[发明专利]基于累积匹配和等错误率的手形手臂静脉融合识别方法

权利要求书

1.一种基于累积匹配和等错误率的手形手臂静脉融合识别方法，其特征在于，步骤如下：

步骤一：拍摄手部以及手臂的图像，建立待认证用户数据库；

步骤二：手形特征提取与识别；

2.1，采用Otsu方法对手部图像进行处理；对手形图像进行轮廓跟踪；

2.2，手部特征点的定位、特征提取与识别；

步骤三：手臂静脉特征提取与识别；

3.1，对手臂图像采用自适应直方图均衡化方法预处理；

3.2，利用Gabor滤波器提取图像中的静脉信息；

3.3，静脉线匹配；

步骤四：基于累计匹配曲线和等错误率的双模态融合识别；所述的步骤四具体为：

4.1，采用Min-Max函数对匹配误差分数进行归一化处理：

其中E_k表示第k种生物特征的匹配误差，表示归一化后的误差；

当分类误差较大且数据相关性较强时，采用基于Sum规则的分数级加权融合策略：

其中，ω_k和分别为基于累计匹配曲线的全局权重和基于等错误率的自适应权重，二者相乘作为总权重并进行分数级加权融合；

4.2，基于累计匹配曲线的全局权重；

根据rank-1％到rank-X％范围内曲线上方的面积计算分数级融合的全局权重；定义正确识别率TIR为曲线在给定rank-X％处所对应的值，则错误识别率FIR为FIR＝1-TIR；累计匹配曲线上方的面积即为FIR从rank 1％到rank X％的积分：

其中，FIR为错误识别率；其与单个生物特征源的识别性能成反比，因此，设计如下的融合分数权重：

其中，Area→X％_k表示静脉或手形生物特征累计匹配曲线上方rank1％～rankX％的面积；

4.3，基于等错误率的自适应权重；

将每一次的匹配距离除以最佳分类阈值，即可得到每一识别个体的自适应权重：

其中，E_k表示第k种生物特征的匹配误差，和分别表示其数据集和测试集中的生物特征，f_k表示相似性度量函数；表示等错误率时的最佳分类阈值，为自适应权重。