一种虹膜活体检测方法技术

本发明专利技术是一种虹膜活体检测方法，包括：步骤Ｓ１：对训练图像库中的活体虹膜图像和人工伪造物虹膜图像进行预处理，在得到的感兴趣区域上进行多尺度的局部二值模式特征抽取，并利用自适应增强学习算法对得到的候选特征进行优选，同时构建用于虹膜活体检测的分类器；步骤Ｓ２：对任意输入的测试虹膜图像进行预处理，在得到的感兴趣区域上计算优选的局部二元模式特征，将计算得到的特征值输入到步骤Ｓ１学习得到的虹膜活体检测分类器中，并根据分类器输出结果判断该测试图像是否来自活体虹膜。本发明专利技术能够有效地对虹膜图像进行防伪检测和报警，降低虹膜识别错误率本发明专利技术可广泛用于使用虹膜识别进行身份识别和安全性防范的诸多应用系统中。

【技术实现步骤摘要】

本专利技术涉及数字图像处理、模式识别和统计学习等
，特别是一种基于局 部二元模式特征和自适应增强学习算法的虹膜活体检测方法。
技术介绍
虹膜识别通过分析不同虹膜之间的纹理差异对人的身份进行识别和认证，具有唯 一性高、稳定性强、非侵犯性等优点，已被成功地应用于机场、海关、银行等场合的身份鉴 定。然而，随着普及程度的逐渐提高，虹膜识别系统也面临着各种人工伪造技术的威胁和攻 击。目前，常见的人工伪造虹膜纹理技术包括纸质打印虹膜、带有虹膜花纹的玻璃或塑料 眼球、虹膜采集的视频回放以及印有彩色花纹的隐形眼镜等。如果虹膜识别系统不能准确 地对这些伪造虹膜数据进行检测和报警，将对授权用户造成巨大的潜在损失。目前国内外用于虹膜活体检测的方法并不多。英国剑桥大学的Daugman(U. S. Pat. No. 5291560)提出使用虹膜图像的频谱特性进行虹膜活体检测，但是该方法仅对纸质打印 伪造虹膜的检测有效。上海交通大学的史鹏飞等(CN 101059837A)提出使用灰度共生矩 阵的对比度及角度二阶矩特征进行虹膜活体检测，但是该方法主要针对彩色隐形眼镜的检 测。综上所述，现有的虹膜活体检测算法仍有改进的空间，如何快速有效地实现虹膜 识别系统中的虹膜活体检测仍然是一个亟待解决的难题。
技术实现思路
(一)要解决的技术问题本专利技术的目的是针对上述现有技术中存在的问题，提供一种快速有效的虹膜活体 检测方法。( 二 )技术方案为了实现上述目的，本专利技术基于局部二元模式特征和自适应增强学习算法的虹膜 活体检测方法包括步骤步骤Sl 收集和构建含有虹膜图像的训练图像库，对训练图像库中的虹膜图像进 行预处理，得到训练图像库中的虹膜图像的感兴趣区域；利用多尺度的局部二元模式算子 对训练图像库中的虹膜图像的感兴趣区域进行特征抽取；利用自适应增强学习算法优选得 到分类能力最强的局部二元模式特征，同时构建用于虹膜活体检测的分类器；步骤S2 对任意输入的测试虹膜图像进行预处理，得到测试虹膜图像的感兴趣区 域，在该测试虹膜图像的感兴趣区域上抽取优选得到的局部二值模式特征，并利用训练得 到的虹膜活体检测分类器判断该输入的测试虹膜图像是否来自活体虹膜。优选地，所述步骤Si，即虹膜活体检测分类器的构建包括如下步骤步骤Sll 收集和构建包含活体虹膜图像和人工伪造物虹膜图像的训练图像库， 将活体虹膜图像作为正训练样本，将人工伪造物虹膜图像作为负训练样本，并对训练图像库中的活体虹膜图像和人工伪造物虹膜图像进行预处理，得到训练图像库中的活体虹膜图 像和人工伪造物虹膜图像的感兴趣区域；步骤S12 对所述训练图像库中的活体虹膜图像和人工伪造物虹膜图像的感兴趣 区域进行归一化，将训练图像库中的活体虹膜图像和人工伪造物虹膜图像的感兴趣区域从 直角坐标系转换到极坐标系，得到训练图像库中的活体虹膜图像和人工伪造物虹膜图像在 极坐标系下的虹膜图像；沿着训练图像库中的活体虹膜图像和人工伪造物虹膜图像在极坐 标系下的虹膜图像的水平和竖直方向将极坐标系下的虹膜图像划分成多个子区域；步骤S13 用多尺度的局部二元模式算子在所述子区域上进行滤波，计算子区域 上每个像素的局部二元模式算子特征码，并统计该子区域上每个局部二元模式算子特征码 的出现概率，该概率值作为一个候选的局部二元模式特征用于虹膜活体检测；步骤S14 利用自适应增强学习算法从所述局部二元模式特征候选集合中优选出 分类能力最强的局部二元模式特征，并根据该局部二元模式特征在训练集上的分布情况构 建虹膜活体检测分类器。 优选地，所述预处理是对任意输入的三类虹膜图像进行预处理，三类虹膜图像包 括测试虹膜图像、活体虹膜图像和人工伪造物虹膜图像，首先使用圆模型定位所述的三类 虹膜图像中虹膜内外圆边界的圆心和半径；以瞳孔圆心为原点将所述的三类虹膜图像从直 角坐标系变换到极坐标系；在极坐标系下将所述的三类虹膜图像缩放到统一的大小，实现 所述的三类虹膜图像的归一化；然后截取虹膜圆环中排除了上面90度和下面90度范围的 区域作为感兴趣区域。优选地，所述的自适应增强学习算法在统计每个候选局部二元模式特征Φ在正 负训练集上的分布密度。和时，使用高斯核密度估计算法对所得密度分布进行 平滑和优化，其中，高斯核密度估计的计算公式如下V^expj-15"V' ^φ Κ } Νχ^(2πσ2)υ2 Ρ\ 2σ2 J η , 、 1 $ 1 I2I^^^S^rexpj-L^l其中σ表示所选的高斯核的方差，N1,N2表示训练数据库中正负训练图像的数目， s表示候选局部二元模式特征Φ的特征值，Sn表示第η个正样本或负样本在特征Φ的取值。优选地，所述步骤S2，即测试虹膜图像的活体检测步骤包括步骤S21 对任意输入的测试虹膜图像进行预处理，得到该测试虹膜图像的感兴 趣区域；步骤S22 对所述测试虹膜图像的感兴趣区域进行归一化，将测试虹膜图像的感 兴趣区域从直角坐标系转换到极坐标系，得到极坐标系下的测试虹膜图像；沿着极坐标系 下的测试虹膜图像的水平和竖直方向将极坐标系下的测试虹膜图像划分成多个子区域；步骤S23 计算优选出的局部二元模式特征在输入的测试虹膜图像对应子区域上 的特征值；步骤S24 将特征值输入到训练学习到的分类器中，根据分类器输出结果判断该测试虹膜图像是否是活体虹膜图像，并在不是活体虹膜图像时，给出报警信号。优选地，所述特征值的计算包括在优选得到的子区域中的每个像素上计算优选 得到的局部二元模式算子的特征码，并统计该二元模式算子特征码在该子区域上的出现概 率作为该局部二元模式特征的特征值。(三)有益效果本专利技术提出一种基于局部二元模式特征和自适应增强学习算法的虹膜活体检测 方法。本专利技术所述方法对于提高虹膜识别系统的精确性和安全性具有重要的意义，其主要 优点如下1.本专利技术充分利用了活体虹膜图像和伪造虹膜图像在纹理表象上的差异，可以广 泛的适用于多种伪造虹膜的检测和报警，极大地提高了虹膜识别系统的安全性。2.本专利技术充分利用虹膜图像的纹理分布特征，如角度方向上的自相似性、半径方 向的延展性等，将虹膜感兴趣区域沿着虹膜的半径和角度方向划分成不同的子区域，并在 每个子区域上抽取不同尺度的局部二元模式特征，同时利用自适应增强学习算法选择那些 最具分类能力的候选特征用于虹膜活体检测分类器的设计，大大提高了虹膜活体检测算法 的精确性。3.本专利技术采用的局部二元模式特征计算速度快，可以实时地对虹膜图像进行活体 检测。4.本专利技术提出的基于局部二元模式特征和自适应增强学习算法的分类方法还可 以扩展到其他需要纹理表达和特征选择的领域中，如人脸活体检测、虹膜识别等，具有很强 的可扩张性和实用性。得益于上述优点，本专利技术使快速有效的虹膜活体检测成为可能，极大地提高了现有虹 膜识别系统的可靠性和安全性，可广泛应用于使用虹膜识别进行身份认证或者识别的系统中， 比如虹膜出入境身份认证系统、虹膜ATM机、虹膜门禁系统、虹膜手机、虹膜PC登录系统等等。附图说明图1示出本专利技术基于局部二元模式特征和自适应增强学习算法的虹膜活体检测 方法流程图；图2a示出本专利技术活体虹膜图像的示例图；图2b示出本专利技术人工伪造物虹膜图像的示例图；图3a示出本专利技术虹膜图像预处理结果及在直接坐标系下虹膜感兴趣区域本文档来自技高网...

【技术保护点】
一种虹膜活体检测方法，其特征在于，该方法包括步骤：步骤Ｓ１：收集和构建含有虹膜图像的训练图像库，对训练图像库中的虹膜图像进行预处理，得到训练图像库中的虹膜图像的感兴趣区域；利用多尺度的局部二元模式算子对训练图像库中的虹膜图像的感兴趣区域进行特征抽取；利用自适应增强学习算法优选得到分类能力最强的局部二元模式特征，同时构建用于虹膜活体检测的分类器；步骤Ｓ２：对任意输入的测试虹膜图像进行预处理，得到测试虹膜图像的感兴趣区域，在该测试虹膜图像的感兴趣区域上抽取优选得到的局部二值模式特征，并利用训练得到的虹膜活体检测分类器判断该输入的测试虹膜图像是否来自活体虹膜。

【技术特征摘要】

【专利技术属性】
技术研发人员：谭铁牛，孙哲南，何召锋，韦卓识，
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]