基于双分级映射的多生物特征虹膜模板保护方法技术

一种基于双分级映射的多生物特征虹膜模板保护方法，包括：对采集的虹膜图像以及人脸图像进行预处理；提取预处理之后的虹膜的二值特征，作为被加密的模板；对预处理之后的人脸图像中的瞳孔中心进行定位，同时利用Harris角点检测算子进行双眼内眼角角点的定位，通过计算双眼内眼角角点的距离以及双眼瞳孔中心点的距离，得到自定义的加密特征：眼距比，其定义为双眼内眼角角点的距离与双眼瞳孔中心距离的比值；对得到的密钥序列进行分级处理；最后进行分级Bloom过滤器匹配。算法运算量低，简化设备并降低了成本，在保证系统识别性能的同时提高了系统的安全性能，并满足生物特征模板保护要求的三大标准：不可逆性、可撤销性以及不可链接性。可链接性。可链接性。

【技术实现步骤摘要】
基于双分级映射的多生物特征虹膜模板保护方法


[0001]本专利技术涉及图像识别及加密
，具体是涉及一种基于分级Logistic与分级Bloom过滤器的多生物特征虹膜模板保护方法，可应用于虹膜识别系统中虹膜模板的加密保护。

技术介绍

[0002]目前，生物特征识别技术已经被广泛应用于社会生活的方方面面，对生物特征模板保护技术的研究越来越广泛。与单生物特征识别相比，多生物特征识别虽然在识别安全性和识别正确率方面有优势，但在硬件复杂性上有其劣势。比如指纹与虹膜融合，人脸与指纹融合等，需要配置不同的生物特征采集设备，硬件成本大且运算量大。又如人脸与虹膜融合，虽然可以同时利用图像采集设备获取两种生物特征，但是非均匀光照和多姿态等因素可能干扰人脸特征信息，影响识别准确率和加密性能。在目前的研究成果中，结合多特征的生物特征信息保护方法还需要进一步简化设备、降低成本，并且用于作为加密密钥的生物特征信息的鲁棒性也有待提高。亟需寻找一种稳定的，不易受采集环境干扰且算法运算量低的多生物特征虹膜模板保护方法。

技术实现思路

[0003]专利技术目本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于双分级映射的多生物特征虹膜模板保护方法，其特征在于：其步骤包括：(A1)、对采集的虹膜图像以及人脸图像进行预处理；(A2)、通过经典的Log
‑
Gabor变换提取(A1)步骤预处理之后的虹膜的二值特征，作为被加密的模板；(A3)、采用canny边缘检测算子以及Hough变换对(A1)步骤中预处理之后的人脸图像中的瞳孔中心进行定位，同时利用Harris角点检测算子进行双眼内眼角角点的定位，通过计算双眼内眼角角点的距离以及双眼瞳孔中心点的距离，得到自定义的加密特征：眼距比，其定义为双眼内眼角角点的距离与双眼瞳孔中心距离的比值；(A4)、根据(A3)步骤得到的眼距比数值的特点，结合Logistic混沌映射的特点，对得到的密钥序列进行分级处理；(A5)、同时将(A4)步骤分级后的眼距比特征和(A2)步骤虹膜特征进行分级Bloom过滤器映射，以达到对虹膜特征进行加密保护的目的，最后进行分级Bloom过滤器匹配。2.根据权利要求1所述的基于双分级映射的多生物特征虹膜模板保护方法，其特征在于：(A1)步骤中所述的虹膜图像预处理包括虹膜定位，并对定位之后的虹膜图像归一化的预处理；人脸图像预处理包括对采集的人脸图像进行人脸定位，并对定位之后的人脸归一化、以及光斑去除的预处理。3.根据权利要求1所述的基于双分级映射的多生物特征虹膜模板保护方法，其特征在于：步骤(A4)具体包括以下步骤：眼距比的分级Logistic混沌映射；眼距比D∈(0,1)，将D的M位小数部分分为前M1位和后M2位两部分，对其分别进行Logistic混沌映射，根据改进的Logistic混沌映射公式，将D分为两个部分分别进行Logistic混沌映射；即在第一级映射中，令经过k次迭代后，产生前k位混沌序列；在第二级映射中，令y
k+1
＝D
‑
y0，迭代M
×
N
‑
k次，获得后M
×
N
‑
k位混沌序列，k＝w
×
l
×
n,n＝1,2,...K,x0,x
k+1
∈(0,1)，最后，将全部M
×
N的行向量转化为二值序列x
M
×
N
作为后续加密步骤的密钥。4.根据权利要求1所述的基于双分级映射的多生物特征虹膜模板保护方法，其特征在于：步骤(A5)具体包括以下步骤：(C1)、Bloom过滤器对虹膜加密：将待加密的二值矩阵X
M
×
N
分为K个w
×
l的二值矩阵block(2
w
≥l)，对此二值矩阵的每一列做的变换，将二值矩阵的每一列都转化为十进制，x<...

【专利技术属性】
技术研发人员：刘笑楠，高艳娜，
申请(专利权)人：沈阳工业大学，
类型：发明
国别省市：