多生物特征融合的矿井人员身份识别

摘要：

针对传统的单一人脸识别身份的方法在遇到光线不明、粉尘附着、部分遮挡情况下,识别效果不佳.本文提出了多种生物特征相融合的识别方法.该方法首先提取井下人员的人脸、虹膜、指纹的特征,对特征进行融合并产生新的特征向量,通过监督式学习训练,形成新的图像特征模板库.最后,用获取的人员新特征与模板库的特征进行匹配,从而完成身份识别.在图像处理过程中,使用了霍特林变换,快速滤除大部分无用特征信息,通过决策树支持向量机分类器(decision trees support vector machine,DT-SVM)精准实现身份识别.实验仿真结果表明:这种方法减少了算法的计算复杂度,提高了身份识别的准确性,增强了对工作人员的安全监控.

关键词：井下安全、多生物特征相融合、霍特林变换、决策树支持向量机分类器

所属期刊栏目：37

分类号：TP3-05(计算技术、计算机技术)

资助基金：中山大学青年教师培育项目37000-31610444

在线出版日期：2021-05-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：44-49