[發明專利]一種基于在線特征點匹配的生物特征識別方法有效
| 申請號: | 201410255501.4 | 申請日: | 2014-06-10 |
| 公開(公告)號: | CN104036245B | 公開(公告)日: | 2018-04-06 |
| 發明(設計)人: | 解梅;馬爭;許會杰 | 申請(專利權)人: | 電子科技大學 |
| 主分類號: | G06K9/00 | 分類號: | G06K9/00;G06K9/66 |
| 代理公司: | 電子科技大學專利中心51203 | 代理人: | 鄒裕蓉 |
| 地址: | 611731 四川省成*** | 國省代碼: | 四川;51 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 基于 在線 特征 匹配 生物 識別 方法 | ||
技術領域
本發明屬于圖像處理與模式識別技術領域,涉及虹膜識別技術。
背景技術
近年來,生物特征識別技術以其不會被丟失、遺忘和難以復制、偽造的特點被廣泛視為解決上述問題的希望。所謂生物特征識別,指的是利用計算機技術,通過采集人的生物特征樣本進行人的身份識別。根據能夠利用的生物特征的不同,可以將生物特征分為生理特征和行為特征。生理特征是人生來就具有的,如人臉、指紋、虹膜和DNA等;行為特征是人后天習慣養成的,如簽名筆跡、走路姿態、擊鍵節奏等。其中虹膜特征識別技術以其非接觸性,不易偽造,可用特征多等特點,被認為是可靠性最高的生物特征識別技術。
如圖1所示,典型的虹膜識別系統包括虹膜采集、預處理、特征提取、模式匹配四個步驟。虹膜采集階段首先判斷采集到的虹膜圖像是否存在失焦、運動模糊、過度遮擋等情況,評估該幅圖像是否能夠用于接下來的識別。在通過質量評估的虹膜圖像上定位虹膜的位置,也就是確定虹膜內外圓的坐標和半徑。預處理階段通過圖像處理的手段對定位到的圖像進行增強,盡可能的消除因為頭部偏移、眼球轉動、瞳孔縮放、光照不均等帶來的負面作用,將環形的虹膜區域歸一化為64×256像素的矩形圖像。特征提取階段將預處理后的虹膜圖像通過某種算法進行處理,對圖像中包含的紋理信息進行分析提取,壓縮,將這些信息轉換成用于計算機識別的二進制描述,即虹膜編碼。模式匹配階段將待識別樣本生成的虹膜編碼與事先存儲在虹膜識別系統數據庫中的注冊虹膜編碼進行比對,計算其相似度或是距離,并根據匹配程度做出分類判斷,以確定用戶的身份。
雖然人的虹膜定型后幾乎不再發生改變,但是實際應用中采集環境和采集設備不一定是固定的,所以通過采集設備獲得的圖像就存在著各種各樣的變化,包括形變、缺損、遮擋等等,這就會影響到虹膜識別系統的識別準確率。目前現有的虹膜識別系統生成虹膜數據庫以后,數據庫中的模板信息只依賴于注冊時的虹膜樣本信息,如果注冊時的樣本不夠全面或者質量不高,那么就會嚴重影響整個系統的識別準確率。
發明內容
本發明所要解決的技術問題是,能提高識別準確率的,基于在線特征點匹配的生物特征識別方法。
本發明為解決上述技術問題所采用的技術方案是,一種基于在線特征點匹配的生物特征識別方法,包括以下步驟:
生物特征采集、特征提取步驟:當采集到輸入的訓練圖像或待識別圖像時,對當前輸入的圖像進行預處理,對預處理后的圖像提取特征點的特征向量,并對特征向量進行編碼,將輸入圖像中所有特征點的位置信息與特征編碼加入目標集,設置目標集中每個特征點的匹配能力參數為匹配能力參數范圍的中間值,之后進入匹配步驟;
匹配步驟:將目標集與虛擬生物特征樣本的基準集中的特征點進行匹配,獲得匹配對集,計算根據匹配對集中特征點匹配對的數量計算樣本距離;匹配對集中特征點匹配對的數目越多,圖像樣本間距離越小;如樣本距離大于閾值則表示匹配失敗,識別結束;如樣本距離大于閾值則表示匹配成功,并進入虛擬生物特征樣本更新步驟;所述虛擬生物特征樣本的初始化為:對樣本圖片的特征點的特征向量進行編碼,將樣本圖片中所有特征點的位置信息與特征編碼加入虛擬生物特征樣本的基準集,并設置基準集中每個特征點的匹配能力參數初始值為匹配能力參數范圍的中間值;
虛擬生物特征樣本更新步驟:
1)設定虛擬生物特征樣本可容納的最大特征點數目N;
2)對匹配對集中每一匹配對的特征點的特征向量進行融合,對融合后的特征向量進行編碼,用融合特征編碼來替換基準集中對應特征點的特征編碼,并增加該特征點的匹配能力參數值;減少基準集中每一個未匹配上的特征點的匹配能力參數值;
3)將目標集中未匹配成功的特征點的位置信息、特征點編碼以及匹配能力參數加入基準集,構成新的基準集;
4)對新的基準集按匹配能力參數值從大到小進行降序排序,保留新的基準集中前N個特征點的位置信息、特征點編碼以及匹配能力參數形成新的虛擬生物特征樣本的的基準集用于下一次匹配步驟。
本發明利用每次采集到的生物特征信息,根據基于特征點匹配的生物特征識別方法的特點,引入虛擬生物特征樣本的概念,采用在線訓練的方法,將采集到的生物特征信息和數據庫中的生物特征樣本進行融合,生成新的生物特征樣本,能夠通過少量的輸入樣本,對提取出的各個特征點的質量和穩定性進行鑒別,產生出具有更高穩定性和獨特性的生物特征樣本,提高了系統的識別穩定性與準確率。
本發明的有益效果是,使系統在長期使用的過程中能夠逐步穩定的增加正識率,減少誤拒率,并且對采集環境和采集器材的變化擁有一定的自適應性。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于電子科技大學,未經電子科技大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201410255501.4/2.html,轉載請聲明來源鉆瓜專利網。
- 上一篇:氣囊式球磨機內部球石檢測裝置及檢測方法
- 下一篇:數據轉換器的有效時鐘樹





