生物识别系统模板的选取和更新方法技术方案

本发明专利技术生物识别系统模板的选取和更新方法，涉及生物识别中的数字图像处理，包括基于样本重要性评估的候选模板选取和样本通过表更新过程以及基于最近邻分类器的生物识别系统模板选取过程两个阶段，其中基于样本重要性评估的候选模板选取和样本通过表更新过程包括建立样本通过表A

Template selection and update method of biometric system

【技术实现步骤摘要】
生物识别系统模板的选取和更新方法
本专利技术的技术方案涉及生物识别中的数字图像处理，具体地说是生物识别系统模板的选取和更新方法。
技术介绍
现有的生物识别系统的运作包含两个阶段：特征注册阶段和认证阶段，在特征注册阶段，输入样本经过采集和预处理，最终得到具有差异性的生物特征，存储在数据库中；在认证阶段，输入样本经过类似的处理后，得到的生物特征用于匹配数据库中存储的模板，最终得到认证后的身份信息。生物识别原型系统利用从注册者输入获取的生物特征作为模板，在注册成功后，利用最近邻分类器进行身份鉴别。最近邻分类器是当前生物识别领域运用最为广泛的一类分类器的统称，通过对比输入样本与保存在数据库内的模板逐一匹配，寻找最相近的模板作为拟输出，然后根据预先设定的认证阈值，最终判断该输入样本是否与该模板属于同一注册用户。现有的基于最近邻分类器的识别系统只能通过满足一定相似度的样本，因为类内差异的存在，错误地拒绝了一些真实的用户。类内差异指的是属于同一身份的样本，因为采集方法、环境变化以及自身变化的原因，造成个体之间的差异化，比如不同光照下的样本成像不同的影响，人脸识别中戴眼镜的影响、掌纹识别中手掌伤疤的影响，指纹识别中手指脱皮的影响以及随着时间变化人脸、掌纹、虹膜的缓慢变化。为了解决这个问题，现有的生物识别系统一般采用存储多模板的方式，使模板集具有足够的可表达性。但是考虑到存储空间和匹配实时性，模板集只能存储一定量的注册特征。现今，如何选取较少而且具有更好代表性的模板集成为了一项非常具有挑战性的课题。另外，生物识别系统还面临着其他的难题，比如生物特征的缓慢或急剧变化，比如产生伤疤或者随着时间纹理缓慢发生改变。一个强健的生物识别系统应该可以通过生物识别系统模板更新策略自适应地处理这些类内变化。目前为止，现在的生物识别系统模板更新框架可以粗略的分为两类：顺序处理框架和批处理框架，这两者中，前者更为流行。对于顺序处理框架，CN105631443B公开了指纹模板的更新方法及终端设，是利用纹路中坏点的判别方法来更新和完备一个指纹模板。CN102708360A公开了一种指纹模板生成及自动更新的方法，是一种利用多个指纹样本信息融合，构造融合模板的方法，但是此方法只是广泛应用于指纹识别，样本之间假定是基于关键点对齐的，这对于非接触式生物识别系统是不适用的，因为非接触式生物识别系统存在大量非线性变换，难以基于关键点对齐。对于批处理框架，CN109325327A公开了用于更新在面部识别中所使用的模板的过程，是针对人脸识别系统提出一种利用两个相似性阈值和置信区间来判别是否将样本更新为模板的方法，该方法只是简单地利用单个输入样本与模板之间的匹配关系判断是否适合作为模板，没有考虑到面向类内变化的差异性，而且没有针对离群点或假样本的处理，容易造成模板污染。此外，还有使用多模态识别技术进行交叉更新的方法，比如CN101483652A公开了生物特征识别系统，采用双模态识别技术，这种方法利用多种不同生物识别特征，综合多种生物特征的认证结果和置信度进行身份判别以及模板更新，但是这种方法不适用于普遍应用的单模态系统。以上现有技术方法都是针对某种或某几种特定生物特征信息的识别更新方法，不是通用型生物特征识别更新的方法，因而存在不具有普适性，并且因模板类内变化造成生物识别系统的误拒率比较高的缺陷。
技术实现思路
本专利技术所要解决的技术问题是：提供生物识别系统模板的选取和更新方法，包括基于样本重要性评估的候选模板选取和样本通过表更新过程以及基于最近邻分类器的生物识别系统模板选取过程两个阶段，克服了现有的生物识别系统模板的选取和更新方法所存在的不具有普适性，并且因模板类内变化造成的生物识别系统的误拒率比较高的缺陷。本专利技术解决该技术问题所采用的技术方案是：生物识别系统模板的选取和更新方法，包括基于样本重要性评估的候选模板选取和样本通过表更新过程以及基于最近邻分类器的生物识别系统模板选取过程两个阶段，具体步骤如下：第一步，基于样本重要性评估的候选模板选取和样本通过表更新过程：(1.1)建立样本通过表As：样本通过表As是一种记录每个样本通过或未通过信息的二维表，用该表记录当前生物识别系统的正选模板集T和候选模板集TC中各个模板的重要程度，样本通过表的列对应当前正选模板集与候选模板集中的模板，当注册用户的一个样本通过身份认证，表示该表的列中对应模板的匹配得分大于认证阈值，则对应元素置1，表示该样本认证通过，否则置0，初始状态下，该二维表为0行K+N列，“行”对应于一个更新轮次内所采集的注册用户的样本数量，“列”对应于模板数量，K表示正选模板集的元素个数，N表示候选模板集中的元素个数，由此建立样本通过表As；(1.2)候选模板选取：候选模板是在达到新的更新轮次之前保存下来的包含了一定类内变化信息的模板，在达到更新轮次时，候选模板集TC与正选模板集T作为总的候选空间，从中选取合适的子集作为新的模板集，样本S申请认证，当其与模板集中的所有模板匹配值大于认证阈值tsim且小于更新阈值tclose，则将该样本选为候选模板，认证阈值表示系统对注册用户真实身份的判定，输入样本与模板的匹配得分大于认证阈值表示当前用户已被系统认定为某个真实注册用户，更新阈值是比认证阈值更严格即数值更高的一个阈值，用来控制输入样本与当前模板不至于过于相似，更新阈值与认证阈值这两个阈值的结合用于保证样本属于真实用户且与当前模板集中的模板有一定差异，当满足该条件时，表示此样本属于该真实注册用户且与当前模板有一定差异，将允许参与到后续新模板集选取的竞争中，当申请认证的样本S满足上述的候选模板选取条件，则该样本通过在上述(1.1)步建立的样本通过表As的列尾部增加一列，表示新的候选模板加入，参与到后续样本通过表更新中，当候选模板数量达到生物识别系统的预设值N时，则根据上述(1.1)步建立的样本通过表As中每一列之和作为权重，排序后删除得分最小的模板，至此完成候选模板选取；(1.3)样本通过表更新：对上述(1.1)步建立的样本通过表As输入上述(1.2)步中的样本S申请认证，逐个匹配模板集与候选模板集中的所有模板，当该输入样本S和模板集中的模板t之间的匹配得分大于认证阈值tsim，则置样本通过表As的相应位置As(s,t)＝1，否则As(s,t)＝0，在样本通过表的更新过程中对每个输入样本进行同样操作，当对上述(1.2)步中的输入样本S通过申请认证，上述(1.1)步建立的样本通过表As将在行尾部增加一行，在更新过程中，对每个输入样本S进行同样操作，该样本通过表更新阶段存在于整个认证生物识别系统的工作周期内；第二步，基于最近邻分类器的模板选取：基于最近邻分类器的模板选取是将正选模板集T与候选模板集Tc之和作为模板候选空间TM，在模板候选空间TM中选取最具有表达性的子集作为新的正选模板集T*，包括如下步骤：(2.1)根据联合通过表选取新模板集T*：建立模板通过表At，该表是一种类似于上述(1.1)步的样本通过表As的二维表，表示模板之间的通过关系，用于本文档来自技高网...

【技术保护点】
1.生物识别系统模板的选取和更新方法，其特征在于：包括基于样本重要性评估的候选模板选取和样本通过表更新过程，以及基于最近邻分类器的生物识别系统模板选取过程两个阶段，具体步骤如下：/n第一步，基于样本重要性评估的候选模板选取和样本通过表更新过程：/n(1.1)建立样本通过表A

【技术特征摘要】
1.生物识别系统模板的选取和更新方法，其特征在于：包括基于样本重要性评估的候选模板选取和样本通过表更新过程，以及基于最近邻分类器的生物识别系统模板选取过程两个阶段，具体步骤如下：
第一步，基于样本重要性评估的候选模板选取和样本通过表更新过程：
(1.1)建立样本通过表As：
样本通过表As是一种记录每个样本通过或未通过信息的二维表，用该表记录当前生物识别系统的正选模板集T和候选模板集TC中各个模板的重要程度，样本通过表的列对应当前正选模板集与候选模板集中的模板，当注册用户的一个样本通过身份认证，表示该表的列中对应模板的匹配得分大于认证阈值，则对应元素置1，表示该样本认证通过，否则置0，初始状态下，该二维表为0行K+N列，“行”对应于一个更新轮次内所采集的注册用户的样本数量，“列”对应于模板数量，K表示正选模板集的元素个数，N表示候选模板集中的元素个数，由此建立样本通过表As；
(1.2)候选模板选取：
候选模板是在达到新的更新轮次之前保存下来的包含了一定类内变化信息的模板，在达到更新轮次时，候选模板集TC与正选模板集T作为总的候选空间，从中选取合适的子集作为新的模板集，样本S申请认证，当其与模板集中的所有模板匹配值大于认证阈值tsim且小于更新阈值tclose，则将该样本选为候选模板，认证阈值表示系统对注册用户真实身份的判定，输入样本与模板的匹配得分大于认证阈值表示当前用户已被系统认定为某个真实注册用户，更新阈值是比认证阈值更严格即数值更高的一个阈值，用来控制输入样本与当前模板不至于过于相似，更新阈值与认证阈值这两个阈值的结合用于保证样本属于真实用户且与当前模板集中的模板有一定差异，当满足该条件时，表示此样本属于该真实注册用户且与当前模板有一定差异，将允许参与到后续新模板集选取的竞争中，当申请认证的样本S满足上述的候选模板选取条件，则该样本通过在上述(1.1)步建立的样本通过表As的列尾部增加一列，表示新的候选模板加入，参与到后续样本通过表更新中，当候选模板数量达到生物识别系统的预设值N时，则根据上述(1.1)步建立的样本通过表As中每一列之和作为权重，排序后删除得分最小的模板，至此完成候选模板选取；
(1.3)样本通过表更新：
对上述(1.1)步建立的样本通过表As输入上述(1.2)步中的样本S申请认证，逐个匹配模板集与候选模板集中的所有模板，当该输入样本S和模板集中的模板t之间的匹配得分大于认证阈值tsim，则置样本通过表As的相应位置As(s,t)＝1，否则As(s,t)＝0，在样本通过表的更新过程中对每个输入样本进行同样操作，当对上述(1.2)步中的输入样本S通过申请认证，上述(1.1)步建立的样本通过表As将在行尾部增加一行，在更新过程中，对每个输入样本S进行同样操作，该样本通过表更新阶段存在于整个认证生物识别系统的工作周期内；
第二步，基于最近邻分类器的模板选取：
基于最近邻分类器的模板选取是将正选模板集T与候选模板集Tc之和作为模板候选空间TM，在模板候选空间TM中选取最具有表达性的子集作为新的正选模板集T*，包括如下步骤：
(2.1)...

【专利技术属性】
技术研发人员：岳峰，李彬，陈曦，
申请(专利权)人：北京北科慧识科技股份有限公司，
类型：发明
国别省市：北京;11