基于虹膜和人臉的多生物特征身份認證關鍵技術研究.pdf

1、隨著單模態(tài)生物身份認證技術的廣泛應用,普適性、防偽性、區(qū)分性以及模板安全性方面的不足逐漸顯現(xiàn),高性能的基于多生物特征融合的身份認證技術日益成為學術研究的熱點。多生物特征身份認證,首先,要求待融合的生物特征具有較強的普適性,即方便采集、易于被廣泛接受,且適用于復雜條件;其次,由于生物樣本較易獲取,同時希望多生物特征具有防偽功能,增強系統(tǒng)的安全性;另外,不僅僅希望待融合的單模態(tài)生物特征具有高區(qū)分性,同時還要求融合方法也具有較高的身份認證性能

2、;最后,為了使多模態(tài)生物特征模板更為安全的應用于身份認證系統(tǒng),除了使用多模態(tài)提高攻擊者攻擊成功的復雜度之外,還要對多生物特征融合模板進行模板保護。因此對于多生物特征身份認證關鍵技術進行研究,不僅具有較高的學術價值,更具有重要的現(xiàn)實意義。
　　本文借鑒單模態(tài)生物特征的信息處理過程,從分析、總結多生物特征身份認證系統(tǒng)涉及到的問題出發(fā),充分利用低質量虹膜生物特征的普適性、熱成像人臉圖像生物特征的防偽性,設計相應的預處理和特征提取方法,并

3、有針對性的設計了基于三角范數的分數層融合方法,構建了基于低質量雙眼虹膜,熱成像以及可見光人臉的多生物特征融合系統(tǒng),對此多模態(tài)系統(tǒng)給出了相應的多生物特征模板保護方法,既分析了融合系統(tǒng)的身份認證性能,又分析了不同生物特征泄露后,模板保護方法的安全性。本文的主要創(chuàng)新點和研究工作有:
　　面向低質量虹膜圖像,針對由于眼鏡反光而引起的光斑,以及采集者頭發(fā)、睫毛等各種因素而影響虹膜定位等問題,提出了針對低質量虹膜圖像預處理方法框架RPRH(R

4、eflectionremovalplus Probabilityboundaryand Reductionof Houghtransform)。首先用基于不可壓(Navier-Stokes,NS)動態(tài)流體力學的圖像修復方法對光斑區(qū)域進行修復,然后使用概率邊界(Probability boundary,Pb)算子提取虹膜內圓邊界,最后對Hough變換的輸入點集進行選擇,提高低質量虹膜圖像的內外圓環(huán)定位精度,最終得到高性能的低質量虹膜特征。

5、
　　利用熱成像人臉圖像的防偽造功能,針對現(xiàn)有熱成像人臉圖像特征身份認證性能不高等問題,提出了基于復數Gabor束描述子(Complex Gabor Jet Descriptor,CGJD)的熱成像人臉圖像特征提取方法。使用Gabor小波卷積后主要表示能量的幅值、表示脊的實部、表示邊界的虛部以及表示方向的相位等系數信息,對Gabor小波變換后下采樣圖像塊的塊均值和塊標準差進行復數域的融合,在多尺度下使用復數線性判別法(Comple

6、x Linear Discrimination Analysis,CLDA)提高區(qū)分性,得到高性能的熱成像人臉圖像CGJD復數特征。
　　針對低質量虹膜和熱成像人臉圖像特征的特點,基于特征層和分數層,分別構造了基于雙眼虹膜的多實例融合系統(tǒng)、基于熱成像和可見光人臉圖像的多傳感器融合系統(tǒng)。并且,針對低質量虹膜二進制比特特征和人臉復數特征的不同表達形式,以及傳統(tǒng)分數層融合方法的不足,提出了基于Acz′el-Alsina(AA)三角范數的

7、分數層融合方法AASF(Acz′el-Alsinatriangularnorm Scorelevel Fusion),該方法能夠增大類內與類間匹配分數分布之間的距離,進一步提高了多生物特征的身份認證性能。
　　針對多生物特征模板泄露后,模板安全相對于單模態(tài)來說更為嚴重,結合本文設計的多模態(tài)融合系統(tǒng)的特點,提出了基于模糊承諾的多生物特征的模板保護方法FMTP(Fuzzycommitmentand Multibiometrics Te

8、mplate Protection),以及單生物特征泄漏后的安全性分析方法。首先將復數形式下的熱成像以及可見光人臉特征,轉換成二進制比特特征,對低質量的左右虹膜進行加密存儲,達到安全保護多生物特征模板的目的,并在認證階段使用AA三角范數,對特征匹配結果進行分數層融合。本文除了對所設計的模板保護算法的身份認證性能進行分析外,還對不同生物特征泄露后,融合特征在交叉匹配的模式下的安全性進行了分析,明顯看出多模態(tài)相對于單模態(tài)系統(tǒng),提高了身份認證