论文摘要
人耳识别是一种新兴的生物特征识别技术。研究表明人耳具有唯一性、稳定性、持久性等特点,有望成为一种更加可靠的识别技术并得到人们越来越多的关注。目前国内外对人耳识别的研究主要集中在2D人耳正面视角和3D距离图像的识别。然而人耳的视角会随着人头部的转动而改变,而且在实际应用中人的头部很容易发生转动,当识别库和注册库中的人耳图像处于不同视角的时候,传统的识别方法识别率就会大大降低。目前2D人耳识别方面还没有对多视角识别问题进行解决,虽然3D识别方法可以解决多视角识别问题,但现有的很多3D识别方法均为离线识别,并需要高质量的距离图像和2D彩色图像加以辅助。针对以上存在的问题,本文提出了通过构建B样条姿态流形来解决2D多视角人耳识别问题,并对2D人耳分割和检测做了大量研究;在3D人耳识别方面,设计并开发了一套3D在线人耳识别系统。主要工作包括:(1)试验了阈值化、模板匹配、分水岭、主动轮廓模型(SNAKE)等方法对采集到的2D多视角人耳图像进行检测,比较了这些方法各自的优点和缺点,并通过大量试验,最终确定采用分水岭结合一种改进的几何型SNAKE算法对人耳图像进行检测。(2)针对多视角人耳识别问题,本文提出了一种新的基于零子空间核鉴别分析(NKDA)和B样条姿态流形的多视角人耳识别方法,通过NKDA对注册库中的不同角度人耳图像进行非线性降维,从而获得非线性特征,然后在该特征空间中应用B样条进行插值构成姿态流形,在识别阶段通过将样本与不同流形比较获得识别结果,有效解决了2D多视角人耳识别问题。(3)设计并开发了一套3D在线人耳识别系统,为满足在线识别的要求,设计了一种快速的提取激光中心线的方法并通过线结构光测量原理进行重建形成3D点云数据,对点云数据进行预处理,包括:去除噪声和插值。针对传统ICP算法存在的问题,采用优化的迭代最近点(ICP)算法进行匹配识别,并获得了较高的识别率。