[发明专利]基于层次结构的人脸和虹膜图像融合识别方法

说明书

技术领域

本发明涉及数字图像处理，模式识别和统计学习等领域，特别是一种基于层次结构的人脸和虹膜图像融合识别方法。

背景技术

生物特征识别技术是利用人的生理和行为特征进行身份鉴别，单一模态生物特征识别技术在研究和商业领域都已经有了重大的突破，但是单一模态的生物特征识别技术无论从算法的识别精度和产品的易用程度上，都离大规模的应用需求还有一定的距离。多个模态的生物特征融合技术不仅能提高系统的识别精度，也扩展了系统的应用领域，是当前生物特征识别技术的一大趋势。

人脸识别和虹膜识别是近几年最具有发展潜力的生物特征识别技术。人脸识别以其使用方便得到广大用户的青睐，但是由于人脸本身结构的相似性，人脸识别的精度难以满足安全性能的要求。虹膜识别是世界上公认的识别精度最高的生物特征识别技术之一，但是由于虹膜图像采集困难，高质量的虹膜图像的获取成为虹膜识别技术发展的一大瓶颈。综合人脸识别和虹膜识别的特点，将人脸和虹膜进行融合成为最具有潜力的多模态生物特征识别技术。目前，国内外人脸和虹膜融合的方法可以分为特征级融合和分数级融合。特征级融合是指将采集到的人脸图像和虹膜图像分别进行特征抽取，然后将得到的人脸特征和虹膜特征采用不同的信息融合方法融合到一起，作为统一的特征，进行身份鉴别。分数级融合是指利用人脸和虹膜各自的识别方法，得到各自的识别结果(以相似度分数的形式出现)，然后采用不同的分数级别融合方法进行融合得到最终的相似度分数，进行身份鉴别。典型的方法包括：中国科学技术大学庄镇全等(CN1932840A)提出的基于数据融合的分数级融合方法；吉林大学周春光(CN101261677A)提出的基于神经网络，进化计算和模糊理论等的人脸和虹膜特征级融合方法。这些方法都是单一层次的并行融合方法，没有充分发挥人脸识别易用性的特点，在真正的系统很难实用。

由于我国人口多、人员流动频繁，大规模的生物特征识别系统具有广阔的应用前景。它对于国土安全、公共安全、金融安全和网络安全都具有重要意义。但是，随着数据规模的增多，系统的识别效率成为一个客观现实中必须解决的问题。例如虹膜识别已经开始在在电子护照、身份证、嫌疑犯排查、失踪人员身份鉴定、银行、电子商务、医疗、保险、社会福利等国家级和行业级的应用中推广，此时中心数据库中虹膜特征模板的规模必将达到海量(百万、千万乃至上亿)，完成一次识别的时间长度将会让人无法忍受，这就是生物特征识别领域中的三大顽疾之一——规模(Scale)问题。此外，一对多的生物特征识别系统的错误接收率(False Accept Rate，FAR，又称误识率)等于错误匹配率FMR和数据库容量的乘积，规模问题的出现还会增加系统的误识率。

另外，现有的生物特征识别系统需要用户的高度配合，给用户的使用带来不便，在某些应用场景，例如机场通关等，需要快速及时地对用户进行识别，繁琐的用户配合将严重降低系统效率。特别地，某些安全领域采用被动生物特征识别技术，需要在用户不知情或者不配合的情况下进行识别。这就引出了生物特征识别系统的又一顽疾——人机交互问题。

相对于指纹识别、掌纹识别、步态识别和签名识别等，人脸识别是人机交互最强的生物特征识别技术，虹膜识别是公认的精度最高的生物特征识别技术。这两种模态的融合具有广阔的应用前景。而远距离的人脸和虹膜识别系统能够发挥人脸识别的灵活性和虹膜识别的精确性，能够在极少的用户配合下进行识别。但是，现有的人脸和虹膜融合的方法主要包括特征级融合和分数级融合，主要的关注点都在于识别算法性能的提高。难以满足实际应用场景中的要求。

综上所述，现有的人脸和虹膜融合识别的方法，没有充分发挥人脸识别的优势，不能满足实际系统和应用场景的需求，如何充分将人脸识别和虹膜识别进行有效的融合是一个亟待解决的问题。

发明内容

现有的人脸和虹膜融合识别的方法，没有充分发挥人脸识别的优势，不能满足实际系统和应用场景的需求的问题，本发明目的是在最大程度的发挥人脸识别和虹膜识别的互补优势，基于层次结构的人脸和虹膜图像融合识别方法，不仅提高了系统的精确度，而且提高了系统的灵活性，同时也提高了整个系统的识别效率，能够满足国家公共安全领域的重大应用需求，为此，提出一种有效的基于层次结构的人脸和虹膜图像融合识别方法。

为达成所述目的，本发明基于层次结构的人脸和虹膜图像融合识别方法的技术方案的步骤包括：

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；