[發明專利]用于移動用戶的多生物特征圖像信息融合方法及其應用

在審

• 申請號: 201410074508.6
• 申請日: 2014-03-03
• 公開（公告）號: CN103886283A
• 公開（公告）日: 2014-06-25
• 發明（設計）人: 楊巨成;熊聰聰;陳亞瑞;吳超;孫迪;劉建征;趙青
• 申請（專利權）人: 天津科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06F21/32
• 代理公司: 天津盛理知識產權代理有限公司 12209
• 代理人: 王來佳

1.一種用于移動用戶的多生物特征圖像信息融合方法，其特征在于：包括如下步驟：

⑴采集端的建立：在移動設備的信息輸入端安裝多生物特征采集模塊，該多生物特征采集模塊包括指紋特征采集模塊、人臉特征采集模塊、虹膜特征采集模塊，采集的指紋、人臉、虹膜特征均為圖像數據；

⑵圖像底層特征提取：先對所有的生物特征圖像數據分別進行圖像預處理，再對預處理后的圖像底層特征進行提取，圖像底層提取特征的步驟是分別提取如下特征：

LBP特征，用于描述圖像局部紋理情況；

Zernike正交不變矩特征，用于描述圖像的區域特征；

Garborfilter特征，用于對圖像進行時頻分析，提取不同方向、頻率下的紋理值；

⑶矩陣構建：

將圖像底層特征構建每個用戶的底層特征-圖像矩陣，其具體步驟為：

①對各生物特征的ROI圖像統一分塊成p個大小為n×n的小圖像，q個生物特征圖像共p×q個局部小圖像；

②對每個局部小圖像分別進行包括LBP特征、Zernike正交不變矩特征、Garbor?filter特征等分析，并將這些特征作為每個用戶的底層特征-圖像矩陣的列向量；

③將q個分塊后的局部小圖像作為每個用戶的底層特征-圖像矩陣的行向量，統計上一步得到的每個底層特征對其出現的概率，構建每個用戶的底層特征和圖像之間的特征-圖像矩陣，其大小為p×q；

⑷多生物融合特征：

首先，對底層特征-圖像矩陣進行矩陣行方向分解后，然后，將圖像投影到該特征空間內，獲得多生物融合特征，其步驟如下：

①圖像矩陣分解處理：將大小為p×q的m個矩陣集合用X_p×q＝[A₁,A₂,...,A_m]來表示，A_n代表每個用戶對角化后的底層特征-圖像矩陣，m是用戶的數量，首先利用1D-NMF分解成為大小為p×d的矩陣L和一個大小為d×q的矩陣H之積，使得：X_p×q≈L_p×dH_d×q，d是參考維數，L是矩陣X在圖像行方向分解得到的基矩陣，H為系數矩陣；

②將圖像投影到該特征空間內，即得到由該特征組合的系數C_n所表示的多生物融合特征。

2.根據權利要求1所述的用于移動用戶的多生物特征圖像信息融合方法，其特征在于：所述圖像預處理是先將圖像數據感興趣區域進行分割，出圖像的前景和背景，一般根據采集圖像的中心點，截取40×40的圖像塊作為感興趣ROI區域，對該區域利用Gabor?filter濾波器進行濾波增強，然后對增強后的圖像區域進行灰度歸一化處理。

3.根據權利要求2所述的用于移動用戶的多生物特征圖像信息融合方法，其特征在于：所述灰度歸一化方法為：設圖像中某像素點的像素值為f(x,y)，所有像素灰度值中的最大值為max，最小值為min,，則灰度歸一化公式可以表述為：

f(x,y)＝(f(x,y)-min)*255/(max-min)。

4.一種用于移動用戶的多生物特征圖像信息融合方法在移動設備上進行綜合識別的應用，其特征在于：在移動設備上設置的存儲卡上存儲有數據庫，在移動設備上安裝所述指紋采集模塊、人臉特征采集模塊以及虹膜特征采集模塊，在移動設備的信息輸出端安裝多生物特征選擇模塊，在多生物特征選擇模塊中均需要設置于每個生物特征采集模塊對應的選擇輸入0/1標識模塊。

5.根據權利要求4所述的用于移動用戶的多生物特征圖像信息融合方法在移動設備上進行綜合識別的應用，其特征在于：在每個0/1標識模塊所在的控制電路上均連接有發光二極管，當0/1標識模塊被選擇輸入時，標示為1，發光二激光通電發光，否則，標示為0，發光二極管不發光。

6.根據權利要求5所述的用于移動用戶的多生物特征圖像信息融合方法在移動設備上進行綜合識別的應用，其特征在于：其識別方法步驟為：

⑴離線對多生物特征進行多生物特征采集和選擇、底層特征提取等，并將這些特征融合，將融合后特征的數值歸一化到[0,1]范圍內且存貯在數據庫，同時對歸一化的數值設定閾值；

⑵在線采集多生物特征，并進行底層特征提取、多生物特征融合等處理，對融合的生物特征進行歸一化處理，并將輸入特征的數值歸一化到[0,1]范圍內；

⑶利用最近鄰域分類器來對在線采集的輸入特征和存貯在數據庫中的特征進行匹配，并計算他們的匹配分數，如果分數超過一定的閾值，則認為認證成功；否則，失敗。