[发明专利]多模生物特征的优化方法、装置、介质和设备

说明书

本发明示例性实施例提供一种多模生物特征的优化方法、装置、介质和设备，其中的方法包括：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。本发明能够大幅减小融合后的特征数量，并且提高识别率。

技术领域

本发明示例性实施例涉及技术领域，尤其涉及一种多模生物特征的优化方法、装置、介质和设备。

背景技术

随着社会的进步和科技的发展，人们越来越越重视保护自己的隐私信息。生物特征识别技术作为一种新兴的信息安全保护措施目前得到了广泛的应用。

生物特征识别是利用人类固有且唯一的一些生理或行为特征，由计算机对这些信息进行采集和判断，最终确定身份的过程。常见的生物特征包含人脸、指纹、掌纹、虹膜等生理特征以及签字、步态、唇语等行为特征。单模生物特征识别是利用人类一种生理或行为特征来进行身份鉴别方式。

虽然在实际应用中取得了一些突破，还存在以下的缺点：(i):容易引入干扰噪声。由于光照、声音、实验环境、采集方式的改变，引入干扰噪声。(ii):每种生物特征都有其理论上的识别上限。不同个体的相同生物特征的差别可能非常微小，这会对后续识别造成巨大的困难。(iii):由于某些特殊原因，一些个体无法提供某种特定的生物特征。(iv):某些单模生物特征容易被窃取。例如，人脸长期暴露在开放环境，容易被不法分子窃取利用。

发明内容

有鉴于此，本发明示例性实施例的目的在于提出一种多模生物特征的优化方法、装置、介质和设备，以解决目前的多模识别数据量大、识别率低的问题。

基于上述目的，本发明示例性实施例提供了一种多模生物特征的优化方法，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。

结合上述说明，在本发明实施例另一种可能的实施方式中，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。

结合上述说明，在本发明实施例另一种可能的实施方式中，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。

结合上述说明，在本发明实施例另一种可能的实施方式中，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：