CN101034434A - 基于双眼虹膜的身份识别方法 - Google Patents

Abstract

本发明涉及一种基于双眼虹膜的身份识别方法。本发明具体步骤是：首先对同时采集到的双眼虹膜图像，分别进行定位处理，并利用双眼的对称性，在左、右虹膜图像的定位计算的过程中相互校正瞳孔和虹膜方位参数，优化虹膜定位结果；然后根据定位结果进行分割、归一化和特征提取，以获得双眼各自的虹膜特征模板；最后将得到的左、右双眼虹膜的特征模板和数据库中的特征模板分别进行匹配，并利用匹配层数据融合算法计算最终的识别结果。本发明利用了双眼虹膜所带来的多次采集稳定性和更加丰富的纹理信息，进一步提高虹膜身份识别的鲁棒性和准确性。

Description

基于双眼虹膜的身份识别方法

技术领域

本发明属于生物特征识别及信息安全的技术领域，特别涉及一种基于双眼虹膜的身份识别方法。

背景技术

生物特征识别技术因为生物特征(指纹、虹膜、脸像等等)自身固有的特性使得它超越和替代传统的身份识别技术成为现实的可能，并且已经在一些国家和地区的特定应用领域开始被推广和使用。其中虹膜识别在身份识别的准确性方面表现尤为突出，同时因为其独特的生理结构，使得虹膜识别技术具有构建更加安全的社会环境的应用潜力。但是，对于现有的虹膜识别技术，其出色的性能是建立在总是能采集到一幅理想的虹膜图像的基础上；而实际应用环境很难保证这样的基础，这正是阻碍虹膜识别技术推向大规模实际应用的主要因素。这种非理想的虹膜图像(上下眼睑遮挡了过多的虹膜部分；虹膜曲面的中心法线方向与视轴的夹角过大；虹膜旋转角度过大等等不稳定因素导致的结果)对于后续的识别会带来两个主要的问题：其一，同一虹膜不同次采集的多样性增加；其二，单次采集的有效信息的损失和干扰信息的增加。最终在匹配时表现为类内距离增大或者类间距离减小，削弱识别算法的鲁棒性，从而降低识别性能。这正是阻碍现有的虹膜识别技术大规模实际推广应用所面临的主要因素。

虹膜属于眼球这一人体独特的内部生理器官的外部可见组织，具有一些独有的特性：研究表明，人用两只眼睛观察一个固定目标时比只用一只眼睛更容易保持头部的稳定和平衡；并且正常状态下，人的左右眼球和上下眼睑的动作是趋同的；同时，虽然人类的体型个体差异大，种族各异，但是双眼(即左、右眼)之间距离的变化很小，而且虹膜的外径的变化幅度极小。如果利用人类双眼之间距离和虹膜外径的稳定性，双眼聚焦和定位的平稳性，以及左右眼球和上下眼睑运动的对称性和趋同性，可以使得采集时双眼虹膜和成像平面保持较好的平行，由此可以获得左右两幅对称的虹膜样本图像，并且在多次采集中能够保持很好的稳定性。

现有的虹膜识别技术都是基于单只眼睛的虹膜图像，如果利用上述的左、右虹膜样本图像作为身份识别的介质，借此获得更加稳定、丰富的虹膜纹理信息，兼顾了多次采集中的稳定性问题和虹膜有效纹理的损失问题；再利用数据融合技术对匹配层的输出结果进行处理，以融合计算的结果作为识别结果。这样的处理方法将会有效降低前文所述的两个问题对虹膜识别技术的大规模实际推广所造成的不利影响。

目前已经公开的文献资料，还没有关于基于人的双眼虹膜来实现身份识别等相关方面的研究。

发明内容

本发明的目的就是针对现有虹膜识别技术在推向大规模实际应用中遇到的问题，提出了一种基于人的双眼虹膜图像来识别身份的方法。

本发明中基于双眼虹膜的身份识别方法的步骤是：

首先对同时采集到的双眼虹膜图像，分别进行定位处理，定位计算采用现有的算法，例如投票算法、圆周差分算法、二维投影算法和径向对称算法等等，并利用双眼的对称性，在左、右虹膜图像的定位计算的过程中相互校正瞳孔和虹膜方位参数，优化虹膜定位结果。相互校正的具体方法：在利用定位算法得到左右虹膜粗定位的方位参数后(参数包括瞳孔和虹膜的圆心和半径)，根据参数的范围进行三种处理，当左右虹膜的方位参数都在正常的范围内时，不校正定位结果；当左右虹膜的方位参数只有其中之一在正常的范围内时，采用在正常范围内的虹膜方位参数作为另一个虹膜定位的搜索范围，重新进行定位计算；当左右虹膜的方位参数都不在正常的范围内时，重新采集样本图像。方位参数的正常范围根据采集设备设定。

然后根据定位结果分割出双眼图像中的虹膜部分，进行归一化处理后，再进行特征提取以获得双眼各自的虹膜特征模板，特征提取方法采用现有的常用算法，例如基于纹理的高斯复小波提取相位特征的算法、基于Gabor复小波提取纹理相位特征的算法等等；

最后将得到的左、右双眼虹膜的特征模板和数据库中的特征模板分别进行匹配，匹配方法采用现有的算法，例如基于汉明距的算法；并利用匹配层数据融合算法处理所得到的特征模板匹配结果，以融合计算的结果作为最终的识别结果。融合计算的具体方法：利用特征提取算法首先计算任意一只眼睛虹膜纹理的特征模板，然后输入匹配融合单元，匹配融合单元计算该特征模板和数据库中要匹配的特征模板之间的汉明距P_I ^L，如果 $P_I^L\&GreaterEqual;P_1,$ 则直接输出识别结果为不匹配；否则进入下一层判断，如果 $P_I^L<P_3,$ 则直接输出识别结果为匹配；否则匹配融合单元要求特征提取单元继续计算并输出另一只眼睛虹膜纹理的特征模板，并计算该特征模板和数据库中要匹配的特征模板之间的汉明距P_I ^R，如果 $P_I^L\&GreaterEqual;P_2,$ 则直接输出识别结果为不匹配；否则进入下一层判断，计算 $P_I^F=\mathrm{\&alpha;}\&CenterDot;P_I^L+\mathrm{\&beta;}\&CenterDot;P_I^R,$ 如果 $P_I^F\&le;P_f,$ 则输出识别结果为匹配，否则输出识别结果为不匹配。P₁、P₂、P₃、P_f、α、β均为统计数据，P₃取确定的误识率对应的汉明距值；P₁取确定的误据率时对应的汉明距值；P₂取等错误率时对应的汉明距值；P_f取确定的误识率时对应的汉明距值；α和β分别对应于左、右虹膜原始图像中有效虹膜部分在完整虹膜中的百分比。

本发明基于双眼虹膜的身份识别方法包括图像采集单元、图像预处理单元、特征提取单元以及匹配融合单元。

由于本发明是一种利用人类双眼虹膜来识别身份的方法和装置，利用双眼聚焦和定位的平稳性、以及左右眼球和上下眼睑运动的趋同性等人的生理特性所获得的双眼虹膜图像来进行身份识别，以更加丰富和稳定的纹理信息为基础，可以在增强识别方法的鲁棒性的同时，提高识别方法的准确性。

由于本发明利用双眼的虹膜图像，根据双眼的对称性可以在左、右虹膜的定位计算中相互校正，降低定位错误率，获得更加准确的虹膜方位。

由于本发明利用匹配层数据融合算法计算最终识别结果，可以自主的选择左、右虹膜各自特征模板的匹配结果对最终识别结果的影响因子，使得该方法在提高身份识别的鲁棒性和准确性的同时，其计算耗费要小于两次基于单只虹膜的识别处理的计算耗费之和。

具体实施方式：

下面结合实施例对本发明进一步说明。

本发明基于双眼虹膜的身份识别方法是：首先采集单元同时采集双眼的虹膜样本灰度图像；其次图像预处理单元对这两幅图像进行虹膜定位，在定位计算的同时利用这两幅左、右虹膜图像的对称性来校正瞳孔和虹膜的定位结果，再根据定位结果分别从原始图像中分割出左、右虹膜部分，对左、右虹膜部分归一化处理之后，将归一化的左、右虹膜部分输入特征提取单元；然后特征提取单元利用一维高斯复小波提取虹膜纹理的相位信息，在对得到的相位信息进行二进制编码后形成左、右虹膜纹理分别对应的虹膜特征模板；最后融合匹配单元根据输入的左、右虹膜特征模板，按匹配层数据融合算法，计算并输出最后的识别结果。

需要指出的是，为了提高计算效率，在本实施例中，特征提取单元首先利用复小波提取归一化的左虹膜纹理的相位信息，进行二进制编码后输出对应的特征模板，然后输入匹配融合单元，匹配融合单元计算该特征模板和数据库中要匹配的特征模板之间的汉明距P_I ^L，如果 $P_I^L\&GreaterEqual;P_1,$ 则直接输出识别结果为不匹配；否则进入下一层判断，如果 $P_I^L<P_3,$ 则直接输出识别结果为匹配；否则匹配融合单元要求特征提取单元继续计算并输出右虹膜纹理的特征模板，并计算该特征模板和数据库中要匹配的特征模板之间的汉明距P_I ^R，如果 $P_I^L\&GreaterEqual;P_2,$ 则直接输出识别结果为不匹配；否则进入下一层判断，计算 $P_I^F=\mathrm{\&alpha;}\&CenterDot;P_I^L+\mathrm{\&beta;}\&CenterDot;P_I^R,$ 如果 $P_I^F\&le;P_f,$ 则输出识别结果为匹配，否则输出识别结果为不匹配。P₁、P₂、P₃、P_f、α、β均为统计数据，在本实施例中，P₃取当误识率为10^-6时对应的汉明距值；P₁取当误据率为10^-4时对应的汉明距值；P₂取等错误率时对应的汉明距值；P_f取当误识率为10^-5时对应的汉明距值；α和β分别对应于左、右虹膜原始图像中有效虹膜部分在完整虹膜中的百分比。

Claims (3)

1、基于双眼虹膜的身份识别方法，其特征在于该方法包括以下步骤：

(1)对同时采集到的双眼虹膜图像，分别进行定位处理，并利用双眼的对称性，在左、右虹膜图像的定位计算的过程中相互校正瞳孔和虹膜方位参数，优化虹膜定位结果；

(2)根据定位结果分割出双眼图像中的虹膜部分，进行归一化处理后，再进行特征提取以获得双眼各自的虹膜特征模板；

(3)将得到的左、右双眼虹膜的特征模板和数据库中的特征模板分别进行匹配，并利用匹配层数据融合处理所得到的特征模板匹配结果，以融合计算的结果作为最终的识别结果。

2、如权利要求1所述的基于双眼虹膜的身份识别方法，其特征在于步骤(1)中的瞳孔和虹膜方位参数相互校正的具体方法：在利用定位处理后得到左右虹膜粗定位的方位参数后，根据参数的范围进行三种处理，当左右虹膜的方位参数都在正常的范围内时，不校正定位结果；当左右虹膜的方位参数只有其中之一在正常的范围内时，采用在正常范围内的虹膜方位参数作为另一个虹膜定位的搜索范围，重新进行定位计算；当左右虹膜的方位参数都不在正常的范围内时，重新采集样本图像。

3、如权利要求1所述的基于双眼虹膜的身份识别方法，其特征在于步骤(3)中融合计算的具体方法：利用特征提取算法首先计算其中任意一只眼睛虹膜纹理的特征模板，然后输入匹配融合单元，匹配融合单元计算该特征模板和数据库中要匹配的特征模板之间的汉明距P_I ^L，如果 $P_I^L\&GreaterEqual;P_1,$ 则直接输出识别结果为不匹配；否则进入下一层判断，如果 $P_I^L<P_3,$ 则直接输出识别结果为匹配；否则匹配融合单元要求特征提取单元继续计算并输出另一只眼睛虹膜纹理的特征模板，并计算该特征模板和数据库中要匹配的特征模板之间的汉明距P_I ^R，如果 $P_I^L\&GreaterEqual;P_2,$ 则直接输出识别结果为不匹配；否则进入下一层判断，计算 $P_I^F=\mathrm{\&alpha;}\&CenterDot;P_I^L+\mathrm{\&beta;}\&CenterDot;P_I^R,$ 如果 $P_I^F\&le;P_f,$ 则输出识别结果为匹配，否则输出识别结果为不匹配；P₁、P₂、P₃、P_f、α、β均为统计数据，P₃取确定的误识率对应的汉明距值；P₁取确定的误据率时对应的汉明距值；P₂取等错误率时对应的汉明距值；P_f取确定的误识率时对应的汉明距值；α和β分别对应于左、右虹膜原始图像中有效虹膜部分在完整虹膜中的百分比。