老龄用户多生物特征提取方法技术

本发明专利技术涉及生物识别技术领域，尤其是老龄用户多生物特征提取方法，其具体步骤如下：a.生物特征图像预处理：由人脸、多指指纹和掌纹构成的融合系统进行预处理；b.提取底层特征：提取不变矩特征、Garbor?filter特征、方向均衡化特征和灰度信息熵特征；c.提取底层特征中的局部底层特征。本发明专利技术的老龄用户多生物特征提取方法，通过提取人脸、多指指纹和掌纹等多生物特征图像，能够获取多种局部底层特征，此方法采集质量好和可靠性强，能够满足不同场合的实际要求。

【技术实现步骤摘要】

本专利技术涉及生物识别
，尤其是。
技术介绍
目前，我国60岁以上人口达1.8亿人，约占总人口 13.8%，按国际标准衡量，我国已进入了老年型社会，随着国家大力加快建立和完善覆盖城乡居民的社会保障体系，如社会养老保险金的发放、企业年金、医疗保险等，老龄用户将成为未来社会公共服务的主要群体，社会养老保险金、企业年金等发放过程中存在欺骗、冒领现象成为现今社会普遍关注的问题，信息化、数字化、网络技术为解决老龄用户身份认证困局提供了帮助。目前，生物特征识别技术、远程视频认证已经被成功应用到核实社会养老金冒领现象中老龄用户的身份。生物特征识别技术通过利用人体固有的生理特征和行为动作来进行身份识别和验证。根据使用生物特征的种类和数目，生物特征识别可以分为单生物特征识别和多生物特征识别，作为使用最广的单生物识别身份认证技术，指纹识别在解决老龄用户社会养老金发放时身份认证的问题已受到广泛关注。早在1901年，英国已开始应用指纹识别来避免铁路工人冒领、多领薪金。目前，相关公司如IBM、MiCr0S0ft、HP、C0mpaq、长春鸿达、杭州中正等公司的产品已经进入社会服务领域。我国劳动和社会保障部社会保险事业管理中心发布的《支付养老金指纹身份认证系统技术规范(试行)》也将基于细节点(minutiae)的指纹识别方法作为社会公共服务标准予以颁布，但是，对老龄用户来说，由于久经风霜，模糊手指很常见，传统的基于细节点的指纹识别系统往往会因为提取细节点不理想而导致系统误识率增加甚至认证失效。此外，基于单生物特征的识别技术存在着不普遍性某些生物特征缺失(如断手指)、损伤(如受损手指)、病变(如白内障)或特征采集质量较差(如人脸光线变化)都会导致识别系统的鲁棒性、可靠性差，防欺骗性弱，难以满足不同场合的实际要求。图像隐式语义特征(Image Latent Semantic Features, ILSF)由底层特征-图像矩阵获得，具有比传统意义上的图像语义更加丰富的信息，但是相对与底层特征来说，这些特征具有更强的表达和分类能力。因此，利用TLSA提取的特征可以作为一种“独特”的特征，并被证明能运用在生物特征身份认证领域。同时，相比传统的底层特征，由于间接用来描述图像，图像隐式语义特征对于采集图像的质量要求并不是很高，可以更好的克服某些不利因素带来的影响，比如指纹的图像纹线模糊，以及人脸光照变化的影响。
技术实现思路
本专利技术要解决的技术问题是为了克服上述中存在的问题，提供一种能够快速方便获取多种局部底层特征的。本专利技术解决其技术问题所采用的技术方案是一种，包括对人脸、多指指纹和掌纹的提取，其具体步骤如下a.生物特征图像预处理由人脸、多指指纹和掌纹构成的融合系统进行预处理；b.提取底层特征提取不变矩特征、Garbor filter特征、方向均衡化特征和灰度信息熵特征；不变矩特征不变矩特征具有旋转、尺度和平移不变特性，具有很强的描述图像的区域特征能力，比较常用的不变矩如hu不变矩和zernike正交不变矩，其主要步骤如下步骤1.依据hu不变矩公式提取的7个hu不变矩的特征值I ；步骤2.依据公式η + γΜ-\Ν-\Am =——ΣΣ/(Χ,力力，选择zernike不变矩的阶数η和重复数m，提取Anm的值；步π x=0 y=0骤3.对提取的I和Anm进行组合成不变矩特征；Garbor filter特征Gabor filter具有良好的方向选择和频率选择特性，能够对图像进行时频分析，提取不同方向、频率下的纹理值，其主要步骤如下步骤1 依据公式1 χG(x,YJ,e) = ^{--[^ + ^co^fic) ‘ χ ‘ = xsin θ +ycos θ，y' = XCOS θ -ysin θ，选择合y理的方向θ和频率f参数(见申请人发表论文)，提取不同方向和不同频率下的G值； 步骤2 对提取的G值组合成Gabor filter特征；方向均衡化特征方向均衡化描述了图像方向图中中心块和周围邻域块的关系，如果中心块的方向越接近周围邻域块的方向，其值将越高，因此，可以用来描述图像的方向分布情况，其主要步骤如下步骤1:计算局部纹线的方向θ ；步骤2:依据公式C(x,y) =C0S例&力)1计算方向均衡值；步骤3 对提取的均衡值C进行组合WxW成方向均衡化特征；灰度信息熵特征信息嫡可用来作为对图像中局部灰度分布的平均不确定性的量度。若某区域的灰度变化剧烈或频繁，说明此区域的图像内容复杂且相对不稳定，具有较高的不确定程度和较高的灰度信息墒值，相反地，图像内容统一且稳定的区域对应了较低的M N不确定程度和灰度信息墒值，其主要步骤如下步骤ι 依据公式丑= -ΣΣ巧log巧计算图i=l J=I像的信息熵值，其中Pij为图像灰度值f(i，j)在所处的灰度在图像中出现的频度；步骤2: 对提取的灰度信息熵值H进行组合成灰度信息熵特征。c.提取底层特征中的局部底层特征依次通过对参考点的选择、基于参考点的 ROI的提取和ROI的划分，最后通过提取图像的局部底层特征，参考点的选择，一般参考点的选择是基于图像的具有全局特征的中心点，为了准确的提取ROI以及特征，需要确定唯一的参考点。如指纹一般依据中心点、人脸基于两虹膜之间的距离、掌纹主要依据指窝点和掌根部距离的中心点；基于参考点的ROI的提取以参考点的位置和方向为中心确定R0I， 每幅图像都会得到唯一的候选ROI区域便于特征的提取；ROI的划分为了克服非线性形变以及噪音等因素对提取特征的影响，需要将ROI分块，可以采用两种方式①采用矩形网格区域提取特征的方法；②采用环形分块技术来表述图像区域，可以克服矩形网格区域法需要精确划分区域的缺点，从而降低系统的时耗性，提高识别率。所述的局部底层特征包括不变矩特征、Garbor filter特征、方向均衡化特征和灰度信息熵特征。本专利技术的的有益效果是通过提取人脸、多指指纹和掌纹等多生物特征图像，能够获取多种局部底层特征，此方法采集质量好和可靠性强，能够满足不同场合的实际要求。具体实施例方式本专利技术的，包括对人脸、多指指纹和掌纹的提取，其具体步骤如下a.生物特征图像预处理多生物特征图像的预处理是特征提取之前的关键步骤之一，由于融合系统由人脸、四指指纹和掌纹等构成，因此需要对其分别进行预处理，预处理的主要步骤包括感兴趣区域(ROI)分割、增强、归一化等。首先，我们要提取图像的ROI ①对人脸，主要从视频中检测并分割人脸图像；②对手部采集图像，先要分割多指指纹和掌纹，通过对四个手指以及掌纹定位，借鉴Uhl等的思路(见参考文献)，将四指指纹、掌纹一一分割出来，然后，在前期研究的基础上对获得的人脸、指纹、掌纹等图像的ROI分别进行增强和归一化处理；b.提取底层特征别提取不变矩特征(hu不变矩和zernike正交不变矩),Garbor filter特征、方向均衡化特征、灰度信息熵特征等；(a)不变矩特征不变矩特征具有旋转、尺度和平移不变特性，具有很强的描述图像的区域特征能力。比较常用的不变矩如hu不变矩和zernike正交不变矩，其主要步骤如下步骤1.依据hu不变矩公式提取的7个hu不变矩的特征值I ；权利要求1.一种，包括对人脸、多指指纹和掌纹的提取，其特征是其具体步骤如下a.生本文档来自技高网...

【技术保护点】
１．一种老龄用户多生物特征提取方法，包括对人脸、多指指纹和掌纹的提取，其特征是：其具体步骤如下：ａ．生物特征图像预处理：由人脸、多指指纹和掌纹构成的融合系统进行预处理；ｂ．提取底层特征：提取不变矩特征、Ｇａｒｂｏｒ　ｆｉｌｔｅｒ特征、方向均衡化特征和灰度信息熵特征；ｃ．提取底层特征中的局部底层特征：依次通过对参考点的选择、基于参考点的ＲＯＩ的提取和ＲＯＩ的划分，最后通过提取图像的局部底层特征。

【技术特征摘要】

【专利技术属性】
技术研发人员：吴军，刘华平，吴智君，张辉，
申请(专利权)人：常州蓝城信息科技有限公司，
类型：发明
国别省市：32