[发明专利]基于老龄用户多方式隐式语义分析处理方法

说明书

技术领域

本发明涉及生物识别技术领域，尤其是基于老龄用户多方式隐式语义分析处理方法。

背景技术

目前，我国60岁以上人口达1.8亿人，约占总人口13.8％，按国际标准衡量，我国已进入了老年型社会，随着国家大力加快建立和完善覆盖城乡居民的社会保障体系，如社会养老保险金的发放、企业年金、医疗保险等，老龄用户将成为未来社会公共服务的主要群体，社会养老保险金、企业年金等发放过程中存在欺骗、冒领现象成为现今社会普遍关注的问题，信息化、数字化、网络技术为解决老龄用户身份认证困局提供了帮助。目前，生物特征识别技术、远程视频认证已经被成功应用到核实社会养老金冒领现象中老龄用户的身份。

生物特征识别技术通过利用人体固有的生理特征和行为动作来进行身份识别和验证。根据使用生物特征的种类和数目，生物特征识别可以分为单生物特征识别和多生物特征识别，作为使用最广的单生物识别身份认证技术，指纹识别在解决老龄用户社会养老金发放时身份认证的问题已受到广泛关注。早在1901年，英国已开始应用指纹识别来避免铁路工人冒领、多领薪金。目前，相关公司如IBM、Microsoft、HP、Compaq、长春鸿达、杭州中正等公司的产品已经进入社会服务领域。我国劳动和社会保障部社会保险事业管理中心发布的《支付养老金指纹身份认证系统技术规范(试行)》也将基于细节点(minutiae)的指纹识别方法作为社会公共服务标准予以颁布，但是，对老龄用户来说，由于久经风霜，模糊手指很常见，传统的基于细节点的指纹识别系统往往会因为提取细节点不理想而导致系统误识率增加甚至认证失效。此外，基于单生物特征的识别技术存在着不普遍性：某些生物特征缺失(如断手指)、损伤(如受损手指)、病变(如白内障)或特征采集质量较差(如人脸光线变化)都会导致识别系统的鲁棒性、可靠性差，防欺骗性弱，难以满足不同场合的实际要求。

图像隐式语义特征(Image Latent Semantic Features，ILSF)由底层特征-图像矩阵获得，具有比传统意义上的图像语义更加丰富的信息，但是相对与底层特征来说，这些特征具有更强的表达和分类能力。因此，利用TLSA提取的特征可以作为一种“独特”的特征，并被证明能运用在生物特征身份认证领域。同时，相比传统的底层特征，由于间接用来描述图像，图像隐式语义特征对于采集图像的质量要求并不是很高，可以更好的克服某些不利因素带来的影响，比如指纹的图像纹线模糊，以及人脸光照变化的影响。

发明内容

本发明要解决的技术问题是：为了克服上述中存在的问题，提供一种对提取特征进行处理的基于老龄用户多方式隐式语义分析处理方法。

本发明解决其技术问题所采用的技术方案是：一种基于老龄用户多方式隐式语义分析处理方法，其具体步骤如下：

a.底层特征的图像矩阵构建：采用多种底层特征，构建每个用户的底层特征的图像矩阵；

b.并行二维非负矩阵分解算法：先对底层特征的图像矩阵进行对角化处理，再对对角化矩阵进行矩阵行方向分解，然后再对原对角化矩阵进行转置处理来得到列方向信息，对得到的基矩阵进行基矩阵正交化；

c.模糊C均值聚类：利用编程工具箱中的模糊C均值聚类方法来进行聚类。

本发明的基于老龄用户多方式隐式语义分析处理方法的有益效果是：利用多方式隐式语义分析算法从底层特征-图像矩阵构建、二维矩阵分解以及聚类算法三方面，能够对提取的特征进行处理，此方法采集质量好和可靠性强，能够满足不同场合的实际要求。

附图说明

下面结合附图和实施例对本发明进一步说明。

图1是本发明的二维矩阵对角化(a)行组合(b)列组合的示意图；

图2是本发明的FCM聚类示意图。

具体实施方式

现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。

如图1和图2所示的基于老龄用户多方式隐式语义分析处理方法，其具体步骤如下：

a.底层特征的图像矩阵构建：采用多种底层特征，构建每个用户的底层特征-图像矩阵(共q个生物特征融合)，其具体步骤如下：

步骤1：对各生物特征的ROI图像统一分块成p个大小为n×n的小图像，q个生物特征图像共p×q个局部小图像；