[發(fā)明專利]基于多模態(tài)靜脈圖像性別信息異構(gòu)分離的身份識(shí)別方法

有效

• 申請?zhí)枺?/td>: 202010962618.1
• 申請日: 2020-09-14
• 公開（公告）號(hào): CN112214746B
• 公開（公告）日: 2021-07-13
• 發(fā)明（設(shè)計(jì)）人: 王軍;陳曉玲;潘在宇
• 申請（專利權(quán)）人: 中國礦業(yè)大學(xué)
• 主分類號(hào): G06F21/32
• 分類號(hào): G06F21/32;G06K9/00;G06K9/32;G06K9/46;G06K9/62
• 代理公司: 南京理工大學(xué)專利中心 32203
• 代理人: 朱沉雁

1.一種基于多模態(tài)靜脈圖像性別信息異構(gòu)分離的身份識(shí)別方法，其特征在于，所述方法包括以下步驟：

步驟1、使用手背靜脈采集裝置采集K幅人體手背靜脈圖像，對人體手背靜脈圖像進(jìn)行有效區(qū)域提取，并進(jìn)行零-均值歸一化，得到像素大小為n×m的K幅的靜脈圖像，其中男性和女性手背靜脈圖像各K/2幅，100＜K＜10000，100＜n＜10000，100＜m＜10000，對靜脈圖像進(jìn)行二次歸一化處理，獲取靜脈圖像庫，將靜脈圖像庫作為雙層無監(jiān)督稀疏特征學(xué)習(xí)模型的輸入矩陣轉(zhuǎn)入步驟2；

步驟2、構(gòu)建雙層無監(jiān)督稀疏特征學(xué)習(xí)模型，將雙層無監(jiān)督稀疏特征學(xué)習(xí)模型的輸入矩陣輸入雙層無監(jiān)督稀疏特征學(xué)習(xí)模型進(jìn)行訓(xùn)練，得到稀疏且分布于靜脈信息性別判定空間的特征表示，稱為手背靜脈圖像的稀疏特征矩陣，將其輸入線性SVM進(jìn)行分類，得到帶有性別標(biāo)簽信息的手背靜脈圖像，即男性手背靜脈圖像和女性手背靜脈圖像，同時(shí)轉(zhuǎn)入步驟3和步驟4；

步驟3、對男性手背靜脈圖像直接進(jìn)行特征提取，計(jì)算當(dāng)前鄰域的最大類間方差二進(jìn)制特征編碼值和編碼權(quán)值，得到男性靜脈圖像特征分布直方圖，轉(zhuǎn)到步驟5；

步驟4、對女性手背靜脈圖像直接進(jìn)行特征提取，計(jì)算當(dāng)前鄰域的最大類間方差二進(jìn)制特征編碼值，再對女性手背靜脈圖像進(jìn)行對比度增強(qiáng)處理，計(jì)算最大類間方差二進(jìn)制編碼權(quán)值，將女性的特征編碼值和編碼權(quán)值組合，得到女性當(dāng)前鄰域特征編碼值，進(jìn)而得到女性靜脈圖像特征分布直方圖，轉(zhuǎn)入步驟6；

步驟5、采用Chi-square distance方法對男性靜脈圖像特征分布直方圖和靜脈圖像庫進(jìn)行直方圖匹配，計(jì)算特征向量相似度，得到身份認(rèn)證結(jié)果；

步驟6、采用Chi-square distance方法對女性靜脈圖像特征分布直方圖和靜脈圖像庫進(jìn)行直方圖匹配，計(jì)算特征向量相似度，得到身份認(rèn)證結(jié)果；

步驟1中，使用手背靜脈采集裝置采集K幅人體手背靜脈圖像，對人體手背靜脈圖像進(jìn)行有效區(qū)域提取，并通過零-均值歸一化，得到像素大小為n×m的K幅的靜脈圖像，再通過公式進(jìn)行二次歸一化處理，獲取靜脈圖像，其中X^p表示經(jīng)過零-均值歸一化后的靜脈圖像，表示雙層無監(jiān)督稀疏特征學(xué)習(xí)模型的輸入矩陣，∈為常數(shù)項(xiàng)，∈＝10⁸，為是歸一化矩陣，j表示性別，T表示歸一化的維度；

步驟2中，構(gòu)建雙層無監(jiān)督稀疏特征學(xué)習(xí)模型，將雙層無監(jiān)督稀疏特征學(xué)習(xí)模型的輸入矩陣輸入雙層無監(jiān)督稀疏特征學(xué)習(xí)模型進(jìn)行訓(xùn)練，得到稀疏且分布于靜脈信息性別判定空間的特征表示，稱為手背靜脈圖像的稀疏特征矩陣，將其輸入線性SVM進(jìn)行分類，得到帶有性別標(biāo)簽信息的手背靜脈圖像，具體如下：

步驟2-1、將雙層無監(jiān)督稀疏特征學(xué)習(xí)模型的輸入矩陣輸入雙層無監(jiān)督稀疏特征學(xué)習(xí)模型，轉(zhuǎn)入步驟2-2；

步驟2-2、雙層無監(jiān)督稀疏特征學(xué)習(xí)模型對輸入矩陣行分布進(jìn)行l(wèi)₂正則化再對輸入矩陣列分布進(jìn)行l(wèi)₂正則化其中f_j表示輸入矩陣行分布；表示輸入矩陣列分布，轉(zhuǎn)入步驟2-3；

步驟2-3、基于l₁懲罰項(xiàng)構(gòu)建模型的目標(biāo)函數(shù)：轉(zhuǎn)入步驟2-4；

步驟2-4、基于L-BFGS方法不斷最小化目標(biāo)函數(shù)，得到第一層網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化求解后的輸出矩陣，轉(zhuǎn)入步驟2-5；

步驟2-5、將上述第一層網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化求解后的輸出矩陣作為輸入，返回步驟2-1直到得到第二層網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化求解后的輸出矩陣，即為手背靜脈圖像的稀疏特征矩陣，轉(zhuǎn)入步驟2-6；

步驟2-6、將手背靜脈圖像的稀疏特征矩陣輸入線性SVM進(jìn)行分類，得到帶有性別標(biāo)簽信息的手背靜脈圖像，即男性手背靜脈圖像和女性手背靜脈圖像；

步驟3，對男性手背靜脈圖像直接進(jìn)行特征提取，計(jì)算當(dāng)前鄰域的最大類間方差二進(jìn)制特征編碼值和編碼權(quán)值，得到男性靜脈圖像特征分布直方圖，最大類間方差二進(jìn)制特征編碼值具體公式如下：

其中均值μ₀和均值μ₁，如下式：

其中r_i代表待編碼像素點(diǎn)，τ代表待編碼像素點(diǎn)灰度值，鄰域像素?cái)?shù)P＝P₀+P₁，P₀代表編碼為0的像素?cái)?shù)，P₁代表編碼為1的像素?cái)?shù)；i表示像素點(diǎn)編號(hào)；

其中邏輯判斷函數(shù)S(x)：

步驟3和步驟4中，對男性/女性手背靜脈圖像直接進(jìn)行特征提取，計(jì)算當(dāng)前鄰域的最大類間方差二進(jìn)制特征編碼值，具體如下：

對手背靜脈圖像直接最大類間方差二進(jìn)制特征編碼值，獲得特征編碼值：

其中m×n表示輸入手背靜脈圖像尺寸，A_i表示特征編碼值，w_i表示圖像編碼權(quán)值，表示對應(yīng)像素點(diǎn)特征編碼值，i表示圖像像素點(diǎn)編號(hào)；

步驟3中，對男性手背靜脈圖像直接進(jìn)行特征提取，計(jì)算當(dāng)前鄰域的最大類間方差的特征編碼權(quán)值，具體如下：

最大類間方差二進(jìn)制特征編碼模型中的編碼權(quán)值為分類后的像素集類間方差取最大值時(shí)的像素值，計(jì)算公式如下：

其中τ^*為最優(yōu)編碼閾值，為鄰域二值化后類間方差，r_i代表待編碼像素點(diǎn)，鄰域像素?cái)?shù)P＝P₀+P₁，P₀代表編碼為0的像素?cái)?shù)，P₁代表編碼為1的像素?cái)?shù)；

其中，類間方差如下式：

實(shí)現(xiàn)的有效特征選擇的權(quán)重求解如下式

其中ω^*為最大類間方差二進(jìn)制特征編碼的編碼權(quán)值，σ²代表鄰域整體方差，表示鄰域二值化后類間方差，C是為了保證優(yōu)化權(quán)重解的數(shù)值穩(wěn)定性添加的常數(shù)，設(shè)置C＝0.01²；τ代表待編碼像素點(diǎn)灰度值；

步驟4中，所述對女性手背靜脈圖像進(jìn)行對比度增強(qiáng)處理，計(jì)算最大類間方差二進(jìn)制特征編碼權(quán)值，具體如下：

最大類間方差二進(jìn)制編碼公式如下：

式中m×n表示輸入靜脈圖像尺寸，B_i表示特征編碼值，w_iCE表示經(jīng)過AHE處理后圖像編碼權(quán)值，表示對應(yīng)像素點(diǎn)編碼值，i表示圖像像素點(diǎn)編號(hào)。