CN100403981C - 肯定性患者识别方法和装置 - Google Patents

Abstract

本发明涉及一种方法以及执行系统和相关装置，用于根据基于存储的历史虹膜识别的记录和同时期得到的记录之间的匹配对比，自动地和阳性地识别人员。算法包括在虹膜图像的选定区识别锚定特征，并将与锚定特征相关的虹膜图案绘制成拓扑相容平分析空间。根据本发明的分析对个人生成历史的(基准)和同时期的虹膜特征矢量，由此可进行匹配对比，从基准基础阳性地识别个人。

Description

肯定性患者识别方法和装置

技术领域

本发明一般地涉及一种虹膜识别身份的方法以及相关装置和系统，更具体地涉及肯定性患者身份识别，特别是在视力校正领域的应用，但这决不形成限制。

背景技术

在最近10到20年中，虹膜识别领域已经取得很多应用。对虹膜识别技术和方法的关注归结于虹膜图案的惟一性，这类似于指纹的独特性。因此，虹膜图案识别应用于个人识别和验证已经在公众领域形成大量发明和丰富的知识，例如，保密访问、金融交易和患者身份，这仅是给出很少一部分。

本发明涉及肯定性患者识别，但决不限制于这里给出的优选实施例。当前患者识别的实际情况依赖于操作者将患者数据输入人工和/或电子记录系统，并产生一个患者标识符。接着使用此患者标识符提取患者记录，用于随后的诊断和治疗计划编制和执行。错误输入和提取患者记录将导致不正确的诊断和治疗，可能形成灾难性后果。

在视力校正领域，患者识别、筛选、诊断和/或治疗错误可以造成，例如，视力丧失而不是视力校正。此外，与侵入性眼科治疗过程有关的虹膜识别应用由于一些因素面临独特的挑战，这些因素诸如俯卧诊断位置和仰卧治疗位置之间的眼睛转动，本质上由于普遍人群中虹膜颜色变化造成的虹膜边界识别，以及瞳孔显示和扩大状态之间的差异。

考虑到上述识别的挑战和问题，以及现有技术的各种技术缺点，本发明者认识到需要一种方法和相关的装置解决上述已知的问题，并且需要提供一种肯定性患者识别方法和系统以及相关的优势和益处。

发明内容

本发明的一个实施例涉及一种系统，根据基于存储的历史虹膜识别记录和同时期得到的记录之间的匹配对比，自动地肯定性地识别一个主体(人)。系统组成包括照亮主体眼睛以便产生患者识别数据的光源，检测主体眼睛数据的传感器以及将主体眼睛数据传送到传感器的光学系统。还包括从传感器获取数据的装置，分析获取的数据的装置，信息存储/提取部分，多个主体的历史识别数据的数据库，得到历史数据库中有关特定主体的对比同时期识别数据的装置，以及将同时期识别数据与存储的历史数据对比并确定相似性关系从而借助同时期和历史信息之间的高度准确匹配肯定性地识别主体的装置。

在这里所述的所有实施例中，主体可以称为患者，因为本发明特别地涉及视力校正领域中肯定性识别患者。但是，本发明的范围决不受限于“患者”识别本身。这个用途仅仅是便于实际领域中优选用途的更典型描述。

在上述实施例的一个优选方面中，眼睛照明处于近红外到中红外，这用于在患者人群中可行照亮瞳孔对比度中宽的和可变的范围。优选的患者眼睛数据包括患者眼睛图像，这是通过CCD传感器/摄像机组件检测的并传送到利用图像处理和帧获取器技术的图像数据获取部分。适合的编程计算机，例如PC，可以方便地用于分析获取的数据并产生历史的和同时期的匹配信息，这在下面称为同时期和历史虹膜特征矢量(IFV)。由得到的眼睛图像生成每个患者的IFV。历史(基准)IFV患者数据库存储在系统的信息存储/提取部分。相同的(人造的)系统用于在患者随后看病过程中获得特定患者的同时期IFV。接着，同时期IFV与存储的历史IFV数据系列对比，系统计算机部分可以确定同时期IFV和此系列IFV之间的相似性关系，从而进行患者肯定性识别。

本发明方法的一个实施例涉及获得上述的历史和/或同时期IFV，并且实现肯定性患者识别。方法包括如下步骤：获取患者眼睛图像；确定眼睛的内区和外区；分别限定内区和外区中的搜索空间；以及在每个搜索空间中定位锚定特征；确定虹膜图案并将此图案绘制成标准化分析空间；通过取样区的预选图案对分析空间取样；对每个样品区生成n个初始IFV；生成一个阵列的所有初始IFV，并将患者历史IFV阵列存储在存储/提取介质中。优选地，存储阵列可以根据总的和/或局部的不变特征标准进行分类。在一些随后时间，对特定患者产生同时期IFV，并且与整个患者人群的一系列历史IFV存储数据对比，得到患者的自动肯定性识别。

本发明的另一个实施例涉及一种可设备翻译的介质，其中编码和存储了同时期IFV，这与根据本发明在上面给出的术语一样。

在另一个实施例中，提供一种眼科诊断或治疗系统，它能被指令进行肯定性患者识别的算法，其中算法反映在生成并对比历史和同时期IFV的一个过程，如同这里根据本发明的说明。

总之，本发明的方法和装置的实施例是有优势的，一部分是因为它们解决了应用领域的挑战和现有技术的问题，取决于患者本身的标识符而不需要二次记录介质，利用对每个个体惟一的特征，并能补偿操作者的输入误差(如果它们存在)。通过阅读以下详细说明、附图和权利要求，本发明的这些和其它优点和目的将对读者更加清楚。

附图说明

图1是根据本发明的一个系统实施例的示意图；

图2是根据本发明的一种方法实施例的示意图；

图3是根据本发明一个算法实施例的过程步骤给出的流程图；

具体实施方式

本发明的一个实施例涉及一种肯定性患者识别的系统10，如图1所示。系统包括一个或多个照明源16，用于照亮患者眼睛得到与患者身份相关的数据25。恰当对准的光学系统20将数据传送到探测器/摄像机组件30。探测器/摄像机组件与图像数据获取装置40操作配合，按适合的形式从探测器/摄像机获取患者眼睛数据。分析装置50与获取装置40操作配合，并基于患者眼睛数据25产生虹膜特征矢量(IFV)65。在一段开始时间，对患者人群中的每个患者产生IFV65，并存储在与分析装置50协作配合的信息存储/提取部分60。接着在患者基础上建立包括历史IFV65_n的数据库。在需要识别特定患者的随后某个时间，分析装置50产生同时期IFV66，并与存储的历史IFV的数据库对比以自动肯定性地识别患者。除了根据本发明算法所需的数据外，历史IFV中还可以期望包括患者简历信息。

在系统10的一个优选方面，照明源16发出约650到1000nm的近红外到中红外光谱的光，更优选的是约700到800nm，从而在照明时不影响瞳孔直径变化。另外，此波长范围对虹膜成像提供好的照明，而其它波长范围对于得到满意的虹膜图像不能提供充分的对比度。探测器/摄像机30包括CCD探测器和摄像机，用于通过本领域内公知的光学系统20检测和记录虹膜图像25。虹膜图像数据获取装置40通常利用可以采购到的帧获取器/图像处理硬件/软件。获取的虹膜图像信息按以下详细描述的方式进行处理，并通过分析装置50分析，分析装置通常是PC或类似的计算机部分。分析装置产生患者人群的历史IFV65_n数据库，并存储在存储/提取部分60中。存储/提取部分可以是位于本地的或远程的任何不同的公知数据存储/提取介质。例如，硬盘、便携式存储器介质、服务器、基于因特网和其它存储/提取介质都是可以的。分析装置50也可以为特定患者产生同时期IFV66，以便与存储的历史IVF进行对比。根据包括IFV的指示，通常仅有一个历史IFV与任一同时期IFV匹配，从而完成肯定性患者识别。

本发明的另一个实施例涉及肯定性识别患者的方法。该方法基于图3中框图给出的算法300，并将在下面参考图2进行说明。在步骤305，生成并获取患者眼睛的虹膜图像，如图2A所示。在步骤310，对虹膜图像处理，确定内区(IR)130和毗邻的外区(OR)140，如图2B所示。内区由平滑外界135划定，这是区分患者眼睛的瞳孔/虹膜边界的最佳拟合曲线。同样地，外区有外边界145，它是由平滑的最佳拟合曲线区分的，这代表患者眼睛的缘界。IR和OR边界区135、145由于眼睑、睫毛、环境照明杂音等可以部分闭合，通常IR和OR不必是同心的，如它们在图2B中所示的。接着在步骤312、314确定内区搜索空间160和外区搜索空间175，如图2C和2D所示。内区搜索空间160的确定是通过穿过内区130中心到IR边界135画一条水平线165，并在偏离水平线的偏移角θ约±10°画边界线165。此IR搜索空间大约是患者在俯卧和仰卧位置之间眼睛转动的最大正常变化的两倍。同样地，外区搜索空间175的确定是通过穿过外区OR中心画一条水平线166，并在偏离水平线的偏移角θ约±10°在IR边界135和OR边界145之间界定一个空间。在步骤317、319，分别定位内区外界135上的内区锚定特征150以及外区外界145上的外区锚定特征170，如图2C、2D所示。锚定特征150、170是特定患者眼睛优选的永久界标，这是眼睛具有诸如扩大或显示状态的其它变化时的一个不变位置。锚定特征的发现是使用公知的过滤和阈值技术通过搜索分别由搜索区160、175界定的鼻区和颞颥区。内区锚定特征150的一个例子是离开IR边界135的最大偏移区，但是，也可使用其它标准。例如，可以使用没有条纹或纤维状人造物的虹膜均匀强度区或者表示出最大/最小厚度变化的不均匀厚度区用作IR和/或OR锚定特征。外区锚定特征170可以使用与内区锚定特征类似的标准定位，即，此特征的搜索空间可以，例如，位于与内区锚定特征检测时识别的相同一侧(鼻/颞颥)。在步骤320，形成连接IR锚定特征150和OR锚定特征170的直线(特征边界)195，如图2E所示。直线195可以是逻辑直线(即，公式产生的)或者是本领域一般技术人员可以理解的其它方式产生的(例如，真空的)。在步骤330，将虹膜图像图案180绘制成标准化的分析空间190，如图2E、2F所示。虹膜图案180的确定是通过在IR、OR和特征边界195界定的区域内对图像强度(象素)值取样。例如，取样可以通过在选定角度和径向增量下精确环绕虹膜图像进行，或者通过水平和垂直增量取样，或者其它方法。特别是，取样可以是按数学方式一个个进行，并且分辨率足以用于随后的特征分析。接着，将检测的强度值(表示为黑/白方块)绘制成在范围0，0和1，0之间的方块格190，如图2F所示。这在虹膜图像25和标准化分析空间之间绘图提供拓扑一致性。这种虹膜图像标准化可以去除对瞳孔扩大或显示状态的任何依赖性，减小或去除患者俯卧和仰卧方向的眼睛转动部分，并形成简化随后处理的均匀不变分析空间。分析过程的下一步包括样品区选择，如步骤340给出的和在图2G中所示的。样品区图案210的形成是通过选择各个样品区盒205的数量、尺寸、形状和位置，如图2G所示。可以理解的是，样品区盒205不需要限制成图示的正方形，而是任何适合的形状/尺寸/位置。在IFV生成速度、匹配置信度值、样品区尺寸和样品区数量之间存在一个折衷。例如，对于固定数量的样品区，较大的样品区尺寸将减慢IFV生成。对于固定的样品区尺寸，较高的样品区数量将减慢IFV生成。在所有情况下，较多的样品区产生较高的匹配置信度值。当样品区图案210选择20-30个样品盒，并且每个样品盒的面积大约是总分析区的1/25时，可以得到满意的结果。图案210的形状(即，盒的位置)可以渐进地确定，减小图像获取过程中经常闭合区的样品区选择。一旦样品盒205参数和样品区图案210确定，此图案通常用于所有随后分析，但在此方式下不受本发明限制。在步骤345，用样品图案对标准化分析空间190取样。对于每个取样区205_n，如图2H所示，在步骤350形成初步IFV_n。一旦用样品区图案210对标准化分析空间取样，则形成特定患者的一套n个虹膜特征矢量65，如图2I所示。每个IFV的内容可以是独特识别特征的任意组合，例如，每个IFV_n可以包括特征类型(即，直线、圆、椭圆、圆锥部分，等等)，其方向的主轴/次轴，其最大和最小强度，等等。每个IFV_n还可以包含与样品区盒205_n的尺寸、数量和位置相关的信息，以及操作者输入的患者数据，或者操作者想要的患者人个身份记录的任何其它信息。优选的是，每个IFV的特征类型部分具有一个特性，允许每个IFV通过表示患者眼睛不变特征或总特征的标准分类。在步骤355，每个IFV_n系列65组成一个阵列并存储在存储/提取介质中，例如图1中60所代表的。每个这些IFV阵列成为患者的历史IFV，并可以存储整个患者人群的历史IFV65_n，用于以后提取。

在一些随后时间，需要识别一个特定患者。因此，在步骤360，重复所有上述方法的步骤，形成特定患者的同时期IFV66。同时期IFV是与历史IFV阵列相似的矢量阵列，并可以与存储的历史IFV数据系列进行对比，并匹配到它们中的一个，从而肯定性地识别患者。在步骤365执行同时期和历史IFV的对比，优选地首先对比内区/外区边界特征几何的位置或者一些上述分类标准支持的一些其它不变特征。接着，在步骤370，对于每个同时期IFV与历史IFV的对比，在0和1之间产生相似性值x。相似性值可以是均方根计算或本领域内理解的其它统计评估。其它相似性量词可以包括(但不限于)IFV中特征类型的计数、介质特征角度值、强度变化、强度变化率，等等。当对两个匹配记录产生等价相似性值时，干扰样品区盒的位置破坏其连结变成必需的。干扰可以通过移动样品区盒位置或改变样品区盒尺寸来完成。选择使用哪种方法可以根据获取环境中变化的先验知识，或者是随机的，但样品区结构的小交换。

在根据本发明的相关实施例中，存储/提取介质60在其内已经存储了根据上述算法300得到的多个历史IFV。应该理解的是，存储历史IFV的介质并不限于特定的硬件设备或软件结构；相反，可以是基于因特网的、部分局域网，区域服务器、与PC相连的本地存储器，或者其它的。

在根据本发明的另一个实施例中，提供一种眼科诊断或治疗系统10，它能执行算法300并可以按执行算法的方式编程，从而根据上述算法进行肯定性患者识别。

对于上述每个实施例，可以产生同时期IFV66并直接传送到分析装置50，或者存储在系统可以使用的任何类型读/写介质，从而为肯定性患者识别进行同时期IFV与存储的历史IFV之间的对比。此读/写介质可以是，例如，CD、DVD、软盘、编码的载体波、数据传输线，等等。

虽然这里特别地图示和说明了优选实施例，但可以理解的是，在不偏离本发明精神和范围的情况下，可以按照上面给出的说明以及权利要求对本发明做出不同修改和变化。

Claims (8)

1.一种肯定性识别患者的方法，包括如下步骤：

a)获取患者眼睛图像；

b)确定眼睛的内区和外区；

c)将内区锚定特征定位在内区外边界上的搜索空间内；

d)将外区锚定特征定位在外区外边界上的搜索空间内；

e)识别内区锚定特征和外区锚定特征之间的直线关系；

f)将位于直线关系以及内区和外区附近的多个虹膜图像强度值确定到标准化分析空间中；

g)将强度值绘制到标准化分析空间中；

h)生成样品区的图案，选择每个样品区的尺寸和形状；

i)用样品区图案对标准化分析空间取样；

j)对于每个样品区生成从1到n个虹膜特征矢量；

k)生成所有虹膜特征矢量的阵列，以及；

l)将该阵列存储在存储/提取介质中。

2.如权利要求1所述的方法，其中所述存储虹膜特征矢量的阵列包括代表特定患者识别数据系列的历史虹膜特征矢量。

3.如权利要求1所述的方法，还包括对所述阵列的虹膜特征矢量分类。

4.如权利要求2所述的方法，还包括对特定患者在随后时间执行步骤a)到k)，其中随后得到的阵列包括特定患者的同时期虹膜特征矢量。

5.如权利要求4所述的方法，包括将同时期虹膜特征矢量与存储的多个历史虹膜特征矢量对比，并每次对比生成相似性指数x，从而将同时期虹膜特征矢量与历史虹膜特征矢量匹配。

6.如权利要求5所述的方法，其中0≤x≤1。

7.如权利要求5所述的方法，包括当相似性指数不足以肯定性匹配同时期虹膜特征矢量和单个历史虹膜特征矢量时，对样品区图案中的样品区位置扰动。

8.一种眼科诊断或治疗装置，用于肯定性患者识别，包括：

a)获取患者眼睛虹膜图像的装置；

b)确定眼睛的内区和外区的装置；

c)将内区锚定特征定位在内区外边界上的搜索空间内的装置；

d)将外区锚定特征定位在外区外边界上的搜索空间内的装置；

e)识别内区锚定特征和外区锚定特征之间的直线关系的装置；

f)将直线关系以及内区和外区附近的多个虹膜图像强度值确定到标准化分析空间中的装置；

g)将强度值绘制到标准化分析空间中的装置；

h)生成样品区的图案，选择每个样品区的尺寸和形状的装置；

i)用样品区图案对标准化分析空间取样的装置；

j)对于每个样品区生成从1到n的虹膜特征矢量的装置；

k)生成所有虹膜特征矢量的阵列的装置，以及；

l)将该阵列存储在存储/提取介质中的装置。

Images