[發(fā)明專利]虹膜識(shí)別方法及虹膜識(shí)別系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 201810257237.6
• 申請(qǐng)日: 2018-03-27
• 公開（公告）號(hào): CN108734085A
• 公開（公告）日: 2018-11-02
• 發(fā)明（設(shè)計(jì)）人: 曹祥;李好辰;劉源
• 申請(qǐng)（專利權(quán)）人: 中國銀聯(lián)股份有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06T5/00;G06T7/12;G06T7/13;G06T7/33
• 代理公司: 中國專利代理(香港)有限公司 72001
• 代理人: 臧霽晨;楊美靈

本發(fā)明涉及虹膜識(shí)別方法及其虹膜識(shí)別系統(tǒng)。該方法包括：分割步驟，對(duì)被輸入的虹膜序列的每一幀圖像進(jìn)行虹膜區(qū)域分割；配準(zhǔn)步驟，對(duì)被分割后的虹膜區(qū)域進(jìn)行圖像配準(zhǔn)；去噪步驟，在經(jīng)所述配準(zhǔn)步驟進(jìn)行圖像配準(zhǔn)的基礎(chǔ)上對(duì)虹膜圖像序列進(jìn)行清晰圖像信息提取和去噪音；以及融合步驟，對(duì)去噪音后的清晰虹膜圖像序列進(jìn)行融合。根據(jù)本發(fā)明的虹膜識(shí)別方法及虹膜識(shí)別系統(tǒng)，能夠提高虹膜識(shí)別方法的精確度。

技術(shù)領(lǐng)域

本發(fā)明涉及計(jì)算機(jī)算法，具體地涉及一種虹膜識(shí)別方法以及虹膜識(shí)別系統(tǒng)。

背景技術(shù)

生物特征識(shí)別(Biometrics)是指通過對(duì)人類特有的生理或者行為特征(如人臉、虹膜、指紋、步態(tài)和筆跡等)進(jìn)行分析處理來鑒別個(gè)體身份的技術(shù)。與傳統(tǒng)的身份識(shí)別方法(如身份證、工作卡、口令和密碼等)相比，利用人體生物特征進(jìn)行個(gè)體身份鑒別更加穩(wěn)定可靠且不易偽造。

由于虹膜的有效區(qū)域相對(duì)較小，虹膜圖像質(zhì)量對(duì)成像設(shè)備景深、用戶配合度和光照條件的依賴性較高，此外，上下眼皮和睫毛又往往造成有效虹膜區(qū)域遮擋，這些不利因素都會(huì)導(dǎo)致在實(shí)際應(yīng)用中虹膜識(shí)別系統(tǒng)的識(shí)別精度嚴(yán)重下降。在較少約束成像條件下，影響虹膜圖像質(zhì)量的原因有：圖像采集時(shí)用戶眼皮眨動(dòng)導(dǎo)致上下眼皮對(duì)虹膜有效區(qū)域的遮擋、睫毛對(duì)虹膜區(qū)域的遮擋、光源在虹膜區(qū)域的反射光斑對(duì)虹膜區(qū)域信息的破壞以及超出采集設(shè)備景深的成像距離等。

現(xiàn)有的解決低質(zhì)量虹膜圖像識(shí)別問題的技術(shù)大多采用圖像融合的策略，將多幅虹膜圖像歸一化到固定尺寸大小的模板上進(jìn)行去噪、融合等操作。但是，對(duì)低質(zhì)量虹膜圖像來說，由于受到各種不利因素的影響虹膜區(qū)域的精確分割是一個(gè)難題。將精度本來就不高的虹膜環(huán)狀區(qū)域進(jìn)行線性變化后歸一化，則歸一化后的矩形區(qū)域(以Daugman方法為例)同樣存在精度和噪音干擾的問題。然而，傳統(tǒng)的虹膜圖像配準(zhǔn)技術(shù)普遍采用這種歸一化的方法來簡化圖像配準(zhǔn)操作。

公開于本發(fā)明背景部分的信息僅僅旨在增加對(duì)本發(fā)明的總體背景的理解，而不應(yīng)當(dāng)被視為承認(rèn)或以任何形式暗示該信息構(gòu)成已為本領(lǐng)域一般技術(shù)人員所公知的現(xiàn)有技術(shù)。

發(fā)明內(nèi)容

鑒于上述問題，本發(fā)明旨在提供一種能夠提供高分辨率的虹膜圖像并且能夠確保虹膜識(shí)別的高精度化的虹膜識(shí)別方法及虹膜識(shí)別系統(tǒng)。

本發(fā)明的虹膜識(shí)別方法，其特征在于，包括：

分割步驟，對(duì)被輸入的虹膜序列的每一幀圖像進(jìn)行虹膜區(qū)域分割；

配準(zhǔn)步驟，對(duì)被分割后的虹膜區(qū)域進(jìn)行圖像配準(zhǔn)；

去噪步驟，在經(jīng)所述配準(zhǔn)步驟進(jìn)行圖像配準(zhǔn)的基礎(chǔ)上對(duì)虹膜圖像序列進(jìn)行清晰圖像信息提取和去噪音；以及

融合步驟，對(duì)去噪音后的清晰虹膜圖像序列進(jìn)行融合。

可選地，在所述分割步驟中包括：

對(duì)輸入的每一幀虹膜圖像進(jìn)行Canny邊緣檢測(cè)以檢測(cè)出圖像中的邊緣點(diǎn)；以及

對(duì)檢測(cè)出來的邊緣點(diǎn)利用Hough變換搜索出虹膜區(qū)域的內(nèi)外邊界。

可選地，作為所述虹膜區(qū)域的內(nèi)外邊界，搜索出虹膜區(qū)域的內(nèi)外半徑大小和圓心位置。

可選地，所述配準(zhǔn)步驟包括：

對(duì)低質(zhì)量虹膜圖像配準(zhǔn)問題建立數(shù)學(xué)模型；以及

利用迭代最近點(diǎn)算法進(jìn)行虹膜圖像配準(zhǔn)。

可選地，作為所述數(shù)據(jù)模型，包括：仿射變換T＝(A,t)以及兩個(gè)虹膜區(qū)域的重疊比率因子λ₁和λ₂，其中，A表示仿射矩陣，t為平移變量，

在利用所述迭代最近點(diǎn)算法的過程中包括：

根據(jù)黃金分割搜索算法估計(jì)出輸入的兩幅待配準(zhǔn)虹膜圖像的重疊比率因子λ₁和λ₂；