一种身份识别装置及方法制造方法及图纸

本发明专利技术涉及生物识别技术领域，特别涉及一种身份识别装置及方法。所述身份识别装置包括生物特征信号采集模块、生物特征提取模块和生物特征识别模块；所述生物特征信号采集模块用于采集指纹图像以及指部群延迟曲线；所述生物特征提取模块用于根据所述指纹图像以及指部群延迟曲线分别提取指纹特征值和群延迟特征值；所述生物特征识别模块用于通过训练样本集构建身份识别模型，并利用卷积神经网络算法将所提取的指纹特征值和群延迟特征值与所述身份识别模型进行交叉验证，实现用户的身份识别。本发明专利技术通过采集用户的指纹特征和指部介电谱特征信息进行身份识别，并采用基于卷积神经网络的多模态融合身份识别算法进行身份识别，提高身份识别的准确性。

Identification device and method

The invention relates to the field of biological identification technology, in particular to an identification device and a method thereof. The biometric identification device comprises a signal acquisition module, feature extraction module and biometric identification module; the biometric signal acquisition module for fingerprint image and finger group delay curve; the biological feature extraction module according to the fingerprint and finger group delay curve were extracted from the fingerprint characteristic value and the group delay characteristic value; the biometric identification module is used by training sample set construction identification model, fingerprint feature and algorithm using convolutional neural network to extract the value and group delay characteristic value of the cross validation and the identification model, the identification of user. The present invention through fingerprint capture the user's finger and dielectric spectrum feature information for identification, and the use of multimodal convolutional neural network fusion recognition algorithm based on identity recognition, improve the accuracy of identification.

【技术实现步骤摘要】

本专利技术涉及生物识别
，特别涉及一种身份识别装置及方法。
技术介绍
随着科技的迅猛发展，整个社会的信息化程度日益提高，信息泄密的概率与日递增。这些信息一旦被不法分子采集并冒用，将会给被冒用者带来重大的经济利益损失，严重时甚至会危害到他人及整个社会的安全。信息保护的一个重要手段是采用身份识别技术。传统的身份识别技术普遍是基于IC射频卡、静态密码或动态密码等，存在易丢失、易遗忘、易替代等安全漏洞问题。生物识别技术是指通过计算机，利用人体固有的生物特征来进行身份认证的一种识别技术，目前已被用于生物识别的人体生物特征包括指纹、掌纹、脸形、虹膜、脉搏、声音、脑电、心电、基因等，该技术具有不易遗忘、不易伪造或被盗、随身“携带”和随时随地可用等优点，比传统的身份识别方法更具安全、保密和便捷性。然而，目前大部分的生物识别技术都是基于单一的生物特征，如仅仅采用指纹、虹膜、声音、脸部等，但由于每一种生物特征都有或多或少的缺陷，尤其是易受外界环境以及生物特征受损等因数的影响，导致识别率下降。如指纹易磨损，沾水后难以识别；虹膜识别结果与光照，角度等都密切相关；人脸识别不能对脸部饰物和整形手术后的脸部进行精确识别等。针对上述问题，有研究人员提出了基于多模态的生物特征识别方法。例如，中国专利CN105117697A提出了一种指纹识别方法、指纹识别装置及其终端设备，该专利通过向待检测对象发射红光、红外光和绿光，通过反射光的变化来判断待检测对象是否为活体，确定为活体后再通过采集指纹图像对用户的身份进行识别。因此，严格来说，该专利还是采用单一的生物特征进行身份识别。中国专利CN102542263A提出了一种基于指部生物特征的多模态身份认证装置及方法。该专利主要是通过采集指静脉图像、指节纹图像和指纹图像来采集用户的生物特征信息。然而，在该专利中，只是孤立地采集这三种生物特征信息并进行身份识别，缺乏将这三种模态进行有效的融合，识别率还需进一步提高。中国专利CN1758263提出了一种基于得分差加权融合的多模态身份识别方法。该专利提出了采用得分差加权融合算法实现多模态的身份识别，然而，该算法并没有考虑其他环境因素对身份识别的影响。
技术实现思路
本专利技术提供了一种身份识别装置及方法，旨在至少在一定程度上解决现有技术中的上述技术问题之一。为了解决上述问题，本专利技术提供了如下技术方案：一种身份识别装置，包括生物特征信号采集模块、生物特征提取模块和生物特征识别模块；所述生物特征信号采集模块用于采集指纹图像以及指部群延迟曲线；所述生物特征提取模块用于根据所述指纹图像以及指部群延迟曲线分别提取指纹特征值和群延迟特征值；所述生物特征识别模块用于通过训练样本集构建身份识别模型，并利用卷积神经网络算法将所提取的指纹特征值和群延迟特征值与所述身份识别模型进行交叉验证，实现用户的身份识别。本专利技术实施例采取的技术方案还包括：所述生物特征信号采集模块包括指纹采集单元和介电谱采集单元，所述指纹采集单元为指纹传感器，用于采集指部的指纹图像；所述介电谱采集单元包括信号发送电极、信号接收电极、信号源、接收器，所述信号发送电极和信号接收电极分别位于指纹传感器的两端；当手指按压到信号发送电极和信号接收电极时，所述信号源产生正弦波，并通过信号发送电极将正弦波耦合到用户的指部，所述信号接收电极接收正弦波经过指部后的信号群延迟曲线，并存储在接收器中。本专利技术实施例采取的技术方案还包括信号预处理模块，所述信号预处理模块包括：指纹预处理单元：用于对指纹图像进行傅里叶变换滤波处理后，利用梯度算法对指纹图像的清晰度进行分析，并采用动态二值化算法对指纹图像进行二值化处理；群延迟曲线预处理单元：用于将所述群延迟曲线转换为群延迟图像，并采用无迹粒子滤波算法对群延迟图像进行滤波处理。本专利技术实施例采取的技术方案还包括环境参数监测模块，所述环境参数监测模块用于采集用户环境参数信息；所述环境参数监测模块包括湿度传感单元和温度传感单元，所述湿度传感单元包括湿度传感器和油脂传感器，所述湿度传感器和油脂传感器分别用于采集用户手指的水分分布和油腻程度信息；所述温度传感单元为体温传感器，用于采集用户当前的体温信息。本专利技术实施例采取的技术方案还包括：所述生物特征提取模块包括：指纹特征提取单元：用于利用log-Gabor滤波器对指纹图像进行分割后，提取指纹纹路方向特征，并根据纹路方向提取指纹的点特征和线特征；群延迟特征提取单元：用于提取不同频带下的群延迟曲率半径、不同频带下的群延迟平均值，并提取群延迟曲线的频谱特性。本专利技术实施例采取的技术方案还包括：所述生物特征识别模块包括训练单元和测试单元；所述训练单元的训练方式包括：采集多个志愿者在不同时间段的指纹图像、指部群延迟曲线和环境参数信息，将采集的指纹图像、指部群延迟曲线和环境参数信息作为训练样本集，利用卷积神经网络算法对训练样本集进行迭代计算，并输出与所述环境参数信息相关的身份识别模型；将该身份识别模型存储在生物特征数据库中。所述测试单元的测试方式包括：将所述生物特征提取模块提取的指纹特征值、群延迟特征值以及环境参数监测模块采集的环境参数信息与生物特征数据库中的身份识别模型进行交叉验证，判断所提取的指纹特征值、群延迟特征值以及环境参数信息与身份识别模型中的指纹图像、指部群延迟曲线以及环境参数信息的相关程度，并输出身份识别结果，实现用户的身份识别。本专利技术实施例采取的另一技术方案为：一种身份识别方法，包括以下步骤：步骤a：采集指纹图像以及指部群延迟曲线；步骤b：根据指纹图像以及指部群延迟曲线分别提取指纹特征值和群延迟特征值；步骤c：通过训练样本集构建身份识别模型，并利用卷积神经网络算法将所提取的指纹特征值和群延迟特征值与所述身份识别模型进行交叉验证，实现用户的身份识别。本专利技术实施例采取的技术方案还包括：所述步骤a还包括：步骤a1：采集环境参数信息；所述环境参数信息包括水分湿度、油腻程度、体温信息；步骤a2：对指纹图像进行傅里叶变换滤波处理后，利用梯度算法对指纹图像的清晰度进行分析，采用动态二值化算法对指纹图像进行二值化处理；步骤a3：将群延迟曲线转换为群延迟图像，并采用无迹粒子滤波算法对群延迟图像进行滤波处理。本专利技术实施例采取的技术方案还包括：在所述步骤b中，所述提取生物特征信息具体包括：利用log-Gabor滤波器对指纹图像进行分割后，提取指纹纹路方向特征，根据纹路方向提取指纹的点特征和线特征；提取不同频带下的群延迟曲率半径、群延迟平均值，并提取群延迟曲线的频谱特性。本专利技术实施例采取的技术方案还包括：在所述步骤c中，所述的身份识别包括：步骤c1：采集多个志愿者在不同时间段的指纹图像、指部群延迟曲线和环境参数信息，将采集的指纹图像、指部群延迟曲线和环境参数信息作为训练样本集，利用卷积神经网络算法对训练样本集进行迭代计算，并输出与所述环境参数信息相关的身份识别模型，将该身份识别模型存储在生物特征数据库中；步骤c2：将提取的指纹特征值、群延迟特征值以及采集的环境参数信息与生物特征数据库中的身份识别模型进行交叉验证，判断所提取的指纹特征值、群延迟特征值以及环境参数信息与身份识别模型中的指纹图像、指部群延迟曲线以及环境参数信息的相关程度，并输出身份识别结果，实现用户的身本文档来自技高网...

【技术保护点】
一种身份识别装置，其特征在于，包括生物特征信号采集模块、生物特征提取模块和生物特征识别模块；所述生物特征信号采集模块用于采集指纹图像以及指部群延迟曲线；所述生物特征提取模块用于根据所述指纹图像以及指部群延迟曲线分别提取指纹特征值和群延迟特征值；所述生物特征识别模块用于通过训练样本集构建身份识别模型，并利用卷积神经网络算法将所提取的指纹特征值和群延迟特征值与所述身份识别模型进行交叉验证，实现用户的身份识别。

【技术特征摘要】
1.一种身份识别装置，其特征在于，包括生物特征信号采集模块、生物特征提取模块和生物特征识别模块；所述生物特征信号采集模块用于采集指纹图像以及指部群延迟曲线；所述生物特征提取模块用于根据所述指纹图像以及指部群延迟曲线分别提取指纹特征值和群延迟特征值；所述生物特征识别模块用于通过训练样本集构建身份识别模型，并利用卷积神经网络算法将所提取的指纹特征值和群延迟特征值与所述身份识别模型进行交叉验证，实现用户的身份识别。2.根据权利要求1所述的身份识别装置，其特征在于，所述生物特征信号采集模块包括指纹采集单元和介电谱采集单元，所述指纹采集单元为指纹传感器，用于采集指部的指纹图像；所述介电谱采集单元包括信号发送电极、信号接收电极、信号源、接收器，所述信号发送电极和信号接收电极分别位于指纹传感器的两端；当手指按压到信号发送电极和信号接收电极时，所述信号源产生正弦波，并通过信号发送电极将正弦波耦合到用户的指部，所述信号接收电极接收正弦波经过指部后的信号群延迟曲线，并存储在接收器中。3.根据权利要求1所述的身份识别装置，其特征在于，还包括信号预处理模块，所述信号预处理模块包括：指纹预处理单元：用于对指纹图像进行傅里叶变换滤波处理后，利用梯度算法对指纹图像的清晰度进行分析，并采用动态二值化算法对指纹图像进行二值化处理；群延迟曲线预处理单元：用于将所述群延迟曲线转换为群延迟图像，并采用无迹粒子滤波算法对群延迟图像进行滤波处理。4.根据权利要求1所述的身份识别装置，其特征在于，还包括环境参数监测模块，所述环境参数监测模块用于采集用户环境参数信息；所述环境参数监测模块包括湿度传感单元和温度传感单元，所述湿度传感单元包括湿度传感器和油脂传感器，所述湿度传感器和油脂传感器分别用于采集用户手指的水分分布和油腻程度信息；所述温度传感单元为体温传感器，用于采集用户当前的体温信息。5.根据权利要求1所述的身份识别装置，其特征在于，所述生物特征提取模块包括：指纹特征提取单元：用于利用log-Gabor滤波器对指纹图像进行分割后，提取指纹纹路方向特征，并根据纹路方向提取指纹的点特征和线特征；群延迟特征提取单元：用于提取不同频带下的群延迟曲率半径、不同频带下的群延迟平均值，并提取群延迟曲线的频谱特性。6.根据权利要求1或4所述的身份识别装置，其特征在于，所述生物特征识别模块包括训练单元和测试单元；所述训练单元的训练方式包括：采集多个志愿者在不同时间段的指纹图像、指部群延迟曲线和环境参数信息，将采集的...

【专利技术属性】
技术研发人员：李景振，聂泽东，刘宇航，王磊，
申请(专利权)人：深圳先进技术研究院，
类型：发明
国别省市：广东;44