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、登錄系統等。但是日常應用的環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環境，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；在戰車艙內進行身份識別駕駛時，會因為發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的身份識別都極易受到外部環境的影響。采用多模態的身份識別技術(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，彌補不同模態信息的不足，降低單一模態受干擾產生的誤差，得到更加可靠、準確的結果。

    近年來，多模態的融合識別技術備受關注，一般情況下主要分為數據層、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，數據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，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，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，獲得最優決策結果。本文創新點在于規范一個衡量系統穩定性的標準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的識別算法更加有效，具有較高且穩定的識別率。

本文詳細內容請下載:http://www.cowatch.cn/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)