專利名稱：基于指紋圖像隱形意識(shí)的個(gè)人身份驗(yàn)證系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及生物特征圖像分析、識(shí)別和信息安全等交叉領(lǐng)域，尤其是一種基于指紋圖像隱形意識(shí)的個(gè)人身份驗(yàn)證系統(tǒng)。
背景技術(shù)：
為解決偽造指紋給指紋識(shí)別系統(tǒng)帶來的弊端，目前基于軟件的解決方案是通過標(biāo)準(zhǔn)指紋傳感器來捕捉信息，與活性檢測(cè)來用于修改過的算法以測(cè)量如排汗、彈性和變形等皮膚特性，這種方法的主要缺點(diǎn)是識(shí)別結(jié)果容易受到手指施加壓力、環(huán)境濕度和用戶合作等因素影響。在硬件解決方案中，額外的硬件須結(jié)合生物傳感器以檢測(cè)如心跳、溫度及表皮下組織等其他信息，這種方法的主要特點(diǎn)是設(shè)備比傳統(tǒng)光學(xué)傳感器復(fù)雜、昂貴且提取的特征容易發(fā)生偏差。目前的軟硬件解決方案在一定程度上預(yù)防了假指紋的流通，但是如果犯罪分子利用暴力行為截取用戶手指，這些解決方案將如同虛設(shè)。

發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問題是提供一種基于指紋圖像隱形意識(shí)的個(gè)人身份驗(yàn)證系統(tǒng)，利用對(duì)大腦意識(shí)和意識(shí)性行為的分析方法及其數(shù)據(jù)挖掘技術(shù)來提取指紋的固有物理特征和意識(shí)特征進(jìn)行用戶身份認(rèn)證，用于克服因多隱式意識(shí)特征提取不全而造成的匹配識(shí)別錯(cuò)誤，從而克服傳統(tǒng)基于單生物底層特征進(jìn)行身份認(rèn)證的缺點(diǎn)。為解決上述問題，本發(fā)明公開了一種基于指紋圖像隱形意識(shí)的個(gè)人身份驗(yàn)證系統(tǒng)，該系統(tǒng)包括意識(shí)指紋圖像的采集、圖像特征提取、特征優(yōu)化和特征匹配決策。所述意識(shí)指紋圖像的采集包括指紋圖像采集裝置，采集裝置上具有設(shè)定位置和角度的基準(zhǔn)線，采集裝置表面設(shè)有壓電式薄膜壓力檢測(cè)器。所述意識(shí)指紋圖像的采集包括圖像采集向?qū)Ш椭讣y圖像的預(yù)處理，指紋圖像的預(yù)處理的主要步驟包括圖像去噪、圖像分割和圖像增強(qiáng)。所述圖像特征提取包括指紋固有物理特征提取和多隱性意識(shí)特征提取。進(jìn)一步，所述指紋固有物理特征提取包括指紋形狀特征、指紋細(xì)節(jié)點(diǎn)特征和指紋脊線毛孔點(diǎn)特征；多隱性意識(shí)特征提取包括指紋與采集器接觸面積、指紋脊谷間距、指紋方向分布、指紋奇異點(diǎn)數(shù)量和位置及指紋整體方向特征。進(jìn)一步，所述隱式意識(shí)特征的提取是針對(duì)在各種意識(shí)前提下采集到的指紋圖像， 設(shè)計(jì)合理的多方式隱式意識(shí)分析算法，具體包括構(gòu)建單意識(shí)模型、構(gòu)建組合意識(shí)模型和選擇合適的聚類方法進(jìn)行降維。所述的特征優(yōu)化包括隱式意識(shí)特征優(yōu)化和指紋固有物理特征的優(yōu)化。進(jìn)一步，所述隱式意識(shí)特征優(yōu)化是通過對(duì)缺失數(shù)據(jù)特征采用分類決策樹算法，在存儲(chǔ)的多隱式意識(shí)特征模板和提取到的多隱式意識(shí)特征之間建立映射關(guān)系得到，具體步驟為(1)初始化數(shù)據(jù)集，將數(shù)據(jù)集分為缺失數(shù)據(jù)集和非缺失數(shù)據(jù)；
(2)數(shù)據(jù)集權(quán)重值初始化分配；(3)為節(jié)點(diǎn)選擇一個(gè)特征屬性作為這個(gè)節(jié)點(diǎn)分裂時(shí)候的屬性；(4)將訓(xùn)練樣本根據(jù)節(jié)點(diǎn)的特征屬性分類到各個(gè)子節(jié)點(diǎn)；(5)計(jì)算每個(gè)子節(jié)點(diǎn)選擇的特征量的信息熵；(6)計(jì)算每個(gè)子節(jié)點(diǎn)選擇的特征量的增益率；(7)若所選特征量擁有最大增益率，則繼續(xù)分裂節(jié)點(diǎn)為子節(jié)點(diǎn)，若所選特征量不是最大增益率，則重新選擇其特征屬性；(8)若每個(gè)節(jié)點(diǎn)只含有同一類樣本，則將次節(jié)點(diǎn)設(shè)置為葉子節(jié)點(diǎn)，結(jié)束此節(jié)點(diǎn)的分裂，若不只含有一類樣本，則繼續(xù)進(jìn)行節(jié)點(diǎn)選擇。進(jìn)一步，所述指紋固有物理特征的優(yōu)化是在隱性意識(shí)特征得到優(yōu)化后，對(duì)意識(shí)性指紋進(jìn)行的逆向恢復(fù)。所述特征匹配決策包括隱式意識(shí)特征的匹配和指紋固有物理特征的匹配，特征匹配決策需要對(duì)隱式意識(shí)特征和指紋固有物理特征分配不同的權(quán)重，獲得魯棒性的指紋匹配決策原則。本發(fā)明的有益效果是克服傳統(tǒng)的依據(jù)固有物理特征進(jìn)行身份認(rèn)證的弊端，為用戶身份認(rèn)證提供新的研究思路和方法。
具體實(shí)施例一種基于指紋圖像隱形意識(shí)的個(gè)人身份驗(yàn)證系統(tǒng)，該系統(tǒng)包括意識(shí)指紋圖像的采集、圖像特征提取、特征優(yōu)化和特征匹配決策。意識(shí)指紋圖像的采集先通過指紋圖像采集裝置上壓電式薄膜壓力檢測(cè)器獲得，然后通過圖像去噪、圖像分割和圖像增強(qiáng)對(duì)指紋圖像進(jìn)行預(yù)處理。圖像特征提取包括指紋固有物理特征提取和多隱性意識(shí)特征提取，指紋固有物理特征提取包括指紋形狀特征、指紋細(xì)節(jié)點(diǎn)特征和指紋脊線毛孔點(diǎn)特征，多隱性意識(shí)特征提取包括指紋與采集器接觸面積、指紋脊谷間距、指紋方向分布、指紋奇異點(diǎn)數(shù)量和位置及指紋整體方向特征，多隱性意識(shí)特征提取是針對(duì)在各種意識(shí)前提下采集到的指紋圖像，設(shè)計(jì)合理的多方式隱式意識(shí)分析算法，具體包括構(gòu)建單意識(shí)模型、構(gòu)建組合意識(shí)模型和選擇合適的聚類方法進(jìn)行降維。特征優(yōu)化包括隱式意識(shí)特征優(yōu)化和指紋固有物理特征的優(yōu)化，隱式意識(shí)特征優(yōu)化是通過對(duì)缺失數(shù)據(jù)特征采用分類決策樹算法，在存儲(chǔ)的多隱式意識(shí)特征模板和提取到的多隱式意識(shí)特征之間建立映射關(guān)系得到，具體步驟為(1)初始化數(shù)據(jù)集，將數(shù)據(jù)集分為缺失數(shù)據(jù)集和非缺失數(shù)據(jù)；(2)數(shù)據(jù)集權(quán)重值初始化分配；(3)為節(jié)點(diǎn)選擇一個(gè)特征屬性作為這個(gè)節(jié)點(diǎn)分裂時(shí)候的屬性；(4)將訓(xùn)練樣本根據(jù)節(jié)點(diǎn)的特征屬性分類到各個(gè)子節(jié)點(diǎn)；(5)計(jì)算每個(gè)子節(jié)點(diǎn)選擇的特征量的信息熵；(6)計(jì)算每個(gè)子節(jié)點(diǎn)選擇的特征量的增益率；(7)若所選特征量擁有最大增益率，則繼續(xù)分裂節(jié)點(diǎn)為子節(jié)點(diǎn)，若所選特征量不是最大增益率，則重新選擇其特征屬性；
(8)若每個(gè)節(jié)點(diǎn)只含有同一類樣本，則將次節(jié)點(diǎn)設(shè)置為葉子節(jié)點(diǎn)，結(jié)束此節(jié)點(diǎn)的分裂，若不只含有一類樣本，則繼續(xù)進(jìn)行節(jié)點(diǎn)選擇。指紋固有物理特征優(yōu)化在隱性意識(shí)特征優(yōu)化之后，是對(duì)意識(shí)性指紋進(jìn)行的逆向恢
Μ. ο特征匹配決策包括隱式意識(shí)特征的匹配和指紋固有物理特征的匹配，特征匹配決策需要對(duì)隱式意識(shí)特征和指紋固有物理特征分配不同的權(quán)重，獲得魯棒性的指紋匹配決策原則。
權(quán)利要求
1.一種基于指紋圖像隱形意識(shí)的個(gè)人身份驗(yàn)證系統(tǒng)，其特征在于，首先是意識(shí)指紋圖像的采集，然后是圖像特征提取和特征優(yōu)化，最后是特征匹配決策。
2.根據(jù)權(quán)利要求1所述的基于指紋圖像隱形意識(shí)的個(gè)人身份驗(yàn)證系統(tǒng)，其特征在于， 所述的意識(shí)指紋圖像的采集包括指紋圖像采集裝置，采集裝置上具有設(shè)定位置和角度的基準(zhǔn)線，采集裝置表面設(shè)有壓電式薄膜壓力檢測(cè)器。
3.根據(jù)權(quán)利要求1所述的基于指紋圖像隱形意識(shí)的個(gè)人身份驗(yàn)證系統(tǒng)，其特征在于， 所述的意識(shí)指紋圖像的采集包括圖像采集向?qū)Ш椭讣y圖像的預(yù)處理，指紋圖像的預(yù)處理的主要步驟包括圖像去噪、圖像分割和圖像增強(qiáng)。
4.根據(jù)權(quán)利要求1所述的基于指紋圖像隱形意識(shí)的個(gè)人身份驗(yàn)證系統(tǒng)，其特征在于， 所述的圖像特征提取包括指紋固有物理特征提取和多隱性意識(shí)特征提取。
5.根據(jù)權(quán)利要求4所述的基于指紋圖像隱形意識(shí)的個(gè)人身份驗(yàn)證系統(tǒng)，其特征在于， 所述的指紋固有物理特征提取包括指紋形狀特征、指紋細(xì)節(jié)點(diǎn)特征和指紋脊線毛孔點(diǎn)特征；所述的多隱性意識(shí)特征提取包括指紋與采集器接觸面積、指紋脊谷間距、指紋方向分布、指紋奇異點(diǎn)數(shù)量和位置及指紋整體方向特征。
6.根據(jù)權(quán)利要求4或5所述的基于指紋圖像隱形意識(shí)的個(gè)人身份驗(yàn)證系統(tǒng)，其特征在于，所述的多隱性意識(shí)特征的提取是針對(duì)在各種意識(shí)前提下采集到的指紋圖像，設(shè)計(jì)合理的多方式隱式意識(shí)分析算法，具體包括構(gòu)建單意識(shí)模型、構(gòu)建組合意識(shí)模型和選擇合適的聚類方法進(jìn)行降維。
7.根據(jù)權(quán)利要求1所述的基于指紋圖像隱形意識(shí)的個(gè)人身份驗(yàn)證系統(tǒng)，其特征在于， 所述的特征優(yōu)化包括隱式意識(shí)特征優(yōu)化和指紋固有物理特征的優(yōu)化。
8.根據(jù)權(quán)利要求7所述的基于指紋圖像隱形意識(shí)的個(gè)人身份驗(yàn)證系統(tǒng)，其特征在于， 所述的隱式意識(shí)特征優(yōu)化是通過對(duì)缺失數(shù)據(jù)特征采用分類決策樹算法，在存儲(chǔ)的多隱式意識(shí)特征模板和提取到的多隱式意識(shí)特征之間建立映射關(guān)系得到，具體步驟為(1)初始化數(shù)據(jù)集，將數(shù)據(jù)集分為缺失數(shù)據(jù)集和非缺失數(shù)據(jù)；(2)數(shù)據(jù)集權(quán)重值初始化分配；(3)為節(jié)點(diǎn)選擇一個(gè)特征屬性作為這個(gè)節(jié)點(diǎn)分裂時(shí)候的屬性；(4)將訓(xùn)練樣本根據(jù)節(jié)點(diǎn)的特征屬性分類到各個(gè)子節(jié)點(diǎn)；(5)計(jì)算每個(gè)子節(jié)點(diǎn)選擇的特征量的信息熵；(6)計(jì)算每個(gè)子節(jié)點(diǎn)選擇的特征量的增益率；(7)若所選特征量擁有最大增益率，則繼續(xù)分裂節(jié)點(diǎn)為子節(jié)點(diǎn)，若所選特征量不是最大增益率，則重新選擇其特征屬性；(8)若每個(gè)節(jié)點(diǎn)只含有同一類樣本，則將次節(jié)點(diǎn)設(shè)置為葉子節(jié)點(diǎn)，結(jié)束此節(jié)點(diǎn)的分裂， 若不只含有一類樣本，則繼續(xù)進(jìn)行節(jié)點(diǎn)選擇。
9.根據(jù)權(quán)利要求7所述的基于指紋圖像隱形意識(shí)的個(gè)人身份驗(yàn)證系統(tǒng)，其特征在于， 所述的指紋固有物理特征的優(yōu)化是在隱性意識(shí)特征得到優(yōu)化后，對(duì)意識(shí)性指紋進(jìn)行的逆向恢復(fù)。
10.根據(jù)權(quán)利要求1所述的基于指紋圖像隱形意識(shí)的個(gè)人身份驗(yàn)證系統(tǒng)，其特征在于，所述的特征匹配決策包括隱式意識(shí)特征的匹配和指紋固有物理特征的匹配，特征匹配決策需要對(duì)隱式意識(shí)特征和指紋固有物理特征分配不同的權(quán)重，獲得魯棒性的指紋匹配決策原則。
全文摘要
本發(fā)明涉及生物特征圖像分析、識(shí)別和信息安全等交叉領(lǐng)域，尤其是一種基于指紋圖像隱形意識(shí)的個(gè)人身份驗(yàn)證系統(tǒng)，該系統(tǒng)首先是意識(shí)指紋圖像的采集，然后是圖像特征提取和特征優(yōu)化，最后是特征匹配決策。本發(fā)明克服傳統(tǒng)的依據(jù)固有物理特征進(jìn)行身份認(rèn)證的弊端，為用戶身份認(rèn)證提供新的研究思路和方法。
文檔編號(hào)G06K9/54GK102368291SQ201110264000
公開日2012年3月7日 申請(qǐng)日期2011年9月7日 優(yōu)先權(quán)日2011年9月7日
發(fā)明者吳軍 申請(qǐng)人:常州藍(lán)城信息科技有限公司