基于虹膜和人臉的多生物特征身份認(rèn)證關(guān)鍵技術(shù)研究.pdf

1、隨著單模態(tài)生物身份認(rèn)證技術(shù)的廣泛應(yīng)用,普適性、防偽性、區(qū)分性以及模板安全性方面的不足逐漸顯現(xiàn),高性能的基于多生物特征融合的身份認(rèn)證技術(shù)日益成為學(xué)術(shù)研究的熱點(diǎn)。多生物特征身份認(rèn)證,首先,要求待融合的生物特征具有較強(qiáng)的普適性,即方便采集、易于被廣泛接受,且適用于復(fù)雜條件;其次,由于生物樣本較易獲取,同時(shí)希望多生物特征具有防偽功能,增強(qiáng)系統(tǒng)的安全性;另外,不僅僅希望待融合的單模態(tài)生物特征具有高區(qū)分性,同時(shí)還要求融合方法也具有較高的身份認(rèn)證性能

2、;最后,為了使多模態(tài)生物特征模板更為安全的應(yīng)用于身份認(rèn)證系統(tǒng),除了使用多模態(tài)提高攻擊者攻擊成功的復(fù)雜度之外,還要對(duì)多生物特征融合模板進(jìn)行模板保護(hù)。因此對(duì)于多生物特征身份認(rèn)證關(guān)鍵技術(shù)進(jìn)行研究,不僅具有較高的學(xué)術(shù)價(jià)值,更具有重要的現(xiàn)實(shí)意義。
　　本文借鑒單模態(tài)生物特征的信息處理過(guò)程,從分析、總結(jié)多生物特征身份認(rèn)證系統(tǒng)涉及到的問(wèn)題出發(fā),充分利用低質(zhì)量虹膜生物特征的普適性、熱成像人臉圖像生物特征的防偽性,設(shè)計(jì)相應(yīng)的預(yù)處理和特征提取方法,并

3、有針對(duì)性的設(shè)計(jì)了基于三角范數(shù)的分?jǐn)?shù)層融合方法,構(gòu)建了基于低質(zhì)量雙眼虹膜,熱成像以及可見(jiàn)光人臉的多生物特征融合系統(tǒng),對(duì)此多模態(tài)系統(tǒng)給出了相應(yīng)的多生物特征模板保護(hù)方法,既分析了融合系統(tǒng)的身份認(rèn)證性能,又分析了不同生物特征泄露后,模板保護(hù)方法的安全性。本文的主要?jiǎng)?chuàng)新點(diǎn)和研究工作有:
　　面向低質(zhì)量虹膜圖像,針對(duì)由于眼鏡反光而引起的光斑,以及采集者頭發(fā)、睫毛等各種因素而影響虹膜定位等問(wèn)題,提出了針對(duì)低質(zhì)量虹膜圖像預(yù)處理方法框架RPRH(R

4、eflectionremovalplus Probabilityboundaryand Reductionof Houghtransform)。首先用基于不可壓(Navier-Stokes,NS)動(dòng)態(tài)流體力學(xué)的圖像修復(fù)方法對(duì)光斑區(qū)域進(jìn)行修復(fù),然后使用概率邊界(Probability boundary,Pb)算子提取虹膜內(nèi)圓邊界,最后對(duì)Hough變換的輸入點(diǎn)集進(jìn)行選擇,提高低質(zhì)量虹膜圖像的內(nèi)外圓環(huán)定位精度,最終得到高性能的低質(zhì)量虹膜特征。

5、
　　利用熱成像人臉圖像的防偽造功能,針對(duì)現(xiàn)有熱成像人臉圖像特征身份認(rèn)證性能不高等問(wèn)題,提出了基于復(fù)數(shù)Gabor束描述子(Complex Gabor Jet Descriptor,CGJD)的熱成像人臉圖像特征提取方法。使用Gabor小波卷積后主要表示能量的幅值、表示脊的實(shí)部、表示邊界的虛部以及表示方向的相位等系數(shù)信息,對(duì)Gabor小波變換后下采樣圖像塊的塊均值和塊標(biāo)準(zhǔn)差進(jìn)行復(fù)數(shù)域的融合,在多尺度下使用復(fù)數(shù)線性判別法(Comple

6、x Linear Discrimination Analysis,CLDA)提高區(qū)分性,得到高性能的熱成像人臉圖像CGJD復(fù)數(shù)特征。
　　針對(duì)低質(zhì)量虹膜和熱成像人臉圖像特征的特點(diǎn),基于特征層和分?jǐn)?shù)層,分別構(gòu)造了基于雙眼虹膜的多實(shí)例融合系統(tǒng)、基于熱成像和可見(jiàn)光人臉圖像的多傳感器融合系統(tǒng)。并且,針對(duì)低質(zhì)量虹膜二進(jìn)制比特特征和人臉復(fù)數(shù)特征的不同表達(dá)形式,以及傳統(tǒng)分?jǐn)?shù)層融合方法的不足,提出了基于Acz′el-Alsina(AA)三角范數(shù)的

7、分?jǐn)?shù)層融合方法AASF(Acz′el-Alsinatriangularnorm Scorelevel Fusion),該方法能夠增大類(lèi)內(nèi)與類(lèi)間匹配分?jǐn)?shù)分布之間的距離,進(jìn)一步提高了多生物特征的身份認(rèn)證性能。
　　針對(duì)多生物特征模板泄露后,模板安全相對(duì)于單模態(tài)來(lái)說(shuō)更為嚴(yán)重,結(jié)合本文設(shè)計(jì)的多模態(tài)融合系統(tǒng)的特點(diǎn),提出了基于模糊承諾的多生物特征的模板保護(hù)方法FMTP(Fuzzycommitmentand Multibiometrics Te

8、mplate Protection),以及單生物特征泄漏后的安全性分析方法。首先將復(fù)數(shù)形式下的熱成像以及可見(jiàn)光人臉特征,轉(zhuǎn)換成二進(jìn)制比特特征,對(duì)低質(zhì)量的左右虹膜進(jìn)行加密存儲(chǔ),達(dá)到安全保護(hù)多生物特征模板的目的,并在認(rèn)證階段使用AA三角范數(shù),對(duì)特征匹配結(jié)果進(jìn)行分?jǐn)?shù)層融合。本文除了對(duì)所設(shè)計(jì)的模板保護(hù)算法的身份認(rèn)證性能進(jìn)行分析外,還對(duì)不同生物特征泄露后,融合特征在交叉匹配的模式下的安全性進(jìn)行了分析,明顯看出多模態(tài)相對(duì)于單模態(tài)系統(tǒng),提高了身份認(rèn)證