[发明专利]人脸和虹膜混合识别的新方法——特征提取层融合

说明书

技术领域

本发明专利属于计算智能、模式识别和图像处理技术领域，在研究人脸和虹膜的单一生物特征识别技术的基础上，讨论人脸和虹膜在特征提取层进行信息融合的理论和算法。

背景技术

随着对社会安全和身份鉴别的准确性和可靠性要求的日益提高，目前单一的生物特征识别系统产品还不能满足社会的需要，因此，研究新的模型和算法，进一步提高识别率，降低误识率和误拒率仍然是一个发展趋势。另外，多模态生物特征识别的研究和应用也逐渐兴起和深入，是生物特征识别发展的必然趋势。基于多生物特征融合的身份鉴别的优点主要有三个方面：准确性，多个生物特征的识别可以提高身份鉴别的准确性；可靠性，伪造多个生物特征显然比伪造单个生物特征更为困难；适用性，可有效避免单一生物特征存在的应用局限性。

目前，单项生物识别技术和相关产品已经取得了很好的效果，获得了较高的识别率，其中人脸识别具有直接、友好和方便等特点，虹膜识别具有唯一性、稳定性等优点。为了更好地提高生物特征识别的效率和准确性，降低采集和识别环境的限制条件，本发明专利研究人脸和虹膜在特征提取层融合的新方法，探求生物特征的内在联系，构建新的型模型和算法，以提高生物识别系统的鲁棒性和可靠性，充分发挥人脸和虹膜识别的优势，应用于安全防范、电子政务、电子商务和金融业，保持良好的经济环境，具有深远的社会经济意义。

发明内容

本发明的主要目的在于研究模糊进化神经网络在人脸和虹膜图像特征提取层的融合识别方法。该方法将神经网络、进化计算和模糊系统相互融合，利用粒子群(PSO)优化算法建立一种有自学习能力的、能自适应的确定网络结构和调整网络参数的信息融合系统。可以将人脸和虹膜的特征信息直接提供给网络进行学习训练和识别。见图1。

在图像增强算法中，采用超分辨率的图像增强算法，对过小、不清晰的图像进行处理，主要对人脸区域进行超分辨率操作，能有效地降低在超分辨率过程中的时间开销。

人脸识别中光照、姿态和表情的处理方法，采用拟线性曲面拟合和改进的球面谐波函数进行光照补偿算法，研究对检测到的人脸特征信息区域，进行光线恒常性变换，校正光线的差别，克服环境光线对识别效果的不利影响，进一步提高识别率；基于线性相关滤波和神经网络的方法，克服人脸识别中姿态的影响；多小波变换快速滤波方法和人工图像生成技术研究，减小装饰和时间跨度对人脸识别精度的制约；基于Candide和ASM方法降低表情对识别精度的不良作用。

在虹膜识别中，去除眼睛其他部分如角膜与巩膜的相连处，眼睑和睫毛等的影响，准确地定位虹膜的位置，提取较为精确的特征数据。

附图说明

图1为本发明结构示意图。

图2USF数据库中的一个对象计算出的9个球面基函数图像。

图3(a)K＝20的条件下恢复出的基图像。

图3(b)K＝60的条件下恢复出来的基图像。

图4YaluB中同一个对象在不同光照下的图像。

图5基于线性相关滤波器和神经网络姿态估计结果。

图6不同的姿态组合的分区。

具体实施方式

1.使用模糊进化神经网络在人脸、虹膜图像特征提取层的融合识别方法。

在结构设计上，将全局几何拓扑结构和局部几何拓扑结构相结合，以数学形态学的理论方法构造主成分算子提取抽象的基本元素。将神经网络、进化计算和模糊系统相互融合，利用粒子群优化算法建立一种新的、有学习能力的、能够自动选择最佳网络拓扑结构、能够自适应调整网络控制参数，适合于将人脸、虹膜特征信息有效融合的系统，参见图1。

2.采用超分辨率方法进行图像增强。

采用神经网络方法，设计适用的多层感知网络，选择合适的样本和学习算法，对图像中难以精确定位面部特征的人脸区域进行超分辨率操作，降低或消除人脸区域过小或不清晰对识别结果带来的不利影响。

3.基于改进的球面谐波函数的光照补偿方法。