基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对目前已有的虹膜检测与定位算法的局限性, 设计了一组具有局部互联结构的神经网络, 结合AdaBoost算法用于虹膜的检测与定位. 算法主要有以下特征: 根据虹膜图像的特点设计了一组具有不同感受野和不同复杂程度的局部互联神经网络虹膜分类器;应用AdaBoost算法整合神经网络分类器, 产生一个具有很强虹膜检测能力的总分类器;采用级联结构提高系统的检测速度. 实验结果表明, 该方法具有极高的检测精度与速度, 有效地解决了包含大量脸部区域的虹膜检测与定位问题, 以及以往方法很难解决的白内障患者的虹膜检测和定位问题.
推荐文章
基于自编码神经网络与AdaBoost的快速行人检测算法
行人检测
HOG特征
AdaBoost算法
自编码网络
ACF模型
基于AdaBoost和概率神经网络的入侵检测算法
入侵检测
概率神经网络
AdaBoost
ABPNN
基于卷积神经网络的虹膜活体检测算法研究
生物特征识别
虹膜识别
虹膜活体检测
卷积神经网络
自动特征学习
基于AdaBoost算法的BP神经网络在软件老化测试中的应用
BP神经网络
AdaBoost算法
软件老化测试
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于AdaBoost算法与神经网络的快速虹膜检测与定位算法
来源期刊 吉林大学学报(理学版) 学科 工学
关键词 虹膜识别 生物认证 虹膜检测 虹膜定位 神经网络 AdaBoost算法
年,卷(期) 2006,(2) 所属期刊栏目 计算机科学
研究方向 页码范围 233-236
页数 4页 分类号 TP391.41
字数 2341字 语种 中文
DOI 10.3321/j.issn:1671-5489.2006.02.018
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 马驷良 吉林大学数学学院 49 577 13.0 21.0
2 张忠波 吉林大学数学学院 19 282 8.0 16.0
3 韩笑 吉林大学数学学院 27 239 8.0 15.0
4 张禹 吉林大学数学学院 9 101 3.0 9.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (5)
节点文献
引证文献  (8)
同被引文献  (4)
二级引证文献  (13)
1993(1)
  • 参考文献(1)
  • 二级参考文献(0)
1996(1)
  • 参考文献(1)
  • 二级参考文献(0)
1997(2)
  • 参考文献(2)
  • 二级参考文献(0)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2006(1)
  • 引证文献(1)
  • 二级引证文献(0)
2007(1)
  • 引证文献(1)
  • 二级引证文献(0)
2009(1)
  • 引证文献(1)
  • 二级引证文献(0)
2010(1)
  • 引证文献(1)
  • 二级引证文献(0)
2012(3)
  • 引证文献(3)
  • 二级引证文献(0)
2013(1)
  • 引证文献(0)
  • 二级引证文献(1)
2014(3)
  • 引证文献(0)
  • 二级引证文献(3)
2015(1)
  • 引证文献(0)
  • 二级引证文献(1)
2016(1)
  • 引证文献(0)
  • 二级引证文献(1)
2017(1)
  • 引证文献(0)
  • 二级引证文献(1)
2018(2)
  • 引证文献(1)
  • 二级引证文献(1)
2019(2)
  • 引证文献(0)
  • 二级引证文献(2)
2020(3)
  • 引证文献(0)
  • 二级引证文献(3)
研究主题发展历程
节点文献
虹膜识别
生物认证
虹膜检测
虹膜定位
神经网络
AdaBoost算法
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
吉林大学学报(理学版)
双月刊
1671-5489
22-1340/O
大16开
长春市南湖大路5372号
12-19
1955
chi
出版文献量(篇)
4812
总下载数(次)
6
总被引数(次)
24333
论文1v1指导