一種融合用戶多生物特徵進行活體認證支付的方法

2023-05-31 14:17:36

專利名稱：一種融合用戶多生物特徵進行活體認證支付的方法
技術領域：
本發明涉及生物特徵識別技術領域，尤其是基於多生物特徵融合的活體認證支付。
背景技術：
目前，以商場、超市為載體的小型支付系統在現代社會中的應用很廣泛，一般的支付方式有現金支付、銀行卡支付(包括信用卡)，以及目前流行的行動支付。這些支付方法各有缺點。比如，現金需要找零，容易傳染病菌；銀行卡「認物不認人」，如果密碼丟失或者遺忘，將不安全並帶來麻煩。行動支付也存在「認物不認人」的弊端，如果行動支付終端丟失，並不能保證支付人是本人。因此，這些支付方式已經不能滿足現代信息社會的要求。生物特徵識別技術以其特有的安全性，可靠性和有效性等越來越受到人們的重視。人臉識別和指紋識別作為兩種最常用和方便的生物特徵識別技術，已廣泛應用於身份識別等領域。目前，指紋支付已經被用於安全支付領域，成為傳統支付方式的補充或者替代。然而很多時候，僅僅基於指紋或人臉的單生物特徵個人身份識別系統不能滿足人們的需要，這是因為人臉識別速度快但可靠性不高；而指紋識別可靠性高卻容易仿冒。基於活體認證的技術目前引起關注。多生物特徵融合技術是在生物識別技術迅猛發展的情況下發展起來的一個新的研究領域，多生物特徵融合技術是近幾十年發展起來的信息處理技術，它是將各種生物特徵如指紋、人臉、掌紋等融合為一個整體進行綜合分析處理，克服傳統方法的弊端，利用各種生物特徵的互補性，實現活體認證，提供更加安全的保障。本發明提出一種融合用戶多生物特徵進行活體認證的支付方法，將多生物特徵融合認證運用到支付領域，該方法安全、可靠，具有廣泛的應用前景和社會使用價值。

發明內容
本發明要解決的技術問題是為了克服傳統支付方法的缺點，提供一種融合用戶多生物特徵進行活體認證的支付方法，利用圖像分析和智能挖掘技術對用戶進行活體認證支付。本發明解決其技術問題所採取的技術方案是一種融合用戶多生物特徵進行活體認證的支付方法，通過對用戶多生物特徵進行圖像分析和數據挖掘映射，提取魯棒性的特徵進行身份認證支付。所述的多生物特徵包括指紋、人臉、手指靜脈、掌紋等，其利用圖像分析和智能挖掘技術進行用戶活體認證支付的具體步驟如下
a.生物特徵圖像預處理由指紋、人臉、手指靜脈、掌紋構成的融合系統進行預處理；
b.提取底層特徵提取不變矩特徵、Gaborfilter特徵、Local Ternary Pattern(LTP)特徵。所述的多生物特徵融合的具體步驟如下a.底層特徵-圖像矩陣構建:採用多種底層特徵，構建每個用戶的底層特徵-圖像矩
陣；
b.獲得多生物融合特徵。對底層特徵-圖像矩陣進行矩陣處理和投影，獲得多生物融合特徵。所述的活體認證與支付具體步驟如下:
a.活體認證:將提取的多生物特徵與存儲在資料庫中的特徵進行活體認證，通過計算兩者的認證分數，來判斷是否認證成功；
b.支付。如果活體認證步驟提取的多生物特徵與資料庫中的特徵認證成功，表示用戶通過身份活體認證，可以進行支付；否則，則認為失敗。本發明的融合多生物特徵進行活體認證支付方法的有益效果是:通過提取指紋、人臉、手指靜脈、掌紋等多生物特徵，融合這些特徵進行活體認證支付，對比傳統的基於單生物特徵的支付方法將更加安全可靠，能夠滿足商場超市等各種購物支付環境。


:
下面結合附圖和實施例對本發明進一步說明。圖1.本發明的研究方案及理論框圖 具體實施方式
:
現在結合附圖對本發明作進一步詳細的說明。這些附圖均為簡化的示意圖，僅以示意方式說明本發明的基本結構，因為僅顯示與本發明有關的構成。如圖1所示的融合多生物特徵進行活體認證支付的方法，主要利用圖像分析和數據挖掘技術對由指紋、人臉、手指靜脈、掌紋構成的系統分別進行預處理，從預處理圖像中提取出各種底層特徵，然後對這些特徵進行融合，最後利用融合的特徵與資料庫存貯的特徵進行活體身份認證與支付。本發明融合多生物特徵進行活體認證支付的具體步驟如下:
一、圖像底層特徵提取:包括生物特徵圖像預處理、提取底層特徵等主要步驟。(I)生物特徵圖像預處理:多生物特徵圖像的預處理是特徵提取之前的關鍵步驟之一，由於融合系統由指紋、人臉和手指靜脈、掌紋等構成，因此需要對其分別進行預處理。預處理的主要步驟包括:感興趣區域(ROI)分割、增強、歸一化等。(2)底層特徵的提取:分別提取不變矩特徵(hu不變矩和zernike正交不變矩)、Garbor filter 特徵、Local Ternary Pattern (LTP)特徵等。(a)不變矩特徵:不變矩特徵具有旋轉、尺度和平移不變特性，具有很強的描述圖像的區域特徵能力。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hu不變矩公式提取的7個hu不變矩的特徵值I ；
步驟2.選擇zernike不變矩的階數n 和重複數m，提取jL的值；
步驟3.對提取的I和Amn進行組合成不變矩特徵。(b) Gabor filter特徵:Gabor filter具有良好的方向選擇和頻率選擇特性,能夠對圖像進行時頻分析，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，提取不同方向和不同頻率下的G值；步驟2.對提取的G值組合成Gabor filter特徵。(c) LTP特徵:Local binary patter (LBP)是基於圖像空域局部算子的紋理圖像描述子，將LBP擴展成三值(_1，0，I)的編碼，得到局部三值模式。因此，可以用來描述圖像局部紋理情況。其主要步驟如下:
步驟1.先對圖像分塊，該算子對分塊圖像每個像素的八鄰域點採樣，每個採樣點與中心像素作灰度值二值化運算；
步驟2.計算LTP值。這裡，採樣點與中心像素作灰度值在一個很小範圍內量化為零，大於這個中心像素作灰度值的量化為+1，小於這個中心像素作灰度值的量化為-1 ；
步驟3.對提取的分塊圖像的LTP值進行組合成圖像的LTP特徵。

二、多生物特徵融合:
(I)底層特徵-圖像矩陣構建:採用多種底層特徵，構建每個用戶的底層特徵-圖像矩陣(共q個生物特徵融合)。步驟1.對各生物特徵的ROI圖像統一分塊成P個大小為nXn的小圖像，q個生物特徵圖像共pXq個局部小圖像。步驟2.對每個局部小圖像分別進行包括不變矩特徵(hu不變矩和zernike正交不變矩)、Garbor filter特徵、LTP特徵等分析,並將這些特徵作為每個用戶的底層特徵-圖像矩陣的列向量。步驟3.將每個分塊後的局部小圖像(q個生物特徵)作為每個用戶的底層特徵-圖像矩陣的行向量，統計上一步得到的每個底層特徵對其出現的概率，構建每個用戶的底層特徵和圖像之間的特徵-圖像矩陣，其大小為pXq。(2)獲得多生物融合特徵:首先，對底層特徵-圖像矩陣進行對角化處理。然後，在對對角化矩陣進行矩陣行方向分解後。最後，將圖像投影到該特徵空間內，獲得多生物融合特徵。其主要步驟如下:
步驟1.矩陣對角化:將大小為PXq的m個底層特徵-圖像矩陣集合用來表示，Se代表每個用戶的底層特徵-圖像矩陣，m是用戶的數量。步驟2.圖像矩陣分解處理:將大小為pXq的m個對角化矩陣集合用Iw =[4為…4]來表示，代表每個用戶對角化後的底層特徵-圖像矩陣，m是用戶的數量。首先利用ID-NMF分解成為大小為pXd的矩陣Z和一個大小為dXq的矩陣"之積，使得這裡d是參考維數，Z是矩陣Z在圖像行方向分解得到的基矩陣，//為係數矩陣；
步驟3.將圖像投影到該特徵空間內，即得到由該特徵組合的係數^所表示的多生物融合特徵。三、活體認證與支付:
(I)活體認證:將提取的多生物特徵與存儲在資料庫中的特徵進行活體認證，通過計算兩者的認證分數，如果分數超過一定的閾值，則認為認證成功；否則，失敗。步驟1.離線對多生物特徵進行預處理、底層特徵提取如進行包括不變矩特徵(hu不變矩和zernike正交不變矩)、Garbor filter特徵、LTP特徵等分析，並將這些特徵融合，並將特徵的數值歸一化到
範圍內，存貯在資料庫； 步驟2.在線採集多生物特徵，並進行底層特徵提取、多生物特徵融合等處理，對融合的生物特徵進行歸一化處理，並將輸入特徵的數值歸一化到[O，I]範圍內；
步驟3.利用支持向量機等分類器來對在線採集的輸入特徵和存貯在資料庫中的特徵進行匹配，並計算他們的匹配分數，如果分數超過一定的閾值，則認為認證成功；否則，失敗。(2)支付如果上述提取的多生物特徵與資料庫中的特徵認證成功，表示用戶通過身份活體認證，可以進行支付；否則，則認為失敗。以上述依據本發明的理想實施例為啟示，通過上述的說明內容，相關工作人員完全可以在不偏離本項發明技術思想的範圍內，進行多樣的變更以及修改。本項發明的技術範圍並不局限於說明書的內容，必須要根據權利要求範圍來確定其技術性範圍。
權利要求
1.一種融合用戶多生物特徵進行活體認證的支付方法，其特徵是:通過融合指紋、人臉、手指靜脈、掌紋等多生物特徵，利用圖像分析和智能挖掘技術進行用戶活體認證支付。
2.根據權利要求1所述的一種融合用戶多生物特徵進行活體認證的支付方法，其特徵是:所述的多生物特徵包括指紋、人臉、手指靜脈、掌紋等，其利用圖像分析和智能挖掘技術進行用戶活體認證支付的具體步驟如下: a.生物特徵圖像預處理:由指紋、人臉、手指靜脈、掌紋構成的融合系統進行預處理； b.提取底層特徵:提取不變矩特徵、Gaborfilter特徵、Local Ternary Pattern(LTP)特徵。
3.根據權利要求1所述所述的一種融合用戶多生物特徵進行活體認證的支付方法，其特徵是:所述的多生物特徵融合的具體步驟如下: a.底層特徵-圖像矩陣構建:採用多種底層特徵，構建每個用戶的底層特徵-圖像矩陣； b.獲得多生物融合 特徵。對底層特徵-圖像矩陣進行矩陣處理和投影，獲得多生物融合特徵。
4.根據要求I所述所述的一種融合用戶多生物特徵進行活體認證的支付方法，其特徵是:所述的活體認證與支付具體步驟如下: a.活體認證:將提 取的多生物特徵與存儲在資料庫中的特徵進行活體認證，通過計算兩者的認證分數，來判斷是否認證成功； b.支付。如果活體認證步驟提取的多生物特徵與資料庫中的特徵認證成功，表示用戶通過身份活體認證，可以進行支付；否則，則認為失敗。
全文摘要
本發明涉及基於活體認證的用戶多生物特徵身份認證方法，提出一種融合指紋、人臉、手指靜脈、掌紋等用戶多生物特徵的活體認證支付方法，旨在通過用戶多生物融合技術，利用底層特徵-圖像矩陣進行矩陣處理和投影，獲得多生物融合特徵, 並將提取的多生物特徵與存儲在資料庫中的特徵進行活體認證，通過計算兩者的認證分數，來判斷是否認證成功。該方法用來解決商場、超市為載體的小型支付系統的安全性問題，它充分利用了多生物特徵多樣性、互補性的優點，將多種身份認證技術有效地結合起來，實現安全可靠的活體認證與支付。
文檔編號G06Q20/42GK103077459SQ20121054900
公開日2013年5月1日 申請日期2012年12月18日 優先權日2012年12月18日
發明者楊巨成, 熊聰聰, 胡曉彤, 吳超, 焦焰斌, 王超 申請人:天津科技大學, 樂配(天津)科技有限公司