[发明专利]一种图形纹理的鉴识方法

说明书

技术领域

本发明涉及多维数据空间技术，具体地说是一种图形纹理的鉴识方法；针对的是IT行业中所普遍使用的人脸识别、指纹匹配等对于持续变化性数据的鉴别与认定技术。 

背景技术

以人脸识别算法中对几何关系的判断为例，图形纹理中所存在的特殊顶点之间的角度、长度和相互位置关系决定了算法识别的结果。然而在现实中，这些几何关系都会随着表情、情绪，或环境的不同而有所变化，这就导致了很多参照点的识别成功率会有所下降。

传统上为了降低这些变化所带来的精度降低问题，所采用的技术手段包括：骨骼轮廓识别、但是这些参照点无论怎样改变，其相对应的数值与关联范围都不会超出空间数据中的极限坐标区域。

发明内容

与现存的以数学模型或专属行业算法为基础所设计的系统不同，本方法并不针对特殊的行业规则而进行设计，方法中的判定依据均来源于对空间数据模型的模拟运算。使用该方法时只需确保传入的空间化数据准确无误，就可以确保计算的结果符合用户的预期值。

本方法是对多维数据空间技术的一种实际应用，主要针对的是IT行业中所普遍使用的人脸识别、指纹匹配等对于持续变化性数据的鉴别与认定技术。另外，该方法也可以作为其他数据模型匹配技术的辅助性验证工具，并随着模型复杂度的提高，有效提升这些方法的准确性。

本方法以三维空间内数据的关联性为基础，通过对不同图片间差异化区域的几何性状对照结果，来找出这些区域内所共存的相似性变化规律。当所有的变化都是符合一种预期的演进过程时，便可以将这些图片的内容视作相同。

在数据空间中，当数据的顶点坐标沿着一定规律产生变化时，与其相邻的数据也会根据空间规则的不同而产生相应的互动，从而产生区域性的改变，最终影响到图像整体的鉴识结果。而当空间中的某一个点所关联的周边区域较多时，则可以将该顶点视作关键节点。如果关键节点遗失较多，则比较结果为失败。

空间数据的变化主要来源于以下信息的改变：

?       空间位置的改变

?       空间体积的变化

?       几何形态的改变

?       变化持续的时间

?       持续变化的速率

?       可以变化的区域

 根据空间数据变化原因的不同，本方法分别涉及到了不同的数据处理方法，这些方法包括但不限于：对数据空间位置的运算、对不同空间几何体等比例缩放的运算，以及不同几何体间相互转化的通用计算方法等。

 实现步骤

步骤1：初始化算法结构，并将数据空间的初始化参数值传入函数SpaceMatchZone（）。

步骤2：调用函数CreateMatchSpace（），创建数据空间。

步骤3：调用函数PicToByte（），将待识别的图片数据还原为二进制原数据流（BMP），重置为色彩黑白色。

步骤4：调用函数ByteToSpots（），将原数据流转换为空间数据序列，以几何性状的关联度作为空间中的第三维度。

步骤5：将需要进行匹配运算的原始数据传入函数SpaceStartSpots（），完成vector<atom> OriginSpots的空间数据填充。

步骤6：将需要匹配的目标数据传入函数SpaceEndSpots（），完成vector<atom> EndSpots的空间数据填充。

步骤7：调用函数SpaceMatchAccuracy（），设定匹配精度。

步骤8：调用函数SpaceMatchRules（），设定数据空间的空间曲率。

步骤9：调用函数SpaceMatchGeometry（），设定几何性状的可变规则。

步骤10：将OriginSpots和EndSpots传入函数SpaceMatchGet（），对比得到不相符合的区域。

步骤11：将不相符合的区域依次传入SpaceMatchCompare（），得出从OriginSpots向EndSpots变化所需的过程。

步骤12：调用函数SpaceMatchResult（），依次对比这些过程是否具备相同的规律。

步骤13：当最终的返回值为0时，表示两张图片可以成功匹配，否则表示匹配失败。

本发明的有益效果是：