法律状态公告日
法律状态信息
法律状态
2020-03-13
授权
授权
2017-08-08
实质审查的生效 IPC(主分类):G06K9/00 申请日:20170324
实质审查的生效
2017-07-14
公开
公开
技术领域
本发明涉及掌纹认证领域,更具体地,涉及一种基于特征点及邻域特征匹配的掌纹认证方法。
背景技术
身份识别是加强信息和系统安全的基本手段之一,与传统的身份识别技术相比,生物特征识别技术具有方便、安全、可靠等优点。掌纹识别作为生物特征身份识别技术的一种,有许多独特的优势,包括准确率高、采集设备成本低廉、用户可接受性好等,具有广阔的应用前景。
随着生物特征识别技术在商业中的大规模应用,掌纹识别技术的研究也涌现出诸多方法,如基于掌纹结构的方法,基于相位编码的方法等。
基于掌纹结构的方法的主要思想是利用掌纹本身的脊线和褶皱的方向和位置信息作为特征,实现掌纹识别。这种方法思路比较直接,纹线等特征也较为稳定,但是提取与描述比较困难。
基于相位编码的方法利用了在掌纹图像中每个点的方向信息,多采用滤波处理,然后根据设计规则对滤波的结果进行编码。通常编码的结果用比特码表示,然后采用二进制计算进行匹配和验证。这种方法的特点是对噪声不敏感,鲁棒性强,匹配速度也很快。
但是上述方法难以解决的一个问题是在采集样本过程中发生的掌纹形变问题。通常,采集样本的过程中,或多或少都会产生一些误差,尤其是在非接触式采集设备的情况下,这样的误差会带来认证精度的下降。在传统方法中,主流的策略是采用偏移计算来减轻偏转和小幅度偏移的影响,通过将两幅对比的样本图像或编码在水平和竖直方向进行平移得到多个匹配距离,再取最佳匹配值为认证结果。这种方法的缺点是需要进行多次重复计算,而且效果有限。
发明内容
本发明为解决以上现有技术在矫正掌纹图像时需要进行多次重复计算的缺陷,提供了一种基于特征点及邻域特征匹配的掌纹认证方法。
为实现以上发明目的,采用的技术方案是:
一种基于特征点及邻域特征匹配的掌纹认证方法,包括以下步骤:
S1.对于问询样本I2和注册样本I1,分别使用尺度不变特征变换方法对其进行SIFT特征点的检测;
S2.得到问询样本I2和注册样本I1的SIFT特征点后,将问询样本I2的SIFT特征点与注册样本I1的SIFT特征点进行SIFT特征点对的匹配,得到若干对SIFT特征点对,并将其存储在匹配点集合S中;
S3.对于匹配点集合S中的每对SIFT特征点对,通过步骤S31~S331的方法分别计算其包括的两个SIFT特征点的邻域特征:
S31.设其中任一SIFT特征点为X,遍历其周围的SIFT特征点,选取与SIFT特征点X欧氏距离最近的n个SIFT特征点作为近邻点;其中n为正整数;
S32.以欧氏距离最近的SIFT特征点为起点,按照顺时针方向排列这n个近邻点;
S33.基于排列好的n个近邻点依次提取其几何特征描述,如步骤S331所示:
S331.设当前近邻点为A,顺时针顺序的下一个近邻点为B,提取当前近邻点A的以下几何特征描述:
1)相对距离:分别计算SIFT特征点X和近邻点A、近邻点B的距离,其比值为相对距离R1,
2)相对方向:SIFT特征点X中包含特征点X的主方向信息,设SIFT特征点X的主方向和近邻点A、近邻点B的主方向之间的夹角分别为
3)相对夹角:SIFT特征点X和近邻点A、近邻点B形成三角形ΔAXB,其中∠XBA和∠XAB的比值定义为相对夹角R3:
S34.经过步骤S33后得到n组几何特征描述,所述每组几何特征描述使用三元组ri=(R1,R2,R3)表示,i=1,2,…,n,则SIFT特征点X的邻域特征以3n维几何特征描述向量进行表示;
S4.对于每对SIFT特征点对,计算得到SIFT特征点对的两个SIFT特征点的邻域特征后,计算两个SIFT特征点的基于邻域特征的距离:
其中Rij1和Rij2分别表示两个SIFT特征点的第i个近邻点的第j个几何特征描述;
S5.当R<t时,在匹配点集合S中保留该SIFT特征点对,否则在匹配点集合S中删除这对SIFT特征点对,其中t为设定的阈值;
S6.计算匹配点集合S中每对SIFT特征点对的相对偏角;
S7.对于匹配点集合S中的任意两对SIFT特征点对,它们的距离Q定义为:
其中Δθa与Δθb分别表示两对SIFT特征点对的相对偏角;
若Q<τ即Q小于设定的阈值,则认为这两对SIFT特征点对属于同一线性变换模型;
S8.基于步骤S7将匹配点集合S划分为M个集合S1,S2,...,SM;
S9.对于集合Sm,其对应的线性变换模型用相对偏角
其中q表示集合Sm中包含的SIFT特征点对的数量,Δθi表示第i对SIFT特征点对的相对偏角,
S10.依据
S11.将注册样本I1和问询图像I'm2划分成n×n个方块单元格;
S12.将包含有SIFT特征点的单元格作为种子单元格,然后将注册样本I1和问询图像I'm2中的种子单元格分别添加进像素区域集合Rm和R'm;
S13.将注册样本I1和问询图像I'm2中的种子单元格的8邻域单元格分别添加进像素区域集合Rm和R'm中;
S14.对像素区域集合Rm和R'm进行以单元格为单位的膨胀和腐蚀的操作,直至Rm和R'm形成完整的封闭区域,得到一组对应的匹配区域;
S15.对M个集合分别进行步骤S9~S14的处理,共得到M组对应的匹配区域;
S16.对M组对应的匹配区域进行像素级的特征提取,然后基于提取的特征分别计算每组对应的匹配区域之间的距离;进一步统计M组对应的匹配区域之间的距离之和;
S17.判断距离之和是否小于所设定的阈值,若是则认定问询样本I2和注册样本I1匹配,否则则认定问询样本I2和注册样本I1不匹配。
优选地,所述步骤S6计算相对偏角的具体过程如下:
设一对SIFT特征点对分别表示为s1、s2,分别计算其与对应的欧氏距离最近的近邻点连线和水平方向形成的夹角θ1,θ2,则相对偏角表示为Δθ=θ1-θ2。
优选地,所述步骤S10对问询样本I2进行矫正的具体过程如下:
1).将问询样本I2以
2).将1)中旋转后的问询样本平移
优选地,所述步骤S16统计M组对应的匹配区域之间的距离之和的具体过程如下:
其中Dis(·,·)表示两个特征向量之间的距离函数,F(·)表示特征提取操作。
与现有技术相比,本发明的有益效果是:
①基于特征点和邻域特征对样本进行精细的匹配和矫正,能够有效解决掌纹采集过程中产生的非线性形变对匹配带来的影响。
②实现两幅掌纹样本基于区域块的精准匹配,避免大部分现有方法对样本进行多个方向和角度的像素偏移匹配带来的大量重复计算。
③本发明提出的掌纹区域匹配方法,能与现有基于像素级特征的掌纹匹配方法结合,提升其性能。
附图说明
图1为相对方向的示意图。
图2为方法的流程示意图。
图3为图像矫正的示意图。
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制;
以下结合附图和实施例对本发明做进一步的阐述。
实施例1
如图1、2、3所示,本发明提供的方法包括以下步骤:
S1.对于问询样本I2和注册样本I1,分别使用尺度不变特征变换方法对其进行SIFT特征点的检测;
S2.得到问询样本I2和注册样本I1的SIFT特征点后,将问询样本I2的SIFT特征点与注册样本I1的SIFT特征点进行SIFT特征点对的匹配,得到若干对SIFT特征点对,并将其存储在匹配点集合S中;
S3.对于匹配点集合S中的每对SIFT特征点对,通过步骤S31~S331的方法分别计算其包括的两个SIFT特征点的邻域特征:
S31.设其中任一SIFT特征点为X,遍历其周围的SIFT特征点,选取与SIFT特征点X欧氏距离最近的n个SIFT特征点作为近邻点;其中n为正整数;
S32.以欧氏距离最近的SIFT特征点为起点,按照顺时针方向排列这n个近邻点;
S33.基于排列好的n个近邻点依次提取其几何特征描述,如步骤S331所示:
S331.设当前近邻点为A,顺时针顺序的下一个近邻点为B,提取当前近邻点A的以下几何特征描述:
1)相对距离:分别计算SIFT特征点X和近邻点A、近邻点B的距离,其比值为相对距离R1,
2)相对方向:SIFT特征点X中包含特征点X的主方向信息,设SIFT特征点X的主方向和近邻点A、近邻点B的主方向之间的夹角分别为
3)相对夹角:SIFT特征点X和近邻点A、近邻点B形成三角形ΔAXB,其中∠XBA和∠XAB的比值定义为相对夹角R3:
S34.经过步骤S33后得到n组几何特征描述,所述每组几何特征描述使用三元组ri=(R1,R2,R3)表示,i=1,2,…,n,则SIFT特征点X的邻域特征以3n维几何特征描述向量进行表示;
S4.对于每对SIFT特征点对,计算得到SIFT特征点对的两个SIFT特征点的邻域特征后,计算两个SIFT特征点的基于邻域特征的距离:
其中Rij1和Rij2分别表示两个SIFT特征点的第i个近邻点的第j个几何特征描述;
S5.当R<t时,在匹配点集合S中保留该SIFT特征点对,否则在匹配点集合S中删除这对SIFT特征点对,其中t为设定的阈值;
S6.计算匹配点集合S中每对SIFT特征点对的相对偏角;
S7.对于匹配点集合S中的任意两对SIFT特征点对,它们的距离Q定义为:
其中Δθa与Δθb分别表示两对SIFT特征点对的相对偏角;
若Q<τ即Q小于设定的阈值,则认为这两对SIFT特征点对属于同一线性变换模型;
S8.基于步骤S7将匹配点集合S划分为M个集合S1,S2,...,SM;
S9.对于集合Sm,其对应的线性变换模型用相对偏角
其中q表示集合Sm中包含的SIFT特征点对的数量,Δθi表示第i对SIFT特征点对的相对偏角,
S10.依据
S11.将注册样本I1和问询图像I'm2划分成n×n个方块单元格;
S12.将包含有SIFT特征点的单元格作为种子单元格,然后将注册样本I1和问询图像I'm2中的种子单元格分别添加进像素区域集合Rm和R'm;
S13.将注册样本I1和问询图像I'm2中的种子单元格的8邻域单元格分别添加进像素区域集合Rm和R'm中;
S14.对像素区域集合Rm和R'm进行以单元格为单位的膨胀和腐蚀的操作,直至Rm和R'm形成完整的封闭区域,得到一组对应的匹配区域;
S15.对M个集合分别进行步骤S9~S14的处理,共得到M组对应的匹配区域;
S16.对M组对应的匹配区域进行像素级的特征提取,然后基于提取的特征分别计算每组对应的匹配区域之间的距离;进一步统计M组对应的匹配区域之间的距离之和;
S17.判断距离之和是否小于所设定的阈值,若是则认定问询样本I2和注册样本I1匹配,否则则认定问询样本I2和注册样本I1不匹配。
在具体的实施过程中,所述步骤S6计算相对偏角的具体过程如下:
设一对SIFT特征点对分别表示为s1、s2,分别计算其与对应的欧氏距离最近的近邻点连线和水平方向形成的夹角θ1,θ2,则相对偏角表示为Δθ=θ1-θ2。
在具体的实施过程中,所述步骤S10对问询样本I2进行矫正的具体过程如下:
1).将问询样本I2以
2).将1)中旋转后的问询样本平移
在具体的实施过程中,所述步骤S16统计M组对应的匹配区域之间的距离之和的具体过程如下:
其中Dis(·,·)表示两个特征向量之间的距离函数,F(·)表示特征提取操作。
实施例2
本发明针对的是采集过程中产生的手掌轻微形变问题,为验证方法的有效性,本实施例选用非接触式采集的掌纹样本进行实验。IITD是公开的采用非接触式采集的数据集,其中较多样本存在形变。
IITD数据集中,有230个人的左右手掌,共460个类别的手掌,每类有5-8张样本。其中有一个掌纹类别重复,因此实际总共459个掌纹类别,共2596张样本。每个类别分别取一张作为训练的模板样本,剩下的作为测试样本,进行认证测试。
表1和表2记录了在IITD数据集上的测试结果,对比了分别仅采用CompCode或者OLOF和采用本发明的方法结合Comp Code或OLOF的认证结果。实验以等误率EER作为评估标准。
表1 本发明的方法结合Comp Code在IITD数据集上的结果比较
表2 本发明的方法结合OLOF在IITD数据集上的结果比较
由此可见,本发明的方法比单纯只采用像素级特征的方法能显著提升掌纹匹配效果。结合Comp Code和OLOF特征,EER分别从4.536%和4.215%下降到1.872%和1.624%,降幅为58.64%和61.4%。
掌纹认证需要满足实时性的需求,如果计算速度过慢将不能满足实用需求,因此进一步对实际运行时间进行了测试。实验采用配置Intel i7-3770@3.4GHzCPU,16GB内存以及Matlab R2015a的PC。测试分为类内和类间样本匹配测试。在类间比对时,由于满足匹配条件的特征点对非常少,所以后续步骤消耗的时间几乎可以忽略。表3记录了本发明所提方法每步的平均运行时间,单位为毫秒(ms)。从实验结果来看,能够满足实时性的需求。
表3 每步平均运算时间统计(ms)
从实验结果可以看到,本发明所实现的方法能有效提高存在非线性形变掌纹的匹配可靠性,同时也能满足实时性的需求。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
机译: 一种正面认证方法,其增强了计算机生成全息图转换的数字全息图标记的安全级别,这是一种基于计算机生成的全息图的正认证系统数字全息图标记发生器,用于基于计算机生成的全息图的正验证系统
机译: 一种用于使用基于特征点的运动估计来编码视频信号的方法和装置
机译: 一种使用基于特征点的运动估计来编码视频信号的方法和装置