一种用户权限管理方法技术

本发明专利技术提供一种用户权限管理方法，其特征在于，根据身份认证方法获取用户身份，不同用户身份分配不同权限，该身份认证方法具体包括以下步骤：a.利用生物特征提取方法提取多个生物特征；b.采用PCA方法将多个生物特征进行降维度操作，并进一步进行归一化处理；c.对获取的多个生物特征进行融合，并与已存储的模板进行匹配来完成认证。

【技术实现步骤摘要】

本专利技术涉及，更具体涉及一种基于生物身份识别的用户权 限管理方法。
技术介绍
所谓生物识别技术(biometrics)是指利用人体本身所固有的物理特征，如指纹、 掌纹、虹膜、人脸等，及行为特征，如签名、声音、击键等，通过模式识别的方法来鉴别个人身 份的技术。生物识别技术与传统的基于密码或ID卡的身份认证方式相比，具有更好的安全 性、可靠性和有效性。近年来由于各个国家社会安全的需要，安防领域日益受到政府重视， 生物识别技术迎来了一个快速发展的时期。据MasterCard公司估计，利用丢失和被盗的信 用卡的犯罪，就使每年约有价值四亿五千万美元被诈骗，如果销售场所可以准确地鉴别持 卡人的身份就会大大减少这种诈骗案的发生；随着网络的发展，非法登录计算机的案件呈 上升趋势，有效的身份鉴定技术可以防止这类案件的发生;据美国移民局统计，在美国-墨 西哥边境采用快速准确的身份鉴别系统，可以在不影响正常入境人员的情况下，每天查出 3,000件非法入境案件;在美国，每年约有上亿美元的福利款被人以假冒的身份领取；以上 的这组数据表明，有效地鉴定个人的身份有着重大的社会和经济意义，它可以有效保卫国 家安全、地防止犯罪和诈骗、提高办公效率、节约资源。尽管指纹和手指静脉作为人体生物特征都有各自的优势，但对于生物特征鉴定系 统的准确性及安全性要求日益提高的今天，每一种生物特征并不可能具有真正意义上的普 遍性，单个生物特征识别系统中的一些固有限制影响了准确性。而这些固有的限制很难用 算法再去提高其准确性，因此仅靠单一方法或单一生物特征难以满足实际应用。在自然界中，人和动物感知客观对象不是依靠一种器官，而是多个器官的融合。人 类的视觉、听觉、嗅觉、味觉实际就是通过不同器官获取不同的信息，然后再由大脑对这些 信息进行融合的过程。利用信息融合技术将不同特征、不同鉴别方式结合而建立的生物特 征融合的识别系统，将是重要的研究内容，是生物鉴定学的发展方向和手段。 因此，本专利技术提出了一种基于手指的融合身份识别的方法和系统，可以克服传统 生物身份识别技术的一个或多个缺点。
技术实现思路
根据本专利技术，提供，其特征在于，根据身份认证方法获取用 户身份，不同用户身份对应不同权限，该身份认证方法具体包括以下步骤： a.利用生物特征提取方法提取多个生物特征； b.采用PCA方法将多个生物特征进行降维度操作，并进一步进行归一化处理； c.对获取的多个生物特征进行融合，并与已存储的模板进行匹配来完成认证。 进一步的，步骤a具体为分别对指静脉、指纹、指关节纹、指形四类手指生物模态进 行相应的特征提取。其中，指静脉特征采用GLBP特征表达形式，指纹特征采用FingerCode特 征表达形式，指关节纹采用Pccode特征表达形式，指形特征采用FD特征表达形式。步骤c具 体为通过LDMCCA方法来融合手指多个单模态的特征来获得融合后的特征向量U和投影矩阵 W，然后将U和W存储到模板数据库中；在认证阶段，针对多个单模态测试特征利用投影矩阵W 来计算得到融合后的特征向量U，最后通过与已存储特征模板U进行欧式距离匹配来完成认 证过程。 进一步的，指纹识别采用基于特征点的匹配方法包括以下过程:指纹图像采集、计 算方向图、图像增强、二值化、细化、细化后处理、特征点提取、特征点匹配等步骤组成。【附图说明】 图1是身份识别流程示意图。图2是本专利技术指纹获取流程图。【具体实施方式】 下面结合附图描述根据本专利技术的身份识别方法的优选实施方式。 本专利技术中不同用户身份对应不同用户权限，首先对用户身份进行认证，之后相应 用户身份分配相应权限。如图1所示，本专利技术中的身份识别方法包括以下过程： 1.利用生物特征提取方法分别对指静脉、指纹、指关节纹、指形四类手指生物模态 进行相应的特征提取。其中，指静脉特征采用GLBP特征表达形式，指纹特征采用FingerCode 特征表达形式，指关节纹采用Pccode特征表达形式，指形特征采用FD特征表达形式； 2.指静脉、指纹、指关节纹、指形四类手指生物特征全部由PCA方法降维到如表相 同的维数，并且降维后的特征进一步完成归一化操作； 3.在注册阶段，通过LDMCCA方法来融合手指多个单模态的特征来获得融合后的特 征向量U和投影矩阵W，然后将U和W存储到模板数据库中；在认证阶段，针对多个单模态测试 特征利用投影矩阵W来计算得到融合后的特征向量U，最后通过与已存储特征模板U进行欧 式距离匹配来完成认证过程。 进一步的，本专利技术利用静脉结构中血管延展方向与粗细不同的特点，首先将指静 脉图像R0I与不同尺度、不同方向的Gabor小波卷积获得多个幅值模式(Gabor magnitude pattern，GMP)，并在每个GMP分块上使用LBP描述子来抽取局部邻域关系模式(简称GLBP)， 然后将这些多尺度、多方向的GLBP分块区域统计直方图串联形成的序列作为指静脉特征向 量。最后，针对GLBP的特征向量使用分块LDA算法(BLDA)进行进一步降维，获得高区分性的 指静脉特征。进一步本专利技术的指纹识别采用基于特征点的匹配方法如图2所示包括以下过程： 指纹图像采集、计算方向图、图像增强、二值化、细化、细化后处理、特征点提取、特征点匹配 等步骤组成。进一步的，本专利技术将将类别信息引入MCCA的求解过程，来构建线性判别的多集典 型相关分析(LDMCCA)，并利用LDMCCA完成多模态特征向量的融合。LDMCCA是将LDA算法与 MCCA的结合方法，用来对多集合向量间的相关性进行线性判别分析，使得经过MCCA投影后 各集合的向量类内散度更小而类间散度更大。LDMCCA的目标是将判别信息引入到MCCA的计 算过程中，使得投影后的向量的类间散度与全局散度的比值尽可能地大，从而提高融合后 特征向量的区分性。 进一步的，由于手指的多种模态形式以及特征提取方法的不同，单一手指模态提 取的特征所存在的冗余信息会影响特征融合的认证性能。因此，本专利技术首先使用PCA方法来 对每个单模态的原始特征空间进行降维操作。根据互协方差矩阵的构建要求，这里对指静 脉，指纹，指关节纹和指形的特征向量降维到相同的维数。其次，为了消除单模态手指特征 数据分布的不均衡性影响，在特征融合前使用Z-score规则将降维后的特征向量归一化到0 均值1方差的数据分布。 以上所述仅为本专利技术的较佳实施方式，并非用来限定本专利技术的实施范围；凡是依 本专利技术所作的等同变化与修改，都在本专利技术的保护范围之内。【主权项】1. ，其特征在于，根据身份认证方法获取用户身份，不同用户身 份分配不同权限，该身份认证方法具体包括以下步骤： a. 利用生物特征提取方法提取多个生物特征； b. 采用PCA方法将多个生物特征进行降维度操作，并进一步进行归一化处理； c. 对获取的多个生物特征进行融合，并与已存储的模板进行匹配来完成认证。2. -种如权利要求1所述的用户权限管理方法，其特征在于： 步骤a具体为分别对指静脉、指纹、指关节纹、指形四类手指生物模态进行相应的特征 提取。其中，指静脉特征采用GLBP特征表达形式，指纹特征采用FingerCode特征表达形式， 指关节纹采用Pccode特征表达形式，指形特征采用FD特征表达形式。 步本文档来自技高网...

【技术保护点】
一种用户权限管理方法，其特征在于，根据身份认证方法获取用户身份，不同用户身份分配不同权限，该身份认证方法具体包括以下步骤：a.利用生物特征提取方法提取多个生物特征；b.采用PCA方法将多个生物特征进行降维度操作，并进一步进行归一化处理；c.对获取的多个生物特征进行融合，并与已存储的模板进行匹配来完成认证。

【技术特征摘要】

【专利技术属性】
技术研发人员：张鹏，
申请(专利权)人：成都布林特信息技术有限公司，
类型：发明
国别省市：四川;51