[發明專利]基于頻譜分析的虹膜活體檢測方法

有效

• 申請號: 201710540599.1
• 申請日: 2017-07-05
• 公開（公告）號: CN107437064B
• 公開（公告）日: 2020-11-20
• 發明（設計）人: 馬力;劉京;李星光;何召鋒
• 申請（專利權）人: 北京中科虹霸科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京律恒立業知識產權代理事務所(特殊普通合伙) 11416
• 代理人: 顧珊;龐立巖

本發明公開了一種基于頻譜分析的虹膜活體檢測方法，所述方法包括活體虹膜頻譜分布特征訓練過程和虹膜活體檢測過程。本發明利用活體虹膜與打印虹膜的頻譜分布特征差異，訓練出區別于打印虹膜的活體虹膜的頻譜分布特征，實現活體虹膜與打印虹膜的分類，在身份認證過程中有效的防止仿冒活體虹膜的假體攻擊現象，適用于維護用戶信息安全。本發明設置多種虹膜活體檢測判決機制，可根據實際需求配置。

技術領域

本發明涉及數字圖像處理、模式識別和統計學習等技術領域，具體涉及基于頻譜分析的虹膜活體檢測方法。

背景技術

虹膜識別通過分析不同虹膜之間的紋理差異對人的身份進行識別和認證，具有唯一性高、穩定性強、非侵犯性等優點，已被成功應用于機場、海關、銀行等場合的身份鑒定。然而，隨著普及程度的逐漸提高，虹膜識別系統也面臨著各種人工偽造技術的威脅和攻擊。如果虹膜識別系統不能準確地對偽造虹膜數據進行檢測和報警，將對授權用戶造成潛在損失。

因此，如何快速有效地實現虹膜識別系統中虹膜活體檢測仍然是一個亟待解決的問題。

發明內容

本發明目的是針對現有技術中存在的問題，提供一種快速有效的虹膜活體檢測方法。

一種基于頻譜分析的虹膜活體檢測方法，所述方法包括活體虹膜頻譜分布特征訓練過程S1和虹膜活體檢測過程S2。

所述活體虹膜頻譜分布特征訓練過程S1包括如下子步驟：構建活體虹膜數據庫作為訓練庫，對訓練庫中的圖像進行預處理，裁剪出眼部區域；利用頻譜變換方法提取眼部區域特征，得出眼部頻譜圖；采用圖像處理方法得到眼部頻譜圖的二值化的差值圖像；進行區域分析得出眼部頻譜分析圖；疊加訓練庫中所有圖像的眼部頻譜分析圖，統計活體虹膜頻譜能量分布圖；對活體虹膜頻譜能量分布圖進行多級分解，得出多級活體虹膜頻譜能量分布圖。

所述虹膜活體檢測過程S2包括如下子步驟：對測試圖像進行預處理，裁剪出眼部圖像；利用頻譜變換方法提取眼部區域特征，得出眼部頻譜圖；采用圖像處理方法得到眼部頻譜圖的二值化的差值圖像；根據訓練所得的多級活體虹膜頻譜能量分布圖，選取判決機制進行活體檢測；輸出活體檢測結果。

優選的，所述活體虹膜頻譜分布特征訓練過程S1包括如下具體步驟：

S11：對訓練庫中的圖像進行預處理，采用人眼檢測方法定位眼睛位置，裁剪出眼部圖像；

S12：利用快速傅里葉變換的頻譜變換方法提取眼部區域的頻譜特征，得到眼部頻譜圖；

S13：對眼部頻譜圖進行圖像處理，包括濾波、差值處理和二值化處理，得到眼部頻譜圖的二值化的差值圖像；

S14：采用連通域分析方法對二值化的差值圖像進行區域分析，保留連通域面積較大的區域，得到頻譜分析圖；

S15：疊加訓練庫中所有圖像的眼部頻譜分析圖，統計活體虹膜頻譜能量分布圖；

S16：對活體虹膜頻譜能量分布圖進行多級分解，得出強、弱活體虹膜頻譜能量分布圖。

其中，步驟S16的多級分解方法為：設置閾值a和b，其中a＞b，將活體虹膜頻譜能量分布圖數值大于b的區域標記為1，否則標記為0，將此標記圖像記為弱活體虹膜頻譜能量分布圖；將活體虹膜頻譜能量分布圖數值大于a的區域標記為1，否則標記為0，將此標記圖像記為強活體虹膜頻譜能量分布圖。

優選的，所述虹膜活體檢測過程S2包括如下具體步驟：

S21：對測試圖像進行預處理，采用人眼檢測方法定位眼睛位置，裁剪出眼部圖像；

S22：利用快速傅里葉變換的頻譜變換方法提取眼部區域的頻譜特征，得到眼部頻譜圖；

S23：對眼部頻譜圖進行圖像處理，包括濾波、差值處理和二值化處理，得到眼部頻譜圖的二值化的差值圖像；