一种身份认证方法技术

本发明专利技术提出一种身份认证方法，基于虹膜识别与语音识别。虹膜识别部分包括图像捕捉，虹膜信息检测，虹膜特征提取，虹膜相似度计算，以及虹膜识别结果获取。语音识别包括语音采集，语音信号分割与转换，语音特征提取，语音相似度计算和语音识别结果获取。综合识别部分将虹膜相似度与识别结果，语音相似度与识别结果输入到由卷积神经网络构建的分类器中进行最终的身份认证。本发明专利技术采用了虹膜和语音两种生物特征，并通过卷积神经网络得出身份识别结果，利用两种生物特征信息进行身份认证的优点在于可以避免单一生物特征的不全面性，提高容错性和认证结果的可靠性，使其具有更广泛的安全性和适应性。

An identity authentication method

The invention proposes an identity authentication method based on iris recognition and speech recognition. Iris recognition includes image capture, iris information detection, iris feature extraction, iris similarity calculation, and iris recognition results acquisition. Speech recognition includes speech acquisition, speech signal segmentation and conversion, speech feature extraction, speech similarity calculation and speech recognition results acquisition. The integrated recognition part makes the final identification of the iris similarity with the recognition results, the speech similarity and the recognition results into the classifier constructed by the convolution neural network. The invention uses two biometric features of iris and speech, and obtains identification results through the convolution neural network. The advantage of using two biometric information for identity authentication is that it can avoid the uncomprehensiveness of a single biometric feature, improve the fault tolerance and the reliability of the authentication results, and make it more secure. And adaptability.

【技术实现步骤摘要】
一种身份认证方法
本专利技术涉及身份识别
，特别是一种身份认证方法。
技术介绍
随着计算机技术的发展，在某些对身份认证要求较高的应用领域，如安防、金融机构等，都需要可靠、高效的身份认证方法与系统，因此近年来生物特征识别技术得到了广泛应用。生物特征识别技术是指通过计算机利用人类自身生理或行为特征进行身份认定的一种技术，它以人体惟一的、可靠的、稳定的生理特征，如指纹、虹膜、脸部、掌纹等或行为特征，如话音、击键、步态、签名等为依据，采用计算机强大的计算功能和网络技术进行图像处理和模式识别，用以鉴别人的身份。该技术具有很好的安全性、可靠性和有效性，与传统的身份确认手段相比，不依赖各种人造的和附加的物品来证明人的自身，而用来证明自身的恰恰是人本身。因此，它不会丢失、不会遗忘，很难伪造和假冒，是一种方便安全的保安手段。近几年来，全球的生物特征识别技术正从研究阶段逐步转向应用阶段。这些系统很好地解决了传统安全保护方式存在的隐患，提供了相对方便、快速、准确的身份识别方法。但是每种生物特征识别都有其适用的范围，故这些系统也存在着各自的缺点。
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，提供一种身份认证方法，采用虹膜与语音两种生物特征相结合的方法，通过两种生物特征识别可以大大提高身份认证的可靠程度，具有更高的识别精度。为达到上述目的，本专利技术的构思是：本方法包括虹膜识别，语音识别，以及综合虹膜识别与语音识别结果与相似度进行最终身份认证的综合识别部分。所述虹膜识别进一步包括图像捕捉，虹膜信息检测，虹膜特征提取，虹膜相似度计算，和虹膜识别结果获取。虹膜相似度与识别结果都作为综合识别的输入信息，用于综合识别身份。所述语音特征识别进一步包括语音采集，语音信号分割与转换，语音特征提取，语音相似度计算，以及语音识别结果获取。同样语音相似度与语音识别结果也作为综合识别的输入，用于综合识别身份。综合识别部分将虹膜相似度与识别结果，语音相似度与识别结果输入到由卷积神经网络构建的分类器中进行身份识别，判断认证是否成功。根据上述构思，本专利技术采用的技术方案是：一种身份认证方法，基于虹膜识别与语音识别，具体步骤如下：1)用户信息获取：用户的待验证信息包括通过虹膜采集摄像头获取用户的虹膜图像信息，以及通过语音获取设备获取用户的语音信息；2)虹膜相似度计算与虹膜识别结果获取：对获取到的虹膜图像先进行预处理，然后进行图像分割，得到虹膜部分，再对其进行光照和大小归一化，利用Gabor小波变换进行虹膜特征提取，得到相应虹膜的特征向量，使用支持向量机的方法将该特征向量与数据库中收录的虹膜进行比较，计算相似度，寻找最相似的虹膜，作为虹膜识别结果；3)语音相似度计算与语音识别结果获取：采用预置的语音识别指令对得到的语音进行识别并获取相似度；对采集到的语音信息进行声音信号的分割，采用Mel频率倒谱系数方法提取语音特征向量，使用支持向量机的方法在语音数据库中寻找最佳拟合，计算相似度，获取语音识别结果；4)综合识别：将虹膜相似度以及识别结果、语音相似度及识别结果作为综合识别部分中分类器的输入，其中分类器由卷积神经网络构建，并在训练集上事先完成训练，如果分类器的输出结果在经验值的误差范围内，则身份认证成功，否则身份认证失败。与现有技术相比，本专利技术具有如下的优点：本专利技术采用了虹膜和语音两种生物特征，并通过深度卷积网络得出综合识别结果。利用两种生物特征信息进行身份识别的优点在于可以避免单一生物特征的不全面性，提高容错性和认证结果的可靠性，使其具有更广泛的安全性和适应性。附图说明图1为本专利技术身份认证方法流程框图。图2为本专利技术综合识别部分中分类器的卷积神经网络结构。具体实施方式下面结合附图，对本专利技术的具体实施例做进一步的说明。如图1所示，一种身份认证方法，基于虹膜识别与语音识别，具体步骤如下：1)用户信息获取：用户的待验证信息包括通过虹膜采集摄像头获取用户的虹膜图像信息，以及通过语音获取设备获取用户的语音信息；2)虹膜相似度计算与虹膜识别结果获取：对获取到的虹膜图像先进行预处理，然后进行图像分割，得到虹膜部分，再对其进行光照和大小归一化，利用Gabor小波变换进行虹膜特征提取，得到相应虹膜的特征向量，使用支持向量机的方法将该特征向量与数据库中收录的虹膜进行比较，计算相似度，寻找最相似的虹膜，作为虹膜识别结果；3)语音相似度计算与语音识别结果获取：采用预置的语音识别指令对得到的语音进行识别并获取相似度；对采集到的语音信息进行声音信号的分割，采用Mel频率倒谱系数方法提取语音特征向量，使用支持向量机的方法在语音数据库中寻找最佳拟合，计算相似度，获取语音识别结果；4)综合识别：将虹膜相似度以及识别结果、语音相似度及识别结果作为综合识别部分中分类器的输入，其中分类器由卷积神经网络构建，并在训练集上事先完成训练，如果分类器的输出结果在经验值的误差范围内，则身份认证成功，否则身份认证失败。一个具体实施例详述如下：一种基于虹膜识别和语音识别的身份认证方法，如图1所示，包括以下步骤：S01：获取用户虹膜图像。S02：获取用户语音信息。S03：调用虹膜识别模块对获取的用户虹膜图像进行特征提取，根据获取到的特征进行虹膜识别，获得虹膜识别结果与虹膜相似度。其中虹膜特征提取采用Gabor小波变换。尺寸M×N的虹膜图像f(x,y)的Gabor小波变换为：其中，s,t是滤波器掩模尺寸变量，x,y指图像像素坐标，p,q分别表示小波变换的尺度和方向。是的复共轭，是Gabor小波变换函数a是尺度因子，且a＞1。参数x',y'分别表示为虹膜特征向量为：TFC＝[μ0,0,σ0,0,μ0,1,σ0,1,…,μP-1,Q-1,σP-1,Q-1]，其中分别是均值和标准差。其中表示尺度为p，方向为q的能量信息。S04：调用语音识别模块对获取的语音信息进行特征提取，根据获取到的特征向量进行语音识别，获得语音识别结果与语音相似度。语音特征采用Mel频率倒谱系数(MFCC)方法来提取。MFCC计算公式如下：其中，p指Mel频率滤波器个数，mi是语音的离散频谱进行滤波处理之后得到的系数。S05：调用虹膜与语音综合识别模块，对上述步骤已经获取到的虹膜识别结果与虹膜相似度，语音识别结果与语音相似度进行综合识别，计算识别结果。综合识别模块中的分类器由卷积神经网络构成。卷积神经网络结构如附图2所示。网络由三层卷积层，三层池化层，一层全连接层组成，最后判断softmax分类器的输出值是否在经验误差内，如果在在误差内则识别成功，否则识别失败。S06：根据综合识别获取的识别结果判断身份认证是否成功。对于上述步骤S01和步骤S02的顺序可以随意调换，虹膜图像和语音信息的获取没有先后顺序，依据用户个人喜好即可。在获取用户虹膜图像和用户语音信息时，预设的流程会通过声音与交互界面提示用户提供虹膜图像和语音信息。首先用户界面会给出需要获取的信息项，由用户自主选择提供的信息类别后，通过语音提示用户眼睛对准虹膜图像获取装置或者是提示用户读出语音或界面提示的文字，以便语音获取装置获取用户语音信息。另外也会通过语音来提示用户提供信息是否完整，是否正确。在获取人脸图像和用户语音信息时，本专利技术自动在限定时间内获取3次虹膜图像，语音信息方面本专利技术也自本文档来自技高网...

【技术保护点】
1.一种身份认证方法，基于虹膜识别与语音识别，其特征在于，具体步骤如下：1）用户信息获取：用户的待验证信息包括通过虹膜采集摄像头获取用户的虹膜图像信息，以及通过语音获取设备获取用户的语音信息；2）虹膜相似度计算与虹膜识别结果获取：对获取到的虹膜图像先进行预处理，然后进行图像分割，得到虹膜部分，再对其进行光照和大小归一化，利用Gabor小波变换进行虹膜特征提取，得到相应虹膜的特征向量，使用支持向量机的方法将该特征向量与数据库中收录的虹膜进行比较，计算相似度，寻找最相似的虹膜，作为虹膜识别结果；3）语音相似度计算与语音识别结果获取：采用预置的语音识别指令对得到的语音进行识别并获取相似度；对采集到的语音信息进行声音信号的分割，采用Mel频率倒谱系数方法提取语音特征向量，使用支持向量机的方法在语音数据库中寻找最佳拟合，计算相似度，获取语音识别结果；4）综合识别：将虹膜相似度以及识别结果、语音相似度及识别结果作为综合识别部分中分类器的输入，其中分类器由卷积神经网络构建，并在训练集上事先完成训练，如果分类器的输出结果在经验值的误差范围内，则身份认证成功，否则身份认证失败。

【技术特征摘要】
1.一种身份认证方法，基于虹膜识别与语音识别，其特征在于，具体步骤如下：1）用户信息获取：用户的待验证信息包括通过虹膜采集摄像头获取用户的虹膜图像信息，以及通过语音获取设备获取用户的语音信息；2）虹膜相似度计算与虹膜识别结果获取：对获取到的虹膜图像先进行预处理，然后进行图像分割，得到虹膜部分，再对其进行光照和大小归一化，利用Gabor小波变换进行虹膜特征提取，得到相应虹膜的特征向量，使用支持向量机的方法将该特征向量与数据库中收录的虹膜进行比较，计算相似度，寻找最相似的虹膜，作为虹膜...

【专利技术属性】
技术研发人员：武星，戴书吉，
申请(专利权)人：上海大学，
类型：发明
国别省市：上海,31