文獻標識碼： 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別算法研究與實現(xiàn)[J].電子技術應用，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，身份識別技術更是應用在生活各個領域之中，如檢票、付款、登錄系統(tǒng)等。但是日常應用的環(huán)境都是在條件較好的情況，并不滿足全天候嘈雜的復雜作戰(zhàn)環(huán)境，如在陰雨天或者夜晚光線不充足時，人臉圖像的采集就會受到影響；在戰(zhàn)車艙內進行身份識別駕駛時，會因為發(fā)動機或炮火聲的影響，導致語音信號受噪聲干擾。所以，依靠任何一種單模態(tài)的身份識別都極易受到外部環(huán)境的影響。采用多模態(tài)的身份識別技術(如人臉、語音、指紋、虹膜等[1-3])，可以通過對來自多種傳感器信號的處理、分析、決策，彌補不同模態(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、準確的結果。
近年來，多模態(tài)的融合識別技術備受關注，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，語音屬于一維信號，數(shù)據(jù)層和特征層融合相容性不強，且運算復雜；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聲紋和人臉特征的匹配層融合識別算法，首先對不同說話人的無噪聲語音信號建立高斯混合模型，然后對加入噪聲的語音信號進行模型匹配獲得匹配分數(shù)，再對含有噪聲的人臉圖像依次進行小波分解、主成分分析(Principal Component Analysis，PCA)降維、支持向量機(Support Vector Machine，SVM)分類獲取匹配分數(shù)，最后利用本文提出的自適應加權融合算法進行加權匹配分析，獲得最優(yōu)決策結果。本文創(chuàng)新點在于規(guī)范一個衡量系統(tǒng)穩(wěn)定性的標準ξ，并利用這個標準選擇最佳的權值進行融合，判斷結果。實驗結果驗證表明，該方法比采用單一模態(tài)的識別算法更加有效，具有較高且穩(wěn)定的識別率。
本文詳細內容請下載:http://www.tom3567.com/resource/share/2000002902
作者信息:
李傲梅，胡正豪，周川川
(陸軍炮兵防空兵學院 信息工程系，安徽 合肥230031)