[发明专利]人脸和虹膜混合识别的新方法－识别层融合

说明书

【技术领域】

本发明专利属于计算智能、模式识别和图像处理技术领域，在研究人脸和虹膜的单一生物特征识别技术的基础上，讨论人脸和虹膜在识别层进行信息融合的理论和算法。

【背景技术】

随着对社会安全和身份鉴别的准确性和可靠性要求的日益提高，目前单一的生物特征识别系统产品还不能满足社会的需要，因此，研究新的模型和算法，进一步提高识别率，降低误识率和误拒率仍然是一个发展趋势。另外，多模态生物特征识别(Multimodal biometrics)的研究和应用也逐渐兴起和深入，是生物特征识别发展的必然趋势。基于多生物特征融合的身份鉴别的优点主要有三个方面：准确性，多个生物特征的识别可以提高身份鉴别的准确性；可靠性，伪造多个生物特征显然比伪造单个生物特征更为困难；适用性，可有效避免单一生物特征存在的应用局限性。

目前，单项生物识别技术和相关产品已经取得了很好的效果，获得了很高的识别率，其中人脸识别具有直接、友好和方便等特点，虹膜识别具有唯一性、稳定性等优点。为了更好地提高生物特征识别的效率和准确性，本发明专利研究人脸和虹膜在识别层融合的新方法，探求生物特征的内在联系，构建新的型模型和算法，以提高生物识别系统的鲁棒性和可靠性，充分发挥人脸和虹膜识别的优势，应用于安全防范、电子政务、电子商务和金融业，保持良好的经济环境，具有深远的社会经济意义。

【发明内容】

本发明的主要目的在于研究人脸与虹膜在识别层融合识别的方法，通过对关键特征空间进行聚类，采用基于小样本学习理论的SVM对识别模型进行多级粗匹配，通过尽量少的学习样本，获得具有广泛适应性的识别模型，见图1。

采用拟线性曲面拟合方法降低光照的影响，波进式快速傅立叶变换方法提高检测速度，构建适用人脸和虹膜图像细节特征分析的多小波尺度函数，并对海量人脸和虹膜数据库进行聚类，减小搜索范围。

附图说明

图1为本发明结构示意图。

图2是大规模数据库快速检索系统流程图。

具体实施方式

拟线性曲面拟合光照补偿技术的研究，对检测到的人脸特征信息区域，进行光线恒常性变换，校正光线的差别，克服环境光线对识别效果的不利影响，进一步提高识别率。

改进了传统的FFT方法，提出了波进式快速Fourier变换方法(WFFT)，提高了检测速度。基于自相似组合标准脸特征函数的神经网络模型方法实现了在复杂背景下动态人脸的快速检测和定位。

采用双正交小波方法，进行滤波和特征分析，构造适用人脸和虹膜图像细节特征分析的多小波尺度函数，并应用于识别之中。

对海量图像数据库，采用基于聚类决策树算法和多级组合式ART2(自适应谐振理论)粗聚类，用支持向量积(SVM)方法进行进一步聚类分析。依据人脸特征信息将图像库中的所有图像归入到有交集的不同簇中，然后在簇内和相临簇间进行检索，见图2。

【本发明的技术指标】

(1)使用虹膜和人脸在识别层融合的方法实现身份识别，识别时间小于1秒，误识率接近于零，拒识率小于0.1％。

(2)对于包含十万人的人脸和虹膜库，其识别检索时间小于2秒，首选识别率95％以上，等错误率2％以下。