專利名稱：一種身份識別方法和身份識別系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及身份識別技術(shù)，更具體地說，涉及一種身份識別方法和身份識別系統(tǒng)。
背景技術(shù)：
身份識別方法廣泛應(yīng)用于人們?nèi)粘Ｉ畹姆椒矫婷?。傳統(tǒng)的身份識別方法主要包括兩種，第一種是基于知識的身份識別方法，第二種是基于物品的身份識別方法?；谥R 的身份識別方法包括基于例如但不限于密碼、口令等認(rèn)證手段的身份識別方法，這種方法 存在的主要缺陷在于密碼、口令等認(rèn)證手段容易被忘記?；谖锲返纳矸葑R別方法包括基 于例如但不限于鑰匙、身份證、智能卡等認(rèn)證手段的身份識別方法，這種方法存在的主要缺 陷在于鑰匙、身份證、智能卡等認(rèn)證手段容易丟失。因此，一旦認(rèn)證手段被忘記、丟失或者被 其他人獲取，個人身份就很容易被冒名者頂替。相對傳統(tǒng)身份識別方法，生物特征識別方法采用諸如人臉、指紋、掌紋等人體固有 特征進(jìn)行身份識別，具有不會遺忘、丟失和很難被仿冒等優(yōu)點，因此可以達(dá)到更安全的身份 認(rèn)證目的。各種不同的生物特征有不同的優(yōu)缺點，因而可以應(yīng)用于不同的應(yīng)用場合。人臉是 人類最普遍采用的身份認(rèn)證手段，具有采集簡易、方便且隱蔽的優(yōu)點，但是受光線等環(huán)境影 響較大；虹膜精確度高，但是采集困難，而且采集過程會給用戶帶來不舒適感；掌紋的精確 度介于人臉和虹膜之間，采集相對方便，受環(huán)境影響較小。由上文所述不難理解，不同的生物特征各具優(yōu)缺點。基于單一一種生物特征的身 份識別技術(shù)的準(zhǔn)確度和魯棒性相對較差。因此，需要一種身份識別解決方案，可融合各種生物特征的優(yōu)點，以提高基于生物 特征的身份識別技術(shù)的準(zhǔn)確度和魯棒性。
發(fā)明內(nèi)容
本發(fā)明要解決的技術(shù)問題在于，針對現(xiàn)有基于單一一種生物特征的身份識別技術(shù) 的準(zhǔn)確度和魯棒性相對較差的缺陷，提供一種身份識別方法和身份識別系統(tǒng)。本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是一種身份識別方法，包括提取步驟，包括采集步驟，包括分別采集待識別用戶的人臉圖像和掌紋圖像，再從采集的人臉圖 像和掌紋圖像中截取各自的特征部分分別作為人臉特征圖像和掌紋特征圖像；濾波步驟，包括分別對人臉特征圖像和掌紋特征圖像進(jìn)行Gabor濾波；編碼步驟，包括分別對Gabor濾波后的人臉特征圖像和Gabor濾波后的掌紋特征 圖像進(jìn)行編碼，得到對應(yīng)的人臉特征編碼和掌紋特征編碼；融合步驟，包括融合人臉特征編碼和掌紋特征編碼，得到待識別用戶的身份特 征；
匹配步驟，包括通過將待識別用戶的身份特征與身份特征庫中的身份特征進(jìn)行匹 配，來對該待識別用戶進(jìn)行身份識別。優(yōu)選的，所述采集步驟進(jìn)一步包括人臉特征圖像采集步驟，包括采集所述人臉圖像，定位其中的雙眼位置；旋轉(zhuǎn)該人臉圖像，使得旋轉(zhuǎn)后的雙眼位置連線處于水平位置；在旋轉(zhuǎn)后的人臉圖像中截取大小為128X128像素的部分作為人臉特征圖像F(x， y)，其中該人臉特征圖像的中心為旋轉(zhuǎn)后的人臉圖像的中心。優(yōu)選的，所述采集步驟進(jìn)一步包括掌紋特征圖像采集步驟，包括采集所述掌紋圖像，定位其中食指和中指之間的角點，以及無名指和小拇指之間 的角點；旋轉(zhuǎn)該掌紋圖像，使得旋轉(zhuǎn)后的雙眼位置連線處于垂直位置；在旋轉(zhuǎn)后的掌紋圖像中截取大小為128X128像素的部分作為掌紋特征圖像P(x， y)，其中該掌紋特征圖像的中心為旋轉(zhuǎn)后的掌紋圖像的中心。優(yōu)選的，在所述濾波步驟中，所述對人臉特征圖像進(jìn)行Gabor濾波包括分別基于多個Gabor小波{^ΛΑ，σ:ι j對所述人臉特征圖像進(jìn)行卷積操作，得到對應(yīng)
的多個卷積圖像{&(Χ，y)，i = 0，1，. . .，uv}，其中每一 Gabor小波表示為
1( (χ2 +v2)^
φσ θ a) (x^y) = -~^exp--2~ exp(y2<(xcos6>v + 少 sin6>v》
λπσ y σ )
ι f / η ν2π其中，U為頻率，ν為方向，/ = h A=孓兀^ = γ，所述多個卷積圖像表示
為
^yple, ^y)=F *= 0，Λ 4^ = 0，Λ，7}生成濾波后的人臉特征圖像W(x，y)，其中W(x，y)表示為W(x, y) = Gm(x'y)(x, y)其中 m(x, y) = arg max\p' (u)|, / = 0,1,..., wv。優(yōu)選的，在所述濾波步驟中，所述對掌紋特征圖像進(jìn)行Gabor濾波包括分別基于兩個Gabor小波⑹= 0,lj對所述掌紋特征圖像P (x, y)進(jìn)行卷積
操作，得到對應(yīng)的多個卷積圖像{&(Χ，Υ)，i = 0，1}，其中每一 Gabor小波表示為
1( (χ2 + v2)^
φ(θ) O, y) = -~ exP--2~ exp(y2^f (χ cos θ, + y sin6>,.))
λπσ y σ )其中，其中f = 0.0916，σ =5.6179，θ i = i ji/2，所述多個卷積圖像表示為
<formula>formula see original document page 7</formula>生成濾波后的掌紋特征圖像W(x，y)，其中W(x，y)表示為W(x, y) = Gm(x'y)(x, y)其中= arg max ||(7 (U)I,/ = 0,1。優(yōu)選的，所述編碼步驟進(jìn)一步包括計算濾波后的人臉特征圖像W(x，y)每個像素的相位P(x，y)，依照如下公式生成 人臉特征編碼(Vace (X，y)，b2face(x, y))
<formula>formula see original document page 7</formula>優(yōu)選的，所述編碼步驟進(jìn)一步包括計算濾波后的掌紋特征圖像W(x，y)每個像素的相位P(x，y)，依照如下公式生成 人臉特征編碼(Valm (X，y)，b2palm(x, y))
<formula>formula see original document page 7</formula>(brlm(x,y),brlm(x,y)) = \ ，々\y) 。 \ ‘ (0,0), π<Ρ(χ,γ)<3π/2
(1,0), 3π/2<Ρ(χ,γ)<2π優(yōu)選的，所述待識別用戶的身份特征為Xface_palm = Od1 (χ, y)，b2(χ, y)，b3(χ, y)， 匕4(1，7))，其中131(1，7) =νυ，Μχ，γ) =b2face(x,y),b3(x,y) = Valm (x，y)，b4 (x， y) =b2palm(x，y)。一種身份識別系統(tǒng)，包括提取模塊，包括采集模塊，用于分別采集待識別用戶的人臉圖像和掌紋圖像，再從采集的人臉圖 像和掌紋圖像中截取各自的特征部分分別作為人臉特征圖像和掌紋特征圖像；濾波模塊，用于分別對人臉特征圖像和掌紋特征圖像進(jìn)行Gabor濾波；編碼模塊，用于分別對Gabor濾波后的人臉特征圖像和Gabor濾波后的掌紋特征 圖像進(jìn)行編碼，得到對應(yīng)的人臉特征編碼和掌紋特征編碼；融合模塊，用于融合人臉特征編碼和掌紋特征編碼，得到待識別用戶的身份特 征；匹配模塊，用于通過將待識別用戶的身份特征與身份特征庫中的身份特征進(jìn)行匹 配，來對該待識別用戶進(jìn)行身份識別。優(yōu)選的，所述采集模塊進(jìn)一步包括人臉特征圖像采集模塊，用于采集所述人臉圖像，定位其中的雙眼位置；旋轉(zhuǎn)該人臉圖像，使得旋轉(zhuǎn)后的雙眼位置連線處于水平位置；在旋轉(zhuǎn)后的人臉圖像中截取大小為128X128像素的部分作為人臉特征圖像F(x，y)，其中該人臉特征圖像的中心為旋轉(zhuǎn)后的人臉圖像的中心。實施本發(fā)明的技術(shù)方案，具有以下有益效果本發(fā)明提供的技術(shù)方案基于人臉和 掌紋兩種生物特征來進(jìn)行身份識別，可有效的解決現(xiàn)有基于單一一種生物特征的身份識別 技術(shù)的準(zhǔn)確度和魯棒性相對較差的問題。同時，本發(fā)明提供的技術(shù)方案無需使用訓(xùn)練數(shù)據(jù) 進(jìn)行學(xué)習(xí)，使用簡單，在不同的應(yīng)用場合配置方便，可以克服子空間投影方法需要對維數(shù)參 數(shù)反復(fù)測試進(jìn)行確定的缺點。此外，本發(fā)明提供的技術(shù)方案對生物特征采用0/1編碼，在計 算機(jī)上通過異或操作進(jìn)行匹配，所需存儲空間小，可以在提高匹配效率的同時降低所占用 的存儲空間，非常適合嵌入式應(yīng)用。而且本發(fā)明技術(shù)方案的特征抽取時間約為傳統(tǒng)核空間 方法的一般，存儲119個人的生物特征所占用的存儲空間約為核方法的1/300。 最后，仿真 實驗證明本發(fā)明提供的技術(shù)方案可以獲得比傳統(tǒng)方法更高的識別準(zhǔn)確度。
下面將結(jié)合附圖及實施例對本發(fā)明作進(jìn)一步說明，附圖中圖1是依據(jù)本發(fā)明一較佳實施例的身份識別方法的流程圖；圖2A 2D是依據(jù)本發(fā)明一較佳實施例的人臉特征圖像的詳細(xì)采集過程的示意 圖；圖3A 3E是依據(jù)本發(fā)明一較佳實施例的掌紋圖像的詳細(xì)采集過程的示意圖；圖4A是人臉圖像的示意圖；圖4B是Gabor小波的示意圖；圖4C是濾波后的卷積圖像的示意圖；圖5是掌紋圖像的示意圖；圖6A、6B是編碼后的人臉特征圖像的示意圖；圖6C、6D是編碼后的掌紋特征圖像的示意圖；圖7是本發(fā)明身份識別系統(tǒng)的邏輯結(jié)構(gòu)示意圖。
具體實施例方式為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點更加清楚明白，以下結(jié)合附圖及實施例，對 本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并 不用于限定本發(fā)明。本發(fā)明提供了一種身份識別方法和身份識別系統(tǒng)，基于人臉和掌紋兩種生物特征 來進(jìn)行身份識別，可有效的解決現(xiàn)有基于單一一種生物特征的身份識別技術(shù)的準(zhǔn)確度和魯 棒性相對較差的問題。同時，本發(fā)明提供的技術(shù)方案無需使用訓(xùn)練數(shù)據(jù)進(jìn)行學(xué)習(xí)，使用簡 單，在不同的應(yīng)用場合配置方便，可以克服子空間投影方法需要對維數(shù)參數(shù)反復(fù)測試進(jìn)行 確定的缺點。此外，本發(fā)明提供的技術(shù)方案對生物特征采用0/1編碼，在計算機(jī)上通過異或 操作進(jìn)行匹配，所需存儲空間小，可以在提高匹配效率的同時降低所占用的存儲空間，非常 適合嵌入式應(yīng)用。而且本發(fā)明技術(shù)方案的特征抽取時間約為傳統(tǒng)核空間方法的一般，存儲 119個人的生物特征所占用的存儲空間約為核方法的1/300。最后，仿真實驗證明本發(fā)明提 供的技術(shù)方案可以獲得比傳統(tǒng)方法更高的識別準(zhǔn)確度。下面就結(jié)合附圖和具體實施例來對 本發(fā)明提供的技術(shù)方案進(jìn)行詳細(xì)描述。
圖1是依據(jù)本發(fā)明一較佳實施例的身份識別方法100的流程圖。如圖1所示，方法100開始于步驟102。隨后，在下一步驟104，執(zhí)行采集步驟，包括分別采集待識別用戶的人臉圖像和掌 紋圖像，再從采集的人臉圖像和掌紋圖像中截取各自的特征部分分別作為人臉特征圖像和 掌紋特征圖像；在具體實現(xiàn)過程中，采集步驟進(jìn)一步包括人臉特征圖像采集步驟，該步驟包括采集所述人臉圖像，定位其中的雙眼位置；旋轉(zhuǎn)該人臉圖像，使得旋轉(zhuǎn)后的雙眼位置連線處于水平位置；在旋轉(zhuǎn)后的人臉圖像中截取大小為128X128像素的部分作為人臉特征圖像F(x， y)，其中該人臉特征圖像的中心為旋轉(zhuǎn)后的人臉圖像的中心。人臉特征圖像的詳細(xì)采集過程請參見圖2A 2D所示。在具體實現(xiàn)過程中，采集步驟進(jìn)一步包括掌紋特征圖像采集步驟，該步驟包括采集所述掌紋圖像，定位其中食指和中指之間的角點，以及無名指和小拇指之間 的角點；旋轉(zhuǎn)該掌紋圖像，使得旋轉(zhuǎn)后的雙眼位置連線處于垂直位置；在旋轉(zhuǎn)后的掌紋圖像中截取大小為128X128像素的部分作為掌紋特征圖像P(x， y)，其中該掌紋特征圖像的中心為旋轉(zhuǎn)后的掌紋圖像的中心。在具體實現(xiàn)過程中，可采用邊緣提取、跟蹤等算法得到掌紋圖像中食指和中指、無 名指和小拇指之間的角點。掌紋特征圖像的詳細(xì)采集過程請參見圖3A 3E所示。隨后，在下一步驟106，執(zhí)行濾波步驟，包括分別對人臉特征圖像和掌紋特征圖像 進(jìn)行Gabor濾波；在具體實現(xiàn)過程中，對人臉特征圖像進(jìn)行Gabor濾波可進(jìn)一步包括分別基于多個Gabor小波{^ΛΑ，σ:ι j對所述人臉特征圖像進(jìn)行卷積操作，得到對應(yīng)
的多個卷積圖像{&(Χ，y)，i = 0，1，. . .，uv}，其中每一 Gabor小波表示為<formula>formula see original document page 9</formula>其中，U為頻率，ν為方向<formula>formula see original document page 9</formula>，所述多個卷積圖像表示
為
<formula>formula see original document page 9</formula>生成濾波后的人臉特征圖像W(x，y)，其中W(x，y)表示為ff(x,y) =Gm(x'y)(x,y)其中 <formula>formula see original document page 9</formula>在具體實現(xiàn)過程中，可設(shè)計5個頻率，8個方向的40個Gabor小波fe/義內(nèi)j，u = 0，Λ4，ν = 0，Λ，7來執(zhí)行卷積操作。當(dāng)人臉圖像如圖4Α所示時，這40個Gabor小波如圖4B所示，而濾波后得到的40個卷積圖像如圖4C所示。在具體實現(xiàn)過程中，上述卷積操作也可以通過將圖像和小波分別進(jìn)行快速傅立葉 變換，變換到頻域進(jìn)行乘積操作，再將乘積進(jìn)行快速反傅立葉變換得到。在具體實現(xiàn)過程中，對掌紋特征圖像進(jìn)行Gabor濾波可進(jìn)一步包括分別基于兩個Gabor小波⑹= 0,lj對所述掌紋特征圖像P (x, y)進(jìn)行卷積
操作，得到對應(yīng)的多個卷積圖像{Gi(X，y)，i = 0，1}，其中每一 Gabor小波表示為
<formula>formula see original document page 10</formula>其中，其中f = 0.0916，σ =5.6179，θ i = i ji/2，所述多個卷積圖像表示為
<formula>formula see original document page 10</formula>生成濾波后的掌紋特征圖像W(x，y)，其中W(x，y)表示為ff(x,y) =Gm(x'y)(x,y)其中冊0,力=&項111嚴(yán)||(70,少)||,/= 0,1。在具體實現(xiàn)過程中，上述卷積操作也可以通過將圖像和小波分別進(jìn)行快速傅立葉 變換，變換到頻域進(jìn)行乘積操作，再將乘積進(jìn)行快速反傅立葉變換得到。掌紋圖像如圖5所示。隨后，在下一步驟108，執(zhí)行編碼步驟，包括分別對Gabor濾波后的人臉特征圖像 和Gabor濾波后的掌紋特征圖像進(jìn)行編碼，得到對應(yīng)的人臉特征編碼和掌紋特征編碼以作 為待識別用戶的身份特征；在具體實現(xiàn)過程中，編碼步驟可進(jìn)一步包括，計算濾波后的人臉特征圖像W(x，y) 每個像素的相位P (X，y)，依照如下公式生成人臉特征兩位編碼…廣力，y)，b2face(x, y))<formula>formula see original document page 10</formula>上述人臉特征編碼(ν(χ，Υ)，ν(χ，Υ))所對應(yīng)的圖像如圖6Α和圖6Β所示。在具體實現(xiàn)過程中，編碼步驟可進(jìn)一步包括，計算濾波后的掌紋特征圖像W(x，y) 每個像素的相位P (x，y)，依照如下公式生成人臉特征編碼(V5alm(Lyhb2palmO^y))<formula>formula see original document page 10</formula>上述掌紋特征編碼(ν(χ，Υ)，ν(χ，Υ))所對應(yīng)的圖像如圖6C和圖6D所示。隨后，在下一步驟110，執(zhí)行融合步驟，包括融合人臉特征編碼和掌紋特征編碼，得 到待識別用戶的身份特征。在具體實現(xiàn)過程中，待識別用戶的身份特征為Xflm= (^(χ,γ)^2(χ,γ)^3(χ,y)，b4(x，y))，其中
<formula>formula see original document page 11</formula>此外，在具體實現(xiàn)過程中，還可將待識別用戶的身份特征保存為單獨的人臉特征 編碼和單獨的掌紋特征編碼的形式。隨后，在下一步驟112，執(zhí)行匹配步驟，包括通過將待識別用戶的身 份特征與身份 特征庫中的身份特征進(jìn)行匹配，來對該待識別用戶進(jìn)行身份識別。在具體實現(xiàn)過程中，可按照如下方式計算待識別用戶的身份特征與身份特征庫中 的身份特征之間的距離身份特征為X1faceL = (V (X，y))，i = ι，Λ B 以及 X2face_palm = (bi2 (X，y))， X2face-Paim = {b'{x,y)\ i = 1，AB的兩個用戶P，Q的之間的距離可以采用以下公式計算
<formula>formula see original document page 11</formula>在具體實現(xiàn)過程中，若待識別用戶的身份特征采用單獨的人臉特征編碼和單獨的 掌紋特征編碼的形式，則可按照如下方式計算待識別用戶的身份特征與身份特征庫中的身 份特征之間的距離假設(shè)用戶P的人臉編碼為X1fac^掌紋編碼為X1palm,用戶Q的人臉編碼為X2f_，掌紋 編碼為x2Palm。首先分別計算P、Q人臉的距離dfa。e = CKX1face, X2face)和掌紋的距離dpalm =
(KX1palffl'X2palJ，用戶P、Q的整體距離則可以通過下式計算·<formula>formula see original document page 11</formula>
在具體實現(xiàn)過程中，可設(shè)置對應(yīng)的距離閾值，若算得的距離小于該閾值，則表明待 識別用戶的身份特征與身份特征庫中的身份特征匹配，否則不匹配。最后，方法100結(jié)束于步驟114。 在具體實現(xiàn)過程中，步驟104-110可稱為提取步驟，步驟112可稱為匹配步驟。本發(fā)明還提供了一種身份識別系統(tǒng)，下面就結(jié)合圖7對其進(jìn)行詳細(xì)描述。圖7是依據(jù)本發(fā)明一較佳實施例的身份識別系統(tǒng)700的邏輯結(jié)構(gòu)示意圖。如圖7 所示，身份識別系統(tǒng)700包括提取模塊702和匹配模塊704。提取模塊702包括采集模塊7022，用于分別采集待識別用戶的人臉圖像和掌紋圖像，再從采集的人 臉圖像和掌紋圖像中截取各自的特征部分分別作為人臉特征圖像和掌紋特征圖像；濾波模塊7024，用于分別對人臉特征圖像和掌紋特征圖像進(jìn)行Gabor濾波；編碼模塊7026，用于分別對Gabor濾波后的人臉特征圖像和Gabor濾波后的掌紋 特征圖像進(jìn)行編碼，得到對應(yīng)的人臉特征編碼和掌紋特征編碼；融合模塊7028，用于融合人臉特征編碼和掌紋特征編碼，得到待識別用戶的身份 特征；匹配模塊704用于通過將待識別用戶的身份特征與身份特征庫中的身份特征進(jìn) 行匹配，來對該待識別用戶進(jìn)行身份識別。
在具體實現(xiàn)過程中，身份識別系統(tǒng)700中的各個模塊的功能與圖1中各方法步驟 中的操作相對應(yīng)。有關(guān)這些操作步驟的具體內(nèi)容已經(jīng)在前文做了詳細(xì)的描述，因此此處不 再贅述。以上所述僅為本發(fā)明的較佳實施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。
權(quán)利要求
一種身份識別方法，其特征在于，包括提取步驟，包括采集步驟，包括分別采集待識別用戶的人臉圖像和掌紋圖像，再從采集的人臉圖像和掌紋圖像中截取各自的特征部分分別作為人臉特征圖像和掌紋特征圖像；濾波步驟，包括分別對人臉特征圖像和掌紋特征圖像進(jìn)行Gabor濾波；編碼步驟，包括分別對Gabor濾波后的人臉特征圖像和Gabor濾波后的掌紋特征圖像進(jìn)行編碼，得到對應(yīng)的人臉特征編碼和掌紋特征編碼；融合步驟，包括融合人臉特征編碼和掌紋特征編碼，得到待識別用戶的身份特征；匹配步驟，包括通過將待識別用戶的身份特征與身份特征庫中的身份特征進(jìn)行匹配，來對該待識別用戶進(jìn)行身份識別。
2.根據(jù)權(quán)利要求1所述的身份識別方法，其特征在于，所述采集步驟進(jìn)一步包括 人臉特征圖像采集步驟，包括采集所述人臉圖像，定位其中的雙眼位置；旋轉(zhuǎn)該人臉圖像，使得旋轉(zhuǎn)后的雙眼位置連線處于水平位置；在旋轉(zhuǎn)后的人臉圖像中截取大小為128X128像素的部分作為人臉特征圖像F(x，y)， 其中該人臉特征圖像的中心為旋轉(zhuǎn)后的人臉圖像的中心。
3.根據(jù)權(quán)利要求2所述的身份識別方法，其特征在于，所述采集步驟進(jìn)一步包括 掌紋特征圖像采集步驟，包括采集所述掌紋圖像，定位其中食指和中指之間的角點，以及無名指和小拇指之間的角點旋轉(zhuǎn)該掌紋圖像，使得旋轉(zhuǎn)后的雙眼位置連線處于垂直位置； 在旋轉(zhuǎn)后的掌紋圖像中截取大小為128X128像素的部分作為掌紋特征圖像P(x，y)， 其中該掌紋特征圖像的中心為旋轉(zhuǎn)后的掌紋圖像的中心。
4.根據(jù)權(quán)利要求3所述的身份識別方法，其特征在于，在所述濾波步驟中， 所述對人臉特征圖像進(jìn)行Gabor濾波包括分別基于多個Gabor小波{^ΛΑ，σ:ι|對所述人臉特征圖像進(jìn)行卷積操作，得到對應(yīng)的多 個卷積圖像擬(X，y)，i = 0，1，. . .，uv}，其中每一 Gabor小波表示為 <formula>formula see original document page 2</formula>ι f /ν其中，u為頻率，ν為方向，人=h ,θν=、π尸=7，所述多個卷積圖像表示為<formula>formula see original document page 2</formula>生成濾波后的人臉特征圖像W(x，y)，其中W(x，y)表示為 <formula>formula see original document page 2</formula>
5.根據(jù)權(quán)利要求4所述的身份識別方法，其特征在于，在所述濾波步驟中， 所述對掌紋特征圖像進(jìn)行Gabor濾波包括分別基于兩個Gabor小波^⑹= O,lj對所述掌紋特征圖像P (x，y)進(jìn)行卷積操作， 得到對應(yīng)的多個卷積圖像{Gi(X，y)，i = 0，1}，其中每一 Gabor小波表示為1( (χ2 + v2)^φ(θ) O, y) = -~ exP--2~ exp(y2^f (χ cos θ, + y sin6>,.))λπσ y σ )其中，其中f = 0.0916，σ =5.6179，θ i = i ji/2，所述多個卷積圖像表示為bi (x，>0|Gi (x，>0 = F * (Piei)(x^y)J = ο,ι}生成濾波后的掌紋特征圖像W(x，y)，其中W(x，y)表示為 W(x,y) =Gm(x'y) (x,y)其中 m(x, y) = arg max \\G' (χ, , / = 0,1。
6.根據(jù)權(quán)利要求5所述的身份識別方法，其特征在于，所述編碼步驟進(jìn)一步包括 計算濾波后的人臉特征圖像W(x，y)每個像素的相位P(x，y)，依照如下公式生成人臉<formula>formula see original document page 3</formula>
7.根據(jù)權(quán)利要求6所述的身份識別方法，其特征在于，所述編碼步驟進(jìn)一步包括 計算濾波后的掌紋特征圖像W(x，y)每個像素的相位P(x，y)，依照如下公式生成人臉<formula>formula see original document page 3</formula>
8.根據(jù)權(quán)利要求7所述的身份識別方法，其特征在于，所述待識別用戶的身份特征為 Xface-Paim= (bi(x, y), b2(x, y), b3(x, y), b4(x，y))，其中 bi(x, y) = b^^^x, y), b2(x, y)= b2face(x, y), b3(x, y) = Valm (x, y), b4(x, y) = b2palm(x, y)。
9. 一種身份識別系統(tǒng)，其特征在于，包括 提取模塊，包括采集模塊，用于分別采集待識別用戶的人臉圖像和掌紋圖像，再從采集的人臉圖像和 掌紋圖像中截取各自的特征部分分別作為人臉特征圖像和掌紋特征圖像； 濾波模塊，用于分別對人臉特征圖像和掌紋特征圖像進(jìn)行Gabor濾波； 編碼模塊，用于分別對Gabor濾波后的人臉特征圖像和Gabor濾波后的掌紋特征圖像 進(jìn)行編碼，得到對應(yīng)的人臉特征編碼和掌紋特征編碼；融合模塊，用于融合人臉特征編碼和掌紋特征編碼，得到待識別用戶的身份特征； 匹配模塊，用于通過將待識別用戶的身份特征與身份特征庫中的身份特征進(jìn)行匹配， 來對該待識別用戶進(jìn)行身份識別。
10.根據(jù)權(quán)利要求9所述的身份識別系統(tǒng)，其特征在于，所述采集模塊進(jìn)一步包括 人臉特征圖像采集模塊，用于采集所述人臉圖像，定位其中的雙眼位置；旋轉(zhuǎn)該人臉圖像，使得旋轉(zhuǎn)后的雙眼位置連線處于水平位置；在旋轉(zhuǎn)后的人臉圖像中截取大小為128X128像素的部分作為人臉特征圖像F(x，y)，其中該人臉特征圖像的中心為旋轉(zhuǎn)后的人臉圖像的中心。
全文摘要
本發(fā)明涉及身份識別技術(shù)，針對現(xiàn)有基于單一一種生物特征的身份識別技術(shù)的準(zhǔn)確度和魯棒性相對較差的缺陷，提供一種身份識別方法和身份識別系統(tǒng)。方法包括采集待識別用戶的人臉圖像和掌紋圖像，再從采集的人臉圖像和掌紋圖像中截取各自的特征部分分別作為人臉特征圖像和掌紋特征圖像；對人臉特征圖像和掌紋特征圖像進(jìn)行Gabor濾波；融合人臉特征編碼和掌紋特征編碼，得到待識別用戶的身份特征；通過將待識別用戶的身份特征與身份特征庫中的身份特征進(jìn)行匹配，來對該待識別用戶進(jìn)行身份識別。本發(fā)明可有效的解決現(xiàn)有基于單一一種生物特征的身份識別技術(shù)的準(zhǔn)確度和魯棒性相對較差的問題。
文檔編號G06K9/54GK101819631SQ201010148570
公開日2010年9月1日 申請日期2010年4月16日 優(yōu)先權(quán)日2010年4月16日
發(fā)明者沈琳琳 申請人:深圳大學(xué)