安全系统中的多模态生物特征识别与智能图像处理 内容简介

《安全系统中的多模态生物特征识别与智能图像处理》分为三部分来“安全系统中的论述多模态生物特征识别与智能图像处理”，主要内容包括：生物特征识别综述与发展趋势、多模态生物特征识别中的信息融合、安全系统应用等。

安全系统中的多模态生物特征识别与智能图像处理 本书特色

《安全系统中的多模态生物特征识别与智能图像处理》分为三部分来“安全系统中的论述多模态生物特征识别与智能图像处理”，主要内容包括：生物特征识别综述与发展趋势、多模态生物特征识别中的信息融合、安全系统应用等。

安全系统中的多模态生物特征识别与智能图像处理 目录

第1部分 生物特征识别综述与发展趋势
第1章 绪论
1.1 人工智能的历史回顾
1.2 进化计算与神经网络
1.3 计算智能和生物特征识别
1.4 本章小结
参考文献
第2章 生物特征识别与生物特征识别系统
2.1 弓1言
2.2 生物特征标识
2.2.1 生理标识
2.2.2 行为标识
2.2.3 软生物特征标识
2.2.4 社交生物特征标识
2.3 生物特征标识的属性
2.4 生物特征识别系统的组成
2.4.1 传感器或数据采集模块
2.4.2 特征提取模块
2.4.3 匹配模块
2.4.4 决策模块
2.4.5 智能安全系统
2.5 生物特征验证
2.6 生物特征辨识
2.7 生物特征识别系统的性能
2.7.1 错误接受率
2.7.2 错误拒绝率
2.8 生物特征识别系统的应用
2.8.1 司法鉴定
2.8.2 民政和商业部门
2.8.3 政府部门
2.8.4 遗传学
2.8.5 卫生部门
2.9 生物特征识别系统的适用范围
2.10 本章小结
参考文献
第3章 生物特征识别中的图像处理
3.1 引言
3.2 生物特征识别中基于表观的图像处理
3.2.1 用于人脸识别的图像处理
3.2.2 虹膜识别算法
3.2.3 基于表观的耳朵识别
3.3 基于拓扑的智能模式识别
3.3.1 生物特征识别中的Voronoi图
3.3.2 基于拓扑的指纹识别
3.4 基于模型的行为生物特征识别
3.5 本章小结
参考文献
第2部分 多模态生物特征识别中的信息融合
第4章 多模态生物特征识别系统和信息融合
4.1 引言
4.2 多模态生物特征识别系统的优点
4.2.1 增强且可靠的识别性能
4.2.2 较少的注册问题
4.2.3 增强的安全性，
4.3 多生物特征识别系统的开发问题
4.3.1 便于数据采集过程
4.3.2 信息来源
4.3.3 生物特征信息的选择
4.3.4 信息融合方法
4.3.5 成本与效益
4.3.6 处理流程
4.4 多生物特征识别系统的信息源
4.5 信息融合
4.6 生物特征信息融合
4.7 匹配前融合与匹配后融合
4.7.1 传感器级融合
4.7.2 特征级融合
4.7.3 匹配分数级融合
4.7.4 排序级融合
4.7.5 决策级融合
4.7.6 模糊融合
4.8 本章小结
参考文献
第5章 排序级融合
5.1 引言
5.2 现有方法回顾
5.3 多数投票排序融合法
5.4 *高序号融合法
5.5 波达计数排序融合法
5.6 逻辑回归排序融合法
5.7 图像质量排序融合法
5.8 本章小结
参考文献
第6章 基于马尔可夫链的多模态生物特征排序融合
6.1 引言
6.2 马尔可夫链
6.3 对马尔可夫链的研究
6.4 基于马尔可夫链的多模态生物特征融合
6.5 实验获得的样本结果
6.5.1 实验数据
6.5.2 实验结果
6.6 本章小结
参考文献
第7章 多模态生物特征的模糊融合
7.1 引言
7.2 模糊逻辑基础
7.3 基于模糊逻辑的融合研究
7.4 生物特征信息的模糊融合
7.5 生物特征信息模糊融合的实验结果
7.6 本章小结
参考文献
第3部分 安全系统应用
第8章 机器人与多模态生物特征识别
8.1 引言
8.2 文献回顾
8.3 非生物实体的概述
8.4 化身身份认证
8.4.1 数据集生成
8.4.2 合成生物特征与人工实体特征
8.4.3 视觉识别
8.4.4 行为认证
8.4.5 多模态生物特征识别和机器人／化身识别
8.5 应用
8.6 本章小结与工作展望
参考文献
第9章 混沌神经网络与多模态生物特征识别
9.1 引言
9.2 系统构成
9.3 神经网络方法
9.3.1 神经网络的历史
9.3.2 神经网络的计算效率
9.4 神经网络中的混沌
9.5 特征空间与降维
9.6 多模态生物特征识别中的神经网络
9.6.1 降维需要
9.6.2 系统总体架构
9.7 子空间分析与联想记忆
9.8 神经网络在指纹匹配中的性能分析
9.9 基于细胞神经网络的细节匹配法
9.10 本章小结
参考文献
第10章 多模态生物特征识别的新应用
10.1 引言
10.2 多生物特征识别研究中的步态分析
10.3 文献综述
10.4 详细方法
10.4.1 受试者检测与剪影提取
10.4.2 步态周期检测
10.4.3 特征提取
10.4.4 无模型的方法
10.4.5 特征选择
10.4.6 识别
10.4.7 性能评估
10.5 用于多生物特征识别研究的社交网络
10.6 社交情景与步态识别融合
10.7 执行细节与结果
10.8 本章小结
参考文献
第11章 结论
11.1 全书总结
11.2 结论
11.3 未来研究方向
缩写词表

安全系统中的多模态生物特征识别与智能图像处理 作者简介

郑毅，1975年生，男，汉族，山东荣成人，工学博士，现为山东工商学院信息与电子工程学院教师。2008年6月毕业于西安电子科技大学电子科学与技术专业，获工学博士学位，同年进入山东工商学院信息与电子工程学院任教；2011年9月-2013年9月期间，在南京航空航天大学交通运输工程博士后流动站工作。研究方向：增强现实、图像测量、三维重建、逆向工程和图像融合。郑苹，1973年生，女，汉族，山东荣成人，工学博士，现为安徽理工大学计算机科学与工程学院教师。2013年6月毕业于华中科技大学控制科学与工程专业，获工学博士学位。研究方向：生物特征识别和智能图像处理。玛丽娜·L·加夫里洛娃，MarinaL.Gavrilova教授，是加拿大卡尔加里大学计算机科学系的副主任。Gavrilova博士的研究兴趣在计算几何、图像处理、优化、空间与生物特征建模领域。Gavrilova教授是两个创新研究实验室（生物特征建模与仿真技术实验室和计算科学中的空间分析SPARCS实验室）的创始人和联合主任。Gavrilova教授的出版物列表包括120多篇期刊与会议论文，编辑的特刊、图书和图书章节包括2007年在世界科学出版社出版的月畅销书《图像模式识别：生物特征识别中的合成与分析》，以及在施普林格出版社出版的《计算智能：基于几何的方法》。2001年，Gavrilova教授与KennethTan博士一起成功地创办了ICCSA系列国际会议。她创办并主持了多届2000年计算几何及应用国际研讨会，曾任卡尔加里BI2004生物特征识别技术国际研讨会的共同主席，2006年担任第3届科学与工程中的Voronoi图国际研讨会（ISVD2006）的总主席，2009年担任在加拿大班夫举办的WADS2009会议的组织主席，2011年担任CW2011网络世界国际会议（2011年10月4日-6日，在加拿大班夫举办）的大会主席。Gavrilova教授从2007年起，担任施普林格出版社《LNCS计算科学学报》主编，并且是《国际计算科学与工程杂志》、《CAD/CAM杂志》和《国际生物特征识别技术杂志》的编委。她获得过很多奖项，而且她的研究项目成功地得到了大额资助。她的研究工作在报纸上和电视访谈节目里都有报道。最近，加拿大文明博物馆展出了她与5位杰出的加拿大科学家的研究成果，加拿大国家电影局也为她制作了一部纪录片。用她自己的话来说，她的大成就，是在努力追求职业与个人生活好时候，在两者之间找到了一个微妙的平衡。她与丈夫Dmitri Gavrilov博士一起生活，而且是两个很棒的男孩Andrei和Artemy引以为傲的母亲。玛若夫·莫沃，Maruf Monwar，美国卡内基·梅隆大学电气与计算机工程系的博士后研究员。其在加拿大卡尔加里大学获得计算机科学博士学位，在孟加拉国拉杰沙希大学获得计算机科学与技术学士学位和硕士学位，在加拿大北英属哥伦比亚大学获得计算机科学硕士学位。Maruf Monwar现在是孟加拉国拉杰沙希大学计算机科学与工程系的助理教授。他的主要研究方向包括模式匹配、生物特征融合、表情识别和生物数据处理。其获得过加拿大自然科学与工程研究理事会（NSERC）的瓦尼埃研究生奖学金和博士后奖学金，曾任《国际生物特征识别技术杂志》的客座编辑。