基于仿生模式识别的多镜头人脸身份确认系统研究

王守觉; 徐 健; 王宪保; 覃 鸿

您当前的位置：

首页 >

文章列表页 >

基于仿生模式识别的多镜头人脸身份确认系统研究

论文 | 更新时间：2025-07-16

- 基于仿生模式识别的多镜头人脸身份确认系统研究
- Multi-Camera Human-Face Personal Identification System Based on the BIOMIMETIC PATTERN RECOGNITION
- 电子学报 2003年31卷第1期页码：98-102
- 作者机构：
  
  1. 中国科学院半导体研究所神经网络实验室,北京,100083
  2. 浙江工业大学智能信息系统研究所,杭州,310014
  3. 中国科学院半导体研究所神经网络实验室北京,100083
  4. 浙江工业大学智能信息系统研究所杭州,310014
- 作者简介：
- 基金信息：
- DOI：
  中图分类号： TP391.4
- 纸质出版：2003
- 稿件说明：
移动端阅览
王守觉, 徐健, 王宪保, 等. 基于仿生模式识别的多镜头人脸身份确认系统研究[J]. 电子学报, 2003,31(1):98-102.

WANG Shou-jue, XU Jian, WANG Xian-Bao, et al. Multi-Camera Human-Face Personal Identification System Based on the BIOMIMETIC PATTERN RECOGNITION[J]. Acta Electronica Sinica, 2003, 31(1): 98-102.
王守觉, 徐健, 王宪保, 等. 基于仿生模式识别的多镜头人脸身份确认系统研究[J]. 电子学报, 2003,31(1):98-102. DOI：

WANG Shou-jue, XU Jian, WANG Xian-Bao, et al. Multi-Camera Human-Face Personal Identification System Based on the BIOMIMETIC PATTERN RECOGNITION[J]. Acta Electronica Sinica, 2003, 31(1): 98-102. DOI：

摘要

提出了一种利用仿生模式识别原理以多镜头信息融合的人脸身份确认方法.讨论了以多镜头与多次采样建立仿生模式识别多权值神经元网络的基本理论.并介绍了以三个镜头五次采样作训练样本的实验系统

以及人脸预处理过程步骤.实验结果表明在确保无误认的前提下

正确确认率达96%

漏认率(即拒认率)为4%.实验中并对比显示了增加神经元网络复杂度提高识别效果的作用.

Abstract

A Multi-camera Human-face Personal Identification method

based on the BIOMIMETIC PATTERN RECOGNITION

had been proposed.The basic theory of neural networks with MULTI-WEIGHT NEURON

in Multi-camera Human-face Personal Identification System Based on the BIOMIMETIC PATTERN RECOGNITION

had been discussed.A three-camera system takes five combined pictures as learning samples in experiments.The basic course of human-face picture preprocessing had been described.The results of experiments showed the correct identification rate as 96%

rejection rate as 4%

and no mistake in identification.Experiments showed that increasing the complexity of neural networks makes better identification result.

关键词

Keywords

references

浏览量

1449

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于LoRa信号的实时手势识别算法

连续学习方法与其在视觉任务中的应用

端到端全复数域SAR目标分类神经网络

基于多维动态拓扑学习图卷积的骨架动作识别