專利名稱：一種人耳認(rèn)證系統(tǒng)及方法
技術(shù)領(lǐng)域：
本發(fā)明涉及人耳識別領(lǐng)域，尤其涉及一種人耳認(rèn)證系統(tǒng)及方法。
背景技術(shù)：
生物特征識別技術(shù)具有良好的安全性和可靠性，隨著其發(fā)展越來越成熟，已開始應(yīng)用到各種領(lǐng)域，如電子商務(wù)、電子政務(wù)、刑事偵探等，目前基于生物特征識別技術(shù)的認(rèn)證系統(tǒng)也層出不窮，如常見的指紋認(rèn)證系統(tǒng)、人臉認(rèn)證系統(tǒng)等。人耳具有豐富而穩(wěn)定的結(jié)構(gòu)，而且人耳近似剛體，不受表情和年齡變化影響。人耳識別技術(shù)同人臉識別類似是一種遠(yuǎn)距離非打擾式的身份識別方法，具有廣泛的應(yīng)用前景。 人耳認(rèn)證時(shí)人耳識別技術(shù)的一個(gè)重要分支，人耳認(rèn)證首先需要待認(rèn)證人的人耳圖像對分類器進(jìn)行訓(xùn)練，建立該人的分類器模型。當(dāng)一個(gè)人進(jìn)行人耳認(rèn)證時(shí)，先聲明自己的身份信息，認(rèn)證系統(tǒng)根據(jù)聲明的信息從驗(yàn)證數(shù)據(jù)庫中找到該信息對應(yīng)的分類器模型，采用該分類器模型對該人進(jìn)行驗(yàn)證，若認(rèn)證結(jié)果與此人聲明的身份信息吻合，則表示認(rèn)證通過，否則表示認(rèn)證未通過。本發(fā)明提出的人耳認(rèn)證系統(tǒng)使用方便，人耳圖像采集方便，可方便移植到各類手持設(shè)備終端中。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種人耳認(rèn)證系統(tǒng)和方法，其可根據(jù)人耳圖像對個(gè)人進(jìn)行身份驗(yàn)證，該人耳認(rèn)證方法可減少人耳姿態(tài)變化對認(rèn)證結(jié)果的影響。本發(fā)明的技術(shù)方案為一種人耳認(rèn)證系統(tǒng)，其結(jié)構(gòu)框圖如圖I所示，包括采集包含人耳區(qū)域的側(cè)面人臉圖像序列的圖像采集模塊；在采集到的圖像序列中檢測人耳區(qū)域并分割出人耳圖像的人耳檢測模塊；對人耳圖像進(jìn)行光照歸一化和幾何歸一化從而得到純耳圖像的的人耳圖像預(yù)處理模塊；從純耳圖像中提取人耳特征向量的人耳特征提取模塊；為多個(gè)合法用戶存儲有人耳特征向量的人耳特征數(shù)據(jù)庫；利用人耳特征數(shù)據(jù)庫中申明的合法用戶的人耳特征向量對人耳特征提取模塊提供的待認(rèn)證目標(biāo)的人耳特征向量進(jìn)行認(rèn)證的人耳認(rèn)證模塊；用于系統(tǒng)人人機(jī)交互的人機(jī)交互模塊。系統(tǒng)的功能模塊劃分如圖2所示。進(jìn)一步的，所述的人耳預(yù)處理模塊對人耳檢測模塊提供的人耳圖像進(jìn)行幾何歸一化和關(guān)照歸一化處理，得到純耳圖像，以降低姿態(tài)及光照對人耳認(rèn)證的影響。進(jìn)一步的，所述的人耳特征向量包括采用PCA和下采樣兩種方法對人耳圖像進(jìn)行特征提取得到的特征，在進(jìn)行認(rèn)證時(shí)，分別匹配模糊k-近鄰算法和基于稀疏表示的分類算法進(jìn)行認(rèn)證。其中，采用PCA算法得到的人耳特征向量在進(jìn)行認(rèn)證前去掉前三個(gè)主元可以降低光照變化對認(rèn)證結(jié)果的影響。進(jìn)一步的，所述的利用人耳特征數(shù)據(jù)庫中的申明合法用戶的人耳特征向量對人耳特征提取模塊提供的待認(rèn)證目標(biāo)的人耳特征向量進(jìn)行人耳認(rèn)證包括將人耳特征數(shù)據(jù)庫中的的申明合法用戶的人耳特征向量與人耳特征提取模塊提供的待認(rèn)證目標(biāo)的人耳特征向量采用模糊k-近鄰算法或基于稀疏表示的分類器進(jìn)行認(rèn)證，如果待認(rèn)證目標(biāo)與申明合法用戶為同一人，則認(rèn)證通過，如果待認(rèn)證目標(biāo)與申明合法用戶不為同一人，則認(rèn)證失敗。進(jìn)一步的，所述人耳特征數(shù)據(jù)庫模塊中每個(gè)合法用戶包含若干個(gè)人耳處于不同角度時(shí)對應(yīng)的特征向量，以降低姿態(tài)變化對認(rèn)證結(jié)果的影響。進(jìn)一步的，所述的人機(jī)交互模塊主要用于維護(hù)系統(tǒng)界面，接收用戶的輸入信息，處理相應(yīng)的事件和消息，同時(shí)給出相應(yīng)的結(jié)果顯示。用戶的輸入信息可以控制系統(tǒng)其它模塊的加載與啟停，同時(shí)可以調(diào)整各模塊的運(yùn)行參數(shù)。進(jìn)一步的，認(rèn)證系統(tǒng)包括離線注冊訓(xùn)練和在線認(rèn)證兩部分功能。所述的離線注冊功能為，系統(tǒng)采集注冊用戶的人耳圖像和身份信息，對采集到的人耳圖像進(jìn)行歸一化預(yù)處理之后進(jìn)行特征提取，從而得到注冊用戶的人耳特征庫和身份信息數(shù)據(jù)庫，供在線認(rèn)證時(shí)使用；所述的在線認(rèn)證功能為，用戶認(rèn)證申請并輸入用戶ID，認(rèn)證系統(tǒng)采集用戶的人耳圖像并對人耳圖像進(jìn)行歸一化預(yù)處理，然后提取該人耳圖像特征并與人耳特征庫中數(shù)據(jù)進(jìn)行 比對，得到與用戶最為匹配的識別結(jié)果ResultID，判斷認(rèn)證結(jié)果是否有效，若有效進(jìn)一步判斷ResultID與用戶輸入ID是否相同，若相同說明認(rèn)證成功，否則告知用戶認(rèn)證失敗及可能的失敗原因。根據(jù)本發(fā)明的另一個(gè)方面，本發(fā)明提供了一種人耳認(rèn)證方法，包括從攝像頭中采集包含人耳區(qū)域的側(cè)面人臉圖像序列；在采集的到的圖像序列中檢測人耳區(qū)域并分割出人耳圖像；將分割出的人耳圖像進(jìn)行光照歸一化和幾何歸一化得到純耳圖像，這時(shí)所有的人耳圖像具有同樣的大小的一致的角度；從純耳圖像中提取人耳特征向量；人耳特征數(shù)據(jù)庫為多個(gè)合法用戶存儲人耳特征向量；領(lǐng)用人耳特征數(shù)據(jù)庫中的申明合法用戶的人耳特征向量對人耳特征提取模塊提供的待認(rèn)證目標(biāo)的人耳特征向量進(jìn)行人耳認(rèn)證。每一步詳細(xì)描述如下圖像序列采集采用DirectShow機(jī)制通過攝像頭采集包含人耳區(qū)域的側(cè)面人臉圖像序列。人耳檢測采用融合膚色模型的AdaBoost算法對圖像序列中每一幀圖像進(jìn)行人耳檢測，如果檢測到人耳則將人耳分割出來用于后續(xù)處理，否則該模塊繼續(xù)通過攝像頭捕獲圖像進(jìn)行人耳檢測，直至檢測到人耳圖像。分割出的人耳圖像高寬比為1.2 1.3:1，如圖3所示。人耳圖像預(yù)處理用于對分割出的人耳圖像進(jìn)行幾何歸一化，將人耳圖像旋轉(zhuǎn)至相同的角度并縮放到同樣的尺寸。另外為了降低光照對人耳識別的影響，還需進(jìn)行光照歸一化處理。人耳歸一化的流程如圖4所示。進(jìn)行人耳幾何歸一化時(shí)，首先通過主動(dòng)形狀模型(ASM)搜索的方法得到人耳外輪廓的坐標(biāo)點(diǎn)，然后采用基于外耳長軸的人耳歸一化方法完成人耳幾何歸一化。所述的基于外耳長軸的人耳歸一化方法流程如圖5所示，其操作步驟如下Stepl :尋找人耳輪廓上距離最遠(yuǎn)的兩點(diǎn)A、B, A、B間的連線即為外耳長軸，如圖5 (a)所示；St印2 :計(jì)算外耳長軸AB與豎直方向的夾角，并以此旋轉(zhuǎn)人耳圖像使AB成豎直方向，如圖5(b)；Step3 :根據(jù)旋轉(zhuǎn)后的圖像坐標(biāo)在5 (b)圖中找出外耳輪廓最左側(cè)邊界點(diǎn)C ；
Step4 :根據(jù)外耳長軸AB長度按人耳長寬比計(jì)算應(yīng)分割出的人耳寬度，從而以A、B、C三點(diǎn)及長寬確定分割出的人耳區(qū)域，并將人耳圖像分割出來得到“純耳”圖像，如圖5(c)所示；St印5 :將得到的純耳圖像統(tǒng)一縮放到同樣的尺寸(參考USTB77人圖像庫的人耳圖像，經(jīng)統(tǒng)計(jì)所有人的人耳長寬比均值為I. 95，因此可按比例將圖像縮放至統(tǒng)一大小)，如圖5(d)所示。在完成角度和尺寸歸一化之后，還需進(jìn)行光照歸一化，以盡量減少光照因素對人耳識別的影響，本發(fā)明采用直方圖均衡化的方法對人耳圖像進(jìn)行光照歸一化處理。特征提取用于從純耳圖像中提取人耳特征向量。本發(fā)明實(shí)現(xiàn)了兩種常見的特征提取方法；主成分分析(PCA)和下采樣(DownSample)的方法。所述的PCA特征提取流程圖如圖6所示。對于一個(gè)含有M個(gè)歸一化后的人耳圖像樣本的訓(xùn)練集，每幅人耳圖像的維數(shù)為mXn，將任意一幅人耳圖像X按列相連構(gòu)成一個(gè) mXn維矢量,即X= (xn，X21,…Xnil, X12,…，Xln,…，X Jτ以訓(xùn)練樣本集的總體散布矩陣作為K-L變換的產(chǎn)生矩陣，即Σ = E |(.r - x)(x - xf j或
I M-IIΣ = — (λ·,. — λ )(.V — λ )' —XXt
MjU'M
I ΜX — — ^ Xj
Mtr其中Μ為訓(xùn)練樣本的總數(shù)，Xi為第i個(gè)訓(xùn)練樣本的圖像向量，I為訓(xùn)練樣本集的平均圖向量，矩陣Σ的維數(shù)為m2 X η2。利用奇異值分解定理(SVD)求取特征轉(zhuǎn)換矩陣U。得到特征轉(zhuǎn)換矩陣后對差值訓(xùn)練樣本集進(jìn)行特征抽取，得到PCA特征庫。對于測試人耳圖像樣本f，可根據(jù)下式計(jì)算其特征y=UTf所述的下采樣算法為對于一幅mXn的人耳圖像，對圖像中的像素分別按行和列每隔H1與H2個(gè)元素進(jìn)行重新的采集，從而獲得一幅辨率為的人耳圖像，對訓(xùn)練集中的每一幅圖像進(jìn)行同樣操作便可得到下采樣特征庫。認(rèn)證識別該模塊完成人耳圖像認(rèn)證識別功能，本發(fā)明采用模糊k_近鄰分類器和基于稀疏表示的分類器分別配合PCA和下采樣算法完成人耳識別。所述的模糊k_近鄰分類器描述如下對于包含c類的訓(xùn)練樣本集，在得到測試樣本X的k個(gè)近鄰的已知樣本{xi，i=l, 2，…，k}后，用下式計(jì)算測試樣本X對于每類的隸屬
度值
Σ(#-χ/ )Mj(X) = ^--j=l,2, - ,c
i=l
上述定義的隸屬度即根據(jù)各個(gè)近鄰距待分類樣本的距離不同對他們的作用進(jìn)行加權(quán)，系統(tǒng)選取隸屬度最大的一類作為識別結(jié)果。采用模糊k_近鄰算法進(jìn)行分類識別的流程如圖7所示。為了保證識別結(jié)果的有效性，系統(tǒng)首先判斷最近鄰距離是否小于某閾值，進(jìn)而判斷如果k個(gè)近鄰中屬于多個(gè)類別的話，類間的距離比是否大于某閾值，上述任一條件不滿足便會導(dǎo)致拒絕識別，否則選取隸屬度最大的一類作為識別結(jié)果。所述的基于稀疏表示的人耳分類器描述如下設(shè)定所有的訓(xùn)練集人耳圖像和測試集人耳圖像都已經(jīng)是歸一化為wXh的灰度圖像，將其寫為列向量的形式V e Rn(m=wXh)，則由η幅訓(xùn)練圖像樣本所組成的訓(xùn)練集就可以表示為下列矩陣形式Α = = [V1,. .，νη],其中為=vM!j表示由第；[類叫個(gè)訓(xùn)練樣本所
組成的子集。若測試樣本只與第i類中的樣本線性相關(guān)，就判定測試樣本屬于第i類。進(jìn)一步的，屬于同一類的測試樣本y e Rm就可以表示成這一類的所有訓(xùn)練樣本的一個(gè)線性組合，即 I 二 +xi.2vt.2 +·''+二 4 , Xi, j e R, j=l, 2···η 其中，x,j為含有身份編碼信息的系數(shù)。同理，也可以將測試樣本y表示成為所有訓(xùn)練樣本的一個(gè)線性組合y=Ax0 e Rm如果訓(xùn)練樣本足夠充分，在理想情況下及二
e Rmxn,線性降維矩陣τ e Rdx- (d《m)，測試樣本組成的列向量為y e Γ，m即測試圖像的維數(shù)，d為測試圖像經(jīng)過線性降維矩陣T變換降維后的維數(shù)。本發(fā)明中線性降維矩陣T采用下采樣方法。Step2 :將訓(xùn)練樣本集矩陣A正規(guī)化，并構(gòu)造降維后的系統(tǒng)模型Y = Ty = ω,^Ι /] 0 Hi
οStep3 :用原始對偶內(nèi)點(diǎn)算法解等價(jià)的e1范數(shù)最小化問題= arg min |w||ν /. = [ΙΑ 1I ^
ω=[χ e\" 1,1St印4 計(jì)算余項(xiàng)(>') = \\}! — (-iI) — I2，其中，i = 1，2，...，k，《(x) =
%及"是第i類中非零系數(shù)構(gòu)成的新向
量,即保留對應(yīng)于第i類樣本的系數(shù)而將其余樣本的系數(shù)全部賦為O。St印5 :計(jì)算對應(yīng)余項(xiàng)rjy)為最小的類i，類i作為最終的分類結(jié)果。本發(fā)明的創(chuàng)新及其優(yōu)點(diǎn)主要有1、人耳識別實(shí)時(shí)性較高，且人耳識別不受用戶表情變化影響，識別率高；2、圖像獲取方便，不需用戶過多配合，只需用戶坐在電腦顯示器前注視電腦屏幕即可；3、圖像獲取設(shè)備成本低廉壽命長，只需普通的攝像頭。4、系統(tǒng)方便用于手持終端設(shè)備完成用戶身份認(rèn)證功能。


圖I :人耳認(rèn)證系統(tǒng)結(jié)構(gòu)框2 :人耳認(rèn)證系統(tǒng)的功能模塊劃分示意3 :人耳檢測環(huán)節(jié)分割出的人耳圖像圖4 :人耳歸一化的流程5 :基于外耳長軸的幾何歸一化方法流程6 =PCA特征提取流程圖
圖7 :米用模糊k_近鄰算法流程圖
具體實(shí)施例方式以下結(jié)合附圖和具體實(shí)施例對本發(fā)明作進(jìn)一步的詳細(xì)說明一個(gè)實(shí)施例中人耳認(rèn)證系統(tǒng)結(jié)構(gòu)框圖如圖I所示。認(rèn)證系統(tǒng)包括圖像采集模塊、人耳檢測模塊、人耳圖像預(yù)處理模塊、人耳特征提取模塊、人耳特征數(shù)據(jù)庫、人耳認(rèn)證模塊、人機(jī)交互模塊。在注冊訓(xùn)練過程中和認(rèn)證過程中，所述的圖像采集模塊、人耳檢測模塊、人耳圖像預(yù)處理模塊和人耳特征提取模塊可以共用。所述的圖像采集模塊用來采集圖像序列。在一個(gè)實(shí)施例中，所述的圖像采集模塊通過攝像頭采集采集人臉側(cè)面圖像，采集到的人臉側(cè)面圖像中包含人耳圖像。所述的人耳檢測模塊在采集到的圖像序列中檢測人耳區(qū)域并分割出人耳圖像。在一個(gè)實(shí)施例中，所述的人耳檢測模塊采用AdaBoost算法實(shí)時(shí)的對輸入的圖像序列進(jìn)行人耳檢測，當(dāng)檢測到人耳區(qū)域時(shí)分割出人耳圖像，分割出的人耳圖像高寬比為1.2 1.3:1，本系統(tǒng)采用I. 2:1，若在當(dāng)前幀沒有檢測到人耳區(qū)域則繼續(xù)檢測下一幀圖像序列。具體的可以采用2009年4月I日公開的申請?zhí)?00810223946. 9的專利申請中公開的人耳檢測算法來實(shí)現(xiàn)所述的人耳檢測模塊。進(jìn)一步的，在人耳檢測時(shí)難免會遇到人耳遮擋的情況，此時(shí)系統(tǒng)可能不能檢測出完整的人耳圖像，造成部分人耳輪廓的缺失，為了減輕該情況對后續(xù)人耳輪廓獲取帶來的影響，系統(tǒng)將會保存1.1倍的人耳區(qū)域用于后續(xù)的人耳圖像預(yù)處理環(huán)節(jié)。在人耳檢測時(shí)，由于攝像頭視野中可能不止有一個(gè)人，這時(shí)系統(tǒng)將會檢測出多個(gè)人耳，系統(tǒng)只會將其中最大的人耳圖像分割出來用于后續(xù)處理。所述的人耳圖像預(yù)處理模塊用于對人耳圖像進(jìn)行幾何歸一化和光照歸一化，以突出人耳區(qū)域，降低光照變化對識別影響，提高系統(tǒng)識別率。對于一個(gè)實(shí)施例，在進(jìn)行幾何歸一化時(shí)，系統(tǒng)采用主動(dòng)形狀模型(ASM)搜索人耳輪廓，本發(fā)明中使用了包含20個(gè)標(biāo)記點(diǎn)的ASM模型。使用ASM算法搜索人耳輪廓時(shí)，模型的初始位置對搜索結(jié)果至關(guān)重要，本發(fā)明將人耳檢測環(huán)節(jié)檢測到的人耳區(qū)域設(shè)為模型的初始位置。得到外耳輪廓之后采用基于外耳長軸的幾何歸一化方法將人耳圖像的長軸旋轉(zhuǎn)至豎直方向，完成角度歸一化；然后計(jì)算外耳輪廓上各坐標(biāo)點(diǎn)經(jīng)過旋轉(zhuǎn)之后的新坐標(biāo)點(diǎn)，選取這些坐標(biāo)點(diǎn)中與外耳長軸距離最遠(yuǎn)的坐標(biāo)點(diǎn)，以此點(diǎn)作為分隔人耳的左側(cè)邊界點(diǎn)，根據(jù)外耳長軸長度，按照1.95:1的比例計(jì)算人耳圖像的寬度，分隔出純耳圖像。最后本實(shí)施例采用雙線性插值法將所有的人耳圖像縮放成60*117大小從而完成尺寸歸一化。最后采用直方圖均衡化技術(shù)完成光照歸一化。具體的可以采用2011年8月24日公開的申請?zhí)?00810223087. 3的專利申請中公開的人耳歸一化方法來實(shí)現(xiàn)所述的人耳圖像預(yù)處理模塊模塊。所述的人耳特征提取模塊從得到的純耳圖像中提取人耳特征向量。在一個(gè)實(shí)施例中，所述的人耳特征向量采用PCA和下采樣兩種方法得到，兩種特征提取算法分別配合模糊k-近鄰算法和基于稀疏表示的分類算法完成人耳認(rèn)證。在一個(gè)實(shí)施例中，采用PCA方法提取的特征維數(shù)為120維，并且去掉前三個(gè)主元用于提高系統(tǒng)認(rèn)證效果，采用下采樣方法提取的特征維數(shù)為200維。所述的人耳特征數(shù)據(jù)庫為多個(gè)合法用戶存儲有人耳特征向量。在一個(gè)實(shí)施例中，所述的人耳特征數(shù)據(jù)庫中存放多個(gè)用戶的PCA特征向量和下采樣得到的特征向量，同時(shí)每個(gè)用戶需注冊6幅人耳圖像，這6幅人耳圖像隨著用戶注冊時(shí)頭部的水平旋轉(zhuǎn)產(chǎn)生角度差 異，從而提升系統(tǒng)在認(rèn)證時(shí)對頭部旋轉(zhuǎn)的魯棒性。所述的人耳認(rèn)證模塊將人耳特征數(shù)據(jù)庫中申明的合法用戶的人耳特征向量與人耳特征提取模塊提供的待認(rèn)證目標(biāo)的人耳特征向量采用模糊k_近鄰分類器和基于稀疏表示的分類器進(jìn)行認(rèn)證，如果認(rèn)證結(jié)果與申明合法用戶為同一人，則認(rèn)證通過，否者認(rèn)證失敗。由于各種原因，識別結(jié)果可能無效或與用戶輸入ID不匹配，導(dǎo)致一次識別失敗，這時(shí)系統(tǒng)將會連續(xù)識別若干次，直到識別結(jié)果與用戶輸入ID相同為止，但是如果超過一定次數(shù)仍未識別成功，系統(tǒng)將停止識別，并告知用戶認(rèn)證失敗。
權(quán)利要求
1.一種人耳認(rèn)證系統(tǒng)，其特征在于，所述系統(tǒng)包括 圖像采集模塊，所述圖像采集模塊采集包含人耳區(qū)域的側(cè)面人臉圖像序列； 人耳檢測模塊，所述人耳檢測模塊在采集到的圖像序列中檢測人耳區(qū)域并分割出人耳圖像； 人耳圖像預(yù)處理模塊，所述人耳圖像預(yù)處理模塊將得到的人耳圖像進(jìn)行光照歸一化和幾何歸一化進(jìn)而得到純耳圖像； 特征提取模塊，所述特征提取模塊用于提取純耳圖像特征向量； 人耳特征數(shù)據(jù)庫，所述人耳特征數(shù)據(jù)庫存儲多個(gè)合法用戶人耳特征向量； 人耳認(rèn)證模塊，所述人耳認(rèn)證模塊將待認(rèn)證人耳特征同人耳特征數(shù)據(jù)庫中特征向量進(jìn)行比對； 人機(jī)交互模塊，用于人機(jī)交互。
2.根據(jù)權(quán)利I所述的人耳認(rèn)證系統(tǒng)，其特征在于所述系統(tǒng)首先在人耳檢測模塊中分割出人耳圖像，人耳圖像的高寬比為I. 2 1. 3:1，進(jìn)而在所述的人耳圖像預(yù)處理模塊中對人耳圖像進(jìn)行光照歸一化，采用包含不少于20個(gè)標(biāo)記點(diǎn)的主動(dòng)形狀模型(ASM)獲取外耳輪廓，采用基于外耳長軸的人耳歸一化方法將人耳圖像旋轉(zhuǎn)至一定角度，最后并將人耳圖像按線性插值法縮放到統(tǒng)一大小得到純耳圖像。
3.根據(jù)權(quán)利I所述的人耳認(rèn)證系統(tǒng)，其特征在于所述的人耳特征提取模塊，采用PCA和下采樣的兩種方法進(jìn)行人耳特征提取，分別得到PCA人耳特征向量和下采樣人耳特征向量。
4.根據(jù)權(quán)利3所述的人耳認(rèn)證系統(tǒng)，其特征在于人耳特征提取模塊采用PCA提取方法時(shí)，去掉前三個(gè)主元，降低光照對認(rèn)證的影響，提高系統(tǒng)認(rèn)證率。
5.根據(jù)權(quán)利I中所述的人耳認(rèn)證系統(tǒng)，其特征在于所述的人耳認(rèn)證模塊采用模糊k-近鄰分類器和基于稀疏表示的分類器用于人耳識別； 所述的模糊k-近鄰分類器描述如下對于含有c類樣本的訓(xùn)練集，在得到測試樣本X的k個(gè)近鄰的已知樣本{xi，i=l，2，…，k}后，用下式計(jì)算測試樣本X對于每類的隸屬度值
6.根據(jù)權(quán)利I中所述的人耳認(rèn)證系統(tǒng)，其特征在于系統(tǒng)采用PCA與模糊k-近鄰分類器結(jié)合、下采樣與基于稀疏表示的分類器結(jié)合的人耳識別策略，認(rèn)證時(shí)根據(jù)情況進(jìn)行選擇。
7.根據(jù)權(quán)利I中所述的人耳認(rèn)證系統(tǒng)，其特征在于系統(tǒng)包含離線人耳注冊訓(xùn)練和在線人耳認(rèn)證功能； 人耳注冊時(shí)，每個(gè)用戶需注冊不少于6幅人耳圖像，這些人耳圖像隨著用戶注冊時(shí)頭部的水平旋轉(zhuǎn)產(chǎn)生角度差異，從而提升系統(tǒng)在識別時(shí)對頭部旋轉(zhuǎn)的魯棒性。
8.一種人耳認(rèn)證方法，其特征在于，包括通過攝像頭采集包含人耳區(qū)域的側(cè)面人臉圖像序列； 在采集到的圖像序列中檢測人耳區(qū)域并分割出人耳圖像； 對分割出的人耳圖像進(jìn)行光照歸一化和幾何歸一化得到尺寸和角度一致的純耳圖像； 從純耳圖像中提取人耳特征向量； 利用人耳特征數(shù)據(jù)庫中的申明合法用戶的人耳特征向量對待認(rèn)證目標(biāo)的人耳特征向量進(jìn)行人耳認(rèn)證，其中人耳特征數(shù)據(jù)庫為多個(gè)合法用戶存儲有人耳特征向量。
9.根據(jù)權(quán)利要求8所述的人耳認(rèn)證方法，其特征在于首先在所述的人耳檢測模塊中分割出人耳圖像，人耳圖像的高寬比為I. 2 1. 3:1，進(jìn)而在所述的人耳圖像預(yù)處理模塊中對人耳圖像進(jìn)行光照歸一化，采用包含不少于20個(gè)標(biāo)記點(diǎn)的主動(dòng)形狀模型(ASM)獲取外耳輪廓，采用基于外耳長軸的人耳歸一化方法將人耳圖像旋轉(zhuǎn)至一定角度，最后并將人耳圖像按線性插值法縮放到統(tǒng)一大小得到純耳圖像。
10.根據(jù)權(quán)利8中所述的人耳認(rèn)證方法，其特征在于所述的人耳特征提取模塊，采用PCA和下采樣的兩種方法進(jìn)行人耳特征提取，分別得到PCA人耳特征向量和下采樣人耳特征向量；采用PCA特征提取方法時(shí)去掉前三個(gè)主元降低光照對認(rèn)證的影響，提高系統(tǒng)認(rèn)證率。
11.根據(jù)權(quán)利8中所述的人耳認(rèn)證方法，其特征在于所述的人耳認(rèn)證模塊采用模糊k-近鄰分類器和基于稀疏表示的分類器用于人耳識別； 所述的模糊k-近鄰分類器描述如下對于含有c類樣本的訓(xùn)練集，在得到測試樣本X的k個(gè)近鄰的已知樣本{xi，i=l，2，…，k}后，用下式計(jì)算測試樣本X對于每類的隸屬度值
12.根據(jù)權(quán)利8中所述的人耳認(rèn)證方法，其特征在于系統(tǒng)采用PCA與模糊k-近鄰分類器結(jié)合、下采樣與基于稀疏表示的分類器結(jié)合的人耳識別策略，認(rèn)證時(shí)根據(jù)情況進(jìn)行選擇。
全文摘要
一種人耳認(rèn)證系統(tǒng)，屬于生物特征識別領(lǐng)域，其特征在于系統(tǒng)包括用于采集包含有人耳區(qū)域的側(cè)面人臉圖像序列的圖像采集模塊、在采集到的圖像序列中檢測人耳區(qū)域并獲取人耳圖像的人耳檢測模塊、用于完成人耳圖像光照歸一化和幾何歸一化進(jìn)而得到純耳圖像的人耳圖像預(yù)處理模塊、從純耳圖像中提取人耳特征向量的特征提取模塊、存儲多個(gè)合法用戶人耳特征向量的人耳數(shù)據(jù)庫模塊、完成待認(rèn)證人耳特征與人耳數(shù)據(jù)庫中合法人耳特征比對的人耳認(rèn)證模塊以及用于人機(jī)交互操作的人機(jī)交互模塊。本發(fā)明提供了一種具有良好的認(rèn)證率和實(shí)時(shí)性、使用方便、實(shí)施成本低的基于人耳識別技術(shù)的認(rèn)證系統(tǒng)。
文檔編號G06K9/62GK102831390SQ20121022741
公開日2012年12月19日 申請日期2012年7月2日 優(yōu)先權(quán)日2012年7月2日
發(fā)明者穆志純, 王凱, 邢騰飛, 袁立, 曾慧, 徐國清, 張子璐, 李琛 申請人:北京科技大學(xué)