[發明專利]一種基于圖像處理的生物識別方法和系統

有效

• 申請號: 201910572949.1
• 申請日: 2019-06-28
• 公開（公告）號: CN110390353B
• 公開（公告）日: 2021-08-06
• 發明（設計）人: 閆利華
• 申請（專利權）人: 蘇州浪潮智能科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46;G06K9/00
• 代理公司: 濟南誠智商標專利事務所有限公司 37105
• 代理人: 王汝銀

本申請公開了一種基于圖像處理的生物識別方法和系統，該方法包括：采集圖像數據；采用圖像歸一法和圖像增強法對圖像數據進行預處理，獲取預處理后的圖像數據；對預處理后的圖像數據進行圖像特征提取，獲取第一特征集合；利用SFCBF算法對第一特征集合進行選擇，獲取第三特征集合；根據第三特征集合進行生物識別。該系統包括：采集模塊、預處理模塊、特征提取模塊、特征選擇模塊以及識別模塊。通過本申請，能夠大大提高生物識別準確性、可靠性和識別速度。

技術領域

本申請涉及圖像處理技術領域，特別是涉及一種基于圖像處理的生物識別方法和系統。

背景技術

生物識別方法通常應用于門禁系統、打卡機以及手機等場景中。以最常見的人臉識別為例，人臉識別通常受到外界因素的影響，如：眼鏡、距離以及周圍環境等。因此，如何提高生物識別的準確性和識別速度是一個重要的技術問題。

目前的生物識別方法通常是：采集圖像數據、提取圖像特征，然后根據所提取的圖像特征利用PCA(Principal Component Analysis，主成分分析)方法進行數據降維，根據數據降維結果進行生物識別。

然而，目前的生物識別方法中，由于采用PCA方法進行數據降維處理，以人臉識別為例，PCA方法中主成分的個數K是人為指定的，K的選擇對人臉識別的分類率具有直接影響，并且對不同的數據集K的選擇也是不同的，因此利用PCA方法降維所獲取的識別結果不夠準確。而且PCA方法對原有的特征進行轉換的過程中，會同時把所采集的數據中存在的冗余和不相干特征轉換到主成分中，從而降低生物識別的準確率。另外，PCA 轉換是通過分解協方差矩陣的方式執行的，對于高維數據來說，這種計算方式使得計算速度較慢，從而導致生物識別的速度較慢。

發明內容

本申請提供了一種基于圖像處理的生物識別方法和系統，以解決現有技術中的生物識別方法識別準確性不夠高和識別速度較慢的問題。

為了解決上述技術問題，本申請實施例公開了如下技術方案：

一種基于圖像處理的生物識別方法，所述方法包括：

S1：采集圖像數據，所述圖像數據包括：人臉圖像數據、虹膜圖像數據或指紋圖像數據；

S2：采用圖像歸一法和圖像增強法對所述圖像數據進行預處理，獲取預處理后的圖像數據；

S3：對所述預處理后的圖像數據進行圖像特征提取，獲取第一特征集合；

S4：利用SFCBF(Subset based Fast Correlation-Basd Feature Selection，基于集合判斷快速相關的特征選擇算法)算法對所述第一特征集合進行選擇，獲取第三特征集合；

S5：根據所述第三特征集合進行生物識別。

可選地，步驟S4包括：

S41：根據第一特征集合中每個特征與類之間的關聯程度，從第一特征集合中移除與當前的類不相關的特征，獲取第二特征集合；

S42：根據所述第二特征集合中每個特征與類以及特征子集與類之間的關聯程度，從第二特征集合中移除冗余的特征，獲取第三特征集合。

可選地，步驟S41包括：

S411：計算第一特征集合中任一特征與類之間的關聯程度；

S412：判斷所述任一特征與類之間的關聯程度是否＞設定的關聯程度閾值；

S413：如果是，保留所述任一特征，并將所述任一特征添加至第二特征集合；

S414：如果否，刪除所述任一特征。

可選地，所述關聯程度閾值為位置的相關性值。

可選地，步驟S42包括：