[發(fā)明專利]基于多象限編碼的活體指紋識別方法

有效

• 申請?zhí)枺?/td>: 201610023511.4
• 申請日: 2016-01-14
• 公開（公告）號: CN105528591B
• 公開（公告）日: 2019-04-16
• 發(fā)明（設(shè)計）人: 程建;王峰;劉海軍;鄒瑞雪;劉瑞
• 申請（專利權(quán)）人: 電子科技大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于多象限編碼的活體指紋識別方法，其特征在于包括如下步驟：

采集足夠數(shù)量的真假指紋圖像；

在采集到的指紋圖像上隨機(jī)采樣大量不同尺寸圖像塊；

通過正交簇保持學(xué)習(xí)算法學(xué)習(xí)各尺寸圖像塊下的分割面，以最大化分割超平面與圖像塊數(shù)據(jù)的平均角度，得到每個尺度下的分割超平面的法向量；所述正交簇保持學(xué)習(xí)算法是迭代選用正交約束梯度下降法最大化分割超平面與圖像塊數(shù)據(jù)的平均角度，使分界面盡量不會將單個簇分隔開；

使用分割平面的法向量對待訓(xùn)練圖像進(jìn)行多象限編碼處理，獲得指紋圖像紋理特征；

對所述獲得的指紋圖像紋理特征進(jìn)一步降維，交叉驗證參數(shù)并訓(xùn)練分類器，挑選最佳參數(shù)訓(xùn)練得到最終分類器。

2.如權(quán)利要求1所述的基于多象限編碼的活體指紋識別方法，其特征在于：通過正交簇保持學(xué)習(xí)算法學(xué)習(xí)3×3尺度下的分割面的方法如下：

將3×3圖像塊拉伸成9維的列向量并進(jìn)行歸一化得到具體如下表示：

其中n代表每個尺寸上隨機(jī)采集真假圖像塊數(shù)。

3.如權(quán)利要求1所述的基于多象限編碼的活體指紋識別方法，其特征在于：所述的最大化分割超平面與圖像塊數(shù)據(jù)的平均角度方法如下：

迭代使用正交約束梯度下降法最大化分割超平面與圖像塊數(shù)據(jù)的平均角度，具體實現(xiàn)如下：

首先隨機(jī)初始化濾波器組，F(xiàn)＝[f1，f2，…，fd]∈R^9×d，其中d為當(dāng)前尺度下的濾波器數(shù)量，使分界面盡量不會將單個簇分割開，其中用N表示隨機(jī)采取到的各個尺寸下的真假圖像塊數(shù)：

由于目標(biāo)函數(shù)具有不可導(dǎo)點(diǎn)，該優(yōu)化問題需要使用帶正交約束的一階梯度下降算法求解。

4.如權(quán)利要求3所述的基于多象限編碼的活體指紋識別方法，其特征在于所述的分割超平面與圖像塊數(shù)據(jù)的平均角度按照如下方法進(jìn)行最大化：

首先將濾波器組與訓(xùn)練數(shù)據(jù)投影到當(dāng)前運(yùn)算的空間其中H是投影矩陣，初始化為對角矩陣H＝I_9×9，接著計算損失函數(shù)和梯度得到學(xué)習(xí)率，其中損失函數(shù)如下：

其中表示投影到當(dāng)前運(yùn)算空間的濾波器組分量，j表示濾波器向量組索引值，表示圖像塊向量化的表示

梯度表示如下：

最后更新投影矩陣，將訓(xùn)練得到的新的濾波器組投影回原空間。

5.如權(quán)利要求1所述的基于多象限編碼的活體指紋識別方法，其特征在于所述的使用分割平面的法向量對待訓(xùn)練圖像進(jìn)行多象限編碼處理，獲得指紋圖像紋理特征的具體方法如下：

用得到的正交基即分割超平面的法向量對待訓(xùn)練圖像進(jìn)行卷積，并利用訓(xùn)練得到的正交基的零均值特性統(tǒng)計指紋圖像梯度，將白色背景濾除，利用多象限編碼技術(shù)對卷積結(jié)果進(jìn)行編碼，在濾除背景之后的指紋圖像上統(tǒng)計得到編碼直方圖，對直方圖進(jìn)行歸一化操作，并使用PCA算法進(jìn)行壓縮，最后將各個尺度下的歸一化直方圖進(jìn)行組合即將各個尺度的特征串聯(lián)起來，獲得指紋圖像紋理特征。