[发明专利]基于生物特征的识别方法及装置

说明书

技术领域

本发明涉及一种识别方法及装置，尤其涉及一种基于生物特征识别方法及装置。

背景技术

生物特征识别是指通过计算机将人体所固有的生理特征或行为特征收集并处理，从而进行个人身份鉴定的技术。人的生理特征与生俱来，多为先天性的；行为特征则是习惯使然，多为后天形成。生理和行为特征统称为生物特征，常见的生物特征包括指纹、掌纹、虹膜、脸相、声音、签名、步态、击键等。从实际操作的角度来说，一种合适的生物特征通常包括：可被精确地测量、采集速度快、公众可以接受、较高的可信度、比对速度快、较好的防伪性、可以接受的存储设备要求等。目前尚没有一种技术能够全面地达到最优，但是可以根据不同的应用要求选取合适的技术，或是将不同的技术相互融合来提高识别效率。

指纹识别作为识别技术已经有很长的历史了，指纹的稳定性、惟一性已获得公认。指纹识别技术的特征分析包括指纹的全局特征和局部特征，如脊、谷、终点、分叉点或分歧点等特征点的位置、类型、数目、方向等，其复杂度可提供用于鉴别的足够特征。但是，目前指纹识别的核心技术仍然存在许多尚未解决的难题，尤其是残缺、污损指纹图像的识别的鲁棒性、适应性方面不能令人满意；某些人或某些群体的指纹特征很少，难以成像；留在传感器上的指纹存在被盗取复制的可能性等。

签名作为身份认证的手段也已经使用了几百年，在经常涉及到的签订合同、办理公证、提取款项、订立协议、处理单据等日常社会活动中，签名都是必不可少的程序，具有相应的法律效力，是文书真实性、有效性的证明。将签名过程数字化是指，测量图像本身以及整个签名的动作在每个字符以及字符之间的不同的速度、顺序、压力和笔旋转角度等特征，通过这些特征对真伪签名进行鉴别，从而确认签名人的身份。但是，签名识别也同样存在一定难点：签名是一个随时间渐变的过程，同一人的签名会随年龄的增长而改变；书写所用的工具、所处环境、签名者的心理、生理状态等都直接对签名产生重要影响；鉴别可用的样本比较少，且伪样本难以获取等。

基于指纹和手写签名识别技术的优劣之处可知，尽管某种生物特征识别有其固有的优点，但其广泛使用也受到众多的限制。为了提高识别系统的性能，需要进行多生物特征信息融合，以减少单一生物特征识别带来的一些实际问题。

发明内容

为了实现可接受性强、识别率高的生物特征识别系统，本发明提供了一种基于指纹和手写签名融合的生物特征识别方法。

在采集到某用户指纹图像信息和手写签名动态过程数据的基础上，对指纹图像和手写签名数据进行预处理和特征提取。

对于采集到的指纹图像信息，由于受到各种外在以及内在环境条件的影响，使得采集到的指纹图像质量不高，导致伪特征点的出现，因此需对图像进行预处理，包括指纹图像的滤波、二值化操作以及图像的细化处理三个方面，通过剔除指纹图像中的噪声信息，获取有价值的指纹图像。首先，确定指纹图像的中心点，以该中心点为参考圆心点将指纹图像划分为若干个同心圆，再把每个同心圆切割成若干个等同大小的扇区，然后，将这些扇区通过具有不同方向的Gabor滤波器进行滤波处理，从而可以从经过滤波处理过的扇区内提取指纹图像特征，并将这些提取的指纹图像特征组成一个定长的指纹特征向量。

对于采集到的手写签名数据，由于采集设备自身噪声和数字化过程存在的误差，使得手写签名数据信息夹杂一些噪声，需要采用高斯函数进行滤波处理。还须对手写签名进行归一化，通过签名的形心来对签名进行校正。手写签名特征包括结构特征和动态特征，基于结构的手写签名特征如高宽比等，基于动态的手写签名特征如压力、速度、加速度等特征。本发明所使用的手写签名参数特征包括：采样的总时间、高宽比、X方向的标准差、Y方向的标准差、压力的标准差、旋转角的标准差、倾斜角的标准差、X方向平均速度、Y方向平均速度、平均压力、平均前斜角、平均旋转角、小波提取的压力能量、小波提取的旋转角能量以及小波提取的倾斜角能量，这些特征组成一个定长的手写签名特征向量。

将提取的指纹特征向量和手写签名特征向量重新组合形成一个新的生物特征向量，利用主元分析方法对融合了指纹特征和手写签名特征的向量进行降维处理，根据降维后的新的特征向量对指纹和手写签名融合样本进行识别。对于真实用户的样本，提取其特征向量作为该用户模板。通过提取某样本特征向量，把待识别的样本与用户模板进行匹配，并计算出它们的相似程度大小，然后根据一定的阈值条件，最终决定待识别的用户的真伪。

本发明技术方案如下：

一种基于生物特征的识别方法，其特征在于，包括以下步骤：

步骤1：提取生物特征，该生物特征包括签名特征的小波分解能量