CN101073090A - 用于虹膜识别的多级可变域分解方法和系统 - Google Patents

用于虹膜识别的多级可变域分解方法和系统 Download PDF

Info

Publication number
CN101073090A
CN101073090A CNA2005800399275A CN200580039927A CN101073090A CN 101073090 A CN101073090 A CN 101073090A CN A2005800399275 A CNA2005800399275 A CN A2005800399275A CN 200580039927 A CN200580039927 A CN 200580039927A CN 101073090 A CN101073090 A CN 101073090A
Authority
CN
China
Prior art keywords
iris
code
district
sector
iris code
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CNA2005800399275A
Other languages
English (en)
Other versions
CN100552696C (zh
Inventor
金大训
魏南淑
李成镇
权圣火
崔炯仁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Iritech Inc
Original Assignee
Iritech Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Iritech Inc filed Critical Iritech Inc
Publication of CN101073090A publication Critical patent/CN101073090A/zh
Application granted granted Critical
Publication of CN100552696C publication Critical patent/CN100552696C/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/18—Eye characteristics, e.g. of the iris
    • G06V40/193—Preprocessing; Feature extraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Ophthalmology & Optometry (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Collating Specific Patterns (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Image Input (AREA)

Abstract

本发明涉及一种虹膜识别方法和系统，其将为个人识别所获取的虹膜图像划分成多个相同/不同的多级区域，生成对应于各个区域的代码，将代码组织在数据库中，以相同的方式在认证时生成代码，通过比较认证时生成的代码与数据库中存储的代码来识别个人，从而提高的识别速度和识别率。本发明提供了一种包括虹膜代码登记和虹膜代码认证的虹膜识别方法，所述虹膜代码登记包括的步骤如下：通过利用照相机或检索存储的图像文件来捕获图像以获取虹膜图像，从获取的虹膜图像生成虹膜代码，将生成的虹膜代码存储在数据库中；而所述的虹膜识别包括的步骤如下：以与虹膜代码登记的方法相同的方式来获取虹膜图像，从获取的虹膜图像中生成虹膜代码，通过比较生成的虹膜代码和存储在数据库中的虹膜代码来识别生成的虹膜代码，其中，以这样的方式来执行虹膜代码生成步骤，即，基于虹膜区的内边界和外边界的实际形状，用一般曲线近似内边界和外边界，来确定虹膜区的内边界和外边界，将内边界和外边界之间的区域的部分或全部划分成一个或多个单位扇区，生成与各个扇区对应的虹膜代码；以这样的方式来执行虹膜代码识别的步骤，即，测量生成的代码与存储在数据库中的现存的代码之间的距离，确定距离中的每个是否落入阈值的范围内。

Description

用于虹膜识别的多级可变域分解方法和系统
技术领域
本发明一般地涉及一种用于获取虹膜的图像、将获得的图像与先前登记的信息进行比较并识别个人的虹膜识别方法和系统，更具体地讲，涉及这样一种虹膜识别方法和系统，其将个人的虹膜图像分解成多个域，提取表示各个域的特有特征的虹膜代码，并将这种虹膜代码存储在数据库中，然后通过以相同的方式根据要识别的人的虹膜图像生成虹膜代码，并将该代码与存储在数据库中的代码进行比较来识别个人的身份，从而提高了虹膜识别的速度和准确性。
背景技术
利用虹膜识别个人的身份的一般处理方法是已知的，该方法由下面的步骤组成：在登记的情况下，包括从整个人眼图像中检测虹膜，将虹膜划分成经适当确定的域，生成虹膜代码，将生成的代码存储在数据库中；在识别的情况下，包括生成要识别的虹膜代码，在数据库中搜索与刚生成的虹膜代码最接近的虹膜代码，基于经适当选择的阈值得出最终的判断。
John G.Daugman提交的第5,291,560号美国专利公开了一种用于从虹膜区获取特定信息以执行这种处理方法的方法。
在Daugman的专利中，搜索与虹膜和瞳孔之间的边界最近似的圆，虹膜和巩膜之间的边界被近似为圆，将这两个圆之间的区域设定为虹膜区。另外，基于等比原则，将该环形区域划分成多个环形区，如图1(a)所示。利用Gabor变换根据各环形区生成虹膜代码，将该虹膜代码存储在数据库中。当识别个人时，对要识别的人的虹膜图像应用相同的程序，具体地讲，生成要识别的人的虹膜代码。识别程序是这样的：如果确定出信息中的差别落入在阈值的范围内，则要识别的人与登记的人是同一人。然而，这种方法需要面对的问题是，由于虹膜的一部分通常被眼睑或睫毛覆盖，从而由于其实不属于虹膜的图像部分而导致生成不正确的虹膜代码。这样会降低识别的准确性。
为了克服这种可能性，Daugman专利提出了一些补救措施。根据观察可以知道，正好在瞳孔上方或下方的虹膜部分被眼睑或睫毛遮住的可能性更大。因而，Daugman专利提出从环形区中切掉这些部分并利用剩余的部分。图1(b)示出了环形区的剩余可用部分。然后，仅根据那些剩余可用部分提取虹膜代码。然而，这种方法仍有缺点，当不是针对个体的情况而是以先前的方式预先设定这种可用部分时，因为在每个图像中的实际被遮住的图案以各种各样的形式出现，所以在Daugman专利中假定可用的部分实际上可能正好被遮住了。清楚的是，对于同一个体的图像来说，每次拍摄图像时被遮住的图案都会不同，并且由于眨眼或杂质(如泪滴)，导致未被遮住的虹膜区变化显著。所有这些不准确都很可能会影响虹膜代码，从而降低识别的准确性。
本申请的一部分申请人在先提交并登记的第6,247,813号美国专利公开了在先公知的虹膜识别技术的另一示例，在该美国专利申请中公开了这样一种技术，即，基于虹膜的纤维结构、瞳孔和自主神经环(ANW，Autonomous Nervous Wreath)对光的反应、ANW的形状和虹膜图像中暗点的位置和形状，计算多个用于虹膜识别的识别参数，然后基于所述识别参数来识别特定的人。该技术中最重要的特征是被称作可变多扇区方法的技术。在这个方法中，瞳孔和虹膜的边界用圆表示，利用同心圆和放射性线段将这两个圆之间的区域划分成多个扇区，然后对每个扇区应用适合的频率变换(如Haar变换)，以生成登记和识别时使用的虹膜代码。该技术的最显著的特征是动态地确定放弃哪个扇区和利用哪个扇区的使用。放弃的扇区是被眼睑、睫毛或一些其它杂质遮住的坏扇区，好扇区是没有这些缺陷的扇区。前述的这个专利仅利用剩余的好扇区在登记和识别时生成虹膜代码。当将两个图像(实际代码)进行比较时，仅使用在两个图像(代码)中均被认为是好的那些扇区来计算两个图像(代码)之间的距离。因此，除非同一扇区在两个图像中都被认为是好的，否则登记时使用的好扇区不一定参与识别时的最终计算。这个专利的优势在于可以有效地处理捕获图像时出现的与各种阻挡有关的各种不可预知性，因而在相当程度上提高了识别率。
然而，这个专利仍然具有若干缺点。即，如图2所示，存在很多难以将人的虹膜边界近似为圆的情况，从而当将虹膜边界近似为圆时，虹膜区之外的人眼图像的部分不可避免地会被误当作虹膜区，因而被误用，从而降低了识别率。另外，还具有的缺点在于以均匀和预定的方式构建扇区，仅被眼睑或睫毛轻微覆盖的扇区仍必须被认为是坏扇区，因而不可避免地被放弃，这使得不能利用坏的被放弃的扇区内部的剩余的好的部分。
而且，在Daugman专利中，当从照相机捕获的虹膜图像中提取虹膜区时，为了易于数据处理，即使虹膜的内边界(瞳孔和虹膜之间的边界)和虹膜的外边界(虹膜和巩膜之间的边界)实际上接近于普通的曲线，它们也被认为是圆或椭圆，用于将虹膜区划分成多个扇区的分割线也被认为是圆。由于不能充分利用这些几何特点，所以在识别率的提高上还存在一些局限。
发明内容
技术问题
设计本发明是为了克服上述的问题。本发明的第一目的是提供一种识别虹膜的方法和系统，其不用圆近似虹膜的内边界和外边界，而是反应边界的实际形状并使用一般的曲线来近似边界，从而提高识别的准确性。在已有的发明中，即使虹膜的内边界和外边界的实际几何特点不是实际的圆，也使用圆来近似边界，并使用圆，这是因为圆易于处理。出于这个原因，可能使用了虹膜区之外的部分来生成虹膜代码，或生成虹膜代码时可能省略了虹膜的一些部分。因此，这些问题就阻碍了识别准确性的提高。为了克服这些问题，本发明提出了一种在生成虹膜代码时反应虹膜本来的边界的方法。即，本发明尝试提供一种用一般曲线而不必须是圆来近似虹膜的边界的虹膜识别方法和系统，从而该方法和系统更准确地识别虹膜区并生成虹膜代码，提高了虹膜识别的准确性。
本发明的第二目的是提供一种可以最大地利用虹膜区的识别虹膜的方法和系统，从而从其提取的个人身份信息将提高虹膜识别的准确性。在很多情况下，为虹膜识别获得的一些虹膜图像质量较低。有很多影响这种质量下降的因素：眼睛的形状不规则、被眼睑和睫毛遮住、眼泪的反射、镜片、隐形眼镜的变形和在图像获取时出现的各种其它异物。当利用这种低质量图像生成虹膜代码时，自然会对虹膜识别的准确性产生不利的影响。因此，避免使用虹膜图像的质量较低的部分并使用质量较好的部分是很重要的。出于这个原因，现有的Daugman专利试图通过预先确定极少可能被毁坏的虹膜的部分并仅使用这些部分来减轻存在的问题。然而，由于遮拦的不可预测性，这种在先确定是不可能的。结果，在Daugman方法中，在生成的虹膜代码中会包括一些虹膜的被遮住部分，而同时在Daugman专利中，也会没有包括虹膜的未被遮住的好的部分。这也会降低识别准确性。为了克服这些缺点，本申请人中的一些人的在先专利将虹膜区划分成若干小的扇区，动态地确定各个扇区中的各扇区是否好的足以被使用，并仅选择这些好的扇区用于虹膜代码生成和识别。然而，仍然具有的缺点在于一旦扇区包含部分坏的，无论该受坏影响的部分实际如何小，都必须放弃整个扇区。这样会减少可用于虹膜识别的好的虹膜区的总数。换言之，即使扇区被毁坏的部分极小，也必须放弃整个扇区。为了补救这些问题，即，为了最大化地利用好的扇区，本发明提出了下面的新的虹膜域分解方法和代码生成方法。
首先，为了引入虹膜区的多样分解，我们利用将虹膜区映射到平面矩形区的各种映射。通过这种映射，首先将虹膜区转换成平面矩形区。其次，将得到的矩形区分解成若干小的域，称作单位扇区。这时，设计非均匀方式的分解方案，以使将被使用的虹膜的好的部分的尺寸最大化。例如，当将矩形区域分解成单位扇区时，被眼睑或睫毛遮住可能性较大的虹膜的部分会被划分成相对小的单位扇区，较少可能被遮住的部分会被划分成相对较大的单位扇区。通过这种方法，可以增大补救虹膜的好的部分的可能性，从而提高识别的准确性。而且，按照这种方式，好的部分的尺寸会较大，从而提高了利用具有更多信息内容并且也更可靠的低频分量的可能性。
为了使将用于虹膜识别的虹膜区的面积最大化，使用多级方法以及上述的各种域分解。当通过各单位扇区的频率变换生成虹膜代码时，通常更期望使用低频分量，这样可以增大虹膜代码的准确性和可靠性。然而，单位扇区的尺寸越小，可以使用的低频分量的数量就越少。另一方面，加大单位扇区的尺寸有助于增大识别的准确性。出于这个原因，本发明采用了下面多级方法：首先，通过对单位扇区进行频率变换来生成虹膜代码，然后对通过合并若干单位扇区形成的较大的扇区进行频率变换来再次生成虹膜代码，如此类推。这种多级方法的优点在于能够尽可能地利用大的好的虹膜的部分，同时加大使用的域的尺寸以提取对虹膜识别更有意义且可靠的更低的频率分量。因此，与现有的方法不同，本发明通过动态提取最大化信息，即使当虹膜图像被毁坏时也能提高识别的准确性，从而增大识别的准确性。
总之，本发明提供了一种可以通过如实地近似虹膜的边界并引入新的域分解方法的虹膜识别方法和系统，弥补了现有发明的缺点，提高了虹膜识别的准确性。
技术方案
为了实现上述的目标，本发明提供了一种虹膜识别方法，该虹膜识别方法包括虹膜代码登记步骤和虹膜识别步骤，所述虹膜代码登记步骤包括如下步骤：通过利用照相机来捕获图像或检索存储的图像文件以获取虹膜图像，根据获取的虹膜图像生成虹膜代码，将生成的虹膜代码存储在数据库中；而所述的虹膜识别步骤包括如下步骤：以与虹膜代码登记步骤的方式相同的方式来获取虹膜图像，根据获取的虹膜图像生成虹膜代码，通过比较生成的虹膜代码和存储在数据库中的虹膜代码来识别生成的虹膜代码，其中：
以这样的方式来执行虹膜代码生成步骤，即，基于虹膜区的内边界和外边界的实际形状，用一般曲线近似内边界和外边界，来确定虹膜区的内边界和外边界，将内边界和外边界之间的区域的部分或全部划分成一个或更多个单位扇区，生成与各个扇区对应的虹膜代码；以这样的方式来执行虹膜代码识别的步骤，即，测量生成的代码与存储在数据库中的现存的代码之间的距离，确定各距离是否落入阈值的范围内。
本发明提供了一种虹膜识别系统，该虹膜识别系统包括虹膜代码登记装置和虹膜识别装置，所述虹膜代码登记装置包括：通过利用照相机来捕获图像或检索存储或接收的图像文件以获取虹膜图像的装置，根据获取的虹膜图像生成虹膜代码的装置，将生成的虹膜代码存储在数据库中的装置；而所述的虹膜识别装置包括：以与所述虹膜代码登记装置的方式相同的方式来获取虹膜图像的装置，根据获取的虹膜图像中生成虹膜代码的装置，通过比较生成的虹膜代码和存储在数据库中的虹膜代码来识别生成的虹膜代码的装置，其中：
虹膜代码生成装置以这样的方式操作，即，基于虹膜区的内边界和外边界的实际形状，用一般曲线近似内边界和外边界，从而确定虹膜区的内边界和外边界，将内边界和外边界之间的区域的部分或全部划分成一个或更多个单位扇区，生成与各个扇区对应的虹膜代码；虹膜代码识别装置以这样的方式操作，即，测量生成的代码与存储在数据库中的现存的代码之间的距离，确定各距离是否落入了阈值的范围内。
有益的效果
本发明将从目标人获取的虹膜图像仅区分虹膜区，利用不等或多级方法与目标人的特征一致地将虹膜区划分成多个选择的部分，针对各个部分根据图像信号生成用于个人识别的代码，使得该代码被存储或用于个人识别，从而通过虹膜识别精确地并快速地执行个人识别。
附图说明
图1示出了虹膜区的划分的示例；
图2示出了举例说明瞳孔和虹膜的内部和边界的变化的图像样品；
图3是根据本发明的虹膜代码登记和识别系统的示意图；
图4是举例说明根据本发明的虹膜区和矩形区之间的映射关系、矩形区的域分解以及对应的虹膜区的域分解的示意图；
图5是举例说明根据本发明的虹膜区的非均匀域分解的示意图；
图6是描述本申请人的在先专利中的多扇区方法的示意图，在该专利中坏扇区标有十字；
图7至图11是示出了根据本发明的一个实施例的多级域分解方法的示意图；
图12和图13是示出了根据本发明的比较两个虹膜代码的方法的示意图，其中，图12示出了所有对应的扇区都良好的情况，而图13示出了对应的扇区被不同地标有好或坏从而仅比较好扇区的情况；
图14是示出了根据本发明的虹膜识别方法的流程图。
<基本元件的标号说明>
10-虹膜登记系统，11-虹膜图像获取单元
12-虹膜代码生成单元，13-虹膜代码存储单元
14-虹膜代码数据库，20-虹膜识别系统
21-虹膜图像获取单元，22-虹膜代码生成单元
23-虹膜代码比较单元，24-识别单元
具体实施方式
以下将参照附图详细描述本发明的优选实施例的结构和操作。
图3(a)和3(b)是根据本发明的虹膜登记系统和虹膜识别系统的示意图。
虹膜登记系统10包括：虹膜图像获取单元11，用于获取虹膜区的图像，以便生成将被登记的虹膜代码；虹膜代码生成单元12，用于依据将在后面描述的代码生成方法根据由虹膜图像获取单元11获取的虹膜图像生成代码；虹膜代码存储单元13，用于将由虹膜代码生成单元12生成的虹膜代码存储在虹膜数据库14中。
另外，虹膜识别系统20包括：虹膜图像获取单元21，用于获取虹膜区的图像，从而生成待被识别的虹膜代码；虹膜代码生成单元22，用于依据将在后面描述的代码生成方法根据由虹膜图像获取单元21获取的虹膜图像生成虹膜代码；虹膜代码比较单元23，将由虹膜代码生成单元22生成的虹膜代码与存储在虹膜数据库14中的虹膜代码进行比较；认证单元24，基于虹膜代码比较单元23的比较结果输出认证结果。
当在上述的虹膜登记系统10中执行登记时，虹膜图像获取单元11在登记时利用相机和HW/SW系统捕获眼睛图像并确定虹膜区，执行预处理过程，虹膜代码生成单元12生成虹膜模板代码并将生成的虹膜模板代码存储在虹膜数据库14中。此外，当在虹膜识别系统20中执行识别时，如登记那样，虹膜图像获取单元21捕获眼睛图像并确定虹膜区，进行预处理过程，然后虹膜代码生成单元22生成虹膜模板代码，并通过比较该代码和存储在虹膜数据库14中的代码而执行认证。应该知道，不需要登记时使用的虹膜登记系统10和认证时使用的虹膜识别系统20相同。
同时，随着虹膜图像数据格式的标准化，通常将原始虹膜图像本身存储在数据库中。因此，需要检索和登记存储在数据库中的原始虹膜图像的功能。这表示，尽管首次是利用照相机来拍摄要存储在数据库中的虹膜图像，但是随后的登记并不一定需要照相机系统。同样，对于实时识别，仍然必须使用照相机，但是在未来利用存储在数据库中的图像的识别也是有可能的。
因此，在本发明中，考虑到所有这些可能性，虹膜登记系统10的虹膜图像获取单元11或者虹膜识别系统20的虹膜图像获取单元21包括虹膜图像获取装置，该装置使用照相机系统或者从数据库或一些存储介质获取图像。尽管这里对此不详细描述，但是这是虹膜识别技术领域中的专家公知的技术方案。
现在描述在本发明中如何处理给定的眼睛图像来生成虹膜代码和如何提高识别的准确性。
首先，参照图4，下面将详细描述利用一般曲线近似虹膜的内外边界的方法。用曲线近似边界的方法分为两种类型。一种类型是利用合适的参数化方法来近似边界的方法，另一种类型是利用未参数化的曲线执行近似的方法。由于这两种方法虽然具有轻微的差异，但是基本可以认为是相同的，所以这里只描述利用参数化的方法。然而，即使采用利用未参数化的曲线近似边界的方法，这种方法的采用也不脱离本发明的范围。
虹膜的内边界是作为瞳孔和虹膜之间的曲线的瞳孔边界，并且该曲线称作C0(t)。这里，t表示曲线的参数，t的范围在a和b之间。在现有技术中，通常假定这条曲线具有特定的形状，如圆形，并且计算并使用最近似于实际曲线的圆。然而，如图2所示，该边界的实际几何形状会由于各种原因(如疾病、外科手术或内在缺陷)而显著变化。如果忽视这种内在变化并统一将边界曲线假定为圆，则会出现误差。
另外，该虹膜的外边界是位于虹膜和巩膜之间的曲线，并且我们用C1(t)表示这条曲线。这里，t指的是曲线的参数，范围从a到b。在现有技术中，通常像虹膜和瞳孔之间的边界曲线C0(t)那样，假定这条曲线C1(t)具有特定的形状，如圆，计算并使用最近似实际曲线的圆。然而，如图2所示，由于各种原因(如疾病、外科手术或内在缺陷)，边界C0(t)或C1(t)的实际几何形状会发生相当大的变化。如果忽视这种内在变化并统一将边界曲线假定为圆，则会出现误差。具体地讲，这种误差会导致不是虹膜的一部分的区域(如皮肤、瞳孔、巩膜或眼睑)会被误认为是虹膜的一部分，从而导致准确性降低。因此，在本发明中，利用一般的曲线作为边界曲线，以减少误差并提高识别率。
以下详细描述利用一般曲线将边界参数化的方法的示例。通常，将二维平面内的曲线的轨迹(位于曲线上的一系列点)表示为适当的二元函数f(x，y)的零集(zero set)，即，{(x，y)cf(x，y)＝0}，并且认为虹膜的边界曲线为该零集。确定f(x，y)的方法如下：首先利用信号处理技术搜索被估计为位于瞳孔或虹膜的边界上的像素，然后通过设定函数空间来寻找零集最好地近似了所选择的像素的函数而根据这些像素信息中估计f(x，y)。这种方法可以通过Hilbert空间的投影法来实现，并且对专家而言这种方法是公知的。另外，可利用公知的仿样(spline)分析或回归分析来实现这种方法。下面将如上发现的函数用f0(x，y)表示。即，f0(x，y)的零集是最佳表示瞳孔和虹膜之间的边界(内虹膜边界)的曲线。以相同的方式，我们发现最佳表示虹膜和巩膜之间的边界曲线(外虹膜边界)的f1(x，y)。
其后，利用曲线将表示内边界的f0(x，y)的零集和表示外边界的f1(x，y)的零集参数化。通常，用下面的方程表示二维平面内的曲线：
C(t)＝(x(t)，y(t))
有很多参数化方法。例如，可以使用利用角度t的极坐标系。在这种情况下，t的范围从0到2π。
将作为f0(x，y)的零集的参数化曲线的曲线称作C0(t)，将作为f1(x，y)的零集的参数化曲线的曲线称作C1(t)。尽管可以使用包括极坐标系的任何这样的方法，但是使用这些方法中的任何一种方法并不改变本发明的本质和特点。
如上所述，在已经用一般曲线近似了虹膜的内边界和外边界之后，无论是否使用参数化或隐定义的曲线来近似边界，都将引入将两个边界之间的区域(即虹膜区域)变换为平面矩形区的映射。有很多定义这种映射的方法，下面将描述其中的几种。
在用f0(x，y)的零集和f1(x，y)的零集分别近似虹膜的内边界和外边界的情况下，我们可以假定通过利用内边界位于外边界的内部的条件使每个点(x，y)满足不等于f0(x，y)＜f1(x，y)，并且如果需要，反向该不等式。然后，虹膜区变为由{(x，y)C(1-u)f0(x，y)+uf1(x，y)＝0，0DuDl}表示的平面内的一系列点。这个区域如图4中所示。如果fu(x，y)＝(1-u)f0(x，y)+uf1(x，y)，则图4中虹膜区的虚线分别对应于零集的f0.25(x，y)＝0、f0.5(x，y)＝0和f0.75(x，y)＝0。同样地，可将虹膜区表示为fu(x，y)＝0(u的范围是从0到1)的零集的集合，并且通过使用上述的参数化方法由Cu(t)对这种零集参数化。在进行了这种参数化之后，被定义为f0的零集和f1的零集之间的区域的虹膜区被映射到平面(t，u)内的矩形。这种对应关系就是所谓的映射，映射是公知的数学概念，上述映射是这种映射的示例，并且可以使用任何映射方法。
上述的(1-u)f0(x，y)+uf1(x，y)是在平面(x，y)内定义的使用参数u的函数的示例。这种函数的通用形式被写成F(x，y，u)，其中，F(x，y，u)＝0是表示瞳孔和虹膜之间的边界的曲线，F(x，y，1)＝0是表示虹膜和巩膜之间的边界的曲线。对于在0到1之间的值u，F(x，y，u)＝0表示两个边界之间的曲线。当F(x，y，u)＝0根据u表示不同的曲线时，可将虹膜的区域定义为{(x，y)CF(x，y，u)＝0 0DuDl}。同样地，可将F(x，y，u)＝0定义的曲线参数化。利用这种参数化，可将虹膜区映射到平面内的矩形。上述的(1-u)f0(x，y)+uf1(x，y)是F(x，y，u)的示例，利用F（x，y，u)的任何其它形式并不改变本发明的内容或范围。
下面是将虹膜区映射到平面矩形区域的映射的另一方法。在用同心圆近似虹膜的内边界和外边界的情况下，简单地利用极坐标变换。在通过C0(t)和C1(t)将内边界和外边界参数化的情况下，可以以这样的方式来定义映射，即，将按照比率u∶1-u(0DuDl)划分从C0(t)到C1(t)的线段的点映射到平面内的(t，u)。按照这种方法，通过从固定的点测量角度t，可利用C0(t)将内边界参数化，同样通过测量角度t，可利用C1(t)将外边界参数化。这与包括极坐标变换(θ，r)和针对r的比例变换(取决于θ)相同。
当用如上所述的任何一种方法定义映射时，如图4(b)所示地划分了(t，u)平面内的矩形，其进而定义了虹膜区的划分。在本发明中，这种方法被称为域分解法。
图5(a)和图5(b)示出了其中根据图4(a)和图4(b)中示出的方法划分矩形的域分解的另一示例。这里，Φ为上述的映射，Ψ＝Φ-1为Φ的逆映射。在图4(b)中，以非均匀的方式划分矩形的域，每个划分出的单元被称为“单位扇区”。图5(a)示出如何使逆映射Ψ与图5(b)中示出的矩形的各单位扇区匹配以对应于虹膜区的单位扇区。在图5(b)中，用a11、a12、a13、a14、......表示单位扇区，并在图5(a)中标记虹膜中的对应的单位扇区。图5(a)和图5(b)中的域分解的突出的方面在于将与虹膜的上部和下部对应的单位扇区设置得较小，将与虹膜的侧部对应的单位扇区设置得较大。为了解释这种方法的意义，分析该方法如下。图6示出了根据在先前颁发给本申请人的第6,247,813号美国专利中描述的可变多扇区方法的扇区分解。在该专利中，将虹膜区划分成36个均匀的扇区。在图6(a)中，用“×”标记的三个扇区被划分为坏扇区，并在登记时被排除。图6(b)示出了识别时的虹膜。在这个附图中，眼睑覆盖了部分虹膜，从而很多扇区被排除为坏扇区。
根据第6,247,813号美国专利，识别时只使用图6(a)和图6(b)中都标记为好(没有“×”标记)的扇区。然而，如图6(b)所示，实际上即使很多标记为坏的扇区只被轻微地遮住，这些标记为坏的扇区也被排除。如果位于虹膜的上部或下部的扇区小于位于虹膜中心部分的扇区，则实际上被排除的虹膜的区域将会被最小化，因此将提高虹膜识别的准确性。由于这个原因，可利用本发明提出的非均匀域分解方法来提高虹膜识别率。这样，上述的本发明的非均匀域分解方法可有助于提高虹膜识别的准确性。
图7至图11的图示出了将虹膜区分解成单位扇区，然后在排除坏的单位扇区的同时，将它们并入倒置树数据结构，以形成中尺寸或大尺寸扇区或域的方法。
当生成虹膜代码时，对每个单位扇区使用频率变换技术。通常，低频分量稳定并有助于提高识别准确性。因此，优选的是，单位扇区尽可能地大。然而，在由于眼睑、睫毛、眼泪、反射等而使得单位扇区变坏的情况下，必须放弃整个单位扇区。由于这个原因，不希望过大地增大单位扇区的尺寸。本发明提出的多级分解方法已经被设计得满足这两个要求。
下面，为了描述简单，示出了均匀分解方式的我们的方法。然而，对于本领域的技术人员明显的是，只需要进行微不足道的修改就可以产生非均匀分解以具有上述的优点。
图7(a)示出了多级分解的示例。附图中表示的单位扇区用a1、a2、a3和a4表示。图7(b)示出了用于将单位扇区合并成大扇区的倒置的树结构。
附图示出了当单位扇区a1和a2为好扇区时通过合并单位扇区a1和a2而产生中尺寸的扇区a1+a2的数据结构。按照相同的方式，当单位扇区a3和a4为好扇区时形成中尺寸扇区a3+a4，然后通过合并中尺寸扇区a1+a2和a3+a4来产生大尺寸扇区a1+a2+a3+a4。
图8是示出了根据本发明的另一多级分解的示例的图。附图示出了其中单位扇区a4为坏扇区的情况。如图7所示，通过合并单位扇区a1和a2产生中尺寸的扇区a1+a2，但是由于单位扇区a4为坏扇区，所以不能合并单位扇区a3和a4。结果，将单位扇区合并成两个不等的扇区a1+a2和a3，如图8(b)所示。还可能通过合并单位划分的块a1、a2和a3来生成另一种形式的中尺寸扇区a1+a2+a3，如图8(d)所示。
图9和图10示出了例如从弧形中取出8个单位扇区a1至a8用于代码生成的情况。图9示出了这8个单元扇区均不是坏扇区的情况，图10示出了一个单位扇区a1是坏扇区的情况。
图9(b)表示如何将两个较小的扇区合并以形成较大的扇区，再将这些较大的扇区中的两个合并形成更大的扇区，并一直以这样的方式继续。
图10(b)示出了除了一个单位扇区a1是坏的并且标有“×”之外的与图9(b)相同的过程。因此，如果合并的扇区包含a1，则不能形成在图9(b)中形成的合并扇区。
图11(b)是示出了在例如以弧形按两组排列四个单位扇区a1至a4和四个单位扇区b1至b4用于代码生成的情况下的多级分解方法的示意图。例如，在没有单位扇区是坏扇区的情况下，不仅将单独的单位扇区而且将在各同心圆中相邻的两个或四个单位扇区设置为形成中尺寸和大尺寸的扇区，最终通过将它们合并而形成一个巨大扇区。在单位扇区a1至a4和b1至b4中的任何一个变为坏扇区的情况下，应该放弃包含那些坏的单位扇区的中扇区、大扇区或巨大扇区。
现在描述利用上述分解方法生成虹膜代码并识别个人的过程。首先，在不使用多级方法的情况下，通过对利用均匀的或非均匀的域分解方法获得的单位扇区执行频率变换(如Haar变换)来产生频域的系数。利用适合的权重将上述产生的系数组合起来以产生登记时将被存储的虹膜代码，识别时，与这些存储的代码比较来产生两个虹膜代码之间的一定的距离(如Hamming距离)，通过将这个距离与预设的阈值进行比较来确定个人的身份。
接下来，以下将描述利用多级方法的本发明的过程。图12和13用于举例说明根据多级方法划分虹膜区的情况。首先，图12涉及登记和识别时单位扇区a1和a2都为好扇区的情况。在这种情况下，不仅要执行a1的代码与a1′的代码以及a2的代码与a2′的代码的通常比较，还要将合并的扇区a1+a2的代码与a1′+a2′的代码进行比较。利用权重组合所有这些比较的结果，产生两个代码(图像)的距离，如Hamming距离。
相反，图13涉及登记和识别时扇区好坏不同的情况。这个情况是确定扇区a2′为坏扇区的情况，在该情况下，并不是所有登记的扇区都不能被使用。因此，在这种情况下，仅比较a1和a1′，而不比较a2和a2′。
在上述的实施例中，仅使用一些单位扇区来示出本发明。然而，明显的是，在实际中必须使用整个虹膜区，并且明显的是，虹膜识别领域中的技术人员这么做也是在本发明的范围内的。本领域的技术人员应该清楚，改变单位扇区的数量、大小、单位扇区的位置和形状也在本发明的范围内。
如上所述，本发明采用了最大化利用虹膜区的好的部分的灵活的方法，从而与传统的技术相比，本发明可在相当程度上增大识别的准确性。
图13是示出了根据本发明的识别虹膜的方法的流程图。
首先，在虹膜代码登记的情况下，虹膜图像获取单元11工作，并获取目标人的虹膜图像。通过利用照相机捕获图像，或从数据库检索图像文件，或从一些其它存储装置接收图像文件来执行虹膜图像的获取。
从图像中提取如虹膜的内外边界等信息，然后由虹膜代码生成单元12生成虹膜代码。
接下来，如上所述，通过在将虹膜区转换成平面内的矩形区之后选定上述的多级域分解方法将虹膜区均匀地或非均匀地划分成多个扇区，然后利用频率变换(最显著的是小波变换(wavelet transform))来生成虹膜代码。由于低频分量较好地表示虹膜纤维结构的特点，所以将适当选择的低频分量作为虹膜代码存储在数据库中。同时，在虹膜识别的情况下，通过操作虹膜图像获取单元21来获得目标人的虹膜图像，后续的步骤与在虹膜代码登记的情况下一样地在虹膜代码生成单元22中执行，最后通过比较这两个虹膜代码来做出最终的确定。
在确定步骤中，计算登记的代码和被识别的人的代码之间的距离(如Hamming距离)，并且如果该距离落入预定义的阈值内则检查该距离以推断被识别的人的身份。
权利要求书(按照条约第19条的修改)
1、一种虹膜识别方法，所述虹膜识别方法包括虹膜代码登记步骤和虹膜识别步骤，所述虹膜代码登记步骤包括如下步骤：
通过利用照相机捕获图像或通过检索存储的图像文件来获取虹膜图像；
根据所获取的虹膜图像而生成虹膜代码，以及
将所生成的虹膜代码存储在数据库中；
所述虹膜识别步骤包括如下步骤：
以与所述虹膜代码登记步骤的方式相同的方式来获取虹膜图像；
根据所获取的虹膜图像生成虹膜代码，以及
通过比较所生成的虹膜代码和存储在数据库中的所述虹膜代码来识别所生成的虹膜代码，其中：
以这样的方式来执行所述虹膜代码生成步骤，即，
基于虹膜区的内边界和外边界的实际形状，用一般曲线来近似所述内边界和外边界，从而确定所述虹膜区的所述内边界和所述外边界，将所述内边界和所述外边界之间的区域的部分或全部划分成一个或更多个单位扇区，生成与各个扇区对应的虹膜代码；
以这样的方式来执行所述虹膜代码识别步骤，即，
测量生成的代码与存储在所述数据库中的现存的代码之间的距离，并确定各所述距离是否落入阈值的范围内。
2、根据权利要求1所述的方法，其中，所述虹膜代码生成步骤包括以下步骤：
利用将所述虹膜区的部分或全部映射到平面矩形区的映射，将虹膜区转换成矩形区；
将所述矩形区划分成一个或更多个单位扇区；
对各个单位扇区执行频率变换，然后利用频率变换结果来生成代码。
3、根据权利要求1所述的方法，其中，所述虹膜代码生成步骤包括以下步骤：
用{(x，y)|F(x，y，u)＝0 0≤u≤1}表示所述虹膜区的部分或全部，其中，F(x，y，u)是在(x，y)平面内定义的具有参数u的函数，其中，F(x，y，0)的零集表示所述虹膜的内边界，F(x，y，1)的零集表示所述虹膜的外边界；
针对0≤u≤1的各u，用曲线Cu(t)将F(x，y，u)＝0参数化，其中，Cu(t)是将F(x，y，u)＝0的零集参数化的曲线；
利用所述参数将所述虹膜区映射到平面矩形区；
将所述平面矩形区划分成一个或更多个单位扇区；
对所述单位扇区执行频率变换；以及
利用频率变换结果而生成所述代码。
4、根据权利要求1所述的方法，其中，所述虹膜代码生成步骤包括以下步骤：
用f0(x，y)的零集近似所述虹膜的内边界；
用f1(x，y)的零集近似所述虹膜的外边界；
用C0(t)和C1(t)分别将所述内边界和所述外边界参数化；
用在0和1之间的fu(x，y)＝(1-u)f0(x，y)+uf1(x，y)的零集的元素表示虹膜区的所有点，用u的Cu(t)将F(x，y，u)的零集参数化，利用所述参数将所述虹膜区变换成平面矩形区。
5、根据权利要求1所述的方法，其中，所述虹膜代码生成步骤包括以下步骤：用圆近似虹膜区的内边界和外边界，利用极坐标变换将所述虹膜区变换成平面矩形区。
6、根据权利要求1所述的方法，其中，所述虹膜代码生成步骤包括以下步骤：
用椭圆近似所述虹膜的所述内边界和所述外边界；
执行变换使得所述椭圆的长轴和短轴彼此相符合；
利用作为所述虹膜的所述内边界和所述外边界的两个同心椭圆进行变换的比例变换将所述虹膜区变换成同心圆和椭圆；
从得到的虹膜区的中心伸出与水平线成角度t的直线，0°≤t≤360°；
找到按s：1-s(0≤s≤1)内分该直线和所述内边界之间的交叉点与该直线和所述外边界之间的交叉点的点；
将找到的点移动到坐标(t，s)并将所述虹膜区变换成所述矩形区。
7、根据权利要求1所述的方法，其中，所述虹膜代码生成步骤包括以下步骤：
用C1(t)(0≤t≤1)和C0(t)(0≤t≤1)分别近似所述虹膜的所述外边界和所述内边界；
按照u∶1-u(0≤u≤1)内分C0(t)和C1(t)；以及
在(t，u)坐标系上执行变换。
8、根据权利要求2至7中的任何一项所述的方法，其中，以这样的方式执行所述虹膜代码生成步骤，即，当已经将所述虹膜区变换成所述矩形区之后将所述矩形区划分成所述单位扇区时，一个或更多个单位扇区的形状和大小不同。
9、根据权利要求2至7中的任何一项所述的方法，其中，以这样的方式执行所述虹膜代码生成步骤，即，当已经将所述虹膜区变换成所述矩形区之后将矩形区划分成所述单位扇区时，在与所述虹膜的所述内边界对应的位置附近执行大尺寸划分，在与所述虹膜的所述外边界对应的位置附近执行小尺寸划分。
10、根据权利要求2至7中的任何一项所述的方法，其中，所述虹膜代码生成步骤包括以下步骤：将所述单位扇区合并成中尺寸或大尺寸扇区，通过对合并的扇区应用频率变换来生成所述代码。
11、根据权利要求2至7中的任何一项所述的方法，其中，执行所述虹膜代码生成步骤，使得仅对好的扇区(单位扇区、中尺寸扇区或大尺寸扇区)形成所述代码。
12、根据权利要求11所述的方法，其中，所述虹膜代码识别步骤以这样的方式操作，即，仅利用在所述虹膜代码生成步骤中仅根据好代码生成的代码来测量与先前存储的代码的距离。
13、根据权利要求2至7中的任何一项所述的方法，其中，所述虹膜代码生成步骤以这样的方式操作，即，并不对每个图像统一地应用将所述虹膜区的部分或全部映射到所述平面矩形区的映射或划分所述矩形区的方法。
14、根据权利要求2至7中的任何一项所述的方法，其中，所述虹膜代码生成步骤以这样的方式执行，即，将所述虹膜区的部分或全部映射到所述平面矩形区的映射不是唯一的，即，可以利用多个这样的映射。
15、根据权利要求2至7中的任何一项所述的方法，其中，所述虹膜代码识别步骤以这样的方式执行，即，当基于从所述扇区生成的虹膜代码测量距离时，对各个扇区设置不同的贡献度。
16、一种虹膜识别系统，所述虹膜识别系统包括虹膜代码登记装置和虹膜识别装置，所述虹膜代码登记装置包括：
通过利用照相机来捕获图像或通过检索存储的图像文件以获取虹膜图像的装置；
根据获取的虹膜图像生成虹膜代码的装置；以及
将生成的虹膜代码存储在数据库中的装置；
所述虹膜识别装置包括：
以与所述虹膜代码登记的方式相同的方式来获取虹膜图像的装置；
根据获取的虹膜图像生成虹膜代码的装置；以及
通过比较生成的虹膜代码和存储在所述数据库中的虹膜代码来识别所生成的虹膜代码的装置；其中：
以这样的方式来实现所述虹膜代码生成装置，即，
基于虹膜区的内边界和外边界的实际形状，用一般曲线近似所述内边界和所述外边界，来确定所述虹膜区的所述内边界和所述外边界；
将所述内边界和所述外边界之间的区域的部分或全部划分成一个或更多个单位扇区；以及
生成与各个扇区对应的虹膜代码；
以这样的方式来构造虹膜代码识别装置，即，测量生成的代码与存储在数据库中的现存的代码之间的距离，确定各所述距离是否落入阈值的范围内。
17、根据权利要求16所述的系统，其中，所述虹膜代码生成装置被构造为：利用将虹膜区的部分或全部映射到平面矩形区的映射，将虹膜区转换成矩形区，将所述矩形区划分成一个或更多个单位扇区，对各个单位扇区执行频率变换，然后利用频率变换结果来生成代码。
18、根据权利要求16所述的系统，其中，所述虹膜代码生成装置被构造为：
用{(x，y)|F(x，y，u)＝0 0≤u≤1}表示虹膜区的部分或全部，其中，F(x，y，u)是在(x，y)平面内定义的具有参数u的函数，F(x，y，0)的零集表示所述虹膜的所述内边界，F(x，y，1)的零集表示所述虹膜的所述外边界；
针对0≤u≤1，用曲线Cu(t)将F(x，y，u)＝0参数化，其中，Cu(t)是将F(x，y，u)＝0的零集参数化的曲线；
利用参数将所述虹膜区映射到平面矩形区；
将所述平面矩形区划分成一个或更多个单位扇区；
对所述单位扇区执行频率变换；以及
利用频率变换结果而生成所述代码。
19、根据权利要求16所述的系统，其中，所述虹膜代码生成装置包括：
用f0(x，y)的零集近似所述虹膜的所述内边界的装置；
用f1(x，y)的零集近似所述虹膜的所述外边界的装置；
用C0(t)和C1(t)分别将所述边界参数化的装置；
针对0和1之间的u，用fu(x，y)＝(1-u)f0(x，y)+uf1(x，y)的零集的元素表示虹膜区的所有点的装置；
用u的Cu(t)将F(x，y，u)的零集参数化的装置；以及
利用参数将所述虹膜区变换成平面矩形区的装置。
20、根据权利要求16所述的系统，其中，所述虹膜代码生成装置包括：用圆近似所述虹膜区的所述内边界和所述外边界的装置，利用极坐标变换将所述虹膜区变换成平面矩形区的装置。
21、根据权利要求16所述的系统，其中，所述虹膜代码生成装置包括：
用椭圆近似所述虹膜的所述内边界和所述外边界的装置；
执行变换使得所述椭圆的长轴和短轴彼此相符合的装置；
利用对作为所述虹膜的所述内边界和所述外边界的两个同心椭圆进行变换的比例变换将所述虹膜区变换成同心圆和椭圆的装置；
从得到的虹膜区的中心伸出与水平线成角度t(0°≤t≤360°)的直线的装置；
找到按s：1-s(0≤s≤1)内分该直线和所述内边界之间的交叉点与该直线和所述外边界之间的交叉点的点的装置；
将找到的点移动到坐标(t，s)并将所述虹膜区变换成矩形区的装置。
22、根据权利要求16所述的系统，其中，所述虹膜代码生成装置包括：
用C1(t)(0≤t≤1)和C0(t)(0≤t≤1)分别近似所述虹膜的所述外边界和所述内边界的装置；
按照u∶1-u(0≤u≤1)内分C0(t)和C1(t)的装置；以及
执行到(t，u)坐标系的变换的装置。

Claims (22)

1、一种虹膜识别方法，所述虹膜识别方法包括虹膜代码登记步骤和虹膜识别步骤，所述虹膜代码登记步骤包括如下步骤：
通过利用照相机捕获图像或通过检索存储的图像文件来获取虹膜图像；
根据所获取的虹膜图像而生成虹膜代码，以及
将所生成的虹膜代码存储在数据库中；
所述虹膜识别步骤包括如下步骤：
以与所述虹膜代码登记步骤的方式相同的方式来获取虹膜图像；
根据所获取的虹膜图像生成虹膜代码，以及
通过比较所生成的虹膜代码和存储在数据库中的所述虹膜代码来识别所生成的虹膜代码，其中：
以这样的方式来执行所述虹膜代码生成步骤，即，
基于虹膜区的内边界和外边界的实际形状，用一般曲线来近似所述内边界和外边界，从而确定所述虹膜区的所述内边界和所述外边界，将所述内边界和所述外边界之间的区域的部分或全部划分成一个或更多个单位扇区，生成与各个扇区对应的虹膜代码；
以这样的方式来执行所述虹膜代码识别步骤，即，
测量生成的代码与存储在所述数据库中的现存的代码之间的距离，并确定各所述距离是否落入阈值的范围内。
2、根据权利要求1所述的方法，其中，所述虹膜代码生成步骤包括以下步骤：
利用将所述虹膜区的部分或全部映射到平面矩形区的映射，将虹膜区转换成矩形区；
将所述矩形区划分成一个或更多个单位扇区；
对各个单位扇区执行频率变换，然后利用频率变换结果来生成代码。
3、根据权利要求1所述的方法，其中，所述虹膜代码生成步骤包括以下步骤：
用{(x，y)cF(x，y，u)＝0 0DuD1}表示虹膜区的部分或全部，其中，F(x，y，u)是在(x，y)平面内定义的具有参数u的函数，其中，F(x，y，0)的零集表示虹膜的内边界，F(x，y，1)的零集表示虹膜的外边界；
针对各0DuD1，用曲线Cu(t)将F(x，y，u)＝0参数化，其中，Cu(t)是将F(x，y，u)＝0的零集参数化的曲线；
利用所述参数将所述虹膜区映射到平面矩形区；
将所述平面矩形区划分成一个或更多个单位扇区；
对所述单位扇区执行频率变换；以及
利用频率变换结果来生成所述代码。
4、根据权利要求1所述的方法，其中，所述虹膜代码生成步骤包括以下步骤：
用f0(x，y)的零集近似所述虹膜的内边界；
用f1(x，y)的零集近似所述虹膜的外边界；
用C0(t)和C1(t)分别将所述内边界和所述外边界参数化；
用在0和1之间的fu(x，y)＝(1-u)f0(x，y)+uf1(x，y)的零集的元素表示虹膜区的所有点，用u的Cu(t)将F(x，y，u)的零集参数化，利用所述参数将所述虹膜区变换成平面矩形区。
5、根据权利要求1所述的方法，其中，所述虹膜代码生成步骤包括以下步骤：用圆近似虹膜区的内边界和外边界，利用极坐标变换将所述虹膜区变换成平面矩形区。
6、根据权利要求1所述的方法，其中，所述虹膜代码生成步骤包括以下步骤：
用椭圆近似所述虹膜的所述内边界和所述外边界；
执行变换使得所述椭圆的长轴和短轴彼此相符合；
利用将作为所述虹膜的边界的两个同心椭圆进行变换的比例变换将所述虹膜区变换成同心圆和椭圆；
从得到的虹膜区的中心伸出与水平线成角度t(0wDtD360w)的直线；找到按u：1-u(0DuD1)内分该直线和所述内边界之间的交叉点与该直线和所述外边界之间的交叉点的点；
将找到的点移动到坐标(t，u)并将虹膜区变换成矩形区。
7、根据权利要求1所述的方法，其中，所述虹膜代码生成步骤包括以下步骤：用C1(t)(0DtD1)和C0(t)(0DtD1)分别近似所述虹膜的所述外边界和所述内边界，按照u：1-u(0DuD1)内分C0(t)和C1(t)，并在(t，u)坐标系上执行变换。
8、根据权利要求2至7中的任何一项所述的方法，其中，以这样的方式执行所述虹膜代码生成步骤，即，当已经将所述虹膜区变换成所述矩形区之后将所述矩形区划分成所述单位扇区时，一个或更多个单位扇区的形状和大小不同。
9、根据权利要求2至7中的任何一项所述的方法，其中，以这样的方式执行所述虹膜代码生成步骤，即，当已经将所述虹膜区变换成所述矩形区之后将矩形区划分成所述单位扇区时，在与所述虹膜的所述内边界对应的位置附近执行大尺寸划分，在与所述虹膜的所述外边界对应的位置附近执行小尺寸划分。
10、根据权利要求2至7中的任何一项所述的方法，其中，所述虹膜代码生成步骤包括以下步骤：将所述单位扇区合并成中尺寸或大尺寸扇区，通过对合并的扇区应用频率变换来生成所述代码。
11、根据权利要求2至7中的任何一项所述的方法，其中，执行所述虹膜代码生成步骤，使得仅对好的扇区(单位扇区、中尺寸扇区或大尺寸扇区)形成所述代码。
12、根据权利要求11所述的方法，其中，所述虹膜代码识别步骤以这样的方式操作，即，仅利用在所述虹膜代码生成步骤中仅根据好代码生成的代码来测量与先前存储的代码的距离。
13、根据权利要求2至7中的任何一项所述的方法，其中，所述虹膜代码生成步骤以这样的方式操作，即，并不对每个图像统一地应用将所述虹膜区的部分或全部映射到所述平面矩形区的映射或划分所述矩形区的方法。
14、根据权利要求2至7中的任何一项所述的方法，其中，所述虹膜代码生成步骤以这样的方式执行，即，将所述虹膜区的部分或全部映射到所述平面矩形区的映射不是唯一的，即，可以利用多个这样的映射。
15、根据权利要求2至7中的任何一项所述的方法，其中，所述虹膜代码识别步骤以这样的方式执行，即，当基于从所述扇区生成的虹膜代码测量距离时，对各个扇区设置不同的贡献度。
16、一种虹膜识别系统，所述虹膜识别系统包括虹膜代码登记装置和虹膜识别装置，所述虹膜代码登记装置包括：
通过利用照相机来捕获图像或通过检索存储的图像文件以获取虹膜图像的装置；
根据获取的虹膜图像生成虹膜代码的装置；以及
将生成的虹膜代码存储在数据库中的装置；
所述虹膜识别装置包括：
以与所述虹膜代码登记的方式相同的方式来获取虹膜图像的装置；
根据获取的虹膜图像生成虹膜代码的装置；以及
通过比较生成的虹膜代码和存储在所述数据库中的虹膜代码来识别所生成的虹膜代码的装置；其中：
以这样的方式来实现所述虹膜代码生成装置，即，
基于虹膜区的内边界和外边界的实际形状，用一般曲线近似所述内边界和所述外边界，来确定所述虹膜区的所述内边界和所述外边界；
将所述内边界和所述外边界之间的区域的部分或全部划分成一个或更多个单位扇区；以及
生成与各个扇区对应的虹膜代码；
以这样的方式来构造虹膜代码识别装置，即，测量生成的代码与存储在数据库中的现存的代码之间的距离，确定各所述距离是否落入阈值的范围内。
17、根据权利要求16所述的系统，其中，所述虹膜代码生成装置被构造为：利用将虹膜区的部分或全部映射到平面矩形区的映射，将虹膜区转换成矩形区，将所述矩形区划分成一个或更多个单位扇区，对各个单位扇区执行频率变换，然后利用频率变换结果来生成代码。
18、根据权利要求16所述的系统，其中，所述虹膜代码生成装置被构造为：
用{(x，y)cF(x，y，u)＝0 for some 0DuD1}表示虹膜区的部分或全部，其中，F(x，y，u)是在(x，y)平面内定义的具有参数u的函数，F(x，y，0)的零集表示虹膜的内边界，F(x，y，1)的零集表示虹膜的外边界；
针对0DuD1，用曲线Cu(t)将F(x，y，u)＝0参数化，其中，Cu(t)是将F(x，y，u)＝0的零集参数化的曲线；
利用参数将虹膜区映射到平面矩形区；
将所述平面矩形区划分成一个或更多个单位扇区；
对所述单位扇区执行频率变换；以及
利用频率变换结果来生成代码。
19、根据权利要求16所述的系统，其中，所述虹膜代码生成装置包括：
用f0 (x，y)的零集近似所述虹膜的所述内边界的装置；
用f1 (x，y)的零集近似所述虹膜的所述外边界的装置；
用C0(t)和C1(t)分别将所述边界参数化的装置；
针对0和1之间的u，用fu(x，y)＝(1-u)f0(x，y)+uf1(x，y)的零集的元素表示虹膜区的所有点的装置；
用u的Cu(t)将F(x，y，u)的零集参数化的装置；以及
利用参数将所述虹膜区变换成平面矩形区的装置。
20、根据权利要求16所述的系统，其中，所述虹膜代码生成装置包括：用圆近似所述虹膜区的所述内边界和所述外边界的装置，利用极坐标变换将所述虹膜区变换成平面矩形区的装置。
21、根据权利要求16所述的系统，其中，所述虹膜代码生成装置包括：
用椭圆近似所述虹膜的所述内边界和所述外边界的装置；
执行变换使得所述椭圆的长轴和短轴彼此相符合的装置；
利用对作为所述虹膜的所述边界的两个同心椭圆进行变换的比例变换将所述虹膜区变换成同心圆和椭圆的装置；
从得到的虹膜区的中心伸出与水平线成角度t(0wDtD360w)的直线的装置；
找到按u：1-u(0DuD1)内分该直线和内边界之间的交叉点和该直线和外边界之间的交叉点的点的装置；
将找到的点移动到坐标(t，u)并将虹膜区变换成矩形区的装置。
22、根据权利要求16所述的系统，其中，所述虹膜代码生成装置包括：
用C1(t)(0DtD1)和C0(t)(0DtD1)分别近似所述虹膜的所述外边界和所述内边界的装置；
按照u：1-u(0DuD1)内分C0(t)和C1(t)的装置；以及
在(t，u)坐标系上执行变换的装置。
CNB2005800399275A 2004-11-22 2005-09-13 虹膜识别方法和系统 Expired - Fee Related CN100552696C (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020040096000 2004-11-22
KR1020040096000A KR100629550B1 (ko) 2004-11-22 2004-11-22 다중스케일 가변영역분할 홍채인식 방법 및 시스템

Publications (2)

Publication Number Publication Date
CN101073090A true CN101073090A (zh) 2007-11-14
CN100552696C CN100552696C (zh) 2009-10-21

Family

ID=36407347

Family Applications (1)

Application Number Title Priority Date Filing Date
CNB2005800399275A Expired - Fee Related CN100552696C (zh) 2004-11-22 2005-09-13 虹膜识别方法和系统

Country Status (8)

Country Link
US (1) US8009876B2 (zh)
EP (1) EP1820141B1 (zh)
JP (1) JP2008521122A (zh)
KR (1) KR100629550B1 (zh)
CN (1) CN100552696C (zh)
AU (1) AU2005307289B2 (zh)
CA (1) CA2588275C (zh)
WO (1) WO2006054827A1 (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102043954A (zh) * 2011-01-30 2011-05-04 哈尔滨工业大学 一种基于相关函数匹配的快速稳健的虹膜识别方法
CN105279492A (zh) * 2015-10-22 2016-01-27 北京天诚盛业科技有限公司 虹膜识别的方法和装置
CN105787953A (zh) * 2016-03-28 2016-07-20 中山大学中山眼科中心 用于视轴区浑浊识别的智能终端
CN107787498A (zh) * 2015-06-15 2018-03-09 三星电子株式会社 用户验证方法及支持用户验证方法的电子装置
CN110610128A (zh) * 2019-08-05 2019-12-24 中山市奥珀金属制品有限公司 一种基于同心圆提取的虹膜识别方法及存储介质
CN110692062A (zh) * 2017-03-24 2020-01-14 奇跃公司 虹膜代码的累积和置信分配
CN113228037A (zh) * 2018-12-18 2021-08-06 创新先进技术有限公司 创建虹膜标识以减少生物特征识别系统的搜索空间

Families Citing this family (58)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7796784B2 (en) * 2002-11-07 2010-09-14 Panasonic Corporation Personal authentication method for certificating individual iris
US8260008B2 (en) 2005-11-11 2012-09-04 Eyelock, Inc. Methods for performing biometric recognition of a human eye and corroboration of same
US8364646B2 (en) 2006-03-03 2013-01-29 Eyelock, Inc. Scalable searching of biometric databases using dynamic selection of data subsets
US8604901B2 (en) * 2006-06-27 2013-12-10 Eyelock, Inc. Ensuring the provenance of passengers at a transportation facility
US8965063B2 (en) 2006-09-22 2015-02-24 Eyelock, Inc. Compact biometric acquisition system and method
EP2100253A4 (en) 2006-10-02 2011-01-12 Global Rainmakers Inc FRAUDY BIOMETRIC SYSTEM AND METHOD FOR FINANCIAL TRANSACTIONS
WO2008131201A1 (en) 2007-04-19 2008-10-30 Global Rainmakers, Inc. Method and system for biometric recognition
US8953849B2 (en) 2007-04-19 2015-02-10 Eyelock, Inc. Method and system for biometric recognition
US9117119B2 (en) 2007-09-01 2015-08-25 Eyelock, Inc. Mobile identity platform
US8553948B2 (en) 2007-09-01 2013-10-08 Eyelock, Inc. System and method for iris data acquisition for biometric identification
US9036871B2 (en) 2007-09-01 2015-05-19 Eyelock, Inc. Mobility identity platform
US9002073B2 (en) 2007-09-01 2015-04-07 Eyelock, Inc. Mobile identity platform
US8212870B2 (en) 2007-09-01 2012-07-03 Hanna Keith J Mirror system and method for acquiring biometric data
KR100936880B1 (ko) * 2007-09-07 2010-01-14 아이리텍 잉크 홍채 이미지 저장방법 및 복원 방법
KR100936207B1 (ko) 2008-01-31 2010-01-11 르호봇테크(주) 홍채인증을 위한 홍채코드생성 및 비교방법
WO2009158662A2 (en) 2008-06-26 2009-12-30 Global Rainmakers, Inc. Method of reducing visibility of illimination while acquiring high quality imagery
KR101030613B1 (ko) * 2008-10-08 2011-04-20 아이리텍 잉크 아이이미지에서 관심영역정보 및 인식적 정보획득방법
US20100278394A1 (en) * 2008-10-29 2010-11-04 Raguin Daniel H Apparatus for Iris Capture
US8317325B2 (en) * 2008-10-31 2012-11-27 Cross Match Technologies, Inc. Apparatus and method for two eye imaging for iris identification
WO2010129074A1 (en) * 2009-01-14 2010-11-11 Indiana University Research & Technology Corporation System and method for identifying a person with reference to a sclera image
JP5126084B2 (ja) * 2009-01-22 2013-01-23 日本電気株式会社 生体認証装置、生体認証方法及びプログラム
WO2010108069A1 (en) * 2009-03-19 2010-09-23 Indiana University Research & Technology Corporation System and method for non-cooperative iris recognition
US8195044B2 (en) 2009-03-30 2012-06-05 Eyelock Inc. Biometric camera mount system
US8750575B2 (en) * 2009-08-04 2014-06-10 International Business Machines Corporation Reflexive iris template
US8520903B2 (en) * 2010-02-01 2013-08-27 Daon Holdings Limited Method and system of accounting for positional variability of biometric features
US8041956B1 (en) 2010-08-16 2011-10-18 Daon Holdings Limited Method and system for biometric authentication
KR101046459B1 (ko) * 2010-05-13 2011-07-04 아이리텍 잉크 다수의 홍채템플릿을 이용한 홍채인식장치 및 방법
US10043229B2 (en) 2011-01-26 2018-08-07 Eyelock Llc Method for confirming the identity of an individual while shielding that individual's personal data
EP2676223A4 (en) 2011-02-17 2016-08-10 Eyelock Llc METHOD AND SYSTEM FOR EFFICIENT ACQUISITION OF LOCATION IMAGES AND IMAGES OF IRIS USING SINGLE SENSOR
WO2012145405A2 (en) 2011-04-19 2012-10-26 Eyelock Inc. Biometric chain of provenance
US8965064B2 (en) 2011-08-22 2015-02-24 Eyelock, Inc. Systems and methods for capturing artifact free images
US9495526B2 (en) 2013-03-15 2016-11-15 Eyelock Llc Efficient prevention of fraud
KR101476173B1 (ko) * 2013-11-28 2014-12-24 서강대학교산학협력단 홍채 특징을 이용한 사용자 인증 방법 및 시스템
BR112016014692A2 (pt) 2013-12-23 2017-08-08 Eyelock Llc Sistema para um reconhecimento de íris eficiente em termos de potência
EP3092601A4 (en) 2014-01-06 2017-11-29 Eyelock Llc Methods and apparatus for repetitive iris recognition
KR102255351B1 (ko) 2014-09-11 2021-05-24 삼성전자주식회사 홍채 인식 방법 및 장치
CN106796655A (zh) 2014-09-12 2017-05-31 眼锁有限责任公司 用于引导用户在虹膜识别系统中的视线的方法和设备
BR112017009982A2 (pt) 2014-11-19 2018-01-02 Eyelock Llc predição baseada em modelo de uma métrica ideal de conveniência para transações de autorização
EP3248370A4 (en) 2015-01-20 2018-09-12 Eyelock Llc Lens system for high quality visible image acquisition and infra-red iris image acquisition
US9836663B2 (en) 2015-03-05 2017-12-05 Samsung Electronics Co., Ltd. User authenticating method and head mounted device supporting the same
BR112017019362A2 (pt) 2015-03-12 2018-06-05 Eyelock Llc métodos e sistemas para gestão de atividade de rede usando biometria
WO2017018861A1 (ko) * 2015-07-30 2017-02-02 주식회사 엘지씨엔에스 생체정보를 이용하는 금융기기 및 그것의 동작방법
US10311299B2 (en) 2015-12-21 2019-06-04 Eyelock Llc Reflected optic camera module for iris recognition in a computing device
CN105488493B (zh) * 2015-12-25 2018-10-12 湖北润宏科技股份有限公司 一种快速虹膜识别方法
US10466778B2 (en) 2016-01-19 2019-11-05 Magic Leap, Inc. Eye image selection
KR101760211B1 (ko) 2016-04-04 2017-07-21 엔에이치엔엔터테인먼트 주식회사 안구 인식을 통해 보안이 강화된 인증 방법 및 시스템
EP3458997A2 (en) 2016-05-18 2019-03-27 Eyelock, LLC Iris recognition methods and systems based on an iris stochastic texture model
RU2630742C1 (ru) * 2016-07-18 2017-09-12 Самсунг Электроникс Ко., Лтд. Способ, система и устройство для биометрического распознавания радужной оболочки глаза
CN106899567B (zh) 2016-08-24 2019-12-13 阿里巴巴集团控股有限公司 用户核身方法、装置及系统
US10534969B2 (en) 2017-02-24 2020-01-14 Eyelock Llc Systems and methods for providing illumination for iris biometric acquisition
KR101880418B1 (ko) * 2017-04-04 2018-07-23 천홍구 홍채 인증 방법 및 장치
EP3451042B1 (en) 2017-08-31 2022-08-10 Eyelock, LLC Systems and methods of biometric acquisition using positive optical distortion
CN108470170B (zh) * 2018-07-25 2018-11-02 上海聚虹光电科技有限公司 美瞳检测方法
US10909363B2 (en) * 2019-05-13 2021-02-02 Fotonation Limited Image acquisition system for off-axis eye images
CN110688951B (zh) 2019-09-26 2022-05-31 上海商汤智能科技有限公司 图像处理方法及装置、电子设备和存储介质
KR102465173B1 (ko) 2020-10-26 2022-11-11 아이리텍 잉크 홍채 인증 카드 및 홍채 인증 카드를 이용한 신원 인증 방법
KR102508789B1 (ko) * 2021-01-27 2023-03-14 아이리텍 잉크 홍채 인증 방법 및 홍채 인증 시스템
WO2024018591A1 (ja) * 2022-07-21 2024-01-25 日本電気株式会社 情報処理装置、情報処理システム、認証方法、記憶媒体

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5291560A (en) * 1991-07-15 1994-03-01 Iri Scan Incorporated Biometric personal identification system based on iris analysis
US6144754A (en) * 1997-03-28 2000-11-07 Oki Electric Industry Co., Ltd. Method and apparatus for identifying individuals
JPH10340342A (ja) * 1997-06-06 1998-12-22 Oki Electric Ind Co Ltd 個体識別装置
JPH11213163A (ja) * 1998-01-28 1999-08-06 Oki Electric Ind Co Ltd 個体識別装置
JP2000189403A (ja) * 1998-12-25 2000-07-11 Oki Electric Ind Co Ltd 虹彩領域抽出方法及び個体識別装置
JP4006192B2 (ja) * 1999-04-09 2007-11-14 アイリテック株式会社 虹彩認識システム及び方法
KR100373850B1 (ko) * 2000-10-07 2003-02-26 주식회사 큐리텍 홍채를 이용한 신원 확인 시스템 및 방법과 그 방법에대한 컴퓨터 프로그램 소스를 저장한 기록매체
JP3586431B2 (ja) * 2001-02-28 2004-11-10 松下電器産業株式会社 個人認証方法および装置
KR100374708B1 (ko) * 2001-03-06 2003-03-04 에버미디어 주식회사 회전영상의 보정에 의한 비접촉식 홍채인식방법
JP2003108983A (ja) * 2001-09-28 2003-04-11 Matsushita Electric Ind Co Ltd 目画像撮像装置及び虹彩認証装置並びに虹彩認証機能付き携帯端末装置
US7155035B2 (en) * 2002-02-05 2006-12-26 Matsushita Electric Industrial Co., Ltd. Personal authentication method, personal authentication apparatus and image capturing device
US7436986B2 (en) * 2003-03-25 2008-10-14 Bausch & Lomb Incorporated Positive patient identification
JP2004318248A (ja) * 2003-04-11 2004-11-11 Matsushita Electric Ind Co Ltd 虹彩認証システム及び虹彩認証方法並びに虹彩認証プログラム
US7756301B2 (en) * 2005-01-26 2010-07-13 Honeywell International Inc. Iris recognition system and method
KR20050025927A (ko) * 2003-09-08 2005-03-14 유웅덕 홍채인식을 위한 동공 검출 방법 및 형상기술자 추출방법과 그를 이용한 홍채 특징 추출 장치 및 그 방법과홍채인식 시스템 및 그 방법

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102043954A (zh) * 2011-01-30 2011-05-04 哈尔滨工业大学 一种基于相关函数匹配的快速稳健的虹膜识别方法
CN102043954B (zh) * 2011-01-30 2013-09-04 哈尔滨工业大学 一种基于相关函数匹配的快速稳健的虹膜识别方法
CN107787498A (zh) * 2015-06-15 2018-03-09 三星电子株式会社 用户验证方法及支持用户验证方法的电子装置
CN105279492A (zh) * 2015-10-22 2016-01-27 北京天诚盛业科技有限公司 虹膜识别的方法和装置
CN105279492B (zh) * 2015-10-22 2018-11-09 北京天诚盛业科技有限公司 虹膜识别的方法和装置
CN105787953A (zh) * 2016-03-28 2016-07-20 中山大学中山眼科中心 用于视轴区浑浊识别的智能终端
CN110692062A (zh) * 2017-03-24 2020-01-14 奇跃公司 虹膜代码的累积和置信分配
CN110692062B (zh) * 2017-03-24 2023-12-08 奇跃公司 虹膜代码的累积和置信分配
CN113228037A (zh) * 2018-12-18 2021-08-06 创新先进技术有限公司 创建虹膜标识以减少生物特征识别系统的搜索空间
CN113228037B (zh) * 2018-12-18 2024-03-15 创新先进技术有限公司 创建虹膜标识以减少生物特征识别系统的搜索空间
CN110610128A (zh) * 2019-08-05 2019-12-24 中山市奥珀金属制品有限公司 一种基于同心圆提取的虹膜识别方法及存储介质
CN110610128B (zh) * 2019-08-05 2023-10-03 张杰辉 一种基于同心圆提取的虹膜识别方法及存储介质

Also Published As

Publication number Publication date
CA2588275C (en) 2012-03-20
JP2008521122A (ja) 2008-06-19
EP1820141A1 (en) 2007-08-22
KR20060056805A (ko) 2006-05-25
AU2005307289A9 (en) 2006-05-26
CA2588275A1 (en) 2006-05-26
EP1820141B1 (en) 2016-02-24
AU2005307289A2 (en) 2006-05-26
US20090169064A1 (en) 2009-07-02
US8009876B2 (en) 2011-08-30
WO2006054827A1 (en) 2006-05-26
CN100552696C (zh) 2009-10-21
EP1820141A4 (en) 2012-07-18
AU2005307289A1 (en) 2006-05-26
KR100629550B1 (ko) 2006-09-27
AU2005307289B2 (en) 2010-07-08

Similar Documents

Publication Publication Date Title
CN100552696C (zh) 虹膜识别方法和系统
Gottschlich Curved-region-based ridge frequency estimation and curved Gabor filters for fingerprint image enhancement
Segundo et al. Automatic face segmentation and facial landmark detection in range images
US8098901B2 (en) Standoff iris recognition system
US9042606B2 (en) Hand-based biometric analysis
KR20050025927A (ko) 홍채인식을 위한 동공 검출 방법 및 형상기술자 추출방법과 그를 이용한 홍채 특징 추출 장치 및 그 방법과홍채인식 시스템 및 그 방법
CN104573688A (zh) 基于深度学习的移动平台烟草激光码智能识别方法及装置
CN1506903A (zh) 基于模板学习的自动指纹识别系统和方法
US20240087368A1 (en) Companion animal life management system and method therefor
CN114120378A (zh) 一种三级分类指纹识别方法
CN115661872A (zh) 一种自然场景下鲁棒的手掌感兴趣区域定位方法
CN115984550A (zh) 一种眼睛虹膜色素斑纹理自动分割方法
CN112560710A (zh) 一种用于构建指静脉识别系统的方法及指静脉识别系统
CN110263726B (zh) 一种基于深度相关性特征学习的指静脉识别方法及装置
KR20030066512A (ko) 노이즈에 강인한 저용량 홍채인식 시스템
KR101101142B1 (ko) 비제한적 환경에서의 홍채 인식 시스템 및 방법
CN113947805A (zh) 一种基于视频图像的眼震类型分类方法
KR101476173B1 (ko) 홍채 특징을 이용한 사용자 인증 방법 및 시스템
Misztal et al. Iris pattern recognition with a new mathematical model to its rotation detection
KR102475004B1 (ko) 그림 상 객체 분석을 기반으로 한 심리 분석 방법 및 이러한 방법을 수행하는 장치
Koç et al. A new encoding of iris images employing eight quantization levels
KR20230018321A (ko) 고객피부데이터를 이용한 화장품추천시스템
CN113627231B (zh) 一种基于机器视觉的视网膜oct图像中液体区域自动分割方法
Lisha et al. Highly accurate blood vessel segmentation using texture‐based modified K‐means clustering with deep learning model
Salami et al. Enhancement of the Segmentation Framework for Rotated Iris Images

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20091021

Termination date: 20180913

CF01 Termination of patent right due to non-payment of annual fee