CN105550625A - 一种活体虹膜检测方法及终端 - Google Patents

Abstract

本发明实施例公开了一种活体虹膜检测方法及终端，包括：获取多张虹膜照片；确定所述多张虹膜照片中的每张虹膜照片中的瞳孔中心的位置；根据所述每张虹膜照片中的所述瞳孔中心的位置，计算所述瞳孔中心的位移最大值；根据所述瞳孔中心的位移最大值，确定虹膜检测结果。采用本发明实施例，可以提高虹膜识别的准确性和识别效率，并且对眼睛没有伤害性。

Description

一种活体虹膜检测方法及终端

技术领域

本发明涉及电子技术领域，尤其涉及一种活体虹膜检测方法及终端。

背景技术

虹膜识别技术可以用于身份识别，虹膜识别技术的一个关键点是活体虹膜检测，系统需要分辨采集的虹膜照片是来自于活体，还是来自于眼睛照片。在现有技术方案中，为了解决虹膜识别的活体检测问题，大部分是通过图像识别技术，对采集的虹膜照片进行纹理、离焦、频率分布等方面的分析来实现，但是，该方法需要进行一系列如小波变换等复杂度很高的计算，并且存在一定的错误率。另外，现有技术方案中还可以调节照射眼睛的光线的强弱，同时拍摄多张虹膜照片，由于光线变化时眼睛的瞳孔会有明显变化，通过对比多张图片中瞳孔的图片，可以判定是否活体虹膜。但是近距离射入眼睛强光和弱光，会引起眼睛的不适感，对眼睛有伤害。

发明内容

本发明实施例提供一种活体虹膜检测方法及终端。可以提高虹膜识别的准确性和识别效率，并且对眼睛没有伤害性。

本发明实施例提供了一种活体虹膜检测方法，包括：

获取多张虹膜照片；

确定所述多张虹膜照片中的每张虹膜照片中的瞳孔中心的位置；

根据所述每张虹膜照片中的所述瞳孔中心的位置，计算所述瞳孔中心的位移最大值；

根据所述瞳孔中心的位移最大值，确定虹膜检测结果。

其中，所述根据所述瞳孔中心的位移最大值，确定虹膜检测结果包括：

当所述瞳孔中心的位移最大值大于预设阈值时，确定所述虹膜照片为活体虹膜照片。

其中，所述根据所述瞳孔中心的位移最大值，确定虹膜检测结果之后，还包括：

从所述多张虹膜照片中提取出虹膜纹理特征；

将所述虹膜纹理特征与预设的虹膜模板信息进行对比；

根据所述虹膜纹理特征与所述预设的虹膜模板信息的对比结果，识别所述用户的身份。

其中，所述根据所述每张虹膜照片中的所述瞳孔中心的位置，计算所述瞳孔中心的位移最大值包括：

根据所述每张虹膜照片的所述瞳孔中心的位置，计算所述每张虹膜照片中的瞳孔中心到预设的眼眶参考点的距离；

根据所述每张虹膜照片中的瞳孔中心到所述预设的眼眶参考点的距离，计算所述多张照片中的每两张虹膜照片中的瞳孔中心到所述预设的眼眶参考点的距离差值；

根据所述多张照片中的每两张虹膜照片中的瞳孔中心到所述预设的眼眶参考点的距离差值，确定所述瞳孔中心的位移最大值。

其中，所述根据所述虹膜纹理特征与所述预设的虹膜模板信息的对比结果，识别所述用户的身份包括：

当所述虹膜纹理特征与所述预设的虹膜模板信息相同时，识别得到所述用户的身份为目标使用用户。

相应地，本发明实施例提供了一种活体虹膜检测终端，包括：

照片获取模块，用于获取多张虹膜照片；

位置确定模块，用于确定所述多张虹膜照片中的每张虹膜照片中的瞳孔中心的位置；

位移计算模块，用于根据所述每张虹膜照片中的所述瞳孔中心的位置，计算所述瞳孔中心的位移最大值；

结果确定模块，用于根据所述瞳孔中心的位移最大值，确定虹膜检测结果。

其中，所述结果确定模块具体用于：

当所述瞳孔中心的位移最大值大于预设阈值时，确定所述虹膜照片为活体虹膜照片。

其中，所述终端还包括：

特征提取模块，用于从所述多张虹膜照片中提取出虹膜纹理特征；

信息对比模块，用于将所述虹膜纹理特征与预设的虹膜模板信息进行对比；

身份识别模块，用于根据所述虹膜纹理特征与所述预设的虹膜模板信息的对比结果，识别所述用户的身份。

其中，所述位移计算模块包括：

距离计算单元，用于根据所述每张虹膜照片的所述瞳孔中心的位置，计算所述每张虹膜照片中的瞳孔中心到预设的眼眶参考点的距离；

差值计算单元，用于根据所述每张虹膜照片中的瞳孔中心到所述预设的眼眶参考点的距离，计算所述多张照片中的每两张虹膜照片中的瞳孔中心到所述预设的眼眶参考点的距离差值；

最大值确定单元，用于根据所述多张照片中的每两张虹膜照片中的瞳孔中心到所述预设的眼眶参考点的距离差值，确定所述瞳孔中心的位移最大值。

其中，所述身份识别模块具体用于：

当所述虹膜纹理特征与所述预设的虹膜模板信息相同时，识别得到所述用户的身份为目标使用用户。

实施本发明实施例，首先获取多张虹膜照片；然后确定所述多张虹膜照片中的每张虹膜照片中的瞳孔中心的位置；其次根据所述每张虹膜照片中的所述瞳孔中心的位置，计算所述瞳孔中心的位移最大值；最后根据所述瞳孔中心的位移最大值，确定虹膜检测结果，从而提高了虹膜识别的准确性和识别效率，并且对眼睛没有伤害性。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明提出的一种活体虹膜检测方法的第一实施例的流程图；

图2是本发明提出的一种活体虹膜检测方法的第二实施例的流程图；

图3是本发明实施例提出的一种活体虹膜检测终端的结构示意图；

图4是本发明实施例提出的活体虹膜检测终端中位移计算模块的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参考图1，图1是本发明提出的一种活体虹膜检测方法的第一实施例的流程图。如图所示，本发明实施例中的方法包括：

S101，获取多张虹膜照片。

具体实现中，可以通过内置摄像头在预设的时间内连续拍摄多照虹膜照片，预设时间可以为0.01秒或0.02秒；或者可以从其他摄像装置中获取连续拍摄的多照虹膜照片，或者可以从网络资源中下载多照虹膜照片。

S102，确定所述多张虹膜照片中的每张虹膜照片中的瞳孔中心的位置。

具体实现中，从每张虹膜照片中逐行逐像素搜索“黑-白-黑”结构模式的区域作为瞳孔候选区域，并记录瞳孔候选区域的边缘点和每行白线的中点；根据各个瞳孔候选区域的圆形度和平均灰度确定可信瞳孔区域；对确定的可信瞳孔区域的白线的中点执行随机抽样一致性的直线拟合，从而得到可信瞳孔区域的白线的可靠中点以及与可靠中点对应的边缘点；对与可靠中点对应的边缘点执行二次曲线拟合，从而得到可信瞳孔区域的可靠边缘点；对可信瞳孔区域的可靠边缘点进行椭圆拟合，从而得到瞳孔中心。

可选的，可以将虹膜照片中的眼球建模成圆或椭圆，利用霍夫变换检测圆或椭圆，进而确定每张虹膜照片中的瞳孔中心的位置。

S103，根据所述每张虹膜照片中的所述瞳孔中心的位置，计算所述瞳孔中心的位移最大值。

具体实现中，可以根据所述每张虹膜照片的所述瞳孔中心的位置，计算所述每张虹膜照片中的瞳孔中心到预设的眼眶参考点的距离；根据所述每张虹膜照片中的瞳孔中心到所述预设的眼眶参考点的距离，计算所述多张照片中的每两张虹膜照片中的瞳孔中心到所述预设的眼眶参考点的距离差值；根据所述多张照片中的每两张虹膜照片中的瞳孔中心到所述预设的眼眶参考点的距离差值，确定所述瞳孔中心的位移最大值。其中，眼眶参考点可以为眼眶上的任意位置。进一步，可以首先将该眼眶参考点作为坐标原点，分别确定每张虹膜照片中瞳孔中心的坐标，进而计算每张虹膜照片中的瞳孔中心到该坐标原点的距离，然后分别计算每两张虹膜照片中瞳孔中心到该坐标原点的距离差值，从中选取出距离差值为最大的一个作为所述瞳孔中心的位移最大值。

S104，根据所述瞳孔中心的位移最大值，确定虹膜检测结果。

具体实现中，当所述瞳孔中心的位移最大值大于预设阈值时，确定所述虹膜照片为活体虹膜照片；当所述瞳孔中心的位移最大值不大于预设阈值时，确定所述虹膜照片为非活体虹膜照片，提示用户获取活体虹膜照片。

在本发明实施例中，首先获取多张虹膜照片；然后确定所述多张虹膜照片中的每张虹膜照片中的瞳孔中心的位置；其次根据所述每张虹膜照片中的所述瞳孔中心的位置，计算所述瞳孔中心的位移最大值；最后根据所述瞳孔中心的位移最大值，确定虹膜检测结果，从而提高了虹膜识别的准确性和识别效率，并且对眼睛没有伤害性。

请参考图2，图2是本发明提出的一种活体虹膜检测方法的第二实施例的流程图。如图所示，本发明实施例中的方法包括：

S201，获取多张虹膜照片。

具体实现中，可以通过内置摄像头在预设的时间内连续拍摄多照虹膜照片，预设时间可以为0.01秒或0.02秒；或者可以从其他摄像装置中获取连续拍摄的多照虹膜照片，或者可以从网络资源中下载多照虹膜照片。

S202，确定所述多张虹膜照片中的每张虹膜照片中的瞳孔中心的位置。

具体实现中，从每张虹膜照片中逐行逐像素搜索“黑-白-黑”结构模式的区域作为瞳孔候选区域，并记录瞳孔候选区域的边缘点和每行白线的中点；根据各个瞳孔候选区域的圆形度和平均灰度确定可信瞳孔区域；对确定的可信瞳孔区域的白线的中点执行随机抽样一致性的直线拟合，从而得到可信瞳孔区域的白线的可靠中点以及与可靠中点对应的边缘点；对与可靠中点对应的边缘点执行二次曲线拟合，从而得到可信瞳孔区域的可靠边缘点；对可信瞳孔区域的可靠边缘点进行椭圆拟合，从而得到瞳孔中心。

可选的，可以将虹膜照片中的眼球建模成圆或椭圆，利用霍夫变换检测圆或椭圆，进而确定每张虹膜照片中的瞳孔中心的位置。

S203，根据所述每张虹膜照片中的所述瞳孔中心的位置，计算所述瞳孔中心的位移最大值。

具体实现中，可以根据所述每张虹膜照片的所述瞳孔中心的位置，计算所述每张虹膜照片中的瞳孔中心到预设的眼眶参考点的距离；根据所述每张虹膜照片中的瞳孔中心到所述预设的眼眶参考点的距离，计算所述多张照片中的每两张虹膜照片中的瞳孔中心到所述预设的眼眶参考点的距离差值；根据所述多张照片中的每两张虹膜照片中的瞳孔中心到所述预设的眼眶参考点的距离差值，确定所述瞳孔中心的位移最大值。其中，眼眶参考点可以为眼眶上的任意位置。进一步，可以首先将该眼眶参考点作为坐标原点，分别确定每张虹膜照片中瞳孔中心的坐标，进而计算每张虹膜照片中的瞳孔中心到该坐标原点的距离，然后分别计算每两张虹膜照片中瞳孔中心到该坐标原点的距离差值，从中选取出距离差值为最大的一个作为所述瞳孔中心的位移最大值。

S204，根据所述瞳孔中心的位移最大值，确定虹膜检测结果。

具体实现中，当所述瞳孔中心的位移最大值大于预设阈值时，确定所述虹膜照片为活体虹膜照片；当所述瞳孔中心的位移最大值不大于预设阈值时，确定所述虹膜照片为非活体虹膜照片，提示用户获取活体虹膜照片。

S205，从所述多张虹膜照片中提取出虹膜纹理特征。

具体实现中，首先将虹膜照片分解为水平高频(LH1)、垂直高频(HL1)、对角高频(HH1)和低频逼近(LL1)四个子带图像；然后构造多个滤波器，通过改进的二维log-Gabor滤波算法，对低频逼近(LL1)子带图像从径向和角度两个方向上提取虹膜纹理特征，log-Gabor函数表达式为： $g(x,y)=\frac{1}{2{\mathrm{\π\δ}}_x{\mathrm{\δ}}_y}\exp \[-(\frac{x^2}{{{\mathrm{\δ}}_x}^2}+\frac{x^2}{{{\mathrm{\δ}}_y}^2})\]*cos\[2\mathrm{\π}f(xcos\mathrm{\θ}+ycos\mathrm{\θ})\],$ 其中，f为滤波器的中心频率，θ为滤波器的方向，δ_x ²、δ_y ²为高斯函数标准差，改造的二维log-Gabor函数定义为：h(x,y)＝g(x,y)exp[2πj(U_x+V_y)]，其中，U、V分别为径向中心频率两个轴的分量；最后，提取虹膜纹理特征的公式为：其中，I(x,y)为处理后的虹膜照片，为卷积运算，k表示第k个尺度，j表示第j个方向，F_kj包含幅值信息和相位信息。

S206，将所述虹膜纹理特征与预设的虹膜模板信息进行对比。

具体实现中，在获取多张虹膜照片之前，可以预先采集用户的眼睛照片，从采集的眼睛照片中提取出虹膜模板信息，并将虹膜模板信息存入到终端中。

S207，根据所述虹膜纹理特征与所述预设的虹膜模板信息的对比结果，识别所述用户的身份。

具体实现中，当所述虹膜纹理特征与所述预设的虹膜模板信息相同时，识别得到所述用户的身份为目标使用用户；当所述虹膜纹理特征与所述预设的虹膜模板信息不相同时，识别得到所述用户的身份为非法使用用户。

在本发明实施例中，首先获取多张虹膜照片；然后确定所述多张虹膜照片中的每张虹膜照片中的瞳孔中心的位置；其次根据所述每张虹膜照片中的所述瞳孔中心的位置，计算所述瞳孔中心的位移最大值；最后根据所述瞳孔中心的位移最大值，确定虹膜检测结果，进而根据虹膜检测结果识别出用户身份，从而提高了虹膜识别的准确性和识别效率，并且对眼睛没有伤害性。

请参考图3，图3是本发明是实施例提出的一种活体虹膜检测终端的结构示意图。如图所示，本发明实施例中的终端包括：

照片获取模块301，用于获取多张虹膜照片。

具体实现中，可以通过内置摄像头在预设的时间内连续拍摄多照虹膜照片，预设时间可以为0.01秒或0.02秒；或者可以从其他摄像装置中获取连续拍摄的多照虹膜照片，或者可以从网络资源中下载多照虹膜照片。

位置确定模块302，用于确定所述多张虹膜照片中的每张虹膜照片中的瞳孔中心的位置。

具体实现中，从每张虹膜照片中逐行逐像素搜索“黑-白-黑”结构模式的区域作为瞳孔候选区域，并记录瞳孔候选区域的边缘点和每行白线的中点；根据各个瞳孔候选区域的圆形度和平均灰度确定可信瞳孔区域；对确定的可信瞳孔区域的白线的中点执行随机抽样一致性的直线拟合，从而得到可信瞳孔区域的白线的可靠中点以及与可靠中点对应的边缘点；对与可靠中点对应的边缘点执行二次曲线拟合，从而得到可信瞳孔区域的可靠边缘点；对可信瞳孔区域的可靠边缘点进行椭圆拟合，从而得到瞳孔中心。

可选的，可以将虹膜照片中的眼球建模成圆或椭圆，利用霍夫变换检测圆或椭圆，进而确定每张虹膜照片中的瞳孔中心的位置。

位移计算模块303，用于根据所述每张虹膜照片中的所述瞳孔中心的位置，计算所述瞳孔中心的位移最大值。

具体实现中，位移计算模块303还可以进一步包括：

距离计算单元401，用于根据所述每张虹膜照片的所述瞳孔中心的位置，计算所述每张虹膜照片中的瞳孔中心到预设的眼眶参考点的距离。其中，眼眶参考点可以为眼眶上的任意位置。

差值计算单元402，用于根据所述每张虹膜照片中的瞳孔中心到所述预设的眼眶参考点的距离，计算所述多张照片中的每两张虹膜照片中的瞳孔中心到所述预设的眼眶参考点的距离差值。

最大值确定单元403，用于根据所述多张照片中的每两张虹膜照片中的瞳孔中心到所述预设的眼眶参考点的距离差值，确定所述瞳孔中心的位移最大值。

进一步，可以首先将该眼眶参考点作为坐标原点，分别确定每张虹膜照片中瞳孔中心的坐标，进而计算每张虹膜照片中的瞳孔中心到该坐标原点的距离，然后分别计算每两张虹膜照片中瞳孔中心到该坐标原点的距离差值，从中选取出距离差值为最大的一个作为所述瞳孔中心的位移最大值。

结果确定模块304，用于根据所述瞳孔中心的位移最大值，确定虹膜检测结果。

具体实现中，当所述瞳孔中心的位移最大值大于预设阈值时，确定所述虹膜照片为活体虹膜照片；当所述瞳孔中心的位移最大值不大于预设阈值时，确定所述虹膜照片为非活体虹膜照片，提示用户获取活体虹膜照片。

可选的，如图3所示，本发明实施例中的终端还可以进一步包括:

特征提取模块305，用于从所述多张虹膜照片中提取出虹膜纹理特征。

具体实现中，首先将虹膜照片分解为水平高频(LH1)、垂直高频(HL1)、对角高频(HH1)和低频逼近(LL1)四个子带图像；然后构造多个滤波器，通过改进的二维log-Gabor滤波算法，对低频逼近(LL1)子带图像从径向和角度两个方向上提取虹膜纹理特征，log-Gabor函数表达式为： $g(x,y)=\frac{1}{2{\mathrm{\π\δ}}_x{\mathrm{\δ}}_y}\exp \[-(\frac{x^2}{{{\mathrm{\δ}}_x}^2}+\frac{x^2}{{{\mathrm{\δ}}_y}^2})\]*cos\[2\mathrm{\π}f(xcos\mathrm{\θ}+ycos\mathrm{\θ})\],$ 其中，f为滤波器的中心频率，θ为滤波器的方向，δ_x ²、δ_y ²为高斯函数标准差，改造的二维log-Gabor函数定义为：h(x,y)＝g(x,y)exp[2πj(U_x+V_y)]，其中，U、V分别为径向中心频率两个轴的分量；最后，提取虹膜纹理特征的公式为：其中，I(x,y)为处理后虹膜照片，为卷积运算，k表示第k个尺度，j表示第j个方向，F_kj包含幅值信息和相位信息。

信息对比模块306，用于将所述虹膜纹理特征与预设的虹膜模板信息进行对比。

具体实现中，在获取多张虹膜照片之前，可以预先采集用户的眼睛照片，从采集的眼睛照片中提取出虹膜模板信息，并将虹膜模板信息存入到终端中。

身份识别模块307，用于根据所述虹膜纹理特征与所述预设的虹膜模板信息的对比结果，识别所述用户的身份。

具体实现中，当所述虹膜纹理特征与所述预设的虹膜模板信息相同时，识别得到所述用户的身份为目标使用用户；当所述虹膜纹理特征与所述预设的虹膜模板信息不相同时，识别得到所述用户的身份为非法使用用户。

在本发明实施例中，首先获取多张虹膜照片；然后确定所述多张虹膜照片中的每张虹膜照片中的瞳孔中心的位置；其次根据所述每张虹膜照片中的所述瞳孔中心的位置，计算所述瞳孔中心的位移最大值；最后根据所述瞳孔中心的位移最大值，确定虹膜检测结果，进而根据虹膜检测结果识别出用户身份，从而提高了虹膜识别的准确性和识别效率，并且对眼睛没有伤害性。

需要说明的是，对于前述的各个方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某一些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详细描述的部分，可以参见其他实施例的相关描述。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：闪存盘、只读存储器(英文：Read-OnlyMemory，简称：ROM)、随机存取器(英文：RandomAccessMemory，简称：RAM)、磁盘或光盘等。

以上对本发明实施例所提供的内容下载方法及相关设备、系统进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种活体虹膜检测方法，其特征在于，所述方法包括：

获取多张虹膜照片；

确定所述多张虹膜照片中的每张虹膜照片中的瞳孔中心的位置；

根据所述每张虹膜照片中的所述瞳孔中心的位置，计算所述瞳孔中心的位移最大值；

根据所述瞳孔中心的位移最大值，确定虹膜检测结果。

2.如权利要求1所述的方法，其特征在于，所述根据所述瞳孔中心的位移最大值，确定虹膜检测结果包括：

当所述瞳孔中心的位移最大值大于预设阈值时，确定所述虹膜照片为活体虹膜照片。

3.如权利要求2所述的方法，其特征在于，所述根据所述瞳孔中心的位移最大值，确定虹膜检测结果之后，还包括：

从所述多张虹膜照片中提取出虹膜纹理特征；

将所述虹膜纹理特征与预设的虹膜模板信息进行对比；

根据所述虹膜纹理特征与所述预设的虹膜模板信息的对比结果，识别所述用户的身份。

4.如权利要求1所述的方法，其特征在于，所述根据所述每张虹膜照片中的所述瞳孔中心的位置，计算所述瞳孔中心的位移最大值包括：

根据所述每张虹膜照片的所述瞳孔中心的位置，计算所述每张虹膜照片中的瞳孔中心到预设的眼眶参考点的距离；

根据所述每张虹膜照片中的瞳孔中心到所述预设的眼眶参考点的距离，计算所述多张照片中的每两张虹膜照片中的瞳孔中心到所述预设的眼眶参考点的距离差值；

根据所述多张照片中的每两张虹膜照片中的瞳孔中心到所述预设的眼眶参考点的距离差值，确定所述瞳孔中心的位移最大值。

5.如权利要求3所述的方法，其特征在于，所述根据所述虹膜纹理特征与所述预设的虹膜模板信息的对比结果，识别所述用户的身份包括：

当所述虹膜纹理特征与所述预设的虹膜模板信息相同时，识别得到所述用户的身份为目标使用用户。

6.一种活体虹膜检测终端，其特征在于，所述终端包括：

照片获取模块，用于获取多张虹膜照片；

位置确定模块，用于确定所述多张虹膜照片中的每张虹膜照片中的瞳孔中心的位置；

位移计算模块，用于根据所述每张虹膜照片中的所述瞳孔中心的位置，计算所述瞳孔中心的位移最大值；

结果确定模块，用于根据所述瞳孔中心的位移最大值，确定虹膜检测结果。

7.如权利要求6所述的终端，其特征在于，所述结果确定模块具体用于：

当所述瞳孔中心的位移最大值大于预设阈值时，确定所述虹膜照片为活体虹膜照片。

8.如权利要求7所述的终端，其特征在于，所述终端还包括：

特征提取模块，用于从所述多张虹膜照片中提取出虹膜纹理特征；

信息对比模块，用于将所述虹膜纹理特征与预设的虹膜模板信息进行对比；

身份识别模块，用于根据所述虹膜纹理特征与所述预设的虹膜模板信息的对比结果，识别所述用户的身份。

9.如权利要求6所述的终端，其特征在于，所述位移计算模块包括：

距离计算单元，用于根据所述每张虹膜照片的所述瞳孔中心的位置，计算所述每张虹膜照片中的瞳孔中心到预设的眼眶参考点的距离；

差值计算单元，用于根据所述每张虹膜照片中的瞳孔中心到所述预设的眼眶参考点的距离，计算所述多张照片中的每两张虹膜照片中的瞳孔中心到所述预设的眼眶参考点的距离差值；

最大值确定单元，用于根据所述多张照片中的每两张虹膜照片中的瞳孔中心到所述预设的眼眶参考点的距离差值，确定所述瞳孔中心的位移最大值。

10.如权利要求8所述的终端，其特征在于，所述身份识别模块具体用于：

当所述虹膜纹理特征与所述预设的虹膜模板信息相同时，识别得到所述用户的身份为目标使用用户。