[发明专利]基于多模态生物特征识别的中远距离身份认证方法及装置在审

专利信息
申请号: 202111300576.6 申请日: 2021-11-04
公开(公告)号: CN113920591A 公开(公告)日: 2022-01-11
发明(设计)人: 何召锋;李端玲;王微;夏玉峰;王甲 申请(专利权)人: 北京邮电大学
主分类号: G06V40/70 分类号: G06V40/70;G06V40/16;G06V10/141;G06V10/80;G06V10/764;G06K9/62
代理公司: 北京金咨知识产权代理有限公司 11612 代理人: 薛海波
地址: 100876 *** 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 多模态 生物 特征 识别 远距离 身份 认证 方法 装置
【权利要求书】:

1.一种基于多模态生物特征识别的中远距离身份认证方法,其特征在于,包括:

接收可见光场景相机采集的场景图像,所述场景图像包含待认证用户和背景;

采用预设人脸识别模型检测所述待认证用户在所述场景图像中的位置;

根据所述待认证用户在所述场景图像中的位置调整双目深度相机、红外虹膜相机和补光灯模组的角度朝向所述待认证用户;

接收所述双目深度相机采集的三维光图像,并根据所述三维光图像计算所述待认证用户与所述双目深度相机的距离信息;

根据所述距离信息调整所述红外虹膜相机角度和焦距,根据所述距离信息调整所述补光灯模组的角度和亮度,接收所述红外虹膜相机采集的待认证用户设定分辨率的人脸图像和虹膜图像;

对所述人脸图像和所述虹膜图像进行预处理,并将所述人脸图像输入第一特征提取网络以输出人脸特征,将所述虹膜图像输入第二特征提取网络以输出虹膜特征,融合所述人脸特征和所述虹膜特征得到融合特征,将所述融合特征输入预设身份认证算法,得到对所述待认证用户的身份认证结果。

2.根据权利要求1所述的基于多模态生物特征识别的中远距离身份认证方法,其特征在于,融合所述人脸特征和所述虹膜特征得到融合特征,计算式如下:

VT=αVF+(1-α)(βVF+λVI);

其中,VT为所述融合特征,VF为所述人脸特征,VI为所述虹膜特征,α为融合特征识别权重系数,β为所述人脸特征的单模态生物特征识别权重系数,λ为所述虹膜特征的单模态生物特征识别权重系数。

3.根据权利要求2所述的基于多模态生物特征识别的中远距离身份认证方法,其特征在于,β和λ的计算公式如下:

其中,Ff为人脸图像的预处理得分,Fi为虹膜图像的预处理得分,Ff为对人脸图像高清晰度得分、人脸图像对比度得分、人脸分割过程得分、人脸定位过程得分和人脸归一化得分加权求和得到;Fi为对虹膜图像高清晰度得分、虹膜图像对比度得分、虹膜分割过程得分、虹膜定位过程得分和虹膜归一化得分加权求和得到。

4.根据权利要求1所述的基于多模态生物特征识别的中远距离身份认证方法,其特征在于,将所述融合特征输入预设身份认证算法,得到对所述待认证用户的身份认证结果,包括:

基于KNN算法获取预设身份数据库中与所述融合特征最接近的用户身份信息,并输出为身份认证结果。

5.根据权利要求4所述的基于多模态生物特征识别的中远距离身份认证方法,其特征在于,基于KNN算法获取预设身份数据库中与所述融合特征最接近的用户身份信息之前,还包括:

获取多个预设的第二代身份证和/或电子护照的头像、虹膜图像和身份信息;

采集各头像的人脸特征和各虹膜图像的虹膜特征并融合得到预设融合特征,根据所述预设融合特征和所述身份信息建立所述预设身份数据库。

6.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至5任一项所述方法的步骤。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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北京邮电大学,未经北京邮电大学许可,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/202111300576.6/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top