基于多生物特征系统的双胞胎识别：手工特征-深度学习多算法与语音-耳部识别多模态方法
机器学习
2019-03-20 v1 声音
音频与语音处理
摘要
随着技术的发展，生物特征系统的使用领域和重要性开始增加。由于每个人的特征彼此不同，单一模型生物特征系统可以取得成功的結果。然而，由于双胞胎个体的特征彼此非常接近，包含个体多种特征的多生物特征系统更为合适，并将提高识别率。在本研究中，开发了一种由多种算法和多模型组合而成的多生物特征识别系统，用于区分个体与其他人及其双胞胎。多模态模型使用了耳部和语音生物特征数据，数据集中包含38对双胞胎耳部图像和录音。使用经典（手工特征）和深度学习算法获得了声音和耳部识别率。将所得结果通过分数级融合方法组合，在rank-1中达到94.74%的成功率，在rank-2中达到100%。
引用
@article{arxiv.1903.07981,
title = {Twins Recognition with Multi Biometric System: Handcrafted-Deep Learning Based Multi Algorithm with Voice-Ear Recognition Based Multi Modal},
author = {Cihan Akın and Umit Kacar and Murvet Kirci},
journal= {arXiv preprint arXiv:1903.07981},
year = {2019}
}