[发明专利]用于移动用户的多生物特征图像信息融合方法及其应用

说明书

技术领域

本发明属于生物特征识别领域，涉及移动用户的指纹、人脸、虹膜的图像信息融合，特别是一种用于移动用户的多生物特征图像信息融合方法及其应用。

背景技术

随着Internet和无线技术的迅速发展，电子商务已经逐渐成为人们进行商务活动的新模式。近年来，移动计算环境下电子商务（移动商务或称M-Commerce）发展迅速，它是一种利用移动设备和移动通信技术，随时随地存储、传输和交流各种商业信息，进行商业活动的创新业务模式。

生物特征识别技术以其特有的安全性，可靠性和有效性等越来越受到人们的重视。人脸识别和指纹识别作为两种最常用和方便的生物特征识别技术，已广泛应用于身份识别等领域。但是，仅仅基于指纹或人脸的单生物特征个人身份识别系统不能满足人们的需要，这是因为人脸识别速度快但可靠性不高；而指纹识别可靠性高却容易仿冒。

多生物特征融合技术是在生物识别技术迅猛发展的情况下发展起来的一个新的研究领域，多生物特征融合技术是近几十年发展起来的信息处理技术，它是将各种生物特征如指纹、人脸、虹膜等融合进行综合分析处理，克服传统方法的弊端，利用各种生物特征的互补性，实现活体认证，提供更加安全的保障。

发明内容

本发明的目的在于克服现有技术的不足之处，提供一种具有较高综合识别特性的用于移动用户的多生物特征图像信息融合方法及其应用。

本发明解决其技术问题所采用的技术方案是：

本发明的优点和积极效果是：

本发明提出移动用户（主要指使用手机、笔记本、平板电脑的用户）的指纹、人脸、虹膜等用户多生物特征的图像信息融合与认知的方法，该方法安全、可靠，具有广泛的应用前景和社会使用价值。

本发明为了克服移动用户的传统认证方法的缺点，提供一种指纹、人脸、虹膜等用户多生物特征的图像信息融合与认知的方法，来进行用户身份认证，对比传统的基于单生物特征的认证方法将更加安全可靠。

本发明在融合多生物特征的过程中，先对所有的生物特征图像数据分别进行图像预处理，再对预处理后的图像底层特征进行提取，在矩阵构建时，针对这些特征分割和分析，在融合时使每个特征更加清晰，使结果更加精确。

附图说明

图1是通过本发明实现多生物特征身份认证识别应用的原理框图；

图2是本发明中基于移动设备的多生物特征身份认证采集选择的原理框图。

具体实施方式

下面通过具体实施例对本发明作进一步详述，以下实施例只是描述性的，不是限定性的，不能以此限定本发明的保护范围。

一种用于移动用户的多生物特征图像信息融合方法，包括如下步骤：

⑴采集端的建立：在移动设备的信息输入端安装多生物特征采集模块，该多生物特征采集模块包括指纹特征采集模块、人脸特征采集模块、虹膜特征采集模块，采集的指纹、人脸、虹膜特征均为图像数据；

所述移动平台为手机、笔记本、平板电脑，指纹采集模块（嵌入式指纹采集仪），人脸、虹膜采集模块，其中人脸和虹膜采集可以利用移动设备自带的摄像头来进行采集。

⑵图像底层特征提取：先对所有的生物特征图像数据分别进行图像预处理，再对预处理后的图像底层特征进行提取。由于融合系统由指纹、人脸、虹膜等构成，因此需要对其分别进行预处理。所有生物特征图像预处理的主要步骤包括：感兴趣区域(ROI)分割、增强、归一化等。感兴趣区域主要是分割出图像的前景和背景，一般根据采集图像的中心点，截取40×40的图像块作为感兴趣ROI区域，对该区域利用Gaborfilter滤波器进行滤波增强，然后对增强后的图像区域进行灰度归一化处理。

灰度归一化如下：设图像中某像素点的像素值为f(x,y)，所有像素灰度值中的最大值为max，最小值为min,，则灰度归一化公式可以表述为：

f(x,y)＝(f(x,y)-min)*255/(max-min)

图像底层提取特征的步骤是分别提取LBP特征、Zernike正交不变矩特征、Garborfilter特征等。

①LBP特征：LBP是基于图像空域局部算子的纹理图像描述子。因此，可以用来描述图像局部纹理情况。

②不变矩特征：不变矩特征具有旋转、尺度和平移不变特性，具有很强的描述图像的区域特征能力。比较常用的不变矩如：Zernike正交不变矩。

Gabor filter特征：Gabor filter具有良好的方向选择和频率选择特性，能够对图像进行时频分析，提取不同方向、频率下的纹理值。