科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对单模态身份识别技术的安全性较低问题,论文提出一种将声纹特征与人脸特征相融合的多模态特征融合方法。该方法首先对语音信号提取梅尔倒谱系数构建高斯混合模型,然后将模型得分归一化作为特征与图像主成分分析(PCA)特征融合进行支持向量机(SVM)分类识别。论文主要测试了在不同噪声环境、不同融合方式以及不同核函数情况下,单模态与多模态的识别率对比情况。实验证明,特征融合后的多模态识别比单模态识别更加稳定,抗噪性更强;串联融合的效果要优于并联融合的效果。
- 单位
针对单模态身份识别技术的安全性较低问题,论文提出一种将声纹特征与人脸特征相融合的多模态特征融合方法。该方法首先对语音信号提取梅尔倒谱系数构建高斯混合模型,然后将模型得分归一化作为特征与图像主成分分析(PCA)特征融合进行支持向量机(SVM)分类识别。论文主要测试了在不同噪声环境、不同融合方式以及不同核函数情况下,单模态与多模态的识别率对比情况。实验证明,特征融合后的多模态识别比单模态识别更加稳定,抗噪性更强;串联融合的效果要优于并联融合的效果。
