[發(fā)明專利]一種具有隱私保護(hù)功能的大規(guī)模虹膜識(shí)別方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201810402195.0
• 申請(qǐng)日: 2018-04-28
• 公開(kāi)（公告）號(hào): CN108681698B
• 公開(kāi)（公告）日: 2021-03-16
• 發(fā)明（設(shè)計(jì)）人: 鄒勤
• 申請(qǐng)（專利權(quán)）人: 武漢大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06F21/60;G06N3/04;G06N3/08
• 代理公司: 武漢科皓知識(shí)產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 42222
• 代理人: 齊晨涵

本發(fā)明公開(kāi)了一種具有隱私保護(hù)的大規(guī)模虹膜識(shí)別方法，通過(guò)采集虹膜樣本、加密虹膜樣本、構(gòu)建加密虹膜檢索樣本集、對(duì)加密虹膜樣本集進(jìn)行哈希編碼、對(duì)加密虹膜樣本集進(jìn)行特征描述、識(shí)別未知身份虹膜，實(shí)現(xiàn)加密虹膜的識(shí)別。該方法通過(guò)快速檢索到一批相似用戶，然后進(jìn)行精細(xì)比較，縮短了識(shí)別時(shí)間，且利用所設(shè)計(jì)的哈希編碼和特征描述可以實(shí)現(xiàn)快捷的同時(shí)，準(zhǔn)確率也有提高。

技術(shù)領(lǐng)域

本發(fā)明涉及人工智能與信息安全領(lǐng)域，具體涉及一種具有隱私保護(hù)功 能的大規(guī)模虹膜識(shí)別方法。

技術(shù)背景

隨著信息化時(shí)代的到來(lái)，信息安全和網(wǎng)絡(luò)安全的重要性日益加強(qiáng)。在 這種社會(huì)背景下，身份認(rèn)證技術(shù)的發(fā)展日新月異，各種新穎高效的方法層 出不窮。其中生物識(shí)別技術(shù)憑借著它高可靠性和易用性等優(yōu)點(diǎn)脫穎而出， 在近幾年得到了足夠的重視和迅速的發(fā)展和廣泛應(yīng)用。

虹膜識(shí)別作為生物識(shí)別技術(shù)，區(qū)別于其他的諸如人臉識(shí)別，指紋識(shí)別 等，擁有穩(wěn)定性、唯一性、可采集性、高防偽性和活體檢測(cè)性的特點(diǎn)，使 得虹膜識(shí)別技術(shù)具有巨大的研究?jī)r(jià)值和廣闊的應(yīng)用前景。但是虹膜作為一 種生物特征，它不能更改，即不能像密碼一樣泄漏后可以更換。在進(jìn)行虹 膜識(shí)別和身份識(shí)別時(shí)，需要充分考慮到用戶隱私保護(hù)的問(wèn)題，不能將虹膜 圖像信息泄漏，以免造成不可挽回的損失。特別是在網(wǎng)絡(luò)環(huán)境下，將生物 特征數(shù)據(jù)傳輸?shù)皆贫耍?a title="鉆瓜網(wǎng) 云計(jì)算">云計(jì)算服務(wù)器，進(jìn)行識(shí)別或驗(yàn)證，由于不能保證 服務(wù)器數(shù)據(jù)的絕對(duì)安全，所以在云計(jì)算模式的生物特征數(shù)據(jù)的隱私安全保 護(hù)是一種具有非常重要的行業(yè)需求。

另外，在用戶規(guī)模非常大的時(shí)候，例如十萬(wàn)，百萬(wàn)甚至千萬(wàn)用戶，進(jìn) 行虹膜的分類識(shí)別是非常耗時(shí)的，算法不具有實(shí)時(shí)性。因此，研究具有隱 私保護(hù)功能的大規(guī)模虹膜識(shí)別方法，具有重要的研究意義和經(jīng)濟(jì)社會(huì)價(jià)值。

發(fā)明內(nèi)容

本發(fā)明針對(duì)現(xiàn)有技術(shù)的不足，提供了一種具有隱私保護(hù)功能的大規(guī)模 虹膜識(shí)別方法，在準(zhǔn)確地提取虹膜位置和識(shí)別虹膜特征的同時(shí)，防止用戶 虹膜信息的泄漏，實(shí)現(xiàn)隱私保護(hù)，其特征在于包含以下步驟：

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(shù)從眼部 圖像中分割出虹膜圖像，構(gòu)建大規(guī)模虹膜樣本集；

s2構(gòu)建加密的虹膜樣本集：對(duì)步驟s1構(gòu)建的大規(guī)模虹膜樣本集進(jìn)行加 密，構(gòu)建加密的虹膜樣本集；

s3構(gòu)建加密的虹膜檢索樣本集：基于步驟s2構(gòu)建的加密的虹膜樣本集， 構(gòu)建加密的虹膜檢索樣本集；

s4對(duì)加密的虹膜樣本集進(jìn)行哈希編碼：構(gòu)建深度學(xué)習(xí)哈希網(wǎng)絡(luò)，利用 步驟s3構(gòu)建的加密的虹膜檢索樣本集對(duì)深度學(xué)習(xí)哈希網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到 深度哈希模型；并從深度哈希模型中取出從輸入層到哈希層的部分，作為 哈希編碼器；利用該哈希編碼器對(duì)步驟s2構(gòu)建的加密虹膜樣本集中的加密 虹膜樣本進(jìn)行哈希編碼，從而將輸入的加密虹膜樣本編碼成只有0和1組 成的向量；

s5對(duì)加密虹膜樣本集進(jìn)行特征描述：構(gòu)建深度學(xué)習(xí)分類網(wǎng)絡(luò)，利用步 驟s2構(gòu)建的加密的大規(guī)模虹膜樣本集對(duì)深度學(xué)習(xí)分類網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到 加密虹膜分類模型；從所述加密虹膜分類模型中取出從輸入層到最后一個(gè) 隱含層的部分，作為對(duì)加密虹膜的特征描述器；利用該加密虹膜特征描述 器對(duì)s2步驟構(gòu)建的加密虹膜樣本集中的所有樣本進(jìn)行特征描述；

s6識(shí)別未知身份的虹膜：對(duì)于待識(shí)別的未知身份虹膜樣本i，先進(jìn)行加 密，然后利用步驟4所得的哈希編碼器對(duì)加密結(jié)果進(jìn)行編碼得到H_i；計(jì)算 H_i與步驟4所得的已知身份的虹膜哈希編碼的海明距離(Hamming Distance)，得到最相似的K個(gè)用戶。利用所述的加密虹膜特征描述器，對(duì) 加密后的待識(shí)別的未知身份虹膜樣本i進(jìn)行特征描述得到F_i，并分別計(jì)算 F_i和最相似的K個(gè)用戶的加密虹膜特征之間的相似度；并對(duì)相似度值進(jìn)行 排序，將最大相似度值對(duì)應(yīng)的用戶身份作為未知身份虹膜樣本的身份。