基于感知信息的多模態(tài)生物特征融合技術(shù)研究.pdf

1、生物特征識(shí)別技術(shù)較好的兼顧了系統(tǒng)安全和用戶體驗(yàn)兩個(gè)矛盾的方面，因此在信息安全等領(lǐng)域受到了廣泛的關(guān)注和應(yīng)用。但是單模態(tài)生物特征識(shí)別技術(shù)的特點(diǎn)決定了其存在安全和性能等方面的諸多問(wèn)題，而多模態(tài)生物識(shí)別技術(shù)由于其更好的適用性、更高的安全性、更優(yōu)的性能成為目前生物識(shí)別技術(shù)發(fā)展的趨勢(shì)。多模態(tài)生物識(shí)別技術(shù)的發(fā)展和成熟將進(jìn)一步完善生物識(shí)別技術(shù)的方法和手段，為信息安全應(yīng)用系統(tǒng)提供更可靠、更安全的身份認(rèn)證方案。特征層融合直接面向不同模態(tài)樣本特征，相對(duì)于像素

2、層、匹配層和決策層，能夠最大程度的保留樣本特征的區(qū)分性信息，消除樣本特征的冗余信息，真正發(fā)揮多模態(tài)融合的優(yōu)勢(shì)，逐漸成為多模態(tài)融合的研究熱點(diǎn)。但是目前在特征層融合中特征的選擇和融合策略的選擇都帶有較大的盲目性和隨機(jī)性，原因在于特征來(lái)源和特征提取方法的不同，造成了特征數(shù)據(jù)分布形式和信息內(nèi)涵的各不相同，缺乏對(duì)于這些特征合理的歸納分析和對(duì)特征層融合方法的指導(dǎo)性框架。
　　本文從分析、歸納多模態(tài)生物樣本的特征出發(fā)，借鑒人類視覺(jué)感知系統(tǒng)對(duì)視覺(jué)

3、信息的處理模式，將生物樣本的特征分為感覺(jué)特征和知覺(jué)特征兩個(gè)層次，通過(guò)對(duì)各自特點(diǎn)的分析，提出了基于感知信息的特征層擴(kuò)展多模態(tài)融合技術(shù)模型，為多模態(tài)融合問(wèn)題提供了合理的指導(dǎo)性框架模型?；谠撃Ｐ蜕钊胙芯苛烁杏X(jué)特征融合、知覺(jué)特征融合以及感覺(jué)-知覺(jué)特征融合的問(wèn)題，通過(guò)人臉、指紋、虹膜等模態(tài)的融合驗(yàn)證了所提出的算法的有效性。最后針對(duì)多模態(tài)生物識(shí)別系統(tǒng)的安全問(wèn)題，進(jìn)行了相關(guān)的安全性評(píng)測(cè)并提出了適用于多模態(tài)生物識(shí)別系統(tǒng)的模板保護(hù)算法。
　　本文

4、的主要研究工作和創(chuàng)新點(diǎn)在于：
　　(1)提出了基于感知信息的特征層擴(kuò)展多模態(tài)融合模型，在感覺(jué)特征和知覺(jué)特征劃分的基礎(chǔ)上給出了細(xì)化的特征層多模態(tài)融合框架，將多模態(tài)特征層融合問(wèn)題進(jìn)一步歸納為感覺(jué)特征融合、知覺(jué)特征融合及感覺(jué)-知覺(jué)特征融合等問(wèn)題，為多模態(tài)融合中融合特征的選擇和融合策略的選擇提供理論上的指導(dǎo)；
　　(2)分別提出了指紋、虹膜和人臉三種典型模態(tài)感覺(jué)特征預(yù)處理及提取算法，并針對(duì)感覺(jué)特征的特點(diǎn)，采用加權(quán)融合的方法分別實(shí)現(xiàn)了

5、指紋-虹膜、指紋-人臉、人臉-虹膜等方式的多模態(tài)感覺(jué)特征融合。實(shí)驗(yàn)結(jié)果表明了本文感覺(jué)特征提取算法和加權(quán)融合策略有效性；
　　(3)提出了知覺(jué)特征做為特征子空間點(diǎn)集的觀點(diǎn)，分析了知覺(jué)特征的空間特性，通過(guò)z-score模型歸一化不同模態(tài)知覺(jué)特征所在的特征空間。進(jìn)而提出了擴(kuò)展普通向量算法，推導(dǎo)了基于樣本類內(nèi)散度矩陣值域和樣本差分子空間兩種不同的求解方法，并證明了兩種方法的等價(jià)性。實(shí)現(xiàn)了基于擴(kuò)展普通向量的指紋、人臉、虹膜三種模態(tài)知覺(jué)特征的

6、融合算法，實(shí)驗(yàn)結(jié)果表明本文所提算法具有良好的識(shí)別性能；
　　(4)提出了兩種基于核方法的擴(kuò)展融合算法：擴(kuò)展核主成分分析算法和核Fisher鑒別分析算法，解決感覺(jué)特征與知覺(jué)特征融合時(shí)存在的非線性問(wèn)題，提取融合特征的非線性特征。并推導(dǎo)了擴(kuò)展核主成份分析算法在中心化樣本集和非中心化樣本集兩種情況下的算法原理。實(shí)現(xiàn)兩種擴(kuò)展融合算法在指紋、虹膜、人臉三種模態(tài)算法的感覺(jué)-知覺(jué)特征融合算法。實(shí)驗(yàn)結(jié)果表明這兩種算法不僅優(yōu)于單模態(tài)生物識(shí)別，同時(shí)也超

7、越了傳統(tǒng)融合算法的性能；
　　(5)探討了多模態(tài)生物識(shí)別系統(tǒng)面臨的安全問(wèn)題，定義安全威脅參數(shù)和區(qū)分性度量參數(shù)作為評(píng)估樣本部分泄漏對(duì)系統(tǒng)性能的影響，對(duì)本文提出的融合算法及傳統(tǒng)經(jīng)典融合算法在樣本部分泄漏情況下的安全性進(jìn)行了評(píng)測(cè)，實(shí)驗(yàn)表明本文提出的擴(kuò)展核Fisher鑒別分析算法具有良好的安全性。進(jìn)而提出了基于自適應(yīng)非均勻量化的多模態(tài)生物模板保護(hù)方案，將融合特征模板進(jìn)行去模糊化，實(shí)現(xiàn)模板基于密碼學(xué)Hash的安全存儲(chǔ)和匹配，進(jìn)一步增強(qiáng)了多模