• <em id="ckkcl"></em>
    1. <dd id="ckkcl"></dd>

      1. <tbody id="ckkcl"></tbody>
        <ol id="ckkcl"><object id="ckkcl"><blockquote id="ckkcl"></blockquote></object></ol>

        計算機科學與技術畢業-基于普通輸入設備的生物特征識別系統的設計與實現

        上傳人:QQ-1****6396 文檔編號:23634421 上傳時間:2021-06-10 格式:DOC 頁數:64 大?。?.87MB
        收藏 版權申訴 舉報 下載
        計算機科學與技術畢業-基于普通輸入設備的生物特征識別系統的設計與實現_第1頁
        第1頁 / 共64頁
        計算機科學與技術畢業-基于普通輸入設備的生物特征識別系統的設計與實現_第2頁
        第2頁 / 共64頁
        計算機科學與技術畢業-基于普通輸入設備的生物特征識別系統的設計與實現_第3頁
        第3頁 / 共64頁
        資源描述:

        《計算機科學與技術畢業-基于普通輸入設備的生物特征識別系統的設計與實現》由會員分享,可在線閱讀,更多相關《計算機科學與技術畢業-基于普通輸入設備的生物特征識別系統的設計與實現(64頁珍藏版)》請在裝配圖網上搜索。

        1、畢業設計(論文)設計(論文)題目:基于普通輸入設備的生物特征識別系統的設計與實現學 院 名 稱 :學 生 姓 名 :專 業 :班 級 :學 號 :指 導 教 師 :答辯組 負責人 :填表時間: 年 6 月 摘 要當今信息化社會,計算機技術、傳感器技術、電子信息技術等均在飛速發展,利用人體本身固有的生理特征或行為特征進行身份識別已經取得越來越多人的認可,最終已形成了一種新身份驗證方式,即生物特征識別。與根據持有信物而完成的識別相比,生物特征識別具有其與生俱來的唯一性和安全性。生物特征識別技術包括固有生理特征識別和行為特征識別。目前,關于生物特征識別技術的大多數研究主要針對人的固有生理特征(如指紋

        2、,掌紋,人臉識別,虹膜識別等)進行的,而針對后天形成的行為特征識別的研究較少。本文主要介紹了一個針對用戶后天行為特征(輸入特征)而設計的生物識別系統。本文主要介紹了如何利用普通輸入設備開發生物特征識別系統。系統實現過程中,主要參考K-均值聚類算法,使用C#語言及Winform窗體編程,同時以Microsoft SQL Server Management Studio2008作為數據存儲解決方案,實現對生物特征的錄入,存儲,計算,刪除,識別等功能,滿足了用戶的需求,達到了任務書的要求。本文分為五章:第一章主要介紹了生物特征識別技術的概念、發展歷史和現狀、研究目的和意義以及本論文要做的主要工作;第

        3、二章主要介紹了和生物特征識別系統開發相關的一些背景知識;第三章主要介紹了需求分析及系統設計;第四章主要為各模塊功能實現、運行效果圖及系統測試;第五章為總結與展望,總結了系統的實現過程,系統的不足,同時對該系統在未來的應用進行展望?!娟P鍵詞】生物特征識別 輸入特征 模式識別 K-均值算法ABSTRACTWith the development of computer technology, sensor technology, electronic information technology,using the intrinsic body physiological or behaviora

        4、l characteristics of human for identities have gotten more and more peoples recognition, it has formed a new authentication methods, namely biometrics recognition. Compared with the way complete identification with the pledge , biometrics has its inherent uniqueness and security.Biometric identifica

        5、tion technology includes the recognition of inherent physical characteristics and behavior characteristics.At present, most studies of biometric identification technology is aimed at peoples inherent physical characteristics (such as fingerprint, palm print, face recognition, iris recognition, etc.)

        6、,however the study of acquired behavior characteristic recognition is less.This thesis mainly introduced a biometric system which is aimed at acquired behavior characteristic features (input features) .This thesis introduced the progress of developing a biometric system which is based on the common

        7、input devices.During the System implementation process,the thesis referred to K-means algorithm and used c# and Winform.Meanwhile,SQL Server 2008 was used as the solution of Data Storage.The system completed functions such as the input of biometric features,storage,calculation,deletion and recogniti

        8、on,which was meet the needs of users and achieved the requirements of the mission statement.The thesis was divided into five chapters.The first chapter introduced the concept, history and current situation,the purpose and significance of biometric identification technology.The second chapter mainly

        9、introduced the knowledge of biometric identification system development.The third chapter introduces the requirements analysis and system design;The fourth chapter describes how to complete the functions of each module, operation renderings and system testing;The fifth chapter summarized the impleme

        10、ntation of the system, the lack of system, meanwhile this chapter prospected the future of Biometrics.【Key words】Biometric recognition Input features Pattern recognition K-means algorithm目 錄第一章 前言1第一節 生物特征識別技術概述1一、生物特征識別技術簡介1二、生物特征識別技術的發展歷史和現狀1第二節 生物特征識別系統的研究目的和意義2第三節 本論文主要研究工作4第二章 生物特征識別系統開發相關技術5第一

        11、節 技術知識背景介紹5一、生物特征識別技術5二、Winform簡介7三、Microsoft SQL Server 2008簡介8四、 模式識別及K-means算法簡介8第三章 系統的需求分析及設計11第一節 系統的需求分析11一、系統功能的需求分析11二、系統功能的運行需求13第二節 系統數據庫的分析與設計13一、系統數據庫分析13二、系統數據庫設計13第三節 系統功能模塊設計14一、特征采集模塊功能設計14二、數據歸一化處理模塊功能設計15三、特征計算模塊功能設計16四、特征匹配模塊功能設計16第四章 系統實現18第一節 開發環境配置及工具使用18一、 開發環境配置18二、 開發工具19三、

        12、調試工具19第二節 各模塊功能的實現19一、特征采集模塊功能的實現20二、數據歸一化處理模塊的實現22三、特征計算模塊的實現23四、特征匹配模塊的實現27第三節 系統測試30一、閥值選定測試30二、根據按鍵間隔進行生物識別方法測試30三、特征計算算法測試31第五章 總結與展望33第一節 總結33第二節 展望33致 謝35參考文獻36附 錄37一、英文原文:37二、英文翻譯:42 - 59 -第1章 前言第1節 生物特征識別技術概述一、生物特征識別技術簡介生物特征識別技術(biometric recognition)是通過計算機與聲學、光學、生物傳感器和生物統計學原理等高科技手段密切結合,利用人

        13、體固有的生理特性(如指紋、臉象、虹膜等)和行為特征(如筆跡、聲音、步態、輸入習慣等)來進行個人身份鑒定的技術1。二、生物特征識別技術的發展歷史和現狀生物識別技術起步于九十年代初期,生物識別的發展歷史可以粗略地劃分為三個階段2。第一階段是從1990年到1997年。在此階段,整個市場僅有歐美澳等國不超過十家的供應商。國內廠商只是充當了分銷商和系統集成商的角色,主要從事對國外產品進行增值分銷的工作。第二階段是從1998年到2002年。在此階段,通過對國外技術和產品的學習借鑒,中國廠商開始在產品研發上取得一個又一個突破,逐漸攻克了核心軟件、硬件處理平臺、采集器件以及應用系統設計等難關,最終開始有少量由

        14、國內設計和制造的產品出現,同時與國外產品的競爭在這一階段開始。第三階段是從2003年至今。在此階段,中國生物識別技術和產品在商業應用領域占據越來越多的市場份額,直至目前完全占據主導地位,控制了市場。與此同時,國外廠商開始轉向復雜大系統、多技術融合等中高端產品及應用的研發工作。生物特征識別技術早年運用于法庭科學的司法鑒定,多是對靜態圖像(如指紋圖像、臉形圖像等)的事后采集和識別;上世紀九十年代末和本世紀初,特別是911恐怖事件之后,由于國際反恐斗爭的需要,對靜態、動態圖像的事前事后采集和實時鑒別己成為防范安全風險的主要技術手段3。美國一直走在生物識別技術研究工作的前列。二十世紀九十年代,,美國已

        15、經開始啟動生物特征識別技術應用的標準化工作,主要針對指紋識別應用在法律實施中的標準制定。1993年美國國家標準與技術研究所的計算機系統實驗室制定了國家標準:ANSI/NISTCSL.1-1993:信息系統和指紋信息交換數據格式和刑事審判信息服務標準WSQ灰度圖像的壓縮標準。1995年,美國將傷疤、記號和紋身(SMT)信息加入到原有數據中,并將正面頭像、臉形和紋身數據的一個邏輯化記錄結構加入到ANSI/NISTCSL.1-1993標準中。1997年,國家標準化與技術研究所信息技術實驗室修訂了1993年的標準,頒布了ANSI/NIST-ITL.la-1997國家標準:信息系統和指紋、臉形、紋身信息

        16、交換數據格式。1998年,美國召開了另一個指紋數據交換會議,進一步修正、整理并更新了ANSI/NIST-CSL.1-1993和ANSI/NIST-ITL.la-1997標準,美國國家標準化與技術研究所將這個文件發布為:NSIT特別資料SP500-2453。該文件規定了用于不同的管轄范圍和相異的系統之間有效地交換指紋、臉形、傷疤、標記和紋身身份識別數據的一個通用格式3。二十世紀末和本世紀初,商業領域開始應用越來越多新的生物識別技術,包括實時指紋鑒別和身份驗證、臉形識別、語音識別、視網膜和虹膜掃描、手形特征、擊鍵特征分析等。生物特征識別技術在商業領域的應用,不僅促進和擴展了生物特征識別技術的應用領

        17、域,而且大大提升了安全防范技術的技術層次,使得生物特征識別技術成為安全防范技術的三大主導技術之一。我國于上世紀90年代初,指紋信息識別產品和系統開始應用于公安業務和安全防范領域。據不完全統計,目前生產生物特征識別產品(主要是指紋、人臉識別)的企業近百家,社會公共安全行業制定的相關標準約30余項。但這些標準都是以公安業務的刑事偵察、證照管理或安全防范的視頻監控系統、出入口控制系統等具有應用環境為基礎而制定的,未能從人體生物特征識別技術的高度建立相應的標準體系3。第二節 生物特征識別系統的研究目的和意義 長期以來,識別身份的方法是驗證該人是否持有有效的信物,如密碼、照片、磁卡、鑰匙和身份證等。從本

        18、質上看,驗證的是該人持有的某種“物”,而不是驗證該人本身。所以只要“物”的有效性得到確認,則持有該“物”的人的身份也就隨之得到確認4。這種“物”驗證的辦法存在的漏洞是非常明顯的:“物”的丟失會導致合法的人無法被認證,各種信物容易被偽造、破譯。在網絡環境下,密碼作為身份識別的標志已被廣泛采用。但由于密碼容易被遺忘,也有被人竊取的可能,已無法滿足當前信息化社會下人們對身份識別的需要。隨著社會的發展,傳統身份驗證方式安全性越來越弱,已無法滿足當今社會人們的需求。但是我們在日常生活中隨時都需要進行個人身份驗證和權限的認定,特別是在信息化社會的今天,人們對安全性的要求越來越高,同時也希望獲得簡單快速的識

        19、別方式。 為了解決這一問題,人們把目光投向生物特征識別技術,希望能借助人體固有的生理特征或行為動作來進行身份識別。這樣就可以不必攜帶大串鑰匙,也不用費心去記各種密碼,并且也不用去擔心會忘記密碼。另外,生物特征具有唯一性,不可復制性,例如指紋,有學者推論:以全球60 億人口計算,300 年內都不會有兩個相同的指紋出現。以電子商務、電子銀行的安全認證為例,在電子商務中會有假冒他人身份的事件發生,如果能夠通過生物特征進行論證,就能夠有效防止此類事件的發生。另外,網絡、數據庫和關鍵文件等的安全控制,機密計算機的登陸認證,銀行ATM、POS 終端等的安全認證,蜂窩電話,PDA 的使用認證等等,都離不開可

        20、靠安全的身份識別認證??梢?,研究生物特征識別不但有可觀的經濟效益,還有不可估量的國家信息安全效益。 生物特征識別技術是為了進行身份驗證而采用自動化技術測量其身體特征或個人行為特點,并將這些特征或特點與數據庫的模板數據進行比較,完成認證的一種解決方案,被評為21世紀十大高科技之一5。生物特征識別是目前最為方便和安全的識別技術,并且生物特征識別產品均借助于計算機技術實現,容易與安全、監控、管理系統整合,實現自動化管理。 用來鑒別身份的生物特征應該具有惟一性、廣泛性、容易采集等特點,實際應用給基于生物特征的身份鑒別系統提出了更多的要求6,包括: 性能的要求:所選擇的生物統計特征能夠達到多高的識別率,

        21、對于資源的要求如何,識別的效率如何等。 可接受性:使用者在多大程度上愿意接受基于所選擇的生物統計特征的系統。 安全性:系統是否能夠防止被攻擊。 可行性:是否具有相關的、可信的研究背景作為技術支持。 存儲量:提取的特征信息是否占用較小的存儲空間。 價格:是否達到用戶所能接受的價格。 速度和準確率:是否具有較高的注冊、識別速度和識別率。 是否具有非侵犯性。目前,主要的生物特征識別技術有虹膜識別、視網膜識別、人臉識別、簽名、識別、聲音識別、指紋識別等等。然而,還沒有任何一種單獨的生物特征可以滿足上述全部要求。生物識別技術的應用主要有以下幾方面7:門禁,重要區域的門禁管制:軍事基地、槍械庫、核能設施、

        22、物料放置庫房、電腦機房、政府辦公室、保密資料室等;住宅安全,包括社區人員進出及訪客出入記錄。職員或會員管理:內部授權管制、考勤、薪資計算、俱樂部會員確認。銀行證券類身份確認:如柜臺提款、自動提款機、保險箱、金庫、大額取款客戶身份確認、公司提現確認、交易終端客戶身份確認、遠程交易身份確認、保險受益人等各種社會福利受益人身份確認等。個人財產使用管制:如移動電話、個人電腦、筆記本電腦、汽車等。證照類:包括身份證、暫住證、駕駛證等。社保類:社會保險系統、養老金發放系統。醫療檔案管理:血液管理、公費醫療確認、個人醫療檔案管理。計算機系統及信息安全:包括網絡安全、網上銀行及電子商務、電子政務的安全等。第三

        23、節 本論文主要研究工作在本文中,將使用Winform所提供的相關控件及.NET Framework,結合WinForm的相關開發指南以及C#編程語言實現系統,使用Microsoft SQL Server 2008實現數據存儲,主要有以下目的:設計并開發基于普通輸入設備的生物特征識別程序實現生物特征識別、生物特征添加并存儲和識別的功能;分析研究模式識別相關內容,利用模式識別相關算法實現機器學習和生物特征提取功能。本論文將著重討論基于普通輸入設備的生物特征識別系統程序的設計與實現,同時分析研究模式識別的相關技術要點,主要工作如下:詳細分析基于普通輸入設備的生物特征識別系統程序內容,作需求分析,提出

        24、具體需求;分析相關流程,做出詳細設計,確定擴展程序的總體框架;學習相關開發指南,結合Winform編程相關控件以及C#語言特點,設計生物特征提取的算法,編寫代碼,測試功能,最終達到前期的設計目標。第二章 生物特征識別系統開發相關技術第1節 技術知識背景介紹一、生物特征識別技術生物特征識別實際上是一項整合了眾多學科和應用技術的綜合性技術,該技術既具有很強的理論性又具有很強的工程性,其本身就是一個多學科交叉融合的典范。所涉及的基礎學科包括:數學、化學、物理學、生物學等;所涉及的應用學科包括:信號處理、圖像處理、模式識別、人工智能、傳感器技術、嵌入式技術、信息安全、信息融合等。 如圖 2.1 所示,

        25、典型的生物特征識別過程通常包括以下步驟8: 信號獲取 生物識別系統的信號(一維波形或二維圖像等)是由一個采集設備來獲取的。所獲取的原始信號的質量非常重要,它是后繼處理的輸入數據。本文在實現基于普通輸入設備的生物特征識別系統的過程中,主要基于人的輸入習慣,在信號獲取階段,通過程序設計,實現對目標輸入相鄰按鍵之間的時間間隔的捕捉,完成信號獲取。 預處理 在這個階段,對信號/圖像進行優化,包括分割、去噪、消除旋轉和平移等操作。本文在實現系統的過程中,主要同過對得到的信號進行歸一化處理來完成預處理步驟。具體思想是將得到的一組時間間隔作為一個多維向量,通過歸一化處理,使向量的模值為1。 特征提取 提取穩

        26、定的、區分能力強的特征,即要求所提取的這些特征能使類內距離小,類間距離大。本文通過迭代計算數據中心點,比較相鄰中心點間歐式距離完成特征提取。 特征匹配 將待識別的特征與模板庫中的模板進行匹配,從而得到識別結果。本文通過待識別向量與已提取到的數據進行對比,即可完成識別。圖2.1 生物特征識別系統的組合模塊 注冊(enrollment)、身份驗證(verification)和身份辨識(identification)是一個生物特征識別系統的三種基本操作模式。但對于身份驗證和身份辨識兩種模式,很多系統僅僅包括其中之一8。 注冊模式指在進行驗證或辨識前,用戶的身份需要先注冊到生物識別系統中。首先系統接受

        27、用戶提供的人體生物信號及其個人的標識(如姓名、ID號等);然后對所獲取的人體生物信號進行預處理和特征提??;最后將提取的特征作為模板連同用戶的個人標識存儲到模板庫或卡中。 身份驗證這種模式需要用戶先聲明自己的身份,然后根據用戶的生物特征來完成匹配,即“一對一”匹配(1:1匹配)。首先系統接收用戶所提供的生物信號及個人的標識;然后對所獲取的用戶生物信號進行預處理和特征提??;最后根據用戶提供的個人標識,從數據庫庫中提出相應的生物特征,并將其與捕捉到的生物特征進行匹配,進而判斷匹配是否成功。 身份辨識是在事先完全不清楚用戶身份的條件下,根據用戶的生物特征來識別該用戶的身份,也被稱為“一對多”匹配(1:

        28、 N 匹配)。首先系統接受用戶提供的生物特征信號;然后對所獲取的用戶生物信號進行預處理和特征提取,并將提取的特征與系統數據庫中所有或者部分模板進行匹配;最后根據匹配結果得到最為相近的模板,則該模板對應的 ID 就是這個用戶的身份。 無論是“一對一”還是“一對多”匹配,衡量匹配成功率的標準都是很關鍵的。在生物特征識別技術中這一標準稱為識別率,而識別率主要又由兩種錯誤率來描述:拒真率(False Reject Rate,FRR)和認假率(False Accept Rate,FAR)。 在進行生物特征識別時,輸入的生物特征要與已注冊的生物特征進行不精確匹配。當匹配度大于某個閾值時,則該用戶就被當作是

        29、合法用戶而被接受;當匹配度小于某個閾值時,則該用戶就被當作是假冒者而被拒絕。拒真率是指系統將合法用戶當成假冒者而拒絕的概率;認假率是指將假冒者當成合法用戶而接受的概率。這兩種錯誤率可用下面的公式來計算8:式中,NAA 和 NIA 分別是合法用戶和假冒者分別嘗試的總次數;NFR和NFA 分別是錯誤拒絕(false rejection)和錯誤接受(false acceptance)的次數。當 FAR=FRR時,FAR(FRR)稱為等誤率(Equal Error Rate,EER)。拒真率和認假率這兩個錯誤率反映了一個生物特征識別系統兩個不同方面的特性:FAR 越低,假冒者被接受的可能性越低,從而系

        30、統的安全性越高;FRR 越低,合法用戶被拒絕的可能性越低,從而使得系統的易用性越好。對于任何一個生物特征識別系統來說,FAR 和 FRR 越小越好。但是,這兩個錯誤率是矛盾的,二者不能同時降低,其中任何一項的降低,必將引起另一項的升高。所以,應該根據不同的應用來折中調節 FAR 和 FRR:對于安全性要求較高的系統,如某些軍事系統中,安全最重要,因此應該降低 FAR;在對安全性要求不是很高的系統,如很多民用系統中,易用性很重要,這時應該相對降低 FRR。二、Winform簡介WinForm是Net開發平臺中對Windows Form的一種稱謂,以 .NET Framework 為基礎。為了符合

        31、本系統的開發要求,系統采用是微軟研發的軟件開發平臺,采用Winform技術進行系統編程工作,這項技術在實用性、適用性以及功能性上表現出了卓越的優勢,主要的表現以下幾個方面:控件靈活Windows窗體提供了一套豐富的控件,并且開發人員可以定義自己有特色的新的控件。WinForm控件是指以輸入或操作數據的對象。比如ComponentOne是.net平臺下對數據和方法的封裝。有自己的屬性和方法。屬性是控件數據的簡單訪問者。方法則是控件的一些簡單而可見的功能。包含在 .NET Framework 中的 Windows窗體類旨在用于 GUI 開發。您可以輕松創建具有適應多變的商業需求所需的靈活性的命令窗

        32、口、按鈕、菜單、工具欄和其他屏幕元素。數據管理Winform提供方便的數據顯示和操作:應用程序開發中最常見的情形之一是在窗體上顯示數據9。Windows窗體對數據庫處理提供全面支持??梢栽L問數據庫中的數據,并在窗體上顯示和操作數據。向導明確向用戶提供創建窗體、數據處理、打包和部署等的分布指導。簡單易學 Winform學習簡單,大多數軟件開發人員認為C#語言比其他的編碼語言更簡單,尤其是一些特別簡單易懂的表單和任務,非常容易上傳到客戶端,這將使網絡布線和站點配置提供了一個方便易用的界面接口。三、Microsoft SQL Server 2008簡介SQL Server 2008 數據庫技術是由微

        33、軟公司開發而成,該數據庫具有較高的數據處理能力和數據安全性,該版本的數據庫增加了快捷的功能設計和個性化的特征,是一款功能全面的數據庫,它有以下優點10: 保障數據安全 保障數據安全屬于 SQL Server 2008 最關鍵的一個性能指標,需要通過對系統數據流通、日志管理流通以及文件加密等保證數據的安全,系統管理員使用 SQL Server 2008 時,能夠使用多種途徑來訪問原有加密的文檔數據,而系統其他未授權的用戶不能訪問加密數據,從而避免數據被無意中泄漏出去。加強了數據的安全特性11。采用密碼和密鑰統一管理 系統中都會涉及到不同的用戶,根據用戶的性質和操作業務權限不同,需要在數據加密管理

        34、的一欄中增加不同等級的數據管理,以免用戶的繁雜導致數據信息的不安全,因此數據庫技術增加了用戶的第三方密鑰管理,提高了用戶對自身工作內容的數據進行妥善保護,為高校的數據安全性提供了多種有效的方法。 增強了數據庫鏡像功能 SQL Server 2008 版本在原有版本的基礎上取得更大的進步,同時改善了原有的鏡像功能,從而可以實現頁面數據的自動修復,當用戶發送修復請求,數據庫接收鏡像的出錯報告,對需要修復的數據進行快速和完整的拷貝,然后將修復的結果數據反饋到錯誤頁面中,用戶可以重新獲取需要修復的數據。 數據備份和壓縮在數據處理過程中,備份過程中,這樣不僅占用大量的磁盤空間,而且占用大量處理時間,為了

        35、解決這一問題,數據庫提供一個新功能,實現對數據的備份壓縮,減少數據占據的空間,以及提高數據備份過程中的時間和效率。 4、 模式識別及K-means算法簡介模式識別(Pattern Recognition),就是通過計算機用數學技術方法來研究模式的自動處理和判讀。我們把環境與客體統稱為模式。伴隨科學技術的發展,人類需要研究復雜的信息處理過程。信息處理過程的一個重要形式是生命體對環境及客體的識別。模式識別是指對表征事物或現象的各種形式的(數值的、文字的和邏輯關系的)信息進行處理和分析,以對事物或現象進行描述、辨認、分類和解釋的過程,是信息科學和人工智能的重要組成部分12。K均值算法是Lloyd于1

        36、957年首次提出的,在文獻13中,Lloyd首次將K均值算法應用到PCM系統中對信號進行了聚類,并提出了噪聲信號對聚類結果的影響。MacQueen于1967年給出了經典的K均值算法,在文獻14中,MacQueen給出了 K均值算法完整的理論,證明了該算法的收斂性,并介紹了 K均值算法的一些應用。K-means算法是一種硬聚類的算法,是典型的基于目標函數聚類的代表方法,以數據到原型的某種距離作為優化的目標函數,利用函數求極值的方法得到迭代運算的調整規則15。K-means算法以歐式距離作為相似度測度,它是求對應某一初始聚類中心向量V最優分類,使得評價指標J最小。算法采用誤差平方和準則函數作為聚類

        37、準則函數。在文獻16中,對經典K-means算法進行了介紹。算法的基本思想為:在n個數據對象中隨機選擇k個中心,集合中其他數據對象被劃分到與中心最近的數據集合中去,形成了 A個初始的數據集合。對于每個數據集合,計算新的中心,然后根據新的中心重新分配其他數據集合,這樣不斷迭代,直到所有的數據中心不再變化。該算法的具體步驟如下: 隨機選擇k個初始聚類中心C=c1,c2.ck; 如果s與聚類中心ci,之間的距離小于該對象到cj的距離,則將s劃分到聚類族中。,重新計算聚類族 Ci的中心:。重復步驟和步驟,直至聚類中心C不在變化。經典K均值算法的流程圖如圖2.2所示。圖2.2 經典K均值算法的流程圖本系

        38、統所使用的輸入特征提取算法是基于K-means算法的一種改進,K-means算法是將數據點進行聚類,得到多個聚類的中心。而本系統所使用的算法采用K-means算法的思想,將同一個人輸入的輸入特征當做一個類,通過迭代計算出該用戶的特征。第三章 系統的需求分析及設計第一節 系統的需求分析一、系統功能的需求分析本文所開發的生物特征識別系統是基于普通輸入設備(即鍵盤)采集到的用戶輸入特征(鍵入相同按鍵不同按鍵間時間間隔)實現的生物特征識別。為滿足系統的生物特征識別功能,系統的總體流程圖如圖3.1所示:圖3.1 系統總體流程圖通過對系統功能分析,用戶可使用系統錄入自己的生物特征、保存生物特征、刪除生物特

        39、征、與數據庫中特征進行匹配。根據分析畫出系統用例圖如圖3.2所示。 圖3.2系統用例圖 根據系統需求及功能分析,在系統實現過程中,可將生物特征識別系統的功能分為特征采集、數據歸一化處理、特征計算和特征計算四個模塊來實現。各模塊具體功能如下:1.特征采集模塊特征采集模塊主要負責對用戶輸入特征(即按鍵時間間隔)的采集。應具有以下功能:識別用戶輸入按鍵;存儲用戶個人標識(即姓名);提取用戶相鄰按鍵的時間間隔,并存儲,以便于下一步進行特征計算或特征匹配;對存儲情況,時間間隔提取情況有一定的回饋,在完成存儲或一次特征提取后提醒用戶程序進度。2.數據歸一化處理模塊數據歸一化處理模塊應具有如下功能:每次生物

        40、特征信息采集模塊完成數據采集后,將得到的數據進行歸一化處理并存儲;3.特征計算模塊特征計算模塊負責將已得到數據通過迭代計算提取出用戶輸入特征。應具有如下功能:系統可自動確定用戶需要輸入次數;系統可識別波動較大的數據,即在多次輸入后,一直無法取得要求的特征,系統提示輸入特征波動較大,無法完成特征提??;通過已得到數據可計算中心點,并與上次中心點進行對比,歐氏距離滿足要求則保存,否則繼續迭代計算。完成后反饋信息,特征提取成功或提取失敗。4.特征匹配模塊特征匹配模塊負責將待匹配用戶特征與數據庫中存儲特征對比,從而得出接受或拒絕的結論。具體功能如下:能將待匹配數據與數據庫中進行匹配,得出結論接受或拒絕;

        41、若接受,能實現對用戶身份的確認,輸出用戶姓名;二、系統功能的運行需求生物特征識別系統的開發環境:Windows 7 64位操作系統開發工具:Microsoft Visual Studio 2010旗艦版運行環境:WinXP/Win2003/Vista/Win7/Win8第二節 系統數據庫的分析與設計一、系統數據庫分析根據系統的功能需求分析,本論文提出了以下數據結構:用戶姓名:用于存儲用戶姓名,進行識別和存儲特征時使用;生物特征數據:主要用于存儲經計算后的用戶生物特征,即輸入特征,在設計上需用戶輸入biyesheji字符,設計bi、iy、ye、es、sh、he、ej、ji分別存儲相鄰按鍵時間間隔

        42、數據;二、系統數據庫設計由于本系統為一個生物特征識別系統,所以需要完成對生物特征的存儲,刪除等功能。設計數據庫存儲用戶的生物特征信息,具體如表3.1所示:表3.1 系統數據庫設計表字段類型說明nameVarchar(50)用戶姓名bifloatbi間時間間隔特征iyfloatiy間時間間隔特征yefloatye間時間間隔特征esfloates間時間間隔特征shfloatsh間時間間隔特征hefloathe間時間間隔特征ejfloatej間時間間隔特征jifloatji間時間間隔特征數據庫ER圖如圖3.3所示:圖3.3 系統數據庫ER圖第3節 系統功能模塊設計在系統的實際開發過程中,系統具體分為

        43、以下四個模塊來實現,具體模塊設計如下:一、特征采集模塊功能設計 特征采集模塊是采集生物信息的主體部分,該模塊主要功能是采集生物特征信息(即按鍵時間間隔),在本系統中,該模塊負責對用戶輸入特征(即按鍵時間間隔)的采集。其功能模塊圖如圖3.4所示:圖3.4 生物特征信息模塊功能模塊圖二、數據歸一化處理模塊功能設計數據歸一化處理模塊的主要功能是對所得數據進行預處理,為之后特征計算與特征匹配做準備,歸一化是一種簡化計算的方法,在模塊中,將波動較大特征信息數據歸一化為一個模為1的多維向量,在進行匹配或特征計算時,由于所有數據均為歸一化數據,故若兩多維向量的夾角或距離越小,則說明兩者越相近。該模塊主要為后

        44、面特征計算或匹配的數據進行預處理。其功能模塊圖如圖3.5所示:圖3.5 數據歸一化處理模塊功能模塊圖三、特征計算模塊功能設計特征計算模塊主要用于對歸一化得到的數據進行處理,通過迭代計算出用戶特征,特征計算模塊主要功能是通過對歸一化處理后的數據進行計算后,得到用戶的特征,其功能模塊圖如圖3.6所示:圖3.6 特征計算模塊功能模塊圖四、特征匹配模塊功能設計特征匹配模塊的主要功能是對待識別用戶輸入的信息進行提取及預處理,將歸一化后的數據提取特征,與數據庫中特征進行比對。特征匹配模塊是完成特征識別的核心模塊,主要負責完成特征識別。其功能模塊圖如圖3.7所示:圖3.7 特征匹配模塊功能模塊圖第四章 系統

        45、實現第一節 開發環境配置及工具使用1、 開發環境配置開發前需先將環境配置并安裝完成,先完成Microsoft Visual Studio2010安裝,之后配置為C#開發環境,如圖4.1和圖4.2所示:圖4.1 Microsoft Visual Studio 2010安裝圖4.2 配置環境為C#開發2、 開發工具系統前臺使用Visual Studio2010 開發工具,Winform技術開發,C#標準類庫,后臺使用 SQL Server2008 數據庫作為數據存儲。三、調試工具在使用C#語言及Winform進行編程的時候,如果程序有錯誤,編譯器會報錯,程序也不會執行,開發者可以根據錯誤信息deb

        46、ug,直至程序運行成功。在開發過程中,通過程序自帶調試功能進行程序調試,在程序調試過程中,注意添加各種重要變量的監視,通過監視變量,調試程序過程中判斷程序是否按要求執行,例如監視存儲原始數據采集情況(doubleArray1)、歸一化處理后得到的數據(doubleArray2)、存儲所有歸一化處理后的數據的List(itemcluster)、存儲計算所得中心的List(centerResult)等各種變量,如圖4.3所示:圖4.3 運行調試工具并監視重要變量第二節 各模塊功能的實現因各功能模塊代碼較多,部分是代碼是重復使用,所以本論文中會只選取各模塊中比較重要的代碼講解。一、特征采集模塊功能的

        47、實現特征采集模塊的時間間隔提取功能主要通過Winform中textBox控件中textBox_TextChanged事件及StopWatch類完成。StopWatch類是.NET Framwork中的一個類,該類提供了一組方法和屬性,可用于準確地測量運行時間。當textBox控件中內容發生變化時觸發textBox_TextChanged事件,在textBox_TextChanged事件中通過調用StopWatch中的方法實現提取按鍵時間間隔功能。生物特征提取模塊模塊的流程圖及運行效果如圖4.4和圖4.5所示:圖4.4 生物特征提取模塊流程圖運行效果圖:圖4.5 生物特征提取模塊運行效果圖在此模

        48、塊中通過設置textBox_TextChanged時間,調用Stopwatch 函數完成捕捉按時間間隔功能,部分代碼如下:#region/取時間間隔if (i doubleArray1.Length + 1) if (textBox1.Text = b) stopWatch.Start(); i+; else stopWatch.Stop(); textBox2.Text = (stopWatch.ElapsedMilliseconds).ToString(); doubleArray1m = stopWatch.ElapsedMilliseconds; m+; i+; stopWatch.R

        49、estart(); return; 二、數據歸一化處理模塊的實現系統中所使用的歸一化方法主要是使用向量歸一化處理的方法,將向量中各個數據均除以該向量的模,從而得到一個模值為一的向量,完成歸一化。數據歸一化處理模塊具體流程圖及實現情況如圖4.6和圖4.7所示,圖4.7中,doubleArry1和doubleArray2中分別存儲的是原始數據與歸一化處理后的數據。圖4.6 數據歸一化處理模塊流程圖運行效果圖:圖4.7 數據歸一化處理運行效果圖數據歸一化處理部分代碼如下: #region /數據歸一化處理 foreach (double key in doubleArray1) count += M

        50、ath.Pow(key, 2); sqrt = Math.Sqrt(count); for (j = 0; j doubleArray2.Length; j+) doubleArray2j = doubleArray1j / sqrt; #endregion三、特征計算模塊的實現特征計算模塊所用的特征計算算法是根據K-means聚類算法思路改進獲得的。在進行特征計算時,先計算所有數據的中心點,在算法中通過求平均獲得中心點,將此中心點與上一中心點對比,若相近則認為特征提取完成。在程序實際設計中預設用戶完成15次輸入后進行第一次特征計算,之后之后每輸入5次后重新計算,當所得特征間歐氏距離收斂切滿足

        51、預設閥值(很?。┮髣t完成特征提取。這種分多次計算特征的算法可以在保證提取特征的精確性的前提下讓用戶盡可能少的輸入。相比設定固定測量次數簡化了用戶的操作,同時體現了程序的智能。具體算法的可行性會在系統測試模塊進行分析。特征計算模塊流程圖及其運行效果如圖4.8和圖4.9所示:圖4.8 特征計算模塊流程圖運行效果圖:圖4.9 特征計算模塊運行效果圖特征計算模塊部分代碼如下所示:#region /計算中心,提取目標輸入特征if (n 15) /前15次不計算中心直存儲數據 for (i = 0; i doubleArray2.Length; i+) /前15次直接把doubleArray2中的數據存

        52、到itemcluster列表中 myKcenter.timedemo.Add(doubleArray2i); myKcenter.itemcluster.Add(myKcenter.timedemo); myKcenter.timedemo = new List(); /初始化else if (n % 5 = 0)/先是第15次,之后每5次之后重新計算中心 for (i = 0; i doubleArray2.Length; i+) myKcenter.timedemo.Add(doubleArray2i); myKcenter.itemcluster.Add(myKcenter.timede

        53、mo); myKcenter.timedemo = new List(); /初始化 myKcenter.Init(); /計算中心 myKcenter.NewItem(myKcenter.centerResulta); a+; textBox8.Text = a.ToString(); #region /初始化 textBox1.Clear(); /清空文本框 i = 0; j = 0; m = 0; doubleArray1 = new double8; doubleArray2 = new double8; count = 0; sqrt = 0; stopWatch.Reset();

        54、#endregion textBox3.Text = n.ToString(); /顯示測量次數 string demo = string.Format(第0次記錄完成,第1次中心計算完成!, n.ToString(), a.ToString(); textBox4.Text = demo; return; else for (i = 0; i doubleArray2.Length; i+) /15次之后非整五次 myKcenter.timedemo.Add(doubleArray2i); myKcenter.itemcluster.Add(myKcenter.timedemo); myKc

        55、enter.timedemo = new List(); /初始化 #endregion #region /初始化 textBox1.Clear(); i = 0; j = 0; m = 0; doubleArray1 = new double8; doubleArray2 = new double8; count = 0; sqrt = 0; stopWatch.Reset(); textBox3.Text = n.ToString(); /顯示測量次數 string test = string.Format(第0次記錄完成, n.ToString(); textBox4.Text = te

        56、st; if (n = 50) textBox4.Text = 50組數據已經存儲完成!但數據波動較大無法提取特征.ToString(); n = 0; return; #endregion 四、特征匹配模塊的實現在進行生物識別過程中,特征匹配模塊錄入十次目標輸入特征,通過數據預處理提取出十次輸入數據的中心點,通過所得中心點與數據庫中目標特征對比,完成特征匹配。若匹配成功則會反饋信息為匹配成功并輸出目標姓名,若匹配失敗則反饋信息為匹配失敗,請重新驗證。特征匹配模塊流程圖和運行效果圖如圖4.10,圖4.11和圖4.12所示,圖4.10 特征匹配模塊流程圖運行效果圖:圖4.11 特征匹配成功效果圖

        57、圖4.12 特征匹配失敗效果圖特征匹配模塊部分代碼如下:private void button3_Click(object sender, EventArgs e) if (myKcenter.Distance(myKcenter.check, myKcenter.center0) 0.19) string result = string.Format(匹配成功!匹配目標姓名為0。, name.ToString(); textBox9.Text = result; myKcenter.checkall = new ListList(); myKcenter.check = new List()

        58、; myKcenter.checkdemo = new List(); b = 0; m = 0; i = 0; else textBox9.Text = 匹配失敗,請重新驗證。.ToString(); myKcenter.check = new List(); myKcenter.checkall = new ListList(); myKcenter.checkdemo = new List(); b = 0; m = 0; i = 0; return;第3節 系統測試一、閥值選定測試 根據已完成的系統,通過更改閥值的設定,進而得到閥值與識別成功率,閥值與匹配正確率之間的關系,如圖5.13和圖5.14所示: 圖5.13 閥值與識別成功率關系圖 圖5.14 閥值與匹配正確率關系圖從圖表中可以較為清晰的看出,閥值與識別成功率成正比,與匹配正確率成反比。識別成功率與匹配正確率是相互影響的數據,若想要有較高的識別成功率,則必定要以犧牲匹配準確率為代價,反之亦然。所以在實際系統中設定閥值時,需綜合考慮識別成功率與匹配正確率間關系,選擇符合系統需求的閥值。二、根據按鍵間隔進行生物識別方法測試 為驗證根據按鍵時間間隔進行生物特征識別的可行性,對程序進行測試。若不同人在相同相鄰按鍵間時間間隔差距較大,則說明該方式可行;反之不可行。圖5.15和圖5.16

        展開閱讀全文
        溫馨提示:
        1: 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
        2: 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
        3.本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
        4. 未經權益所有人同意不得將文件中的內容挪作商業或盈利用途。
        5. 人人文庫網僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
        6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
        7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
        關于我們 - 網站聲明 - 網站地圖 - 資源地圖 - 友情鏈接 - 網站客服 - 聯系我們

        網站客服QQ:2846424093或766697812

        copyright@ 2020-2023  zhuangpeitu.com 裝配圖網版權所有   聯系電話:0512-65154990  

        備案號:蘇ICP備12009002號-6   經營許可證:蘇B2-20200052  蘇公網安備:32050602011098


        本站為文檔C2C交易模式,即用戶上傳的文檔直接被用戶下載,本站只是中間服務平臺,本站所有文檔下載所得的收益歸上傳人(含作者)所有。裝配圖網僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對上載內容本身不做任何修改或編輯。若文檔所含內容侵犯了您的版權或隱私,請立即通知裝配圖網,我們立即給予刪除!

        特级毛片a片全部免费播,特级毛片a片全部免费观看,特级毛片免费无码不卡观看,特级全黄a片高清视频

      2. <em id="ckkcl"></em>
        1. <dd id="ckkcl"></dd>

          1. <tbody id="ckkcl"></tbody>
            <ol id="ckkcl"><object id="ckkcl"><blockquote id="ckkcl"></blockquote></object></ol>