[發明專利]一種生物特征識別中的反樣本挑選方法及裝置

有效

• 申請號: 201010266218.3
• 申請日: 2010-08-27
• 公開（公告）號: CN102385704A
• 公開（公告）日: 2012-03-21
• 發明（設計）人: 王俊艷;黃英
• 申請（專利權）人: 北京中星微電子有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/66;G06K9/00
• 代理公司: 北京潤澤恒知識產權代理有限公司 11319
• 代理人: 蘇培華

技術領域

本發明涉及模式識別技術領域，特別是涉及一種生物特征識別中的反樣本挑選方法及裝置。

背景技術

生物特征識別技術是利用個體特有的生理和行為特征來達到身份識別和(或)個體驗證目的的一門科學，如人臉、指紋、掌紋、虹膜、聲音等的識別。在生物特征識別技術中，近年來以人臉為特征的識別技術發展十分迅速。

隨著人臉識別技術的發展，人臉識別相關的應用系統逐漸增多，人臉認證系統作為應用人臉識別技術相關的應用系統在自動門禁、人臉登錄等方面取得了越來越多的應用。人臉認證系統是利用攝像頭采集應用人員的人臉圖像，并與庫中對應身份的人臉圖像進行比對，如果比對通過，則認為待認證者與庫中對應身份的人臉圖像具有相同的身份，認證通過；否則，認證不通過。

在人臉認證系統中，通常通過訓練人臉的分界面達到人臉認證的目標。在數據庫中人數較少的情況下，如小規模的門禁系統、開機登錄系統等應用中，由于用戶數目較少，用戶在人臉空間中只占用較小的空間，這樣對于空間中的其他樣本(如不屬于本系統的用戶樣本)，可能帶來誤識。例如，對于沒有進行過訓練的人，如果選擇某個身份，在攝像頭前擺出各種姿態、表情，可能會存在某個圖像通過認證的情況，這就是人臉認證中的誤識問題。

目前，人臉認證系統通過選擇反樣本來降低誤識率。對于某個類別，正樣本指屬于該類的樣本，反樣本指不屬于該類的樣本。利用正樣本和反樣本訓練人臉的分界面，可以提高分界面的泛化能力，降低誤識率。

但是，目前反樣本的選擇沒有合適的方法，多是采用隨機選擇的方法，因此可能使得反樣本的分布較為集中，達不到反樣本存在的目的。例如，參照圖1，是現有技術中反樣本對分界面的影響示意圖。圖中的方形圖案表示正樣本，圓形圖案表示反樣本，三角形圖案表示冒充正樣本的樣本，弧線表示分界面。圖1即是反樣本分布比較集中的情況，由圖可見，反樣本集中在樣本空間的右半邊，從而形成了圖中所示的分界面。對于這樣的分界面，采用三角形圖案對應的反樣本進行冒充，就可以冒充通過認證，造成誤識。這是因為反樣本的這種分布使得分界面的劃分不夠精確，擴大了正樣本的分布范圍，從而造成冒充樣本也通過了認證。

因此，誤識問題的發生就是由于在對所選身份訓練分界面時，反樣本數目不夠多或者反樣本分布不合理，使得該分界面不準確，泛化能力弱，不能有效區分該身份，當其他沒有訓練過的樣本出現時，分界面不能有效區分此樣本是正樣本還是反樣本，造成識別錯誤，出現誤識。

同樣，對于其他生物特征的識別，也存在著相同的誤識問題。誤識的存在是影響身份認證系統真正實用的主要問題，由于誤識，使得本應拒掉的樣本通過了身份認證，嚴重影響了身份認證系統的認證功能。因此，目前需要通過合理挑選反樣本來解決這種誤識。

發明內容

本發明所要解決的技術問題是提供一種生物特征識別中的反樣本挑選方法及裝置，以解決生物特征識別中的誤識問題。

為了解決上述問題，本發明公開了一種生物特征識別中的反樣本挑選方法，包括：

確定已有的反樣本在樣本空間中的分布；

確定待挑選的反樣本數目N；

從已有的反樣本中挑選出N個反樣本之間的離散度最大的反樣本。

優選的，所述從已有的反樣本中挑選出N個反樣本之間的離散度最大的反樣本，包括：計算已有的所有反樣本的均值；將距離所述均值最遠的反樣本作為第一個反樣本；在其余的反樣本中選擇與第一個反樣本距離最遠的反樣本作為第二個反樣本；依次挑選第i個反樣本，滿足第i個反樣本與已挑選出來的前i-1個反樣本的距離和最大，其中i的取值為3到N。

優選的，所述確定待挑選的反樣本數目N，包括：建立反樣本數目N與樣本訓練時間t的函數關系式：t≈f(B，N)；其中，B表示正樣本數目，f表示函數關系；根據所述函數關系式得到反樣本數目N：N≤g(B，t)；其中，g表示f的變換函數。

優選的，所述確定已有的反樣本在樣本空間中的分布，包括：通過對正樣本和反樣本進行特征提取，完成所有樣本從圖像空間到特征空間的變換，來確定已有的反樣本在特征空間中的分布。

優選的，所述特征提取預先進行，并且存儲特征提取后的樣本數據；挑選樣本時直接從存儲位置讀取樣本數據。

本發明還提供了一種生物特征識別中的反樣本挑選裝置，包括：

反樣本數目確定模塊，用于當確定已有的反樣本在樣本空間中的分布后，確定待挑選的反樣本數目N；

反樣本挑選模塊，用于從已有的反樣本中挑選出N個反樣本之間的離散度最大的反樣本。

優選的，所述反樣本挑選模塊包括：