利用子模式LBP的人脸识别与双态生物密钥生成算法研究

论文摘要

生物加密是指将生物特征引入密码体系以增强密码体系安全性的技术。在众多的生物特征中,人脸和指纹特征是相对常用的生物特征,较易采集和接受。其所具有的理论与应用价值成为了该领域的研究焦点。局部二元模式（Local Binary Pattern-LBP）及其变形,如Gabor-LBP、ε-LBP等,均是灰度范围内的纹理描述方式。近年来,LBP已成功地用于人脸特征的描述。由于指纹的类间距相对较密,所以用Gabor-LBP描述其特征。本文将用户口令与人脸、指纹相结合,发展出一个基于子模式LBP的双态生物密钥生成算法。本文主要工作总结如下:1.研究了LBP及变形的局部化方法,提出了一种新的基于投票表决的局部分类方法框架,并利用该框架具体实现了基于投票表决的局部LBP方法（V-LBPH）。V-LBPH通过对图像各局部区域分类结果的投票表决来得到对整个图像（模式）的分类结果。在具有遮挡的AR标准人脸数据库上的比较实验,发现V-LBPH和基于特征组合的局部LBP方法各具优势,当样本图像存在局部遮挡时,V-LBPH能取得更好的分类精度。2.基于局部脊回归分类器（ LRR）发展出了基于Gabor-LBP的LRR人脸分类器（GLBP-LRR）。该分类器纠正了LRR对输入特征表达不充分的缺陷,从而使得在分块较少时仍能作出正确的表决。为进一步提高表决性能,我们在GLBP-LRR前引入了区域遮挡检测步骤,由此发展出了基于区域选择的GLBP-LRR人脸分类器（ SGLBP-LRR）。在AR标准人脸数据集上的分类实验表明所提两种分类器均提高了分类精度,且优于子模式分类器Aw-SpPCA和SpCCA。3.基于上述成果,提出了基于子模式LBP的（人脸与指纹）双态生物特征密钥生成算法。算法主要包括特征抽取模块,BioHash密钥生成模块,密钥匹配模块和决策模块。所设计的密钥被作为AES加密方法的输入密钥。在FVC2000和FVC2002指纹库和ORL人脸库上的实验结果显示该方法相对于原有基于人脸的单态生物特征密钥生成算法,在准确性和安全性方面都获得了提高,从而验证了它的有效性与可行性。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 密码学与生物加密系统
• 1.2 生物特征融合
• 1.3 安全模板生成算法
• 1.4 生物特征提取与选择概述
• 1.5 本文的主要研究工作
• 1.6 本文的内容安排
• 第二章 子模式 LBP 的研究
• 2.1 LBP 方法介绍
• 2.2 ε-LBP 简介
• 2.3 Gabor-LBP 方法介绍
• 2.4 子模式方法的分类
• 2.4.1 基于特征组合的局部子模式方法
• 2.4.2 基于投票表决的局部子模式方法
• 2.5 实验结果及分析
• 2.5.1 AR 人脸图像数据集
• 2.5.2 实验分析
• 2.6 本章小结
• 第三章 基于区域选择的 GLBP-LRR 人脸分类器
• 3.1 RR 方法简介
• 3.2 GLBP-LRR 方法简介
• 3.3 AdaBoost 区域检测法
• 3.3.1 人脸的区域划分
• 3.3.2 AdaBoost 算法介绍
• 3.3.3 三种区域检测方法
• 3.4 基于区域选择的 GLBP-LRR 分类器
• 3.5 实验结果分析
• 3.5.1 遮挡检测结果分析
• 3.5.2 GLBP-LRR 分类结果
• 3.5.3 SGLBP-LRR 分类结果
• 3.6 本章小结
• 第四章 基于子模式 LBP 的双态生物特征密钥生成算法
• 4.1 问题的引入
• 4.2 基于子模式 LBP 的双态生物特征密钥生成算法
• 4.2.1 人脸和指纹图像的特征提取
• 4.2.2 BioHash 简介
• 4.2.3 特征融合方法
• 4.3 实验结果分析
• 4.3.1 FVC 指纹和 ORL 人脸数据库
• 4.3.2 单生物特征的汉明实验
• 4.3.3 双生物特征的汉明实验
• 4.4 本章小结
• 第五章 双态生物特征加密算法的安全性分析
• 5.1 密钥生成算法的安全性分析
• 5.2 生物特征安全受威胁
• 5.3 口令安全受威胁
• 5.4 本章小结
• 第六章 总结与展望
• 6.1 已有工作小结
• 6.2 未来工作展望
• 参考文献
• 致谢
• 硕士研究生期间完成的学术论文