[发明专利]一种正面人脸图像生物密钥生成方法

摘要

本发明提出了一种人脸生物密钥生成方法。本发明将用户正面人脸图像经特征空间变换后，向高维空间中投影，在高维空间中将人脸特征信息稳定到可接受的波动范围内，再对稳定后的特征向量提取数字序列，从数字序列中编码生成生物密钥。整个方法在移动终端、认证服务器端均无需存储用户人脸信息，也无需在网络中传递用户的人脸图像。用户通过采集自身的正面人脸图像在本地生成（用户名、密钥）对，通过（用户名、密钥）对衍生的各种认证方法进行网络身份认证。该方法还支持用人脸生物密钥直接对用户私有数据进行加密保护，可扩展到云存储安全领域中应用。只要人脸生物密钥的密钥空间足够大，可保证高安全性。

主权项

一种正面人脸图像生物密钥生成方法，其特征在于该方法包括以下步骤：人脸生物密钥训练部分和人脸生物密钥提取部分；人脸生物密钥训练部分具体步骤为：第一步，用户通过摄像头采集正面脸图像，正面脸由用户自行调整，采集环境要求在室内光线充裕的环境，重复采集8次以上；第二步，对人脸图像进行灰度化处理，调整图像大小为统一尺寸128×128或64×64；第三步，求人脸图像自商图，得8幅以上的自商图图像；第四步，将8幅以上的自商图图像组织成样本矩阵，进行主成分分析处理，得人脸在特征空间中的投影矩阵，记为P1；将8幅以上的自商图图像分别经投影矩阵P1投影，得到人脸特征向量；将求得的特征向量组织为一个M×D维的特征向量矩阵，记为S1，M为自商图图像个数，D为投影后特征向量元素个数；第五步，将矩阵S1扩展为2个矩阵，L×L维的随机误差方阵EX，L×L维的标准值方阵EY，L>D，构造方法为：取矩阵S1的M个行向量，求均值，得到1×D维的均值向量EB；设定波动范围Er，如Er＝10；为EB增加随机误差扰动，计算公式为S1j表示S1矩阵中的第j行，EXj表示一个行向量；rand(0,1)函数返回(0,1)之间的随机数；将EXj以行为单位装配为L×D维的矩阵；构造L‑D个非线性函数，输入变量是一维行向量(x1,x2,…,xD)，D个元素，输出为一维行向量(x1,x2,…,xD，…，xL)，L个元素；非线性函数由用户自行定义，取如下非线性函数：Z(t)＝(x1‑x2)×sin(t)+(t^2)×(x3％10)，t为整数，0<t<L‑D；sin(t)三角函数，(t^2)表示t的平方，(x3％10)表示x3模10运算；用构造的Z(t)对EXj进行运算，j遍历1～L，得L×L维矩阵，即随 机误差方阵EX；EY构造方法为：将均值向量EB重复L行，得L×D维矩阵，记为EYt；用Z(t)对EYtj进行运算，j遍历1‑L，得L×L维矩阵，即标准值方阵EY；第六步，求解EX的广义逆矩阵，记为IEX，将IEX左乘矩阵EY得到人脸特征向量的高维空间投影矩阵PEX＝IEX×EY,在用户端存储投影矩阵P1和PEX；人脸生物密钥训练完成；人脸生物密钥提取部分具体步骤为：第1步，用户通过摄像头采集正面脸图像，正面脸由用户自行调整，采集环境要求在室内光线充裕的环境；第2步，对人脸图像进行灰度化处理，调整图像大小为统一尺寸与人脸生物密钥训练时设定的尺寸一致；第3步，求人脸图像自商图；第4步，将自商图图像转为行向量，取人脸生物密钥训练时存储的投影矩阵P1，左乘投影矩阵P1，得人脸在特征空间中的特征向量，记为Z，长度为D；第5步，将向量Z扩展为1×L维矩阵EZ，扩展方法与人脸生物密钥训练时保持一致，取扩展函数为人脸生物密钥训练部分第五步描述的扩展函数Z(t)；左乘PEX矩阵，得1×L维向量ED；第6步，用棋盘法对向量ED中的数值进行进一步稳定处理，取前DL个数值得1×DL维向量EE，DL≤D；将向量EE中各元素的数值前后拼接，即生成人脸生物密钥。