[发明专利]一种多重保险的身份认证方法

权利要求书

1.一种多重保险的身份认证方法，其特征在于，包括如下步骤，1)采集用户人脸图像；2)采集用户手写签名图像；3)设置密码；4)从采集的人脸图像集和手写签名图像集中分别提取人脸图像特征和手写签名图像特征；5)对人脸图像特征和手写签名图像特征是利用柯西估计判别分析算法对其进行特征选择；柯西估计判别分析算法的具体步骤如下：对于一个给定的图像xi属于人脸图像或者手写签名图像集合X＝[x1,x2,...xN]∈RD×NN是人脸图像或者手写签名图像的个数，D是提取特征以后的人脸图像或者手写签名图像的原始维数，R代表在实数空间，其对应的低维图像yi属于人脸图像或者手写签名图像集合Y＝[y1,y2,...yN]∈Rd×Nd是特征选择后的人脸特征的维数，找到K个最相似的图像其中，有k1个是和xi属于同一个人的人脸图像或者手写签名图像，剩下的k2个是和xi不相同的人的人脸图像或者手写签名图像，其中K＝k1+k2，分别用和表示这两组人脸特征；对于整个xi的局部块可以表示为：其中表示D×(k1+k2+1)维的线性空间，对应的低维表达是在一个新得到的低维局部块内，达到同一个人的人脸图像或者手写签名图像间的欧几里得距离足够的近，而不同人之间的人脸图像或者手写签名图像间的欧几里得距离足够的远，因此以上的说法优化函数表示如下：

m i n y i Σ j = 1 k 1 | | y i - y i j | | 2 - α Σ p = 1 k 2 | | y i - y i p | | 2 , - - - ( 1 ) ]]>

α是尺度因子，用来控制同一个人所获取到的样本间的欧几里得距离与不同人所获取的样本欧几里得距离影响；

定义一个系数向量ωi：

利用定义的系数向量ωi，(1)式就会被化简成以下的形式：

arg m i n Y i t r ( Y i L i Y i T ) , - - - ( 2 ) ]]>

这里的tr(·)表示的是矩阵的迹运算,式中的

下面引入选择矩阵(Si)pq：

( S i ) p q = 1 , I f p = F i { q } 0 , e l s e , - - - ( 3 ) ]]>

这里

因此，得到低维表达Yi＝YSi，目标函数(2)可以改写为：

argmin Y Σ i = 1 N t r ( YS i L i S i T Y T ) = argmin Y t r ( YLY T ) ; - - - ( 4 ) ]]>

考虑到在高维空间的表示，每个图像间的差距可能较小，达到在低维的空间表示出来的图像之间的距离要比较远；对于每个图像来说就可以表示为：每个低维空间的图像与所有图像中心的欧几里得距离足够的远，表示为以下的目标函数：

arg m a x y i Σ i = 1 N | | y i - y ‾ | | 2 , - - - ( 5 ) ]]>

就是所有图像的欧几里得距离的中心，即

为了使得所有的类具有更强的判别能力，加入了柯西估计理论，(5)式变成以下的形式：

arg m a x y i l o g ( 1 + ( Σ i = 1 N | | y i - y ‾ | | 2 c 2 ) ) , - - - ( 6 ) ]]>

c是一个参数，用来调整图像之间的距离；

整合(4)式和(6)式，目标函数写成以下的形式：

arg m i n y i t r ( YLY T ) - C 1 l o g ( 1 + Σ i = 1 N | | y i - y ‾ | | 2 c 2 ) ; - - - ( 7 ) ]]>

C1是正则化系数；

由于存在Y＝UTX关系，(7)式可以化简为

arg m i n U t r ( U T XLX T U ) - C 1 l o g ( 1 + t r ( U T S U ) c 2 ) , - - - ( 8 ) ]]>

其中，S表示的是高维人脸图像或者手写签名图像特征之间的方差

S = Σ i = 1 N ( x i - x ‾ ) ( x i - x ‾ ) T ; ]]>

为了使得(8)式有唯一解，所以给定条件：UTU＝I；

投影矩阵U通过迭代的方法和特征值的求解方法解出来；6)采用支持向量机分类器进行分类；7)步骤6)中支持向量机分类器的识别结果正确及密码输入正确，即验证成功，否则失败。