D0I:10.13374/j.issnl00I63.2006.12.041 第28卷第12期 北京科技大学学报 Vol.28 No.12 2006年12月 Journal of University of Science and Technology Beijing Dec.2006 基于复合结构分类器的人耳识别 张海军2)穆志纯) 1)北京科技大学信息工程学院，北京1000832)沈阳航空工业学院自动控制系，沈阳1101361 摘要在基于独立分量分析的人耳识别方法研究基础上，提出复合结构分类器的人耳识别通用 模型.该模型首先根据人耳的几何特征对人耳进行粗分类：然后应用独立分量分析的方法提取代 数特征，支持向量机进行细分类，最后给出分类结果.这与人类由粗到细的识别过程是相符合的， 能够克服单一独立分量分析识别方法的特征提取时间过长、特征数过多的缺点，同时避免了归一 化过程中丢失比例结构特征的问题。实验结果表明，该模型取得了较高的识别率，尤其适用于规模 大的复杂人耳库. 关键词人耳识别：独立分量分析；支持向量机：结构分类器 分类号TP183:TP391.41 随着网络和信息社会的不断发展，个人身份 在特征提取计算量大，且随着人耳图像库规模的 识别已经成为一个重要问题·虽然在商业领域 扩大，计算量和特征数都相应增加等缺点；同时， 中，传统的身份识别技术大量应用，但是其自身具 由于人耳自身的结构特点，单一的ICA方法在归 有许多难以克服的缺点，生物特征识别可以很容 一化过程中，存在丢失比例结构信息的问题。本 易解决这些缺点，人耳识别是生物特征识别领域 文在对基于ICA的人耳识别方法研究基础上，提 的一个新的课题，也代表了目前一个非常活跃的 出了复合结构分类器的人耳识别(compound 研究方向一基于图像分析的身份鉴别方法，一 structure classifier of ear recognition,CSCER) 般可描述为：给定一静止或动态图像，利用己有 用模型，首先根据人耳的几何特征对人耳进行粗 的人耳数据库来确认图像中的一个或多个人， 分类，然后应用ICA的方法提取代数特征，进行 人耳识别中的一个重要步骤就是精确地提取 细分类，最后给出分类结果，这与人类由粗到细 出那些能充分表征人耳特性的特征矢量，通常， 的识别过程是相符合的，能够克服单一ICA识别 特征矢量的表达主要有两种方式：一种是基于几 方法的特征提取时间长、特征数过多的缺点，同时 何特征的矢量表达，其分量通常包括人耳轮廓或 解决了人耳图像归一化中丢失比例结构特征的问 内部关键点中指定两点间的欧氏距离、曲率、角度 题，尤其适合规模大的复杂人耳库， 等[]；另一种是基于代数特征的矢量表达，如主 元分析法3]、不变矩方法等，由于图像的代数 1 CSCER模型 特征反映了图像的本质，尽管它的物理意义并不 基于代数特征的人耳识别方法存在以下两个 十分直观，但是对模式的分类仍起着重要作用. 问题：一是提取特征需要大量的计算，并且随着人 大量研究表明，图像的大部分重要信息是包含在 耳图像库规模的扩大，所需计算量、计算时间和所 图像像素的高阶关系中可.独立分量分析] 提取的特征数量都大量增加，增加了识别误差；二 (ICA)就是基于信号的高阶统计特性的分析方 是基于代数特征的识别方法，都要先将图像归一 法，它更全面地考虑信号的概率密度函数的统计 化到相同大小·由于人耳结构的复杂性，人耳的 独立性，经过ICA分解出的各个分量之间是相互 高宽比例是人耳重要的差异之一，同一人的耳朵 独立的，但是，基于独立分量的人耳识别方法存 在不同情况下高宽比也是不同的，在归一化到相 收稿日期：2005-09-28修回日期：2006-03-27 同大小时，必然会损失人耳比例结构的信息，造成 基金项目：国家自然科学基金资助项目(60375002)：北京市教委 人耳特征提取和识别的错误，这种情况在人耳原 重点学科共建项目 作者简介：张海军(1974一)，男，博士研究生：穆志纯(1952一)， 始结构比例与归一化的结构比例相差较大时尤为 男，教授，博士生导师 明显，针对上述情况，本文提出了基于人耳几何基于复合结构分类器的人耳识别 张海军1‚2） 穆志纯1） 1） 北京科技大学信息工程学院‚北京100083 2） 沈阳航空工业学院自动控制系‚沈阳1101361 摘 要 在基于独立分量分析的人耳识别方法研究基础上‚提出复合结构分类器的人耳识别通用 模型．该模型首先根据人耳的几何特征对人耳进行粗分类；然后应用独立分量分析的方法提取代 数特征‚支持向量机进行细分类‚最后给出分类结果．这与人类由粗到细的识别过程是相符合的‚ 能够克服单一独立分量分析识别方法的特征提取时间过长、特征数过多的缺点‚同时避免了归一 化过程中丢失比例结构特征的问题．实验结果表明‚该模型取得了较高的识别率‚尤其适用于规模 大的复杂人耳库． 关键词 人耳识别；独立分量分析；支持向量机；结构分类器 分类号 TP183；TP391∙41 收稿日期：20050928 修回日期：20060327 基金项目：国家自然科学基金资助项目（60375002）；北京市教委 重点学科共建项目 作者简介：张海军（1974—）‚男‚博士研究生；穆志纯（1952—）‚ 男‚教授‚博士生导师 随着网络和信息社会的不断发展‚个人身份 识别已经成为一个重要问题．虽然在商业领域 中‚传统的身份识别技术大量应用‚但是其自身具 有许多难以克服的缺点．生物特征识别可以很容 易解决这些缺点．人耳识别是生物特征识别领域 的一个新的课题‚也代表了目前一个非常活跃的 研究方向———基于图像分析的身份鉴别方法‚一 般可描述为：给定一静止或动态图像‚利用已有 的人耳数据库来确认图像中的一个或多个人． 人耳识别中的一个重要步骤就是精确地提取 出那些能充分表征人耳特性的特征矢量．通常‚ 特征矢量的表达主要有两种方式：一种是基于几 何特征的矢量表达‚其分量通常包括人耳轮廓或 内部关键点中指定两点间的欧氏距离、曲率、角度 等［1—2］；另一种是基于代数特征的矢量表达‚如主 元分析法［3］、不变矩方法［4］等．由于图像的代数 特征反映了图像的本质‚尽管它的物理意义并不 十分直观‚但是对模式的分类仍起着重要作用． 大量研究表明‚图像的大部分重要信息是包含在 图像像素的高阶关系中［5］．独立分量分析［6］ （ICA）就是基于信号的高阶统计特性的分析方 法‚它更全面地考虑信号的概率密度函数的统计 独立性‚经过 ICA 分解出的各个分量之间是相互 独立的．但是‚基于独立分量的人耳识别方法存 在特征提取计算量大‚且随着人耳图像库规模的 扩大‚计算量和特征数都相应增加等缺点；同时‚ 由于人耳自身的结构特点‚单一的 ICA 方法在归 一化过程中‚存在丢失比例结构信息的问题．本 文在对基于 ICA 的人耳识别方法研究基础上‚提 出了 复 合 结 构 分 类 器 的 人 耳 识 别 （compound structure classifier of ear recognition‚简CSCER）通 用模型．首先根据人耳的几何特征对人耳进行粗 分类‚然后应用 ICA 的方法提取代数特征‚进行 细分类‚最后给出分类结果．这与人类由粗到细 的识别过程是相符合的‚能够克服单一 ICA 识别 方法的特征提取时间长、特征数过多的缺点‚同时 解决了人耳图像归一化中丢失比例结构特征的问 题‚尤其适合规模大的复杂人耳库． 1 CSCER 模型 基于代数特征的人耳识别方法存在以下两个 问题：一是提取特征需要大量的计算‚并且随着人 耳图像库规模的扩大‚所需计算量、计算时间和所 提取的特征数量都大量增加‚增加了识别误差；二 是基于代数特征的识别方法‚都要先将图像归一 化到相同大小．由于人耳结构的复杂性‚人耳的 高宽比例是人耳重要的差异之一‚同一人的耳朵 在不同情况下高宽比也是不同的‚在归一化到相 同大小时‚必然会损失人耳比例结构的信息‚造成 人耳特征提取和识别的错误．这种情况在人耳原 始结构比例与归一化的结构比例相差较大时尤为 明显．针对上述情况‚本文提出了基于人耳几何 第28卷 第12期 2006年 12月 北 京 科 技 大 学 学 报 Journal of University of Science and Technology Beijing Vol．28No．12 Dec．2006 DOI:10．13374／j．issn1001－053x．2006．12．041