[发明专利]基于在线极限学习机的腕部静脉认证系统

说明书

技术领域

本发明涉及一种基于在线极限学习机的腕部静脉认证系统。

背景技术

信息技术的飞速发展推动了社会的发展，随之现代社会对于信息技术又提出了更新、更高的要求，例如计算机使得经济与金融网络化，而网络经济与金融又要求更可靠的信息安全系统。身份验证是人们进行加强信息安全性的基本方法之一。传统的身份验证是基于标识物(如证件、钥匙等)或者知识(如密码、PIN等)来完成，然而这些方式不方便、不安全、不可靠的缺点不言而喻：证件、钥匙携带不便、容易丢失伪造；密码可能会被遗忘或被蓄意窃取。因此，急需一种不易被他人替代、仿制、方便、有效、安全的身份识别技术来保障人们的生活和社会的安全，这种技术就是基于人体生理特征的生物识别技术。

生物特征识别技术(BiometricIdentificationTechnology)是指利用人体生物特征进行身份认证的一种技术。与传统的方法不同在于，生物特征识别方法的依据是我们人体本身所拥有的东西，是我们的个体特性。事实上，任何生理上的特征都可以用来进行识别。生物特征分为基于身体特征和基于行为特点两类。身体特征包括:指纹、掌型、眼睛(视网膜和虹膜)、人体气味、脸形、皮肤毛孔、手腕/手的血管纹理和DNA等；行为特点包括:签名、语音、行走的步态、击键的力度等。

本发明是申请号为：201410337530.5《腕部静脉认证系统》上进行的改进,改善了现有装置中需要将所有成员信息重新训练才能完成对新旧成员的准确识别的问题。

发明内容

本发明提供了一种基于在线学习机的腕部静脉认证系统，该系统当有新成员注册时，只对新成员的信息训练，不需要将所有成员信息重新训练就能完成对新旧成员的准确识别，在保证识别准确率的前提下大大节省了注册所需时间。另外，该系统人数容量是可以自动添加的，不必担心人过多而造成系统出错。

本发明采用的技术方案为：

一种基于在线学习机的腕部静脉认证系统，包括识别部分和注册部分；所述的识别部分包括读图模块、图像预处理模块、特征提取模块、手腕静脉特征数据库和识别对比模块，注册部分包括图像采集模块、图像预处理模块和特征提取模块；

图像采集模块，通过手腕静脉采集装置采集手腕静脉红外图像；

图像预处理模块，对采集的手腕静脉红外图像截取感兴趣区域后，对该区域采用均值滤波方法进行滤波处理，进行灰度化、归一化，并采用直方图拉伸的方法进行对比度增强处理；

特征提取模块，对预处理后的图像进行主成分特征提取、小波特征提取；

识别对比模块，利用在线极限学习机对手腕静脉图像进行分类识别，用图像信息的主成分与高频低频特征，与手腕静脉特征数据库进行识别对比；

其中，所述的在线极限学习机模型为：

给定ELM隐含节点数L及对应的参数初始批次的训练数据

隐含节点权值参数矩阵β₀可以通过公式以下求解：

H₀β₀＝T₀

假定则公式H₀β₀＝T₀等价于P₀β₀＝Q₀

给定一批新的训练数据隐含节点权值参数矩阵β₁可以根据以下公式计算：

假定则公式等价于P₁β₁＝Q₁；

将上述过程推广到第k+1批训练数据可以得到隐含节点权值参数矩阵β_k+1可以通过以下公式求解：

P_k+1β_k+1＝Q_k+1

其中

本发明还涉及一种在基于在线注册学习机的腕部静脉认证系统中的注册方法，其步骤如下：

S1、对系统进行初始化设置；

S2、在系统中输入权限密码；

S3、在系统中输入注册姓名；

S4、输入的姓名被暂时存入姓名变量s中；

进一步，所述的姓名变量s的编号方式为：

s₁＝fix(trainnum-p×n)+n+1