| 摘要 | 第1-5页 |
| Abstract | 第5-12页 |
| 第1章 绪论 | 第12-27页 |
| ·问题提出及研究意义 | 第12-14页 |
| ·多生物特征融合身份识别研究背景 | 第14-24页 |
| ·多生物特征融合身份识别概述和研究现状 | 第14-17页 |
| ·数据融合原理和方法 | 第17-21页 |
| ·数据融合原理 | 第17页 |
| ·数据融合层级 | 第17-18页 |
| ·数据融合技术方法 | 第18-20页 |
| ·数据融合存在的问题 | 第20-21页 |
| ·多生物特征融合识别模型 | 第21-24页 |
| ·研究内容和论文结构 | 第24-27页 |
| ·本文的主要研究内容 | 第24-25页 |
| ·论文结构安排 | 第25-27页 |
| 第2章 说话人识别技术 | 第27-47页 |
| ·说话人识别技术基本概念、分类和研究现状 | 第27-29页 |
| ·说话人识别技术的基本原理 | 第29-30页 |
| ·语音短时特征提取 | 第30-34页 |
| ·特征提取的基本过程 | 第30-31页 |
| ·LPC特征分析与提取 | 第31页 |
| ·倒谱特征分析 | 第31-32页 |
| ·LPCC特征 | 第32-33页 |
| ·MFCC特征 | 第33-34页 |
| ·常用的说话人识别模型 | 第34-39页 |
| ·基于模板的模型 | 第34-35页 |
| ·矢量量化模型(VQ) | 第35-36页 |
| ·随机模型 | 第36-38页 |
| ·GMM模型 | 第36-37页 |
| ·HMM模型 | 第37-38页 |
| ·神经网络模型 | 第38-39页 |
| ·结合VQ和SVM的说话人识别方法 | 第39-46页 |
| ·支持向量机(SVM)算法 | 第40-41页 |
| ·最优分类超平面 | 第40-41页 |
| ·支持向量机 | 第41页 |
| ·VQ-SVM说话人识别模型 | 第41-43页 |
| ·实验及结果分析 | 第43-46页 |
| ·本章小结 | 第46-47页 |
| 第3章 人脸识别技术 | 第47-65页 |
| ·人脸识别的概况、研究内容和研究现状 | 第47-49页 |
| ·人脸识别的研究内容 | 第47-48页 |
| ·人脸识别的研究现状 | 第48-49页 |
| ·人脸识别系统的基本组成 | 第49-50页 |
| ·人脸检测方法 | 第50-55页 |
| ·人脸检测方法概述 | 第50-51页 |
| ·基于肤色模型的正面人脸图像检测方法 | 第51-55页 |
| ·建立肤色模型 | 第51-53页 |
| ·图像预处理和相似度分割 | 第53-54页 |
| ·人脸区域筛选 | 第54-55页 |
| ·人脸识别算法 | 第55-59页 |
| ·基于几何特征的人脸识别 | 第55-56页 |
| ·基于模板匹配的人脸识别 | 第56页 |
| ·特征脸方法识别 | 第56-58页 |
| ·隐马尔科夫识别 | 第58-59页 |
| ·神经网络识别 | 第59页 |
| ·实验及结果分析 | 第59-64页 |
| ·人脸图像预处理 | 第59-62页 |
| ·灰度规范化 | 第60-61页 |
| ·几何规范化 | 第61-62页 |
| ·实验结果分析 | 第62-64页 |
| ·本章小结 | 第64-65页 |
| 第4章 融合语音和人脸的身份识别技术 | 第65-86页 |
| ·融合策略和融合算法 | 第65-66页 |
| ·自适应加权融合方法 | 第66-70页 |
| ·归一化处理 | 第66-67页 |
| ·自适应权重分配 | 第67-69页 |
| ·实验结果分析 | 第69-70页 |
| ·基于D-S证据理论的融合方法 | 第70-76页 |
| ·D-S证据理论的基本内涵 | 第71-73页 |
| ·基本概率分布函数构造 | 第73-74页 |
| ·D-S合并识别原则 | 第74页 |
| ·实验结果分析 | 第74-76页 |
| ·基于神经网络的特征层融合 | 第76-85页 |
| ·人工神经网络模型 | 第77-78页 |
| ·多层前馈神经网络 | 第78-79页 |
| ·粒子群算法(PSO)训练神经网络 | 第79-81页 |
| ·神经网络融合算法描述 | 第81-82页 |
| ·实验结果分析 | 第82-85页 |
| ·本章小结 | 第85-86页 |
| 第5章 唇检测定位和特征提取 | 第86-103页 |
| ·唇检测定位和特征提取方法研究现状 | 第86-88页 |
| ·Fisher模型唇色增强 | 第88-90页 |
| ·唇部ROI(Region of Interest)分割 | 第90-92页 |
| ·唇动精确定位和跟踪 | 第92-98页 |
| ·唇形曲线和能量函数定义 | 第93-94页 |
| ·能量函数最小化 | 第94-96页 |
| ·唇动序列跟踪实验 | 第96-98页 |
| ·唇动参数提取 | 第98-102页 |
| ·离散余弦变换(DCT) | 第98-100页 |
| ·DCT域上的主成分分析(PCA) | 第100-101页 |
| ·实验结果 | 第101-102页 |
| ·本章小结 | 第102-103页 |
| 第6章 唇动身份识别技术 | 第103-123页 |
| ·唇动身份识别概述 | 第103-104页 |
| ·音视频双通道身份识别融合策略 | 第104-105页 |
| ·隐马尔科夫模型(HMM)识别模型 | 第105-110页 |
| ·Markov链 | 第105-106页 |
| ·隐马尔科夫定义和分类 | 第106-107页 |
| ·HMM基本算法 | 第107-110页 |
| ·音视频双模态唇动数据库 | 第110-113页 |
| ·常用的音视频双模态数据库 | 第110-111页 |
| ·唇动身份识别数据库(HITLUDB) | 第111-113页 |
| ·HMM应用于唇动身份识别 | 第113-122页 |
| ·HMM模型结构和基本算法 | 第113-114页 |
| ·归一化处理 | 第114-115页 |
| ·参数训练和识别过程 | 第115-116页 |
| ·溢出问题 | 第116-117页 |
| ·多观察序列的训练问题 | 第117-118页 |
| ·实验及结果分析 | 第118-122页 |
| ·本章小结 | 第122-123页 |
| 第7章 基于网格的生物特征身份识别平台设计 | 第123-131页 |
| ·网格技术 | 第123-127页 |
| ·网格的特点 | 第123-124页 |
| ·网格的体系结构 | 第124-126页 |
| ·五层沙漏模型 | 第124-125页 |
| ·开放网格服务体系结构 | 第125-126页 |
| ·网格的应用范围 | 第126-127页 |
| ·网格应用于生物特征身份识别系统平台设计 | 第127-130页 |
| ·平台功能分析 | 第127页 |
| ·网格应用于平台设计的优点 | 第127-128页 |
| ·平台体系结构 | 第128-130页 |
| ·本章小结 | 第130-131页 |
| 第8章 总结和展望 | 第131-134页 |
| 参考文献 | 第134-144页 |
| 附录 | 第144-148页 |
| 攻读学位期间发表的学术论文 | 第148-150页 |
| 致谢 | 第150页 |