文獻(xiàn)標(biāo)識(shí)碼: A
DOI:10.16157/j.issn.0258-7998.191426
中文引用格式: 李傲梅,,胡正豪,周川川. 基于匹配層融合的識(shí)別算法研究與實(shí)現(xiàn)[J].電子技術(shù)應(yīng)用,,2020,,46(7):57-59.
英文引用格式: Li Aomei,Hu Zhenghao,,Zhou Chuanchuan. Research and implementation of recognition algorithm based on matching layer fusion[J]. Application of Electronic Technique,,2020,46(7):57-59.
0 引言
目前,人工智能迅速崛起,,身份識(shí)別技術(shù)更是應(yīng)用在生活各個(gè)領(lǐng)域之中,,如檢票、付款,、登錄系統(tǒng)等,。但是日常應(yīng)用的環(huán)境都是在條件較好的情況,并不滿足全天候嘈雜的復(fù)雜作戰(zhàn)環(huán)境,,如在陰雨天或者夜晚光線不充足時(shí),,人臉圖像的采集就會(huì)受到影響;在戰(zhàn)車艙內(nèi)進(jìn)行身份識(shí)別駕駛時(shí),,會(huì)因?yàn)榘l(fā)動(dòng)機(jī)或炮火聲的影響,,導(dǎo)致語音信號(hào)受噪聲干擾。所以,,依靠任何一種單模態(tài)的身份識(shí)別都極易受到外部環(huán)境的影響,。采用多模態(tài)的身份識(shí)別技術(shù)(如人臉、語音,、指紋,、虹膜等[1-3]),可以通過對(duì)來自多種傳感器信號(hào)的處理、分析,、決策,,彌補(bǔ)不同模態(tài)信息的不足,降低單一模態(tài)受干擾產(chǎn)生的誤差,,得到更加可靠,、準(zhǔn)確的結(jié)果。
近年來,,多模態(tài)的融合識(shí)別技術(shù)備受關(guān)注,,一般情況下主要分為數(shù)據(jù)層、特征層,、匹配層和決策層融合[4-5],。由于圖像屬于二維信號(hào),語音屬于一維信號(hào),,數(shù)據(jù)層和特征層融合相容性不強(qiáng),,且運(yùn)算復(fù)雜;決策層融合依賴信息匱乏單一,,抗噪能力弱,。因此,本文主要提出一種針對(duì)聲紋和人臉特征的匹配層融合識(shí)別算法,,首先對(duì)不同說話人的無噪聲語音信號(hào)建立高斯混合模型,,然后對(duì)加入噪聲的語音信號(hào)進(jìn)行模型匹配獲得匹配分?jǐn)?shù),再對(duì)含有噪聲的人臉圖像依次進(jìn)行小波分解,、主成分分析(Principal Component Analysis,,PCA)降維、支持向量機(jī)(Support Vector Machine,,SVM)分類獲取匹配分?jǐn)?shù),,最后利用本文提出的自適應(yīng)加權(quán)融合算法進(jìn)行加權(quán)匹配分析,獲得最優(yōu)決策結(jié)果,。本文創(chuàng)新點(diǎn)在于規(guī)范一個(gè)衡量系統(tǒng)穩(wěn)定性的標(biāo)準(zhǔn)ξ,,并利用這個(gè)標(biāo)準(zhǔn)選擇最佳的權(quán)值進(jìn)行融合,判斷結(jié)果,。實(shí)驗(yàn)結(jié)果驗(yàn)證表明,,該方法比采用單一模態(tài)的識(shí)別算法更加有效,具有較高且穩(wěn)定的識(shí)別率,。
本文詳細(xì)內(nèi)容請(qǐng)下載:http://forexkbc.com/resource/share/2000002902
作者信息:
李傲梅,,胡正豪,周川川
(陸軍炮兵防空兵學(xué)院 信息工程系,,安徽 合肥230031)