人耳识别技术研究综述

1 研究背景
近年来, 生物特征识别越来越多地引起人们的关注。生物 特征识 别 技 术 在 新 安 全 措 施 的 各 个 方 面 均 扮 演 了 重 要 角 色 从安全门禁到 恐怖分子的识别。实际上, 人的任何生理 或行为特征只要它满 足如下条件, 原则上就可作为生物特征用 于身份鉴别: 这个特征是每个人都 应该有的 (普遍性 ); 没有两 个人是相同的 (唯一性 ); 特征是不随时间改变的 ( 稳定性 ) ; 是 可以定量测量的 (易采集性 ) [1] 。目前主 要的生物特 征识别技 术有人脸识别、指纹 识别、虹 膜识 别、DNA 识 别、步态 识别 等。 但是, 由于对环境的要求太 高或其 他原因, 很多 生物特 征识别 系统没有达到期望效 果。学者 们正在积极寻找新的识别方法, 人耳识别就是其中的 一种。人耳 识别技 术既可 作为其 他生物 识别技术的有益补充 , 也可以单独应用于一些个体身份鉴别的 场合。
Iannare lli通过两次大规 模实验证 明耳朵 具有 独一无 二的 特征。因为进行实验的耳 朵没有相同的, 即使是双胞胎的耳朵 也只是相似, 不完全相同, 尤其 是耳轮和 耳垂部 分 [ 2] 。他同时 指出, 在 8~ 70 岁 之 间 每个 人 的 耳 朵结 构 特 征 基 本 保持 不 变 [ 2] 。表 1对包括耳朵在内的 几个不同 生物特 征的稳 定性作 了比较, 稳定性 越好就 有越 多的 符号 0! [ 3] 。可见, 人耳 生物 特征的稳定性 处于 平均状 态: 已使用 的虹 膜、视网 膜、DNA 等 比人耳更稳定; 与人耳同水平的指纹和手形、签字、人脸和声音 没有人耳稳定。
Survey ofH um an E ar R ecogn ition
T IAN Y ing1, 2, YUAN W e i qi1 ( 1. Institu te of Vision D e tec tion Technology, Shenyang Un iversity of Techn ology, S henyang L iaon ing 110023, C hina; 2. S ch ool of C omputer S ci ence & E ng ineering, Anshan U niversi ty of S cien ce & T echnology, An shan L iaon ing 114044, C hina )
1 2 人耳 生物识别系统
早在 1946年 美国 犯罪 学研 究专 家 Iannare lli A 就已 经发 表了他的人耳 识别 系统, 该 系统 已经 被美 国法 律执 行机 构采 用, 并应用了四十多年。 Iannarelli系统通过在一张放大的耳朵 图像 上放置 一个有 八根轮 辐的透 明罗盘, 在耳 朵周围 确定 12 个测量 点, 如 图 2所示; 然后将 待测图像 投影到特定 标准画板 的指定区域; 最后在图像中提取测量段识别不同的人耳。这种 方法是以耳廓解剖学特 征作为 测量系 统的基 础, 不 易定位, 所
在基于生物特征 的身份鉴 别技术 中, 人 耳与人 脸最相 似, 但是与脸相比, 外耳图像尺寸更小, 意味着计算量更小; 外耳的 颜色分布更一致, 在转换为 灰度图 像时信 息丢失少; 人 耳不受 表情、化妆品和发型变化的影响, 不随年龄的增长而改变。
虹膜图像的获取 要求高分辨 率的相 机或专 门的仪 器以及 可靠的光源, 人耳则只需普通的 CCD 照相机, 克服了 在图像获 取距离上的难题, 因此硬件成本更低。
( 22(
计算机应用研 究
2007年
以不能用于人耳自动 识别系统。
自动人耳识别最 近几年才 发展起 来。一套 完整的人 耳自 动识别系统一般包括以 下几个 过程: 人耳 图像采集、图 像预处 理、人耳图像的边缘检测与分割、特征提取、样本训练和模板匹 配。
图像的采集阶段一般通过 摄像机或 CCD 照相机 采集一定 数量的人耳 图像, 建 立人 耳图 像库。 预处 理阶 段通 常包 括降 噪、增强以及 归一化、去除噪声、进行 光照补偿 等处理, 以克服 光照变化的影响, 突出人 耳特征。 然后进 行边缘提 取和分 割, 提取出人耳轮廓并分 割定位 出完整 的人耳图 像。至于 特征提 取, 不同的方法差别很大。最后是匹配。 1 3 人耳区别 于其他生物特征的优点
Chang 等人 [ 5] 继上述研究 后使 用更大 样本 集做 了类 似的 实验, 过程基本与 V ictor等人的相同。但库中脸和耳 朵图像的 质量控制更加严 格, 去掉了图像有被遮挡或覆盖的情况。他们 也做了三次实验 , 分别是时 间改变、光照 条件改 变和姿 势改变 ( 旋转 22 5% )。结果发现人脸和人耳识别率 没有较大差 别; 耳 识别率 最高为 71 6% , 脸 为 70 5% 。 Chang等人还进行了多模 态识别, 发现用脸和耳共同构成的多模态方法效率优于单独使 用其中 一 种 方 法 的 识别 效 率。 例 如, 在 一 次 实 验 中 可 达 到 90 9% 的识别率 [ 4, 5] 。
V ictor和 Chang 的实验 得出 了不 同的 结 论可 能 是由 于图 库的质量。 V ictor等人所研究的图 像数据 集对于 被耳环、头发 覆盖在耳朵上的 情况没有 控制, 从而 导致了 误识; 而 Chang等 人排除了这些图 像, 提高了人耳识别的效率。
2 2 使用 V orono i图表的邻接图匹 配方法
剪裁、归一化、屏蔽 非耳朵区域、补光 等操作; # 用主 元分析法 训练得到特征脸 和特征耳; ∃ 用最近邻法对测试图像的特征向 量与注册库中的 特征向量进行匹配。在假设人耳识别、人脸识 别之间不存在显 著差异的前提下总共进行了三次实验, 三次实 验的图库和探测 集分别取自同一时间但具有不同的表情、不同 时间的相同表情 、不同 时间和不 同表情。 在所有三 次实验 中, 人脸识别效果均 优于人耳识别的效果。
Ab stract: A relatively new form of b iome tr ics autom atic ear b iom etr ics w as introduced and compared w ith popular form s o f biom etr ics. Then key techno log ies o f ea r recogn ition w ere rough ly introduced accord ing to different fea tures extraction. T he lead ing wo rks includ ing those wh ich appeared in the resea rch wo rld very lately w ere g iven, such as PCA, based on neural net w orks using various comb ination techniques, fo rce fie ld transform ation, gene tic loca l search, based on g eome tr ica lm ethod, long ax is based shape and structure feature extraction m ethod and so on. K ey factors in ear recognition technolog ies w ere con cluded and an overv iew of prospective deve lopm ent o f th is a rea was g iven. K ey words: ear recogn ition; biom etr ics; patte rn recognition
Burge和 Burger 提 出 了 一 种 图 表 匹 配 方 法 进 行 人 耳 识 别 [ 8~ 10]。他们对个体 头部灰度图像梯度的 高斯金字塔 使用可 变形轮廓方法 进行 外 耳定 位, 再使 用 Canny 算子 进 行边 缘检 测, 如图 3( a)所示。较大的曲线段使用边缘 松弛法形成, 去除 较小的曲线段, 形成 V orono i图表, 如图 3( b)所 示。最后 将提 取的曲线与模板 进行比对。光 照和位置 的变化 使得这 种方法 非常不可靠。为了克服这 种影响, 他们将问题转换为描述曲线 之间的相邻关系 , 构建 如图 3( c) 所示 的曲线 V orono i邻接 图; 还使用了一个称 为误差改正图匹配算法进行误差校正。
指纹识别也 需要 专门 的传 感器, 对 于大 范围 配备 非 常昂 贵。另外, 人耳识别是非打 扰式的, 减少 了损坏 捕获图 像设备 的机会。而且指纹只能依靠 2D 数 据进行 识别, 人耳可 以利用 3D 结构进行特征提取和识别。
测试者的声音受 健康状况影响, 而耳朵几乎不受健康状况 的影响。另外, 声音识别会遭受背景噪声的影响。
方法。通过对各种识别方法的分析和比较, 总结了影响人耳识别技术的几个因素和研究开发成功的人耳识别技
术需要考虑的几个重要方面, 最后提出了展望。
关键词: 人耳识别; 生物特征; 模式识别
中图分类号: TP391; TP18
ห้องสมุดไป่ตู้
文献标志码: A
文章编号: 1001 3695( 2007) 04 0021 05
1 1 人耳解剖 结构
图 1所示为一个典 型耳朵 的解剖 学结构图 。其中各 数字 标号代表: 1耳轮, 2耳 垂, 3 对耳 轮, 4耳 甲 腔, 5 耳屏, 6 对耳 屏, 7耳轮脚, 8三角窝, 9耳屏间切迹。对 于人耳 识别来说 , 在
训练和测试时主 要是因为耳轮、耳屏和对耳屏产生阴影而发生 变化 [ 2] 。
摘 要: 介绍了一种新的生物识别技术 人耳识别。首先对人耳生物识别系统进行介绍, 并与其他生物识别
技术进行比较; 重点按照识别特征的不同提取方法分别综述了各种人耳识别技术的关键技术, 如 PCA 方法、基
于神经网络方法、力场转换理论、遗传局部搜索法以及基于几何学方法和基于长轴的结构特征提取方法等分析
第 24卷第 4期 2007 年 4 月
计算机 应用研究 Application R esearch of C om puters
Vo.l 24, N o. 4 April 2007
人耳识别技术研究综述
田 莹 1, 2, 苑玮琦 1
( 1 沈阳工业大学 视觉检测技术研究所, 辽宁 沈阳 110023; 2 鞍山科技大学 计算机科学与工程学院, 辽宁 鞍山 114044)
2 1 主元分析 法 ( PCA ) PCA 是生物特征识别研究中广泛使用的一种方法 [ 4~ 7] , 在
人脸识别领 域已 经进 行了 大量 研究 。 PCA 是一 种降 维技 术, 它根据图像的统计特 性进行正交变换, 以消除原有向量各分量 间的相关性, 变换得到对应特征值依次递减的特征向量。
V ictor等人 [4] 比较了 PCA 应用 于人耳识 别和 人脸识 别的 性能。他 们使用 了标准 PCA 算法: ∀ 将 人耳和 人脸图 像进行
收稿日期: 2005 11 08; 修返日期: 2006 03 08 作者简介: 田莹 ( 1971 ) , 女, 副教授, 博士研究生, 主要研究方向为机器视觉检测、模式识别与图像处理、生物特征 识别 ( ast iany ing@ 126. com ); 苑玮琦 ( 1960 ) , 男, 教授, 博导, 博士后, 主要研究方向为机器视觉检测、模式识别与图像处理、生物特征识别、基于 D SP的图像采集与处理等.
综上所述, 人耳具有丰富的结构, 每个人的外耳轮廓、内部 耳沟纹理都是不 相同 的 [ 2] ; 人耳 具有 独特 的生 理特 征和 观测 角度, 而且具有结构稳定、易采 集等特点; 人耳识别是一种非打 扰式的识别方法。因而它可以 作为一种个体识别技术, 具有相 当的理论研究价值和 实际应用前景。
2 主要的人耳识别方法简介