[发明专利]基于图像质量评估的多生物特征融合识别方法

权利要求书

1.一种基于图像质量评估的多生物特征融合识别方法，所述方法包括如下步骤：

步骤1：图像数据采集：利用摄像装置，对未知用户X的人脸和虹膜进行图像采集；

步骤2：图像预处理：主要由定位、归一化和图像增强三部分组成；人脸图像定位采用的是基于Haar特征与Adaboost相结合的算法，归一化采用平移、旋转和缩放措施，图像增强采用直方图均衡化，虹膜图像定位采用霍夫变换和边缘检测相结合的算法，归一化采用的是极坐标变换，图像增强采用直方图均衡化；

步骤3：图像质量评估：利用光照和清晰度作为质量影响因子来进行人脸和虹膜图像质量评估，得出人脸和虹膜图像的质量评估分数和；

步骤4：特征提取和模板匹配：对人脸图像采用分块LBP提取图像纹理特征，采用卡方距离与人脸特征库进行模板匹配得出匹配分数，采用公式计算出次模板匹配的匹配质量置信度分数,其中和为进行模板匹配的两幅图像各自的质量评估分数；对虹膜图像利用多通道2D Log-Gabor提取虹膜纹理特征，采用海明距离与虹膜特征库进行模板匹配得出匹配分数，采用公式计算出所述次模板匹配的匹配质量置信度分数，其中和为进行模板匹配的两幅图像各自的质量评估分数；

步骤5：归一化处理：采用TANH方法对所有模板匹配分数进行归一化处理，采用MAX-MIN方法对所有匹配质量置信度分数进行归一化处理，处理后的每一个分数都在[0,1]之间；

步骤6：融合识别：用归一化后的匹配分数和匹配质量置信度分数进行融合识别，其具体步骤如下：

步骤61：初始权重分配：用于根据预设的权值分配标准为每个归一化后的所述模板匹配分数对应分配一个初始权重值,且所有所述权值之和等于1；

步骤62：权重调整：用于在保证所有所述权值之和等于1的前提下,根据所述匹配质量置信度分数调整每个对应的所述模板匹配分数的对应权值；

步骤63：加权融合识别：用于根据归一化后的所述模板匹配分数和调整后的对应权值进行加权融合,得出最终的识别结果。

2.根据权利要求1所述的识别方法，所述步骤61中的所有所述初始权重权值之和等于1，即：

所述步骤62中权重调整的具体方法为：

若且时

若时

若时

若时

其中，与为单一人脸与虹膜识别算法的等错误率，和为人脸和虹膜匹配质量置信度阈值；

所述步骤63的加权融合识别方法为：

。

3.根据权利要求1所述的识别方法，对图像进行质量评估的处理方法具体为：

步骤1.对人脸图像进行质量评估的具体处理步骤为：

步骤11：将人脸图像划分为左右两半部分人脸和，然后将右半部分人脸水平翻转得到；

步骤12:计算出光照对称值，其方法为：

其中：和表示图像和像素灰度均值，和表示图像和像素灰度方差，表示图像和像素灰度协方差，，和表示图像的宽高；

步骤13：根据人眼对灰度的敏感性，确定对人眼产生有效激励的像素灰度值范围为：62～242；统计整幅图像中像素灰度值在所述范围的数目,确定图像光照强度，和表示图像的宽高；

步骤14：将和结合起来，即融合光照对称度和强度，采用计算出人脸图像质量评估分数；

步骤2：对虹膜图像进行质量评估的具体处理步骤为：

步骤21：采用Haar小波变换将虹膜图像分解为一个低频子带LL和三个高频子带LH，HL，HH；

步骤22：计算出三个高频子带HH，HL，HL的能量总和，计算出低频子带LL的能量；通过计算出虹膜图像质量评估分数。

4.根据权利要求2所述的识别方法，所述的、、和的具体获取方法为：

根据所述方法中的步骤1～5创建一个足够大的训练集库A，所述训练集 库A包含人脸和虹膜特征类内和类外模板匹配获取的匹配分数以及相应的匹配质量置信度分数；

根据步骤1获取的类内和类外模板匹配分数统计出单一的人脸识别和单一虹膜识别算法的ROC曲线；进而计算出单一人脸识别与单一虹膜识别算法的等错误率与；

根据步骤1获取的匹配分数和匹配质量置信度分数，计算出人脸特征的类外和类内匹配分数回归曲线，；进而根据下列公式求出人脸匹配质量置信度阈值；

求解虹膜匹配质量置信度阈值与求解人脸匹配质量置信度阈值的方法一致。