基于活体虹膜的身份识别方法技术

一种基于活体虹膜的身份识别方法，包括步骤：活体虹膜鉴别；虹膜图像的质量评价与选择，离焦图像的恢复；虹膜识别。本发明专利技术的活体虹膜鉴别方法采取空域分析和频域分析相结合的策略，融合多种特征进行判别分析，因此具有很高的可靠性。本发明专利技术使用可靠、快速的方法实现虹膜图像质量评价与选择，从而可以提高系统性能。利用图像配准、逆滤波等技术实现离焦图像的恢复，即从虹膜图像序列恢复清晰图像，降低了对硬件的要求。本发明专利技术采用局部信息与全局特征相结合的纹理分析方法，具有很好的识别性能。本发明专利技术可用于进行身份识别和安全性防范的诸多应用系统中，可为应用系统增加防伪功能。（*该技术在2021年保护过期，可自由使用*）

【技术实现步骤摘要】

本专利技术涉及模式识别，特别是。基于虹膜的生物特征识别技术是一种最新的身份识别技术，通过一定的虹膜识别算法后，可以达到极高的准确率。据统计，到目前为止，虹膜识别的准确率是各种生物特征识别中最高的。与其它的生物特征相比，虹膜具有三个显著的优点唯一性、稳定性和非侵犯性。这些特点使得基于虹膜的身份识别系统有广泛的应用前景。但是同传统的安全防范方法(如密码等)一样，基于虹膜的生物特征识别技术也有被伪造和窃取的危险。因此，提高虹膜识别技术的防伪性能是当前的一个难点。为实现上述目的，包括步骤活体虹膜鉴别；虹膜图像的质量评价与选择，离焦图像的恢复；虹膜识别。本专利技术的活体虹膜鉴别方法采取空域分析和频域分析相结合的策略，融合多种特征进行判别分析，因此具有很高的可靠性。本专利技术使用可靠、快速的方法实现虹膜图像质量评价与选择，从而可以提高系统性能。本专利技术利用图像配准、逆滤波等技术实现离焦图像的恢复，即从虹膜图像序列恢复清晰图像，降低了对硬件的要求。对于核心的识别方法，本专利技术采用局部信息与全局特征相结合的纹理分析方法，具有很好的识别性能。本专利技术可用于进行身份识别和安全性防范的诸多应用系统中，可为应用系统增加防伪功能。本专利技术对于硬件没有特殊的要求，而且不涉及复杂的计算，易于在实际的系统中使用。(d)对应于图(b)虹膜的傅立叶变换的能量谱；图5为活体虹膜鉴别方法的流程框图；图6为虹膜图像质量评价图，其中，(a)是模糊的虹膜图像，(b)是清晰的虹膜图像，(c)是图像质量评价区域示意图；图7为活体虹膜识别方法预处理过程图，其中，(a)是虹膜图像，(b)是非线性映射后的矩形虹膜图像，(c)预处理后的矩形虹膜图像；图8为活体虹膜特征提取示意图专利技术的具体实施方式一般来讲，虹膜识别系统分为“硬件和软件”两大模块虹膜图像获取装置和虹膜识别算法。虹膜识别算法包括三个主要步骤图像预处理、特征提取和模式匹配。本专利技术提出的方法将应用于虹膜识别软件模块。本专利技术提出一种新颖的、可靠的活体虹膜识别方法，其流程框图如附图说明图1。目前，一般的虹膜识别方法仅仅利用一幅虹膜图像进行识别，而本专利技术不同于这些方法，利用虹膜图像序列进行活体虹膜的检测与识别。与当前其他虹膜识别方法的相比，本专利技术的新颖性主要在于1)利用拍摄到的虹膜图像序列进行活体虹膜检测，若为非活体虹膜，则拒绝识别。2)对活体虹膜图像序列的质量进行评价，选择清晰的虹膜图像进行识别，从而提高了算法的识别率。3)能够通过质量不高的虹膜图像序列恢复出一幅比较清晰的图像，降低了对硬件的要求。4)采用一种局部信息与全局特征相结合的识别方法对选出的虹膜图像进行识别。本专利技术提出的包含三个主要步骤(见图1)1.对输入的虹膜图像序列进行活体虹膜鉴别。I.充分利用活体眼睛的特有光学和生理特性眼睛的可见部分由里到外依次为眼球中央黑色的瞳孔，圆环状的虹膜(其颜色随人种有很大不同)，白色的巩膜，以及覆盖在上述三者外部的透明的角膜。这些生理结构为我们进行虹膜的活体检测提供了基础。虹膜的一个生物统计学特点是它的动态特性。虹膜上附着了复杂的放射状纤维和环状纤维，放射状纤维舒张，环状纤维向内收缩则瞳孔缩小；反之，放射状纤维收缩、环状纤维舒张则使得中间的瞳孔放大。正常的瞳孔一直处于这种不停的缩放状态。同时，瞳孔大小还能对光线的强弱变化迅速作出反映，当光线强时，瞳孔缩小，光线弱时，瞳孔放大。而非活体的虹膜(如打印在纸张上的虹膜图像)不具有这个特点。虹膜的这个特点就是我们用来进行活体虹膜检测的生理依据之一。通常情况下，在拍摄到的虹膜图像序列中，瞳孔尺寸是大小不一的，而且一些虹膜图像录入设备在拍摄图像的过程中，采取控制照射光线强弱的方法，使瞳孔大小的变化更加明显。本方法首先对拍摄到的虹膜图像序列进行间隔采样，形成待检测图像集；然后按照公式(1)对图像集中的每一幅图像计算特征值；最后，按照公式(2)或(3)，计算这组特征值的方差或绝对平均差。通过判断方差或绝对平均差的大小就可以鉴别出是否活体虹膜。V=ri-rpri---(1)]]>其中，ri是虹膜的半径，rp是瞳孔的半径，V是计算得到的特征值。公式(1)所定义的特征值能够很好地反映出活体虹膜的动态特性，而且此特征值对虹膜和瞳孔半径的相同线性变换不敏感，因此本方法可以检测出试图通过前后移动打印在纸张上的虹膜图像进行欺骗的行为。D=1NΣi=1N(Xi-M)2---(2)]]>D=1NΣi=1N|Xi-M|---(3)]]>其中，N为特征值的个数，M为特征值的均值，Xi为第i个特征值。附图2(a)为一活体虹膜图像序列所对应的特征值曲线，(b)为一非活体虹膜图像序列所对应的特征值曲线。从中我们可以看出(a)和(b)二者有很大的不同，非活体虹膜的特征值曲线近似一条平坦的直线，而活体虹膜的特征值曲线则是有很大波动的曲线。上述方法能够鲁棒地鉴别出使用一幅虹膜图像进行伪造的行为，但“聪明的”人会用连续的视频序列来欺骗自动虹膜识别系统。可是包围在虹膜之外的角膜又为识破这种欺骗行为提供了生理上的基础。角膜是构成眼睛光学系统的一部分，具有一定曲率的透明物质，对穿过的光线起曲折作用。这就好象在虹膜前面放置了特定曲率的透镜一样。为了使图像中的虹膜纹理更清晰，现在所有的虹膜录入设备都有红外照明。但是，红外照明光线照射到眼睛上便会在虹膜图像上形成高光点，从而降低图像的质量。可以合理地设计红外光源在虹膜录入设备中的位置，使由红外照明引起的高光点落在瞳孔的区域内，当前所有的虹膜录入设备也确实是这样设计的。由于伪造虹膜图像的载体(包括一般纸张、播放视频的设备界面等)不具有角膜的这种性质，因此，对那些不具有反射性质的载体来讲，所拍摄到的虹膜图像中没有高光区域；对那些具有反射性质的载体来讲，红外照明引起的高光点可能会落在图像中的瞳孔区域之外。所以通过计算虹膜图像中瞳孔区域内高光点的面积也是辨别是否活体虹膜的有效途径之一。本方法定义一个区域中点的个数为这个区域的面积。通过判断高光点面积值的大小范围，就可以区分真假虹膜。针对不同的虹膜录入设备，可以设定不同的阈值进行判断。附图3(a)为一活体虹膜图像，其高光点面积为96，(b)为从一无反射性质载体上拍摄到的虹膜图像，其高光点面积为0，(c)为从一有反射性质载体上拍摄到的虹膜图像，其高光点面积为0，由于载体反射的杂乱性，其高光点分布在了瞳孔区域以外。II.利用光学成像和数字图像处理的技术虹膜录入设备中的成像元件——摄像头，都具有很高的解析度或者说分辨率，即使是用很高分辨率打印或印刷的虹膜图像，摄像头也能够很容易捕捉到那些录有伪造虹膜的载体上的噪声，这些噪声在数字图像傅立叶变换的频谱上表现为高频能量。因此，本方法通过分析图像频谱的能量分布来辨别真假虹膜。如果所拍摄图像的高频能量的总和超过一定的阈值，也就是说图像包含有很多的噪声，则可以断定所拍摄的图像来自非活体虹膜。本方法定义，大于等于最高频率1/3的频率属于高频分量。根据实际的应用场合，区分高频能量的阈值可以稍微调整。附图4(a)为一活体虹膜图像，(c)为对应的傅立叶能量谱，其高频能量总和为3.1×107，(b)为一非活体虹膜图像，(d)为对应的傅立叶能量谱，其高频本文档来自技高网...

【技术保护点】
一种基于活体虹膜的身份识别新方法，包括步骤： 活体虹膜鉴别； 虹膜图像的质量评价与选择，离焦图像的恢复； 虹膜识别。

【技术特征摘要】

【专利技术属性】
技术研发人员：谭铁牛，王蕴红，马力，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：11[中国|北京]