论文部分内容阅读
生物特征识别是基于个人独特的生理或行为特征进行身份鉴别的技术,将生物特征引入到密码体系中已成为增强密码体系安全性的一种有效手段。在众多生物特征中,人脸特征是目前非常热门的研究领域,它是现实生活中人类所使用的最直接、最方便的一种识别方式,而且对用户无侵害性,最容易被接受,它在理论与应用中的潜在价值一直激励着科研人员的不懈努力。局部二元模式(Local Binary Patterns - LBP)是一种灰度范围内的纹理描述方式,近年来,研究者们成功地将之作为人脸特征描述方式,取得了显著的效果。但LBP的鲁棒性不强,且没有引入用户口令等其它信息,安全性较低。本文在LBP改进方法的基础上提出了一种人脸密钥生成算法,用以增强系统安全性。主要的创新与研究工作总结如下:1.提出了一种鲁棒的LBP方法:ε-MMLBP(ε-mean-median LBP),该方法融合了中值-均值滤波器原理,将降噪过程与特征提取过程融为一体,从而使改进后的特征描述表示更加鲁棒;2.提出了一种基于LBP及其改进方法的人脸密钥生成算法:RLBPQ(Random Quantization based on Local Binary Pattern),该方法主要分为特征提取、随机映射、密钥量化三步骤,所得密钥既可作为判断用户是否合法的依据,又可作为保护敏感信息的加解密密钥;对所提出的一种LBP改进方法和RLBPQ人脸密钥生成算法在国际标准数据集FERET、ORL、AR和Yale上进行了实验,结果证明了它们的有效性与可行性。基于以上研究工作,我们使用VC++6.0作为开发工具构建了一个人脸加密系统的原型。该原型系统主要包括实时人脸检测、人脸密钥认证、加解密以及信息存储等部分,为今后算法理论研究向现实应用转化提供了可行性分析依据及相应的技术储备。