基于ＣＣＡ的人耳和側面人臉特征融合的身份識別

摘要：鑒于人耳和人臉特殊的生理位置關系，從非打擾識別的角度出發，提出僅采集側面人臉圖像，利用典型相關分析的思想提取人耳和側面人臉的關聯特征，進行人耳和側面人臉在特征層的融合。實驗結果表明，此方法與單一的人耳或側面人臉特征識別比較，識別率得到提高。

關鍵詞：典型相關分析；特征層融合；關聯特征；人耳識別；多模態識別

中圖分類號：TP391．41文獻標志碼：A

文章編號：1001-3695(2007)11-0312-03

0引言

隨著信息技術的高速發展，社會對于人的身份鑒別的準確性、安全性和實用性提出了更高的要求。而生物特征識別技術，由于其廣泛性、惟一性、穩定性等特點，具有不易遺忘或丟失、防偽性能好、隨身攜帶等優點，已經開始取代傳統的身份識別技術，得到了廣泛而深入的研究和應用[1]。

近年來，國內外研究者針對人臉識別、步態識別等無須被識別者配合的被動式識別和指紋識別、虹膜識別、掌紋識別等需要被識別者配合的主動式識別[1]開展了大量的學術研究。但每一種生物識別技術在準確率、用戶接受程度、成本等方面都不同，都有其自身的優勢和缺點，很難滿足實際應用的要求。例如聲紋會隨著人身體健康狀況的變化而變化，有的人的指紋特征難以提取，臉像會由于化妝、表情的變化而變化等。在此背景下，基于多種生物特征的識別技術應運而生。通過多生物特征融合的方法可提高系統的識別率、增強系統的安全級別，并且可以擴展系統的適用范圍，因而具有良好的應用前景[2]。

人臉是一種最自然、最直觀、最容易被接受的非打擾識別生物特征，但人臉在識別中存在易變性，即易受表情、化妝、時間等的影響。人耳是近年來新興的非打擾生物特征識別技術。研究表明，由于人耳的生理特征結構、位置及其惟一性和穩定性的特點，使人耳識別成為一種與人臉、虹膜識別等同樣重要的、可相互補充和結合的識別技術[3]。將人耳與人臉融合，可望為非打擾識別方法提供一條新途徑。另外，由于人耳和人臉特殊的生理位置關系，在數據采集過程中，可僅提取人臉側面的圖像，對人耳和側面人臉圖像進行融合。鑒于此，本文提出從人耳和側面人臉融合的角度研究多模態生物特征的融合。

根據生物特征識別系統的結構，多模態生物特征識別技術中的信息融合可分為四層，即數據層融合、特征層融合、匹配層融合和決策層融合。從數據層到決策層，實現的難度依次遞減，但它們所利用的信息量的大小也依次遞減。目前，研究多集中于匹配層和決策層，而對特征層的研究卻不多。在現有的特征層融合方法中，主要通過連接特征來實現，一、將兩組特征首尾相連進行串聯形成新的特征矢量[5]；二、利用復向量將兩組特征矢量合并并聯表示，將特征空間從實向量空間擴展到復向量空間[6]。兩種方法均不同程度地提高了識別率。文獻[7]提出了將典型相關分析(canonical correlation analisis，CCA)用于同一模式下兩組特征矢量進行融合的新思路。CCA是多元統計分析中研究兩組隨機變量之間相關關系的統計方法?；贑CA的思想，首先建立兩組特征矢量之間的相關性的判據準則函數；然后依此準則求取兩組典型投影矢量集，通過給定的特征融合策略抽取組合的典型相關特征并用于分類。利用該方法提取兩組特征矢量之間的典型相關特征作為有效的判別信息，既達到了信息融合目的，又有效地消除了特征之間的信息冗余，為兩組特征融合用于分類識別提供了新的思路。

本文中，鑒于人耳和側面人臉的特征空間的互補性和相關性，從側面人臉圖像出發，提出利用CCA方法提取人耳和側面人臉兩者的相關性特征作為兩者的關聯特征，從而進行個體的分類識別。

為了說明提取人耳和側面人臉的關聯特征進行多模態融合識別的有效性，圖3分別給出了基于單一生物特征人耳和側面人臉利用特征耳和特征臉的方法進行識別的分類結果，以及人耳、側面人臉特征融合的識別結果(人耳和側面人臉分別降維到50維)。

從圖3可知，依據本文的方法提取人耳和人臉的關聯特征進行識別，識別率大大高于用單一特征進行識別的結果。另外，已知一只人耳的有效識別范圍是30°[3]，而在人耳識別結合側面人臉特征進行融合識別，擴大了有效的識別范圍(40°)。

4結束語

本文提出僅采集側面人臉圖像，從中提取人耳和側面人臉特征，利用CCA思想進行特征層的融合，從而提取出人耳和側面人臉的關聯特征進行分類識別；并對圖像識別中的小樣本問題提出了解決思路，即當兩組特征矢量的總體散布矩陣奇異時利用PCA降維，然后求解其典型相關特征。結果表明，用人耳和側面人臉的關聯特征進行識別，識別率得到提高，并擴大了有效識別范圍，這為非打擾生物特征識別提供了一條有效的途徑。進一步的工作是完善CCA用于特征融合的方法，研究在PCA降維過程中如何選擇最佳維數；另外，鑒于CCA研究的是兩組特征矢量之間的線性關系，需進一步改進CCA研究和分析人耳和側面人臉之間的非線性關系。

參考文獻：

[1]JAIN A K， PANKANTI S， PRABHAKAR S， et al. Biometrics: a grand challenge[C]//Proc of the 17th International Conference on Pattern Recognition.Cambridge:[s.n.]，2004:935-942.

[2]ROSS A，JAIN A.Multimodal biometrics: an overview[C]//Proc of the 12th Signal European Processing Conference.Vienna:[s.n.]，2004:1221－1224.

[3]袁立，穆志純，徐正光，等.基于人耳生物特征的身份識別[J].模式識別與人工智能，2005，18(3):310-315.

[4]FAUNDEZ Z M. Data fusion in biometrics[J]. Aerospace and Electronic systems Magazine， 2005，20(1):34-38.

[5]LIU Cheng－jun，WECHSLER H.Face recognition using shape and texture[C]//Proc ofIEEE Computer Society Conference on Computer Vision and Pattern Recognition.Fort Collins， Colorado:[s.n.]，1999:23-25.

[6]楊健，楊靖宇，王正群，等.一種組合特征抽取的新方法[J].計算機學報，2002，25(6):570-575.

[7]孫權森，曾生根，楊茂龍，等.基于典型相關分析的組合特征抽取及臉像鑒別[J].計算機研究與發展，2005，42(4):614-621.

[8]張堯庭，方開泰.多元統計分析引論[M].北京:科學出版社，1999.

[9]邊肇祺，張學工.模式識別[M].北京:清華大學出版社，2000.

“本文中所涉及到的圖表、注解、公式等內容請以PDF格式閱讀原文”