CN103955717A - 一种虹膜活性检测的方法 - Google Patents
一种虹膜活性检测的方法 Download PDFInfo
- Publication number
- CN103955717A CN103955717A CN201410201813.7A CN201410201813A CN103955717A CN 103955717 A CN103955717 A CN 103955717A CN 201410201813 A CN201410201813 A CN 201410201813A CN 103955717 A CN103955717 A CN 103955717A
- Authority
- CN
- China
- Prior art keywords
- iris
- image block
- image
- pupil
- mutual information
- 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.)
- Pending
Links
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种虹膜活性检测的方法,包括:步骤1,获取两张或者两张以上人眼图像,并精确定位虹膜和瞳孔边界;步骤2,在获取的虹膜图像中进行采样,并对采样进行处理,提取针对瞳孔收缩或者放大的特征信息;步骤3,对步骤2所提取的特征信息进行监督学习,从而对获取的虹膜图像进行活性检测。与当前现有技术中基于伪虹膜图片特征不同,本发明依据真实虹膜本身固有的特征,从而不需要预先知道任何的伪虹膜的材料及其特点信息,也不需要将这类信息用于预测。
Description
技术领域
本发明属于图像处理和模式识别的技术领域,涉及一种虹膜活性检测的方法。
背景技术
虹膜是指人眼睛瞳孔和巩膜之间的区域。该区域包含大量的随机纹理,因此虹膜被认为是最精确的生物特征之一。将虹膜识别应用于很多访问控制应用,既安全又简便。虹膜识别对政府发现威胁和预防犯罪活动也有用处。然而,一些合成的伪虹膜,却可以瞒过虹膜识别系统。因此近年来,虹膜活性检测逐渐成为一个重要的研究领域。
在最近的活体检测中,伪虹膜材料通常被认为是先验知识。举例说明,伪虹膜可以是影印的照片,装饰性的隐形眼镜,预先拍摄的视频,和绘有虹膜图案的塑料球。人们假设从伪虹膜和真虹膜上获取的图像具有不同的特征,并且可以通过图像处理技术区分。由于伪虹膜的材料可以具备多样性,因此,不能保证完全预先知道所有伪虹膜的材料特性,更不能提前假设获取的图像们一定具有不同的特征。
发明内容
本发明提供一种虹膜活性检测的方法,可以解决现有技术中所存在的需要预先知道伪虹膜的材料特点的技术问题。本发明的实现是依据真实虹膜本身固有的特征,从而不需要知道伪造虹膜的材料及其特点。
本发明一种虹膜活性检测的方法,包括以下步骤:
步骤1,获取人眼图像,并精确定位虹膜和瞳孔边界,包括:分别在不同强度光照条件下获取同一个人的两张以上人眼图像,利用机器学习中的非监督学习技术,对人眼图像进行自动的结构分类;结合虹膜和瞳孔的固有特征进行约束优化,搜索最优虹膜和瞳孔边界,从而精确定位虹膜和瞳孔边界;
步骤2,在获取的虹膜图像中进行采样,并对采样进行处理,提取针对瞳孔收缩或者放大的特征信息;
步骤3,对步骤2所提取的特征信息进行监督学习,从而对获取的虹膜图像进行活性检测。
其中,步骤2的具体内容包括:
1)在瞳孔外侧区域进行平均采样并计算相似性,包括:
在相对弱光照条件下获取的图像的瞳孔外侧区域,采集一组图像块x,该组图像块x中至少包括4个图像块x,每个图像块x的大小是10x10至30x30像素;
以上述相对弱光照条件下获取的图像的瞳孔直径做参考,在相对强光照条件下获取的图像的瞳孔外侧、且避免睫毛区域,采集一组图像块y,该组图像块y中至少包括4个图像块y,每个图像块y的大小是10x10至30x30像素;多个图像块y之间可重叠;
使用互信息检测图像块x与图像块y之间的相似性;
2)计算虹膜和瞳孔的直径比率,包括:
DP1和DI1分别为图像x中瞳孔和虹膜的直径,DP2和DI2分别为图像块y中瞳孔和虹膜的直径,图像块x和图像块y之间的瞳孔和虹膜的直径比率r为:
所述使用互信息检测图像块x与图像块y之间的相关性是指:利用公式(2)使用互信息检测图像块x与图像块y之间的相关性,
公式(2)中,KL是Kullback-Leibler差异,联合概率p(x;y)由基于图像块颜色值的二维直方图计算而来,N是图像块x与图像块y的尺寸大小;
如果两组图像块x与图像块y之间没有相关性,则联合概率p(x;y)分解成这两组图像块x与图像块y边际p(x)p(y)的结果。
为了进一步减少照相时眼部动作的影响和细微的非线性的虹膜变形对I(x,y)的影响,图像块y在四周数个像素范围内移动,位移量为5到10个像素,每次移动后利用公式(2)重新计算互信息,多组互信息的平均值是两张不同光照条件下获取的图像的相对应的虹膜区域的相似性。
与现有技术相比,本发明所具有的有益效果是:
由于本发明所特有的方法步骤是依据真实虹膜本身固有的特征,因此,和现有技术不同,本发明不需要预先知道伪造虹膜的材料及其特点。
附图说明
图1为本发明虹膜活性检测的方法的流程示意图;
图2为虹膜区域采样图,(b)图的采样是依据(a)图中的瞳孔直径,(b)图中的虚线为(a)图中的瞳孔大小。
图3显示的是如图2两种不同光照情况下,互信息和直径比变化的分布。
具体实施方式
下面结合附图和具体实施例对本发明技术方案进行详细说明。
如图1所示,本发明一种虹膜活性检测的方法,包括以下步骤:
步骤1,获取人眼图像,并精确定位虹膜和瞳孔边界,包括:分别在不同强度光照条件下获取同一个人的两张以上人眼图像,利用机器学习中的非监督学习技术,对人眼图像进行自动的结构分类;结合虹膜和瞳孔的固有特征进行约束优化,搜索最优虹膜和瞳孔边界,从而精确定位虹膜和瞳孔边界;
步骤2,在获取的虹膜图像中进行采样,并对采样进行处理,提取针对瞳孔收缩或者放大的特征信息;包括:
1)在瞳孔外侧区域进行平均采样并计算相似性,包括:
定义相对弱光照条件下获取的图像块为x,而与之对应的在相对强光照条件下获取的图像块为y,在相对弱光照条件(本实施例采用的该相对弱光照条件是ISO200的曝光值可为2.0到4.0之间)下获取的图像的瞳孔外侧区域,采集一组图像块x,该组图像块x中包括4个图像块x,每个图像块x的大小是20x20像素,每个图像块x的大小也可为其他尺寸,例如15×15,采样的数量也可以多于4个。以上述相对弱光照条件下获取的图像的瞳孔直径做参考,在相对强光照条件(本实施例采用的该相对强光照条件是ISO200的曝光值可为5.0到7.0之间)下获取的图像的瞳孔外侧、且避免睫毛区域,采集一组图像块y,该组图像块y中包括4个图像块y,每个图像块y的大小是20x20像素,4个图像块y之间可重叠;同理,每个图像块y的大小也可为其他尺寸,例如15×15,采样的数量也可以多于4个。
使用互信息检测图像块x与图像块y之间的相似性;
2)计算虹膜和瞳孔的直径比率,包括:
DP1和DI1分别为为相对弱光照条件下图像x中瞳孔和虹膜的直径,DP2和DI2分别为相对强光照条件下图像块y中瞳孔和虹膜的直径,相对弱光照条件下图像块x和相对强光照条件下图像块y之间的瞳孔和虹膜的直径比率r为:
所述使用互信息检测图像块x与图像块y之间的相关性是指:利用公式(2)使用互信息检测图像块x与图像块y之间的相关性,
公式(2)中,KL是Kullback-Leibler差异,联合概率p(x;y)由基于图像块颜色值的二维直方图计算而来,N是图像块x与图像块y的尺寸大小;
如果两组图像块x与图像块y之间没有相关性,则联合概率p(x;y)分解成这两组图像块x与图像块y边际p(x)p(y)的结果。
为了进一步减少照相时眼部动作的影响和细微的非线性的虹膜变形对I(x,y)的影响,图像块y在四周数个像素范围内移动,位移量为5到10个像素,每次移动后利用公式(2)重新计算互信息,这4组互信息的平均值是两张不同光照条件下获取的图像的相对应的虹膜区域的相似性。
步骤3,对步骤2所提取的特征信息进行监督学习,学习出来的虹膜活性检测模型用于对获取的虹膜图像进行活性检测。
本发明中结合互信息和直径比的变化一起用于表示瞳孔的收缩。因为瞳孔收缩很难伪造,采用瞳孔收缩这一特征描述符对于活体检测非常有用。采用支持向量机(SVM)用于识别两张虹膜图像是否拍摄了真实的虹膜。与当前现有技术中基于伪虹膜图片特征不同,采用本发明虹膜活性检测不需要预先知道任何的伪虹膜信息,也不需要将这类信息用于预测。图3显示的是图2(a)和图2(b)两种不同光照情况下,互信息和直径比变化的分布。由图3可以得知相同光照条件下的分布与不同光照情况下的分布分开的比较明显。本发明研究实验过程中,通过对数据库中300多张眼部图片的评价后,可以成功地区分出伪虹膜和真虹膜的比率高达99.7%。
尽管上述发明方法步骤结合图示对本发明进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨的情况下,还可以衍生出很多变形,这些均属于本发明的保护范围之内。
Claims (3)
1.一种虹膜活性检测的方法,包括以下步骤:
步骤1,获取人眼图像,并精确定位虹膜和瞳孔边界,包括:
分别在不同强度光照条件下获取同一个人的两张以上人眼图像,利用机器学习中的非监督学习技术,对人眼图像进行自动的结构分类;结合虹膜和瞳孔的固有特征进行约束优化,搜索最优虹膜和瞳孔边界,从而精确定位虹膜和瞳孔边界;
步骤2,在获取的虹膜图像中进行采样,并对采样进行处理,提取针对瞳孔收缩或者放大的特征信息,包括:
1)在瞳孔外侧区域进行平均采样并计算相似性,包括:
在相对弱光照条件下获取的图像的瞳孔外侧区域,采集一组图像块x,该组图像块x中至少包括4个图像块x,每个图像块x的大小是10x10至30x30像素;
以上述相对弱光照条件下获取的图像的瞳孔直径做参考,在相对强光照条件下获取的图像的瞳孔外侧、且避免睫毛区域,采集一组图像块y,该组图像块y中至少包括4个图像块y,每个图像块y的大小是10x10至30x30像素;多个图像块y之间可重叠;
使用互信息检测图像块x与图像块y之间的相似性;
2)计算虹膜和瞳孔的直径比率,包括:
DP1和DI1分别为图像x中瞳孔和虹膜的直径,DP2和DI2分别为图像块y中瞳孔和虹膜的直径,图像块x和图像块y之间的瞳孔和虹膜的直径比率r为:
步骤3,对步骤2所提取的特征信息进行监督学习,从而对获取的虹膜图像进行活性检测。
2.根据权利要求1所述虹膜活性检测的方法,其中,步骤2中,所述使用互信息检测图像块x与图像块y之间的相关性是指:
利用公式(2)使用互信息检测图像块x与图像块y之间的相关性,
公式(2)中,KL是Kullback-Leibler差异,联合概率p(x;y)由基于图像块颜色值的二维直方图计算而来,N是图像块x与图像块y的尺寸大小;
如果两组图像块x与图像块y之间没有相关性,则联合概率p(x;y)分解成这两组图像块x与图像块y边际p(x)p(y)的结果。
3.根据权利要求2所述虹膜活性检测的方法,其中,步骤2中,为了进一步减少照相时眼部动作的影响和细微的非线性的虹膜变形对I(x,y)的影响,图像块y在四周数个像素范围内移动,位移量为5到10个像素,每次移动后利用公式(2)重新计算互信息,多组互信息的平均值是两张不同光照条件下获取的图像的相对应的虹膜区域的相似性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410201813.7A CN103955717A (zh) | 2014-05-13 | 2014-05-13 | 一种虹膜活性检测的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410201813.7A CN103955717A (zh) | 2014-05-13 | 2014-05-13 | 一种虹膜活性检测的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103955717A true CN103955717A (zh) | 2014-07-30 |
Family
ID=51332991
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410201813.7A Pending CN103955717A (zh) | 2014-05-13 | 2014-05-13 | 一种虹膜活性检测的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103955717A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104794445A (zh) * | 2015-04-20 | 2015-07-22 | 北京虹安翔宇信息科技有限公司 | 一种基于arm平台的动态人脸虹膜采集方法 |
CN105354557A (zh) * | 2014-11-03 | 2016-02-24 | 倪蔚民 | 一种生物识别防伪造物活体检测方法 |
WO2017000493A1 (zh) * | 2015-06-30 | 2017-01-05 | 宇龙计算机通信科技(深圳)有限公司 | 一种活体虹膜检测方法及终端 |
WO2017020418A1 (zh) * | 2015-07-31 | 2017-02-09 | 宇龙计算机通信科技(深圳)有限公司 | 一种虹膜图像识别方法及用户设备 |
CN106419830A (zh) * | 2016-11-10 | 2017-02-22 | 任秋生 | 一种瞳孔直径测量方法 |
CN107169429A (zh) * | 2017-04-28 | 2017-09-15 | 北京小米移动软件有限公司 | 活体识别方法和装置 |
CN111626163A (zh) * | 2020-05-18 | 2020-09-04 | 浙江大华技术股份有限公司 | 一种人脸活体检测方法、装置及计算机设备 |
CN112307839A (zh) * | 2019-07-31 | 2021-02-02 | 深圳熙卓科技有限公司 | 一种异常人员检测的方法及终端设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030012413A1 (en) * | 2001-07-16 | 2003-01-16 | Matsushita Electric Industrial Co., Ltd. | Iris identification apparatus and iris image pickup apparatus |
CN101059837A (zh) * | 2007-06-07 | 2007-10-24 | 上海交通大学 | 彩色隐形眼镜的防伪检测方法 |
CN102902967A (zh) * | 2012-10-16 | 2013-01-30 | 第三眼(天津)生物识别科技有限公司 | 基于人眼结构分类的虹膜和瞳孔的定位方法 |
CN103544420A (zh) * | 2013-08-15 | 2014-01-29 | 马建 | 用于智能眼镜的防伪虹膜身份认证方法 |
-
2014
- 2014-05-13 CN CN201410201813.7A patent/CN103955717A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030012413A1 (en) * | 2001-07-16 | 2003-01-16 | Matsushita Electric Industrial Co., Ltd. | Iris identification apparatus and iris image pickup apparatus |
CN101059837A (zh) * | 2007-06-07 | 2007-10-24 | 上海交通大学 | 彩色隐形眼镜的防伪检测方法 |
CN102902967A (zh) * | 2012-10-16 | 2013-01-30 | 第三眼(天津)生物识别科技有限公司 | 基于人眼结构分类的虹膜和瞳孔的定位方法 |
CN103544420A (zh) * | 2013-08-15 | 2014-01-29 | 马建 | 用于智能眼镜的防伪虹膜身份认证方法 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105354557A (zh) * | 2014-11-03 | 2016-02-24 | 倪蔚民 | 一种生物识别防伪造物活体检测方法 |
CN105354557B (zh) * | 2014-11-03 | 2019-04-16 | 苏州思源科安信息技术有限公司 | 一种生物识别防伪造物活体检测方法 |
CN104794445A (zh) * | 2015-04-20 | 2015-07-22 | 北京虹安翔宇信息科技有限公司 | 一种基于arm平台的动态人脸虹膜采集方法 |
CN104794445B (zh) * | 2015-04-20 | 2018-03-27 | 北京虹安翔宇信息科技有限公司 | 一种基于arm平台的动态人脸虹膜采集方法 |
WO2017000493A1 (zh) * | 2015-06-30 | 2017-01-05 | 宇龙计算机通信科技(深圳)有限公司 | 一种活体虹膜检测方法及终端 |
WO2017020418A1 (zh) * | 2015-07-31 | 2017-02-09 | 宇龙计算机通信科技(深圳)有限公司 | 一种虹膜图像识别方法及用户设备 |
CN106419830A (zh) * | 2016-11-10 | 2017-02-22 | 任秋生 | 一种瞳孔直径测量方法 |
CN107169429A (zh) * | 2017-04-28 | 2017-09-15 | 北京小米移动软件有限公司 | 活体识别方法和装置 |
CN112307839A (zh) * | 2019-07-31 | 2021-02-02 | 深圳熙卓科技有限公司 | 一种异常人员检测的方法及终端设备 |
CN111626163A (zh) * | 2020-05-18 | 2020-09-04 | 浙江大华技术股份有限公司 | 一种人脸活体检测方法、装置及计算机设备 |
CN111626163B (zh) * | 2020-05-18 | 2023-04-07 | 浙江大华技术股份有限公司 | 一种人脸活体检测方法、装置及计算机设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103955717A (zh) | 一种虹膜活性检测的方法 | |
CN103413120B (zh) | 基于物体整体性和局部性识别的跟踪方法 | |
CN106503687A (zh) | 融合人脸多角度特征的监控视频人物身份识别系统及其方法 | |
CN106250877A (zh) | 近红外人脸识别方法及装置 | |
CN109409342A (zh) | 一种基于轻量卷积神经网络的虹膜活体检测方法 | |
CN105260715B (zh) | 面向偏僻地段的小动物目标检测方法 | |
CN109145742A (zh) | 一种行人识别方法及系统 | |
CN111582126B (zh) | 基于多尺度行人轮廓分割融合的行人重识别方法 | |
CN110378179A (zh) | 基于红外热成像的地铁逃票行为检测方法及系统 | |
CN111191535B (zh) | 基于深度学习的行人检测模型构建方法及行人检测方法 | |
CN111914761A (zh) | 一种热红外人脸识别的方法及系统 | |
CN110992378B (zh) | 基于旋翼飞行机器人的动态更新视觉跟踪航拍方法及系统 | |
CN111639610A (zh) | 一种基于深度学习的火情识别方法及系统 | |
EP4105895A3 (en) | Human-object interaction detection method, neural network and training method therefor, device, and medium | |
CN111209935A (zh) | 基于自适应域转移的无监督目标检测方法及系统 | |
CN113762009A (zh) | 一种基于多尺度特征融合及双注意力机制的人群计数方法 | |
CN117475353A (zh) | 基于视频的异常烟雾识别方法及系统 | |
CN109815887B (zh) | 一种基于多智能体协作的复杂光照下人脸图像的分类方法 | |
CN103207993A (zh) | 基于核的判别随机近邻嵌入分析的人脸识别方法 | |
KR101437999B1 (ko) | 밝기맵 기반의 중심대칭 국부이진 패턴과 랜덤 포레스트를 이용한 열 영상에서의 사람 검출 방법 | |
CN110298377A (zh) | 基于深层人工神经网络的数字图像中烟火检测方法 | |
Marčetic et al. | An experimental tattoo de-identification system for privacy protection in still images | |
CN107480648B (zh) | 一种自然场景文字检测的方法 | |
Xu et al. | Efficient eye states detection in real-time for drowsy driving monitoring system | |
CN111898533B (zh) | 一种基于时空特征融合的步态分类方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20140730 |