多生物特征置信度融合

本文提出了一种多模态生物特征系统，该系统通过高斯混合模型（GMM）处理人脸和耳部生物特征，并对由Gabor响应表征的估计分数进行置信度融合，所提出的融合通过Dempster-Shafer（DS）决策理论完成。人脸和耳部图像与Gabor小波滤波器进行卷积，以提取空间增强的Gabor人脸特征和Gabor耳部特征。进一步，分别对高维的Gabor人脸和Gabor耳部响应应用GMM进行定量测量。使用期望最大化（EM）算法估计GMM中的密度参数。这产生两组特征向量，然后使用Dempster-Shafer理论进行融合。在包含400个人的人脸和耳部图像的多模态数据库上进行了实验。结果表明，使用Gabor小波滤波器结合GMM和DS理论可以提供稳健且高效的多模态融合策略。