[發明專利]一種具有隱私保護功能的大規模虹膜識別方法

有效

• 申請號: 201810402195.0
• 申請日: 2018-04-28
• 公開（公告）號: CN108681698B
• 公開（公告）日: 2021-03-16
• 發明（設計）人: 鄒勤
• 申請（專利權）人: 武漢大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06F21/60;G06N3/04;G06N3/08
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 齊晨涵

1.一種具有隱私保護功能的大規模虹膜識別方法，其特征在于，包括以下步驟：

s1采集虹膜樣本：采集大量的眼部圖像；并利用圖像分割技術從眼部圖像中分割出虹膜圖像，構建大規模虹膜樣本集；

s2 構建加密的虹膜樣本集：對步驟s1構建的大規模虹膜樣本集進行加密，構建加密的虹膜樣本集；

s3構建加密的虹膜檢索樣本集：基于步驟s2構建的加密的虹膜樣本集，構建加密的虹膜檢索樣本集，具體過程如下：

根據虹膜樣本數據集計算相似度矩陣，規定同一用戶的樣本相似度為1，不同用戶的樣本相似度為0；構建三元組虹膜樣本，即每個樣本包含三個虹膜樣本，其中兩個樣本相似度為1，另一個樣本與它們不相似；將所有三元組虹膜樣本構成虹膜檢索樣本集；

s4對加密的虹膜樣本集進行哈希編碼：構建深度學習哈希網絡，并利所述的加密的虹膜檢索樣本集對深度學習哈希網絡進行訓練，得到虹膜哈希編碼器；利用該哈希編碼器對步驟s2構建的加密虹膜樣本集中的加密虹膜樣本進行哈希編碼；

s5對加密虹膜樣本集進行特征描述：構建深度學習分類網絡，利用步驟s2構建的加密的大規模虹膜樣本集對深度學習分類網絡進行訓練，得到加密虹膜的特征描述器；利用該加密虹膜特征描述器對s2步驟構建的加密虹膜樣本集中的所有樣本進行特征描述；

s6識別未知身份的虹膜：對于待識別的未知身份虹膜樣本i，先進行加密，然后進行哈希編碼，并計算與已知身份的虹膜哈希編碼的海明距離，得到最相似的K個用戶，利用所述的特征描述器對待識別加密虹膜進行特征描述，并與所述的K個用戶的加密虹膜特征描述進行比對，將最大相似度值對應的用戶身份作為未知身份虹膜樣本的身份。

2.根據權利要求1具有隱私保護的大規模虹膜識別方法，其特征在于：所述步驟s1中的虹膜分割采用但不限于SegNet分割算法。

3.根據權利要求1具有隱私保護的大規模虹膜識別方法，其特征在于：所述步驟s2中的虹膜加密采用但不限于同態加密算法。

4.根據權利要求1具有隱私保護的大規模虹膜識別方法，其特征在于：所述深度學習哈希網絡采用二維卷積構建。

5.根據權利要求1具有隱私保護的大規模虹膜識別方法，其特征在于：所述深度學習哈希網絡有9層，具體結構如下：第1層是輸入層，即虹膜樣本數據，第2層是卷積層，采用9×9的卷積核，卷積核個數為32，步長為2，第3層是池化層，池化尺寸為2×2，第4、5層是兩個卷積層，采用3×3的卷積核，卷積核個數為64，步長為1，第6層是池化層，池化尺寸為2×2，第7層是卷積層，卷積核個數為128，步長為1，第8層是一個全連接層，稱為哈希層，第9層是輸出層。

6.根據權利要求1具有隱私保護的大規模虹膜識別方法，其特征在于：所述步驟s5中的深度學習分類網絡采用雙向長短時記憶遞歸神經網絡作為分類網絡。