【技术实现步骤摘要】
一种基于多元融合触觉再现的纸币数字防伪方法
[0001]本专利技术属于信息安全和人机交互的交叉领域,具体涉及一种基于多元融合触觉再现的纸币数字防伪方法。
技术介绍
[0002]随着信息化时代的高速发展,互联网正不断改变着中国人的生活、工作、学习方式,不断融入人们生活的方方面面。互联网快速普及极大地改变了人们的信息获取方式,也对社会生活的参与感产生了重要影响。互联网的兴起意味着人类思维中介的变化从行为中介、语言符号中介发展到数字化中介。在二进制数字中介系统中思维行为化了,思维成为如同行为过程一样的实实在在的系统,它是看得见的可重复的“软件”。思维的可视化随着图形浏览器的出现和发展而促进了计算机网络应用的普及,更使科学技术注重人们的接受和应用。但是网络不仅会带来便捷,同时也会带来弊端,即社会生活的参与感在逐渐降低,特别是对于那些需要通过交互的手段来认知世界的特殊人群。
[0003]人类与世界交互可以通过视觉、听觉、触觉、嗅觉来进行。以盲人为例,他们看不到东西,它需要通过声音、触感和嗅觉来感知事物。当他们用拐杖行走的时候通过对路面敲击的声音不同来判断出盲道从而行走,当他们获取知识的时候,通过对盲文的触碰来辨识其中的内容。当他们拿起食物,可以通过不同的气味来辨别;再以聋哑人为例,他们对世界的感知只有视觉、触觉和嗅觉,当他们碰到视觉上相近的东西时,即他们难以用眼睛来判断真假,就需要用触觉和嗅觉即用手摸和闻气味来判别真假了。如果在这个东西只能看的情境下,他们的处境就显得很不妙了。对于他们来说,他们对社会的感知都是依靠与事 ...
【技术保护点】
【技术特征摘要】
1.一种基于多元融合触觉再现的纸币数字防伪方法,其特征在于,包括下列步骤:步骤1:触觉特征的提取,包括形状触觉特征提取、纹理触觉特征提取和温度触觉特征提取;步骤2:采用BP神经网络模型将触觉特征“配方”化,BP神经网络的过程主要分为两个阶段,第一阶段是信号的前向传播,从输入层经过隐含层,最后到达输出层;第二阶段是误差的反向传播,从输出层到隐含层,最后到输入层,依次调节隐含层到输出层的权重和偏置,输入层到隐含层的权重和偏置;步骤3:用户的解密;步骤4:触觉再现,将得到的渲染模型信息和配方信息发送到触觉特征渲染单元中,将配方信息中的权重分配到渲染模型信息,得到有权重的渲染模型信息,再将得到的有权重的渲染模型信息发送到信号驱动单元,得到可以在触觉交互界面实现触觉再现的触觉驱动信号,实现触觉再现的功能,从而实现多元融合的触觉防伪。2.根据权利要求1所述的一种基于多元融合触觉再现的纸币数字防伪方法,其特征在于,所述步骤1中基于图像形状高度模型的形状触觉特征提取方法如下:首先采用加权平均法将彩色图像转换为亮度图像:E(x,y)=0.3*E
r
(x,y)+0.59*E
g
(x,y)+0.11*E
b
(x,y)其中E(x,y)为转换后的图像亮度值矩阵,E
r
(x,y)为原图像的红色值矩阵,E
g
(x,y)为原图像的绿色值矩阵,E
b
(x,y)为原图像的蓝色值矩阵;根据光源入射模型,获得图像的反射函数:式中,p和q是像素点(x,y)处分别沿X、Y方向变化的梯度,R(p,q)为反射函数,包含物体表面光源信息,σ和τ为光源方向与x轴、z轴夹角,称为光源倾角和偏角,光源矢量梯度σ为倾角,τ为仰角;利用后项有限差分方法将反射函数的自变量p和q离散化:利用后项有限差分方法将反射函数的自变量p和q离散化:其中Z=Z(x,y)为物体形状高度矩阵;将上述式进行移项,得到:0=E(x,y)
‑
R(Z(x,y)
‑
Z(x
‑
1,y),Z(x,y)
‑
Z(x,y
‑
1))=f(E(x,y),Z(x,y),Z(x
‑
1,y),Z(x,y
‑
1))其中f表示自变量为E(x,y),Z(x,y),Z(x
‑
1,y),Z(x,y
‑
1)的四元函数,将f关于Z(x,y)进行泰勒展开,得:
其中,n为迭代次数,用f(Z(x,y)
n
‑1)替代f(E(x,y),Z(x,y)
n
‑1,Z(x
‑
1,y)
n
‑1,Z(x,y
‑
1)
n
‑1),而0=f(Z(x,y)
n
)≈f(Z(x,y)
n
‑1),对上式化简,可得:其中,可表示为:令初值Z(x,y)=0,将上式代入上上式,迭代n次之后算出对应像素(x,y)的高度值Z
n
(x,y),再通过归一化方法,获得图像形状高度模型H
′
(x,y),记作形状渲染模型信息,并把提取到的形状触觉特征记录下来。3.根据权利要求1所述的一种基于多元融合触觉再现的纸币数字防伪方法,其特征在于,所述步骤1中基于图像纹理高度模型的纹理触觉特征提取方法:首先采用加权平均法将彩色图像转换为亮度图像:E(x,y)=0.3*E
r
(x,y)+0.59*E
g
(x,y)+0.11*E
b
(x,y)然后采用3
×
3窗口I(x,y)截取灰度图像E(x,y)局部图像纹理特性,将{a0,a1,a2,a3,a4,a5,a6,a7}作为一个周期序列,将I(x,y,n)作为以点(x,y)为中心,周期为8的一元函数,F(x,y,k)为(x,y)对应的局部傅里叶变换系数矩阵,k为频域系数;得到I(x,y,n)=a
n
(0≤n≤7)对于M
×
N大小的图片,求得图像局部傅里叶系数集合;F(k)={F(x,y,k)∣0<x<M
‑
1,0<y<N
‑
1,0≤k≤7}其中,当k取特定值时,F(x,y,k)可以表示相应频域系数的图像纹理高度模型,这里记作F
′
(x,y),记作纹理渲染模型信息,同时把提取到的纹理触觉特征记录下来。4.根据权利要求1所述的一种基于多元融合触觉再现的纸币数字防伪方法,其特征在于,所述步骤1中基于图像色调信息的温度触觉特征提取方法:将基于RGB颜色空间的彩色图像转换成HSV模型的图像,具体步骤如下:设E
r
(x,y),E
g
(x,y),E
b
(x,y)为点(x,y)处的RGB颜色值,将它们的值归一化到是在0到1之间,得到点(x,y)处归一化的RGB颜色值P
′
(r,g,b),记作温度渲染模型信息,同时把提取到的温度触觉特征记录下来,把记录下来的信息:形状渲染模型信息、纹理渲染模型信息、温度渲染模型信息存储在安全存储芯片中。5.根据权利要求1所述的一种基于多元融合触觉再现的纸币数字防伪方法,其特征在于,所述步骤2中使用BP神经网络获得“配方”的具体过程如下:(1)收集数据:通过步骤1的方法收集纸币在常温的环境下其温度、纹理、形状的触感数据,通过对应的触觉再现装置即可再现出其单独的触感,现将三种触感的强度随即赋值(0
至1),三种触感的随机赋予温度,纹理,形状触觉再现装置的强度设置成γ(γ1,γ2,γ3),并收集不同人对随机强度的触觉感知,记录在这种强度下的触感是否为纸币的触感,同时设置机器学习的目标:通过主观判断触感是真实触感还是非真实的触感把数据设置和成γ
t
(γ1,γ2,γ3)和γ
w
(γ1,γ2,γ3),将是真实触感的随机强度数据设置为1,不是则设置为0,形成数据训练库,并用于训练模型;(2)激励函数选取:(3)隐含层的输出:将获得的数据库中的数据γ
t
(Υ1,γ2,γ3)和γ
w
(γ1,γ2,γ3)带入x
i
中;其中,f是(2)中的激励函数,N为输入层的节点个数,N的取值为3,同时i的取值为1、2、3,分别对应温度、纹理、形状;同时j的取值为1、2、3,分别代表输入层、隐含层和输出层;θ
j
为输入层到隐含层的偏置;ω
ij
为输入层到隐含层的权值;H
j
为隐含层的输出;(4)输出层的输出:其中,l为隐含层的节点个数,l的取值为3;k的取值为1、2、3;b
k
为隐含层到输出层的偏置;ω
jk
为隐含层到输出层的偏置;O
k
为输出层的输出;(5)对权重和偏置进行初始化,并设定学习率η=0.1开始统计误差;误差:其中,期待输出为Y
k
;误差为E;输出层的输出为O
k
(6)根据误差不断对权值和偏置进行更新:权值的更新:ω
jk
=ω
jk
+ηH
j
(Y
k
‑
O
k
)偏置的更新:b
k
=b
k
+ηH
j
(Y
k
‑
O
...
【专利技术属性】
技术研发人员:温泉,赵柏富,边钦,许秋阳,胡兴军,霍寅虎,
申请(专利权)人:吉林大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。