求取 长 轴 与 内耳 曲线的 交 点 ， ， 再求取短轴与耳朵边缘的交点 ， ， ， 记 录这些 点的坐 标 定义 内耳 的特征 向量为 【旧 ， ， ， ， 〕 ， 求取这些相对长度作为内耳结构特征变量存入一 个变量矩 阵中 一 。 一 ， ，。 一 ， ， 一 夕 一 少 按 比例 几 缩放后 的 图像 中的该 特征变量变 为 ’ ‘ ’ ‘ 万石厂石不石不不不砰 图 内耳特征点的提取示 田 触 倪 代 此 内耳特征变量不变性 的证 明 人耳识别中 ， 特征提 取 方 法评 价标准之 一 就 是所提取的特征 变量 是 否具 有 图像缩放 不变性 、 平移不变性和 旋转不变性特点〔“引 缩放不变性 设 图像缩放 比例为 又 ， 设 各 点在原 图像 中的坐 标 为 。 ， 。 ， ， ， ， ， ， ， 缩 放 后 图 像 中的 坐 标 为 ‘ 肠。 ， 砂。 ， ’ 肠 ， 勺 ， ‘ 赶 ， 久夕 ， ‘ 又 ， 几 ， 则原 图像 中的一 个特征变量 了 ，一 、 夕， 一 夕 ’ 可以看出 ， 改变图像的 比例不 会 改变 内耳 特 征变量 平移不变性 设 人耳 图像在原 图像中水 平方 向平移距 离为 ‘ ， 垂 直方 向平移距 离为 ‘ ， 原图 像 中 的 坐 标 为 。 ， 。 ， ， ， ， ， ， ， 平 移后 各点 的 坐 标 变 为 ‘ ‘ ， 夕。 ， ‘ ， 。 二 ， 少 口， ， ’ 。 ， ， 夕 ， 。 ， ， 夕 口， 图像特征变量变为 ℃ ‘ ， ’ 丫不石兀不瓦不不石瓦不不瓦不万 了 一 、 ， ， ‘ 一 ， ‘ ， 六丁石二不万不灭石二 功及 兀下万石页几砰 优 可 以 看出人耳 图像平移不会改变内耳特征变 量 旋转不变性 如 图 所示 ， 设 人耳 图像在 原图像中旋转角度 为 夕 ， 由于 任何的旋转都可以 转化为以 图像 中逻 辑坐 标的原点为轴心 的旋转 ， 因此 人耳 图像旋转 夕角度后 图像 中的任意 一 点 可 以 表 示 为如 图所 示 ‘ 原 图像 中的 坐 标 为 此 ， ， 叨 ， ， 二 ， ， ， 旋转 月角度 后 ， 各点 坐 标 变 为 ‘ 。 月 ， 月 ， ，、 。 ， 。 ，· ，。 久护 － 圈 人耳图像点旋转前后坐标示愈图 阅川 皿

Vol.28 No.5 穆志纯等：外耳形状特征和内耳结构特征结合的人耳特征提取 ·499 A'(ricos(a+B),risin(a +B)),B'(r2cos(a B)) B),r2sin(a +B)),C'(r3cos(a+B),r3sin(a 图像特征变量变为： O'CAB()rscos(a++(rosin(+B)rasin( (ricos(a+B)-r2cos(a+B))2+(risin(a+B)-r2sin(a +B))2 co(a+B)(2ro3sin ((rrral= cos2(a+B)(ri+r2-2rir2)+sin2(a+B)(ri+r2-2rir2) I OC/ABI. 可以看出人耳图像旋转不会改变内耳特征变 于在实际的图像获取过程中，人耳平面与摄像头 量 间的相对角度变化引起的.但从实验结果看，这 2 特征提取的鲁棒性实验 些微小变化不会影响识别结果 对于人耳图像存在缩放、平移、旋转的情况 (如图4所示)，用前面提出的方法进行了特征提 取的实验，实验结果数据如表1所示.可以看出， 图像的变化对各特征向量的值影响很小，在分类 (a) (b) () 允许的阈值范围之内，因此分类结果不会发生变 图4耳朵的缩放、平移、旋转围像 化.可以注意到，表1中的同一个耳朵在不同情 Fig.4 Original image,scaled image,parallel moving image 况下提取的特征变量是存在微小变化的.这是由 and eddy image of an ear 表1同一个人耳样本不同图像中提取的特征向量 Table 1 Feature vector of an ear in different conditions 图4 外耳特征向量 内耳特征向量 (a) 【-0.00060.1386-14.7975713.0572].[0.0001-0.03885.442343.6722][0.3697.0.1929,0.1683,0.6185,0.3756] (b) [-0.00060.1386-14.7973713.0569].[0.0000-0.03875.442343.6715][0.3697,0.1931,0.1682,0.6184,0.3754] (c)【-0.00000.1385-14.7967713.0570],[0.0000-0.03785.441843.6723][0.3698.0.1927,0.1683.0.6185.0.3753] (d)[-0.00060.1385-14.7966713.0551].【0.0000-0.03885.440343.6732]【0.3696.0.1931,0.1685,0.6123.0.3754] 3 分类及识别实验结果 用于分类识别，得到的组合特征识别率89%， 利用目前用于特征提取的标准PCA方法在 目前，国内外还没有标准的人耳图像库.笔 笔者建立的人耳图像库上进行实验，同样第一幅 者在2003年1月至2004年2月构建了一个由77 图像用来训练，第四幅用来测试，得到67%的识 个人耳组成的人耳图像库.每个个体拍摄图像的 别率.可以看出，本文方法提取的特征变量用于 条件包括光照变化、角度变化.每人4幅图像：第 识别的识别率要高于标准PCA的方法，更值得 一幅和第四幅为人耳的正面图像，这两幅图反映 注意的是，标准PCA的方法对于缩放、旋转的图 光照变化；第二幅和第三幅分别为人耳+30°和 像无法适用，因此可以认为本文提出的方法用在 -30°旋转后的图像，这两幅图反映角度变化 人耳识别上具有一定的优势 本实验中将第一幅图像用来训练，第四幅用 4 来测试，然后使用BP神经网络进行分类.利用表 结论 1中提取到的上下两段外耳曲线的特征量组成一 提出了一种结合外耳形状特征和内耳结构特 个八维的外耳特征向量，单独用于分类识别，得到 征变量用于人耳识别的局部特征提取方法，此方 的识别率是78%；利用表1中提取到的内耳特征 法提取的特征变址具有缩放不变性、平移不变性 量组成一个五维的内耳特征向量，单独用于分类 和旋转不变性，因此人耳图像的缩放、平移和旋转 识别，得到82%的识别率；把外耳特征向量和内 变化不会影响特征变址和识别结果. 耳特征向量组合起来，组成-一个13维的特征向量 从目前的实验方法和识别结果来看，人耳识

穆志纯等 外耳形状特征和内耳结构特征结合的人耳特征提取 · · ‘ 。 。 月 ， 尹 ， ‘ 月 ， 月 ， ’ 月 ， 尹 图像特征变量变为 ， 醚一州 。 ，’ “ “ ‘ ” 一 黑 尹 一 。 口 夕 一 夕 犷 月 一 月 一 了 月 吕 盖 一 。 卢 吕 盖 。 。 月 二 子 圣 一 ， 。 月 子 圣 。 一 一 卜 一︸二一 才、、、、尹 可以看出人耳 图像旋转不会改变内耳特征变 量 特征提取 的鲁棒性实验 对于 人 耳 图像 存在 缩 放 、 平 移 、 旋转 的情 况 如图 所示 ， 用前 面提 出 的方 法进 行 了特征提 取的实验 ， 实验结果 数据如表 所示 可 以看出 ， 图像的变化对 各特征 向量 的值影 响很 小 ， 在分类 允许的闭值范 围之 内 ， 因此 分类结果 不 会发 生变 化 可以注 意 到 ， 表 中的 同一 个耳 朵 在不 同情 况 下提取的特征变量是存在微小变化的 这是 由 于在实际 的图像获取过 程 中 ， 人耳 平面 与摄 像头 间的相对 角度变 化引起 的 但 从 实验结果看 ， 这 些微小变化不会影 响识别结果 图 耳朵的编放 、 平移 、 旋转圈像 …攀 ， 助 皿沙 ， 曰 攀 曰 呢 衰 同一个人耳样本不同图像中提取的特征向 ’ 砚 口 代 因 图 外耳特征向量 内耳特征向量 一 一 一 一 一 一 一 一 【 【 〕 ， 【 ， 加 一 一 一 一 」 」 」 【 ， ， 」 【 ， ， ， 」 【 ， ， ， ， 】 【 ， ， 分类及识别实验结果 目前 ， 国 内外还 没 有标准 的人耳 图像库 笔 者在 年 月至 年 月构建了一个 由 个 人耳组成的人耳 图像库 每个个体拍摄 图像 的 条件包括光 照变化 、 角度变化 每人 幅图像 第 一幅和 第四 幅为人 耳 的正 面 图像 ， 这 两 幅 图反 映 光照 变 化 第二 幅 和 第三 幅分 别 为 人 耳 ’ 和 一 旋转后 的图像 ， 这 两幅图反映角度变化 本实验 中将 第一 幅 图像用 来训 练 ， 第四 幅 用 来测试 ， 然后 使用 神经 网络进行分类 利用表 中提取到 的上 下两段 外耳 曲线的特征量组 成 一 个八维的外耳特征 向量 ， 单独 用于分类识别 ， 得到 的识别率是 利用表 中提取到 的 内耳 特 征 量组成 一 个五 维 的 内耳 特 征 向量 ， 单 独 用 于 分类 识别 ， 得到 的 识 别 率 把 外 耳 特征 向量 和 内 耳特征 向量组 合起来 ， 组成一个 维 的特征 向量 用于分类识别 ， 得到 的组 合特征识别率 利用 目前用 于 特征 提 取 的标准 方 法 在 笔者建立 的人耳 图像库上 进 行 实验 ， 同样 第一 幅 图像 用来训 练 ， 第四 幅 用 来测 试 ， 得 到 的识 别率 可 以看 出 ， 本 文 方 法提 取 的特征变 量 用 于 识别的识别率要 高 于 标准 的方 法 更值得 注意 的是 ， 标准 的方 法 对 于 缩 放 、 旋转 的 图 像无法适 用 ， 因此 可 以 认 为本文 提 出的方 法 用在 人耳识别上 具有一 定的优势 结论 提 出 了一种结合外耳形状特征和 内耳结构特 征变量用于 人耳识别的局 部特 征提取方法 此 方 法提取的特征 变量具 有缩 放 不 变性 、 平 移不 变性 和旋转不变性 ， 因此 人耳 图像的缩 放 、 平移和旋转 变化不会影 响特征变量和识别结果 从 目前的实验 方 法 和 识 别结果 来看 ， 人耳 识

·500· 北京科技大学学报 2006年第5期 别是一项具有很好应用前景的个体识别技术，初 北京科技大学，2003 步研究结果表明，人耳识别可以作为一种单独的 [4]王小鹏，郝重阳，樊养余，等.一种提取图像细节边缘的新 方法.中围像图形学报，2003,8(11)：1286 生物特征应用于生物识别，也可作为其他生物识 [5】张志佳，黄莎白，史泽林.新的基于边缘特征的图像相关匹 别技术的一种有益补充.可以预见，人耳识别技 配方法.红外与激光工程，2003,32(6)：635 术的探索与研究，无疑将推进并带动生物识别技 [6】王艳丽，陈哲，基于模糊和最小二乘的SAR图像特征提取 术的发展.但目前用于人耳识别方法的识别率还 北京航空航天大学学报，2003,29(4)：342 不是很高，因此进一步的研究工作仍需继续 [7]毋立芳，沈兰荪，孔潇，等.基于曲线拟合的人脸分闲算法 计算机学报，2003,26(7)：893 参考文献 [8]Hurley DJ,Nixon M S,Carter J N.Force field energy func- tional for image feature extraction.Image Vision Comput, [1]Moreno B.Adnchez a,Velez J F.Use outer ear images for 2002,20(2):311 personal identification in security applications//IEEE Proceed- [9]Hurley J D.Nixon S M,Carter N J.Force field energy func- ings of the 33rd Annual 1999 International Carnahan Confer tions for image feature extraction.Image Vision Comput, ence.Madrid.1999:469 2002,20(5/6):311 [2】穆志纯，徐正光，袁立，等，一种新的生物特征识别技术 [10]Meijerman L,Sholl S.Conti F D,et al.Exploratory study 一人耳识别∥第四届生物特征识别会议，北京：清华大 on classification and individualization of ear prints.Forenslc 学出版杜，2003：286 Sci Int,2004,140(1):91 [3]王忠礼，基于不变矩的人耳图像识别[学位论文】.北京： Ear feature extraction combining the shape feature of outer ear with the struc- ture feature of inner ear MU Zhichun,XI Dechun,XU Zhengguang,YUAN Li Information Engineering School,University of Science and Technology Beijing,Beijing 100083,China ABSTRACT A ear recognition method was proposed which combines the shape feature of outer ear contour with the structural feature of inner ear.The longest axis of auricle contour,which is the line crossing through the two points that have the longest distance on auricle contour,was firstly extracted after edge de- tection.Then least squares fitting polynomials were used to approximate the auricle curves.The coefficients of the polynomial functions were taken as the feature vector of outer ear contour.The longest axis intersects with the inner ear curves at several points.The ratio of the section length between the intersection points to the longest axis acts as the feature vector of inner ear.Owe to relevant invariability of the longest axis,the feature vectors extracted in the method are invariant to scale,parallel move and rotation.Experiment re- sults prove robustness of this method. KEY WORDS ear recognition;feature extraction;shape feature;structural feature

北 京 科 技 大 学 学 报 年第 期 别是一项具有很 好应用前景的个体识别技术 初 步研 究结果表 明 ， 人耳识别可以 作为一 种单独 的 生物特征应用于 生物识别 ， 也 可 作为其他生物识 别技术的一 种有益 补 充 可以预 见 ， 人耳识 别技 术的探索与研 究 ， 无 疑 将推进并带动生 物识 别技 术的发展 但 目前用于 人耳识别方法 的识别率还 不是很高 ， 因此进一步的研究工作仍需继续 考 文 献 」 ， 舫 ， 亡 详 。 二 昭 ， 穆志纯 ， 徐正 光 袁立 等 一 种新 的生物 特征识 别技 术 － 人耳识别 第四 届 生 物特征识别会议 北 京 清华 大 学出版社 王忠礼 荃于 不变矩 的人耳 图像识别 〔学位论文 〕 北 京 北京科技大学 【 王 小鹏 ， 郝重 阳 樊养余 ， 等 一 种提取 图像细节边缘的新 方法 中国图像图形学报 ， ， 【 张志佳 ， 黄莎白 ， 史泽林 新的基 于边缘特征的图像相关匹 配方法 红外与激光工程 ， ， 〔 」 王 艳丽 ， 陈哲 基于 模糊和最小二乘的 图像特征提取 北京航空航天大学学报 ， ， 【 毋立芳 ， 沈兰荪 ， 孔潇 ， 等 基 于 曲线拟 合的人脸分割算法 计算机学报 ， ， ， ， 喀 昭 · 砚 ， 场 ， ， ， 馆 略 砂 叨 ， 」 ， ， ， 即 这 悦 ， ， 川 ， ， 朋 ， 飞 ， ， 卯 ， 吃 ， 因 卯 眼 ， ， 眼