面向虹膜模板的复合映射加密算法

针对远程生物认证中虹膜模板图像既需要加密保存又要保证可恢复性的特点,在使用卷积神经网络(convolutional neural networks,CNN)对特征像素矩阵提取的基础上,提出一种复合映射的虹膜模板加密算法。将CNN提取的像素特征矩阵分组,并对不同分组分别使用阿诺德映射改变权值矩阵实现矩阵扰乱。使用分段线性混沌映射隐藏邻近相关像素,完成虹膜图像模板加密。由于映射分别针对特定分组的特征像素矩阵,具有更好的原始图像可恢复性。实验结果表明,所提出的算法对远程认证的虹膜模板图像具有很好的加密性能和较高的算法加/解密执行效率。

基于局部排序的双虹膜模板保护方法

针对不可逆变换虹膜模板保护方法在虹膜识别时的特征模板泄露问题,提出一种基于局部排序的双虹膜模板保护方法。方法采用log-Gabor变换提取用户的左右虹膜特征,将左右虹膜特征数据进行异或,对左虹膜特征数据与异或所得结果分别加以处理。在处理过程中设置块参数,分组处理所分的块数,将排序数值换算为二进制序列作为最终的加密模板,从而依据汉明距离对加密模板进行匹配识别。采用多套虹膜图库进行测试,验证算法性能,实验结果表明,识别正确率能够达到90.55%,满足生物特征模板保护的不可逆性。

基于双Bloom过滤器与离散对数的虹膜模板保护方法

针对不可逆变换虹膜模板保护方法在虹膜识别系统中的模板泄露问题,提出一种融合人脸特征信息的基于双Bloom过滤器与离散对数的虹膜模板保护方法。采用Log-Gabor变换提取用户的虹膜特征,采用等价模式的LBP算法提取用户人脸特征,将量化的人脸特征通过离散对数转化为十进制密钥特征,然后将其嵌入到虹膜双Bloom过滤器变换中,在异或阶段对十进制人脸密钥特征进行异或,最后依据分数汉明距离对加密模板进行匹配识别。采用两种虹膜图库进行测试,验证算法性能,实验结果表明,识别正确率达97.22%,同时满足生物特征模板保护的不可逆性、可撤销性以及不可链接性。

局部置乱结合双随机相位编码的双虹膜身份模板保护方法

针对基于不可逆变换的虹膜模板保护在进行虹膜识别时面临特征模板泄露的问题,提出一种结合局部置乱和双随机相位编码双虹膜身份模板保护方法。该方法首先采用log-Gabor变换提取用户虹膜特征,然后设定置乱次数以及变换矩阵参数,利用Arnold变换对虹膜特征矩阵进行无重叠分块置乱,对原始特征进行第一重加密保护。再在分数傅里叶变换域应用双随机相位编码方法构建加密特征向量,采用用户设定掩膜M1和同一用户的另一只虹膜图像掩膜M2对置乱矩阵进行第二重加密保护。最后依据汉明距离对加密模板进行匹配识别。为验证算法性能,采用CASIA-IrisV3-Interval、MMU-V1以及CASIA-IrisV4-Lamp虹膜图库的图像进行测试。结果表明,该方法识别正确率能够达到98.73%,可生成模板的总数量为522,并且恢复原始数据需要尝试31452×624×42次,能够满足生物特征模板保护的不可逆性、可撤销性和不可链接性标准。

使用人眼几何特征的视线追踪方法

目的视线追踪是人机交互的辅助系统,针对传统的虹膜定位方法误判率高且耗时较长的问题,本文提出了一种基于人眼几何特征的视线追踪方法,以提高在2维环境下视线追踪的准确率。方法首先通过人脸定位算法定位人脸位置,使用人脸特征点检测的特征点定位眼角点位置,通过眼角点计算出人眼的位置。直接使用虹膜中心定位算法的耗时较长,为了使虹膜中心定位的速度加快,先利用虹膜图片建立虹膜模板,然后利用虹膜模板检测出虹膜区域的位置,通过虹膜中心精定位算法定位虹膜中心的位置,最后提取出眼角点、虹膜中心点等信息,对点中包含的角度信息、距离信息进行提取,组合成眼动向量特征。使用神经网络模型进行分类,建立注视点映射关系,实现视线的追踪。通过图像的预处理对图像进行增强,之后提取到了相对的虹膜中心。提取到需要的特征点,建立相对稳定的几何特征代表眼动特征。结果在普通的实验光照环境中,头部姿态固定的情况下,识别率最高达到98.9%,平均识别率达到95.74%。而当头部姿态在限制区域内发生变化时,仍能保持较高的识别率,平均识别率达到了90%以上。通过实验分析发现,在头部变化的限制区域内,本文方法具有良好的鲁棒性。结论本文提出使用模板匹配与虹膜精定位相结合的方法来快速定位虹膜中心,利用神经网络来对视线落点进行映射,计算视线落点区域,实验证明本文方法具有较高的精度。