一种基于牙齿结构特征的身份认证方法及装置制造方法及图纸

本发明专利技术公开了一种基于牙齿结构特征的身份认证方法及装置，其中方法包括：采集身份待认证人员露出牙齿的人脸图像，从中提取上半部分牙齿的下边缘线和下半部分牙齿的上边缘线；提取每个边缘线的以下任意一类或多类细粒度特征：每颗牙齿的基本特征、每个相邻牙齿组的扩展特征、每两个邻接点距离构成的全局特征、边缘线的形状；所述邻接点是指相邻两颗牙齿的连接点；根据细粒度特征计算身份待认证人员与已注册用户之间的相似度，若相似度大于相似度阈值则身份认证成功，否则身份认证失败。本发明专利技术的成本低，识别准确性好，安全度高。

【技术实现步骤摘要】
一种基于牙齿结构特征的身份认证方法及装置
本专利技术涉及信息安全
，具体涉及一种基于牙齿结构特征的身份认证方法及装置。
技术介绍
手机提供的日常应用功能丰富，为人们的生活提供了便捷的服务，但这些应用记录了大量的用户隐私数据，例如个人健康记录，网上银行支付记录和购物记录等。用户身份验证是保护隐私数据不被泄露的重要途径。安全性和高效性是用户认证系统设计和搭建的目标，这促进着当前一系列的研究不断地完善。现存的用户认证系统主要有人脸识别、指纹识别、语音识别及虹膜识别等。然而，这些用户认证系统已经被安全领域的学者证明是易受攻击的。例如，指纹薄膜可以欺骗指纹传感器，特制眼镜可以欺骗虹膜识别，声码器可以仿造用户的声音以及人脸3D面具可以破解人脸识别系统。虽然最新的人脸识别系统FaceID实现了较高的安全性及高效性，但是该系统使用了多种专用传感器(环境光传感器、距离感应器、红外镜头、泛光感应元件和点阵投影器等)，这使手机的成本增加了至少5％。在大多数的手机中，并不存在这些特殊的传感器。因此，提出一种新的应用于智能设备且安全、高效、低成本的身份认证本文档来自技高网...

【技术保护点】
1.一种基于牙齿结构特征的身份认证方法，其特征在于，包括以下步骤：/n步骤1，采集身份待认证人员露出牙齿的人脸图像，从中提取上半部分牙齿的下边缘线和下半部分牙齿的上边缘线；/n步骤2，根据步骤1得到的上边缘线和下边缘线，提取每个边缘线的以下任意一类或多类细粒度特征：第i(i＝1,2,…,n)颗牙齿的基本特征BF、第i(i＝1,2,…,n-1)个相邻牙齿组的扩展特征EF、每两个邻接点距离构成的全局特征GFT、边缘线的形状EEL；其中，n表示边缘线包括的牙齿颗数，所述邻接点是指相邻两颗牙齿的连接点；/n步骤3，根据细粒度特征计算身份待认证人员与已注册用户之间的相似度，若相似度大于相似度阈值则身份认...

【技术特征摘要】
1.一种基于牙齿结构特征的身份认证方法，其特征在于，包括以下步骤：
步骤1，采集身份待认证人员露出牙齿的人脸图像，从中提取上半部分牙齿的下边缘线和下半部分牙齿的上边缘线；
步骤2，根据步骤1得到的上边缘线和下边缘线，提取每个边缘线的以下任意一类或多类细粒度特征：第i(i＝1,2,…,n)颗牙齿的基本特征BF、第i(i＝1,2,…,n-1)个相邻牙齿组的扩展特征EF、每两个邻接点距离构成的全局特征GFT、边缘线的形状EEL；其中，n表示边缘线包括的牙齿颗数，所述邻接点是指相邻两颗牙齿的连接点；
步骤3，根据细粒度特征计算身份待认证人员与已注册用户之间的相似度，若相似度大于相似度阈值则身份认证成功，否则身份认证失败。


2.根据权利要求1所述的方法，其特征在于，所述牙齿的基本特征BF包括以下任意一个或多个细粒度特征：牙齿的子边缘线P、牙齿的两个邻接点之间距离D、牙齿的宽度W；
所述相邻牙齿组的扩展特征EF包括以下任意一个或多个细粒度特征：相邻牙齿组的扩展边缘线EP、相邻牙齿组的最外侧两个邻接点之间扩展距离ED、相邻牙齿组的扩展宽度ED；其中，每相邻的2颗牙齿均可作为1个相邻牙齿组。


3.根据权利要求1所述的方法，其特征在于，在步骤3根据细粒度特征计算相似度时，首先针对步骤2提取的每个细粒度特征，分别计算身份待认证人员与已注册用户之间的子相似度；然后根据每个细粒度特征的权重以及对应计算得到的子相似度，综合计算身份待认证人员与已注册用户之间的整体相似度，进而将整体相似度与相似度阈值比较进行身份认证。


4.根据权利要求1所述的方法，其特征在于，每个细粒度特征的权重，通过采用随机森林方法进行分配，具体为：
按照步骤1和步骤2相同方法获取若干人员的细粒度特征，其中部分人员的细粒度特征作为袋内训练样本，其余人员的细粒度特征作为袋外测试样本；
根据袋内训练样本生成K棵决策树，进而构建随机森林f；使用袋外训练样本输入至随机森林f进行身份认证，得到随机森林f的分类误差errf，
向每个袋外测试样本的第j(j＝1,2,…,J)个细粒度特征添加随机噪声，然后将得到的袋外样本输入至随机森林f进行身份认证，并统计随机森林f中每棵决策树的分类误差其中J表示细粒度特征的数量，k表示决策树的编号，k＝1,2,…,K；
根据决策树的分类误差计算第j(j＝1,2,…,J)个细粒度特征的权重wj：






式中，FIWj是指第j个特征的重要性。


5.根据权利要求1所述的方法，其特征在于，在步骤1采集到人脸图像后，使用Dlib库追踪人脸标识点，并根据标识点的位置切割出嘴巴区域子图像，然后从嘴巴区域子图像中提取上半部分牙齿的下边缘线和下半部分牙齿的上边缘线。


6.根据权利要求5所述的方法，其特征在于，在步骤1提取边缘线之前，根据嘴巴区域子图像进行攻击检测；若攻击检测结果为未受到外界攻击，则继续提取牙齿的边缘线；否则，身份认证失败，退出身份认证。


7.根据权利要求6所述的方法，其特征在于，所述攻击检测包括外力攻击检测，具体为：
(1)步骤1的采集人脸图像，具体从L个连续的不同角度，采集身份待认证人员露出牙齿的L张人脸图像，进而得到L个角度连续的嘴巴区域子图像；
(2)计算每两个角度相邻的嘴巴区域子图像之间的欧几里得距离差：



其中，σl表示第l个、第l+1个嘴巴区域子图像之间的欧几里得距离差；edi(l)、edi(l+1))分别表示第l个、第l+1个嘴巴区域子图像在第i个标识点对的欧几里得距离，Num表示嘴巴区域子图像中的标识点对个数；
(3)将第l个欧几里得距离差转换为第l个欧...

【专利技术属性】
技术研发人员：蒋洪波，曹航程，肖竹，刘代波，曾凡仔，
申请(专利权)人：湖南大学，
类型：发明
国别省市：湖南;43