CN103324908A - 用于虹膜识别的快速虹膜采集判断控制方法 - Google Patents

Abstract

用于虹膜识别的快速虹膜采集判断控制方法，对虹膜质量检测分成瞳孔粗定位后的快速初步检测与虹膜定位完后的精细检测。其中的初步虹膜质量检测方法速度很快，并且对虹膜的清晰度、运动模糊、有无眨眼、有效虹膜比例及是否为活体虹膜图像都进行了检测。通过了初步质量检测的虹膜图像95％以上满足最后精细虹膜检测的要求，从而使得采集速度有了很大的提高。在虹膜定位完成后对虹膜图像的精细质量检测主要包括对虹膜清晰度、虹膜的形变程度检测。并且在初步质量检测过程中对CCD的焦距、近红外光源的光强及用户显示接口进行了控制，在精细虹膜质量检测过程中对CCD的放大倍数进行了控制，从而使得用户使用起来更加方便。

Description

用于虹膜识别的快速虹膜采集判断控制方法

(一)所属技术领域

本发明涉及应用于虹膜识别系统中的快速虹膜采集判断控制方法。特别是利用初步快速检测与精确检测相结合的方法对虹膜图像质量进行了有效快速判定，从而在此基础上控制虹膜采集装置对用户进行友善快速采集。在虹膜粗定位的基础上对虹膜的清晰度，眨眼，有效虹膜比例及是否为活体虹膜图像都进行了初步快速检测，在虹膜精确定位后再进行虹膜质量精确检测，其初步检测时间非常短，并且能得到95％以上满足最终质量要求的虹膜图像。这些技术属于光机电一体化，自动化控制技术及生物特征技术中的虹膜识别技术领域。

(二)背景技术

在现代的信息化社会对人类自身个体的准确、有效识别变得非常的重要。公知用于特定人识别的虹膜识别方法由于虹膜具有纹理丰富、随机性强、终生稳定性，使得虹膜识别方法具有高度的准备性、安全性与实用性。它是通过从人眼的虹膜部分采取图像信号，经过处理后得到虹膜代码，再与数据库中的虹膜代码进行比较，从而根据比较的结果接受或拒绝一个特定的人。

由于人眼具有很高的敏感性，虹膜面积较少，并且容易受人头部晃动，眨眼，眼皮，睫毛等因素的影响，从而对虹膜采集装置用户使用的友善性，便利性，采集速度提出了严重的挑战，阻碍了虹膜识别这一技术的推广。

Mchugh et al《手握式虹膜装置和方法》美国专利号：US6,289,113，B1。SEP.11.2001。发明了无侵害，实时性，具备一定人机界面特征的装置和方法，它由成像透镜(imaging lens)，冷光镜(concave cold mirror)，可选的屈光校光镜(diopter correction lens)和近红外波段照明光源，光学视频相机组成。该发明还提出了一种实现焦点评估的方法。通过分析图像高频谱的能量总和的非线性压缩方法来完成焦点评估。为了避免浮点Fourier变换FFT实现该方法，其发明了在图像空间域滤波器代替图像高频谱域滤波器实时实现的方法。

BumChul Kim et al《虹膜识别系统》美国专利号：US6,594,377 B1 Jul.15.2003。提出了一种无严格限制使用距离的无侵害，实时性的装置。它由可上下旋转的控制容器，在该容器内有视频相机，紫外线截止镜，冷光镜，数个近红外波段照明光源，距离测量传感器，控制单元组成。

Mchugh et al虽然提出了一种焦点评估方法，但并未提出针对虹膜图像的质量评价方法，并且在评测过程中对采集装置进行全面有效的控制，而且用于焦点评估的时间也比较长，从而使得采集速度用户操作的友善性受到了一定的限制。

Bum Chul Kim et al仅描述了一种装置和该装置与控制单元的控制关系，但缺乏一种具体的虹膜图像质量控制分析处理机制支持。

事实上，在实际应用时虹膜采集装置的目的是快速、友善地获得高品质虹膜图像。故它必须与虹膜图像分析处理有机地结合起来。可靠的虹膜采集系统必须达到以下的要求：分析和控制虹膜图像的亮度、虹膜大小；虹膜纹理图像质量评估分析，并且要求快速完成。

本发明的目的之一是在于设计一个快速，友善的虹膜采集系统：另一目的是通过对虹膜图像质量检测使得系统采得高质量的虹膜图像，以保证识别的低误识率与低拒识率。本发明提出了快速有效的虹膜图像质量检测方法，并且对CCD，光源，用户界面进行了有效的控制，从而大大地提高了采集速度、采集率，使用户的操作接口更加的友善。

(三)发明内容

本发明利用初步快速检测与精确检测相结合的方法，提供了一种快速，有效，全面的针对虹膜纹理的虹膜图像质量检测方法，并且实现了对CCD放大倍数，焦距，光源强度进行了全面控制，使得用户使用起来更加方便，使可采集的人群更多了。初步快速检测，检测的速度很快，并且有95％通过初步检测的图片能通过最终精确检测，从而使采集速度有了很大的提高。实现了理想虹膜采集系统的基本特征要求：自动性，无侵害，友好的人机操作界面和高品质成像，外部成像条件无依赖性。从而保证了后期识别有高精度的错误接受率(FAR)和错误拒绝率(FRR)。

本发明解决其技术问题所采用的技术方案是：对虹膜质量检测分成瞳孔粗定位后的快速初步虹膜质量检测与虹膜定位完后的精细质量检测。其中的初步虹膜质量检测方法速度很快，并且对虹膜的清晰度，运动模糊，有无眨眼，有效虹膜比例及是否为活体虹膜图像都进行了检测。通过了初步质量检测方法的虹膜图像95％以上满足了最后精细虹膜检测的要求，为合格的虹膜图像，从而使得采集速度有了很大的提高。在虹膜定位完成后对虹膜图像的精细质量检测主要包括对虹膜清晰度，虹膜的形变程度进行检测。并且在初步质量检测过程中对CCD的焦距，近红外光源的光强及用户显示接口进行了控制，在精细虹膜质量检测过程中对CCD的放大倍数进行了控制，从而使得该采集系统不需要用户过多的配合，使用户使用起来更加方便。它包括以下步骤：

1.采集虹膜图像

当人靠近时，通过人体感应探头，自动启动CCD、光源准备采集图像，将CCD的放大倍数调到5倍，焦距设为20cm，光强调成一般光强档，然后开始采集虹膜图像。

2.根据灰度与清晰度进行瞳孔粗定位

求取图像中各像素与周围像素的对比度。设定对比度与灰度的阀值，根据灰度与对比度进行瞳孔粗定位。根据前后两次瞳孔定位的结果变化量来判断是否为活体虹膜图像。

3.虹膜质量初步检测

1)对虹膜清晰度检测及光源亮度控制

在粗定位的瞳孔的基础上，在如附图2所示的选定区域中进行光斑大小检测，并设定瞳孔中光斑像素点数的阀值；在如附图3所示的选定区域中计算各像素的对比度，根据此区域中图像的平均灰度设定对比度的门限值。对比度的门限值设定为图像平均灰度的函数，采用分级设定的方式，并根据平均灰度控制光源高度。

2)运动模糊检测

在如附图3所示的选定区域中利用水平梯度算子与垂直梯度算子，对各像素点进行水平与垂直对比度计算，然后计算两者的平均值。合格图像要求两者的比值满足某一阀值。

3)眨眼检测

根据运动模糊检测的思想来判断是否采集到的是眨眼中的图像。在如附图4所示的选定区域中通过水平梯度算子来进行眨眼检测。

4)有效虹膜比例检测

通过设定像素灰度的门限值，在如附图5所示的上下两个选定的区域中分别统计灰度较低的像素点数，通过两个的点数差值来判断是否满足合格的虹膜图片的要求。

5)CCD焦距的调整

设

为变焦前求得的平均对比度值，

为变焦后的平均对比度值，则当

时CCD继续按相同方向变焦，否则按反方向变焦。

4.虹膜精确定位

通过了虹膜质量初步检测的虹膜图像则在粗定位的瞳孔的基础上进行虹膜精确定位，否则继续采集虹膜图像。

5.虹膜质量精细检测

1)虹膜形变检测与光源角度控制

发生了形变的虹膜，瞳孔将不是一个标准的圆，通过对精确定位得的瞳孔在-45度至135度的范围里均分三段进行瞳孔内外平均灰度的对比检测来进行虹膜的形变程度检测。如果其中有一段不满足内外平均灰度变化过大则说明虹膜形变过大，并发出控制信号点亮另一角度光源，熄灭原有光源。

2)调整CCD的放大倍数

根据精确定位得的外圆半径的大小调整CCD的放大倍数。

3)虹膜清晰度精确检测与有效虹膜比例精确检测

以如附图6所示的区域为纯净虹膜，以该区域的平均亮度与对比度作为标准，对定位出的虹膜进行有效虹膜比例检测。要求合格的虹膜图像的有效虹膜比例大于某一门限值。

(四)附图说明

下面结合附图和实施例对本发明进一步说明。

图1为虹膜采集器面板结构图；

图2为初步检测中进行光斑检测时所选的区域图；

图3为初步检测中进行虹膜清晰度检测时所选的区域图；

图4为初步检测中进行是否有眨眼检测时所选的区域图；

图5为初步检测中进行有效虹膜初步检测时所选的对比区域图；

图6为精确检测中进行有效虹膜比例检测时所选的纯净虹膜区域图。

图1中：1.采集装置已聚焦指示灯，2.收缩瞳孔功能灯，3.虹膜采集辅助光源，4.引导用户对焦标志，5.电源指示灯，6.LCD显示屏，7.用户操作键盘，8.采集头角度高速转轴，9.近红外滤光镜，10.人体感应探头。

图2中：11.粗定位得的瞳孔边沿，12.选定的光斑检测区域，(x1，y1)选定的光斑检测区域的左下角坐标，(x2，y2)选定的光斑检测区域的右上角坐标。

图3中：13.选定的虹膜清晰度检测区域，(x3，y3)选定的虹膜清晰度检测左边区域的左下角坐标，(x4，y4)选定的虹膜清晰度检测左边区域的右上角坐标，(x5，y3)选定的虹膜清晰度检测右边区域的左下角坐标，(x6，y4)选定的虹膜清晰度检测右边区域的右上角坐标。

图4中：14.选定的进行眨眼检测区域，(x7，y7)选定的进行眨眼检测区域的左下角坐标，(x8，y8)选定的进行眨眼检测区域的右上角坐标。

图5中：15.选定的进行眨眼检测的上半部分区域，16.选定的进行眨眼检测的下半部分区域，(x9，y9)选定进行眨眼检测的下半部分区域的左下角坐标，(x 10，y10)选定进行眨眼检测的下半部分区域的右上角坐标，(x9，y10)选定进行眨眼检测的上半部分区域的左下角坐标，(x10，y11)选定进行眨眼检测的上半部分区域的右上角坐标。

图6中：17.精确定位得的巩膜边界，18.精确定位得的瞳孔沿边界，19.选定的纯净虹膜区域，α1选定纯净虹膜区域右上角的角度范围，α2选定纯净虹膜区域右下角的角度范围，α3选定纯净虹膜区域左上角的角度范围，α4选定纯净虹膜区域左下角的角度范围。

(五)具体实施方式

图1～6为一实施实例，其具体的实施方式为：

1)求取图像中各像素与周围像素的对比度

其中进行对比度检测的算子为：

p(x，y)＝[|I(x+1，y)-I(x，y)|+|I(x-1，y)-I(x，y)|+               (1)

|I(x，y+1)-I(x，y)|+|I(x，y-1)-I(x，y)|]/4

其中p(x，y)为对应坐标为(x，y)的像素的对比度，I(x，y)为坐标为(x，y)像素点的灰度值。

2)设定对比度与灰度的门限值，根据灰度与对比度进行瞳孔粗定位设对比度的门限值为P，灰度的门限值为I_p，则瞳孔内的像素点要求：

p(x，y)＜P和I(x，y)＜I_p                                          (2)

通过这两个条件统计瞳孔中的点，然后利用圆的面积公式与向X轴Y轴的投影相定位出瞳孔。

3)对光斑大小的检测

在粗定位的瞳孔的基础上，在如图2所示的区域中进行光斑大小检测。方法为利用对应像素点灰度值的高低来将图像二值化，选出属于瞳孔光斑的像素点，统计属于光斑的像素点数N₁。图2中的区域：

x1＝x0-R，x2＝x0+R

y1＝y0+3×R/4，y2＝y0-5×R/4

其中R为粗定位得的瞳孔的半径，(x0，y0)为粗定位得的瞳孔的圆心坐标。

4)对虹膜清晰度检测及光源亮度控制

在瞳孔外如图3所示的虹膜区域中利用式(1)的梯度算子计算各像素的对比度，然后求此区域中p(x，y)的平均值根据此区域中图像的平均灰度设定对比度的门限值。

图3中的区域：

y3＝y0+3×R/4，y4＝y0-5×R/4

x3＝x0-(R+70)，x4＝x0-R，x5＝x0+R，x6＝x0+(R+70)

其中R为粗定位得的瞳孔的半径，(x0，y0)为粗定位得的瞳孔的圆心坐标。

发明人发现对比度的门限值是图像平均灰度的函数，对比度门限值与平均灰度有关系，但并不是完全的线性关系，故通过分级设定。对比度门限值所取的表达式如(3)式所示：

其中P(I)为对某一图像设定的对比度门限，I为图像的平均灰度。

当I＜60时，说明虹膜图像过暗，将光源光强加强一档。当I＞150时，说明采集的图像过亮，将光源光强弱一档。

设瞳孔中光斑像素点数的门限值为N，则清晰的虹膜图像要求：

5)运动模糊检测

同样在瞳孔外如图3所示的虹膜区域中利用水平梯度算：

p_h(x，y)＝[|I(x+1，y)-I(x，y)|+|I(x-1，y)-I(x，y)|]/2

与垂直梯度算子：

p_v(x，y)＝[|I(x，y+1)-I(x，y)|+|I(x，y-1)-I(x，y)|]/2

对各像素点进行水平与垂直对比度计算，然后计算两者的平均值。设计算得水平方向的平均值为：

垂直方向的平均值为：

则合格的虹膜图像要求满足：

$\frac{\stackrel{\&OverBar;}{p_v}}{\stackrel{\&OverBar;}{p_h}}<p_0$

其中p₀为一取定的门限值。

6)眨眼检测

在如图4所示的区域中运用运动模糊检测的思想来查看是否采集得的是眨眼中的图像。通过水平梯度算子来进行眨眼检测。图4中的区域：

y7＝y0+5×R/4，y8＝y0+3×R/4

x7＝x0-4×R/3，x8＝x0+4×R/3

其中R为粗定位得的瞳孔的半径，(x0，y0)为粗定位得的瞳孔的圆心坐标。

7)有效虹膜比例检测

设定像素灰度的门限值，在如图5所示的上下两个区域中分别统计灰度较低的像素点数，设在上区域中统计的点数为M₁，在下区域中统计的点数为M₂，则合格的虹膜图片要求：

|M₁-M₂|＜M                                              (5)

其中M为设定的差值门限值。

图5中的区域：

y9＝y0+5×R/4，y10＝y0，y11＝y0-5×R/4

x9＝x0-(R+80)，x10＝x0+(R+80)

其中R为粗定位得的瞳孔的半径，(x0，y0)为粗定位得的瞳孔的圆心坐标。

8)虹膜形变检测与光源角度控制

对发生了形变的虹膜，瞳孔将不是一个标准的圆，则定位出的瞳孔将有此部分内外灰度对比很小，发明者通过对精确定位得的瞳孔在-45度至135度的范围里均分三段进行瞳孔内外平均灰度的对比检测来进行虹膜的形变程度检测。平均灰度的计算分别是有定位的瞳孔半径r到r+r₁的外圆环与r到r-r₁的内圆环里进行的，发明者取的r₁＝10。设外圆环求的平均灰度为I₁，内圆环求得的平均灰度为I₂，则合格的虹膜图像要求所分的三段都满足：

I₁-I₂＞P_I                                            (6)

其中P_I为设定的门限值。

如果其中有一段不满足上述要求则说明虹膜形变过大，并发出控制信号点亮另一角度光源，熄灭原有光源。

9)虹膜清晰度精确检测与有效虹膜比例精确检测

以如图6所示的区域作为纯净虹膜对定位出的虹膜进行有效虹膜比例检测。图6中的区域：

α1＝α3＝45°

α2＝α4＝225°

设在区域中求得虹膜平均灰度为I_o，利用式(1)求得的对比度的均值为

则有效虹膜像素点要求满足：

$\left\{\begin{array}{c}{I}_0+\mathrm{\&Delta;I}>I(x,y)>I_0-\mathrm{\&Delta;I}\\ \stackrel{\&OverBar;}{p(x,y)}+\mathrm{\&Delta;p}>p(x,y)>\stackrel{\&OverBar;}{p(x,y)}-\mathrm{\&Delta;p}\end{array}\right.---\left(7\right)$

其中ΔI与Δp分别为设定的有效像素的灰度变化极值与对比度变化极值。

利用(7)式进行统计有效的虹膜像素点数N₁，设整个虹膜区域里的像素点数为N₀，则合格的虹膜图像要求：

其中C为设定的有效虹膜比例门限值，P(I)为将I₀代入(3)式求得的对比度门限值。

Claims (10)

1.用于虹膜识别的快速虹膜采集判断控制方法，对虹膜质量检测分成瞳孔粗定位后的快速初步检测与虹膜定位完后的精细检测，其特征是：初步检测方法主要对虹膜的清晰度、运动模糊、有无眨眼、有效虹膜比例及是否为活体虹膜图像都进行了检测；在虹膜定位完成后对虹膜图像的精细质量检测主要对虹膜清晰度、虹膜的形变程度检测；在初步质量检测过程中对CCD的焦距、近红外光源的光强及用户显示接口进行了控制，在精细虹膜质量检测过程中对CCD的放大倍数进行了控制。

2.根据权利要求1所述的用于虹膜识别的快速虹膜采集判断控制方法，其特征是：当人靠近时，通过人体感应探头，自动启动CCD、光源准备采集图像，将CCD的放大倍数调到5倍，焦距设为20cm，光强调成一般光强档，然后开始采集虹膜图像。

3.根据权利要求1所述的用于虹膜识别的快速虹膜采集判断控制方法，其特征是：通过求取图像中各像素与周围像素的对比度，设定对比度与灰度的阀值，根据灰度与对比度进行瞳孔粗定位。

4.根据权利要求1所述的用于虹膜识别的快速虹膜采集判断控制方法，其特征是：在粗定位的瞳孔的基础上，在选定区域中计算各像素的对比度，根据此区域中图像的平均灰度分级设定对比度的门限值，并根据平均灰度控制光源高度。

5.根据权利要求1所述的用于虹膜识别的快速虹膜采集判断控制方法，其特征是：在选定区域中利用水平梯度算子与垂直梯度算子，对各像素点进行水平与垂直对比度计算，利用两者平均值的比值来进行运动模糊检测，利用水平梯度算子来进行眨眼检测。

6.根据权利要求1所述的用于虹膜识别的快速虹膜采集判断控制方法，其特征是：通过设定像素灰度的门限值，在两个选定的区域中分别统计灰度较低的像素点数，通过两个的点数差值来判断是否满足合格的虹膜图片的要求。

7.根据权利要求1所述的用于虹膜识别的快速虹膜采集判断控制方法，其特征是：虹膜精确定位后，通过对精确定位得的瞳孔在-45度至135度的范围里均分三段进行瞳孔内外平均灰度的对比检测来进行虹膜的形变程度检测。

8.根据权利要求1所述的用于虹膜识别的快速虹膜采集判断控制方法，其特征是：根据精确定位得的外圆半径的大小调整CCD的放大倍数。

9.根据权利要求1所述的用于虹膜识别的快速虹膜采集判断控制方法，其特征是：以选定的纯净虹膜区域的平均亮度与对比度作为标准，要求合格的虹膜图像的有效虹膜比例大于某一门限值，对定位出的虹膜进行有效虹膜比例检测。

10.根据权利要求3所述的用于虹膜识别的快速虹膜采集判断控制方法，其特征是：根据前后两次瞳孔定位的结果变化量来判断是否为活体虹膜图像。

Images