一種多重保險的身份認(rèn)證方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于一種身份驗(yàn)證方法技術(shù)領(lǐng)域，尤其屬于一種設(shè)及多重保險的身份認(rèn)證 方法技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 目前，很多驗(yàn)證系統(tǒng)只是采用了簡單的密碼驗(yàn)證，運(yùn)樣的驗(yàn)證方式過于簡單，易于 破解，并且無法精準(zhǔn)的判斷操作人身份真實(shí)性。隨著科技的不斷發(fā)展，運(yùn)樣的系統(tǒng)是不能滿 足要求的。所W，近些年有不斷的改進(jìn)方法提出，比如有通過人臉信息和密碼配合驗(yàn)證的一 種人臉組合身份驗(yàn)證方法(CN103646201A)，還有活體檢驗(yàn)和身份驗(yàn)證的雙驗(yàn)證人臉防偽方 法及裝置(CN102622588B)。運(yùn)些方法都是對傳統(tǒng)的單一密碼驗(yàn)證的一種升級與改進(jìn)，但是， 運(yùn)些驗(yàn)證方法僅僅是加入了人臉的元素，為了使系統(tǒng)有更強(qiáng)的魯棒性與安全性，本發(fā)明除 了通過攝像頭采集人臉驗(yàn)證W外，還加入了手寫字體簽名，在系統(tǒng)上加入了手寫板的裝置， 可W在身份驗(yàn)證的時候，采集操作人的手寫字體作為其中的一種驗(yàn)證方式，最后，還加上了 數(shù)字密碼的驗(yàn)證和友情提示的安全功能。
[0003] 人臉識別在計(jì)算機(jī)視覺領(lǐng)域有許多的實(shí)際應(yīng)用，比如人臉跟蹤監(jiān)測，機(jī)器人的人 臉定位和基于安全監(jiān)控的人臉識別，因此受到了研究人員越來越多的關(guān)注。
[0004] -般情況下，人臉圖像的采集會考慮W下幾個方面：1)從不同的角度采集人臉圖 像數(shù)據(jù);2)不同的光照條件下采集人臉圖像;3)不同的表情采集人臉圖像數(shù)據(jù);4)分別在戴 眼鏡和不戴眼鏡的情況下采集人臉圖像數(shù)據(jù)。典型的人臉識別過程由W下的幾個步驟:首 先，從訓(xùn)練圖像集中提取人臉圖像特征;第二，由一種特征選擇算法訓(xùn)練出一個高效的特征 選擇模型，通過該特征選擇模型選擇對隨后分類最有效的特征;第Ξ，選擇一個合適的分類 器進(jìn)行分類識別。在采集人臉圖像的時候會考慮W上的4種情況，或者也有其他的因素的影 響，有很多的人臉是很容易被混淆的。雖然現(xiàn)有的特征選擇算法可W使得高維特征變得更 加簡潔和有效，也能得到一定準(zhǔn)確度的識別率，但是在數(shù)據(jù)集混有很多容易混淆的樣本的 情況下，現(xiàn)有的特征選擇算法表現(xiàn)受到限制。
[0005] 雖說手寫簽名圖像由于每個人的書寫風(fēng)格各有不同，會有自己不同的簽名字體； 但是，有的人會有自己的設(shè)計(jì)簽名，所W運(yùn)些人的字體會有些相似，采集信息時與驗(yàn)證時的 手寫字體圖像，由于溫度，操作人的坐姿不同，都會影響到手寫的簽名字體圖像的差異，現(xiàn) 在典型的特征選擇算法的效果會受到一定的影響，柯西估計(jì)判別分析特征選擇算法相比典 型的特征選擇算法會有一定的優(yōu)勢。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明的目的是進(jìn)一步增強(qiáng)系統(tǒng)的安全性與魯棒性，增加了人體信息對系統(tǒng)驗(yàn)證 的作用。不再是單一的利用人臉，而是加入了人體手寫字體的驗(yàn)證;最后一步再用數(shù)字密碼 來驗(yàn)證和友情提示的安全功能。
[0007] 鑒別局部配準(zhǔn)模型對于現(xiàn)在比較流行的人臉數(shù)據(jù)集有不錯的表現(xiàn)，但是由于運(yùn)一 類算法沒有考慮容易混淆的樣本所帶來的影響，所w對于人臉識別的準(zhǔn)確率沒有更進(jìn)一步 的提升。本發(fā)明提出的特征選擇算法是讓特征選擇W后的每個圖像都距離所有圖像的歐幾 里得中屯、的距離比較遠(yuǎn)，并且采用柯西估計(jì)理論，運(yùn)樣保證了同一個人的所有圖像不會距 離的太遠(yuǎn)的同時，又增大容易混淆的圖像的辨識度。因此就改善了人臉圖像數(shù)據(jù)集和手寫 簽名圖像數(shù)據(jù)集中混有容易混淆的圖像的情況下的性能。
[0008] 本發(fā)明詳細(xì)描述了一套基于人臉圖像，手寫簽名圖像和數(shù)字密碼的安全驗(yàn)證系 統(tǒng)，和一種新的特征選擇算法，就是柯西估計(jì)判別分析算法。
[0009] 本發(fā)明采用如下技術(shù)方案實(shí)現(xiàn)。
[0010] -種多重保險的身份認(rèn)證方法，本發(fā)明包括如下步驟，1)采集用戶人臉圖像;2)采 集用戶手寫簽名圖像;3)設(shè)置密碼;4)從采集的人臉圖像集和手寫簽名圖像集中分別提取 人臉圖像特征和手寫簽名圖像特征；5)對人臉圖像特征和手寫簽名圖像特征進(jìn)行特征選 擇;6)采用支持向量機(jī)分類器進(jìn)行分類;7)步驟6)中支持向量機(jī)分類器的識別結(jié)果正確及 密碼輸入正確，即驗(yàn)證成功，否則失敗。
[0011] 本發(fā)明步驟4)是利用LPQ的特征提取方法對人臉圖像提取特征。
[0012] 本發(fā)明步驟4)是利用path signatures的特征提取方法對手寫簽名圖像提取特 征。
[0013] 本發(fā)明步驟5)對人臉圖像特征和手寫簽名圖像特征進(jìn)行特征選擇是利用柯西估 計(jì)判別分析算法對其進(jìn)行特征選擇。
[0014] 本發(fā)明柯西估計(jì)判別分析算法的具體步驟如下:對于一個給定的圖像XI屬于人臉 圖像或者手寫簽名圖像集合X=[X1，X2，...XN]ERDXWN是人臉圖像或者手寫簽名圖像的個 數(shù)，D是提取特征W后的人臉圖像或者手寫簽名圖像的原始維數(shù)，R代表在實(shí)數(shù)空間，其對應(yīng) 的低維圖像yl屬于人臉圖像或者手寫簽名圖像集合Y=[yl，y2，...yN]ERdxWd是特征選擇 后的人臉特征的維數(shù)，找到K個最相似的圖像Χ??，···，Χ,κ '其中，有kl個是和XI屬于同一個人的 人臉圖像或者手寫簽名圖像，剩下的k2個是和XI不相同的人的人臉圖像或者手寫簽名圖像， 其中K = kl+k2,分別用
衰示運(yùn)兩組人臉特征；對于整個XI的局 部塊可W表示為
表示DX化i+k2+l)維 的線性空間，對應(yīng)的低維表達(dá)是
在一個新得到的 低維局部塊內(nèi)，達(dá)到同一個人的人臉圖像或者手寫簽名圖像間的歐幾里得距離足夠的近， 而不同人之間的人臉圖像或者手寫簽名圖像間的歐幾里得距離足夠的遠(yuǎn)，因此W上的說法 優(yōu)化函數(shù)表示如下：
[0015]
(1)
[0016] α是尺度因子，用來控制同一個人所獲取到的樣本間的歐幾里得距離與不同人所 獲取的樣本歐幾里得距離影響；
[0017] 定義一個系數(shù)向量ωι:
[001 引
[0019] 利用定義的系數(shù)向量ωι，（1)式就會被化簡成W下的形式：
[0020]
口）
[002。 tr( ·)表示的是矩陣的跡運(yùn)算，式中的
[0022]下面引入選擇矩陣(Si)pq:
[002引因此，得到低維表達(dá)Yi = YSi，目標(biāo)函數(shù)(2)可W改寫為：
[0026]
[0027]考慮到在高維空間的表示，每個圖像間的差距可能較小，達(dá)到在低維的空間表示 出來的圖像之間的距離要比較遠(yuǎn);對于每個圖像來說就可W表示為:每個低維空間的圖像 與所有圖像中屯、的歐幾里得距離足夠的遠(yuǎn)，表示為W下的目標(biāo)函數(shù)：
[002引
巧)
[0029] 哀就是所有圖像的歐幾里得距離的中屯、，良I
[0030] 為了使得所有的類具有更強(qiáng)的判別能力，加入了柯西估計(jì)理論，（5)式變成W下的 形式：
[0031]
(6)
[0032] C是一個參數(shù)，用來調(diào)整圖像之間的距離。
[0033] 整合(4)式和(6)式，目標(biāo)函數(shù)寫成W下的形式：
[0034]
(7)
[0035] Cl是正則化系數(shù)；
[0036] 由于存在Υ = 1]Τχ關(guān)系，（7巧可W化簡為
[0037]
(巧
[0038] 其中，S表示的是高維人臉圖像或者手寫簽名圖像特征之間的方差
[0039] 為了使得(8)式有唯一解，所W給定條件:UTU=I;
[0040] 投影矩陣U通過迭代的方法和特征值的求解方法解出來。
[0041] 本發(fā)明步驟3)設(shè)置密碼的數(shù)量為2個或W上;一個是用于日常登錄的驗(yàn)證密碼;其