CN103077459A - 一种融合用户多生物特征进行活体认证支付的方法 - Google Patents

Abstract

本发明涉及基于活体认证的用户多生物特征身份认证方法，提出一种融合指纹、人脸、手指静脉、掌纹等用户多生物特征的活体认证支付方法，旨在通过用户多生物融合技术，利用底层特征-图像矩阵进行矩阵处理和投影，获得多生物融合特征, 并将提取的多生物特征与存储在数据库中的特征进行活体认证，通过计算两者的认证分数，来判断是否认证成功。该方法用来解决商场、超市为载体的小型支付***的安全性问题，它充分利用了多生物特征多样性、互补性的优点，将多种身份认证技术有效地结合起来，实现安全可靠的活体认证与支付。

Description

一种融合用户多生物特征进行活体认证支付的方法

技术领域

本发明涉及生物特征识别技术领域，尤其是基于多生物特征融合的活体认证支付。

背景技术

  目前，以商场、超市为载体的小型支付***在现代社会中的应用很广泛，一般的支付方式有现金支付、银行卡支付（包括***），以及目前流行的移动支付。这些支付方法各有缺点。比如，现金需要找零，容易传染病菌；银行卡“认物不认人”，如果密码丢失或者遗忘，将不安全并带来麻烦。移动支付也存在“认物不认人”的弊端，如果移动支付终端丢失，并不能保证支付人是本人。因此，这些支付方式已经不能满足现代信息社会的要求。

   生物特征识别技术以其特有的安全性，可靠性和有效性等越来越受到人们的重视。人脸识别和指纹识别作为两种最常用和方便的生物特征识别技术，已广泛应用于身份识别等领域。目前，指纹支付已经被用于安全支付领域，成为传统支付方式的补充或者替代。

   然而很多时候，仅仅基于指纹或人脸的单生物特征个人身份识别***不能满足人们的需要，这是因为人脸识别速度快但可靠性不高；而指纹识别可靠性高却容易仿冒。基于活体认证的技术目前引起关注。多生物特征融合技术是在生物识别技术迅猛发展的情况下发展起来的一个新的研究领域，多生物特征融合技术是近几十年发展起来的信息处理技术，它是将各种生物特征如指纹、人脸、掌纹等融合为一个整体进行综合分析处理，克服传统方法的弊端，利用各种生物特征的互补性，实现活体认证，提供更加安全的保障。

   本发明提出一种融合用户多生物特征进行活体认证的支付方法，将多生物特征融合认证运用到支付领域，该方法安全、可靠，具有广泛的应用前景和社会使用价值。

发明内容

本发明要解决的技术问题是：为了克服传统支付方法的缺点，提供一种融合用户多生物特征进行活体认证的支付方法，利用图像分析和智能挖掘技术对用户进行活体认证支付。

本发明解决其技术问题所采取的技术方案是：一种融合用户多生物特征进行活体认证的支付方法，通过对用户多生物特征进行图像分析和数据挖掘映射，提取鲁棒性的特征进行身份认证支付。

所述的多生物特征包括指纹、人脸、手指静脉、掌纹等，其利用图像分析和智能挖掘技术进行用户活体认证支付的具体步骤如下：

a.生物特征图像预处理:由指纹、人脸、手指静脉、掌纹构成的融合***进行预处理；

b.提取底层特征:提取不变矩特征、Gabor filter特征、Local Ternary Pattern (LTP)特征。

所述的多生物特征融合的具体步骤如下：

a.底层特征-图像矩阵构建：采用多种底层特征，构建每个用户的底层特征-图像矩阵；

b. 获得多生物融合特征。对底层特征-图像矩阵进行矩阵处理和投影，获得多生物融合特征。

所述的活体认证与支付具体步骤如下：

a.活体认证：将提取的多生物特征与存储在数据库中的特征进行活体认证，通过计算两者的认证分数，来判断是否认证成功；

b. 支付。如果活体认证步骤提取的多生物特征与数据库中的特征认证成功，表示用户通过身份活体认证，可以进行支付；否则，则认为失败。

本发明的融合多生物特征进行活体认证支付方法的有益效果是：通过提取指纹、人脸、手指静脉、掌纹等多生物特征，融合这些特征进行活体认证支付，对比传统的基于单生物特征的支付方法将更加安全可靠，能够满足商场超市等各种购物支付环境。

  

附图说明：

下面结合附图和实施例对本发明进一步说明。

图1. 本发明的研究方案及理论框图

具体实施方式：

现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因为仅显示与本发明有关的构成。

如图1所示的融合多生物特征进行活体认证支付的方法，主要利用图像分析和数据挖掘技术对由指纹、人脸、手指静脉、掌纹构成的***分别进行预处理，从预处理图像中提取出各种底层特征，然后对这些特征进行融合，最后利用融合的特征与数据库存贮的特征进行活体身份认证与支付。

本发明融合多生物特征进行活体认证支付的具体步骤如下：

一、图像底层特征提取：包括生物特征图像预处理、提取底层特征等主要步骤。

（1）生物特征图像预处理：多生物特征图像的预处理是特征提取之前的关键步骤之一，由于融合***由指纹、人脸和手指静脉、掌纹等构成，因此需要对其分别进行预处理。预处理的主要步骤包括：感兴趣区域(ROI)分割、增强、归一化等。

（2）底层特征的提取：分别提取不变矩特征（hu不变矩和zernike正交不变矩）、Garbor filter特征、Local Ternary Pattern(LTP)特征等。

（a）不变矩特征：不变矩特征具有旋转、尺度和平移不变特性，具有很强的描述图像的区域特征能力。比较常用的不变矩如：hu不变矩和zernike正交不变矩。其主要步骤如下：

步骤1.依据hu不变矩公式提取的7个hu不变矩的特征值I；

步骤2.选择zernike不变矩的阶数n 和重复数m，提取                                                的值；

步骤3.对提取的I和

进行组合成不变矩特征。

（b）Gabor filter特征：Gabor filter具有良好的方向选择和频率选择特性，能够对图像进行时频分析，提取不同方向、频率下的纹理值。其主要步骤如下：

步骤1.选择合理的方向和频率f参数，提取不同方向和不同频率下的G值；

步骤2.对提取的G值组合成Gabor filter特征。

（c）LTP特征：Local binary patter(LBP)是基于图像空域局部算子的纹理图像描述子, 将LBP扩展成三值（-1，0，1）的编码，得到局部三值模式。因此，可以用来描述图像局部纹理情况。其主要步骤如下：

步骤1.先对图像分块，该算子对分块图像每个像素的八邻域点采样，每个采样点与中心像素作灰度值二值化运算；

步骤2.计算LTP值。这里，采样点与中心像素作灰度值在一个很小范围内量化为零，大于这个中心像素作灰度值的量化为+1，小于这个中心像素作灰度值的量化为-1；

步骤3.对提取的分块图像的LTP值进行组合成图像的LTP特征。

二、多生物特征融合：

（1）底层特征-图像矩阵构建：采用多种底层特征，构建每个用户的底层特征-图像矩阵 (共q个生物特征融合)。

步骤1.对各生物特征的ROI图像统一分块成p个大小为n×n的小图像，q个生物特征图像共p×q个局部小图像。

步骤2.对每个局部小图像分别进行包括不变矩特征（hu不变矩和zernike正交不变矩）、Garbor filter特征、LTP特征等分析，并将这些特征作为每个用户的底层特征-图像矩阵的列向量。

步骤3.将每个分块后的局部小图像（q个生物特征）作为每个用户的底层特征-图像矩阵的行向量，统计上一步得到的每个底层特征对其出现的概率，构建每个用户的底层特征和图像之间的特征-图像矩阵，其大小为p×q。

（2）获得多生物融合特征：首先，对底层特征-图像矩阵进行对角化处理。然后，在对对角化矩阵进行矩阵行方向分解后。最后，将图像投影到该特征空间内，获得多生物融合特征。其主要步骤如下：

步骤1.矩阵对角化：将大小为p×q的m个底层特征-图像矩阵集合用来表示，

代表每个用户的底层特征-图像矩阵，m是用户的数量。 

步骤2.图像矩阵分解处理：将大小为p×q的m个对角化矩阵集合用

来表示，

代表每个用户对角化后的底层特征-图像矩阵，m是用户的数量。首先利用1D-NMF分解成为大小为p×d的矩阵L和一个大小为d×q的矩阵H之积，使得：

。这里d是参考维数，L是矩阵X在图像行方向分解得到的基矩阵，H为系数矩阵；

步骤3. 将图像投影到该特征空间内，即得到由该特征组合的系数

所表示的多生物融合特征。

三、活体认证与支付：

（1）活体认证：将提取的多生物特征与存储在数据库中的特征进行活体认证，通过计算两者的认证分数，如果分数超过一定的阈值，则认为认证成功；否则，失败。

步骤1.离线对多生物特征进行预处理、底层特征提取如进行包括不变矩特征（hu不变矩和zernike正交不变矩）、Garbor filter特征、LTP特征等分析，并将这些特征融合，并将特征的数值归一化到[0,1]范围内，存贮在数据库；

步骤2.在线采集多生物特征，并进行底层特征提取、多生物特征融合等处理，对融合的生物特征进行归一化处理，并将输入特征的数值归一化到[0,1]范围内；

步骤3.利用支持向量机等分类器来对在线采集的输入特征和存贮在数据库中的特征进行匹配，并计算他们的匹配分数，如果分数超过一定的阈值，则认为认证成功；否则，失败。

  （2）支付：如果上述提取的多生物特征与数据库中的特征认证成功，表示用户通过身份活体认证，可以进行支付；否则，则认为失败。

以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术范围并不局限于说明书的内容，必须要根据权利要求范围来确定其技术性范围。

Claims (4)

1.一种融合用户多生物特征进行活体认证的支付方法，其特征是：通过融合指纹、人脸、手指静脉、掌纹等多生物特征，利用图像分析和智能挖掘技术进行用户活体认证支付。

 

2.根据权利要求1所述的一种融合用户多生物特征进行活体认证的支付方法，其特征是：所述的多生物特征包括指纹、人脸、手指静脉、掌纹等，其利用图像分析和智能挖掘技术进行用户活体认证支付的具体步骤如下：

a. 生物特征图像预处理:由指纹、人脸、手指静脉、掌纹构成的融合***进行预处理；

b. 提取底层特征:提取不变矩特征、Gabor filter特征、Local Ternary Pattern (LTP)特征。

 

3.根据权利要求1所述所述的一种融合用户多生物特征进行活体认证的支付方法，其特征是：所述的多生物特征融合的具体步骤如下：

a. 底层特征-图像矩阵构建：采用多种底层特征，构建每个用户的底层特征-图像矩阵；

b. 获得多生物融合特征。对底层特征-图像矩阵进行矩阵处理和投影，获得多生物融合特征。

 

4.根据要求1所述所述的一种融合用户多生物特征进行活体认证的支付方法，其特征是：所述的活体认证与支付具体步骤如下：

a. 活体认证：将提取的多生物特征与存储在数据库中的特征进行活体认证，通过计算两者的认证分数，来判断是否认证成功；

b. 支付。如果活体认证步骤提取的多生物特征与数据库中的特征认证成功，表示用户通过身份活体认证，可以进行支付；否则，则认为失败。

 

Images