[發明專利]基于多模態靜脈圖像性別信息異構分離的身份識別方法

有效

• 申請號: 202010962618.1
• 申請日: 2020-09-14
• 公開（公告）號: CN112214746B
• 公開（公告）日: 2021-07-13
• 發明（設計）人: 王軍;陳曉玲;潘在宇
• 申請（專利權）人: 中國礦業大學
• 主分類號: G06F21/32
• 分類號: G06F21/32;G06K9/00;G06K9/32;G06K9/46;G06K9/62
• 代理公司: 南京理工大學專利中心 32203
• 代理人: 朱沉雁

本發明公開了一種基于多模態靜脈圖像性別信息異構分離的身份識別方法，依賴于雙層無監督稀疏特征學習模型和改進的最大類間方差二進制特征編碼模型。本發明涉及計算機視覺領域，包括自行構建靜脈圖像庫，無監督稀疏特征學習對人體手背靜脈圖像進行性別信息異構分離，在性別屬性判斷的基礎上進行特征提取，分別計算圖像二進制特征編碼值和編碼權值，再進行特征向量相似度判斷，身份識別等步驟。本發明公開的基于多模態靜脈圖像性別信息異構分離的身份認證方法，通過對靜脈圖像進行性別信息分離，用性別標簽引導不同特征提取策略來進行身份認證，提高了身份識別的準確性，能很好地滿足準確性要求較高的各類身份識別應用需求。

技術領域

本發明手部靜脈識別領域，尤其涉及一種基于多模態靜脈圖像性別信息異構分離的身份識別方法。

背景技術

靜脈圖像由于其潛在的體內成像、穩定不變及抗外界干擾等特性正逐步成為主流的生物特征識別方式之一?；陟o脈圖像的身份識別可分為性別屬性判斷和身份屬性判斷兩部分進行。

將身份識別所用的傳統特征提取方法用于性別識別沒有取得很好的效果，因此在靜脈圖像的基礎上，首次提出無監督稀疏特征學習算法。無監督稀疏特征特征學習模型可以相對有效的找到靜脈圖像性別空間特征分布特性，保證特征向量分布的稀疏性，達到良好的性別識別效果。

二進制特征編碼由于具有較高的計算效率，所提取的編碼特征具有很強的分類能力等特征被廣泛應用，除用于傳統的圖像紋理信息度量和描述外，已被廣泛應用于其他視覺任務，如人臉識別，行人檢測，靜脈識別等。傳統的二進制特征編碼在進行特征提取時具有對光照變化的魯棒性，Ojala等將傳統二進制特征編碼推廣至任意形狀和大小的處理鄰域范圍，提出了一種圓形二進制特征編碼編碼模式，又在此基礎上進行改進，提出一種旋轉不變紋理編碼方法。不久，Ojala等又通過減少二進制特征編碼冗余模式提出一種UniformLBP模式，得到低維、密集分布特征空間。但是以上特征編碼模式都是以選定領域的中心像素為二值化閾值進行編碼，存在對像素噪聲敏感，容易丟失編碼區域對比度的缺陷。

發明內容

本發明的主要內容為一種基于多模態靜脈圖像性別信息異構分離的身份識別方法，將身份識別分為性別屬性分類識別和身份屬性分類識別兩步進行，可以有效的提高靜脈特征提取的針對性，獲得了具有魯棒性的身份識別模型。

實現本發明目的的技術解決方案為：一種基于多模態靜脈圖像性別信息異構分離的身份識別方法，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行有效區域提取，并進行零-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督稀疏特征學習模型的輸入矩陣轉入步驟2；

步驟2、構建雙層無監督稀疏特征學習模型，將雙層無監督稀疏特征學習模型的輸入矩陣輸入雙層無監督稀疏特征學習模型進行訓練，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進行分類，得到帶有性別標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，同時轉入步驟3和步驟4；

步驟3、對男性手背靜脈圖像直接進行特征提取，計算當前鄰域的最大類間方差二進制特征編碼值和編碼權值，得到男性靜脈圖像特征分布直方圖，轉到步驟5；

步驟4、對女性手背靜脈圖像直接進行特征提取，計算當前鄰域的最大類間方差二進制特征編碼值，再對女性手背靜脈圖像進行對比度增強處理，計算最大類間方差二進制編碼權值，將女性的特征編碼值和編碼權值組合，得到女性當前鄰域特征編碼值，進而得到女性靜脈圖像特征分布直方圖，轉入步驟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行直方圖匹配，計算特征向量相似度，得到身份認證結果；