考虑特征模板保护的生物特征识别方法技术

本申请涉及一种考虑特征模板保护的生物特征识别方法，其中，方法包括：获取数据集掌纹图像，对数据集掌纹图像进行预处理；提取预处理后数据集掌纹图像中的特征点，生成数据集掌纹图像对应的特征点集文件；生成密钥

【技术实现步骤摘要】
考虑特征模板保护的生物特征识别方法


[0001]本申请涉及生物特征识别
，特别是涉及一种考虑特征模板保护的生物特征识别方法
、
装置
、
计算机设备与存储介质
。

技术介绍

[0002]作为一类生物特征识别技术，掌纹识别因其独特的优势
,
近年来展现出蓬勃的发展势头
。
相较于其他常规身份识别方式，掌纹具备有效区域面积大
、
容易采集和受油污影响相对较小等优点
。
[0003]在生物特征识别中，安全性是一个很重要的问题
。
以掌纹为例
,
掌纹为用户所特有，如若用户的掌纹模板在识别过程中是公开的，那么就有被不法分子窃取特征模板的可能
。
不同于传统身份认证可以修改用户密码，掌纹为每个用户所特有，且一般情况下无法更改
。
[0004]但是基于传统技术生成的用户掌纹的特征模板容易发生特征模版泄露的情况，这种情况下，用户极易被不法分子冒名顶替从而进行危害用户的操作
。
可见传统的基于特征模版保护的掌纹识别方案存在安全性较低的缺陷
。

技术实现思路

[0005]基于此，有必要针对上述技术问题，提供一种安全性高的考虑特征模板保护的生物特征识别方法
、
装置
、
计算机设备与存储介质
。
[0006]第一方面，本申请提供了一种考虑特征模板保护的生物特征识别方法
。
所述方法包括：获取数据集掌纹图像，对所述数据集掌纹图像进行预处理；提取预处理后所述数据集掌纹图像中的特征点，生成数据集掌纹图像对应的特征点集文件；生成密钥
、
并根据校验码技术与所述特征点集文件生成对应模糊金库；当获取到待认证掌纹图像时，从生成的待认证掌纹图像对应的特征点集文件恢复提取到的特征点；根据恢复提取到的特征点
、
与所述待认证掌纹图像对应的模糊金库，得到组合点集，在所述组合点上进行多项式插值后再进行校验，以得到掌纹识别结果
。
[0007]在其中一个实施例中，所述获取数据集掌纹图像，对所述数据集掌纹图像进行预处理包括：获取数据集掌纹图像；对所述数据集掌纹图像进行感兴趣区域提取
、Gamma
校正和
ICP
算法（
Iterative Closest Point
，最近点迭代算法）处理
。
[0008]在其中一个实施例中，所述对所述数据集掌纹图像进行感兴趣区域提取
、Gamma
校正和
ICP
算法处理包括：
利用形态学操作和轮廓分析技术检测手掌区域；根据手掌区域检测结果以及预设手掌几何特征筛选候选区域；基于所述候选区域进行分割，提取手掌部分的中心，得到掌纹感兴趣区域；通过
Gamma
校正算法，将掌纹感兴趣区域进行光照归一化，得到归一化后的掌纹感兴趣区域；通过
ICP
算法对齐同一个体对应的归一化后的掌纹感兴趣区域
。
[0009]在其中一个实施例中，所述提取预处理后所述数据集掌纹图像中的特征点，生成数据集掌纹图像对应的特征点集文件包括：对预处理后的所述数据集掌纹图像进行限制对比度自适应直方图均衡化处理，采用
ORB
算法（
Oriented FAST and Rotated BRIEF
，特征检测算子算法）提取所述数据集掌纹图像中的特征点，针对每个数据集掌纹图像分别对应生成
xyt
类型文件，以存储对应的特征点
。
[0010]在其中一个实施例中，所述对预处理后的所述数据集掌纹图像进行限制对比度自适应直方图均衡化处理，采用
ORB
算法提取所述数据集掌纹图像中的特征点，针对每个数据集掌纹图像分别对应生成
xyt
类型文件，以存储对应的特征点包括：对预处理后的所述数据集掌纹图像中感兴趣区域图像应用
CLAHE
算法（
Contrast Limited Adaptive Histogram Equalization
，直方图均衡化算法）处理，得到
CLAHE
处理后的掌纹感兴趣区域图像；以所述
CLAHE
处理后的掌纹感兴趣区域图像作为输入，在图像中检测关键点
、
并计算特征描述子，得到图像中的
ORB
特征点；分别提取每个
ORB
特征点的位置坐标
、
方向角度以及响应值，得到特征点信息；针对每个数据集掌纹图像分别对应生成
xyt
类型文件，以存储对应的特征点信息
。
[0011]在其中一个实施例中，所述生成密钥
、
并根据校验码技术与所述特征点集文件生成对应模糊金库包括：采用随机数生成密钥；基于生成的密钥结合校验码技术构造多项式；将特征点集文件中特增点位置映射到选定的有限域元素，并将所述生成的密钥对映射后的
GF
域元素进行加密；采用构造的多项式在
GF
域中对加密的数据进行纠错编码，生成对应模糊金库；将生成的模糊金库存储到非关系型数据库
。
[0012]在其中一个实施例中，所述采用构造的多项式在有限域中对加密的数据进行纠错编码，生成对应模糊金库包括：采用构造的多项式在
GF
域中对加密的数据进行纠错编码，得到纠偏后的数据；基于所述纠偏后的数据，通过实现几何哈希的方法，构建对应模糊金库
。
[0013]在其中一个实施例中，所述根据恢复提取到的特征点
、
与所述待认证掌纹图像对应的模糊金库，得到组合点集，在所述组合点上进行多项式插值后再进行校验，以得到掌纹识别结果包括：根据恢复提取到的特征点
、
与所述待认证掌纹图像对应的模糊金库在几何哈希算法下得到组合点集；
在组合点集上使用拉格朗日插值处理
、
再进行
CRC
‑
32
校验；若校验成功，则待认证掌纹图像通过认证识别；若校验不成功，则待认证掌纹图像认证不匹配
。
[0014]在其中一个实施例中，所述根据恢复提取到的特征点
、
与所述待认证掌纹图像对应的模糊金库，得到组合点集，在所述组合点上进行多项式插值后再进行校验，以得到掌纹识别结果之前，还包括：从所述待认证掌纹图像中提取细节，并创建二维列表；在所述二维列表中选择每个探针细节作为基准点，并相应转换所有的剩余的细节；采用两个列表进行匹配，迭代每个待认证掌纹图像细节作为基准点，在模糊金库的列表中查找到单个相似的基准点；针对每个被选择为基准点的细节，在基准点阈值范围内匹配探针细节与所选基准点在模糊金库几何表中的所有变换细节，以实现模糊金库间的匹配
。<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种考虑特征模板保护的生物特征识别方法，其特征在于，所述方法包括：获取数据集掌纹图像，对所述数据集掌纹图像进行预处理；提取预处理后所述数据集掌纹图像中的特征点，生成数据集掌纹图像对应的特征点集文件；生成密钥
、
并根据校验码技术与所述特征点集文件生成对应模糊金库；当获取到待认证掌纹图像时，从生成的待认证掌纹图像对应的特征点集文件恢复提取到的特征点；根据恢复提取到的特征点
、
与所述待认证掌纹图像对应的模糊金库，得到组合点集，在所述组合点上进行多项式插值后再进行校验，以得到掌纹识别结果
。2.
根据权利要求1所述的方法，其特征在于，所述获取数据集掌纹图像，对所述数据集掌纹图像进行预处理包括：获取数据集掌纹图像；对所述数据集掌纹图像进行感兴趣区域提取
、Gamma
校正和
ICP
算法处理
。3.
根据权利要求2所述的方法，其特征在于，所述对所述数据集掌纹图像进行感兴趣区域提取
、Gamma
校正和
ICP
算法处理包括：利用形态学操作和轮廓分析技术检测手掌区域；根据手掌区域检测结果以及预设手掌几何特征筛选候选区域；基于所述候选区域进行分割，提取手掌部分的中心，得到掌纹感兴趣区域；通过
Gamma
校正算法，将掌纹感兴趣区域进行光照归一化，得到归一化后的掌纹感兴趣区域；通过
ICP
算法对齐同一个体对应的归一化后的掌纹感兴趣区域
。4.
根据权利要求1所述的方法，其特征在于，所述提取预处理后所述数据集掌纹图像中的特征点，生成数据集掌纹图像对应的特征点集文件包括：对预处理后的所述数据集掌纹图像进行限制对比度自适应直方图均衡化处理，采用
ORB
算法提取所述数据集掌纹图像中的特征点，针对每个数据集掌纹图像分别对应生成
xyt
类型文件，以存储对应的特征点
。5.
根据权利要求4所述的方法，其特征在于，所述对预处理后的所述数据集掌纹图像进行限制对比度自适应直方图均衡化处理，采用
ORB
算法提取所述数据集掌纹图像中的特征点，针对每个数据集掌纹图像分别对应生成
xyt
类型文件，以存储对应的特征点包括：对预处理后的所述数据集掌纹图像中感兴趣区域图像应用
CLAHE
算法处理，得到
CLAHE
处理后的掌纹感兴趣区域图像；以所述
CLAHE
处理后的掌纹感兴趣区域图像作为输入，在图像中检测关键点
、
并计算特征描述子，得到图像中的
ORB
特征点；分别提取每个
ORB
特征点的位置坐标
、
方向角度以及响应值，得到特征点信息；针对每个数据集掌纹图像分别对应生成
xyt
类型文件，以存储对应的特征点信息
。6.
根据权利要求1所述的方法，其特征在于，所述生成密钥
、

【专利技术属性】
技术研发人员：周开军，李迈，周鲜成，陆多杰，史长发，谭平，
申请(专利权)人：湖南工商大学，
类型：发明
国别省市：