基于人脸图像的密钥提取算法的研究

 2022-11-26 12:11

论文总字数:20364字

摘 要

基于面部特征的生物特征密钥生成远比人脸识别复杂,问题是密钥生成系统中没有保存在数据库中用于匹配面部特征的相关信息,与人脸识别系统相反。本文首先提出了一种基于人脸特征生成稳定、健壮、安全密钥的统一框架,该方法所生成的框架不需要把人脸生物特征保存在数据库中。其次,所提出的PCA面部图像特征提取用于提取人脸部特征和在标准脸部数据库上的模拟。第三,为了适应变化并提供容错的灵活性,提出了一种特征向量二值化方案,它不仅能适应变化,而且有助于提供安全性和减小特征向量的大小。第四,提出了一种基于人脸特征的安全密钥生成机制,其中密钥可以定期更新。第五,在一组标准的统计测试中评估生成密钥的稳定性和安全性,包括三个要求:随机性、可靠性和安全性。最后,将我们的方法与几种最先进的方法进行了比较,结果显示出了优越的性能。

关键词:面部特征;PCA人脸图像特征提取;生物特征密钥生成;

Research on Key Extraction Algorithm Based on Face Image

Abstract

Biometric key generation based on facial features is much more complex than face recognition. The problem is that the key generation system does not store the relevant information for matching facial features in the database, which is contrary to face recognition system. In this paper, we first propose a unified framework for generating stable, robust and secure keys based on facial features. The framework does not need to save the relevant information of facial features in the database. Secondly, the proposed balanced local binary pattern is used to extract face features, and the simulation is carried out on the standard face database. Thirdly, in order to adapt to changes and provide the flexibility of fault tolerance, we propose a quantization scheme, which can not only adapt to changes, but also help to provide security and reduce the size of features. Fourthly, a secure key generation mechanism based on face features is proposed, in which the key can be updated periodically. Fifthly, the robustness and security of the generated key are evaluated in a set of standard statistical tests, including three requirements: randomness, weak biological privacy and strong biological privacy. Finally, our method is compared with several most advanced methods, and the results show superior performance.

Keywords: Facial features; PCA face image feature extraction; Biometric key generation;

目 录

摘 要 I

Abstract II

第一章 绪 论 1

1.1 课题研究背景 1

1.2 国内外的发展以及趋势 1

1.3 系统设计的目标及基本思路 1

1.3.1 设计目标 1

1.3.2 基本思路 2

第二章 特征加密算法 3

2.1 模糊提取的人脸特征加密算法 3

2.2 统计最优原则和生物哈希处理生成密钥 3

2.3 其他人脸特征密钥生成方法及其特点 3

2.4 本章小结 4

第三章 人脸图像库预处理 5

3.1 人脸图像库 5

3.2 人脸图像预处理 5

3.3 PCA算法工作原理 6

3.4 PCA算法数学分析 6

3.4.1 数学概念 6

3.4.2 协方差矩阵 6

3.4.3 协方差矩阵对角化 7

3.4.4 选择特征值 7

3.5 人脸PCA特征提取 7

3.6 数据预处理和密钥生成 8

3.6.1 特征向量二值化 8

3.6.2 BCH纠错编码 8

3.6.3 人脸密钥生成模块 9

3.7 本章小结 10

第四章 识别率结果分析 11

4.1 系统平台搭建 11

4.2 实验数据集 11

4.3 系统认证率计算 11

4.4 实验测试结果分析 11

第五章 总 结 13

5.1 难点分析 13

5.2 概述 13

致 谢 14

参考文献(References) 15

附 录 16

第一章 绪 论

1.1 课题研究背景

随着社会各个领域的快速发展与壮大,互联网技术,通信技术以及网络安全逐渐普及,并且应用到日常生活中,随之而来的是越来越多不同的密码对人们的生活造成困扰。人脸特征加密技术将生物特征识别技术和密码学相结合,具有应用方便,安全等特点。为了应对日益增长的身份失窃和满足各种应用的身份鉴定,人们利用钥匙,口令,磁卡等各种方法,但这些很容易丢失或和别人共用。为了提高个人信息以及财产安全,人们急需一种安全性高,方便实用的身份认证系统和生物特征识别的方法,常用的人类生物特征认证方法有面部识别,指纹检测以及虹膜识别等[1]。与传统方法相比,利用生物作为衡量标准可以通过他们的特点来识别用户,用户不需要借助外物,因此不会出现传统方法中所存在的损坏,丢失或者遗忘等问题,同时生物特征不能被其他人盗用和造假,提高了安全性能。

1.2 国内外的发展以及趋势

剩余内容已隐藏,请支付后下载全文,论文总字数:20364字

您需要先支付 80元 才能查看全部内容!立即支付

该课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找;