【技术实现步骤摘要】
生物特征多模态融合识别方法、装置、存储介质及设备
[0001]本专利技术涉及生物识别领域，特别是指一种生物特征多模态融合识别方法、装置、存储介质及设备。
技术介绍
[0002]生物识别技术通过计算机与光学、声学、生物传感器和生物统计学原理等高科技手段密切结合，利用人体固有的生理特性如指纹、人脸、虹膜、指静脉等来进行个人身份的鉴定。
[0003]随着对社会安全和身份鉴别准确性和可靠性要求的日益提升，单一生物特征识别在准确性和可靠性方面的局限性日益突出，已远不能满足产品和技术发展的需要。当前，多模态生物特征识别被认为是一个最具有潜力和优势的有研究方向。多模态生物特征识别可以有效的利用不同模态间的独立性进一步提高识别率，使得融合后的结果的准确性可以高于任何一个单模态。
[0004]现有技术中生物特征多模态融合方法的一种方法如下：其中P1、P2、P3是几种生物特征图像，R1、R2、R3分别是与P1、P2、P3对应的生物特征模板，在识别过程中，将P1和R1进行比对，得到比对分数S1，如果比对分数S1大于阈值T1，则调整...
【技术保护点】
【技术特征摘要】
1.一种生物特征多模态融合识别方法，其特征在于，所述方法包括：依次对每个模态的生物特征图像进行识别；在当前模态的比对分数不小于当前模态的最低阈值时，根据后一模态的生物特征图像的质量分数调整后一模态的比对阈值；当后一模态的比对分数不小于后一模态的最低阈值和调整后的后一模态的比对阈值，且后一模态的生物特征图像的质量分数不小于后一模态的决策阈值时，判断识别通过或进行后续模态的识别；当后一模态的比对分数不小于后一模态的最低阈值，且后一模态的比对分数小于后一模态调整后的比对阈值或后一模态的生物特征图像的质量分数小于后一模态的决策阈值时，将已识别的所有模态的比对分数融合得到融合分数；当融合分数不小于相应的融合分数阈值时，判断识别通过或进行后续模态的识别。2.根据权利要求1所述的生物特征多模态融合识别方法，其特征在于，对于任一模态，其最低阈值低于该模态正常识别通过时的阈值。3.根据权利要求1所述的生物特征多模态融合识别方法，其特征在于，对于任一模态，该模态的生物特征图像的质量分数越高，则该模态的比对阈值调整的越高。4.根据权利要求3所述的生物特征多模态融合识别方法，其特征在于，对于任一模态，该模态的比对阈值通过如下方式调整：将该模态的生物特征图像的质量分数分为三个区间段[0，Qmin)、[Qmin，Qref)、[Qref，Qmax]；其中，Qmin、Qref和Qmax分别为该模态的生物特征图像的最低质量分数、参考质量分数和最大质量分数；若该模态的生物特征图像的质量分数位于[0，Qmin)内，则将该模态的生物特征图像舍弃；若该模态的生物特征图像的质量分数位于[Qmin，Qref)内，则该模态的比对阈值不变；若该模态的生物特征图像的质量分数位于[Qref，Qmax]内，则该模态的比对阈值随着该模态的生物特征图像的质量分数的升高而提高；其计算公式为：T＝Tmin+(Tmax-Tmin)*f((Q-Qref)/(QMax-Qref))其中，Q∈[Qmin，Qmax]5.根据权利要求1-4任一所述的生物特征多模态融合识别方法，其特征在于，所述依次对每个模态的生物特征图像进行识别，包括：将第一模态的生物特征图像与第一模态的生物特征模板进行识别，得到第一模态的比对分数，并判断第一模态的比对分数是否不小于第一模态的最低阈值，若是，执行下一步，否则判断识别不通过；计算第二模态的生物特征图像的质量分数，并根据所述第二模态的生物特征图像的质量分数调整第二模态的比对阈值，其中，若第二模态的生物特征图像的质量分数越高，则第二模态的比对阈值越高；将第二模态的生物特征图像与第二模态的生物特征模板进行识别，得到第二模态的比
对分数，并判断第二模态的比对分数是否不小于第二模态的最低阈值，若是，执行下一步，否则判断识别不通过；判断是否同时满足第二模态的比对分数不小于调整后的第二模态的比对阈值且第二模态的生物特征图像的质量分数不小于第二模态的决策阈值，若同时满足，则判断识别通过，否则执行下一步；将第一模态的比对分数和第二模态的比对分数融合得到第一融合分数，并判断所述第一融合分数是否小于第一融合分数阈值，若是，则判断识别不通过；若所述第一融合分数不小于第一融合分数阈值，且不存在还未识别的模态，则判断识别通过，否则进行后续模态的识别。6.根据权利要求1-4任一所述的生物特征多模态融合识别方法，其特征在于，所述依次对每个模态的生物特征图像进行识别，包括：将第一模态的生物特征图像与第一模态的...
【专利技术属性】
技术研发人员：孙飞，杨春林，郭秀花，江武明，周军，
申请(专利权)人：北京眼神科技有限公司，
类型：发明
国别省市：
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。