[發明專利]基于多象限編碼的活體指紋識別方法

有效

• 申請號: 201610023511.4
• 申請日: 2016-01-14
• 公開（公告）號: CN105528591B
• 公開（公告）日: 2019-04-16
• 發明（設計）人: 程建;王峰;劉海軍;鄒瑞雪;劉瑞
• 申請（專利權）人: 電子科技大學
• 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

本發明公開了一種基于多象限編碼的活體指紋識別方法。設計指紋識別方法技術領域。所述方法包括：采集足夠數量的真假指紋圖像；在采集到的指紋圖像上隨機采樣大量不同尺寸圖像塊；通過正交簇保持學習算法學習出各個濾波器以最大化分割超平面與圖像塊數據的平均角度，得到每個尺度下的分割超平面的法向量；使用多象限編碼獲得指紋圖像紋理特征；對得到的特征進一步降維，交叉驗證參數并訓練SVM分類器，挑選最佳參數訓練得到最終分類器。所述方法通過采用多象限編碼技術，可區分活體指紋與假指紋在紋理特征上的細微差別，將真假指紋區分開，不需要硬件系統的提升，提高了指紋識別系統的安全性。

技術領域

本發明涉及指紋識別方法技術領域，尤其涉及一種基于多象限編碼的活體指紋識別方法。

背景技術

指紋識別主要根據人體指紋的紋路、細節特征等信息對操作或被操作者進行身份鑒定，現如今，指紋識別技術已經非常成熟，并被廣泛運用于身份認證、信息加密等領域。然而，大多數指紋識別系統并不能區分所掃描的指紋是否來自于真正的人體，使用橡膠、硅脂甚至印刷在紙上的假指紋都可以成功地欺騙指紋識別系統。

發明內容

本發明所要解決的技術問題是提供一種基于多象限編碼的活體指紋識別方法，所述方法通過分析活體指紋與假指紋在紋理特征上的細微差別將真假指紋區分開，提高了指紋識別系統的安全性。

為解決上述技術問題，本發明所采取的技術方案是：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：

采集足夠數量的真假指紋圖像；

在采集到的指紋圖像上隨機采樣大量不同尺寸圖像塊；

通過正交簇保持學習算法學習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據的平均角度，得到每個尺度下的分割超平面的法向量；

使用分割平面的法向量對待訓練圖像進行多象限編碼處理，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一步降維，交叉驗證參數并訓練分類器，挑選最佳參數訓練得到最終分類器。

進一步的技術方案在于：所述的通過正交簇保持學習算法學習3×3尺度下的分割面的方法如下：

將3×3圖像塊拉伸成9維的列向量并進行歸一化得到具體如下表示：

其中n代表每個尺寸上隨機采集真假圖像塊數。

進一步的技術方案在于：所述的最大化分割超平面與圖像塊數據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據的平均角度，具體實現如下：

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

由于目標函數具有不可導點，該優化問題需要使用帶正交約束的一階梯度下降算法求解。

進一步的技術方案在于：所述的分割超平面與圖像塊數據的平均角度按照如下方法進行最大化：

首先將濾波器組與訓練數據投影到當前運算的空間其中H是投影矩陣，初始化為對角矩陣H＝I_9×9，接著計算損失函數和梯度得到學習率，其中損失函數如下：

其中表示投影到當前運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