正在加载图片...
第4期 袁立等：基于局部特征的部分遮挡人耳识别 ,535. 识别率均高于基于整体图像方法的识别率.(2)基 过Gabor滤波后，基于整体图像和分块图像方法的 于分块图像识别方法的、重和，三个时间均长于 识别率均高于NMF识别方法；在时间开销上，本文 基于整体图像的识别方法（实验环境： 方法在获取特征空间投影矩阵的时间。和训练图 1.7 GHz CPU,256M内存，MATLAB6.5)(3)表1 像的特征提取时间b上优于NMF方法，但在识别 中还将本文方法与笔者以前提出的基于一种改进的 时由于图像要经过Gabori滤波，所以测试图像的识 非负矩阵因子方法的人耳识别山进行了比较，经 别时间。长于NMF方法， 表1部分遮挡情况下的人耳识别率 Table 1 Ear recognition rate under partial occlson 遮挡程度 获取特征空间训练图像的 识别 小 中 投影矩阵的 特征提取 大 方法 时间，/s 时间，s 测试图像的识识别 测试图像的 识别 测试图像的 识别 别时间，s 率% 识别时间，/s率%识别时间，/s率% 分块图像识别率（体文方法） 123.4688 8.5938 8.5156 9 10.0000 87 10.4063 80 整体图像识别率（体文方法） 106.2969 7.5938 7.3438 86 7.7188 85 7.7500 76 分块图像识别率(NMF方法) 155.4688 0.4375 0.1875 87 0.2031 14 0.2188 65 整体图像识别率(NMF方法)143.9844 0.3750 0.1406 83 0.1719 67 0.2031 53 识别.计算机轴助设计与图形学学报，200820(3)：337) 4结语 [4]Hurley D.N ixon M.Carter J Force fiel feature extraction for ear 本文针对人耳图像被部分遮挡时的识别问题进 bimnetrics Conput Vision mage Understand ing 2005 98.491 [5]Chang K.Bowyer K.SarkarS et al Canparison and combina- 行了研究，提出了一种基于图像分块和概率模型的 tion of ear and face mnages in appearance based bimetrics EEE GaKFDA人耳识别方法，即首先利用Gabori滤波器 Tmans Pattem AnalMach In tell 2003 25(9):1160 提取特征，并将核Fisher判别分析法进行降维后的 [6]Xie Z X.Mu Z C Ear recognition using LLE and DLLE alo- 特征用于人耳识别，在带有部分遮挡的USTB人耳 rithm//Pmoceedings of 19 th Intemational Conference on Pattem 图像库上的实验结果表明基于图像分块和Gabor特 Recognition Fbrida 2008 1 [7] Dun W J MuZC.Multimodal recognition of face and ear inages 征的识别方法有助于解决遮挡问题，由于人耳图像 based on two types of independent camponent analysis J Camput 中各子区域的识别能力不同，所以下一步的工作是 Inf Syst20084(5):1977 研究基于分块图像的最优特征集的人耳识别方法以 [8]Yuan L MuZC Xu ZG.etal Personal recognition with earbi 及缩短识别时间的策略，并在规模更大的人耳库上 anetrics Pattem Recognit Artif Intell 2005.18(3):310 进行实验，提高识别方法的鲁棒性， (袁立，穆志纯，徐正光，等。基于人耳生物特征的身份识别 模式识别与人工智能，2005,18(3)：310) 参考文献 [9]LuC J Gaborbased kemelPCA with fmactional power polynan ial [1]Chen H.Bhanu B Efficient recognition of highly sin ilar 3D ob- models for face recognition EEE Trans Pattem AnalM ach Intell jects n range iages IEEE Trans Pattem Anal Mach Intell 200426(5):572 2009,31(1):172 [10]Yuan L Mu Z C.Zeng H.Multinodal mcognition using face [2]Mu ZC.Yuan L Xu ZG.Shape and stnictuml feature based ear and ear JUniv SeiTechnol Beijing 2007,9(Suppl2):190 mcognition Procedings of Advances n Bimmetric Peron Authenti (袁立，穆志纯，曾慧，基于人脸和人耳的多模态生物特征 ca tion Guangzhou 2004:663 识别.北京科技大学学报，2007，.29（增刊2）：190) [3]Liu JM.W ang L Lan Y J et al Ear recognition based on he [11]Yuan L Mu ZC Zhang Y.et al Ear recognition with occhision edge in fomation of the auricle contour J Camput Aided Des Cam based on inproved non negative matrix fac torization w ith sparse- put Gmapb200820(3):337 ness constran Pmceedings of 18th Intemational Confernce on (刘嘉敏，王玲，兰逸君，等，基于外耳轮廓边缘信息的人耳 Pattem Recognition Hong Kong 2006.1第 4期 袁 立等： 基于局部特征的部分遮挡人耳识别 识别率均高于基于整体图像方法的识别率．（2） 基 于分块图像识别方法的 ｔ1、ｔ2 和 ｔ3 三个时间均长于 基 于 整 体 图 像 的 识 别 方 法 （实 验 环 境： 1∙7ＧＨｚＣＰＵ256Ｍ内存ＭＡＴＬＡＢ6∙5）．（3） 表 1 中还将本文方法与笔者以前提出的基于一种改进的 非负矩阵因子方法的人耳识别 ［11］进行了比较．经 过 Ｇａｂｏｒ滤波后基于整体图像和分块图像方法的 识别率均高于 ＩＮＭＦ识别方法；在时间开销上本文 方法在获取特征空间投影矩阵的时间 ｔ1 和训练图 像的特征提取时间 ｔ2 上优于 ＩＮＭＦ方法但在识别 时由于图像要经过 Ｇａｂｏｒ滤波所以测试图像的识 别时间 ｔ3长于 ＩＮＭＦ方法． 表 1 部分遮挡情况下的人耳识别率 Ｔａｂｌｅ1 Ｅａｒｒｅｃｏｇｎｉｔｉｏｎｒａｔｅｕｎｄｅｒｐａｒｔｉａｌｏｃｃｌｕｓｉｏｎ 识别 方法 获取特征空间 投影矩阵的 时间ｔ1／ｓ 训练图像的 特征提取 时间ｔ2／ｓ 遮挡程度 小 中 大 测试图像的识 别时间ｔ3／ｓ 识别 率／％ 测试图像的 识别时间ｔ3／ｓ 识别 率／％ 测试图像的 识别时间ｔ3／ｓ 识别 率／％ 分块图像识别率 （本文方法 ） 123∙4688 8∙5938 8∙5156 91 10∙0000 87 10∙4063 80 整体图像识别率 （本文方法 ） 106∙2969 7∙5938 7∙3438 86 7∙7188 85 7∙7500 76 分块图像识别率 （ＩＮＭＦ方法 ） 155∙4688 0∙4375 0∙1875 87 0∙2031 74 0∙2188 65 整体图像识别率 （ＩＮＭＦ方法 ） 143∙9844 0∙3750 0∙1406 83 0∙1719 67 0∙2031 53 4 结语 本文针对人耳图像被部分遮挡时的识别问题进 行了研究提出了一种基于图像分块和概率模型的 ＧａＫＦＤＡ人耳识别方法即首先利用 Ｇａｂｏｒ滤波器 提取特征并将核 Ｆｉｓｈｅｒ判别分析法进行降维后的 特征用于人耳识别．在带有部分遮挡的 ＵＳＴＢ人耳 图像库上的实验结果表明基于图像分块和 Ｇａｂｏｒ特 征的识别方法有助于解决遮挡问题．由于人耳图像 中各子区域的识别能力不同所以下一步的工作是 研究基于分块图像的最优特征集的人耳识别方法以 及缩短识别时间的策略并在规模更大的人耳库上 进行实验提高识别方法的鲁棒性． 参 考 文 献 ［1］ ＣｈｅｎＨＢｈａｎｕＢ．Ｅｆｆｉｃｉｅｎｔｒｅｃｏｇｎｉｔｉｏｎｏｆｈｉｇｈｌｙｓｉｍｉｌａｒ3Ｄｏｂ- ｊｅｃｔｓｉｎｒａｎｇｅｉｍａｇｅｓ．ＩＥＥＥ ＴｒａｎｓＰａｔｔｅｒｎＡｎａｌＭａｃｈＩｎｔｅｌｌ 200931（1）：172 ［2］ ＭｕＺＣＹｕａｎＬＸｕＺＧ．Ｓｈａｐｅａｎｄｓｔｒｕｃｔｕｒａｌｆｅａｔｕｒｅｂａｓｅｄｅａｒ ｒｅｃｏｇｎｉｔｉｏｎ∥ＰｒｏｃｅｅｄｉｎｇｓｏｆＡｄｖａｎｃｅｓｉｎＢｉｏｍｅｔｒｉｃＰｅｒｓｏｎＡｕｔｈｅｎｔｉ- ｃａｔｉｏｎ．Ｇｕａｎｇｚｈｏｕ2004：663 ［3］ ＬｉｕＪＭＷａｎｇＬＬａｎＹＪｅｔａｌ．Ｅａｒｒｅｃｏｇｎｉｔｉｏｎｂａｓｅｄｏｎｔｈｅ ｅｄｇｅｉｎｆｏｒｍａｔｉｏｎｏｆｔｈｅａｕｒｉｃｌｅｃｏｎｔｏｕｒ．ＪＣｏｍｐｕｔＡｉｄｅｄＤｅｓＣｏｍ- ｐｕｔＧｒａｐｈ200820（3）：337 （刘嘉敏王玲兰逸君等．基于外耳轮廓边缘信息的人耳 识别．计算机辅助设计与图形学学报200820（3）：337） ［4］ ＨｕｒｌｅｙＤＮｉｘｏｎＭＣａｒｔｅｒＪ．Ｆｏｒｃｅｆｉｅｌｄｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎｆｏｒｅａｒ ｂｉｏｍｅｔｒｉｃｓ．ＣｏｍｐｕｔＶｉｓｉｏｎＩｍａｇｅＵｎｄｅｒｓｔａｎｄｉｎｇ200598：491 ［5］ ＣｈａｎｇＫＢｏｗｙｅｒＫＳａｒｋａｒＳｅｔａｌ．Ｃｏｍｐａｒｉｓｏｎａｎｄｃｏｍｂｉｎａ- ｔｉｏｎｏｆｅａｒａｎｄｆａｃｅｉｍａｇｅｓｉｎａｐｐｅａｒａｎｃｅ-ｂａｓｅｄｂｉｏｍｅｔｒｉｃｓ．ＩＥＥＥ ＴｒａｎｓＰａｔｔｅｒｎＡｎａｌＭａｃｈＩｎｔｅｌｌ200325（9）：1160 ［6］ ＸｉｅＺＸＭｕＺＣ．ＥａｒｒｅｃｏｇｎｉｔｉｏｎｕｓｉｎｇＬＬＥａｎｄＩＤＬＬＥａｌｇｏ- ｒｉｔｈｍ∥ Ｐｒｏｃｅｅｄｉｎｇｓｏｆ19ｔｈＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＰａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ．Ｆｌｏｒｉｄａ2008：1 ［7］ ＤｕｎＷ ＪＭｕＺＣ．Ｍｕｌｔｉ-ｍｏｄａｌｒｅｃｏｇｎｉｔｉｏｎｏｆｆａｃｅａｎｄｅａｒｉｍａｇｅｓ ｂａｓｅｄｏｎｔｗｏｔｙｐｅｓｏｆｉｎｄｅｐｅｎｄｅｎｔｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓ．ＪＣｏｍｐｕｔ ＩｎｆＳｙｓｔ20084（5）：1977 ［8］ ＹｕａｎＬＭｕＺＣＸｕＺＧｅｔａｌ．Ｐｅｒｓｏｎａｌｒｅｃｏｇｎｉｔｉｏｎｗｉｔｈｅａｒｂｉ- ｏｍｅｔｒｉｃｓ．ＰａｔｔｅｒｎＲｅｃｏｇｎｉｔＡｒｔｉｆＩｎｔｅｌｌ200518（3）：310 （袁立穆志纯徐正光等．基于人耳生物特征的身份识别． 模式识别与人工智能200518（3）：310） ［9］ ＬｉｕＣＪ．Ｇａｂｏｒ-ｂａｓｅｄｋｅｒｎｅｌＰＣＡｗｉｔｈｆｒａｃｔｉｏｎａｌｐｏｗｅｒｐｏｌｙｎｏｍｉａｌ ｍｏｄｅｌｓｆｏｒｆａｃｅｒｅｃｏｇｎｉｔｉｏｎ．ＩＥＥＥＴｒａｎｓＰａｔｔｅｒｎＡｎａｌＭａｃｈＩｎｔｅｌｌ 200426（5）：572 ［10］ ＹｕａｎＬＭｕＺＣＺｅｎｇＨ．Ｍｕｌｔｉｍｏｄａｌｒｅｃｏｇｎｉｔｉｏｎｕｓｉｎｇｆａｃｅ ａｎｄｅａｒ．ＪＵｎｉｖＳｃｉＴｅｃｈｎｏｌＢｅｉｊｉｎｇ200729（Ｓｕｐｐｌ2）：190 （袁立穆志纯曾慧．基于人脸和人耳的多模态生物特征 识别．北京科技大学学报200729（增刊 2）：190） ［11］ ＹｕａｎＬＭｕＺＣＺｈａｎｇＹｅｔａｌ．Ｅａｒｒｅｃｏｇｎｉｔｉｏｎｗｉｔｈｏｃｃｌｕｓｉｏｎ ｂａｓｅｄｏｎｉｍｐｒｏｖｅｄｎｏｎ-ｎｅｇａｔｉｖｅｍａｔｒｉｘｆａｃｔｏｒｉｚａｔｉｏｎｗｉｔｈｓｐａｒｓｅ- ｎｅｓｓｃｏｎｓｔｒａｉｎｔ∥Ｐｒｏｃｅｅｄｉｎｇｓｏｆ18ｔｈＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎ ＰａｔｔｅｒｎＲｅｃｏｇｎｉｔｉｏｎ．ＨｏｎｇＫｏｎｇ2006：1 ·535·