[发明专利]基于多象限编码的活体指纹识别方法

说明书

本发明公开了一种基于多象限编码的活体指纹识别方法。设计指纹识别方法技术领域。所述方法包括：采集足够数量的真假指纹图像；在采集到的指纹图像上随机采样大量不同尺寸图像块；通过正交簇保持学习算法学习出各个滤波器以最大化分割超平面与图像块数据的平均角度，得到每个尺度下的分割超平面的法向量；使用多象限编码获得指纹图像纹理特征；对得到的特征进一步降维，交叉验证参数并训练SVM分类器，挑选最佳参数训练得到最终分类器。所述方法通过采用多象限编码技术，可区分活体指纹与假指纹在纹理特征上的细微差别，将真假指纹区分开，不需要硬件系统的提升，提高了指纹识别系统的安全性。

技术领域

本发明涉及指纹识别方法技术领域，尤其涉及一种基于多象限编码的活体指纹识别方法。

背景技术

指纹识别主要根据人体指纹的纹路、细节特征等信息对操作或被操作者进行身份鉴定，现如今，指纹识别技术已经非常成熟，并被广泛运用于身份认证、信息加密等领域。然而，大多数指纹识别系统并不能区分所扫描的指纹是否来自于真正的人体，使用橡胶、硅脂甚至印刷在纸上的假指纹都可以成功地欺骗指纹识别系统。

发明内容

本发明所要解决的技术问题是提供一种基于多象限编码的活体指纹识别方法，所述方法通过分析活体指纹与假指纹在纹理特征上的细微差别将真假指纹区分开，提高了指纹识别系统的安全性。

为解决上述技术问题，本发明所采取的技术方案是：一种基于多象限编码的活体指纹识别方法，其特征在于包括如下步骤：

采集足够数量的真假指纹图像；

在采集到的指纹图像上随机采样大量不同尺寸图像块；

通过正交簇保持学习算法学习各尺寸图像块下的分割面，以最大化分割超平面与图像块数据的平均角度，得到每个尺度下的分割超平面的法向量；

使用分割平面的法向量对待训练图像进行多象限编码处理，获得指纹图像纹理特征；

对所述获得的指纹图像纹理特征进一步降维，交叉验证参数并训练分类器，挑选最佳参数训练得到最终分类器。

进一步的技术方案在于：所述的通过正交簇保持学习算法学习3×3尺度下的分割面的方法如下：

将3×3图像块拉伸成9维的列向量并进行归一化得到具体如下表示：

其中n代表每个尺寸上随机采集真假图像块数。

进一步的技术方案在于：所述的最大化分割超平面与图像块数据的平均角度方法如下：

迭代使用正交约束梯度下降法最大化分割超平面与图像块数据的平均角度，具体实现如下：

首先随机初始化滤波器组，F＝[f₁，f₂，…，f_d]∈R^9×d，其中d为当前尺度下的滤波器数量，使分界面尽量不会将单个簇分割开，其中用N表示随机采取到的各个尺寸下的真假图像块数

由于目标函数具有不可导点，该优化问题需要使用带正交约束的一阶梯度下降算法求解。

进一步的技术方案在于：所述的分割超平面与图像块数据的平均角度按照如下方法进行最大化：

首先将滤波器组与训练数据投影到当前运算的空间其中H是投影矩阵，初始化为对角矩阵H＝I_9×9，接着计算损失函数和梯度得到学习率，其中损失函数如下：

其中表示投影到当前运算空间的滤波器组分量，j表示滤波器向量组索引值，表示图像块向量化的表示