[发明专利]多模生物特征的优化方法、装置、介质和设备

权利要求书

1.一种多模生物特征的优化方法，其特征在于，所述方法包括：

基于图片信息的有效区域获取虹膜特征和面部特征，对所述虹膜特征和所述面部特征进行初步融合后得到初步融合特征；

通过改进的二进制粒子群算法对所述初步融合特征进行优化，得到优化融合特征；

根据所述优化融合特征对所述图片信息进行身份识别。

2.根据权利要求1所述的方法，其特征在于，所述通过改进的二进制粒子群算法对所述初步融合特征进行优化，得到优化融合特征，包括：

确定所述初步融合特征的训练集和测试集；

通过改进的二进制粒子群对所述训练集和测试集进行粒子变换和空间变换，分别生成对应的特征子空间训练集和特征子空间测试集；

对所述特征子空间训练集和特征子空间测试集进行迭代，得到所述优化融合特征。

3.根据权利要求1所述的方法，其特征在于，所述基于图片信息的有效区域获取虹膜特征和面部特征，包括：

确定图片中的虹膜有效区域并经过Curvelet变换后，得到若干个Curvelet系数；

通过各所述Curvelet系数进行图像重构，确定重构图像中特征维度小且有效识别的虹膜特征；以及；

通过2DLog-Gabor方法从图片中的人脸有效区域确定若干特征子图，基于所述若干特征子图中维度系数结合Curvelet变换确定所述面部特征。

4.根据权利要求1所述的方法，其特征在于，对所述虹膜特征和所述面部特征进行初步融合后得到初步融合特征，包括：对所述虹膜特征和所述面部特征进行串联得到所述初步融合特征；

所述通过改进的二进制粒子群算法对所述初步融合特征进行优化，得到优化融合特征，包括：

通过二进制粒子对所述初步融合特征进行筛选，并通过适应度函数进行迭代以得到最佳粒子，所述最佳粒子为所述优化融合特征；

其中，所述适应度函数为核极限学习机函数。

5.根据权利要求1所述的方法，其特征在于，所述改进的二进制粒子群算法为引入混沌映射的离散二进制粒子群算法。

6.根据权利要求5所述的方法，其特征在于，所述混沌映射为：

通过以下Logic映射来产生伪随机序列：

Z:a_n+1＝ua_n(1-a_n)

其中Z为一个混沌变量序列，a_n是混沌变量的一次取值；μ为控制参量，当μ＝4时，且取初值避开收敛点0、0.25、0.5和0.75，以使产生的混沌序列Z处于全混沌状态。