The invention is a multi-biological feature fusion recognition method based on image quality evaluation. Firstly, the user's face and iris images are collected and preprocessed by the image acquisition subsystem. Secondly, the preprocessed images are fed into the corresponding recognition and authentication subsystem for quality evaluation, feature extraction and module respectively. The board matching and other steps output their matching scores and corresponding matching quality confidence scores. Finally, these scores are normalized and sent to the recognition fusion subsystem. The recognition and authentication results are obtained by using dynamic weighted fusion algorithm. The advantages of the present invention lie in that the method has higher recognition accuracy than a single face or iris recognition algorithm, and can realize high-precision personal identification; at the same time, the method extracts useful information of image quality and applies it to the fusion recognition authentication process on the basis of the existing mainstream fusion recognition algorithm. Further improve the system recognition performance.
【技术实现步骤摘要】
基于图像质量评估的多生物特征融合识别方法
本专利技术的实施例涉及一种基于图像质量评估的多生物特征融合识别方法,更具体地,涉及一种基于图像质量评估的包含人脸识别、虹膜识别的多生物特征融合识别方法。
技术介绍
随着信息化建设的飞速发展,人类日益增大的物理与虚拟活动空间面临越来越多的身份认证识别问题,传统的基于身份证或口令的认证识别方式存在易遗忘和被窃取的风险。尤为严重的是这些传统方式无法区分真正的拥有者和取得身份标识物的冒充者,而利用一个人固有的生理或行为特征实现身份认证识别,生物特征的一些固有属性(如不易伪造和窃取等)使得它比使用身份证或口令等传统方法更为可靠。近年来,生物特征识别在可靠性、准确性方面取得了相当大的改进,但实际应用中存在一些不利因素如环境、样本采集和欺骗攻击等,影响了系统的识别准确性,使其仍无法满足一些高安全性场合的要求。生物特征融合识别为这些情况提供了一个有效对策,它通过融合多种生物特征的特征信息,消除一些单一生物特征识别具有的弊端,以改进整个系统的识别性能,实现高精度的个体身份识别。现有多生物特征识别系统的成功实例证明了生物特征融合的可行性和有效性。随着实际应用中对信息安全要求的不断提高,生物特征融合识别依靠它能够提高准确率、可靠性和安全性等识别性能,成为当今国际生物特征识别技术的发展新方向。由于分数层融合能够对不同特征中的信息量以及处理这些信息的难易程度之间做到很好的平衡,所以基于匹配分数加权的融合方法成为主流融合算法之一,该方法首先是将身份识别系统输出的待识别特征与训练的数据库特征进行匹配,得出的匹配程度,以"候选人"等级的模式输出结 ...
【技术保护点】
1.一种基于图像质量评估的多生物特征融合识别方法,所述方法包括如下步骤:步骤1:图像数据采集:利用摄像装置,对未知用户X的人脸和虹膜进行图像采集;步骤2:图像预处理:主要由定位、归一化和图像增强三部分组成;人脸图像定位采用的是基于Haar特征与Adaboost相结合的算法,归一化采用平移、旋转和缩放措施,图像增强采用直方图均衡化,虹膜图像定位采用霍夫变换和边缘检测相结合的算法,归一化采用的是极坐标变换,图像增强采用直方图均衡化;步骤3:图像质量评估:利用光照和清晰度作为质量影响因子来进行人脸和虹膜图像质量评估,得出人脸和虹膜图像的质量评估分数Qface和Qiris;步骤4:特征提取和模板匹配:对人脸图像采用分块LBP提取图像纹理特征,采用卡方距离与人脸特征库进行模板匹配得出匹配分数Sface,采用下方公式计算出次模板匹配的匹配质量置信度分数Gface;对虹膜图像利用多通道2DLog‑Gabor提取虹膜纹理特征,采用海明距离与虹膜特征库进行模板匹配得出匹配分数Siris,采用下方公式计算出所述次模板匹配的匹配质量置信度分数Giris;步骤5:归一化处理:采用TANH方法对所有模板匹配分数 ...
【技术特征摘要】
1.一种基于图像质量评估的多生物特征融合识别方法,所述方法包括如下步骤:步骤1:图像数据采集:利用摄像装置,对未知用户X的人脸和虹膜进行图像采集;步骤2:图像预处理:主要由定位、归一化和图像增强三部分组成;人脸图像定位采用的是基于Haar特征与Adaboost相结合的算法,归一化采用平移、旋转和缩放措施,图像增强采用直方图均衡化,虹膜图像定位采用霍夫变换和边缘检测相结合的算法,归一化采用的是极坐标变换,图像增强采用直方图均衡化;步骤3:图像质量评估:利用光照和清晰度作为质量影响因子来进行人脸和虹膜图像质量评估,得出人脸和虹膜图像的质量评估分数Qface和Qiris;步骤4:特征提取和模板匹配:对人脸图像采用分块LBP提取图像纹理特征,采用卡方距离与人脸特征库进行模板匹配得出匹配分数Sface,采用下方公式计算出次模板匹配的匹配质量置信度分数Gface;对虹膜图像利用多通道2DLog-Gabor提取虹膜纹理特征,采用海明距离与虹膜特征库进行模板匹配得出匹配分数Siris,采用下方公式计算出所述次模板匹配的匹配质量置信度分数Giris;步骤5:归一化处理:采用TANH方法对所有模板匹配分数进行归一化处理,采用MAX-MIN方法对所有匹配质量置信度分数进行归一化处理,处理后的每一个分数都在[0,1]之间;步骤6:融合识别:用归一化后的匹配分数和匹配质量置信度分数进行融合识别,其具体步骤如下:步骤61:初始权重分配:用于根据预设的权值分配标准为每个归一化后的所述模板匹配分数对应分配一个初始权重值,且所有所述权值之和等于1;步骤62:权重调整:用于在保证所有所述权值之和等于1的前提下,根据所述匹配质量置信度分数调整每个对应的所述模板匹配分数的对应权值;步骤63:加权融合识别:用于根据归一化后的所述模板匹配分数和调整后的对应权值进行加权融合,得出最终的识别结果。2.根据权利要求1所述的识别方法,所述步骤4中计算匹配质量置信度分数G的公式为:G=min{Q1,Q2}其中Q1和Q2为进行模板匹配的两幅图像各自的质量评估分数。3.根据权利要求1所述的识别方法,所述步骤61中的所有所述初始权重权值之和等于1,即:所述步骤62中权重调整的具体方法为:若Gface>=Tface且Giris<Tiris时若Gface<Tface且Giris>=Tir...
【专利技术属性】
技术研发人员:肖珂,何云华,曾凡锋,李琛,王景中,
申请(专利权)人:北方工业大学,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。