[发明专利]一种基于拒绝域的多生物特征认证融合方法

说明书

技术领域

本发明涉及生物认证技术领域，具体涉及一种能够利用多个生物特征进行身份认证的融合方法。

背景技术

在以信息化、数字化、网络化为特点的现代社会中，快捷、准确的身份鉴别变得越来越重要，身份鉴别是指通过某种手段确定人身份的方法。传统的身份鉴别方法主要有密码、IC卡、钥匙等等。这些传统的方法由于在安全性上无法解决的漏洞，例如密码容易被窃取、忘记或者IC卡容易丢失等，已经无法满足社会发展的需求。

生物特征识别利用人体固有的生理特征和行为特征，通过可靠的分析和分类方法来自动确认人的身份，具有稳定性、防伪性和唯一性等特点。由于生物特征识别具有以上的优点，因此近年来基于生物特征识别的智能身份鉴别技术受到广泛的关注。通常认为可以用来进行鉴别身份的生物特征包括脸像、虹膜、指纹、声纹、笔迹、步态、视网膜、掌纹、红外温谱、签名等。这些生物特征相比其他传统的身份认证方法，具有人各有异、终身不变、随身携带、不易伪造的特点。

经过数十年的研究和艰苦的努力，基于生物特征识别的智能身份鉴别技术在各个领域取得了不同程度的成功，在脸像、虹膜、指纹、声纹、笔迹、步态、掌纹等生物特征识别领域都有了丰富的研究积累。

生物特征认证系统的任务是判断给定的生物特征是否属于所声称身份，系统可以描述为：假设I代表输入需要认证的个体，T表示模板中个体声称身份对应的模板，则有以下两种可能：请求者为假冒者(imposter)：T＝I；请求者为用户(client)：T＝C。认证系统在I与T之间给出一种相似性度量，若匹配值小于给定的阈值，则决策为：接受此人；否则决策为：拒绝此人。一般来说，一个实用的单生物认证系统由下面几个部分组成

1生物特征信号获取：利用传感器捕捉原始的生物特征信号。

2特征提取阶段：由于得到的原始生物特征信号一般都在超高维空间并且含有很多冗余信息，所以需要对原始的生物特征信号进行处理，得到可以准确表征原始信号特点的特征向量。

3特征匹配：利用设计的分类器对特征提取阶段提取的特征向量和模板数据库中的模板进行匹配计算，得到匹配值。

4决策模块：根据特征匹配阶段得到的匹配值，利用一定的决策规则对待识别个体的身份进行决策。

相对单生物特征识别系统，多生物特征融合的身份识别系统可以提高系统性能，降低噪声和类内类间差异等问题对系统的影响；多种生物特征共同使用，可以使系统适用于更大范围的人群，从而解决了非普遍适用性的问题。同时，因为需要提供不同种类的生物特征，非法用户窃取多种不同生物特征的难度增加，降低了系统安全性方面的隐患。

基于一般身份鉴别系统的框架结构，可以将多模态生物特征鉴别系统从融合层次的角度分成三类：基于信号或者特征层的融合系统(见图1)，基于匹配值的融合系统(见图2)，基于决策层的融合系统(见图3)。其中，基于匹配值的融合系统对单个生物特征识别系统分类器得到的匹配值进行融合。该系统是现今研究最多的一类融合系统。这种融合系统相当于在单个生物特征识别系统后再加一个二级分类器，所以经典的模式识别分类方法都可以应用在这种融合系统中。

基于匹配值层的融合系统中的核心部分是融合用于特征匹配的分类器的匹配结果。现今基于匹配层的融合方法研究的比较多，相对比较成熟。这些融合方法一般可分为两类：固定的融合方法和可训练的融合方法。常见的固定的融合方法有加法规则，乘法规则，最大规则，最小规则等等。常见的可训练的融合方法有带权重的加法规则，支持向量机融合方法，决策模板方法(Decision Templates)，DS(Dempster-Shafer)方法等等。给定的生物特征，这些方法，不管是固定的还是可训练的，融合所有分类器给出的匹配结果。一般来说，多生物特征的认证系统的认证效果要好于其中任何一个利用单一的生物特征的系统的认证效果。不过当某个单一的生物特征的认证效果特别差的时候，即使用了很好的融合方法，整个融合起来的认证效果也会受到很大的影响。产生这种现象的主要原因是其中某个生物特征的分类器匹配结果带来的噪声太大。因此，减少参加融合的分类器给融合带来的噪音将会对整个系统的认证效果起到积极的作用。

发明内容

为了解决现有融合方法给整个组合系统带来噪音的缺陷，本发明的目的在于给参加融合的分类器一个可拒绝对样本分类的条件，实现一种基于拒绝域的多生物认证融合方法。

为了实现所述目的，本发明提供基于拒绝域的多生物认证融合方法。在这种组合的方法里，我们把融合的过程分为三个阶段。本发明的分类步骤如下：