一種智能識(shí)別方法及工作流程的制作方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及生物特征識(shí)別技術(shù)領(lǐng)域,具體涉及一種智能綜合生物識(shí)別裝置及其方法。
【背景技術(shù)】
[0002]如今,隨著當(dāng)今信息社會(huì)計(jì)算機(jī)技術(shù)和新理論的快速發(fā)展,現(xiàn)代的生物特征識(shí)別技術(shù)得到了快速的發(fā)展和應(yīng)用,另一方面,對(duì)個(gè)人身份認(rèn)證與管理的需求也在不斷增長(zhǎng)。生物特征識(shí)別就是利用人體獨(dú)特的生理與行為特征來進(jìn)行自動(dòng)身份鑒別的技術(shù),包括靜脈識(shí)另IJ、人臉識(shí)別、語音識(shí)別、虹膜識(shí)別,現(xiàn)已被廣泛應(yīng)用在工資考核系統(tǒng)、門禁系統(tǒng)、安監(jiān)系統(tǒng)、政務(wù)系統(tǒng)中,以及數(shù)字終端接入、網(wǎng)絡(luò)資源訪問的身份認(rèn)證等社會(huì)生活的各個(gè)方面,為不斷提高人類生活的品質(zhì)做出了貢獻(xiàn)。
[0003]但是,目前對(duì)生物特征識(shí)別技術(shù)的研究,一般集中在對(duì)單模態(tài)識(shí)別系統(tǒng)的研究上,雖然具有快速識(shí)別的特點(diǎn),但也出現(xiàn)了很多僅僅靠單模態(tài)識(shí)別無法克服的問題。因?yàn)椴捎脝我患夹g(shù)和模塊時(shí),很難做到有效識(shí)別,其準(zhǔn)確性也不高,諸如人體指紋可以比較容易地被復(fù)制與偽造,從而存在著利用偽造的指紋副本對(duì)指紋識(shí)別系統(tǒng)進(jìn)行欺騙的可能性,具有不穩(wěn)定性。
【發(fā)明內(nèi)容】
[0004]本發(fā)明的目的在于克服上述識(shí)別技術(shù)的缺點(diǎn)與不足之處,提供一種智能識(shí)別方法及工作流程,通過采取多種生物特征相融合的識(shí)別方式,來提高系統(tǒng)的精確度、保證系統(tǒng)的防偽性,主要通過以下技術(shù)方案來實(shí)現(xiàn)。
[0005]本發(fā)明所述的智能生物識(shí)別方法及其工作流程,采用了紅外光譜生物識(shí)別技術(shù)、手型生物識(shí)別技術(shù)、指紋生物識(shí)別技術(shù)三個(gè)基本模態(tài),是將上述幾種生物特征識(shí)別技術(shù)結(jié)合在一起的一種智能化綜合生物識(shí)別系統(tǒng)裝置。
[0006]本發(fā)明中的智能生物特征識(shí)別技術(shù)是綜合利用來自同一生物特征的多種識(shí)別技術(shù),或者來自不同生物特征的多種識(shí)別技術(shù),對(duì)個(gè)人身份進(jìn)行判斷的生物特征識(shí)別技術(shù),提高了驗(yàn)證精度和辨識(shí)精度?;诙喾N生物特征融合技術(shù),現(xiàn)正在形成一種新的發(fā)展趨勢(shì),近年來受到廣泛重視并成為研究熱點(diǎn)。
[0007]該智能生物識(shí)別方法及其工作流程,融合了激光技術(shù)、紅外光譜技術(shù)、數(shù)據(jù)采集技術(shù)制作生物特征采集系統(tǒng),通過研究現(xiàn)有手型和指紋識(shí)別算法進(jìn)行改進(jìn),開發(fā)手型和指紋圖像處理軟件系統(tǒng),形成智能化綜合生物特征識(shí)別產(chǎn)品,并通過將系統(tǒng)實(shí)現(xiàn)模塊化,增加了產(chǎn)品的應(yīng)用領(lǐng)域,為工資考核系統(tǒng)、門禁系統(tǒng)、安監(jiān)系統(tǒng)提供技術(shù)支持,形成了具有較高識(shí)別精確度,又具備較理想的大庫檢索時(shí)間性能的智能生物識(shí)別系統(tǒng)。該系統(tǒng)可作為獨(dú)立的功能單元嵌入在安防或門禁系統(tǒng)中,也可以作為智能家居或智能終端設(shè)備的一個(gè)組成部分實(shí)現(xiàn)個(gè)人身份的鑒別和認(rèn)證,其智能模塊可以在出現(xiàn)異常信息時(shí),對(duì)終端用戶發(fā)出提示報(bào)塾目ο
[0008]本發(fā)明中所述的智能生物識(shí)別裝置由生物信號(hào)采集單元、信號(hào)傳輸和處理單元、微處理器單元、控制單元、顯示與報(bào)警單元和接口單元幾個(gè)主要部分組成。其中,生物特征采集單元系統(tǒng)分為:紅外光譜數(shù)據(jù)采集、手形采集系統(tǒng)和指紋采集系統(tǒng)。是融合了激光技術(shù)、紅外光譜技術(shù)、數(shù)據(jù)采集技術(shù)制作生物特征采集系統(tǒng)。
[0009]其工作流程如下:本發(fā)明所述的智能生物特征識(shí)別系統(tǒng)主要是借助計(jì)算機(jī)終端設(shè)備,通過光譜數(shù)據(jù)采集、手形數(shù)據(jù)采集以及指紋數(shù)據(jù)采集,輸入到微處理器單元,由智能控制單元系統(tǒng),對(duì)上述信息進(jìn)行融合后,通過網(wǎng)絡(luò)寫入后臺(tái)個(gè)體生物特征信息數(shù)據(jù)庫管理系統(tǒng),并可與其它信息等進(jìn)行數(shù)據(jù)關(guān)聯(lián),并采用指紋傳感器和三維圖像采集器件,利用高級(jí)微處理器,研制小形的、集成化的手形和指紋綜合數(shù)據(jù)采集系統(tǒng),輸入計(jì)算機(jī)終端后,經(jīng)由無線通訊或局域網(wǎng)在個(gè)體生物特征信息庫中對(duì)其進(jìn)行匹配查詢,并用協(xié)議下接口單元技術(shù),設(shè)計(jì)系統(tǒng)對(duì)外接口,該設(shè)備能通過顯示與報(bào)警單元,對(duì)所采集的數(shù)據(jù)資料進(jìn)行顯示比對(duì)及圖像、聲光方面的信息反饋、及時(shí)進(jìn)行報(bào)警提示。
[0010]關(guān)于生物特征采集單元系統(tǒng)中紅外光譜數(shù)據(jù)采集,是根據(jù)生物個(gè)體某一特殊部位,如手掌溫度的差異形成的紅外光譜特征的不同進(jìn)行個(gè)體的識(shí)別,對(duì)紅外光譜數(shù)據(jù)進(jìn)行采集。本發(fā)明通過紅外這種非接觸式生物特征識(shí)別系統(tǒng)、確定溫度采集部位,滿足了大眾公共衛(wèi)生與個(gè)人接受程度方面的要求,既保證個(gè)體數(shù)據(jù)之間的差異,又能夠保證采集數(shù)據(jù)的方便易行,不被檢測(cè)對(duì)象反感,大大地提高了生物特征識(shí)別技術(shù)的用戶接受度。
[0011]本發(fā)明通過上述方法,完成紅外光譜數(shù)據(jù)的采集,并制作數(shù)據(jù)采集系統(tǒng)。對(duì)于手形和指紋采集系統(tǒng)的研究,則根據(jù)實(shí)際需要對(duì)上述采集設(shè)備進(jìn)行改進(jìn),采用指紋傳感器和三維圖像采集器件,利用微處理器,研制小型的、集成化的手形和指紋綜合數(shù)據(jù)采集系統(tǒng)和裝置。
[0012]所述智能生物識(shí)別方法及其工作流程,對(duì)于上述紅外光譜特征的提取及匹配算法的研究,是針對(duì)采集特定部位的紅外光譜數(shù)據(jù)進(jìn)行研究,來確定光譜數(shù)據(jù)的特征點(diǎn),研究光譜數(shù)據(jù)特征提取算法,利用較少的特征點(diǎn)實(shí)現(xiàn)有效的光譜信息表征,占用最小的存儲(chǔ)空間。本發(fā)明通過研究其光譜數(shù)據(jù)的匹配問題,確定數(shù)據(jù)匹配算法,并采用高級(jí)編程軟件編寫特征點(diǎn)采集及特征數(shù)據(jù)匹配程序,實(shí)現(xiàn)有效的光譜數(shù)據(jù)識(shí)別。
[0013]另外,本發(fā)明采用常規(guī)的特征線和特征相配合的生物識(shí)別方法,對(duì)手形及指紋識(shí)別算法研究,目前指紋識(shí)別算法比較成型,本發(fā)明重點(diǎn)是全手形識(shí)別方法,具體涉及了全手形特征圖像采集和數(shù)據(jù)庫建立方法、結(jié)構(gòu)特征和統(tǒng)計(jì)特征相結(jié)合的全手形身份確定性特征提取方法和基于K近鄰?fù)镀狈ê瓦z傳SVM的全手形特征匹配方法。
[0014]—種智能識(shí)別方法及工作流程,其全手形特征圖像采集系統(tǒng)裝置主要包括光學(xué)系統(tǒng)設(shè)計(jì)、嵌入式全手形特征圖像信號(hào)采集模塊、基于SDRAM的數(shù)據(jù)存儲(chǔ)模塊、USB2.0協(xié)議下的數(shù)據(jù)傳輸模塊、基于以太網(wǎng)模式的數(shù)據(jù)無線傳輸模塊、WDM模型的USB驅(qū)動(dòng)程序和VC++應(yīng)用軟件開發(fā)。
[0015]上述全手形特征圖像采集與智能識(shí)別系統(tǒng)裝置和目前普遍采用單一的手形、掌紋、指紋的身份認(rèn)證方法存在著顯著的不同,全手形特征圖像包含了手形、掌紋和指紋信息,為全手形特征提取和識(shí)別奠定基礎(chǔ),其基礎(chǔ)就是建立全手形特征圖像庫。
[0016]—種智能識(shí)別方法及工作流程,給出了一套基于手部特征的智能生物識(shí)別系統(tǒng)實(shí)現(xiàn)方案,該方案把手形與指紋識(shí)別的高效性與掌紋識(shí)別的高精確性相結(jié)合,在現(xiàn)有的生物識(shí)別系統(tǒng)的各種信息融合方法中,選擇了一種簡(jiǎn)單易行的“與”規(guī)則決策級(jí)信息融合方法,用層次匹配的方式,通過與各層次匹配器的閾值調(diào)節(jié)相結(jié)合,實(shí)現(xiàn)的生物識(shí)別系統(tǒng)與單一模態(tài)相比較,既提高了識(shí)別的精確性,又提高了在大數(shù)據(jù)庫檢索的時(shí)間性能。從手部圖像提取的多重特征可以在大數(shù)據(jù)庫中實(shí)現(xiàn)引導(dǎo)性匹配,五個(gè)層次的特征包括了指形特征、指紋特征、掌紋主紋線、雙樹復(fù)小波變換及旋轉(zhuǎn)平移不變局部區(qū)域描述子特征。
[0017]本發(fā)明所述的手形特征構(gòu)造方法,這種特征區(qū)分性強(qiáng)、魯棒性好,維度低,有良好的類內(nèi)聚集度和類間離散度,該個(gè)人身份驗(yàn)證方法提取的特征數(shù)據(jù)量小,匹配時(shí)間短,而且也能取得較高的識(shí)別精度,適用于在大的手掌庫中進(jìn)行初始匹配,篩選出最相似的庫本進(jìn)入下一層匹配。前幾層的粗匹配顯著地減少進(jìn)入下一層精細(xì)匹配的樣本數(shù),最底層匹配則實(shí)現(xiàn)了高精度的驗(yàn)證。
[0018]上述的結(jié)構(gòu)特征和統(tǒng)計(jì)特征相結(jié)合的全手形身份確定性特征提取方法,其全手形特征信息包含了指紋、手形、掌紋三種模態(tài)信息,其特征信息因人而異,非常豐富,具有持久性和確定性。在特征提取時(shí),主要提取包括奇異點(diǎn)特征和紋理特征的指紋特征、還包括手掌和手指幾何形狀特征的手形特征以及包括主線特征和皺褶特征的掌紋特征,所有這些特征都表現(xiàn)為統(tǒng)計(jì)特征和結(jié)構(gòu)特征。結(jié)構(gòu)特征比較直觀,能較好地反映全手形身份確定性特征的結(jié)構(gòu)特性;缺點(diǎn)是對(duì)結(jié)構(gòu)基本單元提取困難,各結(jié)構(gòu)元素之間的拓?fù)潢P(guān)系復(fù)雜,抗干擾性較差。統(tǒng)計(jì)特征提取方便,抗干擾能力強(qiáng),缺點(diǎn)是沒有充分利用手形、掌紋、指紋的結(jié)構(gòu)信息。單獨(dú)運(yùn)用結(jié)構(gòu)特征或統(tǒng)計(jì)特征必然存在識(shí)別的盲區(qū),融合結(jié)構(gòu)特征和統(tǒng)計(jì)特征可以實(shí)現(xiàn)各種特征的優(yōu)勢(shì)互補(bǔ),更全面地反映全手形身份確定性特征。
[0019]目前,指紋檢測(cè)已經(jīng)成為一個(gè)獨(dú)立于指紋識(shí)別的研究課題。本發(fā)明所述的指紋檢測(cè)識(shí)別,具體流程如下:指紋檢測(cè)是從指紋識(shí)別機(jī)中檢測(cè)出所有指紋的位置、大小及其姿態(tài),檢測(cè)出的指紋與比對(duì)的指紋在圖像中的位置、尺寸和姿態(tài)上可能存在差異,在比對(duì)之前,需要將兩個(gè)指紋進(jìn)行指紋配準(zhǔn),使得相應(yīng)的特征在同樣的位置上出現(xiàn)。對(duì)于二維圖像,通常是手工或自動(dòng)提取指紋的位置,然后對(duì)配準(zhǔn)后的指紋進(jìn)行特征提取,構(gòu)造特征向量,作為指紋的表示,與指紋數(shù)據(jù)庫中的各指紋圖像進(jìn)行特征比較、特征匹配,得到待識(shí)別的指紋身份。
[0020]一種智能識(shí)別方法及工作流程,其基于K近鄰?fù)镀狈ê瓦z傳SVM的全手形特征匹配方法,充分利用了K近鄰?fù)镀狈ù鎯?chǔ)量小、計(jì)算速度快并且準(zhǔn)確可靠的優(yōu)點(diǎn),研究K近鄰快速粗分類方法。SVM分類器具有全局優(yōu)化、訓(xùn)練時(shí)間短、泛化性能好、算法復(fù)雜度與特征空間維數(shù)無關(guān)的特點(diǎn)。本發(fā)明通過遺傳算法優(yōu)化SVM的核函數(shù)參數(shù),來研究遺傳SVM的高精度身份認(rèn)證識(shí)別方法,其全手形特征匹配方法是驗(yàn)證未知樣本與既定模型的一致性,匹配的精度和計(jì)算速度需要同時(shí)兼顧的關(guān)鍵技術(shù)指標(biāo)。
[0021 ]本發(fā)明所述系統(tǒng)裝置