CN107895164A - 基于单样本人耳图像的识别方法及装置 - Google Patents
基于单样本人耳图像的识别方法及装置 Download PDFInfo
- Publication number
- CN107895164A CN107895164A CN201711119487.5A CN201711119487A CN107895164A CN 107895164 A CN107895164 A CN 107895164A CN 201711119487 A CN201711119487 A CN 201711119487A CN 107895164 A CN107895164 A CN 107895164A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- dictionary
- ear image
- msubsup
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/28—Determining representative reference patterns, e.g. by averaging or distorting; Generating dictionaries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/513—Sparse representations
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种基于单样本人耳图像的识别方法及装置，通过局部特征算法建立人耳图像样本的纹理图字典和深度图字典；通过多任务稀疏表示的识别方法，基于纹理图字典对待识别人耳图像进行识别，获得二维识别结果；基于深度图字典对待识别人耳图像进行识别，获得三维识别结果；基于二维识别结果和三维识别结果，进行融合识别，完成对待识别人耳图像的识别。本发明采用二维三维数据融合的方式进行识别，能够在外来物遮挡、光照变化、姿态变化的干扰下完成鲁棒的身份识别。
Description
技术领域
本发明涉及一种基于单样本人耳图像的识别方法及装置。
背景技术
基于生物特征的识别方法因其具有不需记忆、不需额外携带、可靠性高、相对不便于伪造等优点而逐渐受到关注。作为生物特征识别技术的一种，人耳识别具有不受表情影响、不受年龄影响、无需被识别者配合等优点。目前，绝大多数的生物特征识别方法都需要多样本注册，以达到满足准确性的要求。而在某些特殊情况下，所获取到的注册样本仅有一个，这样的条件给识别方法带来了很大困难甚至使方法失效。
发明内容
本发明的发明目的在于提供一种基于单样本人耳图像的识别方法及装置，能够基于单样本对人耳图像进行快速有效识别。
基于同一发明构思，本发明具有两个独立的技术方案：
一种基于单样本人耳图像的识别方法，包括如下步骤：
步骤1：建立人耳图像样本的纹理图字典和深度图字典，其中纹理图字典基于人耳图像样本的二维数据建立，深度图字典基于人耳图像的纹理图和人耳图像样本的三维点云数据建立；
步骤2：基于纹理图字典对待识别人耳图像进行识别，获得二维识别结果；基于深度图字典对待识别人耳图像进行识别，获得三维识别结果；
步骤3：基于步骤2获得的二维识别结果和三维识别结果，进行融合识别，完成对待识别人耳图像的识别。
进一步地，步骤1中是采用局部特征算法建立人耳图像的纹理图字典和深度图字典。
进一步地，所述局部特征算法是ASIFT算法。
进一步地，通过纹理图确定人耳区域所在位置；根据纹理图上所获取的坐标位置，截取三维点云数据对应的区域，确定对应的三维数据范围；将该数据沿着z轴方向进行投影，取全体点云中z轴方向坐标最大点zmax和最小点zmin，则任一点在深度图上的灰度值p通过下式计算，
其中，z为该点的z轴坐标。
进一步地，步骤2中，通过多任务稀疏表示的识别方法进行识别时，
设待识别图像包含n个关键点，即Y＝(y1,y2,...,yn)；
其稀疏表示为：
X＝(x1,x2,...,xn)∈RK×n为稀疏系数矩阵，K为字典D中原子的总数，字典D为纹理图字典或深度图字典；||·||1表示向量的l1范数。
进一步地，步骤2中，通过多任务稀疏表示的识别方法进行识别时，针对待识别人耳图像中的每个关键点所对应的描述子yi，通过下式求解其稀疏表示，
通过下式计算字典D中c类样本的重建误差
式中，δc(·)是选取属于c类样本系数的函数，rc(Y)是待识别图像与字典D中c类样本之间的差异程度；
对于一个待识别人耳图像，得到两个重建误差向量和：
rT＝(r1(YT),r2(YT),...,rC(YT))T
rR＝(r1(YR),r2(YR),...,rC(YR))T
rT为基于纹理图字典的重建误差向量和，rR为基于深度图字典的重建误差向量和。
进一步地，步骤2中，针对待识别图像中的每个关键点所对应的描述子yi，求解其稀疏表示时，
对于每个描述子yi，首先计算yi与字典D中全部描述子的线性相关系数：
ci＝DTyi，i＝1,2,...,n
对于每个描述子yi，将ci值降序排列，取前L个ci值，将字典D只保留与L个ci值相对应的描述子。
进一步地，步骤3中，进行融合识别时，将两个重建误差按升序排列，选取前两项rT′，rT″和rR′，rR″，并采用下式决定待识别人耳图像的身份：
其中，ID(rT′)表示基于纹理图字典给出的识别结果，ID(rR′)表示基于三维信息给出的识别结果。
一种基于单样本人耳图像的识别装置，包括
人耳图像采集单元，用于采集待识别人耳图像；
显示单元，用于显示识别结果；
耳部样本数据库单元，存储人耳图像样本的纹理图字典和深度图字典；
主控单元，与人耳图像采集单元、耳部样本数据库单元、显示单元相连，主控单元具有人耳识别程序模块，所述人耳识别程序模块执行以下指令，
基于纹理图字典对待识别人耳图像进行识别，获得二维识别结果；
基于深度图字典对待识别人耳图像进行识别，获得三维识别结果；
基于获得的二维识别结果和三维识别结果，进行融合识别，将识别结果信息发送至显示单元。
本发明具有的有益效果：
本发明通过局部特征算法基于人耳图像样本的二维数据建立纹理图字典，基于人耳图像样本的三维点云数据建立深度图字典，通过多任务稀疏表示的识别方法，基于纹理图字典和深度图字典对待识别人耳图像进行识别。在特征选择方面，本发明采用局部特征算法，可适用于单一样本描述。本发明将三维点云数据转换成深度图形式，使得二维数据和三维数据可运用同一识别框架，大大缩短了计算时间。本发明采用多任务稀疏表示的识别方法进行识别，可利用单一样本的局部特征完成注册和识别，不但利用局部特征完成识别，还将不同局部特征之间的相互关系信息作为决策的依据，同一样本上的局部特征不单单是被简单的割裂开使用，其彼此之间的关联信息也被利用，有效保证了单一样本识别的准确性。本发明采用二维三维数据融合的方式进行识别，二维图像反映的是物体的纹理信息，而三维数据反映的是物体的形状信息，二者具有互补性，进一步保证了识别的准确性。本发明能够在外来物遮挡、光照变化、姿态变化的干扰下完成鲁棒的身份识别。
本发明通过ASIFT算法建立人耳图像的纹理图字典和深度图字典，ASIFT算法是一种改进的SIFT局部特征算法，由于人耳本身可看作是一个近似刚性的物体，在成像时仅可能出现平面内和平面外旋转，不会出现形状变化导致的畸变，ASIFT算法通过模拟不同镜头坐标轴的方向参数下的角度对全部六个参数具有不变性，能够提取到更多稳定的关键点，因此ASIFT算法更适合对人耳样本进行描述。
本发明在针对待识别图像中的每个关键点所对应的描述子yi，求解其稀疏表示时，对于每个描述子yi，首先计算yi与字典D中全部描述子的线性相关系数ci，对于每个描述子yi，将ci值降序排列，取前L个ci值，将字典D只保留与L个ci值相对应的描述子，从而有效提高计算速度。
附图说明
图1是本发明基于单样本人耳图像的识别方法流程图；
图2是本发明人耳图像的识别装置原理框图。
具体实施方式
实施例一：本发明基于单样本人耳图像的识别方法实施例
如图1所示，本发明一种基于单样本人耳图像的识别方法，包括如下步骤：
步骤1：通过局部特征算法建立人耳图像样本的纹理图字典和深度图字典，其中纹理图字典基于人耳图像样本的二维数据建立，深度图字典基于人耳图像的纹理图和人耳图像样本的三维点云数据建立。步骤1为离线完成。
实施时，局部特征算法采用ASIFT算法。
将人耳图像样本的三维点云数据转换成深度图时，通过如下方法实现：
通过纹理图确定人耳区域所在位置；根据纹理图上所获取的坐标位置，截取三维点云数据对应的区域，确定对应的三维数据范围；将该数据沿着z轴方向进行投影，取全体点云中z轴方向坐标最大点zmax和最小点zmin，则任一点在深度图上的灰度值p通过下式计算，灰度值p可通过下式计算：
其中，z为该点的z轴坐标。
字典是任何SRC类识别框架的核心部分。为了融合不同类型的信息，本发明构建了两个独立的字典，即纹理图字典和深度图字典。对于原型库中某一样本c，假设在其二维纹理图上检测到kTc个关键点，在三维深度图上检测到kRc个关键点。相应的描述子向量表示为dc1，dc2，…，和dc1，dc2，…，其中，每一个描述子均为一个128维的向量。令
这样，共包含C类的纹理图字典和深度图字典就可以表示为：
DT＝(DT1，DT2，...，DTC) (4)
DR＝(DR1，DR2，...，DRC) (5)
DT和DR的规模都足够大，因此是过完备的。根据压缩感知理论可知，过完备的字典能够保证稀疏解的存在。因此，理论上任意来自C类的描述子都能够用DT或DR线性表示。
步骤2：通过多任务稀疏表示的识别方法，基于纹理图字典对待识别人耳图像进行识别，获得二维识别结果；基于深度图字典对待识别人耳图像进行识别，获得三维识别结果。步骤2为在线完成。
设待识别图像(二维纹理图或三维深度图)包含n个关键点：
Y＝(y1,y2,...,yn) (6)
稀疏表示问题可以表示为：
其中X＝(x1,x2,...,xn)∈RK×n为稀疏系数矩阵，K为字典D中描述子的总数，||·||0表示向量的l0范数，字典D根据待识别图像的类型表示DT或DR。求解式(7)为一个NP-hard问题，根据压缩感知理论，稀疏信号可以较高概率通过l1最小化来恢复。因此，上式可以通过求解下式来求解：
式中，||·||1表示向量的l1范数。上式为一个多任务问题，这是因为X和Y均包含多列。对于待识别图像中的每一个描述子yi，可以求解下式：
由于如式(9)中所示的n个l1最小化问题彼此之间是相互独立的，因此可以通过多任务的并行计算来加速。
字典的规模(K)通常是很大的，这使得求解式(9)需要很大的计算空间。因此，本发明采用一种近似求解方法。对于每个待识别描述子yi，首先计算yi与字典D全部描述子的线性相关系数：
ci＝DTyi，i＝1,2,...,n (10)
对于每个描述子yi，将ci值降序排列，取前L个ci值，将字典D只保留与L个ci值相对应的描述子。实施时，L＝100。
为了确定待识别图像的身份，通过下式中某一类c的重建误差来求解：
式中，δc(·)是选取属于c类样本系数的函数，rc(Y)是待识别图像与字典D中c类样本之间的差异程度。
对于一个待识别图像(包括二维纹理图和三维深度图)，由上述的方法可以得到两个重建误差向量和：
rT＝(r1(YT),r2(YT),...,rC(YT))T (12)
rR＝(r1(YR),r2(YR),...,rC(YR))T (13)
rT为基于纹理图字典的重建误差向量和，rR为基于深度图字典的重建误差向量和。
步骤3：基于步骤2获得的二维识别结果和三维识别结果，进行融合识别，完成对待识别人耳图像的识别。步骤3为在线完成。
进行融合识别时，将两个重建误差按升序排列，选取前两项rT′，rT″和rR′，rR″，并采用下式决定待识别人耳图像的身份：
其中，ID(rT′)表示基于纹理图字典给出的识别结果，ID(rR′)表示基于三维信息给出的识别结果。通过比较r′与r″的比例计算通过两种数据计算得出结果的置信度，较小的r′/r″会导致更高的置信度。
实施例二：本发明人耳图像识别装置实施例
如图2所示，人耳图像识别装置包括人耳图像采集单元、耳部样本数据库单元、主控单元、显示单元，主控单元与人耳图像采集单元、耳部样本数据库单元、显示单元相连。人耳图像采集单元用于采集待识别人耳图像，显示单元，用于显示识别结果；耳部样本数据库单元，存储人耳图像样本的纹理图字典和深度图字典，建立纹理图字典和深度图字典的方法同实施例一建立方法。
主控单元具有人耳识别程序模块，所述人耳识别程序模块执行以下指令；
基于纹理图字典对待识别人耳图像进行识别，获得二维识别结果；
基于深度图字典对待识别人耳图像进行识别，获得三维识别结果；
基于获得的二维识别结果和三维识别结果，进行融合识别，将识别结果信息发送至显示单元。
实施时，识别采用多任务稀疏表示的识别方法，方法同实施例一采用的识别方法。
Claims (9)
1.一种基于单样本人耳图像的识别方法，其特征在于，包括如下步骤：
步骤1：建立人耳图像样本的纹理图字典和深度图字典，其中纹理图字典基于人耳图像样本的二维数据建立，深度图字典基于人耳图像的纹理图和人耳图像样本的三维点云数据建立；
步骤2：基于纹理图字典对待识别人耳图像进行识别，获得二维识别结果；基于深度图字典对待识别人耳图像进行识别，获得三维识别结果；
步骤3：基于步骤2获得的二维识别结果和三维识别结果，进行融合识别，完成对待识别人耳图像的识别。
2.根据权利要求1所述的基于单样本人耳图像的识别方法，其特征在于：步骤1中是采用局部特征算法建立人耳图像的纹理图字典和深度图字典。
3.根据权利要求2所述的基于单样本人耳图像的识别方法，其特征在于，所述局部特征算法是ASIFT算法。
4.根据权利要求1所述的基于单样本人耳图像的识别方法，其特征在于，步骤1中建立深度图字典的步骤进一步包括将人耳图像样本的三维点云数据转换成深度图，并通过如下步骤实现：
通过纹理图确定人耳区域所在位置；
根据纹理图上所获取的坐标位置，截取三维点云数据对应的区域，确定对应的三维数据范围；
将该数据沿着z轴方向进行投影，取全体点云中z轴方向坐标最大点zmax和最小点zmin，则任一点在深度图上的灰度值p通过下式计算，
<mrow>
<mi>p</mi>
<mo>=</mo>
<mo>|</mo>
<mn>256</mn>
<mo>&times;</mo>
<mfrac>
<mrow>
<mi>z</mi>
<mo>-</mo>
<msub>
<mi>z</mi>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
</msub>
</mrow>
<mrow>
<msub>
<mi>z</mi>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>z</mi>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
</msub>
</mrow>
</mfrac>
<mo>-</mo>
<mn>1</mn>
<mo>|</mo>
</mrow>
其中，z为该点的z轴坐标。
5.根据权利要求1所述的基于单样本人耳图像的识别方法，其特征在于：步骤2中是通过多任务稀疏表示的识别方法进行识别，其中，
设待识别图像包含n个关键点，即Y＝(y1,y2,...,yn)；
其稀疏表示为：
<mrow>
<mover>
<mi>X</mi>
<mo>^</mo>
</mover>
<mo>=</mo>
<mi>arg</mi>
<munder>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
<mi>X</mi>
</munder>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<mo>|</mo>
<mo>|</mo>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mo>|</mo>
<msub>
<mo>|</mo>
<mn>1</mn>
</msub>
<mo>,</mo>
<mi>s</mi>
<mo>.</mo>
<mi>t</mi>
<mo>.</mo>
<mi>Y</mi>
<mo>=</mo>
<mi>D</mi>
<mi>X</mi>
</mrow>
X＝(x1,x2,...,xn)∈RK×n为稀疏系数矩阵，K为字典D中原子的总数，字典D为纹理图字典或深度图字典；||·||1表示向量的l1范数。
6.根据权利要求5所述的基于单样本人耳图像的识别方法，其特征在于：步骤2中，通过多任务稀疏表示的识别方法进行识别时，针对待识别人耳图像中的每个关键点所对应的描述子yi，通过下式求解其稀疏表示，
<mrow>
<msub>
<mover>
<mi>x</mi>
<mo>^</mo>
</mover>
<mi>i</mi>
</msub>
<mo>=</mo>
<mi>arg</mi>
<munder>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
</munder>
<mo>|</mo>
<mo>|</mo>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mo>|</mo>
<msub>
<mo>|</mo>
<mn>1</mn>
</msub>
<mo>,</mo>
<mi>s</mi>
<mo>.</mo>
<mi>t</mi>
<mo>.</mo>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<msub>
<mi>Dx</mi>
<mi>i</mi>
</msub>
<mo>,</mo>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>n</mi>
</mrow>
通过下式计算字典D中c类样本的重建误差
<mrow>
<msub>
<mi>r</mi>
<mi>c</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>Y</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>n</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<mo>|</mo>
<mo>|</mo>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>D</mi>
<mi>c</mi>
</msub>
<msub>
<mi>&delta;</mi>
<mi>c</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mover>
<mi>x</mi>
<mo>^</mo>
</mover>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>|</mo>
<msubsup>
<mo>|</mo>
<mn>2</mn>
<mn>2</mn>
</msubsup>
</mrow>
式中，δc(·)是选取属于c类样本系数的函数，rc(Y)是待识别图像与字典D中c类样本之间的差异程度；
对于一个待识别人耳图像，得到两个重建误差向量和：
rT＝(r1(YT),r2(YT),...,rC(YT))T
rR＝(r1(YR),r2(YR),...,rC(YR))T
rT为基于纹理图字典的重建误差向量和，rR为基于深度图字典的重建误差向量和。
7.根据权利要求6所述的基于单样本人耳图像的识别方法，其特征在于：步骤2中，针对待识别图像中的每个关键点所对应的描述子yi，求解其稀疏表示时，
对于每个描述子yi，首先计算yi与字典D中全部描述子的线性相关系数：
ci＝DTyi，i＝1,2,...,n
对于每个描述子yi，将ci值降序排列，取前L个ci值，将字典D只保留与L个ci值相对应的描述子。
8.根据权利要求6所述的基于单样本人耳图像的识别方法，其特征在于：步骤3中，进行融合识别时，将两个重建误差按升序排列，选取前两项r′T，r′T和r′R，r′R，并采用下式决定待识别人耳图像的身份：
<mrow>
<mi>I</mi>
<mi>D</mi>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>I</mi>
<mi>D</mi>
<mrow>
<mo>(</mo>
<msubsup>
<mi>r</mi>
<mi>T</mi>
<mo>&prime;</mo>
</msubsup>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>i</mi>
<mi>f</mi>
</mrow>
</mtd>
<mtd>
<mrow>
<mfrac>
<msubsup>
<mi>r</mi>
<mi>T</mi>
<mo>&prime;</mo>
</msubsup>
<msubsup>
<mi>r</mi>
<mi>T</mi>
<mrow>
<mo>&prime;</mo>
<mo>&prime;</mo>
</mrow>
</msubsup>
</mfrac>
<mo><</mo>
<mfrac>
<msubsup>
<mi>r</mi>
<mi>R</mi>
<mo>&prime;</mo>
</msubsup>
<msubsup>
<mi>r</mi>
<mi>R</mi>
<mrow>
<mo>&prime;</mo>
<mo>&prime;</mo>
</mrow>
</msubsup>
</mfrac>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>I</mi>
<mi>D</mi>
<mrow>
<mo>(</mo>
<msubsup>
<mi>r</mi>
<mi>R</mi>
<mo>&prime;</mo>
</msubsup>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>i</mi>
<mi>f</mi>
</mrow>
</mtd>
<mtd>
<mrow>
<mfrac>
<msubsup>
<mi>r</mi>
<mi>R</mi>
<mo>&prime;</mo>
</msubsup>
<msubsup>
<mi>r</mi>
<mi>R</mi>
<mrow>
<mo>&prime;</mo>
<mo>&prime;</mo>
</mrow>
</msubsup>
</mfrac>
<mo><</mo>
<mfrac>
<msubsup>
<mi>r</mi>
<mi>T</mi>
<mo>&prime;</mo>
</msubsup>
<msubsup>
<mi>r</mi>
<mi>T</mi>
<mrow>
<mo>&prime;</mo>
<mo>&prime;</mo>
</mrow>
</msubsup>
</mfrac>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
其中，ID(r′T)表示基于纹理图字典给出的识别结果，ID(r′R)表示基于三维信息给出的识别结果。
9.一种基于单样本人耳图像的识别装置，包括
人耳图像采集单元，用于采集待识别人耳图像；
显示单元，用于显示识别结果；
其特征在于，还包括：
耳部样本数据库单元，存储人耳图像样本的纹理图字典和深度图字典；
主控单元，与人耳图像采集单元、耳部样本数据库单元、显示单元相连，主控单元具有人耳识别程序模块，所述人耳识别程序模块执行以下指令，
基于纹理图字典对待识别人耳图像进行识别，获得二维识别结果；
基于深度图字典对待识别人耳图像进行识别，获得三维识别结果；
基于获得的二维识别结果和三维识别结果，进行融合识别，将识别结果信息发送至显示单元。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711119487.5A CN107895164A (zh) | 2017-11-14 | 2017-11-14 | 基于单样本人耳图像的识别方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711119487.5A CN107895164A (zh) | 2017-11-14 | 2017-11-14 | 基于单样本人耳图像的识别方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107895164A true CN107895164A (zh) | 2018-04-10 |
Family
ID=61805306
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711119487.5A Pending CN107895164A (zh) | 2017-11-14 | 2017-11-14 | 基于单样本人耳图像的识别方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107895164A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110197149A (zh) * | 2019-05-23 | 2019-09-03 | 北京达佳互联信息技术有限公司 | 耳部关键点检测方法、装置、存储介质及电子设备 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101162503A (zh) * | 2007-11-23 | 2008-04-16 | 重庆大学 | 利用改进Hausdorff距离提取识别人耳特征的方法 |
| CN101673340A (zh) * | 2009-08-13 | 2010-03-17 | 重庆大学 | 综合多方向多尺度与bp神经网络的人耳识别方法 |
| US9049983B1 (en) * | 2011-04-08 | 2015-06-09 | Amazon Technologies, Inc. | Ear recognition as device input |
-
2017
- 2017-11-14 CN CN201711119487.5A patent/CN107895164A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101162503A (zh) * | 2007-11-23 | 2008-04-16 | 重庆大学 | 利用改进Hausdorff距离提取识别人耳特征的方法 |
| CN101673340A (zh) * | 2009-08-13 | 2010-03-17 | 重庆大学 | 综合多方向多尺度与bp神经网络的人耳识别方法 |
| US9049983B1 (en) * | 2011-04-08 | 2015-06-09 | Amazon Technologies, Inc. | Ear recognition as device input |
Non-Patent Citations (2)
| Title |
|---|
| LONG CHEN ET.AL: "Ear Recognition from One Sample Per Person", 《PLOS ONE》 * |
| 陈龙: "非受控场景下单样本人耳识别研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110197149A (zh) * | 2019-05-23 | 2019-09-03 | 北京达佳互联信息技术有限公司 | 耳部关键点检测方法、装置、存储介质及电子设备 |
| CN110197149B (zh) * | 2019-05-23 | 2021-05-18 | 北京达佳互联信息技术有限公司 | 耳部关键点检测方法、装置、存储介质及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110458939B (zh) | 基于视角生成的室内场景建模方法 | |
| CN111795704B (zh) | 一种视觉点云地图的构建方法、装置 | |
| CN108108764B (zh) | 一种基于随机森林的视觉slam回环检测方法 | |
| CN110348330B (zh) | 基于vae-acgan的人脸姿态虚拟视图生成方法 | |
| CN106909924B (zh) | 一种基于深度显著性的遥感影像快速检索方法 | |
| US11514642B2 (en) | Method and apparatus for generating two-dimensional image data describing a three-dimensional image | |
| CN108052942B (zh) | 一种飞机飞行姿态的视觉图像识别方法 | |
| CN111368769B (zh) | 基于改进锚点框生成模型的船舶多目标检测方法 | |
| CN113362382A (zh) | 三维重建方法和三维重建装置 | |
| CN107871106A (zh) | 人脸检测方法和装置 | |
| CN111985376A (zh) | 一种基于深度学习的遥感影像舰船轮廓提取方法 | |
| CN110163836A (zh) | 基于深度学习用于高空巡检下的挖掘机检测方法 | |
| JP6397379B2 (ja) | 変化領域検出装置、方法、及びプログラム | |
| CN112529015A (zh) | 一种基于几何解缠的三维点云处理方法、装置及设备 | |
| CN110287873A (zh) | 基于深度神经网络的非合作目标位姿测量方法、系统及终端设备 | |
| CN109284779A (zh) | 基于深度全卷积网络的物体检测方法 | |
| CN108154104A (zh) | 一种基于深度图像超像素联合特征的人体姿态估计方法 | |
| CN113159232A (zh) | 一种三维目标分类、分割方法 | |
| CN112950780B (zh) | 一种基于遥感影像的网络地图智能生成方法及系统 | |
| CN105224935A (zh) | 一种基于Android平台的实时人脸关键点定位方法 | |
| Alidoost et al. | Knowledge based 3D building model recognition using convolutional neural networks from LiDAR and aerial imageries | |
| CN112489099A (zh) | 点云配准方法、装置、存储介质及电子设备 | |
| JP2019185787A (ja) | 地理的地域内のコンテナのリモート決定 | |
| CN113516693A (zh) | 一种快速通用的图像配准方法 | |
| CN113034581A (zh) | 基于深度学习的空间目标相对位姿估计方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180410 |