基于动态唇形特征的身份识别研究

来源 :东南大学 | 被引量 : 0次 | 上传用户:liubmhz
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着互联网的发展和大数据的应用,信息安全的重要性日益凸显,传统的身份识别技术难以满足对其安全性日益增高的要求。因此,如何提高身份识别的安全性成为人们研究的热点。在这个背景下,基于生物特征的身份识别技术因其相对较高的安全性受到了普遍关注。生物特征包括人脸、指纹、步态等,这些特征对于每个人来说都是独一无二的,因此基于生物特征的身份识别方法具有不易遗忘,可以随时随地使用,难以被伪造等优点,提高了身份识别的安全性。唇形作为生物特征的一种,具有独特的生理特点,并且动态的唇形还体现着后天养成的行为特征,所包含的信息更为丰富,更能体现出个体之间的差异。因此,本文将基于动态的唇形特征来实现对身份的识别。本文提出了一种基于动态唇形特征的身份识别方法,重点要解决三个问题,包括:唇部的定位、动态唇形特征的提取、动态唇形特征的识别。其中,对于唇部的定位,本文采用基于人脸检测,并结合人脸五官几何特征的方法来确定唇部的区域;对于动态唇形特征的提取,本文通过图像差分的方法获得唇部运动的动态差分图,并利用形态学处理和边缘检测与提取的方法,处理得到动态唇形的轮廓特征;对于动态唇形特征的识别,本文分别利用基于余弦相似度、基于HOG特征、基于LBP特征、基于Hu不变矩的唇形识别方法进行测试比较,结果表明基于Hu不变矩的唇形识别方法效果较好,准确率在85%以上。最后,本文对提出的基于动态唇形特征的身份识别方法进行了整体实验,结果表明,该方法可以有效地实现对待测人身份的识别,并且有着较高的成功率和较低的误识率。
其他文献
学位
学位
学位
学位
片上训练(On-Chip Training)作为一种人工智能(AI)计算加速技术,其主要任务是在芯片内部对人工神经网络进行训练。近几年,越来越多的手机和物联网设备开始搭载人工智能芯片(AI Chip)。目前大多数AI芯片只支持前向推理,内部的神经网络需要在云端训练后部署到片内。然而,越来越多的场景要求AI芯片能够根据私有数据进行本地训练来满足各类用户偏好。由于边缘和移动设备电池电量和计算能力有限,
学位
GaN驱动芯片中的驱动级为GaN器件的栅极提供充放电电流以满足器件的开关需要。传统驱动级电路的电流能力只能通过与GaN器件栅极级联的栅极电阻进行控制,无法实现GaN器件开关过程中不同阶段电流能力的分段独立控制。为此,本文通过一种离散式闭环控制的方法设计了一种新型自设定式闭环自修调驱动级电路,在器件的d VDS/dt与d IDS/dt阶段,可实现驱动级电流的分段独立调节。本文首先介绍了GaN驱动芯片
学位
学位
受益于CMOS工艺的快速发展,可穿戴生物医学设备和无线传感网络快速发展并改善了人们的日常生活。这些设备应用广泛,需要长期工作并避免频繁更换电池,因此低成本和低功耗的模数转换(Analog-to-Digital Converter,ADC)电路必不可少。为了满足上述需求,本文设计了一款10bit 500KS/s的低功耗逐次逼近(Successive Approximation Register,SA