（应用数学专业论文）虹膜与面像识别融合算法模型的研究.pdf

东北大学硕士学位论文摘要 虹膜与面像识别融合算法模型的研究 摘要 生物识别是 f o 用人体固有的生理特性和行为特征来识别个人身份的科学 它与传统的基于口令和个人身份号码的方法相比有其不可替代的优势 本文首先 对生物识别及其应用和发展做了简要的介绍 然后用m a t l a b 语言实现了虹膜识别 的算法 并利用c a s i a 虹膜图像数据库上进行了实验 由于单一的生物识别技术 不易满足人们的需要 同时随着多传感器数据融合技术的发展 提出了多生物特 征识别技术 作为有很大推广价值和实用价值的虹膜识别和面像识别技术的融合 系统 能有效的改善系统的性能 本文第三章中 首先简要介绍了面像识别 然 后以贝叶斯理论为基础 将各个分类器的决策结果分成边界决策和非边界决策 并根据决策结果的特点给出了一系列的融合规则 并讨论了这些融合规则的特点 和效果 最后应用到虹膜识别与面像识别的融合系统来改善系统性能 关键词 生物识别虹膜识别面像识别多生物特征识别边界决策 东北大学碗上学位论文 a b s t r a c t ar e s e a r c ho nam o d e lo ft h ef u s i o no fi r i sa n d f a c e r e c o g n i t i o n a b s t r a c t b i o m e t r i c sr e c o g n i t i o ni sas c i e n c eo fr e c o g n i z i n gt h ei n d i v i d u a li d e n t i t yb ya p p l y i n gt h e i n h e r e n tp h y s i o l o g ya n db e h a v i o rc h a r a c t e r st h a ta l eb e l o n gt ot h ei n d i v i d u a l s i th a st h ed i s t i n c t i v e a d v a n t a g e st ot h et r a d i t i o n a lm e t h o dt h a ti sb a s e d0 1 1o r a lc o d eo ri dn u m b e r s t h i st h e s i sf i r s t l y g i v e st h eb r i e fi n t r o d u c t i o nt ot h eb i o m e t r i c sr e c o g n i t i o n i t sa p p l i c a t i o na n dd e v e l o p m e n t t h e nb y u s i n gt h el a n g u a g eo fm a t l a b t h ea l g o r i t h mo fi r i sr e c o g n i t i o ni sr e a l i z e d t h er e s u l to f i th a sb e e n t e s t e di nt h ec a s i ai r i si m a g ed a t a b a s e b e c a u s et h es i n g l eb i o m e t r i c sr e c o g n i t i o nt e c h n o l o g y c a n n o ts a t i s f yt h en e e do f p e o p l e w i t ht h ed e v e l o p m e n to f m u l t i s e n s o rd a t ai n t e g r a t i n gt e c h n o l o g y s o m es c i e n t i s t sh a v er a i s e d t h em u l t i b i o m e t r i c sc h a r a c t e r sr e c o g n i t i o nt e c h n o l o g y w i t ht h e e n o f n l o 娃sp o p u l a r i z a t i o na n dp r a c t i c i n gv a l u e s i n t e g r a t i o ns y s t e mo fi r i sa n df a c er e c o g n i t i o nc a n e f f e c t i v e l yi m p r o v et h ec a p a c i t yo f t h er e c o g n i t i o ns y s t e m i nt h ec h a p t e rt h r e eo f t h i st h e s i s f i r s t l y t h ef a c er e c o g n i t i o ni sb r i e f l yi n t r o d u c e d t h e nb a s e do nt h et h e o r yo f b a y e s t h ed e c i s i o nr e s u l t so f e a c hc l a s s i f i e ra r ec l a s s i f i e di n t ob o r d e rd e c i s i o no rn o n b o r d e rd e c i s i o n a c c o r d i n gt ot h ef i n a l r e s u l to ft h e s ed e c i s i o n s as e r i e so fi n t e g r a t i n gr u l e sa r eg i v e na n dt h ec h a r a c t e r sa n de f f e c t sa r e d i s c u s s e de i t h e r i nt h ee n do ft h i st h e s i s t h ei n t e g r a t i o ns y s t e mo fi r i sa n df a c er e c o g n i t i o ni s a p p l i e df o ri m p r o v i n gt h ec a p a c i t yo f t h es y s t e m k e yw o r d s b i o m e t r i c sr e c o g n i t i o n i r i sr e c o g n i t i o n f a c er e c o g n i t i o n m u l t i b i o m e t r i c sc h a r a c t e r r e c o g n i t i o n b o r d e rd e c i s i o n 东北大学硕士学位论文 箱一章绪论 第一章绪论 在现代社会中 随着计算机及网络技术的高速发展 信息安全显示出前所未有 的重要性 身份认证是保证系统安全的必要前提 身份认证不仅仅定义用户是谁 它把 谁 与 什么 直接联系在一起 用户在组织中的角色是什么 用户需要 访问什么资源和信息 以及他 她能够对信息做什么操作 不能做什么操作 身份认证一般分为三类 基于特定物品 基于特定知识 基于生物特征 前两 类方法 如身份证 工作证 智能卡 密码 口令等 存在携带不便 容易遗失 或者由于使用过多或不当而损坏 不可读和密码易被破解等诸多问题 因此 目 前广泛使用的依靠证件 个人识别号码 口令等传统方法来确认个人身份的技术 面临着严峻的挑战 并越来越不适应现代科技的发展和社会的进步a 1 1 生物识别简介 1 生物识别的概念 什么是生物识别技术 所谓生物识别技术就是 通过计算机与光学 声学 生 物传感器和生物统计学原理等高科技手段密切结合 利用人体固有的生理特性 如指纹 丽像 虹膜等 和行为特征 如笔迹 声音 步态等 来进行个人身 份的鉴定 生物识别技术比传统的身份鉴定方法更具安全 保密和方便性 生物特征识别 技术具有不易遗忘 防伪性能好 不易伪造或被盗 随身 携带 和随时随地可 用等优点 所有基于生物特征的自动识别系统都有大体相同的工作原理和工作过程 它主 要包括两个模块 注册模块和识别模块 在注册模块中首先登记用户的姓名和其 它个人信息 通过生物特征识别传感器得至0 用户的生物特征信息 然后从获取的 数据中提取出用户的特征模式 刨建用户模板 存储在数据库中 在识别模块中 与注册过程类似 一样获取用户的生物特征信息 提取出特征模式 然后与事先 注册在数据库中的模板相匹配 检验用户身份 东北大学硕士学位论文第一章绪论 关于个人身份识别的问题可以分为两类 认证和辨别 认证指的是验证用户是 否为他所声明的身份 即要回答 我是那个我声称的那个我吗 的问题 辨别 指的是确定用户的身份 即要回答 我是谁 的问题 从辨别和认证的定义中可以看出 两者的工作原理和流程大致相同 只不过辨 别需要将样本与数据库中的每一个模板分别匹配 从而确定此样本属于哪个人 它是一对多的匹配方式 而认证是将样本与事先声明的模板直接进行匹配 从而 判定该样本是否就是这个人 它是一对一的匹配方式 并非所有的生物特征都可用于个人的身份识别 用于身份识别的生物特征须满 足以下几个条件1 4 i 1 普遍性 即每个人都具备这种特征 2 唯一性 每个人拥有的这一特征应该各不相同 表1 t l 生物特征的特性 t a n e1 1t h ec h a r a c t e r o f b i o m e t r i c s 生物特征普遍性唯一性永久性可采集性准确性可接受性 面像局低 中高低高 指纹中 尚高 由 高中 手形中中 出 高中 由 虹膜 局 高高中高低 视网膜高高 中 低高低 声音 中 低低 由 低高 静脉 手 中 由 中 由由 中 气味高 高 l 曷 低低 由 d n a高尚高低高低 耳廓 由 中尚中 由 高 签名低低低高低高 按键低 低低 由 低 由 步态中低低高低高 3 永久性 这一特征不随时间变化发生变化 4 可采集性 所选择的特征应该便于测量 东北丈学硕士学位论文 第一章绪论 5 准确性 所选择的生物特征能够达到多高的识别率 6 可接受性 使用者在多大程度上愿意接受所选择的生物特征识别系统 可用于生物识别的生理特征有手形 指纹 面像 虹膜 视网膜 耳廓 手 背的静脉 气味 d n a 等 行为特征有步态 签名 声音 按键力度和频率等 基于这些生物特征 人们已经研发了指纹识别 面像识别 语音识别 虹膜识别 手形识别 签名识别等多种生物识别技术 表1 1 列出了一系列生物的特征的各种 特性 1 6 2 生物识别的衡量标准 一个生物识别系统要解决的问题可以描述为 对于一个待识别的人 系统做 出 是 或者 不是 的决策 每一种类型的决策又存在两种可能性 即这一决 策反映的是真实情况或不是真实情况 因此 总共有四种可能的结果 1 具有正确身份的人被接受 2 具有正确身份的人被拒绝 3 假冒者被拒绝 4 假冒者被接受 1 一f r r 图1 1r o c 曲线 f i g 1 1 r o cc u r v e 1 和 3 是正确的决策 2 和 4 是错误的决策 错误决策中用f a r 来表示错误接受率 用f r r 表示错误拒绝率 它们是衡量生物识别系统性能的重 要指标 前者代表把非法用户当成合法用户的概率 后者代表把合法用户当成非 法用户的概率 在具体应用中 两类错误率所造成的损失有可能相差很大 所以 东北大学硕士学位论文第一章绪论 应该在系统的性能的指标中乘以各自的权重 这个时候我们称之为其 风险 通 常我们用r o c 曲线来描述f a r 和f r r 的关系 3 如图所示 r o c 曲线具有下面 这些明显的特点 1 r o c 曲线从图形上刻画出了f r r 和f a r 的一种 折中 关系 如果1 f r r 提高了 也就是f r r 降低了 那么f a r 也要增加 反过来也一样 2 所有的r o c 曲线都是n o o 为起点 n 1 1 为终点的 3 理想的识别系统对应点 0 1 此时的r o c 曲线就是一条水平线并且f r r 为零 r o c 曲线的一个用处 就是在解决两类判别问题时 通常的身份认证问题是一种 特殊的两类判别问题 可以帮助确定一个最好的决策阈值 r o c 曲线的另外一个 用处就是比较各个分类方法的优劣 一个多分类方法中选择最好方法的途径就是 看哪种方法对应的r o c 曲线下包围的面积大 除了上述f a r 和f r r 两个指标及r o c 曲线法外 衡量一个生物识别系统的 标准包括运行时间 即产生样本并与模板相匹配判决的时间 模板的大小 防欺 骗性 可接受能力 稳定期限等等 3 生物识别的发展与应用 随着我们逐渐迈入数字时代 生物特征的身份鉴定技术愈加显示出它的价值 以美国为例 基于这项技术的产业规模已经达到数十亿美元 在美国 每年约有 上亿美元的福利款被人以假冒的身份领取 每年约有价值四亿五千万美元的信用 卡诈骗案发生 利用可靠的方法鉴别a t m 持卡人的身份 可以使全美国每年a t m 骗案造成的损失减少3 亿美元 据美国移民局统计 如果在美国一墨西哥边境采 用快速准确的身份鉴别系统 每天可查出3 0 0 0 件非法入境案件 在生物特征识别 技术最有应用前途的电子商务领域 与此间时 网络黑客的破坏活动也会层出不 穷 因此 识别生物的可靠性以及有效地鉴定个人的身份有着重大的社会和经济 意义 目前 国外许多高技术公司正在试图用眼睛虹膜 指纹 面貌特征等取代我 们手中的各种卡片和密码 并且已经开始在机场 银行和各种电子器具上进行实 际运用 结果备受青睐 在国内 首家生物特征识别的网站业已在北京建立 为 国内生物特征识别研究人员提供了 个内外交流 信息快速流通的平台 在深圳 特区 政府已经为全市3 5 万名离退休人员设立了指纹档案 借助计算机指纹验证 系统发放养老金 据国际生物识别产业协会估计 我国生物识别技术的软件和硬 东北大学硕上学位论文第一章绪论 件市场 有望在1 0 年内达到每年2 0 亿美元的规模 据中国科学院自动化研究所所长谭铁牛研究员介绍 虽然目前中国生物识别 研究的总体水平与国际先进水平尚存在一定差距 但研究步伐大体上跟国际同步 并在虹膜 指纹 掌纹 笔迹识别等领域颇具特色 达到世界先进和领先水平 中科院自动化所为中国生物识别研究的骨干力量 其研究涵盖了生物识别技术的 几个主要领域 未来几年将以产业化为核心 实现生物识别技术形成相当规模的 产业 执生命密匙 启身份之锁 在以计算机技术和生物技术为主流科技的知识 经济崛起时代 身份的鉴定有了来自生物体自身的密匙 横跨这两大科技领域的 生物特征识别技术正愈益显示出其旺盛的生命力和远大前景 1 2 多生物特征识别技术 由于各种生物特征的识别方式都有其一定的适用范围和要求 单一的生物特 征识别系统在实际应用中显现出各自的局限性 如有些人的指纹无法提取特征 患白内障的人虹膜会发生变化等等 统计显示迄今为止 还没有一个单生物特征 能达到完美无错的要求 目前 生物特征识别领域又出现了一种新的方向 即多 种生物特征识别技术结合使用 将多传感器数据融合技术t l o q 5 用于身份鉴别 结 合多种生理和行为特征进行身份鉴别具有低错误拒绝率 特征变化的适应性强 安全可靠性高等优点 从而进一步精化了识别率 提高鉴别系统的精度和可靠性 成为身份鉴别领域发展的趋势 数据融合是针对一个系统中使用多个和 或 多类的传感器这一特定问题的 一种新的数据处理方法 因此数据融合又称作多传感器信息融合或信息融合 多 传感器信息融合是人类或其他生物系统中普遍存在的一种基本功能 人类通过应 用这一能力把来自人体各个传感器 眼 耳 鼻 的信息 外物 声音 气昧 触觉 组合起来并采用先验知识去统计 理解周围环境和正在发生的事件 多传 感器信息融合技术就像人脑综合处理信息一样 其基本原理是充分利用多个传感 器资源 通过对这些传感器及其观测信息的合理支配和使用 把多个传感器在时 间和空间上的冗余或互补信息依据某种准则进行组合 以获得被观测对象的一致 性解释或描述 该传感器系统比由它的各组成部分的子集所构成的系统更有优越 性 东北大学硕士学位论文第一章绪论 目前所研究的多传感器信息融合 主要是指利用计算机进行多源信息处理 从而得到可综合利用信息的理论和方法 其中也包含对自然界人和动物大脑进行 信息融合机理的探索 在多传感器系统中 各信息源所提供的环境信息即证据都具有一定程度的不 确定性 主要表现在证据本身的不完全性 获得证据的不可靠性 表达证据的不 严密性 运用证据的不成熟性 以及各种证据的矛盾性 对这些不确定信息的融 合过程实质上是一个不确定性的推理过程 在身份识别问题中 信息融合可以采用不同的方式 将生物特征识别信息和 非生物特征识别信息相结合 例如将生物特征与智能卡相结合 将多种生物特征 相结合 构成多生物特征识别系统 本文主要论述多生物特征识别系统 在多生物识别系统中 需要考虑两方面 的问题 一是不同生物特征的选择和实现 二是多种生物特征信息的融合 因为 每种生物特征的识别方法都采用不同的特征集 使用不同的算法 所以每种生物 识别方法间是完全独立的 因此 只要尽可能充分融合这些信息 就可达到一个 较好的效果 1 3 本文的主要工作 本文的结构安排如下 第一章 简要介绍了生物识别技术及其应用和发展 第二章 用m a d a b 语言实现了虹膜识别的算法 并在c a s i a 虹膜图像数据库 上进行了测试 在这一章中 首先用粗定位与精定位相结合的办法定位虹膜 然 后将虹膜进行极坐标变换而归一化 在然后根据虹膜的纹理特性设计滤波器 进 行特征提取 最后用主成分分析的方法压缩数据 并采用最小距离分类器进行虹 膜匹配 第三章 主要研究虹膜识别与面像识别的融合问题 首先 用m a r l a b 语言实 现了用经典的k l 变换方法进行丽像识别的算法 并用u m i s t 人脸图像数据库进 行了训练和测试 然后 针对两个独立系统的融合问题 提出了边界决策融合的 算法 并对该算法进行了一系列的分析与讨论 将其应用到虹膜识别与面像识别 的融合系统中 第四章 总结了本文 并展望了生物识别技术的发展方向 东北大学硕士学位论文 第二章虹膜识别 2 1 引言 第二章虹膜识别 虹膜位于人跟的瞳孔和服自之间 是跟睛中一片具有色素沉着的能收缩的环 形薄膜 即俗称的黑眼仁部分 每个人的虹膜都有各种异样的形态 虹膜表面高 低不平 有皱襞和凹陷 近瞳孔处的皱襞特别显著 它是虹膜小动脉的位置标志 虹膜后表面较平坦 由于虹膜内血管分布不均 使虹膜表血出现许多无规则的放 射形条纹 内有许多放射形隆起 代表虹膜血管所经行的路径 所有这些无规则 的血管和隆起就构成了每个人唯一且终身不变的虹膜纹理 虹膜作为一种可用于身份识别的眼睛指纹 最初是由眼科学家提出来的 他 们在大量的临床研究中发现 每个虹膜都有高度细致且唯一的纹理 这种纹理在 几卜年 p 都是不变的 人类的虹膜在第三个月开始产生 独特的纹理在怀孕的第8 个月完全形成 但是色素沉着要持续到从出生到一周岁 即人的虹膜在一周岁前 就完全形成 虹膜的颜色是可以遗传的 但虹膜的纹理却不能遗传 它的形成是 随机的或者无序的 只取决于它在胚胎形成过程中的最初环境 双胞胎或者是同 一个人的两个虹膜在纹理上都是不同的 具有唯一性 虹膜识别技术具有如下优势1 2 j j 1 虹膜是眼睛内部的有机组成 虽然肉眼就可以看见 但极难通过手术来改 变虹膜的纹理 2 虹膜是外部可见的 通过普通摄像机在一定的距离内 o 3 0 1 米 就获得 清晰的虹膜图像 3 虹膜纹理的产生具有高度的随机性 相同纹理的虹膜出现的撅率足1 0 分 之 4 虹膜中瞳孔的不断收缩确定了被测人是具有生命的 活体识别 5 虹膜纹理在诞生前形成 且具有终生不变性 虹膜识别技术是在最近几年才发展起来的新兴技术 国际上 1 9 9 3 年英国剑 桥大学计算机学教授j o h nd a l l g m a n 发表了有关虹膜 i 别理论的经典论文陋 开 桥大学计算机学教授j o h n d a u g m a n 发表了有关虹膜识别理论的经典论文 1 q 开 东北大学硕士学位论文 第二章虹膜识别 2 1 引言 第二章虹膜识别 虹膜位于人眼的瞳孔和眼白之间 是眼睛中 片具有色素沉着的能收缩的环 形薄膜 即俗称的黑眼仁部分 每个人的虹膜都有各种各样的形态 虹膜表面高 低不平 有皱襞和凹陷 近瞳孔处的皱襞特别显著 它是虹膜小动脉的位置标志 虹膜后表面较平坦 由于虹膜内血管分布不均 使虹膜表面出现许多无规则的放 射形条纹 内有许多放射形隆起 代表虹膜血管所经行的路径 所有这些无规则 的血管和隆起就构成了每个人唯一且终身不变的虹膜纹理 虹膜作为一种可用于身份识别的眼睛指纹 最初是由眼科学家提出来的 他 们在大量的临床研究中发现 每个虹膜都有高度细致且唯一的纹理 这种纹理在 几十年中都是不变的 人类的虹膜在第三个月开始产生 独特的纹理在怀孕的第8 个月完全形成 但是色素沉着要持续到从出生到一周岁 即人的虹膜在一周岁前 就完全形成 虹膜的颜色是可以遗传的 但虹膜的纹理却不能遗传 它的形成是 随机的或者无序的 只取决于它在胚胎形成过程中的最初环境 双胞胎或者是同 一个人的两个虹膜在纹理上都是不同的 具有唯一性 虹膜识别技术具有如下优势 1 虹膜是眼睛内部的有机组成 虽然肉眼就可以看见 但极难通过手术来改 变虹膜的纹理 2 虹膜是外部可见的 通过普通摄像机在一定的距离内 o 3 0 1 米 就获得 清晰的虹膜图像 3 虹膜纹理的产生具有高度的随机性 相同纹理的虹膜出现的概率是1 0 4 6 分 之一 4 虹膜中瞳孔的不断收缩确定了被测人是具有生命的 活体识别 5 虹膜纹理在诞生前形成 且具有终生不变性 虹膜识别技术是在最近几年才发展起来的新兴技术 国际上 1 9 9 3 年英国剑 桥大学计算机学教授j o h n d a u g m m a 发表了有关虹膜识别理论的经典论文 1 8 开 东北大学硕士学位论文第二章虹膜识别 创了这一技术进入实际应用的先河 并于1 9 9 4 年根据这一理论获得美国专利 除 了d a u g m a n 的理论外 最近有人提出用小波变换技术来解决虹膜识别问题 此方 法克服了以往系统受漂移 旋转和比例缩放带来的局限 并且对亮度变化和噪声 不敏感 但其计算量较大 国内的虹膜识别技术刚刚起步 搞的人还很少 资料不多 现在只有少数几 家单位在进行实验 其中中科院自动化所的虹膜身份识别课题 研究较深入 取 得了较好的成果 但还没有生产出实用产品 虹膜识别技术将可广泛用于电子金融 电子贸易 网络安全领域 用于金库 海关 地铁 机场等通道控制系统 用作计算机的开机口令 用于居室安全 用 于缉查信用卡犯罪 自动提款机犯罪及其它电子金融犯罪 用到驾驶证 公民身 份证上 还可用于国家安全和国防安全领域 2 2 图像的预处理 获得眼睛图像后的下一个任务就把虹膜韶分从图像中分离出来 即虹膜定位 这是虹膜识别系统中重要的一部分 虹膜是瞳孔和巩膜间的环形可视部分 虹膜 定位就是找到虹膜内外边缘 由于虹膜具有特殊的圆环形状 由外到内巩膜 虹 膜和瞳孔的平均灰度值基本上成阶梯状分布 所以可以利用这一特征搜索虹膜内 外边缘 一般情况下 虹膜的内外半径是不同心的 因此需要分别对虹膜的内外 边界进行定位 为更好理解搜索过程 用i x y 表示所获得的眼睛图像的灰度函数 虹膜内外 边缘的圆形轮廓用中心点为 x y o 半径为r 的参数模型表示 虹膜定位可用以下 算法实现1 1 8 9 j 扯m 驯a xg 渺鲁乒挚s 2 t 1 二尘 这里 g r 芸一 e 2 一 z 丌o g 是均值为r o 方差为盯的高斯函数 用来平滑滤波 消除噪声 以利于检 测边界的梯度变化 表示卷积 u 为微分算子 表示求方向梯度 微分算子作用 于图像 通过不断增大半径r 沿以半径为r 和中心坐标为 x o y o 的弧d s 进行 线积分 用式 2 1 算法定位虹膜内外边缘的过程就是在参数空间 r x o y o 8 东北大学硕士学位论文第二章虹膜识别 搜索灰度变化的最大绝对值的过程 这个圆形边缘检测器检测圆形边界的时候需 要对整个图像进行搜索 这是个很费时间的过程 一种新的粗定位与精定位相结 合的方法可以适当的解决这个问题 粗定位与精定位的结合方法 从灰度直方图 图 2 2 中可以看出 瞳孔的 图2 1 原图像 f i g2 1t h eo r i g i n a li m a g e 图2 3 闽值分割的结果 f i g2 3t h e r c s i i l to f s e g m e n t a t i o n b yt h r e s h o l d 图2 5 虹膜分割的结果 f i g2 5t h er e s u l to f d e g m e n t a t i o n 图2 2 直方图 f i g2 2h i s t o g r a m 图2 4 开操作和闭操作后的结果 日g2 4t h e r e s u l to f o p e n i n ga n d c l o s i n g 图2 6 归一化并去处眼皮的虹膜 f i g2 6u n i f ya n dg e tr i do f e y e l i d 东北大学预士学位论文第二章虹膜识别 灰度远小于眼睛其它部分的灰度值 而且瞳孔区近似灰度值的像素的点分布集中 根据瞳孔的这一特点 首先用门限分割的方法粗略的分离出瞳孔 然后确定瞳孔 的圆心的粗略位置和半径 虽然虹膜的内外边缘不同心 但二者的圆心的位置相 差不多 所以可以将这个圆心作为内外圆圆心的一个估计 在这个圆心位置的基 础上 并估计半径的大概范围 在用圆形检测器进行精确的内外边界的确定 具体的步骤是 1 对图像进行门限阈值分割 并对其二值化 图 2 3 2 采用形态学中的开操作与闭操作的方法去掉图像中无关的点 从而分离出瞳孔 图 2 4 3 利用投影的方法粗略确定瞳孔的圆心和半径 将瞳孔的图像分别投 影到x 轴和y 轴方向 分别得到x 轴和y 轴上投影坐标的最大值和最小值x m i x y m i 和y m 那么瞳孔圆形的粗略坐标 x y 为 x x m 戕 x 加i 2 y y m x y i 2 2 2 瞳孔的半径为 r m a x x m a x x j n 2 y m 一y m i 2 2 3 4 f f i j 用 2 1 1 式的圆形检测器进行最后的精定位 需要注意的是 人在正常凝视的状 态下 上下眼皮会遮挡住部分虹膜 利用 2 1 式进行定位的时候要将积分的区域限 制在 一三 和 等 等m 如图 2 5 口 2 3 虹膜图像的归一化 虹膜定位后的下一个任务就是图像的归一化 因为为能更好的进行虹膜图像 匹配 需要虹膜图像结构之间具有一致性 而眼睛图像获得后 不可避免地存在 移位 旋转 和尺寸的变化等现象 移位是由于拍摄时眼睛水平方向偏离摄像头 造成的 旋转是指沿光轴的角度的偏离 尺寸的变化是指拍摄时眼睛离镜头的距 离的偏离和瞳孔的缩放引起的变化 另外 根据虹膜近似环形的特点 将其进行 极坐标变换更加有利于我们以后的特征的提取 下面的归一化方法能使上述问题 得到一定的解决 图像的归一化原理i 2 6 j 如图 2 7 所示 设虹膜外沿圆心为o x o y o 半径为r o 虹膜内沿圆心为l x i y i a 为虹膜外沿上任意一点 0 和口为坐标变换中用到的辅 助角 根据i x y i o 0 y 0 的相对位置 可以分为几种情况 1 x i x o 2 x i x o x l x 0 3 x i x 0 x i x 0g4 x i x 0 x i o 5 x i x 0 x i 占p 在我们的实验中 针对虹膜的特点 定义了两个通道的滤波器来获得特征向 量 第一个通道我们选择j 3 和占 1 5 第二个通道我们选择占 4 5 和巧 1 5 这两个滤波器我们分别记为g l x y f 和g 2 x y o 于是 我们得到 f i x y 2i j l x l y 1 g 扛一x 1y y 1 d x l a y l i l 2 2 1 4 其中g i 是第i 个通道的滤波器 i x y 是归一化后并去除部分眼皮的虹膜图像 f i x y 是滤波后的图像 我们从这两个滤波后的图像中提取统计特征用来量化虹膜 的纹理 首先 我们将其分成8 8 的小块 在这些小块中 我们分别计算其均值 m 及方差盯 其计算公式如下 东北大学硕士学位论文第二章虹膜识别 m 弓莓愀 i 2 1 5 仃2 丢到驰 l 2 1 6 其中w 为8 x 8 的滤波后的图像n 是8 x8 的小块中的象素数量 由此 我们一共提 取了1 5 3 6 x 4 8 x 5 1 2 8 x 8 x 2 x 2 1 9 9 芷 我们将其排成一维的特征向量 x m l m 2 m 7 6 8 仃l 仃2 盯7 6 8 7 2 1 7 2 5 虹膜的匹配 我们选择的初始特征x 包含了大量的相互关联的特征 它们对于样本的分类 的贡献也是很不相同 大的特征向量集合有很多的不便 最明显的就是计算方面 会有很大负担 另一个不太明显但很重要的原因就是 维数灾难 的问题 所以 降低维数比率是我们必须做的工作 3 9 冉l 主成分分析法是常用的数据压缩的方法 首先要对数据集进行正交变换 正 交变换也叫k l k a r h u n e n l o e v e 变换 是一种线形变换 它可以从原先有关联的 特征中得到新的互不关联的特征 提取训练样本集的特征向量 计算该特征向量 的总体散布矩阵 e c x m 一m 1 2 1 8 或者写成 2 击萎 x z m x 一m 1 2 1 9 式中x i 为第i 个训练样本得到的特征向量 r r l 为训练样本集各个特征向量的平均 向量 m 为训练样本集的总数 直接求1 5 3 6 x1 5 3 6 维矩阵 的特征值和正交归一 的特征向量时 计算量太大 所以引入下面的定理 定理 设a 是一个秩为r 的n x r 维矩阵 u 1 1 0 u l u 2 u r 1 r v 2 v o v 1 v 2 v p i r 和对角阵 人 d i a g 九o 九l 九2 九 1 r 满足a u a l 也v t 注意到r a n k a a r a n k a t a 因此 则存在两个正交矩阵 九o 九1 九2 九 a a 和a t a 有相同的非零特征向量 故 东北大学硕士学位论文第二章虹膜识别 a a 和a 1 a 最多有r 个非零特征值 其中九i i o 1 2 r 1 为矩阵a a 7 和a 7 a 的非零特征值 u i 和v i 分 别是a a 7 和a 7 a 对应于九 的特征向量 上述分解称为矩阵a 的奇异值分解 h 为 a 的奇异值 设a x o m x 1 m x m l m 做a 的奇异值分解 我们得到了m 个 单位正交基向量 u o u 1 u 2 u m l 于是在新的特征空间中 训练样本x 就可以 表示为 y u t x 2 2 0 新的正交空间的维数远远小于 的维数 大大的减轻了计算上的负担 在得到一系 列正交基u o u l u 2 u m 1 后 对于待识别样本文 我们将它投影到m 维的空间中 得到一个投影向量 它 u 7 文 2 2 1 这 图2 8 奇异值分解后得到的特征值图 f i g2 8t h ee i g e nv a l u ea r e rs v d 对于我们的虹膜识别问题 我们总共得到了9 0 个正交基向量 见图 虽然它比 1 5 3 6 要小的多 但我们用这种方法得到的基向量数目依然很大 是我们训练样本 东北大学硕士学位论文第二章虹膜识别 的总数 而事实上 并非所有的u i 都有很大的保留意义 对于u i 如果它所对应 的特征值在整个训练样本集上代表着一个显著的方差值 那么它就叫做这个样本 集的一个主成分 在我们的实际问题中 第一个特征值为4 2 1 4 8 它占总体的比 重为o 4 3 9 7 可见第一个特征向量包含了大量的信息 通过分析主成分 我们就 可以去掉一些对分类贡献不大的特征 并能达到一定的降维的目的 当使用主成 分分析来进行降维处理的时候 一个必须考虑的问题就是该保留多少特征向量 也 就是对应的特征值 凯塞准则 k a i s e rc r i t e r i o n 丢掉那些小于1 的特征值 对于 图2 9c a s i a 虹膜图像数据库中的部分虹膜图像 堍2 9s o m ei m a g eo f c a s i ai r i sd a t a b a s e 我们的问题 只保留前两个特征值 这种准则在一定的情况下能起到很好的效果 但显然不适用我们的问题 另一种有用的方法就是通过观察特征值图 如图2 8 来决定如何保留特征值 基于这种图的形式又产生一个准则 斜率检测准则 从 图中曲线变得平缓开始 丢掉后面的特征值 在我们的问题中 我1 f jn 3 以保留前 2 0 个特征 我们用的准则是前k 个特征值所占的总体比重超过某一闽值为止 也 就是用下面的公式 九 吉 c c 九 2 2 2 在我们的问题中 我们选择了a 为9 6 这样我们保留了前3 6 个特征值 将这3 6 变i 查鲎堡圭堂堡堡苎 篁三童堑堕篓型 个特征值对应的特征向量作为投影空间的基向量 选择合适的距离尺度 我们就 可以对我们的测试集进行识别或者鉴别了 表2 1 测试集的部分实验结果 t a b l e2 1ap a r to f r e s u l ti nt e s t ab cd e fghi a0 0 5 4 9 0 0 9 1 60 0 9 1 10 2 6 8 80 1 9 8 4 0 0 8 0 90 0 9 0 9o 1 3 6 00 0 4 4 6 b0 1 5 4 0 0 0 2 3 5 0 0 8 5 60 4 2 0 10 2 5 1 00 0 9 7 5o 1 3 2 9o 1 1 3 7o 1 2 8 0 c0 0 7 5 2 0 0 8 4 0 0 0 1 3 0 0 3 9 6 00 2 9 0 5 0 1 1 1 4 0 0 8 8 8o 0 9 2 00 0 6 4 4 d0 2 7 5 80 5 0 7 1o 3 8 2 10 0 2 3 00 1 2 4 80 5 7 0 90 3 5 8 30 6 0 6 00 5 5 9 1 e0 0 6 8 0o 2 1 1 1o 1 4 2 0 0 2 1 5 4 0 0 3 7 0 0 1 9 4 70 1 2 5 90 2 0 8 90 1 6 9 8 f0 1 4 8 30 0 9 7 60 1 1 7 40 3 6 8 00 2 6 9 80 0 0 8 7 0 1 4 9 00 1 1 3 3 0 0 4 8 1 g0 0 9 6 50 1 3 7 50 0 9 6 2 o 1 5 6 9 0 2 3 4 6 0 1 7 9 6 0 0 4 6 5o 1 5 6 6 0 1 5 4 5 ho 1 6 1 0 0 1 3 2 00 0 9 3 5o 3 6 1 9 0 4 1 0 0o 1 2 0 3 0 0 8 0 80 0 2 1 00 1 1 9 5 10 1 3 4 00 0 7 2 50 0 6 9 2 0 4 0 6 40 3 0 3 00 0 4 5 9 0 0 8 4 5 0 0 8 9 70 0 0 8 7 2 6 实验结果与小结 为了检验本文所用的虹膜识别算法 我们用c a s i a 虹膜图像数据库进行训练 与测试 这个数据库是中国科学院自动化研究所提供的 c a s i a 虹膜图像数据库 版 本1 o 包括8 0 人 其中男6 2 人 女1 8 人 1 0 8 只不同眼睛的虹膜图像样本 每只眼睛有7 幅8 位灰度图像 分辨率为3 2 0 x2 8 0 这个数据库包括第一个阶段 3 个样本 第二个阶段4 个样本 采集的时间间隔是一个月 图2 9 是数据库中的 部分虹膜图像 表2 1 是我们的用第一阶段的虹膜图像作为训练集 第二阶段的虹膜图像作为测试 集 而得到的部分识别数据 对于虹膜的鉴别问题 是属于 种两类分类的问题 r o c 曲线在两类分类的 问题中是一个有效的分析工具 图2 1 0 是根据实验数据而得到的r o c 曲线 从实验得到的数据中 我们可以看出我们的算法具有一定的鉴别和识别虹膜 的能力 但是还是有很多地方需要改进 东北大学硕士学位论文第二章虹膜识别 一在虹膜图像的预处理和归一化过程中 对眼皮和睫毛考虑的较少 只是 图2 1 0 虹膜鉴别的r o c 曲线 f i g2 1 0t h er o cc u r v eo f i r i sr e c o g n i t i o n 信息 而且没有将眼皮和睫毛的影响完全去除 今后的工作需要更多的考虑眼皮 和睫毛的影响 二在特征的选取上 我们选取的是虹膜纹理的部分统计特征 在特征的选 择上需要进一步改进 提高其可分性 事实上 最初的特征的选择与其说是一门 科学 倒不如说是 f 艺术口9 1 像任何一门艺术一样 需要不断的通过实验和实 践来改进 三在图像的匹配时 我们采用了主成分分析法降低了原特征向量的维数 虽然这种方法较为常用 但它依然有其固有的缺点 今后可以采用f i s h e r 线性判别 法进行适当的改进 四在分类器的设计上 我们选择的是最小的欧氏距离分类器 它的优点是 分类快 计算简单 但效果不够理想 今后可以采用k n n 分类器或者采用神经 东北大学硕士学位论文第二章虹膜识别 网络等方法 1 8 东北大学硕士学位论文第三章虹膜识别与面像识别的融合 第三章虹膜识别与面像识别的融合 3 1 引言 每种生物识别技术都有其固有的优点 但同时也存在局限性 例如 有些人 由于患有白内障等疾病影响虹膜的提取 面像识别会遇到化妆 表情 姿势 光 照变化的影响 声音在人的健康状况发生变化时会改变 另外 每种生物特征的 准确率也是有限的 在某些场合达不到要求 对于一个身份识别系统 由于传感 器的噪声以及特征提取和匹配的缺陷 有时不能保证得出正确的识别结果 一个 冒充者有可能被一个基于生物特征的识别系统错误的接受 因此 需要进一步提 高基于生物识别系统的准确性 为了提高系统性能 考虑将数据融合技术在生物识别中加以应用 即产生多 生物特征识别技术 多生物特征识别技术就是使用多种生理或行为特征进行个体 的身份识别技术 多生物特征识别可减少单生物特征识别带来的一些实际问题 例如 虽然生物特征具有普遍性 目标人群中每一个个体都具有 实际上 并不 是所有的生物特征都真正具有普遍性 同样 生物特征并不一定总能被 个实际 的生物特征识别系统所检测 也就是说 目标人群中的 4 部分不容易被给定的 生物特征识别系统识别出来 如 d 部分人的指纹不易被系统识别 所以指纹识 别系统不能处理这一小部分具有特别特征的人 在各种生物识别技术中 虹膜识别和面像识别的融合系统有很大的实用和推 广价值 面像识别是一种最直观 也是最容易被接受的生物识别技术 它是非接 触性的 可以在很自然的情况下使用 不要主动配合 可以自动用在隐蔽的场合 人脸是区别人的重要器官 面像识别系统作为一种重要的个人身份鉴别方法 可 广泛地应用于公安部门的犯人档案管理 安全认证系统 信用卡认证 医学 视 频会议 入机交互系统 保安监视 通道控制等多种场合 与其它身份鉴别方法 相比 面像识别具有直接 友好 方便等特点 东北大学硕士学位论文第三章虹膜识别与面像识别的融合 3 2 面像识别 3 2 1 引言 面像识别技术包含面像检测 面像跟踪与面像比对等课题 面像检测是指在 动态的场景与复杂的背景中 判断是否存在面像并分离出面像 面像跟踪指对被 检测到的面像进行动态目标跟踪 面像比对则是对被检测到的面像进行身份确认 或在面像库中进行目标搜索 面像自动识别系统作为一种重要的个人身份鉴别方法 具有广泛的应用前景 在国家安全 军事安全和公共安全领域 智能门禁 智能视频监控 公安布控 海关身份认证 司机驾照认证等是典型的应用 在民事和经济领域 各类银行卡 金融卡 信用卡 储蓄卡的持卡人的身份认证 社会保险人的身份认证等具有重 要的价值 一个目动囱像识别系统的工作可以划分为4 个部分 3 4 品 1 像检测 d e t e c t i o n 与分割 s e g m e n t a t i o n 从任意的场景中检测人 脸的存在并进行定位 提取出一个人脸 2 脸的规范化 n o r m a l i z a t i o n 校正人脸在尺度 光照和旋转等方面的 变化 3 人脸表征 f a c er e p r e s e n t a t i o n 采用某种方法表示出数据库中的已知人 脸和检测出的人脸 4 人脸识别 r e c o g n i t i o n 根据人脸的表征方法 选择适当的匹配策略将得 到的人脸与数据库中的已知人脸相比较 面像识别研究的输入图像主要包括人脸的正面 侧面 倾斜三种情况 人脸 正面模式的研究和发展理论 可分为三个历史阶段 第一阶段是以b e r t i l i o n 为代 表 主要研究面像识别的所需要的面部特征 该阶段的识别依赖于人的操作 第 二阶段主要采用人机交互的手段进行识别 代表性的工作是k a y a 利用几何特征数 来表示人脸特征 根据该方法设计的识别系统已经能够实时快速地识别人脸 第 三阶段是真正利用机器进行面像的自动识别 随着计算机的大型化高速化和面像 识别的发展 提出了许多种面像自动识别系统 根据表征方式的不同 通常分为 基于代数特征的识别 基于几何特征的识别方法 基于神经网络的识别方法 本文主要是利用经典的k l 变换以及主成分分析的方法提取面像的代数特征 东北大学硕士学位论文 第三章虹膜识别与面像识别的融合 用m a t l a b 语言实现了这一算法 并在u m s t 人脸图像数据库进行了一些实验 3 2 2 特征提取及特征脸 由于人脸受人的表情 光照 图像质量等因素的影响 所以提取面部特征的 困难较大 目前主要的人脸特征提取和识别的方法基本上可以归结为三类口7 伽 即 基于几何特征的方法 基于模板的方法和基于模型的方法 基于几何特征的方法是最早的传统方法 通常需要和其他方法结合才能有比 较好的效果 基于模板的方法可以分为特征脸的方法 线性判别分析方法 奇异 值分解方法 神经网络的方法等 基于模型的方法则有隐马尔柯夫模型 主动形 状模型和主动外观的方法等 特征脸方法是9 0 年代初期由t u r k 和p e