利用子模式LBP的人臉識別與雙態(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密碼體系安全性的技術。在眾多的生物特征中,人臉和指紋特征是相對常用的生物特征,較易采集和接受。其所具有的理論與應用價值成為了該領域的研究焦點。
　　 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、指紋相結合,發(fā)展出一個基于子模式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現(xiàn)了基于投票表決的局部LBP方法(V-LBPH)。V-LBPH通過對圖像各局部區(qū)域分類結果的投票表決來得到對整個圖像(模式)的分類結果。在具有遮擋的AR標準人臉數(shù)據(jù)庫上的比較實驗,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,當樣本圖像存在局部遮擋時,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對輸入特征表達不充分的缺陷,從而使得在分塊較少時仍能作出正確的表決。為進一步提高表決性能,我們在GLBP-LRR前引入了區(qū)域遮擋檢測步驟,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標準人臉數(shù)據(jù)集上的分類實驗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。所設計的密鑰被作為AES加密方法的輸入密鑰。在FVC2000和FVC2002指紋庫和ORL人臉庫上的實驗結果顯示該方法相對于原有基于人臉的