基于人耳的個體識別系統研究

唐婉冰 邵鵬威 鄒雙徽 李 琛

?

基于人耳的個體識別系統研究

唐婉冰 邵鵬威 鄒雙徽 李 琛

北方工業大學計算機學院
唐婉冰（1994-）本科生，就讀于北方工業大學計算機學院，研究方向為數字圖像處理、模式識別；邵鵬威（1994-）本科生，就讀于北方工業大學計算機學院，研究方向為數字圖像處理、模式識別；鄒雙徽：（1994-）本科生，就讀于北方工業大學計算機學院，研究方向為數字圖像處理、模式識別；李琛（1984-）女，博士，講師，任職于北方工業大學計算機學院，研究方向為數字圖像處理、模式識別。

本論文受“北京市大學生科學研究與創業行動計劃”和“北方工業大學大學生開放實驗項目”資助

link

評估值210萬

appraisement

行業曲線

industry

本文基于matlab平臺實現了一個簡單的人耳識別系統的界面開發。該系統以北京科技大學USTB人耳庫（3）圖像為樣本，用不同識別算法提取訓練樣本特征，最后用不同匹配算法分類識別得出結果，實現了對不同識別算法識別效率的比較和個體匹配功能。該系統對特征提取的速度較快，識別結果較為準確，對實際應用有一定的參考價值。

在高度信息化的社會中，信息安全和公共安全的重要地位日益突出，許多領域都在不斷地對個體識別和個體身份驗證提出新的要求和挑戰。不同于其他傳統的生物特征，如人臉、視網膜、指紋、步態等，人耳具有其獨特的優勢。人耳特征相對穩定，不受化妝、表情的影響，也不易損傷；人耳具有遠距離非接觸性，易被接受，圖像數據易從視頻或照片信息中獲取，數據采集方便；人耳圖像表面小，信息處理量少。因此，吸引了越來越多研究者的關注。

人耳識別系統

人耳識別系統是以人耳圖像為識別對象，完成對個體對象的身份識別等一系列過程的總和。基于MATLAB平臺，本文實現了一個簡單的基于PCA、LBP、SVM算法的人耳識別系統的圖形用戶界面，其基本功能包括：對不同識別算法識別效率的比較和個體匹配。

系統界面

基于MATLAB搭建的人耳系統界面，如圖1所示，該系統主要由3個部分組成：特征提取，對選取不同識別算法下識別率的比較，個體匹配。特征提取是將人耳庫中的圖像分別用PCA算法和LBP算法提取出相應的特征；對不同識別算法下識別率的比較是更直觀的選出最優識別和匹配算法；個體匹配實現的是對任意選取的人耳圖像，判斷其對應的個體身份的功能。

USTB人耳庫

本文的實驗對象為北京科技大學USTB人耳圖像庫（3），此圖像庫有395張人耳側面圖像（79個人，每人5張），圖像采集顯示的分辨率為768*576，且正側面光照恒定。人耳庫中的部分圖像如圖2所示。

系統流程

該系統可分為兩個模塊，對不同方法識別率的比較和個體匹配。

圖1 人耳識別系統界面

對不同方法識別率的比較過程大致可分為4個過程：1）讀取人耳庫中的圖像；2）對整幅圖像進行降噪等預處理；3）分別利用不同算法進行特征提取，模式識別；4）分別顯示出不同方法的識別率。

個體匹配的主要流程為：1）在USTB人耳庫中隨機選取一張人耳圖像；2）用PCA+SVM算法提取出此圖像的特征；3）判別出為第幾個人的人耳圖像。

圖3 訓練集：測試集=1：3

圖4 訓練集：測試集=2：2

圖5 訓練集：測試集=3：1

圖6 個體匹配結果

圖2 人耳庫中的部分圖像

特征提取

主成分分析

主成分分析（principal component analysis，PCA）是一種基于統計分析的特征提取方法，PCA的具體實現是將人耳圖像按行展開后所形成的一維向量進行Kahunen-Loeve變換，獲得其正交的n維K-L基底，以一組數量小于樣本空間維數的正交基為特征空間，將人耳圖像投影到此空間上，通過降低特征維數來降低計算復雜度。

局部二值模式

局部二值模式（local binary pattern，LBP）算子是一種有效的紋理信息描述方法，通過度量和提取人耳圖像中的紋理信息，得到更健壯、魯棒的紋理信息表示。由于LBP不僅能描述出圖像中的微小特征，且具有任意單調變換不變性、分類能力強，如今已在人耳人臉圖像分析、紋理分類、圖像檢索等領域廣泛應用。

模式識別

歐氏距離分類器

歐氏距離（Euclidian Distance）也稱為泛數，可表示為在K維空間中兩個點之間的真實距離，也常被用于度量向量間的距離。

支持向量機

支持向量機（Support Vector Machine，SVM）是建立在統計學習理論和結構風險最小原理基礎上的一種新的學習機器，其基本思想是定義最優線性超平面，具有很強的泛化能力，在解決小樣本、非線性及高維模式識別中有其特有的優勢。

測試結果

不同識別率結果

圖3為訓練集與測試集之比為1：3時，四種不同結合方法所得識別率的界面，在識別過程中隨機選取每個人的一張人耳圖像作為訓練集，剩余三張作為測試集。

圖4為訓練集與測試集之比為2：2時，四種不同結合方法所得識別率的界面，在識別過程中隨機選取每個人的兩張人耳圖像作為訓練集，剩余兩張作為測試集。

圖5為訓練集與測試集之比為3：1時，四種不同結合方法所得識別率的界面，在識別過程中隨機選取每個人的三張人耳圖像作為訓練集，剩余一張作為測試集。

由圖3、圖4、圖5可以非常直觀地看出各種算法識別結果的差別。在識別過程中，選取的訓練集圖片個數越多，所得識別率越高，其中PCA結合SVM算法的識別率最高。

個體匹配結果

如圖6所示，從北京科技大學USTB人耳庫中隨機選取一張人耳圖像，通過PCA+SVM算法提取出人耳特征，判斷出所選圖片為第23個人的圖片，說明匹配成功。

總結

本文針對生物特征識別系統中的人耳識別，基于MATLAB平臺實現了一個簡單的人耳識別系統。該系統可實現對不同識別算法下識別率的比較和個體匹配功能，具有操作簡單，結果直觀等優點，可用于其他人耳識別的軟件開發。

10.3969/j.issn.101- 8972.2016.12.039