[发明专利]基于图像质量评估的多生物特征融合识别方法

说明书

本发明是一种基于图像质量评估的多生物特征融合识别方法，首先通过图像采集子系统采集用户的人脸和虹膜图像并对其进行相应预处理，其次对经过预处理的图像分别送入相应的识别认证子系统进行质量评估、特征提取和模板匹配等步骤，输出各自匹配分数以及相应匹配质量置信度分数，最后将这些分数归一化后送入识别融合子系统，采用动态加权融合算法得到识别认证结果。本发明的有益效果之处在于：所述方法较单一人脸或虹膜识别算法具有更高的识别准确率，能实现高精度的个人身份识别；同时，所述方法在现有主流融合识别算法基础上，提取出图像质量有用信息应用于融合识别认证过程，进一步提升系统识别性能。

技术领域

本发明的实施例涉及一种基于图像质量评估的多生物特征融合识别方法，更具体地，涉及一种基于图像质量评估的包含人脸识别、虹膜识别的多生物特征融合识别方法。

背景技术

随着信息化建设的飞速发展，人类日益增大的物理与虚拟活动空间面临越来越多的身份认证识别问题,传统的基于身份证或口令的认证识别方式存在易遗忘和被窃取的风险。尤为严重的是这些传统方式无法区分真正的拥有者和取得身份标识物的冒充者，而利用一个人固有的生理或行为特征实现身份认证识别，生物特征的一些固有属性(如不易伪造和窃取等)使得它比使用身份证或口令等传统方法更为可靠。近年来，生物特征识别在可靠性、准确性方面取得了相当大的改进，但实际应用中存在一些不利因素如环境、样本采集和欺骗攻击等，影响了系统的识别准确性，使其仍无法满足一些高安全性场合的要求。

生物特征融合识别为这些情况提供了一个有效对策，它通过融合多种生物特征的特征信息，消除一些单一生物特征识别具有的弊端，以改进整个系统的识别性能，实现高精度的个体身份识别。现有多生物特征识别系统的成功实例证明了生物特征融合的可行性和有效性。随着实际应用中对信息安全要求的不断提高，生物特征融合识别依靠它能够提高准确率、可靠性和安全性等识别性能，成为当今国际生物特征识别技术的发展新方向。

由于分数层融合能够对不同特征中的信息量以及处理这些信息的难易程度之间做到很好的平衡，所以基于匹配分数加权的融合方法成为主流融合算法之一，该方法首先是将身份识别系统输出的待识别特征与训练的数据库特征进行匹配，得出的匹配程度，以＂候选人＂等级的模式输出结果，最后用加权等方式得出最后判断。然而该类算法未充分利用图像的有用信息，限制了融合识别性能提升。

发明内容

本发明的实施例提供一种基于图像质量评估的多生物特征融合识别算法，所述方法包括步骤：

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、旋转和缩放等措施，图像增强采用直方图均衡化。虹膜图像定位采用霍夫变换(Hough)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Q_face和Q_iris。

步骤4：特征提取和模板匹配：对人脸图像采用分块LBP(Local Binary Pattern)提取图像纹理特征，采用卡方距离(chi-square distance)与人脸特征库进行模板匹配得出匹配分数S_face，采用下方公式计算出所述次模板匹配的匹配质量置信度分数G_face；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(Hamming Distance)与虹膜特征库进行模板匹配得出匹配分数S_iris，采用下方公式计算出所述次模板匹配的匹配质量置信度分数G_iris。