利用子模式LBP的人臉識(shí)別與雙態(tài)生物密鑰生成算法研究.pdf

1、生物加密是指將生物特征引入密碼體系以增強(qiáng)密碼體系安全性的技術(shù)。在眾多的生物特征中,人臉和指紋特征是相對(duì)常用的生物特征,較易采集和接受。其所具有的理論與應(yīng)用價(jià)值成為了該領(lǐng)域的研究焦點(diǎn)。
　　 局部二元模式(Local Binary Pattern-LBP)及其變形,如Gabor-LBP、∈-LBP等,均是灰度范圍內(nèi)的紋理描述方式。近年來,LBP已成功地用于人臉特征的描述。由于指紋的類間距相對(duì)較密,所以用Gabor-LBP描述其特征

2、。本文將用戶口令與人臉、指紋相結(jié)合,發(fā)展出一個(gè)基于子模式LBP的雙態(tài)生物密鑰生成算法。
　　 本文主要工作總結(jié)如下:
　　 1.研究了LBP及變形的局部化方法,提出了一種新的基于投票表決的局部分類方法框架,并利用該框架具體實(shí)現(xiàn)了基于投票表決的局部LBP方法(V-LBPH)。V-LBPH通過對(duì)圖像各局部區(qū)域分類結(jié)果的投票表決來得到對(duì)整個(gè)圖像(模式)的分類結(jié)果。在具有遮擋的AR標(biāo)準(zhǔn)人臉數(shù)據(jù)庫上的比較實(shí)驗(yàn),發(fā)現(xiàn)V-LBPH和基

3、于特征組合的局部LBP方法各具優(yōu)勢(shì),當(dāng)樣本圖像存在局部遮擋時(shí),V-LBPH能取得更好的分類精度。
　　 2.基于局部脊回歸分類器(LRR)發(fā)展出了基于Gabor-LBP的LRR人臉分類器(GLBP-LRR)。該分類器糾正了LRR對(duì)輸入特征表達(dá)不充分的缺陷,從而使得在分塊較少時(shí)仍能作出正確的表決。為進(jìn)一步提高表決性能,我們?cè)贕LBP-LRR前引入了區(qū)域遮擋檢測(cè)步驟,由此發(fā)展出了基于區(qū)域選擇的GLBP-LRR人臉分類器(SGLBP-

4、LRR)。在AR標(biāo)準(zhǔn)人臉數(shù)據(jù)集上的分類實(shí)驗(yàn)表明所提兩種分類器均提高了分類精度,且優(yōu)于子模式分類器Aw-SpPCA和SpCCA。
　　 3.基于上述成果,提出了基于子模式LBP的(人臉與指紋)雙態(tài)生物特征密鑰生成算法。算法主要包括特征抽取模塊,BioHash密鑰生成模塊,密鑰匹配模塊和決策模塊。所設(shè)計(jì)的密鑰被作為AES加密方法的輸入密鑰。在FVC2000和FVC2002指紋庫和ORL人臉庫上的實(shí)驗(yàn)結(jié)果顯示該方法相對(duì)于原有基于人臉的