[發(fā)明專利]基于粒子群算法和典型關(guān)聯(lián)分析法的多生物特征融合算法

在審

• 申請(qǐng)?zhí)枺?/td>: 201711374940.7
• 申請(qǐng)日: 2017-12-19
• 公開（公告）號(hào): CN108090513A
• 公開（公告）日: 2018-05-29
• 發(fā)明（設(shè)計(jì)）人: 楊巨成;孫文輝;李建榮;胡志強(qiáng);王嫄;陳亞瑞;趙婷婷;張傳雷;王曉靖;韓書杰;王潔
• 申請(qǐng)（專利權(quán)）人: 天津科技大學(xué)
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62
• 代理公司: 天津盛理知識(shí)產(chǎn)權(quán)代理有限公司 12209
• 代理人: 王利文

1.一種基于粒子群算法和典型關(guān)聯(lián)分析法的多生物特征融合算法，其特征在于包括以下步驟：

步驟1：圖像預(yù)處理：將原始數(shù)據(jù)集圖像重構(gòu)為32*32的圖像；

步驟2：特征提取：通過兩次卷積操作、特征選擇操作和全連接操作，將預(yù)處理后的32*32的圖像用120維的一維特征向量；

步驟3：特征融合：使用典型關(guān)聯(lián)分析法對(duì)一維特征向量進(jìn)行分析，得到關(guān)聯(lián)度最高的特征向量作為多生物特征的融合特征向量；

步驟4：將融合特征向量送入ELM分類器進(jìn)行分類。

2.根據(jù)權(quán)利要求1所述的基于粒子群算法和典型關(guān)聯(lián)分析法的多生物特征融合算法，其特征在于：所述原始數(shù)據(jù)集圖像包括人臉圖像和指靜脈圖像,所述人臉圖像為112*92,所述指靜脈圖像為60*128。

3.根據(jù)權(quán)利要求1所述的基于粒子群算法和典型關(guān)聯(lián)分析法的多生物特征融合算法，其特征在于：所述步驟2特征提取的實(shí)現(xiàn)方法：第一次使用8組5x5的卷積核對(duì)圖像進(jìn)行卷積操作，得到8組28x28的特征圖；第二次使用20組5x5的卷積核對(duì)圖像進(jìn)行卷積操作，得到20組5x5的特征圖；再經(jīng)過一次全連接操作，最終得到120維的一維特征向量。

4.根據(jù)權(quán)利要求1所述的基于粒子群算法和典型關(guān)聯(lián)分析法的多生物特征融合算法，其特征在于：所述卷積操作的處理方法為：

w2＝(w1+2*p-k)/s+1

h2＝(h1+2*p-k)/s+1

c2＝n

其中，w1、h1、c1分別表示輸入圖像的寬度、高度和深度；w2、h2、c2分別表示輸出圖像的寬度、高度和深度；在卷積層中，n表示卷積核的個(gè)數(shù)，k*k表示卷積核大小，p表示擴(kuò)充邊緣，s表示卷積核步長(zhǎng)。

5.根據(jù)權(quán)利要求1所述的基于粒子群算法和典型關(guān)聯(lián)分析法的多生物特征融合算法，其特征在于：所述步驟2特征選擇使用改進(jìn)的粒子群優(yōu)化算法實(shí)現(xiàn)：第一次從28x28的特征圖中，選擇14x14特征子集；第二次從10x10的特征圖中選擇5x5的特征子集。

6.根據(jù)權(quán)利要求5所述的基于粒子群算法和典型關(guān)聯(lián)分析法的多生物特征融合算法，其特征在于：所述特征選擇的計(jì)算公式為：

Fitness＝∑Dk(1<＝k<＝m)

vx[]＝w*vx[]+c1*rand()*(pbest[]-p[])+c2*rand()*(gbest[]-p[])

p[]＝p[]+vx[]

其中，Dk表示當(dāng)前粒子的第k個(gè)維度特征與周圍特征的差異總和，m表示種群規(guī)模，pbest表示局部最優(yōu)解，gbest表示全局最優(yōu)解，v[]是粒子的速度,w是慣性權(quán)重,p[]是當(dāng)前粒子的位置，rand()是介于(0，1)之間的隨機(jī)數(shù)，c1、c2是學(xué)習(xí)因子。

7.根據(jù)權(quán)利要求6所述的基于粒子群算法和典型關(guān)聯(lián)分析法的多生物特征融合算法，其特征在于：所述學(xué)習(xí)因子c1、c2均等于2。

8.根據(jù)權(quán)利要求1所述的基于粒子群算法和典型關(guān)聯(lián)分析法的多生物特征融合算法，其特征在于：所述步驟3的實(shí)現(xiàn)方法為：使用典型關(guān)聯(lián)分析法計(jì)算人臉特征和指靜脈特征之間的相關(guān)關(guān)系，將120維的特征向量映射到多維的共享特征空間，使用共享空間特征重構(gòu)多模態(tài)特征，得到融合特征向量。