本发明专利技术属于分类器集成和模式识别领域，其特征在于，首先通过各种采集设备获得用户的人脸、虹膜、在线签名和脱机笔迹各生物特征，接下来将这些生物特征分别送入对应的识别认证子模块进行特征提取和模板匹配，并输出各自匹配后得到的分数。这些分数经过归一化后，或者被送入识别融合模块，通过置信度集成等步骤得到最后的识别结果；或者被送入认证融合模块，映射到多维空间并通过分类器分类后得到最后的认证结果；或者识别融合之后再次进行认证融合，得到认证后的最终识别结果。经过融合以后，无论是进行验证还是识别，总的错误率较之单一生物特征识别认证系统，都得到了降低。
【技术实现步骤摘要】
本专利技术属于分类器集成和模式识别领域，但是其中又包含了人脸识别、虹膜识别和文字识别领域的内容。
技术介绍
身份认证是保护信息安全所面临的一个难题。传统的认证方法往往采用密码、证件或者一些已有的特定的知识作为使用者进入系统内部的权限。但是由于密码容易被遗忘、修改，证件携带不便且易丢失，因此传统的认证方式存在着重大的缺陷和安全隐患。随着安全领域越来越高的需求，基于生物特征的自动身份认证和识别系统变得越来越广泛和高效。许多银行、机场等区域都已经采用了基于生物特征的产品。常用的生物特征既包括人脸、虹膜、指纹、掌纹等在内的身份特征，也包括签名、笔迹、步态等在内的行为特征。与传统认证方式相比，生物特征识别最大的特点就是对用户自身的特征进行认证和识别，具有防伪性好、方便和不易遗忘丢失的优点。每一种生物特征认证和识别都在准确率、用户接受程度和成本方面有所不同，都有自己的优缺点，适用于不同的应用场合。对于用户来说，通过人脸系统进行识别和认证是最友好最不令人抵触的方式；而虹膜识别和认证则已经被证明是最可靠、稳定和准确的一种检测途径；在线签名和笔迹识别系统因其采集方便且操作简单，也被用户所广泛接受。但是这些系统也面临不少问题，比如人脸识别系统则对光照、姿态和表情等因素非常敏感；虹膜识别系统对采集到的样本有很高的质量要求，采集时不易操作，而且在实际使用中很可能因为采集到的用户虹膜样本质量太差或是用户在患眼科疾病等的情况下失效；在线签名系统则会因为采集设备的不同和用户对同一采集设备的适应程度不同而对用户的在线签名样本造成影响；而对脱机的笔迹识别系统而言，即使对于同一个用户，其签名和笔迹在不同时期和用户的不同状态下也会产生较大差异，更不用说其所面临的伪造和假冒的问题。通过多种生物特征识别认证系统间的融合可以有效的解决上述问题。因为通过对多个分类器的融合，不但可以防止单一生物特征识别认证系统失效而产生的错误，使总的分类错误率得到降低，而且通过融合具有生物行为特征的识别系统比如在线签名系统，还可以为其它特征的识别提供活体检测，防止一些伪造现象的出现。目前，关于生物特征融合的很多研究工作还都集中在两类生物特征的融合和同一类生物特征的融合上，比如虹膜和人脸，或是指纹和掌纹等。对于三类以上生物特征融合的研究，特别是将属于生物身份特征的人脸虹膜信息与属于行为特征的签名笔迹信息进行融合的研究并不多见。
技术实现思路
本专利技术通过将对生物身份特征信息进行处理的人脸、虹膜识别认证系统与对生物行为特征信息进行处理在线签名、脱机笔迹识别认证系统结合在一起，根据最后融合的结果作出决策，达到了提高总的识别、认证准确率的目的。本专利技术的特征之一在于，身份识别的过程，依次含有以下步骤步骤1向计算机输入设定的人脸识别认证模块、虹膜识别认证模块、在线签名识别认证模块以及脱机笔迹识别认证模块，还要输入与所述各模块对应的数据库；步骤2用摄像头采集未知用户Z的人脸，用虹膜采集仪采集未知用户Z的虹膜、用手写板或触摸式显示屏采集未知用户Z的在线签名、用扫描仪采集未知用户Z的脱机笔迹，再分别把相应的图像输入步骤1所述计算机中，用相应的识别认证模块分别进行特征提取，并和各自数据库中已有的用户生物特征模板进行匹配，然后输出各自匹配后得到的分数；步骤3用步骤1中所述的计算机进行生物特征的识别融合，依次按以下步骤进行步骤31利用步骤2中各模块已有的数据库建立一个包括人脸、虹膜、在线签名和脱机笔迹在内的所述各待融合子模块输出分数的充分大的训练集A；步骤32把步骤31中该训练集内包括距离或相似度在内的每一个待融合子模块输出的分数输入所选计算机内预置的归一化模块转换成置信度，依次按以下步骤进行首先，通过给定的广义置信度估计公式把各待融合子模块的输出分数转换成广义置信度设定数据库中有N个用户，分别记作类ω1，ω2，L，ωN；待进行融合的生物特征识别认证子模块，也称分类器，有R个；X^=(xr1,xr2,L,xrR)]]>是训练集内用户X在匹配之前总的特征向量集合；其中 表示该用户在第i(i＝1，2，L，R)个分类器中提取得到的特征向量；对于原始输出为距离的分类器， 表示特征向量 与类ωj所代表的第j(j＝1，2，L，N)个用户在数据库中的特征向量模板之间的最小匹配距离；对于原始输出为相似度的分类器， 表示特征向量 与类ωj所代表的第j(j＝1，2，L，N)个用户在数据库中的特征向量模板之间的最大匹配相似度；则，可以通过给定的广义置信度估计公式把所述各子模块的原始输出分数转换成广义置信度。对第i个分类器，将用户X识别成类ωj所代表用户的广义置信度用g(ωj|xri)]]>表示。对于原始输出为距离的生物特征识别子模块，用(1-1)式将其输出的分数 转换成广义置信度g(ωj|xri)=1-dj(xri)mink≠j(dk(xri)),(k=1,2,L,N)---(1-1)]]>对于原始输出为相似度的生物特征识别子模块，用(1-2)式将其输出的分数 转换成广义置信度g(ωj|xri)=1-maxk≠j(sk(xri))sj(xri),(k=1,2,L,N)---(1-2)]]>其次，当某生物特征识别子模块所输出的分数都被转换成广义置信度之后，通过计算下述广义置信度到置信度的映射函数f(y)，再把广义置信度转换成置信度设从某生物特征识别子模块得到的广义置信度的值域为T；用户X属于该生物特征识别子模块中设定好的充分大的训练集A(X∈A)；令y=g(ωj|xri),]]>对任意y∈T，是y附近的一个小区间；则f(y)=Σj=1Ncount({X|X∈Aandg(ωj|xri)∈andX∈ωj})Σj=1Nxount({X|X∈Aandg(ωj|xri)∈})---(1-3)]]>(1-3)式中f(y)的分母为广义置信度落在小区间中的样本的总数；分子为广义置信度落在小区间中且被正确识别的样本的数目。对任意y∈T，计算得到f(y)后，就可以将广义置信度转换成置信度。对第i个分类器，将用户X识别成类ωj所代表用户的置信度，也即后验概率，用p(ωj|xri)]]>表示。p(ωj|xri)=f(g(ωj|xri))·]]>步骤33对于用户Z，对所有的i(i＝1，2，L，R)值和某个j(j＝1，2，L，N)值，都按照步骤32的置信度转换方法计算得到 然后代入识别融合系统对第j个用户的判别函数表达式(1-4)式或者(1-5)式中，得到融合系统将用户Z判断为第j个用户的判别分数； gj(Z)=Πi=1Rp(ωj|zri)---(1-4)]]>gj(Z)=Σi=1Rp(&a本文档来自技高网...
【技术保护点】
生物特征融合的身份识别方法，其特征在于，该方法依次含有以下步骤：步骤１：向计算机输入设定的人脸识别认证模块、虹膜识别认证模块、在线签名识别认证模块以及脱机笔迹识别认证模块，还要输入与所述各模块对应的数据库；步骤２：用摄像头采 集未知用户Ｚ的人脸，用虹膜采集仪采集未知用户Ｚ的虹膜、用手写板或触摸式显示屏采集未知用户Ｚ的在线签名、用扫描仪采集未知用户Ｚ的脱机笔迹，再分别把相应的图像输入步骤１所述计算机中，用相应的识别认证模块分别进行特征提取，并和各自数据库中已有的用户生物特征模板进行匹配，然后输出各自匹配后得到的分数；步骤３：用步骤１中所述的计算机进行生物特征的识别融合，依次按以下步骤进行：步骤３１：利用步骤２中各模块已有的数据库建立一个包括人脸、虹膜、在线签名和脱机笔迹在内的所述各待 融合子模块输出分数的充分大的训练集Ａ；步骤３２：把步骤３１中该训练集内包括距离或相似度在内的每一个待融合子模块输出的分数输入所选计算机内预置的归一化模块转换成置信度，依次按以下步骤进行：首先，通过给定的广义置信度估计公式把各 待融合子模块的输出分数转换成广义置信度：设定：数据库中有Ｎ个用户，分别记作类ω↓［１］，ω↓［２］，Ｌ，ω↓［Ｎ］；待进行融合的生物特征识别认证子模块，也称分类器，有Ｒ个；＊＝（＊，＊，Ｌ，＊）是训练集内用户Ｘ在匹配 之前总的特征向量集合；其中＊表示该用户在第ｉ（ｉ＝１，２，Ｌ，Ｒ）个分类器中提取得到的特征向量；对于原始输出为距离的分类器，ｄ↓［ｊ］（＊）表示特征向量＊与类ω↓［ｊ］所代表的第ｊ（ｊ＝１，２，Ｌ，Ｎ）个用户在数据库中的特征向量模板 之间的最小匹配距离；对于原始输出为相似度的分类器，ｓ↓［ｊ］（＊）表示特征向量＊与类ω↓［ｊ］所代表的第ｊ（ｊ＝１，２，Ｌ，Ｎ）个用户在数据库中的特征向量模板之间的最大匹配相似度；则，可以通过给定的广义置信度估计公式把所述各 子模块的原始输出分数转换成广义置信度。对第ｉ个分类器，将用户Ｘ识别成类ω↓［ｊ］所代表用户的广义置信度用ｇ（ω↓［ｊ］｜＊）表示。对于原始输出为距离的生物特征识别子模块，用（１－１）式将其输出的分数ｄ↓［ｊ］（＊）转换成广义置信度： ＊＊＊（１－１）对于原始输出为相似度的生物特征识别子模块，用（１－２）式将其输出的分数ｓ↓［ｊ］（＊）转换成广义置信度：＊＊＊...
【技术特征摘要】
【专利技术属性】
技术研发人员：丁晓青，方驰，舒畅，刘长松，蒋焰，王生进，彭良瑞，
申请(专利权)人：清华大学，
类型：发明
国别省市：11[中国|北京]
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。