新書推薦：
《
科学的奇幻之旅
》
售價：NT$
352.0
《
画艺循谱：晚明的画谱与消闲
》
售價：NT$
653.0
《
新民说·现实政治史：从马基雅维利到基辛格
》
售價：NT$
454.0
《
宽容是件奢侈品（人生360度·一分钟经典故事）
》
售價：NT$
203.0
《
甲骨拼合六集
》
售價：NT$
1520.0
《
视觉美食家：商业摄影实战与创意解析
》
售價：NT$
602.0
《
中国经济发展的新阶段：机会与选择
》
售價：NT$
454.0
《
DK月季玫瑰百科
》
售價：NT$
959.0
|
| 編輯推薦： |
|
穆志纯、袁立、曾慧编著的《生物特征识别技术--人耳自动识别》是科学出版社在广泛征求专家意见的基础上，经过长期考察、反复论证之后组织出版的。这套丛书旨在传播网络科学和未来网络技术，微电子、光电子和量子信息技术、超级计算机、软件和信息存储技术，数据知识化和基于知识处理的未来信息服务业，低成本信息化和用信息技术提升传统产业，智能与认知科学、生物信息学、社会信息学等前沿交叉科学，信息科学基础理论，信息安全等几个未来信息科学技术重点发展领域的优秀科研成果。
|
| 內容簡介： |
《生物特征识别技术：人耳自动识别》是一本关于人耳识别研究发展、内容和现状的专著。全书共8章。人耳识别是生物特征识别中的一种，因此《生物特征识别技术：人耳自动识别》先简要介绍了生物特征识别的概念、各种生物特征识别技术及应用前景。《生物特征识别技术：人耳自动识别》主要内容有：人耳识别的特点、人耳识别研究的分类、人耳检测与人耳跟踪、人耳图像归一化处理、人耳特征提取与识别、三维人耳识别、基于人耳和人脸信息融合的多模态生物特征识别和人耳识别应用系统。对于目前研究所用的主要人耳数据库书中也进行了介绍。
《生物特征识别技术：人耳自动识别》可供从事模式识别和生物特征识别研究的专业人员，及计算机和自动化专业的研究生、教师、工程技术人员和研究人员参考。
|
| 目錄：
|
《信息科学技术学术著作丛书》序
前言
第一章 生物特征识别
1.1 生物特征识别的概念
1.2 生物特征识别技术简介
1.2.1 基于生理特征的识别
1.2.2 基于行为特征的识别
1.2.3 生物特征识别技术比较
1.3 生物特征识别技术的应用前景
参考文献
第二章 人耳识别
2.1 人耳识别概述
2.1.1 人耳识别的特点
2.1.2 人耳识别研究内容
2.2 人耳图像库简介
2.2.1 USTB人耳图像库简介
2.2.2 UND人耳图像库
2.2.3 UCR图像库
2.2.4 其他图像库
2.3 人耳识别研究
2.3.1 二维人耳识别
2.3.2 三维人耳识别
2.3.3 耳纹识别
2.3.4 人耳的对称性讨论
2.4 本章小结
参考文献
第三章 人耳检测与人耳跟踪
3.1 人耳检测和跟踪概述
3.2 基于特征的人耳检测方法
3.2.1 运动目标提取
3.2.2 基于颜色信息的图像分割
3.2.3 人耳检测模块
3.2.4 人耳检测实验结果
3.3 基于学习的人耳检测方法
3.3.1 Haar-like特征
3.3.2 利用积分图像计算矩形特征
3.3.3 AdaBoost算法原理
3.3.4 级联分类器结构
3.3.5 训练人耳检测分类器
3.3.6 人耳检测
3.3.7 人耳检测实验结果
3.4 人耳跟踪方法
3.4.1 基于改进的CAMSHIFT算法的侧面人脸区域跟踪
3.4.2 利用轮廓拟合精确定位人耳
3.4.3 人耳跟踪实验结果
3.5 本章小结
参考文献
第四章 人耳图像归一化处理
4.1 几何归一化
4.1.1 基于关键点和关键线的人耳归一化
4.1.2 基于主动形状模型的人耳归一化方法
4.1.3 基于主动表观模型的人耳归一化方法
4.1.4 几何归一化其他方法
4.2 光照归一化
4.2.1 带有光照变化的人耳图像库
4.2.2 光照归一化研究
4.3 本章小结
参考文献
第五章 人耳特征提取与识别
5.1 人耳识别评测体系
5.1.1 人耳识别性能评测方法
5.1.2 人耳认证性能评测方法
5.2 受控条件下的人耳识别
5.2.1 特征耳人耳识别方法
5.2.2 基于全空间线性鉴别分析的人耳识别
5.2.3 基于局部特征的人耳识别
5.2.4 基于力场转换和收敛域图像的人耳识别
5.3 姿态变化下的人耳识别
5.3.1 姿态变化对人耳识别性能的影响分析
5.3.2 基于流形学习的多姿态人耳识别
5.3.3 基于姿态转换的人耳识别
5.4 人耳识别中的遮挡问题研究
5.4.1 基于局部信息融合的带遮挡人耳识别方法
5.4.2 基于稀疏表示的带遮挡人耳识别方法
5.5 本章小结
参考文献
第六章 三维人耳识别
6.1 三维人耳识别概述
6.2 基于二维图像的三维人耳重建
6.2.1 基于立体视觉的三维人耳重建
6.2.2 基于形变模型的三维人耳建模
6.3 三维人耳识别
6.3.1 基于模型匹配的三维人耳识别
6.3.2 三维人耳的特征表示方法
6.4 本章小结
参考文献
第七章 基于人耳和人脸信息融合的多模态生物特征识别
7.1 多模态生物特征识别
7.1.1 融合方式
7.1.2 融合层次
7.1.3 标准化方法
7.1.4 融合方法
7.2 基于人耳和人脸信息融合的多模态生物特征识别
7.2.1 二维人耳人脸多模态生物特征识别方法
7.2.2 三维人耳人脸多模态生物特征识别方法
7.2.3 二维和三维结合的人耳人脸生物特征识别方法
7.2.4 基于全景图的人耳人脸生物特征识别方法
7.3 本章小结
参考文献
第八章 人耳识别应用系统
8.1 人耳识别考勤系统
8.1.1 系统整体设计
8.1.2 系统内置算法实现
8.1.3 用户数据库管理
8.1.4 系统运行效果
8.2 人耳识别门禁系统
8.2.1 系统整体设计
8.2.2 系统的软件设计及实现
8.3 基于DSP的人耳检测系统
8.3.1 系统的硬件平台
8.3.2 系统的软件设计
8.4 本章小结
参考文献
|
| 內容試閱：
|
第一章 生物特征识别
在现代社会活动中，信息安全、金融交易、社会安全等领域对个人身份验证及
识别的要求越来越高。传统的身份认证方法（如密码、证件、钥匙等）已经越来越难
以满足安全需求。生物特征识别采用人体生理特征（如人脸、指纹、虹膜等）以及行
为特征（如步态、笔迹、语音等）进行身份认证，具有唯一性、不易被窃取和伪造等优
点，从而提供了一种新的身份认证机制，在智能监控、访问控制、刑事勘查、人机交
互等方面具有广泛的应用前景。
1.1 生物特征识别的概念
生物特征识别是指利用人体固有的生理或行为特征来自动或半自动的进行个
体身份鉴别的方法和技术［1］ 。一般地，满足以下要求的生理或行为特征都可以用
于生物特征识别［2］ ：
① 广泛性，是指每个人都应该具有这种特征。
② 独特性，是指任何两个人所拥有的这种特征必须具有差异性。
③ 稳定性，是指在一段时间内，这个特征应该不会改变。
④ 可采集性，是指这个特征应该可以进行定量的测量。
从应用角度讲，一个生物特征识别系统需要满足一定的识别精度、速度和资源
的要求，鉴别方式应能被大多数人接受，并可以足够鲁棒的应对各种欺诈方法和系
统的攻击。
自20 世纪60 年代以来，生物特征识别的学术研究活动逐渐活跃，涉及多个相
关专业领域，如计算机视觉、图像处理、模式识别、机器学习等。这些领域的发展也
有力地推动了生物特征识别的研究。目前，这一领域的主要国际学术会议有IC-
ML（International Conference on Machine Learning） 、ICCV（International Confer-
ence on Computer Vision） 、CVPR （ IEEE Conference on Computer Vision and
Pattern Recognition） 、IEEE ICPR（International Conference on Pattern Recogni-
tion） 、IAPR ICB（International Conference on Biometrics）等。主要的学术期刊有
MLR（ Journal o f Machine L eaning Research） 、PAMI（ I EEE T ransaction on Pat-
tern A nalysis and Machine Intelligence） 、PR（ Pattern Recognition） 、《计算机学
报》、《自动化学报》等。
1.2 生物特征识别技术简介
生物特征识别常采用的生理和行为特征包括：人脸、虹膜、指纹、人耳、掌纹、静
脉、DNA 、签名、笔迹、声音、步态等。这些生物特征具有不同的应用特点，通常会
根据特定的场合和应用使用一种或几种生物特征构成生物特征识别系统，没有一
种生物特征能满足所有的应用需求。
1.2.1 基于生理特征的识别
1.人脸识别
人脸识别是基于人脸特征信息来进行身份鉴别的过程。自动人脸识别在过去
的20 年里取得了重大进展，研究者在静态二维图像、视频（二维图像序列）和三维
深度图像的自动人脸识别方面进行了大量的研究和开发工作。
最直观的人脸识别问题可以描述为比较两张人脸图像并判定它们是否属于同
一个人。对于人来说在各种不同的条件下判定两张人脸的相似性并不是一个很难
的问题，但是对于机器自动人脸识别来说却面临很多挑战。人脸可能随着年龄、姿
态、光照和表情的不同而变化，另外化妆、头发和饰物（如眼镜）也会改变人脸的外
观，这使得人脸图像的类内差异非常大。人脸图像还存在着类间相似性的问题，如
来自于同卵双胞胎、父子等基因相似个体的两张人脸图像的识别。这些都使得在
非限定条件下的自动人脸识别仍然是一个艰巨的任务。
人脸识别的若干特点使其适用于很多应用［1］ ：
① 与指纹不同，人脸可以使用非接触式传感器在远距离情况下采集，因此非
常适合视频监控场景下的应用。
② 人脸不但传达了身份信息，同时也包含人的情绪（如高兴或生气）以及性
别、种族和年龄等信息。
③ 相对于指纹和虹膜等其他生物特征来说，人们通常更愿意在公共领域使用
和分享他们的人脸图像，如通过标注人脸来增加社交媒体应用（如Facebook 、人人
网等）的受关注程度。随着时间的推移，人脸识别在刑侦、身份鉴别、智能监控和娱
乐等领域将会有更广泛的应用。
2.人耳识别
人耳识别作为一种新的生物特征识别技术，其理论与应用研究在近年来受到
了国内外学者更多的关注。
人耳作为一个近似刚性的生物特征体，本身具有丰富的结构特征，且不受表
情、年龄等因素的影响。人耳与人脸、虹膜、指纹和手形等生物特征一样，具备唯一
性和稳定性，而且人耳图像的采集与人脸图像类似，均可以实现非打扰式采集，同
时人耳独特的生理位置和生理结构使其不仅可以单独应用于个体识别场合，而且
还可以和其他生物特征（如人脸）相结合，形成更实际和自然的多模态生物特征识
别形式。人耳识别丰富了生物特征识别研究的内容。
当前人耳识别的研究工作主要可以分为二维人耳识别、三维人耳识别和耳纹
识别。
① 二维人耳识别，这是目前研究报道最多的一类人耳识别方法。其利用二维
人耳图像所提供的人耳形状、轮廓、沟回以及统计信息等来进行个体识别。研究工
作的范围包括受限和非受限（如姿态变化、遮挡等）情况下的识别。
② 三维人耳识别，指利用人耳的三维结构信息来进行的人耳识别。三维人耳
数据可提供更加稳定和丰富的鉴别信息。目前，三维人耳数据的来源有两种，一种
是利用三维扫描仪，另一种是使用二维图像进行三维重建来获得。
③ 耳纹识别，主要用于刑侦目的。其基本作用类似于指纹，当人耳挤压在某
种材料（如玻璃）上时会留下耳纹，提取现场耳纹信息，为刑侦提供证据。英国和芬
兰的研究者进行过比较多的耳纹识别研究工作。
此外，也有利用耳廓温谱图进行人耳定位和轮廓提取研究工作的报道。
在已有人耳数据库上进行的研究和测试表明，受控条件下的人耳识别目前已
可取得很高的识别率，但是在非受控条件下，人耳识别的研究仍面临着不小的
挑战。
3.指纹识别
由于人与人之间及同一人的十指之间的指纹具有明显区别，因此指纹可用于
鉴别个体。指纹识别使用手指指纹的纹路及细节特征点进行个体身份鉴别［3］ 。
指纹识别的优点在于指纹采集和处理的速度快，可接受程度高，使用方便。简
单的登记多个指纹便可大大增加识别的可靠性。指纹识别在出入境控制、考勤、考
试等场合已有规模化的应用。
当前指纹识别应用研究主要集中在活体指纹检测、低质量指纹图像的增强和
自动特征提取、大规模指纹图像库的快速匹配和索引、指纹数据的加密保护等
方向。
4.虹膜识别
眼睛的外观由巩膜、虹膜、瞳孔三部分构成。虹膜是位于巩膜和瞳孔之间的环
形部分，约占总面积的65 % ，包含了丰富的纹理信息，是人体最独特的结构之一。
虹膜的形成由遗传基因决定，具有高度稳定性和个体差异性，且不易伪造。虹膜识
别主要通过虹膜图像的纹理分析和匹配进行个体身份鉴别。
虹膜识别的主要优点是识别精度高、识别速度快及其非接触式识别方式。非
受控条件下的虹膜识别和远距离虹膜图像采集是当前这一领域的研究热点［4］ 。
5.视网膜识别
视网膜位于眼球后部，视网膜周围分布的血管形态因人而异，具有很高的独特
性，且视网膜不会暴露在外界环境中，因此非常稳定。视网膜识别利用视网膜图像
中血管的分布特征进行个体鉴别。
同虹膜识别一样，视网膜识别也是一种非接触式识别方法［5］ ，且可以达到很低
的误识率。此外，由于视网膜在人眼内部，因此具有很好的保密性和防伪造性能。
当前视网膜识别的主要应用问题表现在视网膜图像的获取上。除了视网膜图
像采集设备的价格因素外，视网膜图像的获取需要受检测人员的高度配合，因此接
受程度相对较低。
6.手形识别
手形识别根据手部的二维轮廓或手指的三维图形进行身份识别。大量实验表
明，人的手形在一段时期具有稳定性和唯一性。手形识别对采集设备的要求较低，
手形的特征提取比较容易，且认证速度很快。由于手形特征量少，区分性差，因此
鉴别能力不足，主要用于身份认证。
7.掌纹识别
掌纹识别是一种较新的生物特征识别技术［ 6］ ，近几年取得了较快发展。掌纹
识别主要利用手掌表面的各种纹线和或纹理特征进行识别，其优势在于图像采集
简单、图像特征丰富且不易受噪声干扰，用户接受程度高等方面。
非受控条件下的掌纹图像获取、高效的掌纹表示和匹配方法、低质量掌纹图像
的识别、三维掌纹识别和多光谱掌纹图像识别等是目前掌纹识别研究中的主要
内容。
8.静脉识别
静脉识别［7］ 使用红外仪器所获取的手部静脉血管分布图像来进行身份识别。
由于采用红外采集和静脉的生理特点，所以这种识别方法可以保证活体识别，特征
被复制或盗用的可能性很小，且基本不受环境因素的影响，可以达到很高的准确
性，但静脉的分布相对于年龄和生理变化的稳定性尚需要进一步的证实。
9.DNA 识别
DNA 识别根据人体细胞中DNA 分子的结构进行个体身份鉴别。DNA 是人
体内的遗传物质，其在整个人类范围内具有唯一性和永久性，DNA 识别是准确性
最高的生物特征识别方法。
DNA 的获取需要受检测人员的主动配合，DNA 识别在目前尚不能以实时方
式进行。此外，这种识别方法在应用中存在用户的可接受度及伦理方面的问题。
10.味纹识别
味纹识别是利用人体散发出的气味进行的身份识别，该技术最早由丹麦警方
用于侦破案件。但是作为味源的人体每天受到饮食、情绪、环境等多种因素的影
响，其所散发的气味成分也随之变化，稳定性较差。味纹识别由于气味采集及稳定
性等问题在实际中应用很少。
1.2.2 基于行为特征的识别
1.步态识别
步态识别根据人们走路的姿势进行身份识别。步态数据可以比较方便的在远
距离采集，因此非打扰特性和远距离识别是步态识别的显著特点［8］ 。
目前步态识别的研究结果大多是在小规模数据库的条件下获得的，仍有很多
理论和应用问题需要解决，如复杂背景下任意角度的步态数据的特征提取和匹配，
有遮挡、穿着和步速变化等条件下的步态识别。
2.声音识别
声音识别又称为说话人识别，是基于人说话所发出的声音的识别技术。人说
话产生声音是一种复杂的生理过程，具有特定性和稳定性。由于说话是生活中的
最平凡的日常活动之一，所以声音识别是一种用户接受度很高的识别形式。
声音识别的主要应用问题是防伪性和稳定性问题。声音容易被伪造，而且声
音容易受到人体生理状态及环境噪声的影响，影响识别的准确性。
3.签名识别
签名识别是基于人书写字符的识别技术，利用签名进行身份识别已经有数百
年历史，是一种容易被大众所接受的个体鉴别形式。采用计算机进行的自动签名
识别分为在线识别和离线识别两种模式。
与声音识别相似，签名识别的主要应用问题也是防伪性和稳定性问题。签名
容易被伪造，且签名会随时间及生活方式的变化而发生改变，影响签名特征的稳定
性。此外，在线签名识别需要专用的手写板。
1.2.3 生物特征识别技术比较
每种生物特征识别技术都有各自的应用特点，在实际应用中采用哪种生物特
征进行个体识别应取决于具体的应用目的、条件和要求。表1.1 对几种生物特征
识别技术做了定性比较［ 9］ 。
要构成一个实际应用的生物特征识别系统，除了需要考虑特定生物特征的应
用特点外，还需要满足多种技术条件。例如，生物特征数据可以被精确地测量和快
速的采集、生物特征提取及匹配可以高效地完成等。衡量生物特征识别应用系统
的指标通常包括识别准确率、识别速度、系统所需资源和系统鲁棒性等。
1.3 生物特征识别技术的应用前景
随着社会的发展和技术的进步，传统的身份认证和识别方法（如基于密码、身
份证号或智能卡的身份识别）在安全性、便捷性及非接触性等方面的不足愈加凸
显。生物特征识别不易被遗忘和丢失、不易伪造和被盗、可以“随身携带” 、随时随
地使用等优点使得生物特征识别技术在公共安全、信息安全领域的应用越来越广
泛，并取得了令人鼓舞的应用效果和社会效应。生物特征识别技术已经或正在更
多地介入人们日常的社会和工作活动中［10］ 。
① 刑侦破案。生物特征识别技术已经成为在刑侦破案中的主要技术之一，如
美国联邦调查局和巴黎警部开发的“自动指纹识别系统” 已协助警方破获大量
案件。
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
