CN101483652A - 生物特征识别系统 - Google Patents
生物特征识别系统 Download PDFInfo
- Publication number
- CN101483652A CN101483652A CNA2009100366604A CN200910036660A CN101483652A CN 101483652 A CN101483652 A CN 101483652A CN A2009100366604 A CNA2009100366604 A CN A2009100366604A CN 200910036660 A CN200910036660 A CN 200910036660A CN 101483652 A CN101483652 A CN 101483652A
- Authority
- CN
- China
- Prior art keywords
- server
- recognition
- subscriber computer
- characteristic
- database
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Collating Specific Patterns (AREA)
Abstract
本发明公开了一种生物特征识别系统,采用双模态识别技术,可以揭示人脸、语音、指纹等多生物特征之间的互补性和相关性规律,有效避免了单模态生物特征识别的局限性,并且该系统是基于生物特征识别的用户机/服务器网络结构模型,利用有限带宽有效减少了网络传输数据量、减轻了服务器运算负担,具有容错功能、可扩展性、抗干扰性的优点,具有鲁棒性和环境适应性。
Description
技术领域
本发明涉及一种生物特征识别系统。
背景技术
在信息网络化和经济全球化的时代,人们对安全的理解和需求有了更深的认识,基于生物特征识别的身份认证技术倍受世界各国的重视。生物特征是人的内在属性,具有较高的稳定性及个体差异性。生物特征识别是指利用计算机技术将独一无二的人体固有特征提取出来进行处理,从而实现个人身份认证的技术。人体丰富的生理特征和行为特征,使得生物特征识别成为身份认证领域发展的必然趋势。目前,研究较多的生物特征包括人脸、虹膜、掌纹、指纹、语音、人耳、视网膜、笔迹、步态、手势等。与传统密码、证件等认证方式相比,生物特征识别技术具有依附于人体、不易伪造、不易模仿等优势,成为发达国家高度重视并大力发展的关键技术和产业。
1998年5月,美国举行了题为“Biometrics and Future of Money”的听证会,讨论了生物特征身份认证技术应用于银行、金融以及个人信息安全领域,一致认为该技术将影响人们现有的生活方式和商业模式。“911”之后,美国政府又连续签署了3个国家安全法案,强调在边检、执法、民用航空等领域应用生物特征识别技术。2003年6月,国际民用航空组织建议其188个成员国在护照上加入生物特征识别技术。大部分西方国家已经立法支持这项规划。据报道,澳大利亚、新西兰在2005年推出了生物特征护照,德国在2005年11月发放生物特征护照。IBG近期调查分析显示,2007年全球生物识别市场收入超过30亿美元,今后5年内将以每年超过8亿美元的幅度递增。据美国《生物识别文摘》报道,国内市场2005年生物特征识别产品的销售收入约0.6亿美元,到了2006年增长到约1.1亿美元。国家“十一五”科技发展规划明确指出:“要在生物特征识别技术领域缩小与世界先进水平的差距,开展生物特征识别应用技术研究,开发具有高安全性、低误报率的出入口控制新产品”。业内专家估计,未来5年,我国将有近百亿元的市场等待着企业去开拓,应用前景非常广阔。
然而,目前的生物识别技术都是单一的识别方式,使用识别率不高,使用不方便、效率低下,制约了该行业的发展。
发明内容
为了克服现有技术的不足,本发明的目的在于提供一种识别率高、使用方便、可容纳更多用户的生物特征识别系统。
本发明解决其技术问题所采用的技术方案是:
生物特征识别系统,其特征在于:该系统是基于双模态生物特征信息数据库的用户机/服务器网络结构,包括有主服务器、多个数据库服务器(本地服务器(1)、本地服务器(2)、......本地服务器(n))和连接在数据库服务器之下的用户机,数据库服务器通过广域网与主服务器连通,在主服务器的控制下通过广域网进行数据交换、数据共享,用户机(用户机(1)、用户机(2)、......用户机(m))用于对测试样本的采集、分析和特征提取,通过局域网把分析结果、特征数据和查询要求传送到数据库服务器,数据库服务器根据用户机的要求对已有人脸图像、语音等进行特征提取,然后将它们与传过来的数据进行比较,即身份识别,最后把识别结果传给发出要求的用户机,当本地服务器没有所需数据或得不出识别结果时,本地服务器(1)会向主服务器发出请求,主服务器则向其他服务器(本地服务器(2)、......本地服务器(n))发出查询命令,从而对整个网络进行数据挖掘并进行身份认证,最后把结果送给发出要求的用户机。
本发明的有益效果是:由于建立了双模态生物特征信息数据库,采用双模态识别技术,可以揭示人脸、语音、指纹等多生物特征之间的互补性和相关性规律,有效避免了单模态生物特征识别的局限性,并且进一步构建基于人脸、语音、指纹等多模态生物特征识别网络环境;该系统建立了具有中华特色的人脸与语音双模态生物特征信息数据库,拥有56万帧图像约160G的数据量,在图像和总语音数据量方面具有优势。另外,基于生物特征识别的用户机/服务器网络结构模型,利用有限带宽有效减少了网络传输数据量、减轻了服务器运算负担,具有容错功能、可扩展性、抗干扰性的优点,具有鲁棒性和环境适应性。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1是本发明生物特征识别系统的用户机/服务器网络结构框图;
图2是本发明的多模态识别系统结构框图;
图3是本发明的视觉听觉特征后融合HMM模型图。
具体实施方式
参照图1、图2,本发明的生物特征识别系统,该系统是基于双模态生物特征信息数据库的用户机/服务器网络结构,包括有主服务器、多个数据库服务器(本地服务器(1)、本地服务器(2)、......本地服务器(n))和连接在数据库服务器之下的用户机,数据库服务器通过广域网与主服务器连通,在主服务器的控制下通过广域网进行数据交换、数据共享,互补不足,从而分散物理存储介质,便于采集新样本和备份旧数据,并且减轻主服务器和局域网的负担。理想情况是通过Internet利用虚拟局域网进行数据共享。用户机(用户机(1)、用户机(2)、......用户机(m))用于对测试样本的采集、分析和特征提取,通过局域网把分析结果、特征数据和查询要求传送到数据库服务器,数据库服务器根据用户机的要求对已有人脸图像、语音等进行特征提取,然后将它们与传过来的数据进行比较,即身份识别,最后把识别结果传给发出要求的用户机,其优点是,充分利用有限带宽减少了网络传输数据量,减轻了服务器运算负担,因而可容纳更多用户,当本地服务器没有所需数据或得不出识别结果时,本地服务器(1)会向主服务器发出请求,主服务器则向其他服务器(本地服务器(2)、......本地服务器(n))发出查询命令,从而对整个网络进行数据挖掘并进行身份认证,最后把结果送给发出要求的用户机。
其中,作为优选实施方案,所述的双模态生物特征信息数据库是人脸和语音双模态生物特征信息数据库。
作为优选实施方案,在双模态生物特征数据库的基础上,融入多种生物特征数据库,形成多模态生物特征信息识别。如图2所示为多模态生物特征识别系统结构框图,包括人脸识别、语音识别、指纹识别及其融合识别,在设计过程中采用模块化功能设计。因此,整个识别系统可根据实际情况,融入多种生物特征,从而形成双模态生物特征识别系统或多模态生物特征识别系统,使之具有可扩展性。听觉视觉双模态识别系统,即视觉信息处理和听觉信息处理,包括人脸检测与定位、人脸与语音特征提取、融合与识别;还包括指纹识别、虹膜识别、掌纹识别等多模态生物特征识别。
作为优选方案,所述的人脸和语音双模态生物特征的人脸与语音特征采用HMM模型后融合识别。如图3所示的人脸与语音特征后融合HMM模型,关于HMM模型后融合识别,存在听觉视觉两个相互独立的基于HMM模型的识别过程。后融合采用两个识别器,一个处理听觉数据,一个处理视觉数据。由于听觉信息和视觉信息来自不同的通道,反映的问题本质不尽相同,时间先后上不严格同步,所受噪声干扰也不相同,其对应的加权应进行相应的调整。在识别阶段,采用人脸与语音识别的后融合HMM模型,融合听觉视觉通道的信息,得出正确的识别结果。
人脸特征采用混合特征提取方法来实现,主要包括主元分量、核主元分量、色度分量、纹理特征、不变矩特征、奇异值特征等。语音特征主要包括各种倒谱参数矢量。听觉视觉两个通道分别依据其特征矢量作出决策。这种模型使得听觉视觉两个通道可以相互独立地工作,不必保持严格同步。实际上,当人说话时声音和唇动不是严格同步,应将唇动的起点和终点向前和向后延伸。但要达到较好的效果,要求两个通道均同时具有较好的性能。
另外,本系统还可以对人脸识别、虹膜识别、语音识别、情感识别、性别鉴别等若干技术应用作进一步改进,其中主要包括:
(1)人脸识别
在奇异值分解的基础上,将人脸图像矩阵的奇异值作为识别特征,解决了奇异值处理、神经网络训练策略和竞争选择问题;运用BP网络进行识别。在大样本情况下,识别方法具有实现简单、识别速度快、识别率高的特点,为人脸的实时识别提供了一种新途径。
充分利用人脸的左右对称性,首先对原始图像进行线性映射处理;接着采用局部奇异值分解提取人脸特征,并对所获得的特征作对称平均处理;最后依据最近邻决策规则进行识别。大大降低了原始图像特征空间的维数,有效消除了图像亮度和噪声的影响,取得了较高且稳定的正确识别率。
提出基于核主元分析与支持向量机的人脸识别
在模式识别中,核主元分析具有较好地提取非线性特征的优势;而支持向量机具有较好的非线性映射能力,且泛化能力强。结合核主元分析与支持向量机的特点,利用核主元分析对人脸图像进行特征提取,依据支持向量机与最近邻准则对所提取的核主元特征进行分类识别,获得了较好的分类识别效果。
(2)虹膜识别
对虹膜图像实行分窗小波分解,并对各窗口的子带图像作筛选处理;然后通过奇异值分解对筛选后的各子带图像作进一步的特征提取和压缩,得到虹膜识别特征;最后利用加权欧氏距离分类器完成识别。获得了较好的识别结果。
小波包分解是从小波变换延伸而来的一种更精细的信号分析算法,具有分析高频特征信息的优势。结合小波包分解的特点,对虹膜图像实行分窗小波包分解,通过对各窗口的子带图像作筛选处理、特征提取和压缩、分类识别,获得了较好的识别结果。
(3)语音识别
研制了特定人语音识别控制器,识别孤立词语音命令和执行相应动作,其核心算法是自适应差分脉冲编码调制算法和动态时间弯折算法,硬件平台为ADSP2181,识别率达到97%;同时,研制了非特定人语音识别控制器,其核心算法是基于HMM模型和平滑声韵基元的识别算法,满足了设计的要求;此外,提出完善的局部最优改进算法及其实现,分析了矢量量化码本设计基本算法及其不足;利用模拟退火算法进行全局最优码本设计,得出了较好的识别结果。
(4)构建基于人脸与虹膜等多模态生物特征识别模型
多模态生物特征识别可提高身份鉴别系统的整体性能。结合二维Fisher线性判别分析的特点,提出人脸与虹膜特征融合的身份识别。首先对人脸图像与虹膜图像分别进行压缩降维处理,得到相应的初始特征矩阵;然后将人脸与虹膜的初始特征矩阵进行组合,获得组合特征矩阵;同时,利用2DFLD算法对组合特征矩阵进行特征融合;最后运用最小距离分类器完成识别。该模型克服了“小样本”效应,具有可扩展性和运算量较小的优点;提高了身份识别的识别率。
(5)情感识别
提出基于几何局部特征、DCT、PCA、2DPCA等特征的人脸表情识别;同时,提出基于神经网络、SVM、模糊积分等信息融合方法的人脸表情识别。对非特定人情况,表情识别率达到70~80%左右;对特定人情况,表情识别率达到90%左右。
(6)性别鉴别
分析不同样本分布情况和不同参数条件下,训练样本与测试样本的识别效果;表明在两类模式识别中核函数Fisher鉴别理论具有良好的识别效果与极佳的推广能力。
结合主元分析与线性鉴别分析的特点,通过PCA算法与LDA算法分别计算训练样本的特征子空间,将两个特征子空间进行融合,获得融合特征空间;将训练样本与测试样本分别朝融合特征空间投影,得到识别特征;利用最近邻准则即可完成性别鉴别;获得了较好的识别结果。
本系统适合于重要区域的门禁管制、职员或会员管理、银行证券类身份确认、个人财产使用管制、证照类、社保类、医疗档案管理、计算机系统及信息安全等。本项目的应用对智能控制、工业生产、通信系统、金融商业经济带来了极大的影响,改变了人们的工作方式和生活方式,产生了较大的经济效益和社会效益,推动了社会经济的发展,将使人与计算机的交互如同人与人交互那样自然的追求目标逐步成为现实。
当然,本发明除了上述实施方式之外,其它等同技术方案也应当在其保护范围之内。
Claims (4)
1、生物特征识别系统,其特征在于:该系统是基于双模态生物特征信息数据库的用户机/服务器网络结构,包括主服务器、多个数据库服务器(本地服务器(1)、本地服务器(2)、......本地服务器(n))和连接在数据库服务器之下的用户机,数据库服务器通过广域网与主服务器连通,在主服务器的控制下通过广域网进行数据交换、数据共享,用户机(用户机(1)、用户机(2)、......用户机(m))用于对测试样本的采集、分析和特征提取,通过局域网把分析结果、特征数据和查询要求传送到数据库服务器,数据库服务器根据用户机的要求对已有人脸图像、语音等进行特征提取,然后将它们与传过来的数据进行比较,即身份识别,最后把识别结果传给发出要求的用户机,当本地服务器没有所需数据或得不出识别结果时,本地服务器(1)会向主服务器发出请求,主服务器则向其他服务器(本地服务器(2)、......本地服务器(n))发出查询命令,从而对整个网络进行数据挖掘并进行身份认证,最后把结果送给发出要求的用户机。
2、根据权利要求1所述的生物特征识别系统,其特征在于:所述的双模态生物特征信息数据库是人脸和语音双模态生物特征信息数据库。
3、根据权利要求1或者2所述的生物特征识别系统,其特征在于:在双模态生物特征数据库的基础上,融入多种生物特征数据库,形成多模态生物特征信息识别。
4、根据权利要求2所述的生物特征识别系统,其特征在于:所述的人脸和语音双模态生物特征的人脸与语音特征采用HMM模型后融合识别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2009100366604A CN101483652A (zh) | 2009-01-10 | 2009-01-10 | 生物特征识别系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2009100366604A CN101483652A (zh) | 2009-01-10 | 2009-01-10 | 生物特征识别系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101483652A true CN101483652A (zh) | 2009-07-15 |
Family
ID=40880579
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2009100366604A Pending CN101483652A (zh) | 2009-01-10 | 2009-01-10 | 生物特征识别系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101483652A (zh) |
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101976358A (zh) * | 2010-11-02 | 2011-02-16 | 徐国元 | 全息人体生物特征识别装置及方法 |
CN102034288A (zh) * | 2010-12-09 | 2011-04-27 | 江南大学 | 基于多生物特征识别的智能门禁系统 |
CN102266241A (zh) * | 2011-08-05 | 2011-12-07 | 上海交通大学 | 融合人脸和指纹视觉信息的协同性别识别方法 |
CN102298694A (zh) * | 2011-06-21 | 2011-12-28 | 广东爱科数字科技有限公司 | 一种应用于远程信息服务的人机交互识别系统 |
CN102610015A (zh) * | 2012-03-13 | 2012-07-25 | 浙江万里学院 | 一种多媒体可视化门禁系统 |
CN102714558A (zh) * | 2009-10-30 | 2012-10-03 | 三星电子株式会社 | 图像提供系统和方法 |
CN102930243A (zh) * | 2012-09-18 | 2013-02-13 | 深圳市中联创新自控系统有限公司 | 一种特殊人员人脸信息的识别方法和系统 |
CN103336800A (zh) * | 2013-06-19 | 2013-10-02 | 武汉世纪金桥安全技术有限公司 | 基于行为分析的指纹存储比对的方法 |
CN104407957A (zh) * | 2014-10-29 | 2015-03-11 | 中国建设银行股份有限公司 | 一种系统健康检测方法及装置 |
CN104700018A (zh) * | 2015-03-31 | 2015-06-10 | 江苏祥和电子科技有限公司 | 一种用于智能机器人的识别方法 |
CN104809783A (zh) * | 2015-04-24 | 2015-07-29 | 成都腾悦科技有限公司 | 一种安全门禁系统 |
CN105160302A (zh) * | 2015-08-10 | 2015-12-16 | 西安凯虹电子科技有限公司 | 多模态生物识别通用平台及身份认证方法 |
WO2017071493A1 (zh) * | 2015-10-26 | 2017-05-04 | 阿里巴巴集团控股有限公司 | 身份识别、业务处理以及生物特征信息的处理方法和设备 |
CN106682663A (zh) * | 2015-11-11 | 2017-05-17 | 天津中科智能识别产业技术研究院有限公司 | 用于移动平台的多模态生物特征识别系统及方法 |
CN107562374A (zh) * | 2017-08-14 | 2018-01-09 | 重庆大学 | 一种非易失性存储器时序数据压缩的量化方法 |
CN107833306A (zh) * | 2017-12-15 | 2018-03-23 | 南京工业职业技术学院 | 人脸和虹膜特征融合识别的智能课堂考勤系统 |
CN108429619A (zh) * | 2018-01-18 | 2018-08-21 | 北京捷通华声科技股份有限公司 | 身份认证方法和系统 |
CN109001702A (zh) * | 2018-06-04 | 2018-12-14 | 桂林电子科技大学 | 无载波超宽带雷达人体动作识别方法 |
CN109325462A (zh) * | 2018-10-11 | 2019-02-12 | 深圳斐视沃德科技有限公司 | 基于虹膜的人脸识别活体检测方法及装置 |
CN109711350A (zh) * | 2018-12-28 | 2019-05-03 | 武汉大学 | 一种基于唇部运动和语音融合的身份认证方法 |
CN110070384A (zh) * | 2015-04-07 | 2019-07-30 | 东芝泰格有限公司 | 销售数据处理装置及其控制方法 |
CN110472506A (zh) * | 2019-07-11 | 2019-11-19 | 广东工业大学 | 一种基于支持向量机和神经网络优化的手势识别方法 |
CN110688974A (zh) * | 2019-09-30 | 2020-01-14 | 支付宝(杭州)信息技术有限公司 | 一种身份识别方法及装置 |
CN110930546A (zh) * | 2018-08-31 | 2020-03-27 | 阿里巴巴集团控股有限公司 | 信息处理方法、装置及系统、存储介质、处理器 |
CN111310795A (zh) * | 2020-01-19 | 2020-06-19 | 中国科学院动物研究所 | 基于图像及分子数据的多模态实蝇识别系统及方法 |
CN111599044A (zh) * | 2020-05-14 | 2020-08-28 | 哈尔滨学院 | 一种基于多模态生物特征识别的门禁安全管理系统 |
-
2009
- 2009-01-10 CN CNA2009100366604A patent/CN101483652A/zh active Pending
Cited By (37)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102714558A (zh) * | 2009-10-30 | 2012-10-03 | 三星电子株式会社 | 图像提供系统和方法 |
CN101976358A (zh) * | 2010-11-02 | 2011-02-16 | 徐国元 | 全息人体生物特征识别装置及方法 |
CN102034288A (zh) * | 2010-12-09 | 2011-04-27 | 江南大学 | 基于多生物特征识别的智能门禁系统 |
CN102034288B (zh) * | 2010-12-09 | 2012-06-20 | 江南大学 | 基于多生物特征识别的智能门禁系统 |
CN102298694A (zh) * | 2011-06-21 | 2011-12-28 | 广东爱科数字科技有限公司 | 一种应用于远程信息服务的人机交互识别系统 |
CN102266241A (zh) * | 2011-08-05 | 2011-12-07 | 上海交通大学 | 融合人脸和指纹视觉信息的协同性别识别方法 |
CN102266241B (zh) * | 2011-08-05 | 2013-04-17 | 上海交通大学 | 融合人脸和指纹视觉信息的协同性别识别方法 |
CN102610015B (zh) * | 2012-03-13 | 2015-05-06 | 浙江万里学院 | 一种多媒体可视化门禁系统 |
CN102610015A (zh) * | 2012-03-13 | 2012-07-25 | 浙江万里学院 | 一种多媒体可视化门禁系统 |
CN102930243A (zh) * | 2012-09-18 | 2013-02-13 | 深圳市中联创新自控系统有限公司 | 一种特殊人员人脸信息的识别方法和系统 |
CN103336800B (zh) * | 2013-06-19 | 2016-10-05 | 武汉世纪金桥安全技术有限公司 | 基于行为分析的指纹存储比对的方法 |
CN103336800A (zh) * | 2013-06-19 | 2013-10-02 | 武汉世纪金桥安全技术有限公司 | 基于行为分析的指纹存储比对的方法 |
CN104407957A (zh) * | 2014-10-29 | 2015-03-11 | 中国建设银行股份有限公司 | 一种系统健康检测方法及装置 |
CN104407957B (zh) * | 2014-10-29 | 2018-04-27 | 中国建设银行股份有限公司 | 一种系统健康检测方法及装置 |
CN104700018A (zh) * | 2015-03-31 | 2015-06-10 | 江苏祥和电子科技有限公司 | 一种用于智能机器人的识别方法 |
CN110070384A (zh) * | 2015-04-07 | 2019-07-30 | 东芝泰格有限公司 | 销售数据处理装置及其控制方法 |
CN110070384B (zh) * | 2015-04-07 | 2024-03-19 | 东芝泰格有限公司 | 销售数据处理装置及其控制方法 |
CN104809783A (zh) * | 2015-04-24 | 2015-07-29 | 成都腾悦科技有限公司 | 一种安全门禁系统 |
CN105160302A (zh) * | 2015-08-10 | 2015-12-16 | 西安凯虹电子科技有限公司 | 多模态生物识别通用平台及身份认证方法 |
CN105160302B (zh) * | 2015-08-10 | 2018-04-06 | 西安凯虹电子科技有限公司 | 多模态生物识别通用平台及身份认证方法 |
WO2017071493A1 (zh) * | 2015-10-26 | 2017-05-04 | 阿里巴巴集团控股有限公司 | 身份识别、业务处理以及生物特征信息的处理方法和设备 |
CN106682663A (zh) * | 2015-11-11 | 2017-05-17 | 天津中科智能识别产业技术研究院有限公司 | 用于移动平台的多模态生物特征识别系统及方法 |
CN107562374A (zh) * | 2017-08-14 | 2018-01-09 | 重庆大学 | 一种非易失性存储器时序数据压缩的量化方法 |
CN107833306A (zh) * | 2017-12-15 | 2018-03-23 | 南京工业职业技术学院 | 人脸和虹膜特征融合识别的智能课堂考勤系统 |
CN108429619A (zh) * | 2018-01-18 | 2018-08-21 | 北京捷通华声科技股份有限公司 | 身份认证方法和系统 |
CN109001702A (zh) * | 2018-06-04 | 2018-12-14 | 桂林电子科技大学 | 无载波超宽带雷达人体动作识别方法 |
CN110930546A (zh) * | 2018-08-31 | 2020-03-27 | 阿里巴巴集团控股有限公司 | 信息处理方法、装置及系统、存储介质、处理器 |
CN110930546B (zh) * | 2018-08-31 | 2022-06-14 | 阿里巴巴集团控股有限公司 | 信息处理方法、装置及系统、存储介质、处理器 |
CN109325462B (zh) * | 2018-10-11 | 2021-03-12 | 深圳斐视沃德科技有限公司 | 基于虹膜的人脸识别活体检测方法及装置 |
CN109325462A (zh) * | 2018-10-11 | 2019-02-12 | 深圳斐视沃德科技有限公司 | 基于虹膜的人脸识别活体检测方法及装置 |
CN109711350A (zh) * | 2018-12-28 | 2019-05-03 | 武汉大学 | 一种基于唇部运动和语音融合的身份认证方法 |
CN109711350B (zh) * | 2018-12-28 | 2023-04-07 | 武汉大学 | 一种基于唇部运动和语音融合的身份认证方法 |
CN110472506A (zh) * | 2019-07-11 | 2019-11-19 | 广东工业大学 | 一种基于支持向量机和神经网络优化的手势识别方法 |
CN110688974A (zh) * | 2019-09-30 | 2020-01-14 | 支付宝(杭州)信息技术有限公司 | 一种身份识别方法及装置 |
CN110688974B (zh) * | 2019-09-30 | 2022-10-25 | 支付宝(杭州)信息技术有限公司 | 一种身份识别方法及装置 |
CN111310795A (zh) * | 2020-01-19 | 2020-06-19 | 中国科学院动物研究所 | 基于图像及分子数据的多模态实蝇识别系统及方法 |
CN111599044A (zh) * | 2020-05-14 | 2020-08-28 | 哈尔滨学院 | 一种基于多模态生物特征识别的门禁安全管理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101483652A (zh) | 生物特征识别系统 | |
CN108805089B (zh) | 基于多模态的情绪识别方法 | |
CN108899050B (zh) | 基于多模态情绪识别系统的语音信号分析子系统 | |
CN108877801B (zh) | 基于多模态情绪识别系统的多轮对话语义理解子系统 | |
CN108805088B (zh) | 基于多模态情绪识别系统的生理信号分析子系统 | |
CN108182409B (zh) | 活体检测方法、装置、设备及存储介质 | |
CN105069622B (zh) | 一种面向移动终端的人脸识别支付系统和方法 | |
Saini et al. | Don’t just sign use brain too: A novel multimodal approach for user identification and verification | |
CN106899968A (zh) | 一种基于WiFi信道状态信息的主动非接触身份认证方法 | |
CN104680375A (zh) | 电子支付真人活体身份验证系统 | |
CN204667465U (zh) | 电子支付真人活体身份验证系统 | |
CN103632147A (zh) | 实现面部特征标准化语义描述的系统及方法 | |
CN107491729B (zh) | 基于余弦相似度激活的卷积神经网络的手写数字识别方法 | |
CN107944398A (zh) | 基于深度特征联合表示图像集人脸识别方法、装置和介质 | |
CN101271521A (zh) | 基于各向异性双树复小波包变换的人脸识别方法 | |
Huang et al. | PLFace: Progressive learning for face recognition with mask bias | |
CN105989346B (zh) | 一种网络购物手机支付系统的构成方法 | |
Gangonda et al. | VGHN: variations aware geometric moments and histogram features normalization for robust uncontrolled face recognition | |
KR101676101B1 (ko) | 동적보상퍼지신경네트워크(dcfnn)를 기반으로 한 얼굴인식 알고리즘 | |
Lu | Multi‐angle face expression recognition based on generative adversarial networks | |
Lee et al. | Facial affect recognition using regularized discriminant analysis-based algorithms | |
CN110908718A (zh) | 人脸识别激活语音导航方法、系统、存储介质及设备 | |
Vitabile et al. | A real-time network architecture for biometric data delivery in Ambient Intelligence | |
Kagawade et al. | VISA: a multimodal database of face and iris traits | |
CN110738985A (zh) | 基于语音信号的跨模态生物特征识别方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20090715 |