基于圖像的掌紋活體檢測(cè)方法研究.pdf

1、近年來(lái)，隨著生物特征識(shí)別的快速發(fā)展，越來(lái)越多的個(gè)人身份認(rèn)證應(yīng)用出現(xiàn)在我們的日常生活中。例如人臉，掌紋，指紋以及虹膜等生物特征均在安全領(lǐng)域內(nèi)取得了廣泛的應(yīng)用。Iphone5s的指紋識(shí)別解鎖功能，掌紋識(shí)別的考勤機(jī)，還有目前正在測(cè)試的網(wǎng)購(gòu)人臉支付等應(yīng)用，均受到人們的熱愛(ài)和依賴。然而人體生物特征作為個(gè)人獨(dú)一無(wú)二的特征，具有容易被偽造和丟失的缺點(diǎn)。許多流行的生物特征識(shí)別應(yīng)用僅僅利用2維圖像紋理信息進(jìn)行分析是否認(rèn)證成功。不幸的是，一旦個(gè)人的生物特征

2、數(shù)據(jù)被復(fù)制或者盜竊，假冒者很容易被認(rèn)證為合法用戶，通過(guò)利用圖片、視頻或者模型很容易在這些應(yīng)用中通過(guò)認(rèn)證。因此我們有必要對(duì)認(rèn)證者進(jìn)行判斷是否屬于真實(shí)的生物特征還是偽造的照片或者視頻等。關(guān)于活體檢測(cè)的研究主要集中在人臉、指紋以及虹膜方面，針對(duì)掌紋的活體檢測(cè)研究很少，因此本文主要集中研究掌紋活體檢測(cè)。
　　本文主要的研究?jī)?nèi)容是通過(guò)對(duì)于一幅使用Iphone5拍攝的掌紋圖片進(jìn)行判別是否是真實(shí)的掌紋還是通過(guò)翻拍獲得的掌紋。首先建立掌紋活體檢測(cè)

3、數(shù)據(jù)庫(kù)，該數(shù)據(jù)庫(kù)分三個(gè)階段，不同光照及背景影響下，共計(jì)167人左右手進(jìn)行拍攝與翻拍，得到真實(shí)掌紋2654幅，翻拍掌紋2887幅。通過(guò)分析真實(shí)掌紋以及翻拍掌紋特征，我們可以發(fā)現(xiàn)，翻拍掌紋具有模糊以及細(xì)節(jié)丟失等特征。從這一發(fā)現(xiàn)出發(fā)，我們通過(guò)二值統(tǒng)計(jì)圖像特征這一局部特征描述子以及結(jié)合圖片質(zhì)量分析的方法，利用SVM分類器對(duì)所提取特征進(jìn)行分類，從而獲得分類結(jié)果。實(shí)驗(yàn)表明，該方法能夠獲得92％的分類精度。
　　另外，近年來(lái)深度學(xué)習(xí)在圖像處理方

4、面體現(xiàn)出了巨大優(yōu)越性，卷積神經(jīng)網(wǎng)絡(luò)能夠很好地學(xué)習(xí)圖像的深層特征，因此被廣泛的應(yīng)用于圖像處理的各個(gè)領(lǐng)域。本文使用AlexNet網(wǎng)絡(luò)結(jié)構(gòu)，利用深度學(xué)習(xí)caffe工具以及GPU優(yōu)越的計(jì)算性能，來(lái)訓(xùn)練分類模型。該模型共有五個(gè)卷基層及對(duì)應(yīng)的池化層，三個(gè)全連接層組成。本文實(shí)驗(yàn)在AlexNet網(wǎng)絡(luò)基礎(chǔ)上進(jìn)行微調(diào)，通過(guò)裁剪掌紋活體檢測(cè)數(shù)據(jù)庫(kù)圖片，獲得544051幅真實(shí)掌紋小塊以及518806幅翻拍掌紋小塊。實(shí)驗(yàn)結(jié)果表明，該微調(diào)后的神經(jīng)網(wǎng)絡(luò)對(duì)掌紋活體檢測(cè)