[发明专利]生物特征融合的身份识别和认证方法

摘要

本发明属于分类器集成和模式识别领域，其特征在于，首先通过各种采集设备获得用户的人脸、虹膜、在线签名和脱机笔迹各生物特征，接下来将这些生物特征分别送入对应的识别认证子模块进行特征提取和模板匹配，并输出各自匹配后得到的分数。这些分数经过归一化后，或者被送入识别融合模块，通过置信度集成等步骤得到最后的识别结果；或者被送入认证融合模块，映射到多维空间并通过分类器分类后得到最后的认证结果；或者识别融合之后再次进行认证融合，得到认证后的最终识别结果。经过融合以后，无论是进行验证还是识别，总的错误率较之单一生物特征识别认证系统，都得到了降低。

主权项

1.生物特征融合的身份识别方法，其特征在于，该方法依次含有以下步骤：步骤1：向计算机输入设定的人脸识别认证模块、虹膜识别认证模块、在线签名识别认证模块以及脱机笔迹识别认证模块，还要输入与所述各模块对应的数据库；步骤2：用摄像头采集未知用户Z的人脸，用虹膜采集仪采集未知用户Z的虹膜、用手写板或触摸式显示屏采集未知用户Z的在线签名、用扫描仪采集未知用户Z的脱机笔迹，再分别把相应的图像输入步骤1所述计算机中，用相应的识别认证模块分别进行特征提取，并和各自数据库中已有的用户生物特征模板进行匹配，然后输出各自匹配后得到的分数；步骤3：用步骤1中所述的计算机进行生物特征的识别融合，依次按以下步骤进行：步骤31：利用步骤2中各模块已有的数据库建立一个包括人脸、虹膜、在线签名和脱机笔迹在内的所述各待融合子模块输出分数的充分大的训练集A；步骤32：把步骤31中该训练集内包括距离或相似度在内的每一个待融合子模块输出的分数输入所选计算机内预置的归一化模块转换成置信度，依次按以下步骤进行：首先，通过给定的广义置信度估计公式把各待融合子模块的输出分数转换成广义置信度：设定：数据库中有N个用户，分别记作类ω₁，ω₂，L，ω_N；待进行融合的生物特征识别认证子模块，也称分类器，有R个；X^=(xr1,xr2,L,xrR)]]>是训练集内用户X在匹配之前总的特征向量集合；其中表示该用户在第i(i＝1，2，L，R)个分类器中提取得到的特征向量；对于原始输出为距离的分类器，表示特征向量与类ω_j所代表的第j(j＝1，2，L，N)个用户在数据库中的特征向量模板之间的最小匹配距离；对于原始输出为相似度的分类器，表示特征向量与类ω_j所代表的第j(j＝1，2，L，N)个用户在数据库中的特征向量模板之间的最大匹配相似度；则，可以通过给定的广义置信度估计公式把所述各子模块的原始输出分数转换成广义置信度。对第i个分类器，将用户X识别成类ω_j所代表用户的广义置信度用表示。对于原始输出为距离的生物特征识别子模块，用(1-1)式将其输出的分数转换成广义置信度：g(ωj|xri)=1-dj(xri)mink≠j(dk(xri)),(k=1,2,L,N)---(1-1)]]>对于原始输出为相似度的生物特征识别子模块，用(1-2)式将其输出的分数转换成广义置信度：g(ωj|xri)=1-maxk≠j(sk(xri))sj(xri),(k=1,2,L,N)---(1-2)]]>其次，当某生物特征识别子模块所输出的分数都被转换成广义置信度之后，通过计算下述广义置信度到置信度的映射函数f(y)，再把广义置信度转换成置信度：设：从某生物特征识别子模块得到的广义置信度的值域为T；用户X属于该生物特征识别子模块中设定好的充分大的训练集A(X∈A)；令y=g(ωj|xri),]]>对任意y∈T，[y-δ，y+δ]是y附近的一个小区间；则：f(y)=Σj=1Ncount({X|X∈Aandg(ωj|xri)∈[y-δ,y+δ]andX∈ωj})Σj=1Ncount({X|X∈Aandg(ωj|xri)∈[y-δ,y+δ]})---(1-3)]]>(1-3)式中f(y)的分母为广义置信度落在小区间[y-δ，y+δ]中的样本的总数；分子为广义置信度落在小区间[y-δ，y+δ]中且被正确识别的样本的数目。对任意y∈T，计算得到f(y)后，就可以将广义置信度转换成置信度。对第i个分类器，将用户X识别成类ω_j所代表用户的置信度，也即后验概率，用表示。p(ωj|xri)=f(g(ωj|xri)).]]>步骤33：对于用户Z，对所有的i(i＝1，2，L，R)值和某个j(j＝1，2，L，N)值，都按照步骤32的置信度转换方法计算得到然后代入识别融合系统对第j个用户的判别函数表达式(1-4)式或者(1-5)式中，得到融合系统将用户Z判断为第j个用户的判别分数：gj(Z)=Πi=1Rp(ωj|zri)---(1-4)]]>gj(Z)=Σi=1Rp(ωj|zri)---(1-5)]]>步骤34：对所有的j值，都按照步骤33计算得到g_j(Z)(都采用(1-4)式或者都采用(1-5)式)，然后将j取不同值时g_j(Z)的值从大到小排列，设有：g_j1(Z)＞g_j2(Z)＞L＞g_jN(Z)，则将用户j₁作为用户Z的首选识别结果，用户j₂作为二选识别结果，依此类推。