[发明专利]一种基于图像处理的生物识别方法和系统

说明书

本申请公开了一种基于图像处理的生物识别方法和系统，该方法包括：采集图像数据；采用图像归一法和图像增强法对图像数据进行预处理，获取预处理后的图像数据；对预处理后的图像数据进行图像特征提取，获取第一特征集合；利用SFCBF算法对第一特征集合进行选择，获取第三特征集合；根据第三特征集合进行生物识别。该系统包括：采集模块、预处理模块、特征提取模块、特征选择模块以及识别模块。通过本申请，能够大大提高生物识别准确性、可靠性和识别速度。

技术领域

本申请涉及图像处理技术领域，特别是涉及一种基于图像处理的生物识别方法和系统。

背景技术

生物识别方法通常应用于门禁系统、打卡机以及手机等场景中。以最常见的人脸识别为例，人脸识别通常受到外界因素的影响，如：眼镜、距离以及周围环境等。因此，如何提高生物识别的准确性和识别速度是一个重要的技术问题。

目前的生物识别方法通常是：采集图像数据、提取图像特征，然后根据所提取的图像特征利用PCA(Principal Component Analysis，主成分分析)方法进行数据降维，根据数据降维结果进行生物识别。

然而，目前的生物识别方法中，由于采用PCA方法进行数据降维处理，以人脸识别为例，PCA方法中主成分的个数K是人为指定的，K的选择对人脸识别的分类率具有直接影响，并且对不同的数据集K的选择也是不同的，因此利用PCA方法降维所获取的识别结果不够准确。而且PCA方法对原有的特征进行转换的过程中，会同时把所采集的数据中存在的冗余和不相干特征转换到主成分中，从而降低生物识别的准确率。另外，PCA 转换是通过分解协方差矩阵的方式执行的，对于高维数据来说，这种计算方式使得计算速度较慢，从而导致生物识别的速度较慢。

发明内容

本申请提供了一种基于图像处理的生物识别方法和系统，以解决现有技术中的生物识别方法识别准确性不够高和识别速度较慢的问题。

为了解决上述技术问题，本申请实施例公开了如下技术方案：

一种基于图像处理的生物识别方法，所述方法包括：

S1：采集图像数据，所述图像数据包括：人脸图像数据、虹膜图像数据或指纹图像数据；

S2：采用图像归一法和图像增强法对所述图像数据进行预处理，获取预处理后的图像数据；

S3：对所述预处理后的图像数据进行图像特征提取，获取第一特征集合；

S4：利用SFCBF(Subset based Fast Correlation-Basd Feature Selection，基于集合判断快速相关的特征选择算法)算法对所述第一特征集合进行选择，获取第三特征集合；

S5：根据所述第三特征集合进行生物识别。

可选地，步骤S4包括：

S41：根据第一特征集合中每个特征与类之间的关联程度，从第一特征集合中移除与当前的类不相关的特征，获取第二特征集合；

S42：根据所述第二特征集合中每个特征与类以及特征子集与类之间的关联程度，从第二特征集合中移除冗余的特征，获取第三特征集合。

可选地，步骤S41包括：

S411：计算第一特征集合中任一特征与类之间的关联程度；

S412：判断所述任一特征与类之间的关联程度是否＞设定的关联程度阈值；

S413：如果是，保留所述任一特征，并将所述任一特征添加至第二特征集合；

S414：如果否，删除所述任一特征。

可选地，所述关联程度阈值为位置的相关性值。

可选地，步骤S42包括：