文献标识码:A
DOI:10.16157/j.issn.0258-7998.191426
中文引用格式:李傲梅,胡正豪,周川川. 基于匹配层融合的识别算法研究与实现[J].电子技术应用,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,身份识别技术更是应用在生活各个领域之中,如检票、付款、登录系统等。但是日常应用的环境都是在条件较好的情况,并不满足全天候嘈杂的复杂作战环境,如在阴雨天或者夜晚光线不充足时,人脸图像的采集就会受到影响;在战车舱内进行身份识别驾驶时,会因为发动机或炮火声的影响,导致语音信号受噪声干扰。所以,依靠任何一种单模态的身份识别都极易受到外部环境的影响。采用多模态的身份识别技术(如人脸、语音、指纹、虹膜等[1-3]),可以通过对来自多种传感器信号的处理、分析、决策,弥补不同模态信息的不足,降低单一模态受干扰产生的误差,得到更加可靠、准确的结果。
近年来,多模态的融合识别技术备受关注,一般情况下主要分为数据层、特征层、匹配层和决策层融合[4-5]。由于图像属于二维信号,语音属于一维信号,数据层和特征层融合相容性不强,且运算复杂;决策层融合依赖信息匮乏单一,抗噪能力弱。因此,本文主要提出一种针对声纹和人脸特征的匹配层融合识别算法,首先对不同说话人的无噪声语音信号建立高斯混合模型,然后对加入噪声的语音信号进行模型匹配获得匹配分数,再对含有噪声的人脸图像依次进行小波分解、主成分分析(Principal Component Analysis,PCA)降维、支持向量机(Support Vector Machine,SVM)分类获取匹配分数,最后利用本文提出的自适应加权融合算法进行加权匹配分析,获得最优决策结果。本文创新点在于规范一个衡量系统稳定性的标准ξ,并利用这个标准选择最佳的权值进行融合,判断结果。实验结果验证表明,该方法比采用单一模态的识别算法更加有效,具有较高且稳定的识别率。
本文详细内容请下载:http://www.chinaaet.com/resource/share/2000002902
作者信息:
李傲梅,胡正豪,周川川
(陆军炮兵防空兵学院 信息工程系,安徽 合肥230031)