[发明专利]基于层次结构的人脸和虹膜图像融合识别方法有效
申请号: | 201010240021.2 | 申请日: | 2010-07-28 |
公开(公告)号: | CN101901351A | 公开(公告)日: | 2010-12-01 |
发明(设计)人: | 谭铁牛;孙哲南;张小博 | 申请(专利权)人: | 中国科学院自动化研究所 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06K9/46;G06F17/30 |
代理公司: | 中科专利商标代理有限责任公司 11021 | 代理人: | 梁爱荣 |
地址: | 100080 *** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 层次 结构 虹膜 图像 融合 识别 方法 | ||
1.一种基于层次结构的人脸和虹膜图像融合识别方法,其特征在于:该融合识别方法的步骤包括:
注册步骤R:采用特征抽取方法,对待注册用户的人脸图像和虹膜图像抽取人脸特征和虹膜特征,得到人脸识别特征和虹膜特征的注册信息并保存到人脸特征注册数据库和虹膜特征注册数据库;
识别步骤S:通过三级层次结构进行人脸和虹膜图像融合识别:第一级,对待识别用户的人脸图像抽取人脸特征,调用人脸特征注册数据库中的注册人脸特征对待识别用户的人脸特征进行识别;第二级,调用人脸特征注册数据库的人脸特征数据和虹膜特征注册数据库的虹膜特征数据并基于典型相关分析模型进行人脸到虹膜的检索,得到候选身份集合;第三级,基于人脸特征注册数据库的人脸特征数据和虹膜特征注册数据库的虹膜特征数据对候选身份集合对人脸和虹膜进行特征抽取和融合识别,对人脸图像和虹膜图像进行身份检索和认证。
2.根据权利要求书1所述的基于层次结构的人脸和虹膜图像融合识别方法,其特征在于,对待注册用户的人脸图像抽取3种人脸特征,包括:用于人脸识别的人脸识别特征、用于人脸到虹膜的检索的人脸检索特征和用于人脸和虹膜融合的人脸融合特征,根据人脸识别特征、人脸检索特征及人脸融合特征分别建立含有人脸识别数据库、人脸检索数据库和人脸虹膜数据库的系统注册数据库。
3.根据权利要求书1所述的基于层次结构的人脸和虹膜图像融合识别方法,其特征在于,对待注册用户的虹膜图像抽取2种虹膜特征,包括:用于人脸到虹膜的检索的虹膜检索特征,用于人脸和虹膜融合的虹膜融合特征,根据虹膜检索特征和虹膜融合特征分别建立含有虹膜检索数据库和虹膜融合数据库的系统注册数据库。
4.根据权利要求书1所述的基于层次结构的人脸和虹膜图像融合识别方法,其特征在于,对待识别用户的人脸图像抽取人脸特征是采用人脸识别特征抽取方法,抽取人脸特征,通过人脸识别分类器进行人脸识别。
5.根据权利要求书1所述的基于层次结构的人脸和虹膜图像融合识别方法,其特征在于,所述基于典型相关分析的模型进行人脸到虹膜的检索的具体步骤包括:
步骤S21:通过给定的注册的人脸检索特征和虹膜检索特征的基础上,采用典型相关分析模型进行离线训练,得到模型参数;
步骤S22:在识别阶段,采用人脸检索特征抽取方法,对输入的人脸图像抽取人脸特征,获得人脸检索特征;
步骤S23:对步骤S22得到的人脸检索特征,通过步骤S21中训练得到的模型参数和虹膜检索数据库中的所有虹膜特征进行预测,得到所有虹膜特征对应的预测分数集合;
步骤S24:对得到的预测分数集合进行由高到低的排序,抽取分数最高的一组虹膜特征所对应的身份作为检索结果。
6.根据权利要求书1所述的基于层次结构的人脸和虹膜图像融合识别方法,其特征在于,所述特征抽取和融合识别的步骤包括:
步骤S31:采用用于人脸和虹膜融合的特征抽取方法,对给定的待识别的人脸图像抽取待识别的人脸特征,得到人脸融合特征;
步骤S31:采用用于人脸和虹膜融合的特征对给定的待识别的虹膜图像抽取待识别的虹膜特征,得到虹膜融合特征。
7.根据权利要求书1所述的基于层次结构的人脸和虹膜图像融合识别方法,其特征在于,所述的融合识别采用特征级或分数级融合策略进行识别。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国科学院自动化研究所,未经中国科学院自动化研究所许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201010240021.2/1.html,转载请声明来源钻瓜专利网。