基于虹膜和人脸的多生物特征身份认证关键技术研究

摘要

随着单模态生物身份认证技术的广泛应用,普适性、防伪性、区分性以及模板安全性方面的不足逐渐显现,高性能的基于多生物特征融合的身份认证技术日益成为学术研究的热点。多生物特征身份认证,首先,要求待融合的生物特征具有较强的普适性,即方便采集、易于被广泛接受,且适用于复杂条件;其次,由于生物样本较易获取,同时希望多生物特征具有防伪功能,增强系统的安全性;另外,不仅仅希望待融合的单模态生物特征具有高区分性,同时还要求融合方法也具有较高的身份认证性能;最后,为了使多模态生物特征模板更为安全的应用于身份认证系统,除了使用多模态提高攻击者攻击成功的复杂度之外,还要对多生物特征融合模板进行模板保护。因此对于多生物特征身份认证关键技术进行研究,不仅具有较高的学术价值,更具有重要的现实意义。
　　本文借鉴单模态生物特征的信息处理过程,从分析、总结多生物特征身份认证系统涉及到的问题出发,充分利用低质量虹膜生物特征的普适性、热成像人脸图像生物特征的防伪性,设计相应的预处理和特征提取方法,并有针对性的设计了基于三角范数的分数层融合方法,构建了基于低质量双眼虹膜,热成像以及可见光人脸的多生物特征融合系统,对此多模态系统给出了相应的多生物特征模板保护方法,既分析了融合系统的身份认证性能,又分析了不同生物特征泄露后,模板保护方法的安全性。本文的主要创新点和研究工作有:
　　面向低质量虹膜图像,针对由于眼镜反光而引起的光斑,以及采集者头发、睫毛等各种因素而影响虹膜定位等问题,提出了针对低质量虹膜图像预处理方法框架RPRH(Reflectionremovalplus Probabilityboundaryand Reductionof Houghtransform)。首先用基于不可压(Navier-Stokes,NS)动态流体力学的图像修复方法对光斑区域进行修复,然后使用概率边界(Probability boundary,Pb)算子提取虹膜内圆边界,最后对Hough变换的输入点集进行选择,提高低质量虹膜图像的内外圆环定位精度,最终得到高性能的低质量虹膜特征。
　　利用热成像人脸图像的防伪造功能,针对现有热成像人脸图像特征身份认证性能不高等问题,提出了基于复数Gabor束描述子(Complex Gabor Jet Descriptor,CGJD)的热成像人脸图像特征提取方法。使用Gabor小波卷积后主要表示能量的幅值、表示脊的实部、表示边界的虚部以及表示方向的相位等系数信息,对Gabor小波变换后下采样图像块的块均值和块标准差进行复数域的融合,在多尺度下使用复数线性判别法(Complex Linear Discrimination Analysis,CLDA)提高区分性,得到高性能的热成像人脸图像CGJD复数特征。
　　针对低质量虹膜和热成像人脸图像特征的特点,基于特征层和分数层,分别构造了基于双眼虹膜的多实例融合系统、基于热成像和可见光人脸图像的多传感器融合系统。并且,针对低质量虹膜二进制比特特征和人脸复数特征的不同表达形式,以及传统分数层融合方法的不足,提出了基于Acz′el-Alsina(AA)三角范数的分数层融合方法AASF(Acz′el-Alsinatriangularnorm Scorelevel Fusion),该方法能够增大类内与类间匹配分数分布之间的距离,进一步提高了多生物特征的身份认证性能。
　　针对多生物特征模板泄露后,模板安全相对于单模态来说更为严重,结合本文设计的多模态融合系统的特点,提出了基于模糊承诺的多生物特征的模板保护方法FMTP(Fuzzycommitmentand Multibiometrics Template Protection),以及单生物特征泄漏后的安全性分析方法。首先将复数形式下的热成像以及可见光人脸特征,转换成二进制比特特征,对低质量的左右虹膜进行加密存储,达到安全保护多生物特征模板的目的,并在认证阶段使用AA三角范数,对特征匹配结果进行分数层融合。本文除了对所设计的模板保护算法的身份认证性能进行分析外,还对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进行了分析,明显看出多模态相对于单模态系统,提高了身份认证和安全性能。

目录

封面

中文摘要

英文摘要

目录

第1章 绪论

1.1 课题背景及意义

1.2 国内外研究现状

1.3 存在的问题及分析

1.4 本文的主要研究内容

第2章 低质量虹膜图像的预处理

2.1 引言

2.2 低质量虹膜图像概述

2.3 低质量虹膜图像的预处理框架

2.4 虹膜特征提取及匹配

2.5 实验结果及分析

2.6 本章小结

第3章 热成像人脸图像的特征提取

3.1 引言

3.2 热成像人脸图像概述

3.3 针对热成像人脸图像的特征提取

3.4 实验结果及分析

3.5 本章小结

第4章 面向虹膜和人脸特征的三角范数分数层融合

4.1 引言

4.2 多生物特征融合概述

4.3 基于虹膜和人脸特征的分数层融合

4.4 实验结果及分析

4.5 本章小结

第5章 面向虹膜和人脸融合系统的多特征模板保护

5.1 引言

5.2 多生物特征融合系统的安全威胁概述

5.3 基于虹膜和人脸的模糊承诺多特征模板保护方法

5.4 多生物特征模板保护方法的安全性分析

5.5 实验结果及分析

5.6 本章小结

结论

参考文献

攻读博士学位期间发表的论文及其他成果

目录

致谢

个人简历