CN105550631A - 一种虹膜图像采集方法及装置 - Google Patents

一种虹膜图像采集方法及装置 Download PDF

Info

Publication number
CN105550631A
CN105550631A CN201510526549.9A CN201510526549A CN105550631A CN 105550631 A CN105550631 A CN 105550631A CN 201510526549 A CN201510526549 A CN 201510526549A CN 105550631 A CN105550631 A CN 105550631A
Authority
CN
China
Prior art keywords
human eye
eye area
target image
pixel
camera
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
CN201510526549.9A
Other languages
English (en)
Other versions
CN105550631B (zh
Inventor
孔领领
周耀辉
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.)
Yulong Computer Telecommunication Scientific Shenzhen Co Ltd
Original Assignee
Yulong Computer Telecommunication Scientific Shenzhen Co Ltd
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 Yulong Computer Telecommunication Scientific Shenzhen Co Ltd filed Critical Yulong Computer Telecommunication Scientific Shenzhen Co Ltd
Priority to CN201510526549.9A priority Critical patent/CN105550631B/zh
Publication of CN105550631A publication Critical patent/CN105550631A/zh
Application granted granted Critical
Publication of CN105550631B publication Critical patent/CN105550631B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/18Eye characteristics, e.g. of the iris
    • G06V40/19Sensors therefor

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Ophthalmology & Optometry (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Studio Devices (AREA)
  • Image Processing (AREA)

Abstract

本发明实施例公开了一种虹膜图像采集方法,包括:通过摄像头获取目标图像,查找所述目标图像中包含的人眼区域;在人眼区域与目标图像的中心的距离大于或等于第一阈值时,根据人眼区域与目标图像的中心的位移展示提示信息或移动摄像头;获取人眼区域包含的瞳孔像素数量,计算瞳孔像素数量与目标图像包含的全局像素数量的比值;根据比值对摄像头进行变焦,获取虹膜图像。本发明还公开了一种虹膜图像采集装置。采用本发明,可以提高采集的虹膜图像的清晰度。

Description

一种虹膜图像采集方法及装置
技术领域
本发明涉及一种图像识别技术领域,特别涉及一种虹膜图像采集方法及装置。
背景技术
虹膜在胎儿发育阶段形成后,在整个生命历程中是保持不变的。这决定了虹膜特征的唯一性,同时也决定了身份识别的唯一性。因此,可以将眼睛的虹膜特征作为每个人的身份识别对象。目前生物特征识别技术中,虹膜识别是最安全、最稳定的技术之一。可应用于安防设备(如门禁等),以及需要高度保密的场所。例如,在好莱坞大片中,通过扫描眼睛视网膜开启保密房间或保险箱的场景。
虹膜识别主要分为虹膜图像采集、图像预处理、特征提取、识别认证这四个步骤。而虹膜图像采集是虹膜识别的第一步,也是至关重要的一个环节。由于虹膜的直径非常小,而采集的虹膜图像又要求必须有足够多的像素,所以虹膜图像获取是非常困难的。现有技术方案中无法准确、清晰的采集足够多的虹膜像素,增大了后续虹膜信息处理的难度,因此现有技术中采集虹膜图像的方法采集的虹膜图像清晰度不足。
发明内容
基于此,为解决上述传统技术中虹膜图像采集清晰度不足的问题,特提出了一种高效、快速的虹膜图像采集方法。
一种虹膜图像获取方法,包括:
通过摄像头获取目标图像,查找所述目标图像中包含的人眼区域;
在所述人眼区域与所述目标图像的中心的距离大于或等于第一阈值时,根据所述人眼区域与所述目标图像的中心的位移展示提示信息或移动摄像头;
获取所述人眼区域包含的瞳孔像素数量,计算所述瞳孔像素数量与所述目标图像包含的全局像素数量的比值;
根据所述比值对所述摄像头进行变焦,获取虹膜图像。
进一步的,所述方法还包括:利用特征识别算法查找所述目标图像中包含的人眼区域。
进一步的,所述获取所述人眼区域包含的瞳孔像素数量的步骤还包括:
获取所述人眼区域中的像素点的灰度值,根据所述人眼区域中的像素点的灰度值的中间值设定第二阈值;
查找所述人眼区域中灰度值小于第二阈值的像素点的数量。
进一步的,在所述查找人眼区域中灰度值小于第二阈值的像素点的数量步骤还包括:
根据圆形形状匹配算法对所述人眼区域进行干扰滤除处理,滤除掉形状不是圆形且所述人眼区域中灰度值小于第二阈值的像素点。
进一步的,所述根据所述比值对所述摄像头进行变焦还包括:
获取所述摄像头的最大变焦倍数;
判断所述比值与所述摄像头最大变焦倍数的乘积是否小于第三阈值,若是,则展示提示信息。
此外,为解决上述传统技术中虹膜图像采集清晰度不足的问题,提供了一种高效、快速的虹膜图像采集的装置。
一种虹膜图像采集装置,其特征在于,包括:
人眼区域查找模块,用于通过摄像头获取目标图像,查找所述目标图像中包含的人眼区域;
信息展示模块,用于在所述人眼区域与所述目标图像的中心的距离大于或等于第一阈值时,根据所述人眼区域与所述目标图像的中心的位移展示提示信息或移动摄像头;
瞳孔像素数量获取模块,用于获取所述人眼区域包含的瞳孔像素数量,计算所述瞳孔像素数量与所述目标图像包含的全局像素数量的比值;
焦距调节模块,用于根据所述比值对所述摄像头进行变焦,获取虹膜图像。
进一步的,所述装置还包括特征识别模块,用于利用特征识别算法查找所述目标图像中包含的人眼区域。
进一步的,所述瞳孔像素数量获取模块还用于获取所述人眼区域中的像素点的灰度值,根据所述人眼区域中的像素点的灰度值的中间值设定第二阈值;查找所述人眼区域中灰度值小于第二阈值的像素点的数量。
进一步的,所述瞳孔像素数量获取模块还用于根据圆形形状匹配算法对所述人眼区域进行干扰滤除处理,滤除掉形状不是圆形且所述人眼区域中灰度值小于第二阈值的像素点。
进一步的,所述虹膜图像获取模块还用于获取所述摄像头的最大变焦倍数;判断所述比值与所述摄像头最大变焦倍数的乘积是否小于第三阈值,若是,则展示提示信息。
上述虹膜图像获取方法及装置,用户利用计算机设备将人眼区域定位到目标图像的中心,可以保证采集的人眼像素点数量完整,再从中分离出瞳孔像素点,计算瞳孔像素数量与目标图像中的全局像素数量的比值,通过调节摄像头的焦距改变比值就可以获得足够多像素的虹膜图像,为后续虹膜信息处理奠定了良好的基础,从而提高了采集的虹膜图像的清晰度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅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。
其中:
图1为一个实施例中一种虹膜图像采集方法的流程图;
图2为一个实施例中目标图像与人眼区域相对位置的示意图;
图3为另一个实施例中目标图像与人眼区域相对位置的示意图;
图4为一个实施例中一种虹膜图像采集装置的结构示意图。
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,所描述的实施例仅仅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。
为解决上述提到的传统技术中采集到的虹膜图像清晰度不足的技术问题,在一个实施例中,如图1所示,特提出了一种虹膜图像采集的方法,该方法可依赖于计算机程序实现,可运行于基于冯诺依曼体系且安装有固定摄像头或可旋转摄像头的计算机系统上。该计算机系统可以是智能手机、笔记本电脑、平板电脑等安装有固定摄像头或可旋转摄像头的计算机设备。
具体的,该虹膜图像获取方法包括:
步骤S102:通过摄像头获取目标图像,查找目标图像中包含的人眼区域。
目标图像为用户利用摄像头拍摄的图像,在虹膜提取的应用场景中,即为通过摄像头拍摄的人体面部的图像。该图像包含多种面部信息,如人眼区域、鼻子区域、嘴巴区域等。其中人眼区域可视为圆形,包含眼球、眼睑及附属物(眉毛,睫毛等)等区域,而眼球区域又分为巩膜(眼白)、瞳孔(虹膜位于瞳孔内部)及角膜等几个主要部分。
在本实施例中,通过利用特征识别算法查找目标图像中包含的人眼区域。
特征识别算法是一种图像处理技术,基本原理是通过提取两个或多个图像的点特征、边缘特征或者区域特征等特征基元,对特征进行参数描述,然后运用所描述的参数进行诸如矩阵的运算、梯度的求解、傅立叶变换或者泰勒展开等数学运算来完成匹配,最终能够在一幅图像中识别出具有一定特征的目标。
基于图像特征的匹配方法可以克服利用图像灰度信息进行匹配的缺点。由于图像的特征点比像素点要少很多,大大减少了匹配过程的计算量;同时,特征点的匹配度量值对位置的变化比较敏感,可以大大提高匹配的精确程度;而且,特征点的提取过程可以减少噪声的影响,对灰度变化,图像形变以及遮挡等都有较好的适应能力。所以基于图像特征的匹配在实际中的应用越来越广泛。
目前常见的识别匹配算法是基于几何形状的特征匹配方法,利用该技术可以快速识别出眼睛、眉毛、鼻子、嘴等各种器官在面部图像中的位置。
步骤S104:在人眼区域与目标图像的中心的距离大于或等于第一阈值时,根据人眼区域与目标图像的中心的相对位移展示提示信息或移动摄像头。
在一个实施例中,拍摄用户a通过摄像头对着用户b的脸部拍摄了一幅图像(目标图像),计算机设备利用前述的特征识别算法在目标图像中查找到用户b的眼睛区域,此时,人眼区域在目标图像的左边,如图2所示。其中标号为A、B的区域分别为目标图像区域及人眼区域,目标区域A为方形。d为人眼区域中心到目标图像的中心的距离,d0为预设距离。通过对比发现d>d0,此时,若计算机设备安装固定摄像头,此时提示信息分两类:
其一,保持摄像头不动,提示被拍摄用户在取景范围内移动或调整面部位置。例如,人眼区域位于目标图像的图像区域中偏离中心点左侧的位置,此时提示被拍摄用户向摄像头取景视野的右侧移动。
其二,使被拍摄用户保持不动,提示拍摄用户在取景范围内移动或调整摄像头位置。例如,人眼区域位于目标图像的图像区域中偏离中心点左侧的位置,此时提示拍摄用户向摄像头取景视野的左侧移动。
若计算机设备安装有可旋转摄像头,此时旋转摄像头,然后进行变焦即可。而计算机设备展示提示信息的方式有多种,如播放语音,显示文字信息,播放视频等。
而计算机设备展示提示信息的方式可以为下述中的至少一种:
计算机设备播放一段语音,提示用户a不动,指示用户b向摄像头取景视野的右侧移动(d-d0)~d个单位长度的距离。
计算机设备播放一段语音,提示用户b不动,指示用户a向摄像头取景视野的左边移动(d-d0)~d个单位长度的距离。
计算机设备的显示屏上显示文字信息,提示用户a不动,指示用户b向摄像头取景视野的右侧移动(d-d0)~d个单位长度的距离。
计算机设备的显示屏上显示文字信息,提示用户b不动,指示用户a向摄像头取景视野的左边移动(d-d0)~d个单位长度的距离。
计算机设备的显示屏上播放一段视频,显示用户a不动,指示用户b向摄像头取景视野的右侧移动(d-d0)~d个单位长度的距离。
计算机设备的显示屏上播放一段视频,显示用户b不动,指示用户a向摄像头取景视野的左边移动(d-d0)~d个单位长度的距离。
通过这个步骤,可以将人眼区域中心定位到目标图像的中心,一方面可以获取到完整的人眼像素点,另一方面方便后面对摄像头焦距的缩放调节。
步骤S106:获取人眼区域包含的瞳孔像素数量,计算瞳孔像素数量与目标图像包含的全局像素数量的比值。
瞳孔像素是瞳孔图像的最小图形单元,这种最小的图形单元能在屏幕上显示通常是单个的染色点,而这些点的个数就是瞳孔像素数量。这些像素点在图像上的位置与坐标一一对应。例如:坐标(xpx,ypx)对应的是横向的第x个像素列与纵向的第y个像素行交叉所在的像素点的位置。
在本实施例中,需要找到瞳孔区域边缘上某一像素点的坐标,再根据圆的面积公式计算瞳孔区域面积,即可得到瞳孔像素的数量。例如,若目标图像为包含1280×960=1228800像素点的图像,即横向有1280个像素列,纵向有960个像素行,则其中心像素点的坐标为(640px,480px),若瞳孔区域边缘上某一个像素点的坐标为(640px,960px),近似此圆为连续的,则瞳孔区域的半径为480px,所以该区域总的像素数量为3.1415926*4802=723822,因此瞳孔像素数量与目标图像包含的全局像素数量的比值为723822/1228800=0.6。其中,目标图像包含的全局像素数量即为相机拍摄的目标图像的像素数量。这里目标图像的全局像素数量为1228800。
可选的,获取人眼区域包含的瞳孔像素数量的步骤之前,该方法还包括:获取人眼区域中像素点的灰度值,根据人眼区域中的像素点的灰度值的中间值设定第二阈值,查找所述人眼区域中灰度值小于第二阈值的区域。
所谓灰度值是指图像中点的色彩的浓淡程度。每一个像素有一个灰度值,对于8位的灰度图像,其灰度值范围为0~255,白色为255,黑色为0。预设某一灰度值,将获取到的灰度值与预设灰度值一一比较,筛选出灰度值小于预设灰度值的点,这些点组成的区域即为瞳孔区域。
进一步的,查找人眼区域中灰度值小于第二阈值的像素点的数量的步骤之前还可根据圆形形状匹配算法对所述人眼区域进行干扰滤除处理,滤除掉形状不是圆形且所述人眼区域中灰度值小于第二阈值的像素点。
灰度值小于第二阈值的像素点若不为圆形,则通常为误判的眉毛、睫毛等深色的区域。在本实施例中,通过圆形形状匹配算法,可以滤除掉眉毛、睫毛等灰度值小于第二阈值的像素点。
其中,形状匹配算法也是一种图像处理技术,而形状是用于目标识别的重要特征,也是对目标范围的二值图像的表示。通常其表示方式分两类,编码方式,如链码、游程码、freeman码等;简化方式,如差值、多项式、多边形逼近、和特征点检测等。通过特征计算能够提取出图像中特定形状的目标。目前有很多成熟算法能够轻松提取出圆形、方形、三角形等目标。
例如,一种基于加窗Hough变换的圆形检测算法。检测原理为:检测出圆形形状之后,得到圆的半径值,和目标圆形形状半径值进行相似性比对。
再例如,一种基于加窗Hough变换的任意三角形检测算法。检测原理为:在图像中选择适当大小的窗口,以窗口中心为坐标原点对窗口内图像作Hough变化,在图像的Hough域中检测直线段,滑动窗口,从检测出的直线段中找出满足三角形条件的线段组合,然后定位这些线段构成的三角形。改变线段的长度条件或者角度条件还可以检测直角三角形,等腰三角形,等边三角形等特殊三角形。
再例如,一种岛校检测图像中是否有三角形的算法。该方法利用区域填充及三角形三边的长度面积之间的关系实现三角形目标检测。
步骤S108:根据比值对摄像头进行变焦,获取虹膜图像。
根据前述瞳孔像素数量与目标图像包含的全局像素数量的比值,调节摄像头焦距,通常是焦距越大,比值越大。合理的比值使得相机能采集到更优质的虹膜信息。
例如,摄像头拍摄的目标图像包含1600*900=1440000个像素,而瞳孔区域所占的像素只有120000个,表明瞳孔区域所占的面积为全局图像的十二分之一,此时采集的瞳孔像素相对较少。增大相机的焦距后,采集到瞳孔区域占有的像素数量为1080000个,则表明瞳孔区域所占的面积为全局图像的四分之三,很明显此时采集的瞳孔信息比刚才优质很多。
在一个实施例中,如图2所示,当目标图像为方形时,此时调节摄像头焦距,使瞳孔区域边界与目标图像区域相切,前述比值最大,获取的瞳孔信息最优。
在另一个实施例中,如图3所示,当目标图像为圆形时,此时调节摄像头焦距,使瞳孔区域与目标图像区域重合,前述比值为1时,获取的瞳孔信息最优。
进一步的,可获取摄像头的最大变焦倍数,计算比值与摄像头最大变焦倍数的乘积,当小于第三阈值时,则展示提示信息。
对于变焦镜头,它的焦距有2个读数。其中数字较小的称为广角端,数字较大的称为长焦端,在拍摄时可以使用这2个焦距端范围内的任一焦距。用长焦端数字除以广角端数字,得到的就是变焦倍数,多个变焦倍数中的最大数即为最大变焦倍数。
获取摄像头最大变焦倍数后,通过计算前述比值与摄像头最大变焦倍数的乘积,所得结果即为摄像头获取的最大瞳孔像素数量,若该结果与目标图像包含的全局像素数量的比值小于预设值,此时计算机设备展示提示信息。提示信息分两类:
其一,保持摄像头不动,提示被拍摄用户在取景范围内向摄像头靠近。
其二,使被拍摄用户保持不动,提示拍摄用户将摄像头向被拍摄用户靠近。
而计算机设备提示这些信息的方式有多种,如播放语音,显示文字信息,播放视频等。
例如,若摄像头拍摄的目标图像包含1600*900=1440000个像素,且摄像头的最大变焦倍数为8,而瞳孔所占的像素只有18000个,即使将摄像头调到最大焦距,获取的瞳孔像素也只有144000个,此时采集的瞳孔信息质量较差。此种情况下,计算机设备播放一段语音提示,通知拍摄用户不动,而被拍摄用户向摄像头靠近,此时按照前述方法重新获取目标图像及定位人眼区域,采集到的瞳孔像素有240000,将变焦倍数调为6就可获得较优质虹膜图像。
本实施例中,通过计算机设备的提示和摄像头焦距的调节,就可以采集到优质虹膜图像,操作简单、高效、快速。
此外,为解决上述提到的传统技术中采集到的虹膜图像清晰度不足的技术问题,在一个实施例中,特提出了一种虹膜图像采集的装置。
具体的,该虹膜图像获取装置如图4所示,包括:人眼区域查找模块102、信息展示模块104、瞳孔像素数量获取模块106、焦距调节模块108,其中:
人眼区域查找模块102,用于通过摄像头获取目标图像,查找所述目标图像中包含的人眼区域;
信息展示模块104,用于在所述人眼区域与所述目标图像的中心的距离大于或等于第一阈值时,根据所述人眼区域与所述目标图像的中心的位移展示提示信息或移动摄像头;
瞳孔像素数量获取模块106,用于获取所述人眼区域包含的瞳孔像素数量,计算所述瞳孔像素数量与所述目标图像包含的全局像素数量的比值;
焦距调节模块108,用于根据所述比值对所述摄像头进行变焦,获取虹膜图像。
可选的,如图4所示,该装置还包括特征识别模块110,用于利用特征识别算法查找所述目标图像中包含的人眼区域。
可选的,瞳孔像素数量获取106模块还用于:获取所述人眼区域中的像素点的灰度值,根据所述人眼区域中的像素点的灰度值的中间值设定第二阈值;查找所述人眼区域中灰度值小于第二阈值的像素点的数量。
可选的,瞳孔像素数量获取模块106还用于:根据圆形形状匹配算法对所述人眼区域进行干扰滤除处理,滤除掉形状不是圆形且所述人眼区域中灰度值小于第二阈值的像素点。
进一步地,焦距调节模块108还用于获取所述摄像头的最大变焦倍数;判断所述比值与所述摄像头最大变焦倍数的乘积是否小于第三阈值,若是,则展示提示信息。
综上所述,实施本发明实施例,将具有如下有益效果:
采用了上述虹膜图像采集方法及装置之后,用户可主动或被动地调节人眼区域在通过摄像头拍摄到的目标图像中的相对位置,从而使得人眼区域可出现在目标图像中较中心的位置,然后可通过调节摄像头焦距来将人眼区域放大,从而使得瞳孔像素数量与目标图像中的全局像素数量的比值增大,就可以获得足够多像素的虹膜图像。也就是说,和传统技术相比,提高了采集的虹膜图像的清晰度能够准确、清晰的采集足够多的虹膜像素,增大了可供采集的样本空间,进而减小了后续虹膜信息处理的难度。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory,ROM)或随机存储记忆体(RandomAccessMemory,RAM)等。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种虹膜图像采集方法,其特征在于,包括:
通过摄像头获取目标图像,查找所述目标图像中包含的人眼区域;
在所述人眼区域与所述目标图像的中心的距离大于或等于第一阈值时,根据所述人眼区域与所述目标图像的中心的位移展示提示信息或移动摄像头;
获取所述人眼区域包含的瞳孔像素数量,计算所述瞳孔像素数量与所述目标图像包含的全局像素数量的比值;
根据所述比值对所述摄像头进行变焦,获取虹膜图像。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:利用特征识别算法查找所述目标图像中包含的人眼区域。
3.根据权利要求1所述的方法,其特征在于,所述获取所述人眼区域包含的瞳孔像素数量的步骤还包括:
获取所述人眼区域中的像素点的灰度值,根据所述人眼区域中的像素点的灰度值的中间值设定第二阈值;
查找所述人眼区域中灰度值小于第二阈值的像素点的数量。
4.根据权利要求3所述的方法,其特征在于,在所述查找人眼区域中灰度值小于第二阈值的像素点的数量步骤还包括:
根据圆形形状匹配算法对所述人眼区域进行干扰滤除处理,滤除掉形状不是圆形且所述人眼区域中灰度值小于第二阈值的像素点。
5.根据权利要求1所述的方法,其特征在于,所述根据所述比值对所述摄像头进行变焦还包括:
获取所述摄像头的最大变焦倍数;
判断所述比值与所述摄像头最大变焦倍数的乘积是否小于第三阈值,若是,则展示提示信息。
6.一种虹膜图像采集装置,其特征在于,包括:
人眼区域查找模块,用于通过摄像头获取目标图像,查找所述目标图像中包含的人眼区域;
信息展示模块,用于在所述人眼区域与所述目标图像的中心的距离大于或等于第一阈值时,根据所述人眼区域与所述目标图像的中心的位移展示提示信息或移动摄像头;
瞳孔像素数量获取模块,用于获取所述人眼区域包含的瞳孔像素数量,计算所述瞳孔像素数量与所述目标图像包含的全局像素数量的比值;
焦距调节模块,用于根据所述比值对所述摄像头进行变焦,获取虹膜图像。
7.根据权利要求6所述的装置,其特征在于,所述装置还包括特征识别模块,用于利用特征识别算法查找所述目标图像中包含的人眼区域。
8.根据权利要求6所述的装置,其特征在于,所述瞳孔像素数量获取模块还用于获取所述人眼区域中的像素点的灰度值,根据所述人眼区域中的像素点的灰度值的中间值设定第二阈值;查找所述人眼区域中灰度值小于第二阈值的像素点的数量。
9.根据权利要求8所述的装置,其特征在于,所述瞳孔像素数量获取模块还用于根据圆形形状匹配算法对所述人眼区域进行干扰滤除处理,滤除掉形状不是圆形且所述人眼区域中灰度值小于第二阈值的像素点。
10.根据权利要求6所述的装置,其特征在于,所述虹膜图像获取模块还用于获取所述摄像头的最大变焦倍数;判断所述比值与所述摄像头最大变焦倍数的乘积是否小于第三阈值,若是,则展示提示信息。
CN201510526549.9A 2015-08-25 2015-08-25 一种虹膜图像采集方法及装置 Active CN105550631B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510526549.9A CN105550631B (zh) 2015-08-25 2015-08-25 一种虹膜图像采集方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510526549.9A CN105550631B (zh) 2015-08-25 2015-08-25 一种虹膜图像采集方法及装置

Publications (2)

Publication Number Publication Date
CN105550631A true CN105550631A (zh) 2016-05-04
CN105550631B CN105550631B (zh) 2019-03-22

Family

ID=55829815

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510526549.9A Active CN105550631B (zh) 2015-08-25 2015-08-25 一种虹膜图像采集方法及装置

Country Status (1)

Country Link
CN (1) CN105550631B (zh)

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106778713A (zh) * 2017-03-01 2017-05-31 武汉虹识技术有限公司 一种动态人眼跟踪的虹膜识别装置及方法
CN108629293A (zh) * 2018-04-16 2018-10-09 西安交通大学 一种具有反馈机制的自适应近红外虹膜图像采集方法
WO2019006707A1 (zh) * 2017-07-05 2019-01-10 广东欧珀移动通信有限公司 虹膜采集方法、电子装置和计算机可读存储介质
WO2019015433A1 (zh) * 2017-07-18 2019-01-24 Oppo广东移动通信有限公司 解锁处理方法及相关产品
CN109376729A (zh) * 2018-12-28 2019-02-22 武汉虹识技术有限公司 虹膜图像采集方法及装置
CN110059678A (zh) * 2019-04-17 2019-07-26 上海肇观电子科技有限公司 一种检测方法、装置及计算机可读存储介质
CN110445978A (zh) * 2019-06-24 2019-11-12 华为技术有限公司 一种拍摄方法及设备
US10740605B2 (en) 2017-07-05 2020-08-11 Guangdong Oppo Mobile Telecommunications Corp., Ltd. Iris collection method, electronic device, and computer readable storage medium
CN111832344A (zh) * 2019-04-17 2020-10-27 深圳熙卓科技有限公司 一种动态瞳孔检测方法及装置
CN112399074A (zh) * 2020-10-10 2021-02-23 上海鹰瞳医疗科技有限公司 瞳孔定位方法、装置、电子设备和可读存储介质
CN113095182A (zh) * 2021-03-31 2021-07-09 广东奥珀智慧家居股份有限公司 一种人眼图像的虹膜特征提取方法及系统
CN113709353A (zh) * 2020-05-20 2021-11-26 杭州海康威视数字技术股份有限公司 图像采集方法和设备
CN113792708A (zh) * 2021-11-10 2021-12-14 湖南高至科技有限公司 基于arm的远距离目标清晰成像系统及方法
CN114973341A (zh) * 2022-03-31 2022-08-30 上海天马微电子有限公司 一种显示装置和指纹识别方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1288174A (zh) * 1999-09-14 2001-03-21 株式会社东芝 面部影象摄影装置和面部影象摄影方法
CN1543908A (zh) * 2003-11-18 2004-11-10 清华大学 一种虹膜图像的采集方法
US20080158409A1 (en) * 2006-12-28 2008-07-03 Samsung Techwin Co., Ltd. Photographing apparatus and method
CN101520838A (zh) * 2008-02-27 2009-09-02 中国科学院自动化研究所 自动跟踪和自动变焦的虹膜图像获取方法
CN102831392A (zh) * 2012-07-09 2012-12-19 哈尔滨工业大学 一种远距离虹膜跟踪与采集装置及其方法
CN103391361A (zh) * 2013-07-05 2013-11-13 中科创达软件股份有限公司 一种智能终端自拍构图自动提醒方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1288174A (zh) * 1999-09-14 2001-03-21 株式会社东芝 面部影象摄影装置和面部影象摄影方法
CN1543908A (zh) * 2003-11-18 2004-11-10 清华大学 一种虹膜图像的采集方法
US20080158409A1 (en) * 2006-12-28 2008-07-03 Samsung Techwin Co., Ltd. Photographing apparatus and method
CN101520838A (zh) * 2008-02-27 2009-09-02 中国科学院自动化研究所 自动跟踪和自动变焦的虹膜图像获取方法
CN102831392A (zh) * 2012-07-09 2012-12-19 哈尔滨工业大学 一种远距离虹膜跟踪与采集装置及其方法
CN103391361A (zh) * 2013-07-05 2013-11-13 中科创达软件股份有限公司 一种智能终端自拍构图自动提醒方法及装置

Cited By (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106778713B (zh) * 2017-03-01 2023-09-22 武汉虹识技术有限公司 一种动态人眼跟踪的虹膜识别装置及方法
CN106778713A (zh) * 2017-03-01 2017-05-31 武汉虹识技术有限公司 一种动态人眼跟踪的虹膜识别装置及方法
WO2019006707A1 (zh) * 2017-07-05 2019-01-10 广东欧珀移动通信有限公司 虹膜采集方法、电子装置和计算机可读存储介质
US10740605B2 (en) 2017-07-05 2020-08-11 Guangdong Oppo Mobile Telecommunications Corp., Ltd. Iris collection method, electronic device, and computer readable storage medium
WO2019015433A1 (zh) * 2017-07-18 2019-01-24 Oppo广东移动通信有限公司 解锁处理方法及相关产品
CN108629293A (zh) * 2018-04-16 2018-10-09 西安交通大学 一种具有反馈机制的自适应近红外虹膜图像采集方法
CN109376729A (zh) * 2018-12-28 2019-02-22 武汉虹识技术有限公司 虹膜图像采集方法及装置
CN109376729B (zh) * 2018-12-28 2022-02-22 武汉虹识技术有限公司 虹膜图像采集方法及装置
CN111832344B (zh) * 2019-04-17 2023-10-24 深圳熙卓科技有限公司 一种动态瞳孔检测方法及装置
CN110059678A (zh) * 2019-04-17 2019-07-26 上海肇观电子科技有限公司 一种检测方法、装置及计算机可读存储介质
CN111832344A (zh) * 2019-04-17 2020-10-27 深圳熙卓科技有限公司 一种动态瞳孔检测方法及装置
CN110445978A (zh) * 2019-06-24 2019-11-12 华为技术有限公司 一种拍摄方法及设备
CN110445978B (zh) * 2019-06-24 2020-12-15 华为技术有限公司 一种拍摄方法及设备
US11375120B2 (en) 2019-06-24 2022-06-28 Huawei Technologies Co., Ltd. Method and device for assisting capturing of an image
CN113709353A (zh) * 2020-05-20 2021-11-26 杭州海康威视数字技术股份有限公司 图像采集方法和设备
CN112399074A (zh) * 2020-10-10 2021-02-23 上海鹰瞳医疗科技有限公司 瞳孔定位方法、装置、电子设备和可读存储介质
CN112399074B (zh) * 2020-10-10 2022-04-05 上海鹰瞳医疗科技有限公司 瞳孔定位方法、装置、电子设备和可读存储介质
CN113095182A (zh) * 2021-03-31 2021-07-09 广东奥珀智慧家居股份有限公司 一种人眼图像的虹膜特征提取方法及系统
CN113792708A (zh) * 2021-11-10 2021-12-14 湖南高至科技有限公司 基于arm的远距离目标清晰成像系统及方法
CN114973341A (zh) * 2022-03-31 2022-08-30 上海天马微电子有限公司 一种显示装置和指纹识别方法

Also Published As

Publication number Publication date
CN105550631B (zh) 2019-03-22

Similar Documents

Publication Publication Date Title
CN105550631A (zh) 一种虹膜图像采集方法及装置
Tonsen et al. Labelled pupils in the wild: a dataset for studying pupil detection in unconstrained environments
Jeong et al. A new iris segmentation method for non-ideal iris images
US20150241967A1 (en) Eye Gaze Tracking
CN101246544B (zh) 一种基于边界点搜索和最小核值相似区边缘检测的虹膜定位方法
WO2017036160A1 (zh) 人脸识别的眼镜消除方法
US20160019421A1 (en) Multispectral eye analysis for identity authentication
KR101706992B1 (ko) 시선 추적 장치 및 방법, 이를 수행하기 위한 기록매체
CN108985210A (zh) 一种基于人眼几何特征的视线追踪方法及系统
EP2704056A2 (en) Image processing apparatus, image processing method
CN106056092A (zh) 基于虹膜与瞳孔的用于头戴式设备的视线估计方法
CN105046206B (zh) 基于视频中运动先验信息的行人检测方法及装置
WO2016010721A1 (en) Multispectral eye analysis for identity authentication
CN103067662A (zh) 一种自适应视线跟踪系统
CN107066969A (zh) 一种人脸识别方法
CN111353404A (zh) 一种人脸识别方法、装置及设备
CN105611142A (zh) 一种拍照方法及装置
CN106570447A (zh) 基于灰度直方图匹配的人脸照片太阳镜自动去除方法
CN110705454A (zh) 一种具有活体检测功能的人脸识别方法
Kurita et al. Scale and rotation invariant recognition method using higher-order local autocorrelation features of log-polar image
CN113920591B (zh) 基于多模态生物特征识别的中远距离身份认证方法及装置
Chen et al. A robust segmentation approach to iris recognition based on video
Kraichan et al. Face and eye tracking for controlling computer functions
CN114202795A (zh) 一种老年人瞳孔快速定位方法
Karakaya et al. An iris segmentation algorithm based on edge orientation for off-angle iris recognition

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant