專利名稱：老齡用戶多生物特征提取方法
技術(shù)領(lǐng)域：
本發(fā)明涉及生物識別技術(shù)領(lǐng)域，尤其是老齡用戶多生物特征提取方法。
背景技術(shù)：
目前，我國60歲以上人口達(dá)1.8億人，約占總?cè)丝?13.8%，按國際標(biāo)準(zhǔn)衡量，我國已進(jìn)入了老年型社會，隨著國家大力加快建立和完善覆蓋城鄉(xiāng)居民的社會保障體系，如社會養(yǎng)老保險金的發(fā)放、企業(yè)年金、醫(yī)療保險等，老齡用戶將成為未來社會公共服務(wù)的主要群體，社會養(yǎng)老保險金、企業(yè)年金等發(fā)放過程中存在欺騙、冒領(lǐng)現(xiàn)象成為現(xiàn)今社會普遍關(guān)注的問題，信息化、數(shù)字化、網(wǎng)絡(luò)技術(shù)為解決老齡用戶身份認(rèn)證困局提供了幫助。目前，生物特征識別技術(shù)、遠(yuǎn)程視頻認(rèn)證已經(jīng)被成功應(yīng)用到核實(shí)社會養(yǎng)老金冒領(lǐng)現(xiàn)象中老齡用戶的身份。生物特征識別技術(shù)通過利用人體固有的生理特征和行為動作來進(jìn)行身份識別和驗(yàn)證。根據(jù)使用生物特征的種類和數(shù)目，生物特征識別可以分為單生物特征識別和多生物特征識別，作為使用最廣的單生物識別身份認(rèn)證技術(shù)，指紋識別在解決老齡用戶社會養(yǎng)老金發(fā)放時身份認(rèn)證的問題已受到廣泛關(guān)注。早在1901年，英國已開始應(yīng)用指紋識別來避免鐵路工人冒領(lǐng)、多領(lǐng)薪金。目前，相關(guān)公司如IBM、MiCr0S0ft、HP、C0mpaq、長春鴻達(dá)、杭州中正等公司的產(chǎn)品已經(jīng)進(jìn)入社會服務(wù)領(lǐng)域。我國勞動和社會保障部社會保險事業(yè)管理中心發(fā)布的《支付養(yǎng)老金指紋身份認(rèn)證系統(tǒng)技術(shù)規(guī)范(試行)》也將基于細(xì)節(jié)點(diǎn)(minutiae)的指紋識別方法作為社會公共服務(wù)標(biāo)準(zhǔn)予以頒布，但是，對老齡用戶來說，由于久經(jīng)風(fēng)霜，模糊手指很常見，傳統(tǒng)的基于細(xì)節(jié)點(diǎn)的指紋識別系統(tǒng)往往會因?yàn)樘崛〖?xì)節(jié)點(diǎn)不理想而導(dǎo)致系統(tǒng)誤識率增加甚至認(rèn)證失效。此外，基于單生物特征的識別技術(shù)存在著不普遍性某些生物特征缺失(如斷手指)、損傷(如受損手指)、病變(如白內(nèi)障)或特征采集質(zhì)量較差(如人臉光線變化)都會導(dǎo)致識別系統(tǒng)的魯棒性、可靠性差，防欺騙性弱，難以滿足不同場合的實(shí)際要求。圖像隱式語義特征(Image Latent Semantic Features, ILSF)由底層特征-圖像矩陣獲得，具有比傳統(tǒng)意義上的圖像語義更加豐富的信息，但是相對與底層特征來說，這些特征具有更強(qiáng)的表達(dá)和分類能力。因此，利用TLSA提取的特征可以作為一種“獨(dú)特”的特征，并被證明能運(yùn)用在生物特征身份認(rèn)證領(lǐng)域。同時，相比傳統(tǒng)的底層特征，由于間接用來描述圖像，圖像隱式語義特征對于采集圖像的質(zhì)量要求并不是很高，可以更好的克服某些不利因素帶來的影響，比如指紋的圖像紋線模糊，以及人臉光照變化的影響。

發(fā)明內(nèi)容
本發(fā)明要解決的技術(shù)問題是為了克服上述中存在的問題，提供一種能夠快速方便獲取多種局部底層特征的老齡用戶多生物特征提取方法。本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是一種老齡用戶多生物特征提取方法，包括對人臉、多指指紋和掌紋的提取，其具體步驟如下a.生物特征圖像預(yù)處理由人臉、多指指紋和掌紋構(gòu)成的融合系統(tǒng)進(jìn)行預(yù)處理；
b.提取底層特征提取不變矩特征、Garbor filter特征、方向均衡化特征和灰度信息熵特征；不變矩特征不變矩特征具有旋轉(zhuǎn)、尺度和平移不變特性，具有很強(qiáng)的描述圖像的區(qū)域特征能力，比較常用的不變矩如hu不變矩和zernike正交不變矩，其主要步驟如下步驟1.依據(jù)hu不變矩公式提取的7個hu不變矩的特征值I ；步驟2.依據(jù)公式
η + γΜ-\Ν-\
Am =——ΣΣ/(Χ,力力，選擇zernike不變矩的階數(shù)η和重復(fù)數(shù)m，提取Anm的值；步
π x=0 y=0
驟3.對提取的I和Anm進(jìn)行組合成不變矩特征；Garbor filter特征Gabor filter具有良好的方向選擇和頻率選擇特性，能夠?qū)D像進(jìn)行時頻分析，提取不同方向、頻率下的紋理值，其主要步驟如下步驟1 依據(jù)公式
1 χ
G(x,YJ,e) = ^{--[^ + ^co^fic) ‘ χ ‘ = xsin θ +ycos θ，y' = XCOS θ -ysin θ，選擇合
y
理的方向θ和頻率f參數(shù)(見申請人發(fā)表論文[16])，提取不同方向和不同頻率下的G值； 步驟2 對提取的G值組合成Gabor filter特征；方向均衡化特征方向均衡化描述了圖像方向圖中中心塊和周圍鄰域塊的關(guān)系，如果中心塊的方向越接近周圍鄰域塊的方向，其值將越高，因此，可以用來描述圖像的方向分布情況，其主要步驟如下步驟1:計(jì)算局部紋線的方向θ ；步驟2:依據(jù)公式
C(x,y) =C0S例&力)1計(jì)算方向均衡值；步驟3 對提取的均衡值C進(jìn)行組合
WxW
成方向均衡化特征；灰度信息熵特征信息嫡可用來作為對圖像中局部灰度分布的平均不確定性的量度。若某區(qū)域的灰度變化劇烈或頻繁，說明此區(qū)域的圖像內(nèi)容復(fù)雜且相對不穩(wěn)定，具有較高的不確定程度和較高的灰度信息墑值，相反地，圖像內(nèi)容統(tǒng)一且穩(wěn)定的區(qū)域?qū)?yīng)了較低的
M N
不確定程度和灰度信息墑值，其主要步驟如下步驟ι 依據(jù)公式丑= -ΣΣ巧log巧計(jì)算圖
i=l J=I
像的信息熵值，其中Pij為圖像灰度值f(i，j)在所處的灰度在圖像中出現(xiàn)的頻度；步驟2: 對提取的灰度信息熵值H進(jìn)行組合成灰度信息熵特征。c.提取底層特征中的局部底層特征依次通過對參考點(diǎn)的選擇、基于參考點(diǎn)的 ROI的提取和ROI的劃分，最后通過提取圖像的局部底層特征，參考點(diǎn)的選擇，一般參考點(diǎn)的選擇是基于圖像的具有全局特征的中心點(diǎn)，為了準(zhǔn)確的提取ROI以及特征，需要確定唯一的參考點(diǎn)。如指紋一般依據(jù)中心點(diǎn)、人臉基于兩虹膜之間的距離、掌紋主要依據(jù)指窩點(diǎn)和掌根部距離的中心點(diǎn)；基于參考點(diǎn)的ROI的提取以參考點(diǎn)的位置和方向?yàn)橹行拇_定R0I， 每幅圖像都會得到唯一的候選ROI區(qū)域便于特征的提??；ROI的劃分為了克服非線性形變以及噪音等因素對提取特征的影響，需要將ROI分塊，可以采用兩種方式①采用矩形網(wǎng)格區(qū)域提取特征的方法；②采用環(huán)形分塊技術(shù)來表述圖像區(qū)域，可以克服矩形網(wǎng)格區(qū)域法需要精確劃分區(qū)域的缺點(diǎn)，從而降低系統(tǒng)的時耗性，提高識別率。所述的局部底層特征包括不變矩特征、Garbor filter特征、方向均衡化特征和灰度信息熵特征。本發(fā)明的老齡用戶多生物特征提取方法的有益效果是通過提取人臉、多指指紋和掌紋等多生物特征圖像，能夠獲取多種局部底層特征，此方法采集質(zhì)量好和可靠性強(qiáng)，能夠滿足不同場合的實(shí)際要求。
具體實(shí)施例方式本發(fā)明的老齡用戶多生物特征提取方法，包括對人臉、多指指紋和掌紋的提取，其具體步驟如下a.生物特征圖像預(yù)處理多生物特征圖像的預(yù)處理是特征提取之前的關(guān)鍵步驟之一，由于融合系統(tǒng)由人臉、四指指紋和掌紋等構(gòu)成，因此需要對其分別進(jìn)行預(yù)處理，預(yù)處理的主要步驟包括感興趣區(qū)域(ROI)分割、增強(qiáng)、歸一化等。首先，我們要提取圖像的ROI ①對人臉，主要從視頻中檢測并分割人臉圖像；②對手部采集圖像，先要分割多指指紋和掌紋，通過對四個手指以及掌紋定位，借鑒Uhl等的思路(見參考文獻(xiàn))，將四指指紋、掌紋一一分割出來，然后，在前期研究的基礎(chǔ)上對獲得的人臉、指紋、掌紋等圖像的ROI分別進(jìn)行增強(qiáng)和歸一化處理；b.提取底層特征別提取不變矩特征(hu不變矩和zernike正交不變矩),Garbor filter特征、方向均衡化特征、灰度信息熵特征等；(a)不變矩特征不變矩特征具有旋轉(zhuǎn)、尺度和平移不變特性，具有很強(qiáng)的描述圖像的區(qū)域特征能力。比較常用的不變矩如hu不變矩和zernike正交不變矩，其主要步驟如下步驟1.依據(jù)hu不變矩公式提取的7個hu不變矩的特征值I ；
權(quán)利要求
1.一種老齡用戶多生物特征提取方法，包括對人臉、多指指紋和掌紋的提取，其特征是其具體步驟如下a.生物特征圖像預(yù)處理由人臉、多指指紋和掌紋構(gòu)成的融合系統(tǒng)進(jìn)行預(yù)處理；b.提取底層特征提取不變矩特征、Garborfilter特征、方向均衡化特征和灰度信息熵特征；c.提取底層特征中的局部底層特征依次通過對參考點(diǎn)的選擇、基于參考點(diǎn)的ROI的提取和ROI的劃分，最后通過提取圖像的局部底層特征。
2.根據(jù)權(quán)利要求1所述的老齡用戶多生物特征提取方法，其特征是所述的局部底層特征包括不變矩特征、Garbor filter特征、方向均衡化特征和灰度信息熵特征。
全文摘要
本發(fā)明涉及生物識別技術(shù)領(lǐng)域，尤其是老齡用戶多生物特征提取方法，其具體步驟如下a.生物特征圖像預(yù)處理由人臉、多指指紋和掌紋構(gòu)成的融合系統(tǒng)進(jìn)行預(yù)處理；b.提取底層特征提取不變矩特征、Garbor filter特征、方向均衡化特征和灰度信息熵特征；c.提取底層特征中的局部底層特征。本發(fā)明的老齡用戶多生物特征提取方法，通過提取人臉、多指指紋和掌紋等多生物特征圖像，能夠獲取多種局部底層特征，此方法采集質(zhì)量好和可靠性強(qiáng)，能夠滿足不同場合的實(shí)際要求。
文檔編號G06K9/00GK102368292SQ20111026400
公開日2012年3月7日 申請日期2011年9月7日 優(yōu)先權(quán)日2011年9月7日
發(fā)明者劉華平, 吳軍, 吳智君, 張輝 申請人:常州藍(lán)城信息科技有限公司