基于组织氧饱和度的身份识别方法和装置制造方法及图纸

本发明专利技术提供了一种基于组织氧饱和度的身份识别方法和装置，涉及生物特征识别的技术领域，包括：根据预先获取的光谱原图像确定待识别组织的氧饱和度分布图；光谱原图像的采集对象为活体的身体组织；对预处理后的氧饱和度分布图进行特征提取，获取特征图像；特征图像包括已提取的若干个特征提取点；基于特征提取点对特征图像与目标个体进行匹配比对，确定匹配结果；匹配结果为待识别组织被识别为目标个体的概率，解决了现有技术中存在的对于环境要求较高、识别精度较低技术问题，达到了提高识别精度的技术效果。精度的技术效果。精度的技术效果。

【技术实现步骤摘要】
基于组织氧饱和度的身份识别方法和装置


[0001]本专利技术涉及生物特征识别
，尤其是涉及一种基于组织氧饱和度的身份识别方法和装置。

技术介绍

[0002]近年来，各种身份识别技术发展迅猛，现有的身份识别技术种类繁杂，通常包括口令、密码等传统手段。随着电子技术的发展，生物特征被广泛应用于身份识别，例如：指纹识别、面部识别、虹膜识别、签名识别、声音识别等。但是人体生物特征进行身份认证的实际应用过程中也存在不少问题，例如：人体指纹和面部图像易于伪造，且易受外部条件干扰导致影响识别精度；虹膜识别技术要求用户在检测时的高度配合，不仅图像质量被严格要求，还容易因隐形眼镜、美瞳等眼部用具对识别精度产生影响；笔迹识别和声音识别等，不仅容易被模仿，防欺骗性差，有时还需要借助额外的设备，便捷性不足。也就是说，现有的生物识别技术存在对环境要求高、识别精度低的问题。

技术实现思路

[0003]本专利技术的目的在于提供一种基于组织氧饱和度的身份识别方法和装置，以缓解现有技术中存在的对于环境要求较高、识别精度较低的技术问题。
[0004]第一方面，本专利技术实施例提供了一种基于组织氧饱和度的身份识别方法，包括：根据预先获取的光谱原图像确定待识别组织的氧饱和度分布图；所述光谱原图像的采集对象为活体的身体组织；
[0005]对预处理后的所述氧饱和度分布图进行特征提取，获取特征图像；所述特征图像包括已提取的若干个特征提取点；
[0006]基于所述特征提取点对所述特征图像与目标个体进行匹配比对，确定匹配结果；所述匹配结果为所述待识别组织被识别为所述目标个体的概率。
[0007]在一些可能的实施方式中，所述身体组织包括：面部、手部、颈部中的任意一种或多种的组合。
[0008]在一些可能的实施方式中，所述光谱原图像包括：所述待识别身体组织的高光谱图像或者所述待识别身体组织的近红外光谱图像。
[0009]在一些可能的实施方式中，对预处理后的所述氧饱和度分布图进行特征提取，获取特征图像，包括：
[0010]利用特征提取算法，对预处理后的所述氧饱和度分布图进行特征提取，获取特征图像；所述特征提取算法包括：卷积神经网络、K近邻算法、随机森林算法中的任意一种。
[0011]在一些可能的实施方式中，基于所述特征提取点对所述特征图像与目标个体进行匹配比对，确定匹配结果，包括：
[0012]基于所述特征提取点，利用训练好的匹配比对模型对所述特征图像与目标个体进行匹配比对，确定匹配结果；所述匹配比对模型包括：支持向量机模型、近邻分类器、决策分
类器或深度学习模型中的任意一种。
[0013]在一些可能的实施方式中，还包括：利用HSI压力数据库提供的组织的氧饱和度数据对所述匹配结果进行验证；所述HSI压力数据库包括若干条组织的氧饱和度数据。
[0014]第二方面，本专利技术实施例提供了一种基于组织氧饱和度的身份识别装置，包括：氧饱和度分布图确定模块，用于根据预先获取的光谱原图像确定待识别组织的氧饱和度分布图；所述光谱原图像的采集对象为活体的身体组织；
[0015]特征图像获取模块，用于对预处理后的所述氧饱和度分布图进行特征提取，获取特征图像；所述特征图像包括已提取的若干个特征提取点；
[0016]匹配结果确定模块，用于基于所述特征提取点对所述特征图像与目标个体进行匹配比对，确定匹配结果；所述匹配结果为所述待识别组织被识别为所述目标个体的概率。
[0017]在一些可能的实施方式中，上述匹配结果确定模块，还用于基于所述特征提取点，利用训练好的匹配比对模型对所述特征图像与目标个体进行匹配比对，确定匹配结果；所述匹配比对模型包括：支持向量机模型、近邻分类器、决策分类器或深度学习模型中的任意一种。
[0018]第三方面，本专利技术实施例提供了一种电子设备，包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面任一项所述的方法的步骤。
[0019]第四方面，本专利技术实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有机器可运行指令，所述计算机可运行指令在被处理器调用和运行时，所述计算机可运行指令促使所述处理器运行上述第一方面任一项所述的方法。
[0020]本专利技术提供了一种基于组织氧饱和度的身份识别方法和装置，包括：根据预先获取的光谱原图像确定待识别组织的氧饱和度分布图；光谱原图像的采集对象为活体的身体组织；对预处理后的氧饱和度分布图进行特征提取，获取特征图像；特征图像包括已提取的若干个特征提取点；基于特征提取点对特征图像与目标个体进行匹配比对，确定匹配结果；匹配结果为待识别组织被识别为目标个体的概率，解决了技术中存在的对于环境要求较高、识别精度较低技术问题，达到了提高识别精度的技术效果。
附图说明
[0021]为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0022]图1为本专利技术实施例提供的一种基于组织氧饱和度的身份识别方法的流程示意图；
[0023]图2为本专利技术实施例提供的一种皮肤主要发色团的摩尔消光系数曲线和皮肤组织镜面反射率曲线图；
[0024]图3为本专利技术实施例提供的一种人脸关键点位置示意图；
[0025]图4本专利技术实施例提供的一种StO2身份识别系统框图；
[0026]图5本专利技术实施例提供的一种身份识别方案验证流程图；
[0027]图6本专利技术实施例提供的一种卷积神经网络模型的结构图；
[0028]图7本专利技术实施例提供的一种神经网络参数设置图；
[0029]图8本专利技术实施例提供的一种随机五折交叉验证结果示意图；
[0030]图9为本专利技术实施例提供的一种电子设备的结构示意图。
具体实施方式
[0031]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本专利技术实施例的组件可以以各种不同的配置来布置和设计。
[0032]因此，以下对在附图中提供的本专利技术的实施例的详细描述并非旨在限制要求保护的本专利技术的范围，而是仅仅表示本专利技术的选定实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0033]应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。下面结合附图，对本专利技术的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于组织氧饱和度的身份识别方法，其特征在于，包括：根据预先获取的光谱原图像确定待识别组织的氧饱和度分布图；所述光谱原图像的采集对象为活体的身体组织；对预处理后的所述氧饱和度分布图进行特征提取，获取特征图像；所述特征图像包括已提取的若干个特征提取点；基于所述特征提取点对所述特征图像与目标个体进行匹配比对，确定匹配结果；所述匹配结果为所述待识别组织被识别为所述目标个体的概率。2.根据权利要求1所述的基于组织氧饱和度的身份识别方法，其特征在于，所述身体组织包括：面部、手部、颈部中的任意一种或多种的组合。3.根据权利要求1所述的基于组织氧饱和度的身份识别方法，其特征在于，所述光谱原图像包括：待识别身体组织的高光谱图像或者所述待识别身体组织的近红外光谱图像。4.根据权利要求1所述的基于组织氧饱和度的身份识别方法，其特征在于，对预处理后的所述氧饱和度分布图进行特征提取，获取特征图像，包括：利用特征提取算法，对预处理后的所述氧饱和度分布图进行特征提取，获取特征图像；所述特征提取算法包括：卷积神经网络、K近邻算法、随机森林算法中的任意一种。5.根据权利要求1所述的基于组织氧饱和度的身份识别方法，其特征在于，基于所述特征提取点对所述特征图像与目标个体进行匹配比对，确定匹配结果，包括：基于所述特征提取点，利用训练好的匹配比对模型对所述特征图像与目标个体进行匹配比对，确定匹配结果；所述匹配比对模型包括：支持向量机模型、近邻分类器、决策分类器或深度学习模型中的任意一种。6.根据权利要求3所述的基于组织氧饱和度的身份识别方法，其...

【专利技术属性】
技术研发人员：陈通，
申请(专利权)人：西南大学，
类型：发明
国别省市：