一种多重保险的身份认证方法
【技术领域】
[0001] 本发明属于一种身份验证方法技术领域，尤其属于一种设及多重保险的身份认证 方法技术领域。
【背景技术】
[0002] 目前，很多验证系统只是采用了简单的密码验证，运样的验证方式过于简单，易于 破解，并且无法精准的判断操作人身份真实性。随着科技的不断发展，运样的系统是不能满 足要求的。所W，近些年有不断的改进方法提出，比如有通过人脸信息和密码配合验证的一 种人脸组合身份验证方法(CN103646201A)，还有活体检验和身份验证的双验证人脸防伪方 法及装置(CN102622588B)。运些方法都是对传统的单一密码验证的一种升级与改进，但是， 运些验证方法仅仅是加入了人脸的元素，为了使系统有更强的鲁棒性与安全性，本发明除 了通过摄像头采集人脸验证W外，还加入了手写字体签名，在系统上加入了手写板的装置， 可W在身份验证的时候，采集操作人的手写字体作为其中的一种验证方式，最后，还加上了 数字密码的验证和友情提示的安全功能。
[0003] 人脸识别在计算机视觉领域有许多的实际应用，比如人脸跟踪监测，机器人的人 脸定位和基于安全监控的人脸识别，因此受到了研究人员越来越多的关注。
[0004] -般情况下，人脸图像的采集会考虑W下几个方面：1)从不同的角度采集人脸图 像数据;2)不同的光照条件下采集人脸图像;3)不同的表情采集人脸图像数据;4)分别在戴 眼镜和不戴眼镜的情况下采集人脸图像数据。典型的人脸识别过程由W下的几个步骤:首 先，从训练图像集中提取人脸图像特征;第二，由一种特征选择算法训练出一个高效的特征 选择模型，通过该特征选择模型选择对随后分类最有效的特征;第Ξ，选择一个合适的分类 器进行分类识别。在采集人脸图像的时候会考虑W上的4种情况，或者也有其他的因素的影 响，有很多的人脸是很容易被混淆的。虽然现有的特征选择算法可W使得高维特征变得更 加简洁和有效，也能得到一定准确度的识别率，但是在数据集混有很多容易混淆的样本的 情况下，现有的特征选择算法表现受到限制。
[0005] 虽说手写签名图像由于每个人的书写风格各有不同，会有自己不同的签名字体； 但是，有的人会有自己的设计签名，所W运些人的字体会有些相似，采集信息时与验证时的 手写字体图像，由于溫度，操作人的坐姿不同，都会影响到手写的签名字体图像的差异，现 在典型的特征选择算法的效果会受到一定的影响，柯西估计判别分析特征选择算法相比典 型的特征选择算法会有一定的优势。
【发明内容】
[0006] 本发明的目的是进一步增强系统的安全性与鲁棒性，增加了人体信息对系统验证 的作用。不再是单一的利用人脸，而是加入了人体手写字体的验证;最后一步再用数字密码 来验证和友情提示的安全功能。
[0007] 鉴别局部配准模型对于现在比较流行的人脸数据集有不错的表现，但是由于运一 类算法没有考虑容易混淆的样本所带来的影响，所w对于人脸识别的准确率没有更进一步 的提升。本发明提出的特征选择算法是让特征选择W后的每个图像都距离所有图像的欧几 里得中屯、的距离比较远，并且采用柯西估计理论，运样保证了同一个人的所有图像不会距 离的太远的同时，又增大容易混淆的图像的辨识度。因此就改善了人脸图像数据集和手写 签名图像数据集中混有容易混淆的图像的情况下的性能。
[0008] 本发明详细描述了一套基于人脸图像，手写签名图像和数字密码的安全验证系 统，和一种新的特征选择算法，就是柯西估计判别分析算法。
[0009] 本发明采用如下技术方案实现。
[0010] -种多重保险的身份认证方法，本发明包括如下步骤，1)采集用户人脸图像;2)采 集用户手写签名图像;3)设置密码;4)从采集的人脸图像集和手写签名图像集中分别提取 人脸图像特征和手写签名图像特征；5)对人脸图像特征和手写签名图像特征进行特征选 择;6)采用支持向量机分类器进行分类;7)步骤6)中支持向量机分类器的识别结果正确及 密码输入正确，即验证成功，否则失败。
[0011] 本发明步骤4)是利用LPQ的特征提取方法对人脸图像提取特征。
[0012] 本发明步骤4)是利用path signatures的特征提取方法对手写签名图像提取特 征。
[0013] 本发明步骤5)对人脸图像特征和手写签名图像特征进行特征选择是利用柯西估 计判别分析算法对其进行特征选择。
[0014] 本发明柯西估计判别分析算法的具体步骤如下:对于一个给定的图像XI属于人脸 图像或者手写签名图像集合X=[X1，X2，...XN]ERDXWN是人脸图像或者手写签名图像的个 数，D是提取特征W后的人脸图像或者手写签名图像的原始维数，R代表在实数空间，其对应 的低维图像yl属于人脸图像或者手写签名图像集合Y=[yl，y2，...yN]ERdxWd是特征选择 后的人脸特征的维数，找到K个最相似的图像Χ??，···，Χ,κ '其中，有kl个是和XI属于同一个人的 人脸图像或者手写签名图像，剩下的k2个是和XI不相同的人的人脸图像或者手写签名图像， 其中K = kl+k2,分别用
衰示运两组人脸特征；对于整个XI的局 部块可W表示为
表示DX化i+k2+l)维 的线性空间，对应的低维表达是
在一个新得到的 低维局部块内，达到同一个人的人脸图像或者手写签名图像间的欧几里得距离足够的近， 而不同人之间的人脸图像或者手写签名图像间的欧几里得距离足够的远，因此W上的说法 优化函数表示如下：
[0015]
(1)
[0016] α是尺度因子，用来控制同一个人所获取到的样本间的欧几里得距离与不同人所 获取的样本欧几里得距离影响；
[0017] 定义一个系数向量ωι:
[001 引
[0019] 利用定义的系数向量ωι，（1)式就会被化简成W下的形式：
[0020]
口）
[002。 tr( ·)表示的是矩阵的迹运算，式中的
[0022]下面引入选择矩阵(Si)pq:
[002引因此，得到低维表达Yi = YSi，目标函数(2)可W改写为：
[0026]
[0027]考虑到在高维空间的表示，每个图像间的差距可能较小，达到在低维的空间表示 出来的图像之间的距离要比较远;对于每个图像来说就可W表示为:每个低维空间的图像 与所有图像中屯、的欧几里得距离足够的远，表示为W下的目标函数：
[002引
巧)
[0029] 哀就是所有图像的欧几里得距离的中屯、，良I
[0030] 为了使得所有的类具有更强的判别能力，加入了柯西估计理论，（5)式变成W下的 形式：
[0031]
(6)
[0032] C是一个参数，用来调整图像之间的距离。
[0033] 整合(4)式和(6)式，目标函数写成W下的形式：
[0034]
(7)
[0035] Cl是正则化系数；
[0036] 由于存在Υ = 1]Τχ关系，（7巧可W化简为
[0037]
(巧
[0038] 其中，S表示的是高维人脸图像或者手写签名图像特征之间的方差
[0039] 为了使得(8)式有唯一解，所W给定条件:UTU=I;
[0040] 投影矩阵U通过迭代的方法和特征值的求解方法解出来。
[0041] 本发明步骤3)设置密码的数量为2个或W上;一个是用于日常登录的验证密码;其