工程科学学报，第37卷，第9期：1225-1229,2015年9月 Chinese Journal of Engineering,Vol.37,No.9:1225-1229,September 2015 D0l:10.13374/j.issn2095-9389.2015.09.017:http://journals.ustb.edu.cn 基于模糊保险箱的人脸一人耳融合模板保护 袁立四，李文明 北京科技大学自动化学院，北京100083 ☒通信作者，Emai:lyuan@usth.eu.cn 摘要鉴于人脸与人耳两种生物特征在图像获取上的相似性以及生理位置上的互补性，提出一种人脸一人耳多模态融合模 板保护方法，将两者在特征层进行融合，然后利用模糊保险箱算法对融合模板进行保护.该方案基本流程分为五部分：图像 预处理、Gabor-PCA特征提取、特征融合、融合模板加密以及融合模板解密.在由ORL人脸库和USTB人耳库3构成的人脸- 人耳多模态图像库上的认证实验结果表明所提模板防护方法的有效性，且基于融合模板保护的认证结果比基于单模板保护 的认证结果在识别率和误识率上均有所优化. 关键词生物特征模板保护：模式识别：特征提取：信息融合：模糊保险箱 分类号TP391.4 Face and ear fusion template protection based on fuzzy vaults YUAN Li,LI Wen-ming School of Automation and Electrical Engineering,University of Science and Technology Beijing,Beijing 100083,China Corresponding author,E-mail:lyuan@ustb.edu.cn ABSTRACT Due to biological characteristic similarity in image acquisition and physiological complementarity of the face and the ear,a face and ear multimodal fusion template protection method was proposed,in which the face and the ear were combined in the feature level and then a fuzzy vault was utilized to protect the fusion feature template.The basic flow of the scheme was divided into 5 parts:image preprocessing,Gabor-PCA feature extraction,feature fusion,fusion template encryption,and fusion template decryp- tion.On the multimodal image dataset consisted of the ORL face dataset and the USTB ear dataset 3,authentication experimental re- sults show the effectiveness of the proposed fusion template protection method.Also the fusion template protection method outperforms the unimodal template protection method on both genuine accept rate and false accept rate. KEY WORDS biometric template protection:pattern recognition;feature extraction:information fusion:fuzzy vaults 随着网络技术和信息技术的不断发展，电子商务、 合密钥和生物特征对用户进行验证.基于密钥的方法 政务和网上办公等越来越多的领域需要可靠的身份识 主要有密钥释放、密钥绑定和密钥生成.密钥释放的 别.生物特征识别技术在身份认证中的应用逐渐增 方法是将密钥和生物特征简单的叠加在一起，存储为 多，但是也暴露出其本身所固有的一些安全性和隐私 加密的生物特征模板：密钥绑定是将生物特征模板和 性方面的缺陷.因此，对生物特征模板的保护有了更 密钥按照一定的方法结合起来，只有当生物特征匹配 高的要求，并成为生物特征识别领域的一个研究热点. 成功时，密钥才能提取出来：密钥生成是从生物特征中 生物特征模板保护可分为两类▣：基于变换的方法和 提取出一个密钥，而不是从外部输入.模糊保险箱 基于密钥的方法.前者包括双因子认证和不可逆变 (fuzzy vault)☒算法是密钥绑定中比较经典的算法，分 换，该方法是通过变换，将生物特征模板转换成随机模 为加密和解密两个步骤Ba.在加密阶段，将注册生 板，然后使用随机模板进行验证：后者使用的方法是结 物特征模板与密钥结合，生成保险箱：在解密阶段，使 收稿日期：20140603工程科学学报，第 37 卷，第 9 期: 1225--1229，2015 年 9 月 Chinese Journal of Engineering，Vol． 37，No． 9: 1225--1229，September 2015 DOI: 10． 13374 /j． issn2095--9389． 2015． 09． 017; http: / /journals． ustb． edu． cn 基于模糊保险箱的人脸--人耳融合模板保护 袁 立，李文明 北京科技大学自动化学院，北京 100083  通信作者，E-mail: lyuan@ ustb． edu． cn 摘 要 鉴于人脸与人耳两种生物特征在图像获取上的相似性以及生理位置上的互补性，提出一种人脸--人耳多模态融合模 板保护方法，将两者在特征层进行融合，然后利用模糊保险箱算法对融合模板进行保护． 该方案基本流程分为五部分: 图像 预处理、Gabor--PCA 特征提取、特征融合、融合模板加密以及融合模板解密． 在由 OＲL 人脸库和 USTB 人耳库 3 构成的人脸-- 人耳多模态图像库上的认证实验结果表明所提模板防护方法的有效性，且基于融合模板保护的认证结果比基于单模板保护 的认证结果在识别率和误识率上均有所优化． 关键词 生物特征模板保护; 模式识别; 特征提取; 信息融合; 模糊保险箱 分类号 TP391. 4 Face and ear fusion template protection based on fuzzy vaults YUAN Li  ，LI Wen-ming School of Automation and Electrical Engineering，University of Science and Technology Beijing，Beijing 100083，China  Corresponding author，E-mail: lyuan@ ustb． edu． cn ABSTＲACT Due to biological characteristic similarity in image acquisition and physiological complementarity of the face and the ear，a face and ear multimodal fusion template protection method was proposed，in which the face and the ear were combined in the feature level and then a fuzzy vault was utilized to protect the fusion feature template． The basic flow of the scheme was divided into 5 parts: image preprocessing，Gabor--PCA feature extraction，feature fusion，fusion template encryption，and fusion template decryp￾tion． On the multimodal image dataset consisted of the OＲL face dataset and the USTB ear dataset 3，authentication experimental re￾sults show the effectiveness of the proposed fusion template protection method． Also the fusion template protection method outperforms the unimodal template protection method on both genuine accept rate and false accept rate． KEY WOＲDS biometric template protection; pattern recognition; feature extraction; information fusion; fuzzy vaults 收稿日期: 2014--06--03 随着网络技术和信息技术的不断发展，电子商务、 政务和网上办公等越来越多的领域需要可靠的身份识 别． 生物特征识别技术在身份认证中的应用逐渐增 多，但是也暴露出其本身所固有的一些安全性和隐私 性方面的缺陷． 因此，对生物特征模板的保护有了更 高的要求，并成为生物特征识别领域的一个研究热点． 生物特征模板保护可分为两类［1］: 基于变换的方法和 基于密钥的方法． 前者包括双因子认证和不可逆变 换，该方法是通过变换，将生物特征模板转换成随机模 板，然后使用随机模板进行验证; 后者使用的方法是结 合密钥和生物特征对用户进行验证． 基于密钥的方法 主要有密钥释放、密钥绑定和密钥生成． 密钥释放的 方法是将密钥和生物特征简单的叠加在一起，存储为 加密的生物特征模板; 密钥绑定是将生物特征模板和 密钥按照一定的方法结合起来，只有当生物特征匹配 成功时，密钥才能提取出来; 密钥生成是从生物特征中 提取出一个密钥，而不是从外部输入． 模糊保 险 箱 ( fuzzy vault) ［2］算法是密钥绑定中比较经典的算法，分 为加密和解密两个步骤［3 － 6］． 在加密阶段，将注册生 物特征模板与密钥结合，生成保险箱; 在解密阶段，使