基于多模态特征融合的身份识别研究与实现

摘要：

针对单模态身份识别技术的安全性较低问题,论文提出一种将声纹特征与人脸特征相融合的多模态特征融合方法.该方法首先对语音信号提取梅尔倒谱系数构建高斯混合模型,然后将模型得分归一化作为特征与图像主成分分析(PCA)特征融合进行支持向量机(SVM)分类识别.论文主要测试了在不同噪声环境、不同融合方式以及不同核函数情况下,单模态与多模态的识别率对比情况.实验证明,特征融合后的多模态识别比单模态识别更加稳定,抗噪性更强;串联融合的效果要优于并联融合的效果.

关键词：支持向量机、高斯模型、特征融合、人脸识别、声音识别、身份识别、人工智能、信息融合

所属期刊栏目：41

分类号：TP18(自动化基础理论)

在线出版日期：2021-07-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：54-57,134