[发明专利]指纹与指静脉双模态识别的二级分类融合识别方法

说明书

技术领域

本发明属于模式识别技术领域，具体地说是一种通过指纹与手指静脉进行识别的方法。

背景技术

单模式生物特征识别系统采集的信息易受到时间、环境或者其它因素的影响而发生变化以及特征提取和匹配的缺陷导致错误率过高，使得应用的环境有着过多的限制且每一种生物特征也不可能具有真正意义上的普遍性，这些问题很难通过单纯的改进匹配方法来解决。而多模态生物特征身份识别可通过多个生物特征的结合来提供更充分的识别信息，弥补了单种生物特征认证不稳定、错误率较高等缺点，提高系统的识别率，增强系统的安全级别，扩展系统的适用范围，因而具有良好的应用前景。

Roberto Br unelli最早提出利用多个特征来进行个人身份认证的方法，并在匹配层次上整合了人脸识别和语音识别，该方法实现的难点在于需要准确构建正负样本集、选择若干映射参数，在小样本情况下有很多困难；Bigun提出了一种用贝叶斯方法在决策层次上整合了不同的生物特征；Maes第一次实现了一个结合了生物特征-指纹和非生物特征-密码的系统；Jain等人提出将指纹与人脸识别的结果融合，但近年来国际国内学者对多模态的研究大多都是基于指纹、人脸、声纹、掌纹等的融合策略。在本文的多模态生物特征身份识别系统中选择指纹与手指静脉进行信息融合，因为手指静脉和指纹在身份识别的应用中具有较强的互补性：指纹识别的识别率很高，但其存在着指纹纹路易受损坏，手指表面情况对图像采集影响较大及易被窃取等弊端；与指纹相比，静脉识别具有如下的优势：静脉识别采用的是手指内部的静脉图像特征，不存在由于手指表面情况带来的影响；静脉图像很难伪造并且具有非接触式的优点。但是，静脉识别存在可提取的特征少的缺点。鉴于手指指纹与手指静脉识别各自存在的上述优、缺点，考虑到指纹图像可提取的特征非常丰富，可有效弥补单一手指静脉识别的不足。将指纹特征和手指静脉特征结合，可以充分利用两者的优势，构建良好的身份识别系统。

由于低质量的指纹及静脉图像增加了识别的难度，降低了识别系统的性能，为了有效地提高识别的准确率，本发明提出了一种新的基于二级决策的指纹与指静脉识别的决策级融合方法。在分别完成指纹识别和手指静脉识别后，将该提取出的静脉特征点集与指纹识别提取出的特征点集以特征串联方式构成二级分类器，将三个识别结果进行决策级融合，得到最终识别结果。实验结果表明，本发明提出的二级分类思想，充分地利用了指纹及手指静脉的识别信息，有效地提高了识别系统的准确性，获得了比单独指纹识别及手指静脉识别更高的识别率，为多生物特征识别提供了一种有效的途径。

与本发明相关的参考文献包括：

[1]李昊，傅曦.精通Visual C++指纹模式识别系统算法及实现[M].北京：人民邮电出版社，2008：88-93；[2]Comparing Images Using the Hausdorff Distance，IEEE trans.onPattern Analysis and Machine Intelligence，1993；[3]Dubuisson，M.P.，and Jain，A.K.：A modifiedHausdorff distance for object matching.Proc.12th Int.Conf.on Pattern recognition，Jerusalem，Israel，1994，pp.566-568。

发明内容

本发明的目的在于提供一种能在一定程度上克服单一生物特征图像质量较差对系统识别精度的影响且性能优良的指纹与指静脉双模态识别的二级分类融合识别方法。

本发明的目的是这样实现的：

包括指纹模块、静脉模块及二级决策模块三个模块，其中指纹模块与静脉模块作为第一级分类器，二级决策模块作为二级分类器。指纹模块与静脉模块读取指纹图像与静脉图像；对读取的指纹与手指静脉图像分别进行预处理操作并提取出二者的特征点集；对指纹图像与静脉图像分别进行识别，其中指纹识别采用基于细节点匹配的方法，静脉识别使用改进的Hausdorff距离方式进行识别，得到各自的识别结果；二级决策模块将提取出的指纹与静脉特征点集以特征串联的方式形成新的特征矢量来构成第二级分类器，得出一个识别结果；最后将上述三个识别结果进行决策级融合，将融合后的结果作为最终的识别结果。

所述二级决策的分类器，对预处理后的指纹及手指静脉图像分别提取出特征点集，再将提取出的指纹与静脉特征点集以特征串联的方式形成新的特征矢量来构成二级决策分类器，得出二级分类器的识别结果；具体流程为：