專利名稱：一種融合用戶多生物特征進(jìn)行活體認(rèn)證支付的方法
技術(shù)領(lǐng)域：
本發(fā)明涉及生物特征識(shí)別技術(shù)領(lǐng)域，尤其是基于多生物特征融合的活體認(rèn)證支付。
背景技術(shù)：
目前，以商場(chǎng)、超市為載體的小型支付系統(tǒng)在現(xiàn)代社會(huì)中的應(yīng)用很廣泛，一般的支付方式有現(xiàn)金支付、銀行卡支付(包括信用卡)，以及目前流行的移動(dòng)支付。這些支付方法各有缺點(diǎn)。比如，現(xiàn)金需要找零，容易傳染病菌；銀行卡“認(rèn)物不認(rèn)人”，如果密碼丟失或者遺忘，將不安全并帶來(lái)麻煩。移動(dòng)支付也存在“認(rèn)物不認(rèn)人”的弊端，如果移動(dòng)支付終端丟失，并不能保證支付人是本人。因此，這些支付方式已經(jīng)不能滿足現(xiàn)代信息社會(huì)的要求。生物特征識(shí)別技術(shù)以其特有的安全性，可靠性和有效性等越來(lái)越受到人們的重視。人臉識(shí)別和指紋識(shí)別作為兩種最常用和方便的生物特征識(shí)別技術(shù)，已廣泛應(yīng)用于身份識(shí)別等領(lǐng)域。目前，指紋支付已經(jīng)被用于安全支付領(lǐng)域，成為傳統(tǒng)支付方式的補(bǔ)充或者替代。然而很多時(shí)候，僅僅基于指紋或人臉的單生物特征個(gè)人身份識(shí)別系統(tǒng)不能滿足人們的需要，這是因?yàn)槿四樧R(shí)別速度快但可靠性不高；而指紋識(shí)別可靠性高卻容易仿冒?；诨铙w認(rèn)證的技術(shù)目前引起關(guān)注。多生物特征融合技術(shù)是在生物識(shí)別技術(shù)迅猛發(fā)展的情況下發(fā)展起來(lái)的一個(gè)新的研究領(lǐng)域，多生物特征融合技術(shù)是近幾十年發(fā)展起來(lái)的信息處理技術(shù)，它是將各種生物特征如指紋、人臉、掌紋等融合為一個(gè)整體進(jìn)行綜合分析處理，克服傳統(tǒng)方法的弊端，利用各種生物特征的互補(bǔ)性，實(shí)現(xiàn)活體認(rèn)證，提供更加安全的保障。本發(fā)明提出一種融合用戶多生物特征進(jìn)行活體認(rèn)證的支付方法，將多生物特征融合認(rèn)證運(yùn)用到支付領(lǐng)域，該方法安全、可靠，具有廣泛的應(yīng)用前景和社會(huì)使用價(jià)值。

發(fā)明內(nèi)容
本發(fā)明要解決的技術(shù)問(wèn)題是為了克服傳統(tǒng)支付方法的缺點(diǎn)，提供一種融合用戶多生物特征進(jìn)行活體認(rèn)證的支付方法，利用圖像分析和智能挖掘技術(shù)對(duì)用戶進(jìn)行活體認(rèn)證支付。本發(fā)明解決其技術(shù)問(wèn)題所采取的技術(shù)方案是一種融合用戶多生物特征進(jìn)行活體認(rèn)證的支付方法，通過(guò)對(duì)用戶多生物特征進(jìn)行圖像分析和數(shù)據(jù)挖掘映射，提取魯棒性的特征進(jìn)行身份認(rèn)證支付。所述的多生物特征包括指紋、人臉、手指靜脈、掌紋等，其利用圖像分析和智能挖掘技術(shù)進(jìn)行用戶活體認(rèn)證支付的具體步驟如下
a.生物特征圖像預(yù)處理由指紋、人臉、手指靜脈、掌紋構(gòu)成的融合系統(tǒng)進(jìn)行預(yù)處理；
b.提取底層特征提取不變矩特征、Gaborfilter特征、Local Ternary Pattern(LTP)特征。所述的多生物特征融合的具體步驟如下a.底層特征-圖像矩陣構(gòu)建:采用多種底層特征，構(gòu)建每個(gè)用戶的底層特征-圖像矩
陣；
b.獲得多生物融合特征。對(duì)底層特征-圖像矩陣進(jìn)行矩陣處理和投影，獲得多生物融合特征。所述的活體認(rèn)證與支付具體步驟如下:
a.活體認(rèn)證:將提取的多生物特征與存儲(chǔ)在數(shù)據(jù)庫(kù)中的特征進(jìn)行活體認(rèn)證，通過(guò)計(jì)算兩者的認(rèn)證分?jǐn)?shù)，來(lái)判斷是否認(rèn)證成功；
b.支付。如果活體認(rèn)證步驟提取的多生物特征與數(shù)據(jù)庫(kù)中的特征認(rèn)證成功，表示用戶通過(guò)身份活體認(rèn)證，可以進(jìn)行支付；否則，則認(rèn)為失敗。本發(fā)明的融合多生物特征進(jìn)行活體認(rèn)證支付方法的有益效果是:通過(guò)提取指紋、人臉、手指靜脈、掌紋等多生物特征，融合這些特征進(jìn)行活體認(rèn)證支付，對(duì)比傳統(tǒng)的基于單生物特征的支付方法將更加安全可靠，能夠滿足商場(chǎng)超市等各種購(gòu)物支付環(huán)境。


:
下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明進(jìn)一步說(shuō)明。圖1.本發(fā)明的研究方案及理論框圖 具體實(shí)施方式
:
現(xiàn)在結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步詳細(xì)的說(shuō)明。這些附圖均為簡(jiǎn)化的示意圖，僅以示意方式說(shuō)明本發(fā)明的基本結(jié)構(gòu)，因?yàn)閮H顯示與本發(fā)明有關(guān)的構(gòu)成。如圖1所示的融合多生物特征進(jìn)行活體認(rèn)證支付的方法，主要利用圖像分析和數(shù)據(jù)挖掘技術(shù)對(duì)由指紋、人臉、手指靜脈、掌紋構(gòu)成的系統(tǒng)分別進(jìn)行預(yù)處理，從預(yù)處理圖像中提取出各種底層特征，然后對(duì)這些特征進(jìn)行融合，最后利用融合的特征與數(shù)據(jù)庫(kù)存貯的特征進(jìn)行活體身份認(rèn)證與支付。本發(fā)明融合多生物特征進(jìn)行活體認(rèn)證支付的具體步驟如下:
一、圖像底層特征提取:包括生物特征圖像預(yù)處理、提取底層特征等主要步驟。(I)生物特征圖像預(yù)處理:多生物特征圖像的預(yù)處理是特征提取之前的關(guān)鍵步驟之一，由于融合系統(tǒng)由指紋、人臉和手指靜脈、掌紋等構(gòu)成，因此需要對(duì)其分別進(jìn)行預(yù)處理。預(yù)處理的主要步驟包括:感興趣區(qū)域(ROI)分割、增強(qiáng)、歸一化等。(2)底層特征的提取:分別提取不變矩特征(hu不變矩和zernike正交不變矩)、Garbor filter 特征、Local Ternary Pattern (LTP)特征等。(a)不變矩特征:不變矩特征具有旋轉(zhuǎn)、尺度和平移不變特性，具有很強(qiáng)的描述圖像的區(qū)域特征能力。比較常用的不變矩如:hu不變矩和zernike正交不變矩。其主要步驟如下:
步驟1.依據(jù)hu不變矩公式提取的7個(gè)hu不變矩的特征值I ；
步驟2.選擇zernike不變矩的階數(shù)n 和重復(fù)數(shù)m，提取jL的值；
步驟3.對(duì)提取的I和Amn進(jìn)行組合成不變矩特征。(b) Gabor filter特征:Gabor filter具有良好的方向選擇和頻率選擇特性,能夠?qū)D像進(jìn)行時(shí)頻分析，提取不同方向、頻率下的紋理值。其主要步驟如下:
步驟1.選擇合理的方向和頻率f參數(shù)，提取不同方向和不同頻率下的G值；步驟2.對(duì)提取的G值組合成Gabor filter特征。(c) LTP特征:Local binary patter (LBP)是基于圖像空域局部算子的紋理圖像描述子，將LBP擴(kuò)展成三值(_1，0，I)的編碼，得到局部三值模式。因此，可以用來(lái)描述圖像局部紋理情況。其主要步驟如下:
步驟1.先對(duì)圖像分塊，該算子對(duì)分塊圖像每個(gè)像素的八鄰域點(diǎn)采樣，每個(gè)采樣點(diǎn)與中心像素作灰度值二值化運(yùn)算；
步驟2.計(jì)算LTP值。這里，采樣點(diǎn)與中心像素作灰度值在一個(gè)很小范圍內(nèi)量化為零，大于這個(gè)中心像素作灰度值的量化為+1，小于這個(gè)中心像素作灰度值的量化為-1 ；
步驟3.對(duì)提取的分塊圖像的LTP值進(jìn)行組合成圖像的LTP特征。

二、多生物特征融合:
(I)底層特征-圖像矩陣構(gòu)建:采用多種底層特征，構(gòu)建每個(gè)用戶的底層特征-圖像矩陣(共q個(gè)生物特征融合)。步驟1.對(duì)各生物特征的ROI圖像統(tǒng)一分塊成P個(gè)大小為nXn的小圖像，q個(gè)生物特征圖像共pXq個(gè)局部小圖像。步驟2.對(duì)每個(gè)局部小圖像分別進(jìn)行包括不變矩特征(hu不變矩和zernike正交不變矩)、Garbor filter特征、LTP特征等分析,并將這些特征作為每個(gè)用戶的底層特征-圖像矩陣的列向量。步驟3.將每個(gè)分塊后的局部小圖像(q個(gè)生物特征)作為每個(gè)用戶的底層特征-圖像矩陣的行向量，統(tǒng)計(jì)上一步得到的每個(gè)底層特征對(duì)其出現(xiàn)的概率，構(gòu)建每個(gè)用戶的底層特征和圖像之間的特征-圖像矩陣，其大小為pXq。(2)獲得多生物融合特征:首先，對(duì)底層特征-圖像矩陣進(jìn)行對(duì)角化處理。然后，在對(duì)對(duì)角化矩陣進(jìn)行矩陣行方向分解后。最后，將圖像投影到該特征空間內(nèi)，獲得多生物融合特征。其主要步驟如下:
步驟1.矩陣對(duì)角化:將大小為PXq的m個(gè)底層特征-圖像矩陣集合用來(lái)表示，Se代表每個(gè)用戶的底層特征-圖像矩陣，m是用戶的數(shù)量。步驟2.圖像矩陣分解處理:將大小為pXq的m個(gè)對(duì)角化矩陣集合用Iw =[4為…4]來(lái)表示，代表每個(gè)用戶對(duì)角化后的底層特征-圖像矩陣，m是用戶的數(shù)量。首先利用ID-NMF分解成為大小為pXd的矩陣Z和一個(gè)大小為dXq的矩陣"之積，使得這里d是參考維數(shù)，Z是矩陣Z在圖像行方向分解得到的基矩陣，//為系數(shù)矩陣；
步驟3.將圖像投影到該特征空間內(nèi)，即得到由該特征組合的系數(shù)^所表示的多生物融合特征。三、活體認(rèn)證與支付:
(I)活體認(rèn)證:將提取的多生物特征與存儲(chǔ)在數(shù)據(jù)庫(kù)中的特征進(jìn)行活體認(rèn)證，通過(guò)計(jì)算兩者的認(rèn)證分?jǐn)?shù)，如果分?jǐn)?shù)超過(guò)一定的閾值，則認(rèn)為認(rèn)證成功；否則，失敗。步驟1.離線對(duì)多生物特征進(jìn)行預(yù)處理、底層特征提取如進(jìn)行包括不變矩特征(hu不變矩和zernike正交不變矩)、Garbor filter特征、LTP特征等分析，并將這些特征融合，并將特征的數(shù)值歸一化到
范圍內(nèi)，存貯在數(shù)據(jù)庫(kù)； 步驟2.在線采集多生物特征，并進(jìn)行底層特征提取、多生物特征融合等處理，對(duì)融合的生物特征進(jìn)行歸一化處理，并將輸入特征的數(shù)值歸一化到[O，I]范圍內(nèi)；
步驟3.利用支持向量機(jī)等分類器來(lái)對(duì)在線采集的輸入特征和存貯在數(shù)據(jù)庫(kù)中的特征進(jìn)行匹配，并計(jì)算他們的匹配分?jǐn)?shù)，如果分?jǐn)?shù)超過(guò)一定的閾值，則認(rèn)為認(rèn)證成功；否則，失敗。(2)支付如果上述提取的多生物特征與數(shù)據(jù)庫(kù)中的特征認(rèn)證成功，表示用戶通過(guò)身份活體認(rèn)證，可以進(jìn)行支付；否則，則認(rèn)為失敗。以上述依據(jù)本發(fā)明的理想實(shí)施例為啟示，通過(guò)上述的說(shuō)明內(nèi)容，相關(guān)工作人員完全可以在不偏離本項(xiàng)發(fā)明技術(shù)思想的范圍內(nèi)，進(jìn)行多樣的變更以及修改。本項(xiàng)發(fā)明的技術(shù)范圍并不局限于說(shuō)明書的內(nèi)容，必須要根據(jù)權(quán)利要求范圍來(lái)確定其技術(shù)性范圍。
權(quán)利要求
1.一種融合用戶多生物特征進(jìn)行活體認(rèn)證的支付方法，其特征是:通過(guò)融合指紋、人臉、手指靜脈、掌紋等多生物特征，利用圖像分析和智能挖掘技術(shù)進(jìn)行用戶活體認(rèn)證支付。
2.根據(jù)權(quán)利要求1所述的一種融合用戶多生物特征進(jìn)行活體認(rèn)證的支付方法，其特征是:所述的多生物特征包括指紋、人臉、手指靜脈、掌紋等，其利用圖像分析和智能挖掘技術(shù)進(jìn)行用戶活體認(rèn)證支付的具體步驟如下: a.生物特征圖像預(yù)處理:由指紋、人臉、手指靜脈、掌紋構(gòu)成的融合系統(tǒng)進(jìn)行預(yù)處理； b.提取底層特征:提取不變矩特征、Gaborfilter特征、Local Ternary Pattern(LTP)特征。
3.根據(jù)權(quán)利要求1所述所述的一種融合用戶多生物特征進(jìn)行活體認(rèn)證的支付方法，其特征是:所述的多生物特征融合的具體步驟如下: a.底層特征-圖像矩陣構(gòu)建:采用多種底層特征，構(gòu)建每個(gè)用戶的底層特征-圖像矩陣； b.獲得多生物融合 特征。對(duì)底層特征-圖像矩陣進(jìn)行矩陣處理和投影，獲得多生物融合特征。
4.根據(jù)要求I所述所述的一種融合用戶多生物特征進(jìn)行活體認(rèn)證的支付方法，其特征是:所述的活體認(rèn)證與支付具體步驟如下: a.活體認(rèn)證:將提 取的多生物特征與存儲(chǔ)在數(shù)據(jù)庫(kù)中的特征進(jìn)行活體認(rèn)證，通過(guò)計(jì)算兩者的認(rèn)證分?jǐn)?shù)，來(lái)判斷是否認(rèn)證成功； b.支付。如果活體認(rèn)證步驟提取的多生物特征與數(shù)據(jù)庫(kù)中的特征認(rèn)證成功，表示用戶通過(guò)身份活體認(rèn)證，可以進(jìn)行支付；否則，則認(rèn)為失敗。
全文摘要
本發(fā)明涉及基于活體認(rèn)證的用戶多生物特征身份認(rèn)證方法，提出一種融合指紋、人臉、手指靜脈、掌紋等用戶多生物特征的活體認(rèn)證支付方法，旨在通過(guò)用戶多生物融合技術(shù)，利用底層特征-圖像矩陣進(jìn)行矩陣處理和投影，獲得多生物融合特征, 并將提取的多生物特征與存儲(chǔ)在數(shù)據(jù)庫(kù)中的特征進(jìn)行活體認(rèn)證，通過(guò)計(jì)算兩者的認(rèn)證分?jǐn)?shù)，來(lái)判斷是否認(rèn)證成功。該方法用來(lái)解決商場(chǎng)、超市為載體的小型支付系統(tǒng)的安全性問(wèn)題，它充分利用了多生物特征多樣性、互補(bǔ)性的優(yōu)點(diǎn)，將多種身份認(rèn)證技術(shù)有效地結(jié)合起來(lái)，實(shí)現(xiàn)安全可靠的活體認(rèn)證與支付。
文檔編號(hào)G06Q20/42GK103077459SQ20121054900
公開(kāi)日2013年5月1日 申請(qǐng)日期2012年12月18日 優(yōu)先權(quán)日2012年12月18日
發(fā)明者楊巨成, 熊聰聰, 胡曉彤, 吳超, 焦焰斌, 王超 申請(qǐng)人:天津科技大學(xué), 樂(lè)配(天津)科技有限公司