多模生物特征融合方法和系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN111460880A(43)申请公布日2020.07.28(21)申请号202010023577.X(22)申请日2020.01.09(66)本国优先权数据201910153407.02019.02.28CN(71)申请人杭州芯影科技有限公司地址浙江省杭州市莫干山路1418-25号2幢A座1层(上城科技工业基地)(72)发明人杨明辉吴亮(74)专利代理机构南京乐羽知行专利代理事务所(普通合伙)32326代理人孙承尧(51)Int.Cl.G06K9/00(2006.01)G06K9/62(2006.01)权利要求书1页说明书4页附图2页(54)发明名称多模生物特征融合方法和系统(57)摘要本发明实施例公开一种多模生物特征融合方法和系统，其中方法包括如下步骤：对多模态生物数据中各生物数据对应的特征数据进行特征比对，生成所述多模态生物数据的分数向量，对所述分数向量进行分段线性分类处理，生成所述分数向量对应的决策值，根据所述决策值识别所述多模态生物数据对应的身份信息。采用本发明，通过线性分类器将多种生物特征进行融合，可以保留每种生物特征的有用信息，在高维度的特征空间中提取身份信息，可以保证身份识别的准确率。CN111460880ACN111460880A权利要求书1/1页1.一种多模生物特征融合方法，其特征在于，所述方法包括：对多模态生物数据中各生物数据对应的特征数据进行特征比对，生成所述多模态生物数据的分数向量，所述多模态生物数据包括至少两种基于全电子稀疏阵列所采集的毫米波生物数据；对所述分数向量进行分段线性分类处理，生成所述分数向量对应的决策值；根据所述决策值识别所述多模态生物数据对应的身份信息。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：对所输入的多模态生物数据进行数据归一化处理。3.根据权利要求2所述的方法，其特征在于，所述方法还包括：采用与多模态生物数据中各生物数据类型相匹配的特征提取算法提取归一化处理后的各生物数据的特征数据。4.根据权利要求1所述的方法，其特征在于，在对多模态生物数据中各生物数据对应的特征数据进行特征比对，生成所述多模态生物数据的分数向量时，所述方法还包括：将多模态生物数据中各生物数据对应的特征数据分割为多个不重叠的子特征数据；对所有的子特征数据进行特征比对，将特征比对的比对分数连接形成所述多模态生物数据的分数向量。5.根据权利要求1所述的方法，其特征在于：所述多模态生物数据包括毫米波人脸图像数据、毫米波步态图像数据和步态电磁回波数据。6.一种多模生物特征融合系统，其特征在于，所述系统包括：向量生成模块，用于对多模态生物数据中各生物数据对应的特征数据进行特征比对，生成所述多模态生物数据的分数向量，所述多模态生物数据包括至少两种基于全电子稀疏阵列所采集的毫米波生物数据；决策值生成模块，用于对所述分数向量进行分段线性分类处理，生成所述分数向量对应的决策值；身份识别模块，用于根据所述决策值识别所述多模态生物数据对应的身份信息。7.根据权利要求1所述的系统，其特征在于，所述系统还包括：数据归一化模块，用于对所输入的多模态生物数据进行数据归一化处理。8.根据权利要求7所述的系统，其特征在于，所述系统还包括：特征提取模块，用于采用与多模态生物数据中各生物数据类型相匹配的特征提取算法提取归一化处理后的各生物数据的特征数据。9.根据权利要求6所述的系统，其特征在于，所述向量生成模块包括：子数据分割单元，用于将多模态生物数据中各生物数据对应的特征数据分割为多个不重叠的子特征数据；向量生成单元，用于对所有的子特征数据进行特征比对，将特征比对的比对分数连接形成所述多模态生物数据的分数向量。10.根据权利要求6所述的系统，其特征在于：所述多模态生物数据包括毫米波人脸图像数据、毫米波步态图像数据和步态电磁回波数据。2CN111460880A说明书1/4页多模生物特征融合方法和系统技术领域[0001]本发明涉及毫米波安检成像身份识别技术领域，尤其涉及一种多模生物特征融合方法和系统。背景技术[0002]每个人都具其固有的生物特征，例如，指纹、面部、耳朵轮廓、身形骨架、虹膜以及步态等，每一种生物特征都可以作为识别一个人的身份标识。但是当出现特殊情况（例如，手指受伤、戴着口罩等）时，相应的指纹或面部识别都不能准确的识别出其相应的身份。发明内容[0003]本发明实施例提供一种多模生物特征融合方法和系统，通过线性分类器将多种生物特征进行融合，可以保留每种生物特征的有用信息，在高维度的特征空间中提取身份信息，可以保证身份识别的准确率。[0004]本发明第一方面实施例提供了一种多模生物特征融合方法，该方法可包括：对多模态生物数据中各生物数据对应的特征数据进