CN102385704B - 一种生物特征识别中的反样本挑选方法及装置 - Google Patents

Abstract

本发明提供了一种生物特征识别中的反样本挑选方法及装置，以解决生物特征识别中的误识问题。所述方法包括：确定已有的反样本在样本空间中的分布；确定待挑选的反样本数目N；从已有的反样本中挑选出N个反样本之间的离散度最大的反样本。基于空间离散度分析的反样本选择方法，在反样本数目确定的情况下，能够从已有的反样本中选择最能覆盖人脸空间、最能有效降低误识率的反样本，提高人脸认证系统的性能。而且，本发明对于指纹、虹膜等其他生物信息身份认证系统也适用。

Description

一种生物特征识别中的反样本挑选方法及装置

技术领域

本发明涉及模式识别技术领域，特别是涉及一种生物特征识别中的反样本挑选方法及装置。

背景技术

生物特征识别技术是利用个体特有的生理和行为特征来达到身份识别和(或)个体验证目的的一门科学，如人脸、指纹、掌纹、虹膜、声音等的识别。在生物特征识别技术中，近年来以人脸为特征的识别技术发展十分迅速。

随着人脸识别技术的发展，人脸识别相关的应用系统逐渐增多，人脸认证系统作为应用人脸识别技术相关的应用系统在自动门禁、人脸登录等方面取得了越来越多的应用。人脸认证系统是利用摄像头采集应用人员的人脸图像，并与库中对应身份的人脸图像进行比对，如果比对通过，则认为待认证者与库中对应身份的人脸图像具有相同的身份，认证通过；否则，认证不通过。

在人脸认证系统中，通常通过训练人脸的分界面达到人脸认证的目标。在数据库中人数较少的情况下，如小规模的门禁系统、开机登录系统等应用中，由于用户数目较少，用户在人脸空间中只占用较小的空间，这样对于空间中的其他样本(如不属于本系统的用户样本)，可能带来误识。例如，对于没有进行过训练的人，如果选择某个身份，在摄像头前摆出各种姿态、表情，可能会存在某个图像通过认证的情况，这就是人脸认证中的误识问题。

目前，人脸认证系统通过选择反样本来降低误识率。对于某个类别，正样本指属于该类的样本，反样本指不属于该类的样本。利用正样本和反样本训练人脸的分界面，可以提高分界面的泛化能力，降低误识率。

但是，目前反样本的选择没有合适的方法，多是采用随机选择的方法，因此可能使得反样本的分布较为集中，达不到反样本存在的目的。例如，参照图1，是现有技术中反样本对分界面的影响示意图。图中的方形图案表示正样本，圆形图案表示反样本，三角形图案表示冒充正样本的样本，弧线表示分界面。图1即是反样本分布比较集中的情况，由图可见，反样本集中在样本空间的右半边，从而形成了图中所示的分界面。对于这样的分界面，采用三角形图案对应的反样本进行冒充，就可以冒充通过认证，造成误识。这是因为反样本的这种分布使得分界面的划分不够精确，扩大了正样本的分布范围，从而造成冒充样本也通过了认证。

因此，误识问题的发生就是由于在对所选身份训练分界面时，反样本数目不够多或者反样本分布不合理，使得该分界面不准确，泛化能力弱，不能有效区分该身份，当其他没有训练过的样本出现时，分界面不能有效区分此样本是正样本还是反样本，造成识别错误，出现误识。

同样，对于其他生物特征的识别，也存在着相同的误识问题。误识的存在是影响身份认证系统真正实用的主要问题，由于误识，使得本应拒掉的样本通过了身份认证，严重影响了身份认证系统的认证功能。因此，目前需要通过合理挑选反样本来解决这种误识。

发明内容

本发明所要解决的技术问题是提供一种生物特征识别中的反样本挑选方法及装置，以解决生物特征识别中的误识问题。

为了解决上述问题，本发明公开了一种生物特征识别中的反样本挑选方法，包括：

确定已有的反样本在样本空间中的分布；

确定待挑选的反样本数目N；

从已有的反样本中挑选出N个反样本之间的离散度最大的反样本。

优选的，所述从已有的反样本中挑选出N个反样本之间的离散度最大的反样本，包括：计算已有的所有反样本的均值；将距离所述均值最远的反样本作为第一个反样本；在其余的反样本中选择与第一个反样本距离最远的反样本作为第二个反样本；依次挑选第i个反样本，满足第i个反样本与已挑选出来的前i-1个反样本的距离和最大，其中i的取值为3到N。

优选的，所述确定待挑选的反样本数目N，包括：建立反样本数目N与样本训练时间t的函数关系式：t≈f(B，N)；其中，B表示正样本数目，f表示函数关系；根据所述函数关系式得到反样本数目N：N≤g(B，t)；其中，g表示f的变换函数。

优选的，所述确定已有的反样本在样本空间中的分布，包括：通过对正样本和反样本进行特征提取，完成所有样本从图像空间到特征空间的变换，来确定已有的反样本在特征空间中的分布。

优选的，所述特征提取预先进行，并且存储特征提取后的样本数据；挑选样本时直接从存储位置读取样本数据。

本发明还提供了一种生物特征识别中的反样本挑选装置，包括：

反样本数目确定模块，用于当确定已有的反样本在样本空间中的分布后，确定待挑选的反样本数目N；

反样本挑选模块，用于从已有的反样本中挑选出N个反样本之间的离散度最大的反样本。

优选的，所述反样本挑选模块包括：

均值计算子模块，用于计算已有的所有反样本的均值；

反样本选择子模块，用于将距离所述均值最远的反样本作为第一个反样本；在其余的反样本中选择与第一个反样本距离最远的反样本作为第二个反样本；依次挑选第i个反样本，满足第i个反样本与已挑选出来的前i-1个反样本的距离和最大，其中i的取值为3到N。

优选的，所述反样本数目确定模块包括：

函数建立子模块，用于建立反样本数目N与样本训练时间t的函数关系式：t≈f(B，N)；其中，B表示正样本数目，f表示函数关系；

数目计算子模块，用于根据所述函数关系式得到反样本数目N：N≤g(B，t)；其中，g表示f的变换函数。

优选的，所述装置还包括：特征提取模块，用于通过对正样本和反样本进行特征提取，完成所有样本从图像空间到特征空间的变换，来确定已有的反样本在特征空间中的分布。

优选的，所述装置还包括：存储模块，用于存储特征提取后的样本数据，所述特征提取预先进行；则反样本挑选模块直接从所述存储模块读取样本数据。

与现有技术相比，本发明具有以下优点：

首先，本发明提出一种基于空间离散度分析的反样本选择方法，在反样本数目确定的情况下，能够从已有的反样本中选择最能覆盖人脸空间、最能有效降低误识率的反样本，提高人脸认证系统的性能。

其次，本发明对于指纹、虹膜等其他生物信息身份认证系统也适用。而且，本发明所述的反样本挑选方法适用于多种分类器。

附图说明

图1是现有技术中反样本对分界面的影响示意图；

图2是本发明实施例一所述一种生物特征识别中的反样本挑选方法的流程图；

图3是本发明实施例一中反样本对分界面的影响示意图；

图4是本发明实施例二所述一种用于人脸认证系统的反样本挑选方法的流程图；

图5是本发明实施例三所述一种生物特征识别中的反样本挑选装置的结构图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

本发明提出一种基于空间离散度分析的反样本选择方法，在反样本数目确定的情况下，能够从已有的反样本中选择最能覆盖样本空间、最能有效降低误识率的反样本，提高生物特征识别系统的性能。本发明适用于人脸、指纹、掌纹、虹膜、声音等生物特征的身份认证。

下面通过实施例进行详细说明。

实施例一：

参照图2，是本发明实施例一所述一种生物特征识别中的反样本挑选方法的流程图。

步骤201，确定已有的反样本在样本空间中的分布；

生物特征识别中常常使用分类器进行样本的分类。分类器是一种机器学习程序，其设计目标是在通过学习后，可以自动的对给定的数据进行分类，可以应用在搜索引擎以及各种检索程序中，同时也大量应于数据分析与预测领域。分类器实质为数学模型，针对模型的不同目前有多种分支，包括：Bayes(贝叶斯)网络分类器，决策树算法，聚类算法，SVM(支持向量机)算法等。

分类器通过样本训练达到分类的目的。样本分为正样本和反样本，这些样本要求在训练之前都确定各自在样本空间中的位置分布，即挑选反样本的一个前提是：用于训练的所有的反样本在样本空间的分布情况已明确，这样才能从所有已确定位置分布关系的反样本中挑选出该分类器需要的反样本分布。

通常，直接获取的样本数据包括样本图像的位置、像素值等信息，这样的样本数据表示的是在图像空间中的灰度图。样本挑选时可以直接利用所有样本(包括正样本和反样本)在图像空间的分布进行。

步骤202，确定待挑选的反样本数目N；

反样本数目的确定是挑选反样本的另一个前提。通常，分类器不同，所采用的训练方法也各不相同，不同训练方法需要的反样本数目也不相同。

步骤203，从已有的反样本中挑选出N个样本之间的离散度最大的反样本。

在确定上述两个前提的情况下，就需要在已有的反样本中挑选出最优的反样本。反样本的挑选方法有多种，如随机选择、顺序选择等方式，参照图1所示，是一种随机选择反样本的示意图，由于反样本不够松散，没有散布在整个样本空间，所以形成的分界面不够精确，容易造成误识。因此，这种相对集中的反样本不是最优的反样本。

通过上述分析可知，反样本的分布如果能散布在整个样本空间，就利于分界面的划分更加精确。基于此，本实施例提出一种基于空间离散度分析的反样本挑选方法，可以从已有的反样本中挑选出空间离散度最大的一组反样本。

参照图3，是本发明实施例一中反样本对分界面的影响示意图。

对比图1，图3中的方形图案也表示正样本，圆形图案表示反样本，三角形图案表示冒充样本，弧线表示分界面。图3与图1的样本空间、正样本个数和分布、反样本个数都相同，但图3中的反样本分布不同于图1的分布。图3挑选出的是空间离散度最大的一组反样本，可以看出，反样本的分布更为松散，反样本散布在整个样本空间，形成的分界面如图中所示，为一封闭弧线。此时，再利用三角形图案表示的样本进行冒充，则不能划入分界面内，因此不能通过认证，从而避免了误识的发生。

下面详细说明如何在反样本个数固定的情况下，从已有的反样本中挑选出空间离散度最大的一组反样本：

首先，计算已有的所有反样本的均值；

每个反样本在样本空间的位置分布通常用一个多维向量表示，均值即是利用表示每个反样本的向量进行计算。

其次，将距离所述均值最远的反样本作为第一个反样本；

所述距离是向量之间的距离。

再次，在其余的反样本中选择与第一个反样本距离最远的反样本作为第二个反样本；在其余的反样本中选择与第一个和第二个反样本距离和最大的反样本作为第三个反样本，依此类推，满足第i个反样本与已挑选出来的前i-1个反样本的距离和最大。

具体计算公式如下：

设反样本的均值为m，

$m=\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{y}_i$

其中N为反样本的个数，y_i为第i个反样本的值；

反样本的离散度S定义为：

$S=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{(y_i-m)}^2$

对于离散度也可以采用其它的定义方法，如将二范数改为1范数等，本实施例在此不做限定。

采用上述方式挑选出来的反样本在空间的散度最大，是最能代表反样本空间的样本，因此利用这种反样本训练出来的分界面精确度更高。

此外，还有一种特殊情况是：如果已有的反样本数目小于N，则不需要进行挑选，而是将所有的反样本都利用即可。

实施例二：

本实施例将以人脸识别为例进行更详细的说明。

参照图4，是本发明实施例二所述一种用于人脸认证系统的反样本挑选方法的流程图。

步骤401，反样本特征提取；

特征提取的目的是将样本图像(包括正样本和反样本)从图像空间变换到特征空间，从图像空间到特征空间的映射使得同类样本的距离减小，不同类的样本之间的距离增加，从而增加样本之间的可分性。

对于人脸识别，每个人脸图像是一个二维矩阵，如宽为w高为h的人脸图像，是w*h维空间的一个点。由于人脸上存在很多冗余信息和非鉴别信息，如果如实施例一所述直接利用人脸的原始图像进行识别，将会由于冗余信息和非鉴别信息的存在降低识别率。同时，人脸图像通常维数很高，如上万维，在如此高维的空间内进行运算是很困难的。因此，优化的处理方法是：将人脸图像由图像空间变换到特征空间后进行人脸识别，所述变换有两个目的：去除冗余信息和降维。常用的特征提取方法有PCA(主分量分析)、Gabor+AdaBoost的方法、直方图等方法。

经过特征提取，人脸图像由图像空间变换到特征空间。对于给定的若干幅人脸图像，其在图像空间的分布，与其经过特征提取后在特征空间的分布可能是很不相同的。比如，三维空间的样本位置分别为(1，1，0)和(1，1，10)，则它们在三维空间的距离是10，如果将它们映射到前两维组成的二维特征空间，则它们在特征空间的位置都是(1，1)，他们在特征空间将不再具有可分性。

特征提取的方法确定后，正反样本在特征空间的分布情况就确定了，训练分界面的过程就是根据正反样本的位置找出合适的分界面的过程。由于相同的人脸样本在不同的特征空间的分布可能不同，使得特征的种类也会影响到训练时间。如果特征的可分性强，则训练时间可能会比较短，反之，训练时间可能比较长。对于一个人脸识别系统而言，其特征空间确定后通常不会再发生变化。如果改变特征空间，所有相关的训练都需要重新进行。

步骤402，反样本数目的确定；

对于一个两类分类器，其样本分为两类：正样本和反样本，这两类样本都分布在样本空间中。由于样本数目的有限，正反样本不可能充满整个样本空间，所以根据正反样本训练得到的分类器可能存在误分类的情况。一般来讲，反样本的数目越多其散布的样本空间越大，训练得到的分类器的泛化能力越强。因此，确定反样本数目的思路是：

a.在正样本确定的条件下，反样本数目越多，分类器的性能通常越好；

b.考虑训练的复杂度和训练时间的有限性，反样本的数目不能无限增大，如果系统的训练时间过长，通常是用户无法接受的。

基于以上考虑，本实施例提出了一种确定反样本数目的方法，可以先确定最长训练时间，并据此确定可接受的反样本数目。具体如下：

设人脸认证系统的可识别身份个数是A，每个身份对应的人脸正样本数目为B，反样本数目为N。如果采用两类的分类方法，即为每一个身份训练一个两类分类器，则该两类分类器对应每一个身份的正样本数目为B，反样本数目为(A-1)*B+N。可以建立反样本数目与训练分类器的时间的函数关系，即训练分类器的时间t与反样本个数N之间的关系。对于小数据量的应用，如身份不多的人脸自动门禁或者计算机开机登录系统，通常有N＞＞A*B，此时有N≈(A-1)*B+N，则训练时间与反样本的个数之间的关系为：

t＝f(B，(A-1)*B+N)≈f(B，N)。

对于不同的训练方法，训练时间与正、反样本的个数关系是不确定的，有的是线性关系，有的是开放或者平方关系。但是，只要分类器的训练方法确定，就可以得到这个函数。

对于给定的人脸认证系统，其分类器的训练方法是确定的，也就已知了训练时间与反样本个数之间的函数关系。此时，如果给定可以接受的训练时间t，则可以计算得到最多的反样本数目，即可以得到下面的函数关系：

N≤g(B，t)，其中g表示f的变换函数。

因此，利用上式可以确定最大的反样本数目N。

此外，由于分类器的训练是在特征空间进行的，而不是在图像空间进行的，还需要考虑从图像空间到特征空间的变换时间。因此，本实施例优选的，为了减少训练时间，可以事先将反样本的特征提取好并且存储在硬盘等介质上，这样训练时只需要从存储的位置读入内存即可。对于正样本，也可以在样本采集的同时进行样本特征的提取，这样样本特征提取耗去的时间将不占用分类器训练的时间。即上述步骤401和步骤402可以同时进行，而不是先后的关系。

步骤403，反样本挑选。

本步骤可以采用实施例一所述的挑选方法，在此不再详述。

实施例三：

参照图5，是本发明实施例三所述一种生物特征识别中的反样本挑选装置的结构图。

所述反样本挑选装置主要包括：

反样本数目确定模块52，用于当确定已有的反样本在样本空间中的分布后，确定待挑选的反样本数目N；

反样本挑选模块53，用于从已有的反样本中挑选出N个反样本之间的离散度最大的反样本。

优选的，所述反样本挑选装置还可以包括：

特征提取模块51，用于通过对正样本和反样本进行特征提取，完成所有样本从图像空间到特征空间的变换；特征提取后，正样本和反样本在特征空间的分布确定。

通过特征提取子模块511来确定反样本在特征空间的分布，可以增加样本之间的可分性，进一步提高识别率。

优选的，所述反样本数目确定模块52具体可以包括：

函数建立子模块521，用于建立反样本数目N与样本训练时间t的函数关系式：t≈f(B，N)；其中，B表示正样本数目，f表示函数关系；

数目计算子模块522，用于根据所述函数关系式得到反样本数目N：N≤g(B，t)；其中，g表示f的变换函数。

优选的，所述反样本挑选模块53具体可以包括：

均值计算子模块531，用于计算已有的所有反样本的均值；

反样本选择子模块532，用于将距离所述均值最远的反样本作为第一个反样本；在其余的反样本中选择与第一个反样本距离最远的反样本作为第二个反样本；在其余的反样本中选择与第一个和第二个反样本距离和最大的反样本作为第三个反样本，依此类推，满足第i个反样本与已挑选出来的前i-1个反样本的距离和最大。

优选的，为了减少训练时间，所述装置还可以包括：

存储模块54，用于存储特征提取后的样本数据，所述特征提取预先进行；则反样本挑选模块53直接从所述存储模块读取样本数据。

综上所述，所述反样本挑选装置能够在反样本数目确定的情况下，从已有的反样本中选择最能覆盖样本空间、最能有效降低误识率的反样本，提高生物特征识别系统的性能。而且，所述装置适用于多种分类器。

本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上对本发明所提供的一种生物特征识别中的反样本挑选方法及装置，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (8)

1.一种生物特征识别中的反样本挑选方法，其特征在于，包括：

确定已有的反样本在样本空间中的分布；

确定待挑选的反样本数目N；

从已有的反样本中挑选出N个反样本之间的离散度最大的反样本；

所述从已有的反样本中挑选出N个反样本之间的离散度最大的反样本，包括：

计算已有的所有反样本的均值；

将距离所述均值最远的反样本作为第一个反样本；在其余的反样本中选择与第一个反样本距离最远的反样本作为第二个反样本；

依次挑选第i个反样本，满足第i个反样本与已挑选出来的前i-1个反样本的距离和最大，其中i的取值为3到N。

2.根据权利要求1所述的方法，其特征在于，所述确定待挑选的反样本数目N，包括：

建立反样本数目N与样本训练时间t的函数关系式：t≈f(B,N)；其中，B表示正样本数目，f表示函数关系；

根据所述函数关系式得到反样本数目N：N≤g(B,t)；其中，g表示f的变换函数。

3.根据权利要求2所述的方法，其特征在于，所述确定已有的反样本在样本空间中的分布，包括：

通过对正样本和反样本进行特征提取，完成所有样本从图像空间到特征空间的变换，来确定已有的反样本在特征空间中的分布。

4.根据权利要求3所述的方法，其特征在于：

所述特征提取预先进行，并且存储特征提取后的样本数据；

挑选样本时直接从存储位置读取样本数据。

5.一种生物特征识别中的反样本挑选装置，其特征在于，包括：

反样本数目确定模块，用于当确定已有的反样本在样本空间中的分布后，确定待挑选的反样本数目N；

反样本挑选模块，用于从已有的反样本中挑选出N个反样本之间的离散度最大的反样本；

所述反样本挑选模块包括：

均值计算子模块，用于计算已有的所有反样本的均值；

反样本选择子模块，用于将距离所述均值最远的反样本作为第一个反样本；在其余的反样本中选择与第一个反样本距离最远的反样本作为第二个反样本；依次挑选第i个反样本，满足第i个反样本与已挑选出来的前i-1个反样本的距离和最大，其中i的取值为3到N。

6.根据权利要求5所述的装置，其特征在于，所述反样本数目确定模块包括：

函数建立子模块，用于建立反样本数目N与样本训练时间t的函数关系式：t≈f(B,N)；其中，B表示正样本数目，f表示函数关系；

数目计算子模块，用于根据所述函数关系式得到反样本数目N：N≤g(B,t)；其中，g表示f的变换函数。

7.根据权利要求5至6任一所述的装置，其特征在于，还包括：

特征提取模块，用于通过对正样本和反样本进行特征提取，完成所有样本从图像空间到特征空间的变换，来确定已有的反样本在特征空间中的分布。

8.根据权利要求7所述的装置，其特征在于，还包括：

存储模块，用于存储特征提取后的样本数据，所述特征提取预先进行；则反样本挑选模块直接从所述存储模块读取样本数据。