導(dǎo)語：如何才能寫好一篇特別的人，這就需要搜集整理更多的資料和文獻(xiàn)，歡迎閱讀由公務(wù)員之家整理的十篇范文，供你借鑒。

篇1

您就在樓下看電視，我卻要寫信給您，是因?yàn)槲矣泻枚嘣捯獙?duì)您說。

爸爸，除了感激的話之外，我現(xiàn)在最想對(duì)您說：我們沒有搬進(jìn)新房子之前的日子真的很美。

那時(shí)，我們的家很普通，是寬寬的平房，里面陳設(shè)很簡單，只有一個(gè)浴室，每天為了洗澡，大家爭來爭去，常常會(huì)鬧出笑話，沒有辦法，只好劃拳來決定誰先洗，多有意思啊！

每天吃完飯，大家聚在一起看電視，看到有意思的地方，你一言我一語，各說各的想法，笑聲總是不斷地從窗口飛出去，引來路人羨慕的眼光。

那個(gè)小小的院子里，可以種點(diǎn)兒菜和花，我們放學(xué)回來，幫忙澆澆水，看到蔬菜花草每天不同的樣子，我們都很開心。餐桌上經(jīng)常會(huì)有我們親手種出的青菜，那味道別提多香了！

現(xiàn)在，我們搬進(jìn)了高大明亮的四層樓房里，這是您和媽媽辛辛苦苦掙來的。新房子固然更加舒適，可是溫馨和快樂卻沒有了。每天吃完飯，大家各自散去，回到自己的房間看電視。時(shí)間久了，溝通少了

篇2

他，一個(gè)普普通通的鞋匠。一生總能遇見許許多多的人，并不是每個(gè)你都能記得，只有他，我記憶猶新。

寒冬的一天，我書包的拉鏈壞了，從家里拿了三塊錢放入口袋中。終于走到了孟莊市場的修理鋪，我剛進(jìn)去，一位老師傅就熱情地問我：‘‘小朋友，你要修什么？’’我說：‘‘我書包的拉鏈壞了，您這能修嗎？’’老師傅點(diǎn)了點(diǎn)頭，接過書包開始修。

他的手十分靈巧，先將舊拉鏈拆開，拿出兩個(gè)新的拉鏈安上，他靈巧的手就像兩個(gè)美麗的花蝴蝶在花叢中翩翩起舞。修好了，我問老師傅：‘‘師傅，多少錢？’’‘‘兩元?！蠋煾嫡f。我一摸口袋，兩塊錢消失不見了，只看見一個(gè)大窟窿，我說：‘‘師傅，我錢丟了，您在這等著，我二十分鐘回來?！蠋煾嫡f：‘不用了，天這么冷，趕緊回家唄?！?/p>

他真是一個(gè)特別的人。

篇3

團(tuán)隊(duì)力量點(diǎn)燃服務(wù)激情

當(dāng)你面對(duì)一個(gè)充滿熱情，團(tuán)結(jié)互助，目標(biāo)一致的和諧團(tuán)隊(duì)時(shí)，你不禁會(huì)被他們的每一個(gè)微笑感染，他們的快樂和力量來自于他們的團(tuán)隊(duì)――每天朝夕相處的速8中國的姐妹兄弟，一支可以點(diǎn)燃所有成員服務(wù)激情的隊(duì)伍。

二單元的主管趙俊英被隊(duì)員們親切的稱呼為趙姐，她在完成本職工作的同時(shí)還像母親一樣關(guān)心身邊的志愿者大學(xué)生，在她的感召下越來越多的隊(duì)員增強(qiáng)了崗位責(zé)任心，并且互幫互助，團(tuán)結(jié)一心。C5團(tuán)隊(duì)47位伙伴在8月8日，這個(gè)特別時(shí)刻悄悄為他們喜歡的沈樓長準(zhǔn)備了一個(gè)簡單卻充滿感動(dòng)的生日會(huì)，隊(duì)員們親手制作的蛋糕和禮物讓樓長倍感驚喜和激動(dòng)。隊(duì)員間就是這樣相互關(guān)懷，彼此間的溫暖力量為優(yōu)質(zhì)服務(wù)提供了原動(dòng)力。

悉心服務(wù)詮釋奧運(yùn)真情

如果說奧運(yùn)會(huì)是強(qiáng)者競技的舞臺(tái)，那么為之付出汗水的人們則是在用服務(wù)闡述奧運(yùn)會(huì)的另一精神境界。速8中國團(tuán)隊(duì)用精心的服務(wù)和全心的投入講述著與奧運(yùn)家人的故事。

盧森堡團(tuán)長助理一句無意的話：團(tuán)長年紀(jì)大腰不好，讓C8樓的唐樓長銘記在心，并且默默地在有限的條件下為他換置較軟的床墊和被墊，直到他滿意為止，此舉讓老團(tuán)長感動(dòng)不已，然而唐樓長只是簡單一笑，對(duì)于他來說這只是一件應(yīng)該做到的小事。在奧運(yùn)村，運(yùn)動(dòng)員不慎遺失手機(jī)和財(cái)物的事也會(huì)偶然發(fā)生，隊(duì)員們在得知后都會(huì)盡其所能地幫助尋找，即使困難重重，也不放棄任何機(jī)會(huì)，最終會(huì)將原物完好的放在運(yùn)動(dòng)員們的手中，然而當(dāng)他們用小費(fèi)作為表達(dá)謝意的方式時(shí)，隊(duì)員們都會(huì)婉言謝絕，因?yàn)樗麄兌?，自己的悉心服?wù)才能讓家人感受到團(tuán)隊(duì)的誠摯真情。

誠摯的愛延續(xù)奧運(yùn)溫情

特別的愛送給特別的奧運(yùn)家人，也正是這份來自速8中國管理團(tuán)隊(duì)的愛繼續(xù)著奧運(yùn)服務(wù)的溫情篇章。作為奧運(yùn)村管家，速8中國團(tuán)隊(duì)竭盡所能為他們提供最為真摯的款待，用服務(wù)的語言表達(dá)中國的文化，表現(xiàn)東方的魅力。

8月6日下午，住宿團(tuán)隊(duì)執(zhí)行副總經(jīng)理房國凡先生拜訪了圣多美和普林西比代表團(tuán)團(tuán)長Maria Lourdes女士。這是速8中國自7月26日以來拜訪的第12個(gè)代表團(tuán)。團(tuán)長女士在對(duì)C區(qū)住宿服務(wù)表達(dá)了高度評(píng)價(jià)后，與房總互贈(zèng)禮物，一個(gè)由團(tuán)長女士親手縫制的充滿東方風(fēng)情的布娃娃和象征中國傳統(tǒng)藝術(shù)的京劇臉譜讓中圣友誼在此刻交融。

篇4

汪建成：從宏觀來看，未成年人犯罪呈現(xiàn)出手段暴力化、主體低齡化、財(cái)產(chǎn)犯罪比例上升，并且在組織形式上呈現(xiàn)出日趨團(tuán)伙化的趨勢。

具體到未成年人在娛樂場所的犯罪而言，首先，犯罪行為類型及其牽涉到的罪名主要為尋釁滋事、聚眾斗毆、詐騙、搶劫、、非法拘禁、故意傷害等罪名。而這其中又表現(xiàn)出聚眾犯罪的傾向。其次，涉案的未成年人絕大多數(shù)處于失學(xué)、失管狀態(tài)，社會(huì)閑散人員和農(nóng)村籍未成年人比例較大，這些未成年人中有不良行為者居多。另外，部分未成年人進(jìn)入娛樂場所務(wù)工或兼職，但對(duì)于娛樂場所的性質(zhì)和危害認(rèn)識(shí)不足，在從眾心理和經(jīng)濟(jì)誘惑影響下，容易在同學(xué)、朋友等朋輩群體中引起連鎖反應(yīng)，競相效仿，形成“亞文化”群體。

《檢察風(fēng)云》：未成年人對(duì)于事物的認(rèn)識(shí)能力有限，面對(duì)誘惑和不良影響時(shí)的意志也較為薄弱，這些都是未成年人容易失足的主觀原因。那您認(rèn)為未成年人犯罪背后是否還存在更深層的社會(huì)原因？

汪建成：我認(rèn)為對(duì)未成年人犯罪社會(huì)成因的分析應(yīng)該區(qū)分兩個(gè)群體各自加以討論。

對(duì)于處在正常成長環(huán)境和教育環(huán)境的未成年人來說，國民基本素質(zhì)教育的缺乏是導(dǎo)致其面對(duì)復(fù)雜的社會(huì)現(xiàn)象和不良影響時(shí)應(yīng)對(duì)能力不足的原因。目前我國的教育系統(tǒng)在未成年人思想品德的培養(yǎng)上偏重抽象、空泛的理想教育、政治教育，而一些諸如公民責(zé)任意識(shí)、安全意識(shí)、合作意識(shí)以及預(yù)防突況的應(yīng)對(duì)常識(shí)等國民基本素質(zhì)教育長期處于被忽視的地位。這導(dǎo)致了未成年人在初涉社會(huì)時(shí)欠缺足夠的判別是非和保護(hù)自我的能力，因而增加了其實(shí)施犯罪行為的風(fēng)險(xiǎn)。而對(duì)于具有不良行為或者已經(jīng)涉嫌犯罪的未成年人，盡管我國早已在立法上出于保護(hù)未成年人健康成長的考慮而確立了教育感化為主的方針，但社會(huì)各界對(duì)待未成年人犯罪的心態(tài)和觀念卻遠(yuǎn)遠(yuǎn)落后于立法的變化。在未成年人犯罪問題上，法律的規(guī)范作用僅僅是一個(gè)方面，而另一方面，社會(huì)對(duì)此類犯罪所持的不寬容態(tài)度，也容易導(dǎo)致諸如標(biāo)簽化等社會(huì)問題，從而使得涉罪未成年人重新融入社會(huì)的過程受到阻礙。這種立法與社會(huì)觀念之間所存在的究竟以感化為主還是懲罰為主的沖突，表明在妥善解決未成年人犯罪問題上還有待社會(huì)心態(tài)的寬容和觀念的更新。

《檢察風(fēng)云》：未成年人犯罪不僅在我國是一個(gè)有待破解的難題，而且在世界范圍內(nèi)都普遍存在。您是否可以結(jié)合國際社會(huì)的實(shí)踐經(jīng)驗(yàn)來談?wù)勑滦抻喌男淘V法中的相關(guān)規(guī)定？

汪建成：事實(shí)上，早在1985年中國就作為發(fā)起國和締約國促成了《聯(lián)合國少年司法最低限度標(biāo)準(zhǔn)規(guī)則》，并因其1984年于北京召開的“青少年犯罪與司法”專題專家會(huì)議上經(jīng)討論、修改而定稿，故又稱《北京規(guī)則》?！侗本┮?guī)則》的宗旨，要求會(huì)員國采取的社會(huì)改革應(yīng)努力促進(jìn)少年的福利，盡量減少司法干預(yù)，對(duì)觸犯法律的少年給予有效、公平、合乎人道的處理，既保護(hù)青少年的健康成長，又維護(hù)社會(huì)的安寧秩序。該規(guī)則的制定本身就集中了各國青少年立法的成功經(jīng)驗(yàn)，因而受到國際社會(huì)的廣泛重視和支持，對(duì)促進(jìn)會(huì)員國建立和健全少年司法制度做出了重要貢獻(xiàn)。

我國新修訂的刑訴法中專門規(guī)定了未成年人犯罪訴訟程序，這是我國未成年人刑事司法制度史上的一個(gè)重大里程碑，彰顯了國家對(duì)未成年人犯罪問題的重視以及對(duì)未成年罪犯進(jìn)行“教育、感化、挽救和改造”的方針。然而，對(duì)比《北京規(guī)則》，我們依然要承認(rèn)目前的立法成果與公約的要求存在差距。

例如，這次修訂中確立的犯罪記錄封存制度就還有改進(jìn)的空間。誠然，犯罪記錄封存制度為消除未成年人前科記錄的不利后果奠定了基礎(chǔ)，是刑事訴訟法在未成年人犯罪領(lǐng)域的一次進(jìn)步。但同樣不應(yīng)忽視，“前科封存制度”并不等同于“前科消滅制度”，后者的重點(diǎn)在于“消滅”，即在一定情況下，將未成年人犯罪記錄予以銷毀。如此，被國家審判機(jī)關(guān)依法宣告有罪或者判處刑罰的法律事實(shí)不再存在?！侗本┮?guī)則》第19條和第21條均確立了未成年人犯罪的“前科消滅制度”。這一處置將產(chǎn)生多重后果：

一是刑事法上的效果，即在實(shí)體法上不能構(gòu)成累犯、可以適用緩刑、保釋；訴訟法上不得作為較輕的程序處置的障礙，且不得將其作為品格證據(jù)在法庭上出示等；二是其他法律上的效果，即未成年人不承擔(dān)因前科造成的民法、行政法上的資格喪失，在就業(yè)、學(xué)習(xí)等方面也不受歧視等。

目前，犯罪記錄封存制度的規(guī)定不僅與國際公約的規(guī)定存在相當(dāng)大的差距，而且與我國現(xiàn)行的有關(guān)未成年人犯罪司法中的一些規(guī)定及司法實(shí)踐中的一些改革成果也有一定距離。

從犯罪記錄封存的角度看，在本次修訂中將其限定在被判五年以下有期徒刑的范圍也過于狹窄。未成年人的犯罪記錄封存的價(jià)值是保護(hù)未成年人的名譽(yù)、促進(jìn)其盡快回歸社會(huì)，并免受因已經(jīng)接受過懲罰的犯罪行為再次受到社會(huì)的歧視。在決定是否封存時(shí)，未成年人的利益始終是價(jià)值衡量中需要考慮的首要因素，這也是國際公約關(guān)于未成年人利益最大化原則的要求。與此相比，未成年人已然犯罪的危害程度或其人身危險(xiǎn)性并不是這一制度的主要考慮因素。也就是說，并不因?yàn)槲闯赡耆吮慌懈氐男塘P，其犯罪記錄就更有被公開的理由。正因?yàn)槿绱?，無論是國際公約還是其他國家的立法例，都沒有在未成年人犯罪記錄的封存上，作輕罪和重罪的區(qū)分。

《檢察風(fēng)云》：您對(duì)于未成年人的司法保護(hù)有什么期待和建議嗎？

汪建成：對(duì)未成年人的司法保護(hù)應(yīng)該予以重視并落到實(shí)處，從司法制度的角度來說，未成年人犯罪特別訴訟程序領(lǐng)域或許可以成為我國司法文明和進(jìn)步的突破口。例如可以先在未成年人犯罪案件中試行律師訊問在場制度。

篇5

1、人聲鼎沸：形容人聲喧鬧。鼎，古代的一種銅鑄的鍋，一般是三足兩耳。沸，開水。鼎沸，本意是鍋中的水燒開了，發(fā)出聲響，現(xiàn)指人群的聲音吵吵嚷嚷，就像煮開了鍋。

2、觀者如市：形容觀看的人多。

3、比肩迭跡：肩膀相靠，足跡相迭。形容人多。

4、人頭攢動(dòng)：人很多，擁擠著移動(dòng)。一般用于形容某些地方人口密度較大，程度不如人山人海高。

5、前呼后擁：前面有人吆喝開路，后面有人簇?fù)碜o(hù)衛(wèi)。多形容舊時(shí)官吏出巡時(shí)的聲勢。

6、車水馬龍：車像流水，馬像游龍。形容來往車馬很多，連續(xù)不斷的熱鬧情景。

7、接踵而來：指人們前腳跟著后腳，接連不斷地來。形容來者很多，絡(luò)繹不絕。

8、人山人海：人群如山似海。形容人聚集得非常多。

9、人來人往：人來來往往連續(xù)不斷。也形容忙于應(yīng)酬。

10、水泄不通：形容擁擠或包圍得非常嚴(yán)密。

11、千軍萬馬：形容兵馬很多或聲勢浩大。

12、萬人空巷：本指家家戶戶的人都奔向一個(gè)地方；以致住宅空蕩蕩的。形容轟動(dòng)一時(shí)的盛況。多用來形容慶祝、歡迎的盛況或新奇事物轟動(dòng)居民的情景。

13、絡(luò)繹不絕：絕，斷。絡(luò)繹，前后相接，連續(xù)不斷。()形容車船人馬等前后相接，往來不斷。

14、川流不息：川：河流、小溪。息：停止，停下。形容人、車馬等像水流一樣來來往往、連續(xù)不斷。

15、濟(jì)濟(jì)一堂：濟(jì)濟(jì)：人多的樣子；堂：大廳。濟(jì)濟(jì)：形容人多。形容很多有才能的人聚集在一起。

16、門庭若市：門：宮門，家門；庭：朝廷，庭院；若：好像；市：集市，市場。門口和庭院里熱鬧得像市場一樣。形容交際來往的人很多。

17、比肩繼踵：挨著；踵：腳跟。肩挨著肩，腳跟著腳。形容人很多，很擁擠。

18、戶限為穿：戶限：門檻；為：被。門檻都踩破了。形容進(jìn)出的人很多。

篇6

2、然后選擇你的QQ空間圖標(biāo)，點(diǎn)擊進(jìn)入，最新版QQ在最上面。

3、進(jìn)入QQ空間后最左邊可以找到特別關(guān)心字樣，點(diǎn)擊進(jìn)入。

4、然后可以在最右邊查看到你的特別關(guān)心人數(shù)，這里可以點(diǎn)擊分享。

篇7

關(guān)鍵詞：關(guān)鍵點(diǎn)檢測； 梯度位置朝向直方圖； 人體行為識(shí)別； 支持向量機(jī)

中圖分類號(hào)：TN91134文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1004373X(2012)06011904

Human action recognition algorithm based on gradient feature description for interest points

FAN YinDi

(Shannxi College of Communication Technology, Xi’an, 710014, China)

Abstract： A scheme of new human action recognition is presented and its algorithm is performed. The interest points in video sequence are extracted through Gaussian filtering in space of video sequence and Gabor filtering in time axis. The GLOH (gradient location orientation histogram) is adopted to describe the features of the threshold 20×20 region at each interest pointe. The described sequence may feature the video sequence. Comparing with other human action recognition algorithms, only by establishing a single support vector classifier can the algorithm realize the high recognition rate, that is, it need not label the given feature region and use the classification algorithm which wastes time. The algorithm is simple and efficient.

Keywords： detection at interest point; GLOH; human action recognition; SVM

收稿日期：201110260引言

基于視覺人體運(yùn)動(dòng)的分析在智能監(jiān)控、高級(jí)人機(jī)交互、虛擬現(xiàn)實(shí)和基于內(nèi)容的視頻檢索分析等方面有廣泛的應(yīng)用前景和潛在的經(jīng)濟(jì)價(jià)值，已經(jīng)成為計(jì)算機(jī)領(lǐng)域中備受關(guān)注的研究方向［1］。行為識(shí)別可以看作是在空間中時(shí)變數(shù)據(jù)的分類問題，即將測試序列和標(biāo)記的典型行為的參考序列進(jìn)行相似性度量，但是人體運(yùn)動(dòng)同一行為速度、方向和尺度有可能有變化，好的算法應(yīng)該能處理相似行為模式在時(shí)空中的微小變化。從對(duì)人體行為的特征選取，人體行為識(shí)別方法可分為2方面：結(jié)構(gòu)化的數(shù)據(jù)特征（如人體的輪廓序列，人體的軀干分布和人體的局部區(qū)域的時(shí)間特征）和非結(jié)構(gòu)化的數(shù)據(jù)特征（如圖像人體區(qū)域的角點(diǎn)檢測、行為序列的關(guān)鍵點(diǎn)檢測）［2］。從這兩方面看，前者多借助于圖像圖形處理的方法，而后者多借助于原始信號(hào)處理的方法。本文采用非結(jié)構(gòu)化的數(shù)據(jù)特征，原因在于其關(guān)鍵點(diǎn)檢測沒有像圖像圖形處理那么復(fù)雜。

用時(shí)空關(guān)鍵點(diǎn)表征視頻序列，在研究初期存在許多對(duì)靜態(tài)圖像的關(guān)鍵點(diǎn)提取［3］，對(duì)在視頻中的時(shí)空關(guān)鍵點(diǎn)檢測較少。直到2005年Laptev等人提出基于Harris and Frstner興趣點(diǎn)算子的時(shí)空關(guān)鍵點(diǎn)檢測器［4］，雖然這種方法檢測到一些時(shí)空關(guān)鍵點(diǎn)，但是只產(chǎn)生了少數(shù)穩(wěn)定的關(guān)鍵點(diǎn)不足以描述復(fù)雜視頻序列的特征。同時(shí)Dollár等人提出一種基于分離線性濾波器集合的時(shí)空關(guān)鍵點(diǎn)檢測器［5］，這種方法不僅使得人體局部區(qū)域表征人體復(fù)雜的運(yùn)動(dòng)模式，而且在關(guān)鍵點(diǎn)的臨近視頻塊中可以生成大量的描述子。Ke等人提出了時(shí)空測定體積的特征掃描視頻序列，這種方法通過運(yùn)動(dòng)矢量檢測關(guān)鍵點(diǎn)，而運(yùn)動(dòng)矢量需要對(duì)光流密集的估計(jì)，計(jì)算量大不能滿足通用的實(shí)時(shí)性［6］。Oikonomopoulos等人把在空間圖像上的特征區(qū)域擴(kuò)展到時(shí)空情景中，2個(gè)時(shí)空特征點(diǎn)集通過chamfer距離比較，得到較好的實(shí)驗(yàn)結(jié)果［78］。由上文可知基于分離線性濾波器集合的時(shí)空關(guān)鍵點(diǎn)檢測器，具有描述復(fù)雜人體行為的模式的優(yōu)勢和產(chǎn)生豐富的特征描述子的特性，在最近的研究得到了進(jìn)一步的擴(kuò)展應(yīng)用。文獻(xiàn)［6，8］中，利用分離線性濾波器集合得到關(guān)鍵點(diǎn)，獲取關(guān)鍵點(diǎn)區(qū)域的梯度信息，然后在區(qū)域的立方體中獲得特征描述，再將這些立方體中的特征聚類，使用SVM(Support Vector Machine)或LDA（Latent Dirichlet Allocation）進(jìn)行分類得到較好的人體行為分類結(jié)果。但是文獻(xiàn)［6］特征學(xué)習(xí)需要關(guān)鍵點(diǎn)的標(biāo)記，文獻(xiàn)［8］中運(yùn)用的聚類算法對(duì)多類人體行為非常耗時(shí)。

1本文算法介紹

本文實(shí)現(xiàn)了一種新的簡單有效的人體行為識(shí)別算法，不需要預(yù)先標(biāo)記特定的特征區(qū)域，也不需要比較耗時(shí)的聚類算法預(yù)分類。首先使用分離線性濾波器將視頻序列中的人體行為運(yùn)動(dòng)劇烈的關(guān)鍵點(diǎn)提取出來，然后在這些關(guān)鍵點(diǎn)的20×20的區(qū)域中使用梯度位置朝向直方圖進(jìn)行描述，描述序列可以構(gòu)成描述一種行為的特征向量，使用基于核函數(shù)的SVM多分類器，取得良好的識(shí)別結(jié)果。算法流程如圖1所示。

圖1算法流程圖2視頻序列中人體行為關(guān)鍵點(diǎn)檢測

關(guān)鍵點(diǎn)的檢測最初是用于圖像的匹配，而且隨后發(fā)展成為圖像匹配一種主要的方法。但是對(duì)靜態(tài)圖像的關(guān)鍵點(diǎn)的檢測與對(duì)視頻序列的關(guān)鍵點(diǎn)檢測有很大區(qū)別。前者只是檢測靜態(tài)圖像的邊緣和角點(diǎn)，反映靜態(tài)圖像中不確定目標(biāo)對(duì)象的關(guān)鍵點(diǎn)（如SIFT,Scale Invariant Feature Transform），而后者檢測的是視頻序列中確定人體行為的運(yùn)動(dòng)關(guān)鍵點(diǎn)。本文應(yīng)用的是分離線性濾波器對(duì)視頻序列的人體行為進(jìn)行檢測。分離線性濾波器本質(zhì)是多個(gè)濾波器聯(lián)合處理相關(guān)數(shù)據(jù)信息。對(duì)于視頻序列的人體行為，可以用多各不同尺度高斯濾波來處理視頻序列每一幀圖像，即所謂的空間信息濾波，用Gabor濾波來處理空間相同位置時(shí)間不同的視頻數(shù)據(jù)信息。本文所用的高斯濾波函數(shù)為：g(x,y;σ)=12πσ2e［－(x2+y2)/2σ2］（1）式中：(x,y)為視頻圖像空間的坐標(biāo)；σ為高斯濾波的尺度。在時(shí)間上的濾波函數(shù)用一維Gabor正交對(duì)函數(shù)：hev(t;τ)=－cos(8πt/τ)e－t2/τ2 （2）

hod(t;τ)=－sin(8πt/τ)e－t2/τ2（3）式中：t為時(shí)間的維數(shù)；τ為Gabor濾波的尺度。分離線性濾波器對(duì)視頻數(shù)據(jù)處理會(huì)得到輸出響應(yīng)，響應(yīng)函數(shù)：R=(I*g*hev)2+(I*g*hod)2（4）對(duì)于視頻片段取固定的空間濾波尺度和時(shí)間濾波尺度，每個(gè)幀圖像的每個(gè)像素點(diǎn)都會(huì)得到輸出響應(yīng)，為了簡便取每一幀最大的輸出響應(yīng)為關(guān)鍵點(diǎn)的所在位置。那么這樣是否能表征人體行為的特征，在Weizmann行為數(shù)據(jù)庫中以shahar的10種行為視頻作為檢測對(duì)象。這十種行為是:彎腰、四肢伸展跳躍、跳躍前行、原地跳躍、跑、側(cè)行、單腿跳行、走、單臂揮動(dòng)、雙臂揮動(dòng)。如圖2所示，圖中的白點(diǎn)為檢測到的關(guān)鍵點(diǎn)，實(shí)驗(yàn)時(shí)把視頻片段的所有幀關(guān)鍵點(diǎn)疊加到一幀圖像中，可以看到有非常明顯的行為模式，但是有的關(guān)鍵點(diǎn)檢測到人體運(yùn)動(dòng)范圍以外，統(tǒng)計(jì)得到這部分點(diǎn)不到5%不影響整體行為模式的表達(dá)。

圖2人體動(dòng)作關(guān)鍵點(diǎn)檢測3關(guān)鍵點(diǎn)區(qū)域梯度特征描述

在檢測確定人體行為的關(guān)鍵點(diǎn)后，近一步需要確定人體行為特征向量。特征向量的提取主要分為2個(gè)步驟：人體圖像幀關(guān)鍵點(diǎn)區(qū)域梯度位置朝向直方圖的獲??；特征向量的選擇和歸一化處理。

獲得梯度位置朝向直方圖，首先要計(jì)算圖像關(guān)鍵點(diǎn)及其領(lǐng)域的像素點(diǎn)的梯度。圖像的梯度可使用2個(gè)濾波器(-1,0,1)和(-1,0,1)T對(duì)圖像進(jìn)行水平和垂直方向進(jìn)行濾波,獲得水平和垂直方向的梯度。由于人體運(yùn)動(dòng)狀態(tài)時(shí)刻變化，所以圖像幀容易受到噪聲的影響。在進(jìn)行梯度計(jì)算時(shí)首先要做相關(guān)的平滑處理，而進(jìn)行關(guān)鍵點(diǎn)檢測時(shí)空間濾波使用高斯濾波本身就相當(dāng)于給圖像幀做平滑處理，這里直接應(yīng)用即可。根據(jù)圖像各點(diǎn)在水平和垂直方向上的梯度值Dxi和Dyi,計(jì)算出各點(diǎn)梯度的幅值Mi和方向θi。Mi=D2xi+D2yi （5）

θi=tan－1(Dyi/Dxi)（6）考慮到視頻圖像中人體行為有效梯度信息都集中在人體運(yùn)動(dòng)最劇烈的像素附近,關(guān)鍵點(diǎn)區(qū)域可能完全落在人體運(yùn)動(dòng)區(qū)域外沒有意義的區(qū)域。因此,為降低局部噪聲的影響,去除關(guān)鍵點(diǎn)區(qū)域圖像局部細(xì)小的波動(dòng)特征,需要對(duì)梯度的幅值進(jìn)行限定。為計(jì)算梯度朝向直方圖,圖像中梯度的方向角也被歸并為8個(gè)方向。

得到關(guān)鍵點(diǎn)區(qū)域梯度后，假設(shè)一個(gè)序列長度l， 可以確定l各區(qū)域。使用區(qū)域內(nèi)各點(diǎn)的梯度作為權(quán)向量，計(jì)算各區(qū)域內(nèi)不同梯度朝向的直方圖Hk：Hk=∪j=1,2,…,8∑j,i∈QlMi （7）式中：l為關(guān)鍵點(diǎn)區(qū)域的數(shù)目；Ql表示第l各區(qū)域內(nèi)所有的像素點(diǎn)；j為并歸后當(dāng)前梯度方向。

最后將各個(gè)視頻圖像幀人體行為區(qū)域的梯度朝向加權(quán)直方圖進(jìn)行歸一化處理，通過各個(gè)值除以直方圖的最大值，映射到［0,1］區(qū)間內(nèi)作為該區(qū)域的特征向量。整個(gè)人體行為可以用序列各關(guān)鍵點(diǎn)區(qū)域特征聯(lián)合描述。為保留行為的空間和時(shí)間信息，將各個(gè)區(qū)域的特征向量按固定順序排列成一個(gè)行向量:D=［H1,H2,…,Hl］（8）描述整個(gè)人體行為的特征向量的維數(shù)為l×N,N為梯度朝向的歸并數(shù)目［9］。

4人體行為的多類識(shí)別

支持向量機(jī)具有完美的數(shù)學(xué)形式、直觀的幾何解釋和良好的泛化能力，解決了模型選擇與欠學(xué)習(xí)、過學(xué)習(xí)問題以及非線性問題，避免了局部最優(yōu)解，有效地克服了“維數(shù)災(zāi)難”，且人為設(shè)定參數(shù)少，便于使用，已經(jīng)成功的應(yīng)用于許多分類、識(shí)別和回歸問題［1011］。設(shè)給定樣本集xi∈Rn，輸出分類結(jié)果yi∈{－1,1}，i=1,2,…,l和核函數(shù)K(xi,xj)。K對(duì)應(yīng)特征空間Z中的內(nèi)積，即φ(xi),φ(xj)=K(xi,xj)。變化φ:x－>Z將樣本從輸入空間映射到特征空間。設(shè)計(jì)基于SVM的分類器就是在Z中尋找一定意義下的最優(yōu)超平面w,φ(x)－b=0。具體來說就是樣本集在Z中線性可分，使得分類間隔最大，求條件：yi(w,φ(xi)－b)≥1,i=1,2…,l時(shí)下式的解：minw,b,ξ12w2（9）當(dāng)樣本在Z中線性不可分時(shí)，使分類間隔和分類錯(cuò)誤達(dá)到某種折中。求條件：yi(－b)≥1－ξi，ξi≥0,i=1,2…,l時(shí)下式的解：minw,b,ξ12||w||2+C∑li=1ξI（10）式中：ξi為松弛變量；C為正則化參數(shù)。本文中取核函數(shù)為高斯徑向基函數(shù)：K(xi,xj)=exp(xi－xj2/σ2)（11）以上針對(duì)2類的分類過程，要實(shí)現(xiàn)多類人體行為的分類，需要構(gòu)建基于SVM的多分類器。構(gòu)造若干個(gè)SVM二值分類器是解決多值分類的最基本的方法，這類方法目前主要有2種分支算法，1對(duì)多（oneagainstrest，簡稱1ar）算法和1對(duì)1(oneagainstone，簡稱1a1)算法。1ar算法定義：對(duì)于N類問題，構(gòu)造N個(gè)2類分類器，第i個(gè)分類器用第i類訓(xùn)練樣本作為正的訓(xùn)練樣本，將其他類的訓(xùn)練樣本作為負(fù)的訓(xùn)練樣本，此時(shí)分類器的判決函數(shù)不取符號(hào)函數(shù)，最后的輸出是N個(gè)2類分類器輸出中最大的那一類。本文實(shí)驗(yàn)就是基于此方法構(gòu)建的SVM的人體行為分類器。

5實(shí)驗(yàn)結(jié)果分析

本文實(shí)驗(yàn)使用Weizmann行為數(shù)據(jù)庫對(duì)算法進(jìn)行分析測試，Weizmann行為數(shù)據(jù)庫包括9個(gè)人體的10種行為，每個(gè)人體有10種行為的視頻片段。這些視頻片段長度不一致，如果取視頻序列的整體提取特征會(huì)使得特征長度不一致，而且人體的行為在運(yùn)動(dòng)有一定的重復(fù)性。所以取多少維的特征向量和最優(yōu)分類器參數(shù)（C，δ）影響著分類計(jì)算的時(shí)間和分類器的泛化能力。根據(jù)人體行為的時(shí)空連續(xù)性，取特征區(qū)域的數(shù)目l從10到33（選取最佳區(qū)域數(shù)目）。在進(jìn)行分類參數(shù)選擇時(shí)，將樣本分隨機(jī)的十組，設(shè)定（C，δ）的搜索區(qū)間為（C：0.001~1 000，δ：0.001~1 000）,進(jìn)行交叉比對(duì)測試,通過所有交叉檢驗(yàn)準(zhǔn)確率(CVA,Cross Validation Accuracy)平均值最高的分類器的(C,δ)的值作為最優(yōu)參數(shù)。實(shí)驗(yàn)取訓(xùn)練樣本200個(gè)，測試樣本100個(gè)，表1為各種行為在特征區(qū)域的數(shù)目l為10，20，30和最優(yōu)參數(shù)(C,δ)下最高識(shí)別率。表1中l(wèi)為特征區(qū)域的數(shù)目，sbl為識(shí)別率，xw為行為種類。由上表兼顧計(jì)算量實(shí)驗(yàn)取30個(gè)特征區(qū)域，最優(yōu)參數(shù)(C,δ)取各識(shí)別情況下均值即（0.98，1.23），重新構(gòu)建分類器平均識(shí)別率可達(dá)81%以上，識(shí)別的平均時(shí)間在0.2 s左右。在識(shí)別過程中一些行為模式比較復(fù)雜如跑與側(cè)行涉及到的身體運(yùn)動(dòng)不是一個(gè)關(guān)鍵點(diǎn)能夠表達(dá)的，所以識(shí)別率比較低，影響平均識(shí)別率下降。但是算法有較明顯的優(yōu)勢，與文獻(xiàn)［3，56］識(shí)別算法比較，關(guān)鍵點(diǎn)特征選取不需要標(biāo)記特定的特征區(qū)域; 與文獻(xiàn)［5，8］識(shí)別算法比較,不需要耗時(shí)的聚類算法進(jìn)行特征的預(yù)處理，構(gòu)建單個(gè)支持向量多分類器即可達(dá)到較好的識(shí)別率。

6結(jié)語

本文提出了一種新的人體行為識(shí)別方案，首先使用分離線性濾波器將視頻序列中的人體行為運(yùn)動(dòng)劇烈的關(guān)鍵點(diǎn)提取出來，無需特別的標(biāo)注。然后在這些關(guān)鍵點(diǎn)的20×20的區(qū)域中使用梯度位置朝向直方圖進(jìn)行描述，描述序列可以構(gòu)成描述一種行為的特征向量，無需對(duì)這些特征向量聚類，直接使用基于核函數(shù)的SVM多分類器，取得良好的識(shí)別結(jié)果。在下一步工作中，將需求更加可靠的特征取代梯度特征描述，降低特征向量維數(shù)，提高算法性能。

表1不同特征區(qū)域的數(shù)目下各種行為識(shí)別測試對(duì)比%

xwsbll102030bend1008880jack60100100jump569196pjump409699run648589side709598skip586578walk789497wave1558892wave2889599

參考文獻(xiàn)

［1］凌志剛,趙春暉,梁彥,等.基于視覺的人行為理解綜述［J］.計(jì)算機(jī)應(yīng)用研究,2008,25(9):25702578.

［2］藺廣逢,張二虎,顧桓,等.基于功率譜密度的人體運(yùn)動(dòng)狀態(tài)檢測 ［J］.計(jì)算機(jī)應(yīng)用,2008,28(5):12691271.

［3］SCHMID C, MOHR R, BAUCKHAGE C. Evaluation of interest point detectors \[J\]. International Journal of Computer Vision, 2000, 2(37): 151172.

［4］LAPTEV I. On spacetime interest points \[J\]. International Journal of Computer Vision, 2005, 64(2/3): 107123.

［5］DOLLAKA R P, RABAUD V, COTTRELL G, et al. Behavior recognition via sparse spatiotemporal features \[C\]// Proceedings of 2nd Joint IEEE International Workshop on Visual Surveillance and Performance Evaluation of Tracking and Surveillance. \[S.l.\]: IEEE, 2005: 6572.

［6］KE Y, SUKTHANKAR R, HEBERT M. Efficient visual event detection using volumetric features \[C\]// Proceedings of the Tenth IEEE International Conference on Computer Vision. Los Alamitos: IEEE Computer Society, 2005: 166173.

［7］OIKONOMOPOULOS A, PATRAS I, PANTIC M. Human action recognition with spatiotemporal salient points \[J\]. IEEE Transactions on Systems, Man, and Cybernetics, Part B: Cybernetics, 2006, 36(3): 710719.

［8］NIEBLES Juan Carlos, WANG Hongcheng, LI Feifei. Unsuspervised learning of human action categories using spatialtemporal words \[J\]. International Journal of Computer Vision, 2008, 79(4): 299318.

［9］云廷進(jìn),郭永彩,.基于圖像局部區(qū)域梯度特征描述的紅外人體識(shí)別算法［J］.光學(xué)技術(shù),2008,34(3):441444.

篇8

人類區(qū)別于動(dòng)物的特征：

非比尋常的大腦。把我們跟其他動(dòng)物區(qū)分開來的一個(gè)最顯著特征，就是我們擁有的與眾不同的大腦。直立行走。直立行走是人類區(qū)別于其他靈長類動(dòng)物的獨(dú)特特征?；稹Ｈ祟愑辛丝刂苹鸬哪芰?，火光使黑夜變得像白天一樣明亮，它使我們的祖先在非常黑的地方能看清眼前的東西，讓喜歡夜間活動(dòng)的食肉動(dòng)物不敢靠近他們。臉紅。人類是唯一一種知道臉紅的動(dòng)物。

（來源：文章屋網(wǎng) ）

篇9

沈偉：“跨界”這個(gè)形式，可以說是國際性的、比較前衛(wèi)的思維，是目前全世界文化的發(fā)展趨勢。在這個(gè)年代，很多區(qū)域都不再像過去一樣具有明顯的界限，包括人的各個(gè)方面，不單單只停留在藝術(shù)界而已。比如我們在大城市里吃飯，能夠吃到很多不同地方的菜色，很多文化也已經(jīng)走向這樣的趨勢。從我自身而言，我所受的教育、我的事業(yè)發(fā)展歷程也是在不同的藝術(shù)門類里同時(shí)進(jìn)行的。而我本身的生活歷程，也是通過“跨界”（地域）的途徑在變化，與我自身的發(fā)展是高度契合的。

記者：你怎樣評(píng)價(jià)由大型企業(yè)牽頭，推進(jìn)文化建設(shè)的行為？

沈偉：在中國，如果需要在藝術(shù)、設(shè)計(jì)和文化方面得到推進(jìn)的話，事實(shí)上需要很多人的幫助，尤其需要有像奧迪藝術(shù)與設(shè)計(jì)大獎(jiǎng)這樣由有實(shí)力、有情懷的企業(yè)支持的活動(dòng)。社會(huì)的強(qiáng)大，意味著文化、經(jīng)濟(jì)、藝術(shù)的全面發(fā)展。從世界上不同國家的經(jīng)驗(yàn)來看，我們是特別尊重“有文化”的人的國家。毫無疑問，我們需要在中國繼續(xù)發(fā)展和推進(jìn)文化藝術(shù)。在國外，知名品牌支持藝術(shù)家的行為已經(jīng)非常普遍。像奧迪藝術(shù)與設(shè)計(jì)大獎(jiǎng)這樣具有鼓勵(lì)性的活動(dòng)，能夠告訴年輕人，原來做藝術(shù)、做設(shè)計(jì)能夠得到這么多人的認(rèn)可，能夠給社會(huì)帶來這么好的影響。這樣的活動(dòng)也為這些年輕藝術(shù)家、設(shè)計(jì)師們提供了進(jìn)一步的發(fā)展空間。通過這個(gè)窗口，公眾得以知道這些藝術(shù)家、設(shè)計(jì)師們的貢獻(xiàn)，他們的創(chuàng)造性，他們對(duì)國家、對(duì)文化的發(fā)展和推動(dòng)。這樣的活動(dòng)最終會(huì)鼓勵(lì)藝術(shù)、設(shè)計(jì)和文化在中國的進(jìn)一步發(fā)展。

記者：從你的角度，你對(duì)中國的基礎(chǔ)藝術(shù)教育有沒有什么意見或建議？

沈偉：這是一個(gè)很大的問題，也是一直以來非常重要的問題。我始終堅(jiān)持，在教育領(lǐng)域，不管多發(fā)達(dá)的國家，它的教育資源都應(yīng)該不斷地加以補(bǔ)充。對(duì)中國這么大的國家而言，人口眾多，幅員遼闊，教育問題，尤其是基礎(chǔ)教育更是極其重要。因?yàn)橐粋€(gè)國民的素質(zhì)，來自從小的教育和傳統(tǒng)文化到現(xiàn)代文化更迭進(jìn)程中各方面源源不斷的補(bǔ)充。在我個(gè)人看來，中國發(fā)展到了需要鼓勵(lì)創(chuàng)造性思維的階段。中國的文化建設(shè)起步比較晚，但是中國人素來是聰明的，如果讓中國人的創(chuàng)造性得到充分發(fā)展，我相信，中國必然會(huì)發(fā)展出引領(lǐng)世界方方面面領(lǐng)域的頂尖人才。因此，鼓勵(lì)創(chuàng)造性是迫切之需，讓中國的現(xiàn)代文明領(lǐng)導(dǎo)世界應(yīng)該是我們下一步追求的目標(biāo)。

篇10

[關(guān)鍵詞] 生物特征 指紋 虹膜 人臉 聲音 簽名

0 引言

隨著電子、計(jì)算機(jī)、網(wǎng)絡(luò)和通訊技術(shù)日新月異的發(fā)展，電子信息的安全性也變得越來越突出，人們注冊網(wǎng)絡(luò)服務(wù)、網(wǎng)上購物、銀行取錢、消費(fèi)刷卡等都需要進(jìn)行身份的識(shí)別。傳統(tǒng)的身份識(shí)別使用的密碼、口令、智能卡、證件等，其安全性受到限制，存在丟失、被盜用和復(fù)制等諸多問題。由于人的生物特征具有唯一性和穩(wěn)定性的特點(diǎn)，并且可隨身攜帶、不易被盜、不易被偽造、不易丟失，所以生物特征識(shí)別成為目前最安全的身份認(rèn)證技術(shù)，傳統(tǒng)的身份識(shí)別手段將被它所超越和替代。

生物特征識(shí)別技術(shù)是使用計(jì)算機(jī)及相關(guān)設(shè)備，利用人體本身特有的行為特征和（或）生理特征，通過模式識(shí)別和圖像處理的方法進(jìn)行身份識(shí)別。生物特征分為生理特征和行為特征，生理特征為先天性的，行為特征則為后天性的。生理特征是人體器官本身固有的特征，不隨主觀意愿和客觀條件發(fā)生改變。目前，利用人體生理特征的識(shí)別技術(shù)主要有人臉識(shí)別、人耳識(shí)別、虹膜識(shí)別、指紋識(shí)別、手掌識(shí)別、視網(wǎng)膜識(shí)別等。行為特征是人的動(dòng)作特征，是人們在長期生活過程中養(yǎng)成的行為習(xí)慣，利用人體行為特征的主要識(shí)別技術(shù)包括聲音識(shí)別、筆跡識(shí)別、步態(tài)識(shí)別、擊鍵識(shí)別和節(jié)奏識(shí)別等。

1 常用的人體生物特征識(shí)別技術(shù)

1.1 生理特征生物識(shí)別

1.1.1人臉識(shí)別

人臉識(shí)別是通過采集人的臉部圖像，由計(jì)算機(jī)從臉部圖像中提取其面部特征信息，并與數(shù)據(jù)庫中的特征進(jìn)行比對(duì)匹配。人臉識(shí)別主要過程：人臉檢測定位提取面部特征將待識(shí)別人臉特征與人臉數(shù)據(jù)庫征進(jìn)行比對(duì)匹配。

人臉檢測定位是將圖像分為人臉區(qū)域和非人臉區(qū)域兩部分，從中分離出人臉的圖像。檢測的圖像分為靜態(tài)圖像（人體和場景都是靜止）和動(dòng)態(tài)圖像（人體在運(yùn)動(dòng)過程中），人臉檢測定位分為靜態(tài)圖像的人臉檢測定位和動(dòng)態(tài)圖像的人臉檢測定位。

提取面部特征是對(duì)人臉的大小、輪廓線、位置等提取其特征信息。最常見的方法是先找出兩只眼睛的中心位置，再對(duì)人臉進(jìn)行歸一化處理，最后提取特征信息。

人臉識(shí)別是將待識(shí)別人臉的特征或圖像與數(shù)據(jù)庫中人臉有關(guān)的特征值或圖像進(jìn)行比對(duì)匹配。

1.1.2 人耳識(shí)別

人們習(xí)慣上所說的耳朵，就是外耳的耳廓，是人耳識(shí)別的對(duì)象。人耳識(shí)別主要過程：人耳圖像采集對(duì)采集的圖像進(jìn)行預(yù)處理對(duì)圖像中人耳的邊緣進(jìn)行檢測和分割提取外耳輪廓和特征點(diǎn)信息將待識(shí)別人耳圖像與數(shù)據(jù)庫中人耳圖像比對(duì)匹配等。

人耳識(shí)別類似于人臉識(shí)別，但不因表情變化而受影響，因此穩(wěn)定性好于人臉識(shí)別。

1.1.3 虹膜識(shí)別

虹膜是一個(gè)位于眼睛瞳孔和鞏膜之間的環(huán)狀區(qū)域，人眼圖像中虹膜區(qū)域的冠狀物、環(huán)狀物、斑點(diǎn)、皺紋形成了特有的紋理，是人眼的典型特征，具有穩(wěn)定性、唯一性、非侵犯性、可采集性、高獨(dú)特性、高準(zhǔn)確性、防偽性好、易使用性等優(yōu)點(diǎn)。人的一生中虹膜幾乎不發(fā)生變化，并且每個(gè)人的虹膜結(jié)構(gòu)各不相同。虹膜識(shí)別在錯(cuò)誤率和識(shí)別率等方面與其他的生物特征識(shí)別相比，其性能指標(biāo)都優(yōu)于其他的生物特征識(shí)別技術(shù)。

虹膜識(shí)別主要過程：采集虹膜圖像對(duì)虹膜進(jìn)行定位、歸一化和增強(qiáng)等預(yù)處理提取特征信息進(jìn)行特征編碼將數(shù)據(jù)庫中虹膜模板的特征向量與待識(shí)別的虹膜特征向量進(jìn)行匹配（也就是將數(shù)據(jù)庫中虹膜模板與待識(shí)別的虹膜進(jìn)行相似性比對(duì)，如果相似性達(dá)到某一程度時(shí)，便認(rèn)為這兩個(gè)虹膜圖像是來自同一只眼睛）。

1.1.4 指紋識(shí)別

指紋是手指末梢紋路的圖案，指紋中的谷、脊和紋路的起終點(diǎn)、分叉點(diǎn)、中斷處、轉(zhuǎn)折點(diǎn)、匯合點(diǎn)等特征點(diǎn)提供了指紋識(shí)別的信息，在指紋中有非常詳盡的特征值，可以用來辨別人的身份。指紋識(shí)別是最古老、最成熟的生物特征識(shí)別。指紋鑒定已經(jīng)被官方所接受，目前，全球范圍內(nèi)都建立了罪犯指紋數(shù)據(jù)庫和指紋鑒定機(jī)構(gòu)，指紋識(shí)別已經(jīng)是司法部門進(jìn)行鑒定身份的有效手段。指紋識(shí)別技術(shù)通過分析指紋圖像的局部特征和全局特征進(jìn)行身份識(shí)別認(rèn)證。

指紋識(shí)別主要過程：指紋圖像采集將采集的圖像進(jìn)行預(yù)處理提取特征信息將待識(shí)別指紋特征值與數(shù)據(jù)庫中的指紋特征值進(jìn)行匹配比對(duì)。

指紋識(shí)別與其他生物特征識(shí)別相比，識(shí)別精度高，具有穩(wěn)定性、唯一性等優(yōu)點(diǎn)。據(jù)介紹，每一個(gè)人的指紋都不一樣，人的指紋通常在出生9個(gè)月后成型而且終身不變。缺點(diǎn)是采集或識(shí)別有些群體或有些人的指紋較難，且指紋存在被盜取復(fù)制的可能。

1.1.5 手形識(shí)別

手形識(shí)別是利用手指的長度和不同部位的寬度、手掌厚度和寬度等手的外部輪廓所構(gòu)成的幾何圖形進(jìn)行識(shí)別。掌紋的特征信息多于手形，手形識(shí)別可以結(jié)合掌紋特征，手掌紋理特征的引入，可以取得更高的識(shí)別率和可靠性。手形識(shí)別系統(tǒng)也可將指紋特征信息引入，構(gòu)成多生物特征識(shí)別技術(shù)的融合系統(tǒng)，識(shí)別結(jié)果將更為可靠的。

1.1.6 視網(wǎng)膜識(shí)別

眼球后部細(xì)小的神經(jīng)就是視網(wǎng)膜，因?yàn)槊總€(gè)人的視神經(jīng)分散程度不一樣，所以身份識(shí)別可以使用視神經(jīng)作為特征。由于視網(wǎng)膜不可能偽造，人的視網(wǎng)膜從三歲起就終身不變，并且在外部不可見，因此作為身份識(shí)別特征具有極大的準(zhǔn)確性。同虹膜識(shí)別技術(shù)一樣，視網(wǎng)膜識(shí)別技術(shù)具有很高的可靠性。

視網(wǎng)膜識(shí)別主要過程：采集視網(wǎng)膜上的視神經(jīng)分布情況提取特征信息將待識(shí)別的視神經(jīng)特征信息與數(shù)據(jù)庫中視神經(jīng)的特征數(shù)據(jù)進(jìn)行比對(duì)匹配。

1.2 行為特征生物識(shí)別