[发明专利]基于人脸—指纹协同的身份识别方法

权利要求书

1.一种基于人脸-指纹协同的身份识别方法，用于机器视觉和模式识别领域中的身份识别，具体步骤如下：

1)图像低层视觉特征选择与融合，是以识别为目标，使用全局特征向量与局部特征向量相融合的方法来提取人脸图像和指纹图像的高效低层视觉特征；

2)建立图像高层语义特征表述模型，是对图像的低层视觉特征与高层语义之间的内在联系进行分析，通过函数关系实现低层视觉特征到高层语义之间的映射；

3)分析人脸与指纹特征之间的关联性，是基于非参数模型的方法，采用联合分布来表示不同模态信息之间的关联性，把不同模态信息的联合特征向量映射到一个低维的特征子空间，然后在低维子空间里估计不同模态信息的联合分布；

4)解决多分类器在训练阶段以及决策阶段的协同，实现高层语义特征的多模态信息交互，是依据协同训练算法，在人脸所包含的信息构成的视图以及指纹所包含的信息构成视图上，首先利用有标记数据分别训练出多个分类器，然后，利用每个分类器对未标识数据进行预测，并对预测结果进行融合，最后，依据融合结果将其中具有较高置信度的数据添加到对方的标识数据集中，以便对方用扩大的数据集来进行下一轮训练，此过程不断叠代进行，直到满足终止条件。

5)建立人脸-指纹协同数据库，包含同一个人的人脸和指纹图像的数据库。

2.根据权利要求1所述的基于人脸-指纹协同的身份识别方法，其特征在于，所述步骤1)中，是以识别为目标，合理选择Gabor滤波器、SIFT以及LBP有效成分，研究更有效的局部特征提取方式，从而得到对局部形变、尺度、光照、视角构成一定程度不变量的高效低层视觉特征，最后，通过融合全局特征和局部特征来实现图像表征。

3.根据权利要求1所述的基于人脸-指纹协同的身份识别方法，其特征在于，所述步骤2)中，通过构造监督视觉词，消除图像特征表达中冗余的特征维度，加强对分类有帮助的维度，从而极大地增强最终得到的高层语义特征表述的分类能力。

4.根据权利要求1所述的基于人脸-指纹协同的身份识别方法，其特征在于，所述步骤3)中，分析人脸与指纹特征之间的关联性，基于非参数模型的方法，采用联合分布来表示不同模态信息之间的关联性，把不同模态信息的联合特征向量映射到一个低维的特征子空间，然后在低维子空间里估计不同模态信息的联合分布。

5.根据权利要求1所述的基于人脸-指纹协同的身份识别方法，其特征在于，所述步骤4)中，基于协同训练算法的分类器使用未标记数据进行训练时，在训练的过程中加入噪声过滤机制和人机交互过程，进一步提高分类器的性能，获得具有良好性能和泛化能力的学习器。

6.根据权利要求5所述的基于人脸-指纹协同的身份识别方法，其特征在于，所述各分类器交互作用是基于模糊集理论的决策融合方法来实现，采用模糊积分方法作为融合的工具。