第1期 陈阳，等：仿生模式识别技术研究与应用进展 7 3.1目标识别 的单训练样本人脸仿生模式识别。这些研究方法与 仿生模式识别最初应用在目标识别，王守觉) 其他经典方法相比，误识率更低，综合性能更优。此 用仿生模式识别方法识别观察方向水平的全方位 外，翟懿奎等21采用基于局部相位量化(local phase (360°)实物模型，实验采用14个实物模型，其中训 quantization,LPQ)特征提取结合仿生模式识别的方 练8个模型，另外6个用来做未训练类样本误识率 法，对伪装人脸识别进行了研究，该方法优于SVM、 测试，实验显示，已训练类的样本正确识别率达 SRC及PCA+BPR方法，实验结果证明这种方法具 99.75%,而未训练类样本的误识率为0。此外，他还 有较高效率，同时大大地提升了伪装人脸识别的性 研究了斜视方向的目标识别)]，仿生模式识别的正 能指标。XU Ying等I]则采用了LBP+LPQ特征提 确识别率达99.89%，误识率仅为0.11%。刘焕云 取及超香肠神经网络覆盖来识别伪装人脸。 等3]将仿生模式识别应用于灰度图像目标的识别 仿生模式识别应用在语音识别的研究也较多， 与跟踪，实验结果表明，该方法对于目标尺寸渐变的 并取得了不错的效果。覃鸿等[1)以MFCC作为语 视频图像序列中的目标识别与跟踪是有效的和稳健 音特征参数，对较低数量训练样本情况下非特定人 的。在地面声目标识别实用系统中，目标误识率更 语音的仿生模式识别进行了研究，并将其与其他常 为关键。黄琦等[3]基于二权值神经元网络实现仿 规语音识别方法如HMM及DTW进行了比较，每类 生模式识别的地面声目标识别，在训练样本数为 18个训练样本时，仿生模式识别对未训练类的误识 200的情况下，仿生模式识别的正确识别率与 率为13.92%，远低于HMM(95.57%)及DTW GMM、BP网络和RBF网络相当，在90%左右；而当 (93.67%);研究表明仿生模式识别方法在训练样本 训练样本数下降到80时，仿生模式识别的正确识别 数量较少的情况下，就能获得很好的识别效果，而且 率为82.5%，远高于其他3种方法（其中识别率最高 对于未训练过的词组有较高的正确拒识率，综合性 的方法约为74%)。实验表明，仿生模式识别有效 能优于另外两种方法。王守觉、潘晓霞等[)提出了 克服现有识别系统中误识率高、低训练样本数量情 一种基于动态搜索的连续数字语音仿生模式识别方 况下识别率低、系统需重复训练等缺点。 法，该方法鲁棒性强，适合长短不同、语速不同的连 3.2生物特征识别 续数字识别。王改良等2]采用基音频率轨迹作为 生物特征识别是利用人的生理特征或行为特征 声调特征，研究了基于仿生模式识别的四种声调识 来进行个人身份识别的统称，常见的有人脸识别、语 别，仿生模式识别的覆盖单元采用多权值神经元网 音识别、虹膜识别等。仿生模式识别应用在人脸识 络，实验与HMM、SVM和BP方法比较，在大训练集 别是研究的一大热点，这些研究包括1：1的人脸身 下识别率最优，为99.1%：在小训练集下识别率为 份确认和1：N的人脸识别。王守觉、徐健等[)采用 98.5%,远优于其他方法（其他方法SVM最优，为 多镜头信息融合，建立多权值神经网络的仿生模式 95.2%)。张卫强[]等采用归一化的短时子带平均 识别方法进行人脸身份确认，正确识别率达到 幅度谱作为特征，研究了基于仿生模式识别的固定 96%,其余4%均为拒识，无一误识。王守觉、曲延锋 音频检索方法，并取得了综合性能优良的实验结果。 等[3]研究了仿生模式识别在ORL人脸库上的人脸 此外还有说话人识别6s0)、小词汇量语音识 识别效果，特征提取采用PCA方法，获得了误识率 别[s1s)、问候语识别s。另外，李晗等2将仿生模 为0的识别效果，而在同样实验条件下，SVM方法 式识别应用在声音的性别识别，采用WSJ英文语音 的误识率为6%：实验结果表明仿生模式识别方法 数据库，以基音频率为特征，男性和女性的训练样本 优于SVM方法及最近邻方法。莫华毅等[列采用灰 各为50个，测试样本为850个，覆盖单元采用类高 度微分的特征提取方法研究人脸的仿生模式识别： 斯混合模型神经元，取得了比HMM更优的识别效 蒋加伏等38]采用PCA与LDA的特征提取方法研究 果：改用训练样本100个、测试样本500个的实验条 人脸仿生模式识别：周书仁等采用DCT与LDA 件，特征维数为100维时仿生模式识别达到最优，男 的特征提取方法研究人脸仿生模式识别：陈勇等[] 性识别率达到100%，女性识别率为98.2%。 研究了基于二进小波变换的人脸仿生模式识别：庄 在虹膜识别方面，翟懿奎等[s]研究一种基于仿 德文等4)研究了基于LOG-GABOR滤波二值变换 生模式识别理论的虹膜识别算法，该识别算法基于３．１ 目标识别 仿生模式识别最初应用在目标识别，王守觉［４］ 用仿生模式识别方法识别观察方向水平的全方位 （３６０°）实物模型，实验采用 １４ 个实物模型，其中训 练 ８ 个模型，另外 ６ 个用来做未训练类样本误识率 测试，实验显示， 已训练类的样本正确识别率达 ９９．７５％，而未训练类样本的误识率为 ０。 此外，他还 研究了斜视方向的目标识别［３３］ ，仿生模式识别的正 确识别率达 ９９． ８９％，误识率仅为 ０． １１％。 刘焕云 等［３４］将仿生模式识别应用于灰度图像目标的识别 与跟踪，实验结果表明，该方法对于目标尺寸渐变的 视频图像序列中的目标识别与跟踪是有效的和稳健 的。 在地面声目标识别实用系统中，目标误识率更 为关键。 黄琦等［３５］ 基于二权值神经元网络实现仿 生模式识别的地面声目标识别，在训练样本数为 ２００ 的 情 况 下， 仿 生 模 式 识 别 的 正 确 识 别 率 与 ＧＭＭ、ＢＰ 网络和 ＲＢＦ 网络相当，在 ９０％左右；而当 训练样本数下降到 ８０ 时，仿生模式识别的正确识别 率为８２．５％，远高于其他 ３ 种方法（其中识别率最高 的方法约为 ７４％）。 实验表明，仿生模式识别有效 克服现有识别系统中误识率高、低训练样本数量情 况下识别率低、系统需重复训练等缺点。 ３．２ 生物特征识别 生物特征识别是利用人的生理特征或行为特征 来进行个人身份识别的统称，常见的有人脸识别、语 音识别、虹膜识别等。 仿生模式识别应用在人脸识 别是研究的一大热点，这些研究包括 １ ∶１的人脸身 份确认和 １ ∶Ｎ 的人脸识别。王守觉、徐健等［１７］ 采用 多镜头信息融合，建立多权值神经网络的仿生模式 识别方 法 进 行 人 脸 身 份 确 认， 正 确 识 别 率 达 到 ９６％，其余 ４％均为拒识，无一误识。 王守觉、曲延锋 等［３６］研究了仿生模式识别在 ＯＲＬ 人脸库上的人脸 识别效果，特征提取采用 ＰＣＡ 方法，获得了误识率 为 ０ 的识别效果，而在同样实验条件下，ＳＶＭ 方法 的误识率为 ６％；实验结果表明仿生模式识别方法 优于 ＳＶＭ 方法及最近邻方法。 莫华毅等［３７］ 采用灰 度微分的特征提取方法研究人脸的仿生模式识别； 蒋加伏等［３８］采用 ＰＣＡ 与 ＬＤＡ 的特征提取方法研究 人脸仿生模式识别；周书仁等［３９］ 采用 ＤＣＴ 与 ＬＤＡ 的特征提取方法研究人脸仿生模式识别；陈勇等［４０］ 研究了基于二进小波变换的人脸仿生模式识别；庄 德文等［４１］研究了基于 ＬＯＧ⁃ＧＡＢＯＲ 滤波二值变换 的单训练样本人脸仿生模式识别。 这些研究方法与 其他经典方法相比，误识率更低，综合性能更优。 此 外，翟懿奎等［４２］采用基于局部相位量化（ｌｏｃａｌ ｐｈａｓｅ ｑｕａｎｔｉｚａｔｉｏｎ， ＬＰＱ）特征提取结合仿生模式识别的方 法，对伪装人脸识别进行了研究，该方法优于 ＳＶＭ、 ＳＲＣ 及 ＰＣＡ＋ＢＰＲ 方法，实验结果证明这种方法具 有较高效率，同时大大地提升了伪装人脸识别的性 能指标。 ＸＵ Ｙｉｎｇ 等［４３］则采用了 ＬＢＰ＋ＬＰＱ 特征提 取及超香肠神经网络覆盖来识别伪装人脸。 仿生模式识别应用在语音识别的研究也较多， 并取得了不错的效果。 覃鸿等［１８］ 以 ＭＦＣＣ 作为语 音特征参数，对较低数量训练样本情况下非特定人 语音的仿生模式识别进行了研究，并将其与其他常 规语音识别方法如 ＨＭＭ 及 ＤＴＷ 进行了比较，每类 １８ 个训练样本时，仿生模式识别对未训练类的误识 率为 １３． ９２％， 远 低 于 ＨＭＭ （ ９５． ５７％） 及 ＤＴＷ （９３．６７％）；研究表明仿生模式识别方法在训练样本 数量较少的情况下，就能获得很好的识别效果，而且 对于未训练过的词组有较高的正确拒识率，综合性 能优于另外两种方法。 王守觉、潘晓霞等［４４］ 提出了 一种基于动态搜索的连续数字语音仿生模式识别方 法，该方法鲁棒性强，适合长短不同、语速不同的连 续数字识别。 王改良等［２２］ 采用基音频率轨迹作为 声调特征，研究了基于仿生模式识别的四种声调识 别，仿生模式识别的覆盖单元采用多权值神经元网 络，实验与 ＨＭＭ、ＳＶＭ 和 ＢＰ 方法比较，在大训练集 下识别率最优，为９９．１％；在小训练集下识别率为 ９８．５％，远优于其他方法（其他方法 ＳＶＭ 最优，为 ９５．２％）。 张卫强［４５］等采用归一化的短时子带平均 幅度谱作为特征，研究了基于仿生模式识别的固定 音频检索方法，并取得了综合性能优良的实验结果。 此外 还 有 说 话 人 识 别［４６⁃５０］ 、 小 词 汇 量 语 音 识 别［５１⁃５３］ 、问候语识别［５４］ 。 另外，李晗等［２１］ 将仿生模 式识别应用在声音的性别识别，采用 ＷＳＪ 英文语音 数据库，以基音频率为特征，男性和女性的训练样本 各为 ５０ 个，测试样本为 ８５０ 个，覆盖单元采用类高 斯混合模型神经元，取得了比 ＨＭＭ 更优的识别效 果；改用训练样本 １００ 个、测试样本 ５００ 个的实验条 件，特征维数为 １００ 维时仿生模式识别达到最优，男 性识别率达到 １００％，女性识别率为 ９８．２％。 在虹膜识别方面，翟懿奎等［５５］ 研究一种基于仿 生模式识别理论的虹膜识别算法，该识别算法基于 第 １ 期 陈阳，等：仿生模式识别技术研究与应用进展 ·７·