[發(fā)明專利]虹膜識別方法及相應(yīng)裝置

有效

• 申請?zhí)枺?/td>: 201710684029.X
• 申請日: 2017-08-11
• 公開（公告）號: CN108629262B
• 公開（公告）日: 2021-08-20
• 發(fā)明（設(shè)計）人: 黃歡;趙剛
• 申請（專利權(quán)）人: 上海荊虹電子科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/34;G06K9/46;G06K9/62
• 代理公司: 上海一平知識產(chǎn)權(quán)代理有限公司 31266
• 代理人: 成春榮;竺云

本發(fā)明提供了一種虹膜識別方法及用于實現(xiàn)該方法的虹膜識別裝置。該虹膜識別方法包括：接收用戶的一張或多張包含虹膜的圖像；對所接收的圖像進行預(yù)處理，以獲得多個特征圖像數(shù)據(jù)模板；從多個特征圖像數(shù)據(jù)模板中的每個特征圖像數(shù)據(jù)模板中提取局部梯度特征向量，其中所述局部梯度特征向量描述虹膜的紋理走向和形態(tài)；以及基于局部梯度特征向量來識別所述用戶。本發(fā)明還提供了一種計算機存儲介質(zhì)。

技術(shù)領(lǐng)域

本發(fā)明總體上涉及身份識別技術(shù)領(lǐng)域，更具體地涉及一種虹膜識別方法以及實現(xiàn)這種方法的相應(yīng)裝置。

背景技術(shù)

近年來，在個人身份認證中提出了種種利用虹膜、指紋、面部等的生物測定學(xué)信息的技術(shù)。利用虹膜認證的個人認證技術(shù)開始被用于門禁考勤、槍炮金庫、身份證護照、社保體系、重要設(shè)施的出入管理、ATM機、PC登錄等安全認證要求高的領(lǐng)域。但是由于虹膜的精細性和視覺隱藏生物特性，目前的虹膜識別技術(shù)在諸如采集高質(zhì)量虹膜圖像、評價虹膜圖像質(zhì)量、虹膜自適應(yīng)處理等方面仍然存在困難，從而導(dǎo)致識別效率低下。例如，由于相機拍照會有對焦過程，拍攝的虹膜圖像從焦點到四周會呈現(xiàn)如圖1所示的同心圓濾波圖。這種脫焦的模糊圖像由于丟失了虹膜本來具有的豐富紋理信息，大大降低了虹膜紋理特征的鑒別特性，從而降低了虹膜的識別效率。此外，由于在拍攝虹膜圖像時頭部和眼球很可能自主旋轉(zhuǎn)，導(dǎo)致虹膜特征的極坐標起始位置會有一定的偏移，從而在一定程度上降低識別效率。

此外，近年來在虹膜特征提取中采用的代表性方法有Local Binary Patterns(LBP)，Characterizing Key Local Variations(QSW)，Weber Local Descriptor(WLD)，Local Phase Quantization(LPQ)等基于統(tǒng)計編碼的方法以及Ordinal Measures，Discrete Cosine Transform(DCT)，Gabor Wavelet，Log Gabor(LG)等基于濾波變換編碼的方法。基于Gabor濾波和編碼的方法由于對較強的紋理描述能力而得到較為廣泛的應(yīng)用，但是這種能力往往需要像素級的濾波操作并且要輸出與原圖像等尺寸的濾波圖然后再進行二值化編碼，因此計算復(fù)雜度比較高、特征維度也比較高，特別是在注冊人數(shù)較多的時候，識別匹配時間復(fù)雜度會很高。

發(fā)明內(nèi)容

為了解決上述問題，本發(fā)明提供了一種具有高識別效率的虹膜識別方法。

根據(jù)本發(fā)明的第一方面，提供了一種虹膜識別方法。該虹膜識別方法包括：接收用戶的一張或多張包含虹膜的圖像；對所接收的圖像進行預(yù)處理，以獲得多個特征圖像數(shù)據(jù)模板；從多個特征圖像數(shù)據(jù)模板中的每個特征圖像數(shù)據(jù)模板中提取局部梯度特征向量，其中所述局部梯度特征向量描述虹膜的紋理走向和形態(tài)；以及基于局部梯度特征向量來識別所述用戶。

在一個實施例中，該虹膜識別方法還包括：從多個特征圖像數(shù)據(jù)模板中的每個特征圖像數(shù)據(jù)模板中提取Gabor特征向量，其中所述Gabor特征向量描述虹膜的紋理細節(jié)。基于局部梯度特征向量來識別所述用戶包括：將提取的Gabor特征向量和局部梯度特征向量組合為與所述用戶相對應(yīng)的聯(lián)合特征向量，使得能夠基于聯(lián)合特征向量來識別所述用戶。

在一個實施例中，從多個特征圖像數(shù)據(jù)模板中的每個特征圖像數(shù)據(jù)模板中提取局部梯度特征向量包括：將每個特征圖像數(shù)據(jù)模板劃分為預(yù)定尺寸大小的一系列小塊；求每個小塊的灰度均值；根據(jù)每個小塊的灰度均值確定每個小塊之間的水平梯度和垂直梯度，并根據(jù)水平梯度和垂直梯度的絕對值大小將每個小塊編碼成水平梯度特征碼和垂直梯度特征碼；由每個特征圖像數(shù)據(jù)模板的所有小塊的水平梯度特征碼形成水平梯度特征碼向量；由每個特征圖像數(shù)據(jù)模板的所有小塊的垂直梯度特征碼形成垂直梯度特征碼向量；以及將水平梯度特征碼向量與垂直梯度特征碼向量連接成一個向量，以作為所述局部梯度特征向量。

在一個實施例中，該虹膜識別方法還包括：將局部梯度特征向量或聯(lián)合特征向量與所述用戶相關(guān)聯(lián)地存儲在特征庫中。