[发明专利]基于细胞神经网络自联想记忆模型的身份识别方法

说明书

技术领域

本发明涉及图像识别技术领域，具体的说是一种基于细胞神经网络自联想记忆模型的身份识别方法。

背景技术

随着大数据时代的发展，人们在出行过程中存在身份信息核对，例如人脸识别。通过身份识别，实现身份验证，提高系统的安全性能，确认不同的用户身份信息。

在进行人脸信息核对时，必然包括数据库保存的人脸信息和等待校验的人脸信息，对于数据库保存的人脸信息，在现有技术中，存在以下缺陷：

第一：人脸信息往往是采用直接存储的方式，这样造成身份信息容易泄露，安全系数低，一旦泄露，就容易被复制，可靠性差。

第二：人脸图片识别过程中，需要对数据库中大量的图片数据进行调取和比较，调取图片时间长，造成识别效率低，容易出现错误。

第三：图片识别过程中，找到类似图片时，不存在图片匹配，可靠性差，更容易出现核对错误。

第四：只有单一身份信息进行验证，验证结果不可靠。

针对上述缺陷，有必要提出一种人脸图片识别方法，来满足人们的需求。

发明内容

针对上述问题，本发明提供了一种基于细胞神经网络自联想记忆模型的身份识别方法，人脸、指纹图片进行数据化保存，建立细胞神经网络指纹图片识别模型和细胞神经网络人脸图片识别模型，对人们的指纹和人脸图片进行识别和验证，身份验证可信度高，安全系数高，识别效率高。

为达到上述目的，本发明采用的具体技术方案如下：

一种基于细胞神经网络自联想记忆模型的身份识别方法，其关键在于包括以下步骤：S1：采集人群z个人的指纹图片和人脸图片，得到m＝w*z幅指纹图片和m＝w*z幅人脸图片,w为正整数，将采集到的指纹图片和人脸图片进行人脸图片组和指纹图片组，并分别编号；S2：分别设置指纹图片组和人脸图片组的二值图亮度阈值，得到二值指纹图片集和二值人脸图片集，根据得到的二值指纹图片集，建立指纹联想记忆输入矩阵和输出矩阵；根据得到的二值人脸图片集，建立人脸联想记忆输入矩阵和输出矩阵；S3：分别带未知参数的细胞神经网络指纹图片识别模型和构建带未知参数细胞神经网络人脸图片识别模型；S4：计算指纹图片识别模型未知参数，确定基于细胞神经网络指纹图片识别模型；S5：计算人脸图片识别模型未知参数，确定基于细胞神经网络人脸图片识别模型；S6：基于自联想记忆准则，采集任意人的指纹图片和人脸图片，进行识别和匹配。

通过上述设计，通过上述设计，将人们的人脸、指纹信息实现数据化保存，在进行身份信息保存是将人脸和指纹图片保存至身份信息数据库中，实现数据化转换；在进行身份识别时，获取到对象的人脸照片和指纹照片，经本方法，得到该对象的人脸联想记忆输出矩阵和指纹联想记忆输出矩阵，将得到的数据与数据库中保存的数据即可实现验证，本方法实现了图片的数据化保存，提高了身份信息保存的安全性。

进一步地，步骤S2所述二值图亮度阈值K∈{0,1,2,3,...,255}。

对于不同的身份信息数据库、不同的保存对象，可采用不同的二值图亮度阈值，增强身份信息的安全性，有效防止身份信息泄露。

再进一步描述，步骤S2中建立人脸联想记忆输入矩阵和输出矩阵具体内容为：对于不规则图形图片，要将该不规则的图片进行最小矩形化，即采用矩形框，将不规则图形图片填充至最小矩形框，未被填充的部分，人为实现填充。

将所述二值指纹图片集中的每一幅二值指纹图片设置成包括N行M列像素点的图片，像素点总个数为n＝N×M；设指纹联想记忆的输出矩阵O＝(α¹,α²,…,αⁱ,…,α^m)，αⁱ表示第i幅指纹的二值图中所有的像素点组成的输出向量，表示在第i幅指纹的二值图中的第j个像素点的输出值；设指纹联想记忆的输入矩阵I＝(U¹,U²,…,Uⁱ,…,U^m)，Uⁱ表示第i幅指纹的二值图中所有的像素点组成的输入向量，表示在第i幅指纹的二值图中的第j个像素点的输入值；

将所述二值人脸图片集中的每一幅二值人脸图片设置成包括N行M列像素点的图片，像素点总个数为n＝N×M；