用于移动用户的多生物特征图像信息融合方法及其应用技术

本发明专利技术涉及一种用于移动用户的多生物特征图像信息融合方法及应用，包括如下步骤：⑴采集端的建立；⑵图像底层特征提取：⑶矩阵构建；⑷多生物融合特征。该方法可在移动设备上进行综合识别应用。本发明专利技术为了克服移动用户的传统认证方法的缺点，提供一种指纹、人脸、虹膜等用户多生物特征的图像信息融合与认知的方法，来进行用户身份认证，对比传统的基于单生物特征的认证方法将更加安全可靠。

【技术实现步骤摘要】
【专利摘要】本专利技术涉及一种用于移动用户的多生物特征图像信息融合方法及应用，包括如下步骤：⑴采集端的建立；⑵图像底层特征提取：⑶矩阵构建；⑷多生物融合特征。该方法可在移动设备上进行综合识别应用。本专利技术为了克服移动用户的传统认证方法的缺点，提供一种指纹、人脸、虹膜等用户多生物特征的图像信息融合与认知的方法，来进行用户身份认证，对比传统的基于单生物特征的认证方法将更加安全可靠。【专利说明】用于移动用户的多生物特征图像信息融合方法及其应用
本专利技术属于生物特征识别领域，涉及移动用户的指纹、人脸、虹膜的图像信息融合，特别是一种用于移动用户的多生物特征图像信息融合方法及其应用。
技术介绍
随着Internet和无线技术的迅速发展，电子商务已经逐渐成为人们进行商务活动的新模式。近年来，移动计算环境下电子商务(移动商务或称M-Commerce)发展迅速，它是一种利用移动设备和移动通信技术，随时随地存储、传输和交流各种商业信息，进行商业活动的创新业务模式。生物特征识别技术以其特有的安全性，可靠性和有效性等越来越受到人们的重视。人脸识别和指纹识别作为两种最常用和方便的生物特征识别技术，已广泛应用于身份识别等领域。但是，仅仅基于指纹或人脸的单生物特征个人身份识别系统不能满足人们的需要，这是因为人脸识别速度快但可靠性不高；而指纹识别可靠性高却容易仿冒。多生物特征融合技术是在生物识别技术迅猛发展的情况下发展起来的一个新的研究领域，多生物特征融合技术是近几十年发展起来的信息处理技术，它是将各种生物特征如指纹、人脸、虹膜等融合进行综合分析处理，克服传统方法的弊端，利用各种生物特征的互补性，实现活体认证，提供更加安全的保障。
技术实现思路
本专利技术的目的在于克服现有技术的不足之处，提供一种具有较高综合识别特性的用于移动用户的多生物特征图像信息融合方法及其应用。本专利技术解决其技术问题所采用的技术方案是:本专利技术的优点和积极效果是:本专利技术提出移动用户(主要指使用手机、笔记本、平板电脑的用户)的指纹、人脸、虹膜等用户多生物特征的图像信息融合与认知的方法，该方法安全、可靠，具有广泛的应用前景和社会使用价值。本专利技术为了克服移动用户的传统认证方法的缺点，提供一种指纹、人脸、虹膜等用户多生物特征的图像信息融合与认知的方法，来进行用户身份认证，对比传统的基于单生物特征的认证方法将更加安全可靠。本专利技术在融合多生物特征的过程中，先对所有的生物特征图像数据分别进行图像预处理，再对预处理后的图像底层特征进行提取，在矩阵构建时，针对这些特征分割和分析，在融合时使每个特征更加清晰，使结果更加精确。【专利附图】【附图说明】图1是通过本专利技术实现多生物特征身份认证识别应用的原理框图；图2是本专利技术中基于移动设备的多生物特征身份认证采集选择的原理框图。【具体实施方式】下面通过具体实施例对本专利技术作进一步详述，以下实施例只是描述性的，不是限定性的，不能以此限定本专利技术的保护范围。一种用于移动用户的多生物特征图像信息融合方法，包括如下步骤:⑴采集端的建立:在移动设备的信息输入端安装多生物特征采集模块，该多生物特征采集模块包括指纹特征采集模块、人脸特征采集模块、虹膜特征采集模块，采集的指纹、人脸、虹膜特征均为图像数据；所述移动平台为手机、笔记本、平板电脑，指纹采集模块(嵌入式指纹采集仪)，人脸、虹膜采集模块，其中人脸和虹膜采集可以利用移动设备自带的摄像头来进行采集。⑵图像底层特征提取:先对所有的生物特征图像数据分别进行图像预处理，再对预处理后的图像底层特征进行提取。由于融合系统由指纹、人脸、虹膜等构成，因此需要对其分别进行预处理。所有生物特征图像预处理的主要步骤包括:感兴趣区域(ROI)分割、增强、归一化等。感兴趣区域主要是分割出图像的前景和背景，一般根据采集图像的中心点，截取40X40的图像块作为感兴趣ROI区域，对该区域利用Gaborfilter滤波器进行滤波增强，然后对增强后的图像区域进行灰度归一化处理。灰度归一化如下:设图像中某像素点的像素值为f(x，y)，所有像素灰度值中的最大值为max,最小值为min,,则灰度归一化公式可以表述为:f (X，y) = (f (X，y) -min) *255/ (max-min)图像底层提取特征的步骤是分别提取LBP特征、Zernike正交不变矩特征、Garborfilter 特征等。①LBP特征:LBP是基于图像空域局部算子的纹理图像描述子。因此，可以用来描述图像局部纹理情况。②不变矩特征:不变矩特征具有旋转、尺度和平移不变特性，具有很强的描述图像的区域特征能力。比较常用的不变矩如=Zernike正交不变矩。Gabor filter特征:Gabor filter具有良好的方向选择和频率选择特性,能够对图像进行时频分析，提取不同方向、频率下的纹理值。⑶矩阵构建:将图像底层特征构建每个用户的底层特征-图像矩阵(共q个生物特征融合)，其具体步骤为:①对各生物特征的ROI图像统一分块成P个大小为nXn的小图像，q个生物特征图像共pXq个局部小图像。②对每个局部小图像分别进行包括LBP特征、Zernike正交不变矩特征、Garborfilter特征等分析，并将这些特征作为每个用户的底层特征-图像矩阵的列向量。③将每个分块后的局部小图像(q个生物特征)作为每个用户的底层特征-图像矩阵的行向量，统计上一步得到的每个底层特征对其出现的概率，构建每个用户的底层特征和图像之间的特征-图像矩阵，其大小为pXq。⑷多生物融合特征:首先，对底层特征-图像矩阵进行矩阵行方向分解后，然后，将图像投影到该特征空间内，获得多生物融合特征，其步骤如下:①图像矩阵分解处理:将大小为pXq的m个矩阵集合用Xpxq= [A1, A2, , Aj来表示，K代表每个用户对角化后的底层特征-图像矩阵，m是用户的数量，首先利用ID-NMF分解成为大小为PXd的矩阵L和一个大小为dXq的矩阵H之积，使得:XpXq?LpXdHdXq。这里d是参考维数，L是矩阵X在图像行方向分解得到的基矩阵，H为系数矩阵；②将图像投影到该特征空间内，即得到由该特征组合的系数Cn所表示的多生物融合特征。上述用于移动用户的多生物特征图像信息融合方法可应用在移动设备上进行特征的综合识别，完成用户的智能身份认证，其表现在:数据库存储在移动设备的存储卡上，通过移动设备的操作系统进行处理。在移动设备的信息输出端安装多生物特征选择模块，在多生物特征选择模块中均需要设置于每个生物特征采集模块对应的选择输入0/1标识模块，在每个0/1标识模块所在的控制电路上均连接有发光二极管，实现输入的生物特征是否被选择输入的表示，如果该生物特征被选择输入，对应发光二极管就会发光(标志设置为1)，否则，则不发光(标志设置为O)。例如，如果盲人用户将无法进行虹膜识别，所以多生物特征的虹膜特征输入标志要设置O。通过该选择输入模块，将提取的多生物特征与存储在数据库中的特征进行身份认证，通过计算两者的认证分数，如果分数超过一定的阈值，则认为认证成功；否则，失败。从而实现用户的智能身份认证。具体步骤为:①离线对多生物特征进行多生物特征采集和选择、底层特征提取等，并将这些特征融合，并将特征的数值归一化到范围内，存贮在数据库；②在线采集多本文档来自技高网...

【技术保护点】
一种用于移动用户的多生物特征图像信息融合方法，其特征在于：包括如下步骤：⑴采集端的建立：在移动设备的信息输入端安装多生物特征采集模块，该多生物特征采集模块包括指纹特征采集模块、人脸特征采集模块、虹膜特征采集模块，采集的指纹、人脸、虹膜特征均为图像数据；⑵图像底层特征提取：先对所有的生物特征图像数据分别进行图像预处理，再对预处理后的图像底层特征进行提取，图像底层提取特征的步骤是分别提取如下特征：LBP特征，用于描述图像局部纹理情况；Zernike正交不变矩特征，用于描述图像的区域特征；Garborfilter特征，用于对图像进行时频分析，提取不同方向、频率下的纹理值；⑶矩阵构建：将图像底层特征构建每个用户的底层特征‑图像矩阵，其具体步骤为：①对各生物特征的ROI图像统一分块成p个大小为n×n的小图像，q个生物特征图像共p×q个局部小图像；②对每个局部小图像分别进行包括LBP特征、Zernike正交不变矩特征、Garbor filter特征等分析，并将这些特征作为每个用户的底层特征‑图像矩阵的列向量；③将q个分块后的局部小图像作为每个用户的底层特征‑图像矩阵的行向量，统计上一步得到的每个底层特征对其出现的概率，构建每个用户的底层特征和图像之间的特征‑图像矩阵，其大小为p×q；⑷多生物融合特征：首先，对底层特征‑图像矩阵进行矩阵行方向分解后，然后，将图像投影到该特征空间内，获得多生物融合特征，其步骤如下：①图像矩阵分解处理：将大小为p×q的m个矩阵集合用Xp×q＝[A1,A2,...,Am]来表示，An代表每个用户对角化后的底层特征‑图像矩阵，m是用户的数量，首先利用1D‑NMF分解成为大小为p×d的矩阵L和一个大小为d×q的矩阵H之积，使得：Xp×q≈Lp×dHd×q，d是参考维数，L是矩阵X在图像行方向分解得到的基矩阵，H为系数矩阵；②将图像投影到该特征空间内，即得到由该特征组合的系数Cn所表示的多生物融合特征。...

【技术特征摘要】

【专利技术属性】
技术研发人员：杨巨成，熊聪聪，陈亚瑞，吴超，孙迪，刘建征，赵青，
申请(专利权)人：天津科技大学，
类型：发明
国别省市：天津;12