[發明專利]基于多元線性回歸聯想記憶模型的身份耦合識別方法

有效

• 申請號: 201710175033.3
• 申請日: 2017-03-22
• 公開（公告）號: CN106971157B
• 公開（公告）日: 2020-12-04
• 發明（設計）人: 韓琦;翁騰飛;劉晉;劉洋;吳政陽;譙自強;黃軍建
• 申請（專利權）人: 重慶科技學院;重慶第二師范學院
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 重慶為信知識產權代理事務所(普通合伙) 50216
• 代理人: 龍玉洪

1.一種基于多元線性回歸聯想記憶模型的身份耦合識別方法，其特征在于包括以下步驟：

S1：采集人群的指紋圖片和人臉圖片，對采集到的指紋圖片和人臉圖片進行分組編號；

S2：通過設置二值圖亮度閾值，將步驟S1得到的所有指紋圖片和人臉圖片處理為二值圖片，得到指紋圖片的聯想記憶輸入矩陣和輸出矩陣和人臉圖片的聯想記憶輸入矩陣和輸出矩陣；

所述二值圖亮度閾值K＝(0，1，2，3，...，255)；

在步驟S1中包括m組圖片，對應的編號為1,2,3...m，所有指紋圖片和人臉圖片均由N行M列個的像素點組成，像素點個數為n＝N×M；

設指紋的二值圖矩陣為聯想記憶的輸入矩陣Γ′＝(X′¹,X′²,…,X′ⁱ,…,X′^m)，i∈{1,2,…,m}，表示第i幅指紋的二值圖中所有的像素點組成的輸入向量，其中，α_j′ⁱ表示在第i幅指紋的二值圖中的第j個像素點的輸入值；

設指紋的二值圖矩陣為聯想記憶的輸出矩陣表示第i幅指紋的二值圖中所有的像素點組成的輸出向量，其中，表示在第i幅指紋的二值圖中的第j個像素點的輸出值；

設人臉的二值圖矩陣為聯想記憶的輸入矩陣Γ″＝(X″¹,X″²,…,X″ⁱ,…,X″^m)，i∈{1,2,…,m}，表示第i幅人臉的二值圖中所有的像素點組成的輸入向量，其中，α_j″ⁱ表示在第i幅人臉的二值圖中的第j個像素點的輸入值；

設人臉的二值圖矩陣為聯想記憶的輸出矩陣表示第i幅人臉的二值圖中所有的像素點組成的輸出向量，其中，y_j″ⁱ表示在第i幅人臉的二值圖中的第j個像素點的輸出值；

S3：利用細胞神經網絡結構，構建兩個帶有回歸參數的多元線性回歸圖片識別模型，分別為多元線性回歸指紋圖片識別模型和多元線性回歸人臉圖片識別模型；

步驟S3的具體內容為：

基于細胞神經網絡結構構建的多元線性回歸指紋圖片識別模型，具體為：

其中，i_N＝1,2，…,N；j_M＝1,2，…,M；k₁(i_N,r)＝max{1-i_N,-r}；k₂(i_N,r)＝min{N-i_N,r}；l₁(j_M,r)＝max{1-j_M,-r}；l₂(j_M,r)＝min{M-j_M,r}；r是表示模板半徑，為輸入參數，是輸出，是輸入，是偏移量，是輸入模板；

輸入模板的表達式如下：

令r為1，則等式(2)中

公式(1)改寫為：

Y′＝A′X′+V′ (3)

其中，輸入向量：

輸出向量

偏移量

記憶矩陣A′和偏移量V′為所述回歸參數，記憶矩陣A′＝(a′_ij)_n×n可以寫成如下形式：

其中，

基于細胞神經網絡結構構建的多元線性回歸人臉圖片識別模型，具體為：

其中，i_N＝1,2，…,N；j_M＝1,2，…,M；k₁(i_N,r)＝max{1-i_N,-r}；k₂(i_N,r)＝min{N-i_N,r}；l₁(j_M,r)＝max{1-j_M,-r}；l₂(j_M,r)＝min{M-j_M,r}；r是表示模板半徑，為輸入參數，是輸出，是輸入，是偏移量，是輸入模板；

輸入模板的表達式如下：

令r為1，則等式(7)中

公式(6)改寫為：

Y″＝A″X″+V″ (8)

其中，輸入向量：

輸出向量

偏移量

記憶矩陣A″和偏移量V″為所述回歸參數，記憶矩陣可以寫成如下形式：

其中，

S4：根據步驟S2得到的指紋圖片和人臉圖片的聯想記憶輸入矩陣、輸出矩陣和步驟S3得到的兩個多元線性回歸圖片識別模型，分別計算步驟S3中的所述回歸參數，最終確定多元線性回歸指紋圖片識別模型、多元線性回歸人臉圖片識別模型；

步驟S4中計算步驟S3中的回歸參數的具體步驟為：

S41：令向量

令Y'＝((Y′¹)^T,(Y′²)^T,…,(Y′ⁱ)^T,…,(Y′m)^T)^T,Y″＝((Y″¹)^T,(Y″²)^T,…,(Y″ⁱ)^T,…,(Y″m)^T)^T；

其中,i∈{1,2,…,m}，Y′ⁱ和Y″ⁱ分別表示第i幅指紋二值圖和人臉二值圖中所有的像素點組成的列向量；

令l∈{1,2,…,m}和q∈{1,2,…,N},

則由公式(3)可得：

X′·L′＝Y' (11)

公式(8)可得：

X″·L″＝Y″ (12)

因此，

其中，L′和L″為常數；

S42：在自聯想記憶準則中，存在：

將步驟S2中得到的指紋圖片聯想記憶輸入矩陣Γ′轉化為X′，輸出矩陣轉化為Y'，帶入公式(11)，得到L′；將步驟S2中得到的人臉圖片聯想記憶輸入矩陣Γ″轉化為X″，輸出矩陣轉化為Y″，帶入公式(12)，得到L″；根據L′得偏移v′和輸入模板根據L″得偏移v″和輸入模板

S43：將步驟S42得到的偏移v′_j和輸入模板帶入公式(4)、(5)，得到記憶矩陣A′和偏移量V′，得出多元線性回歸指紋圖片識別模型；

將步驟S42得到的偏移v″_j和輸入模板帶入公式(9)、(10)，分別，得到記憶矩陣A″和偏移量V″，得到多元線性回歸人臉圖片識別模型；

S5：基于自聯想記憶準則，對指紋圖片和人臉圖片分別進行識別；

將自聯想記憶和多元線性回歸模型相結合，將指紋圖片和人臉圖片轉化成一系列參數進行保存，身份信息包括指紋和人臉圖片，驗證可靠度高，并且對圖片的保存方式隱秘性強，安全系數高，有效防止人們身份信息被泄露；采用將圖片經模型轉化成參數的形式，簡單方便，實用性好，圖片識別效果好，對人臉圖片和指紋圖片保護效果好。