CN105706108A - 用于基于虹膜的生物特征识别的装置和方法 - Google Patents

用于基于虹膜的生物特征识别的装置和方法 Download PDF

Info

Publication number
CN105706108A
CN105706108A CN201480061114.5A CN201480061114A CN105706108A CN 105706108 A CN105706108 A CN 105706108A CN 201480061114 A CN201480061114 A CN 201480061114A CN 105706108 A CN105706108 A CN 105706108A
Authority
CN
China
Prior art keywords
iris
image
picture frame
reception
storage
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
CN201480061114.5A
Other languages
English (en)
Other versions
CN105706108B (zh
Inventor
萨利尔·普拉巴卡尔
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.)
Delta ID Inc
Original Assignee
Delta ID 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 Delta ID Inc filed Critical Delta ID Inc
Publication of CN105706108A publication Critical patent/CN105706108A/zh
Application granted granted Critical
Publication of CN105706108B publication Critical patent/CN105706108B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06V40/197—Matching; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4023—Scaling of whole images or parts thereof, e.g. expanding or contracting based on decimating pixels or lines of pixels; based on inserting pixels or lines of pixels
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30041—Eye; Retina; Ophthalmic

Landscapes

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

Abstract

本发明提供了一种用于基于虹膜的生物特征识别的方法。该方法包括从图像传感器接收图像并且确定所接收的图像是否包括虹膜。重复接收和确定的步骤直至所接收的图像包括虹膜。响应于确定所接收的图像包括虹膜，将对应该接收的图像的虹膜信息与存储的对应至少一个虹膜的虹膜信息作比较，并且基于比较的输出来做出匹配判定或者不匹配判定。本发明另外提供了被配置用于基于虹膜的生物特征识别的系统和计算机程序产品。

Description

用于基于虹膜的生物特征识别的装置和方法
技术领域
本发明涉及用于获得并且处理对象的用于生物特征识别的眼部的一个或多个特征的图像的装置和方法。
背景技术
用于基于面部特征(包括眼部特征)的生物特征识别的方法已广为人知。用于虹膜识别的方法实现模式识别技术来将获取的对象的虹膜图像相对先前存储的对象的虹膜图像进行比较，并从而确定或验证对象的身份。利用数学或统计算法，基于图像将对应获取的虹膜图像的数字特征集编码。数字特征集或模板随后与先前编码的数字模板的数据库(所存储的对应于先前获取的虹膜图像的特征集)进行比较，用于找出匹配的位置并且确定或验证对象的身份。
用于虹膜识别的装置一般包括用于捕捉对象的虹膜的图像的成像装置以及用于将捕捉的图像相对先前存储的虹膜图像信息进行比较的图像处理装置。成像装置和图像处理装置可能包括分离的设备，或者可被结合于单个设备内。
虽然虹膜识别装置以前已经作为专用的或独立设备可获得，但越来越希望的是将虹膜识别能力并入到具有内置相机的手持设备或者移动通信设备或移动计算设备(统称为“移动设备”)中，诸如，移动电话、智能电话、个人数字助理、平板电脑、笔记本电脑或可穿戴计算设备。
在移动设备中实现基于虹膜的识别是方便的和非侵入的，并且允许个人访问能获取具有充分品质的虹膜图像以支持个人的身份的识别(辨认或验证)的紧凑的普适设备。通过将虹膜成像装置并入到移动设备中，这种移动设备获得了生物特征识别能力，该能力可以被用于各种应用，包括对移动设备本身的访问控制。
虽然现有技术的虹膜成像系统理论上能够被并入到移动设备中，但是通过现有技术的虹膜图像处理系统处理和相对先前存储的虹膜信息比较虹膜图像信息所花的时间将会是显著的——导致在虹膜图像获取和识别(或拒绝识别)之间存在明显的时间延迟。
时间延迟的主要的根本原因是可靠的虹膜图像处理和特征提取是计算密集的，使得难以处理一系列图像帧内的每个帧。特别是这种情形下，由于最新水平的图像传感器在视频模式中每秒生成至少30帧。尝试将由图像传感器生成的一系列图像帧内的每一帧与存储的模板作比较的进一步的缺点是：太多图像比较会增加观察到的错误匹配。错误匹配发生率根据识别系统在观察下的错误匹配率(FMR)或错误的正识别率(FPIR)来测量。
为克服以上缺点，可以实现自动图像选择过程。该选择方法计算每个图像帧中多个“品质”测量数据中的一个，并且选择在预设时间帧内检测到的最优帧，或者可替换地，选择满足预设的品质标准的一个或多个帧。现有的商业化可用的虹膜识别系统应用自动图像选择方法作为减少时间延迟的标准手段。
现有技术系统中的品质评估标准是图像帧的锐度(也称为焦点(focus，清晰度))测量。基于焦点评估的图像选择算法已被建立用于提高虹膜识别系统的效率。计算上高效的图像处理方法一般用于为每一帧获得表示其焦点品质的标量值，并且选择超过预设的焦点阈值的图像帧用于进一步处理和比较。
除了减少时间延迟和节省处理资源以外，自动图像选择过程还实现在参考模板(例如存储在数据库中的虹膜图像特征集)在图像捕捉位置处可能不容易获得的应用中。基于虹膜的识别系统在军事、民用、边境控制、国家ID、警察和侦察应用中的商业部署一般属于这个类别。这种应用要求识别系统存储、发送或者转发自动选出的图像帧，该图像帧相对参考模板在稍后的时间或不同的位置进行比较。例如，在军事应用中，选择出的(“捕捉到的”)图像或提取的特征集可以从外国发送至本国的中央服务器用于比较。在另一示例中，在国家的ID系统(诸如印度的UIDAI)中，捕捉的图像被发送至服务器机群以相对所有先前登记的对象剔除重复项。
尽管如以上所述，但使用自动图像选择过程也存在缺点——这是因为品质测量算法并不总是能够足够精确地预测图像帧的匹配能力。例如，已经发现在数据库中剔除最低的10％的品质图像仅能将错误负匹配率(FNMR)从7％提高至10％。这随着呈现不良权衡而得到确认，并且这确认了品质评估算法不是匹配能力的充分精确的预测器。
因此，优选的是，在移动设备内的基于虹膜的识别系统的应用，以及其中参考模板容易获得的系统，不应受到自动图像选择过程施加的缺点的影响。类似地优选的是，在某些客户端-服务器型虹膜识别系统中避免有关品质评估的缺点，在该系统中参考模板可以从中央服务器拖曳到本地客户端，在本地客户端发生虹膜成像。
本发明试图通过实现用于提高基于虹膜的识别系统的响应时间和精确性的替换方法来克服与自动图像选择方法有关的缺点。
发明内容
本发明提供了用于基于虹膜的生物特征识别的方法。在实施方式中，该方法包括以下步骤：(a)从图像传感器接收图像；(b)确定接收的图像是否包括虹膜；(c)重复步骤(a)和步骤(b)直至接收的图像包括虹膜；(d)响应于接收的图像包括虹膜，将对应所述接收的图像的虹膜信息与存储的对应至少一个虹膜的虹膜信息作比较；以及(e)基于比较的输出做出匹配判定或不匹配判定。
在本发明步骤(d)的比较可以包括：将通过对接收的虹膜图像执行特征提取而生成的虹膜特征集与存储的虹膜信息作比较。在实施方式中，可以重复步骤(a)至步骤(e)直至出现终止事件，该终止事件可以包括以下任何：(i)预设时间间隔的期满，或(ii)预设数量的接收的虹膜图像的比较，或(iii)基于对应接收的虹膜图像的虹膜信息与存储的虹膜信息之间的比较而做出匹配判定，或(iv)图像传感器和对象之间的距离超出预设最大距离，或(v)确定出接收的图像不包括虹膜。
在本发明的示例性实施方式中，响应于获取的图像与存储的对应至少一个虹膜的虹膜信息满足预设的相似度，可以做出匹配判定。
在本发明的方法的实施方式中，对在步骤(a)接收的图像执行图像子采样，以生成子采样图像，并且在这种情况下，在步骤(b)的确定可以包括对子采样图像的检查。
本发明可以另外提供用于基于虹膜的生物特征识别的方法，包括以下步骤：(a)从图像传感器接收图像，其中，接收的图像包括虹膜图像；(b)确定接收的虹膜图像是否满足至少一个预设标准；(c)重复步骤(a)和步骤(b)直至接收的虹膜图像满足至少一个预设标准；(d)响应于接收的虹膜图像满足至少一个预设标准，将对应上述接收的虹膜图像的虹膜信息与存储的对应至少一个虹膜的虹膜信息作比较；并且(e)基于比较的输出做出匹配或不匹配判定。预设标准可以包括以下至少一个：(i)灰度级扩展(ii)虹膜尺寸(iii)膨胀(iv)可用虹膜区域(v)虹膜-巩膜对比度(vi)虹膜-瞳孔对比度(vii)虹膜形状(viii)瞳孔形状(ix)图像裕度(x)图像锐度(xi)动态模糊(xii)信噪比(xiii)注视角(xiv)标量分数(scalarscore)(xv)将接收的虹膜图像与先前被取来用于比较的一个或多个虹膜图像隔开的最小时间间隔(xvi)将接收的虹膜图像与先前被取来用于比较的一个或多个虹膜图像隔开的顺序生成的虹膜图像的最小数量，以及(xvii)接收的虹膜图像与先前被取来用于比较的一个或多个虹膜图像之间的最小差别。
在以上方法的具体实施方式中，步骤(d)中的比较包括：通过对接收的虹膜图像执行特征提取而生成的虹膜特征集与存储的虹膜信息之间的比较。在实施方式中，可以重复步骤(a)至步骤(e)直至出现终止事件，该终止事件可以包括以下任何：(i)预设时间间隔的期满，或(ii)预设数量的接收的虹膜图像的比较的结束，或(iii)基于对应接收的虹膜图像的虹膜信息与存储的虹膜信息之间的比较做出匹配判定，或(iv)图像传感器和对象之间的距离超出预设的最大距离。
根据该方法的指定的实施方式，响应于接收的虹膜图像与存储的对应至少一个虹膜的虹膜信息满足预设的相似度，做出匹配判定。
在本发明方法的具体实施方式中，对在步骤(a)接收的图像执行图像子采样，以生成子采样图像，并且基于子采样图像，在步骤(b)确定接收的虹膜图像是否满足至少一个预设标准。
本发明另外提供一种用于基于虹膜的生物特征识别的方法，包括以下步骤：(a)从图像传感器接收图像，其中，图像包括虹膜图像；(b)通过将对应接收的虹膜图像的虹膜信息与存储的对应至少一个虹膜的虹膜图像信息作比较，执行第一组比较操作；(c)响应于步骤(b)中满足指定的结果的输出，通过将对应接收的虹膜图像的虹膜信息与存储的虹膜图像信息作比较，执行第二组比较操作；以及(d)基于在步骤(c)的第二组比较操作的输出，做出匹配判定或不匹配判定。
在这个方法的实施方式中，在步骤(c)的第二组比较操作将对应接收的虹膜图像的虹膜信息与上述存储的虹膜图像信息作比较，其中在步骤(b)已生成满足指定结果的输出。
在以上方法的实施方式中，指定结果可以包括：(i)接收的虹膜图像与存储的对应至少一个虹膜的虹膜图像信息之间的匹配；或(ii)接收的虹膜图像与存储的对应至少一个虹膜的虹膜图像信息之间的预设的相似度。在另一个实施方式中，指定结果可以包括：(i)接收的虹膜图像与存储的对应至少一个虹膜的虹膜图像信息之间的不匹配；或(ii)低于接收的虹膜图像与存储的对应至少一个虹膜的虹膜图像信息之间的预设的相似度。
在该方法的实施方式中，第二组比较操作中的至少一个操作不包括在第一组比较操作内。在另一个实施方式中，第一组比较操作和第二组比较操作中的至少一个包括从接收的虹膜图像提取虹膜特征集的特征提取操作。
第一组比较操作可以包括第一组特征提取操作，并且第二组比较操作可以包括第二组特征提取操作，使得第二组特征提取操作内的至少一个操作不包括在第一组特征提取操作内。
根据以上方法的一个实施方式，重复步骤(a)至步骤(d)直至：(i)确定接收的虹膜图像与存储的对应至少一个虹膜的虹膜图像信息之间的匹配；或(ii)接收的虹膜图像与存储的对应至少一个虹膜的虹膜图像信息满足预设的相似度。在另一个实施方式中，重复步骤(a)至步骤(d)直至出现终止事件，该终止事件可以包括以下任何：(i)预设时间间隔的期满，或(ii)预设数量的接收的图像的比较，或(iii)图像传感器和对象之间的距离超出预设的最大距离，或(iv)确定接收的图像不包括虹膜。
该方法可以包括对在步骤(a)接收的图像执行的图像子采样步骤，以生成子采样图像，其中，对子采样图像执行步骤(b)的第一组比较操作。在更加特定的实施方式中，在步骤(c)执行第二组比较操作的图像数据没有通过图像子采样进行减少。
本发明另外提供一种用于基于虹膜的生物特征识别的方法，包括以下步骤：(a)通过图像传感器初始化图像帧的顺序生成；(b)选择通过图像传感器生成的图像帧；(c)将对应选择出的图像帧的图像信息与存储的对应至少一个虹膜图像的虹膜图像信息作比较；以及(d)响应于在步骤(c)的比较，提出不匹配判定，选择由图像传感器生成的另一个图像帧并且重复步骤(c)和步骤(d)，对另一个图像帧的选择基于预设标准；其中，预设标准包括以下至少一个(i)执行图像处理或者比较的资源的可用性，或(ii)自出现对应先前选择出的图像帧的定义事件起经过了指定的时间间隔，或(iii)隔开先前选择的图像帧与正被考虑选中的图像帧的顺序生成的图像帧的指定数量，或(iv)先前选择的图像帧和正被考虑选中的图像帧之间的最小差别。
在以上方法的实施方式中，在步骤(c)中的比较之前有对第一图像执行特征提取以在第一图像内提取成像虹膜的虹膜特征集的步骤，并且在步骤(c)的比较包括将提取的虹膜特征集与存储的虹膜图像信息作比较。
本发明另外提供被配置为实现以上描述的以及贯穿说明书全文进一步详细描述的方法的系统和计算机程序产品。
本发明的实施方式包括用于基于虹膜的生物特征识别的计算机程序产品，该计算机程序产品包括具有包含在其中的计算机可读程序代码的计算机可用媒介，该计算机可读程序代码包括用于以下指令：(a)从图像传感器接收图像；(b)确定接收的图像是否包括虹膜；(c)重复步骤(a)和步骤(b)直至接收的图像包括虹膜；(d)响应于确定出接收的图像满足至少一个预设标准，将对应上述接收的图像的虹膜信息与存储的对应至少一个虹膜的虹膜信息作比较；并且(e)基于所述比较的输出做出匹配判定或不匹配判定。
本发明的另一个实施方式包括用于基于虹膜的生物特征识别的系统，包括图像传感器和处理装置，该处理装置配置用于：(a)从图像传感器接收图像；(b)确定接收的图像是否包括虹膜；(c)重复步骤(a)和(b)直至接收的图像包括虹膜；(d)响应于确定出接收的图像满足至少一个预设标准，将对应这些接收的图像的虹膜信息与存储的对应至少一个虹膜的虹膜信息作比较；以及(e)基于比较的输出做出匹配判定或不匹配判定。
附图说明
图1是用于虹膜识别的装置的功能框图。
图2示出了成像装置的示例性实施方式。
图3示出了基于虹膜图像的识别系统中涉及的步骤。
图4至图7是示出了根据本发明的用于基于虹膜的识别的方法的流程图。
图8示出了根据本发明的用于基于虹膜的识别的方法的实施方式。
图9是示出了根据本发明的用于基于虹膜的识别的方法的流程图。
图10示出了可以实现本发明各种实施方式的示例性计算机系统。
具体实施方式
本发明涉及配置用于基于虹膜成像和处理的生物特征识别的设备和方法。在一个实施例中，本发明的设备是具有在其中实现了基于虹膜的识别系统的移动设备。
图1是配置用于基于虹膜图像的识别的移动设备100的功能框图，移动设备100包括成像装置102和图像处理装置104。成像装置102获取对象的虹膜图像并将图像传输到图像处理装置104。由成像装置102捕捉到的图像可以是静止图像或视频图像。图像处理装置104随后分析获取的一个或多个图像帧，并且将对应的数字特征集与基于先前获取的虹膜图像而编码和存储的数字模板作比较，以识别对象或验证对象的身份。
尽管图1中没有示出，但移动设备100可以包括其他部件，包括用于从视频图像提取静止帧，用于处理并且数字化图像数据，用于虹膜图像登记(捕捉和存储对象的虹膜信息，并将存储的信息与该对象关联起来的处理)和比较(将从对象获取的虹膜信息相对先前在登记期间获取的信息作比较的处理，用于对象身份的辨认或验证)，以及用于使移动设备的部件之间能够进行通信的部件。移动设备的成像装置、图像处理装置和其他部件可以均包括隔开的设备，或可以结合在单个移动设备内。
图2示出了成像装置102的示例性实施方式，成像装置102具有壳体202、图像传感器204和光学组件206，其中图像传感器204和光学组件206设置在壳体206内。
成像装置102可以包括常规固态静物相机或摄影机，并且图像传感器204可以包括电荷耦合器件(CCD)或互补金属氧化物半导体(CMOS)器件。图像传感器204可被选择适合于至少对具有400纳米至1000纳米范围内任意值的波长的光的敏感度。光学组件206可以包括单个整体形成的元件，或可以包括为实现期望的图像形成性能而选择和配置的光学元件的组件。成像装置可以具有固定焦点，或通过使用若干普通技术中的任一种(例如音圈电机)实现的可变焦点。
如图2中示出的，光学组件206和图像传感器204可以相对于彼此配置和设置，使得(i)图像传感器204的一个表面与光学组件206的图像面重合，并且(ii)光学组件206的物面与用于虹膜图像获取的指定位置或对象的眼E重合。根据示出的，当对象的眼E被放置在物面时，在图像传感器204上形成眼的聚焦图像E’。
成像装置可以另外包括用于照亮被辨认对象的虹膜的照明器(未示出)。照明器可以发射波长落入400纳米至1000纳米范围内的辐射，并且在具体配置用于基于虹膜的图像识别的实施方式中，照明器可以发射具有在700纳米与900纳米之间的波长的辐射。该照明器可以包括任何光源，包括白炽光或发光二极管(LED)。
图3示出了在基于虹膜图像的识别系统中通常涉及的步骤。在步骤302中，成像设备获取对象的虹膜的图像。
在步骤304对获取的图像执行虹膜分割。虹膜分割指以下步骤：在获取的图像内定位虹膜的内部和外部边界，并且裁剪图像中对应虹膜的的部分。由于虹膜在形状上是环形的，虹膜分割一般包括在获取的图像内识别两个大体上同心的圆形边界—两个圆形边界对应虹膜的内部和外部边界。为此目的可以实现用于虹膜分割的几个技术，包括例如Daugman的虹膜分段算法。虹膜分割可以另外包括从获取的图像裁剪眼睑和眼睫毛。将理解，虹膜分割是在特征提取和比较之前的可选步骤，可以完全避免。虹膜分割有时理解为包括特征提取操作的一部分，并不总是单独地描述。
随后，在步骤306执行特征提取—包含处理对应裁剪出的虹膜图像的图像数据，以提取和编码那些表现根本生物特征特性的突出的和有区别的特征。对于虹膜图像，可以通过应用数字滤波器检查分割的虹膜图像的纹理(texture)来提取特征。应用数字滤波器可以产生包含突出的和有区别的虹膜特征的表现的二值化输出(也被称为“虹膜码”或“特征集”)。可以实施用于虹膜特征提取的数个技术，例如包括，Gabor滤波器应用。
在步骤308，比较算法将对应获取的虹膜图像的特征集相对来自数据库的先前存储的虹膜图像模板作比较，以生成表示输入图像和数据库模板之间差别(即，相似度或相异度)的分数。比较算法可以例如包括计算在两个虹膜图像的特征集之间的汉明距离，其中，计算出的归一化的汉明距离表示在两个虹膜之间相异度的度量。
特征提取和比较步骤可以结合到单个步骤中。同样地，特征提取步骤可被完全省去，在这种情况下，比较步骤可以包括将对应于接收的帧的虹膜图像信息与存储的对应于至少一个虹膜图像的虹膜信息作比较。为了本发明的目的，对比较步骤的任何引用应该理解为同样地适用于(i)在从特征提取步骤导出的特征集与存储的虹膜图像模板之间的比较，以及(ii)通过将对应于接收的帧的虹膜图像信息与存储的对应至少一个虹膜图像的虹膜信息作比较而执行的比较。
在步骤310中，比较步骤的结果用于达成有关获取的虹膜图像的身份的判定(身份判定)。
为了本说明书的目的，身份判定可以包括肯定判定和否定判定两者中的任一。肯定判定(“匹配”或“匹配判定”)包括确定为获取的虹膜图像(i)匹配已经记录或登记在系统内的虹膜图像或者虹膜模板，或者(ii)与已经记录或登记在系统内的虹膜图像或者虹膜模板满足预设的相似度。否定判定(“不匹配”或“不匹配判定”)包括确定为获取的虹膜图像(i)不匹配已经记录或登记在系统内的任何虹膜图像或者虹膜模板，或者(ii)与记录或登记在系统内的任何虹膜图像或者虹膜模板都不满足预设的相似度。在匹配(或不匹配)依赖于与记录或登记在系统内的虹膜图像或者虹膜模板满足(或无法满足)预设的相似度的实施方式中——预设的相似度可以根据应用和对于精确性的需求而改变。在某些设备(例如移动设备)中，身份验证可以导致访问授权或者许可移动设备或者移动设备通信的解锁，而无法识别虹膜图像可以导致拒绝解锁或拒绝允许访问。在本发明的实施方式中，匹配(或不匹配)判定可以传递给另一个设备或装置，该设备或装置可以被配置为响应传递的判定，授权或拒绝交易，或者授权或拒绝访问设备、装置、上述各项或信息。
在基于虹膜的识别系统涉及的各阶段中，已发现精确的虹膜分割和特征提取是特别资源密集的(与余下阶段相比)并且比其它阶段要求更多的处理时间和资源。鉴于与基于虹膜的成像和处理装置相关联的目前现有的处理能力，以及鉴于已知现有的移动设备的处理能力，已经发现分割和特征提取要求的处理步骤是担忧的虹膜识别系统中观察到的延迟和时间滞后的范围内的显著的病因因素。
图4是示出了根据本发明的用于基于虹膜的识别的方法的流程图。该方法通过从图像传感器接收图像帧开始于步骤402。响应于捕捉至少一个图像帧的致动指令，图像帧已被图像传感器获得。图像传感器可以被配置为两者之中任一：(i)通过捕捉单个图像帧(单帧图像捕捉模式)响应致动指令，或者(ii)通过捕捉图像传感器的视频帧速率(视频图像捕捉模式)下获取的图像帧序列来响应致动指令。
在步骤404中，对接收的图像帧执行虹膜分割和图像子采样中的之一或两者。虹膜分割可以包括以下两者中的之一或两者：(i)确定接收的图像帧是否包括虹膜图像，以及(ii)将该图像帧内的成像虹膜分离。图像子采样指减少图像帧的图像采样分辨率的过程——并且可以执行图像子采样以减少表示图像帧所要求的数据比特的数量。在图4的方法的实施方式中，可以完全省去虹膜分割或图像子采样中的之一或两者，或者将虹膜分割或图像子采样中的之一或两者结合到或归入到该方法的任一其它步骤中。
步骤405包括：确定任一或多个接收的图像帧或衍生的子采样图像帧或从接收的图像帧导出的图像信息，是否满足用于进一步处理的预设标准——进一步处理可以包括：特征提取或比较或两者都包括。在步骤405的预设标准可以在图像帧的评估的以下属性中的一个或多个方面来定义：(i)灰度级扩展(ii)虹膜尺寸(iii)膨胀(dilation)(iv)可用虹膜区域(v)虹膜-巩膜对比度(vi)虹膜-瞳孔对比度(vii)虹膜形状(viii)瞳孔形状(ix)图像裕度(x)图像锐度(xi)动态模糊(xii)信噪比(xiii)注视角(xiv)标量分数(xv)将考虑用于进一步处理的图像帧与用于进一步处理占用的先前图像帧的生成或接收隔开的最小时间间隔；(xvi)将用于进一步处理连续占用的两个图像帧隔开所需要的顺序生成的图像帧的最小数量，以及(xvii)考虑用于进一步处理的图像帧与用于进一步处理占用的先前图像帧之间的差别(相似度或相异度)。以下将进一步详细描述以上每个用于评估的因素。
如果图像帧不满足用于进一步处理的预设标准，该方法不进行到特征提取步骤，并反而回到步骤402以从图像传感器接收另一个图像帧。另一方面，如果在步骤402中获取的图像帧满足预设标准，则该方法在步骤406中对图像帧执行特征提取。在步骤406中也可以对对应在步骤402接收的图像帧的不变的图像数据执行特征提取。可替换地，如果接收的图像帧已经在步骤404中经受虹膜分割和/或图像子采样步骤，则可以对由虹膜分割和/或图像子采样步骤产生的输出图像数据执行特征提取。仍然可替换地，由虹膜分割和/或图像子采样步骤产生的输出图像数据可以仅用于确定图像帧是否满足用于进一步处理(在步骤405)的预设标准，而对发现满足预设标准的图像帧的特征提取步骤(在步骤406)可以针对没有通过虹膜分割或图像子采样进行减少的图像帧数据来执行。
在步骤408，对从特征提取步骤406产生的虹膜特征集执行比较。比较步骤可以包括：将提取的虹膜特征集与存储的对应至少一个虹膜图像的虹膜信息作比较。在步骤409，如果基于比较发现匹配，该方法可以终止，否则，该方法可以回送到步骤402用于下一个图像帧。特征提取和比较步骤可以结合到单个步骤中。同样地，特征提取可以完全省去，这种情况下，比较步骤可以包括：将对应接收帧的虹膜图像信息与存储的对应至少一个虹膜图像的虹膜信息作比较。
应理解在图4的步骤409中的循环是可选的，并且图4的方法的变形可以通过以下来进行：基于固定数量的获取的图像帧来搜索匹配，或者对图像帧执行比较时：(i)达固定的时间段(即直至方法超时)或(ii)直至已宣布匹配发现后的任意时间，或(iii)直至取消、超时或另外没有发现匹配而停止，此后终止方法。在实施方式中，在基于传感器确定成像传感器(或成像装置或容纳这样的装置或传感器的设备)与对象之间的距离超出预设的最大距离时，方法即可以终止。能够做这样的确定的传感器包括接近传感器，诸如电容式传感器、电容式位移传感器、多普勒效应传感器、涡流传感器、电感式传感器、激光测距仪传感器、磁性的(包括磁接近传感器)、无源光学传感器(包括电荷耦合器件)、热红外传感器、反射光电管传感器、雷达传感器、基于反射的传感器、基于声纳的传感器或基于超声波的传感器。在另一个实施方式中，该方法可以在以下情形终止：(i)如果出现在先前的图像帧中的眼被发现不在随后的图像帧中，或(ii)如果在随后的图像帧中的眼尺寸被发现减小——表明虹膜成像设备从眼的近处移开了。
相似地，在步骤405，如果获取的图像帧不满足用于进一步处理的预设标准，该方法可以不回到步骤402接收另一个图像帧，而仅终止。
在步骤402获取第二(以及每一个随后的)图像帧的方式可依赖于图像处理装置是否在单帧图像捕捉模式还是在视频图像捕捉模式。在单帧图像捕捉模式中，响应于操作器的图像传感器的重复致动或其他方法，将在步骤402仅获取连续的图像帧。在视频图像捕捉模式中，响应于单个致动，图像传感器捕捉连续的图像帧序列，并且可以在步骤402从在捕捉的图像帧序列内的连续图像帧之中获取下一图像帧。在各种实施方式中，连续的图像帧可以从图像传感器获取，(i)直至通过图像传感器生成的整个图像帧集已经被用尽，或(ii)直至已经从图像传感器接收预设数量的图像帧，或(iii)直至预设的时间点，或(iv)直至满足预设标准。
通过在提取步骤和/或比较步骤之前，选择性地丢弃不满足预设标准的图像帧，该方法减少了非产出的处理步骤的数量，因而改善响应时间以及功率损耗，并且防止不包含虹膜的图像的错误肯定。
如结合步骤405所述，在步骤405的预设标准可以根据以下因素的任一因素的一个或者多个来定义。
灰度级扩展——灰度级扩展测量强度值在图像中的扩展。具有宽的、适当分布扩展的强度值的图像帧表示适当曝光的图像。图像帧的灰度级扩展评估相应地表示图像帧曝光的定性测量。
虹膜尺寸——虹膜尺寸根据跨越虹膜半径的像素数量测量，其中圆形近似于虹膜边界。虹膜尺寸是在物体空间中的空间采样率的函数。通过指定用于进一步处理的阈值虹膜尺寸，该方法剔除了虹膜图像不能为精准的提取和比较提供充足的纹理信息的图像帧。
膨胀——膨胀可以限定为瞳孔直径与虹膜直径的比。膨胀程度可以改变成像虹膜的纹理内容。通过为虹膜图像获取限定预设的阈值或值范围，该方法确保在评估中的虹膜图像和先前登记的虹膜模板都具有可比较的膨胀，并且因此提高识别系统的精确性。
可用虹膜区域——可用虹膜区域被测量为没有被一个或多个睫毛、一个或多个眼睑、镜面反射、环境镜面反射或其它遮蔽的虹膜的百分比。虹膜遮蔽不仅减少用于比较的可用的虹膜纹理信息，而且降低虹膜分割过程的精确性，这两者都增加识别错误。定义可用虹膜区域的阈值用来消除可能导致识别误差的图像帧。
虹膜-巩膜对比度——不充足的虹膜-巩膜对比度可能影响虹膜分割和特征提取过程的精确性。在评估中的图像帧的虹膜-巩膜对比度可以因此包括预定的标准，用于在不前进至特征提取和比较的情况下剔除图像帧。
虹膜-瞳孔对比度——虹膜-瞳孔对比度测量在虹膜区和瞳孔之间的边界区的图像特性。低的虹膜-瞳孔对比度可能影响分割或降低特征提取操作的精确性。虹膜-瞳孔对比度可以因此用作预设的标准，用于在不进一步处理的情况下进行图像帧剔除。
虹膜形状——虹膜形状限定为虹膜-巩膜边界形状。虽然虹膜形状可能是解剖变异的结果，但它还可能通过诸如非正面注视的对象行为引起。虹膜形状作为预设的标准用于图像帧评估，因此，提供用于消除在图像捕捉期间虹膜形状可能受到对象行为影响的图像帧的依据。
瞳孔形状——在紧邻瞳孔的虹膜部分提供高信息内容。虹膜-瞳孔边界的准确检测因此是很重要的，并且瞳孔形状提供预设的标准用于图像帧评估，以及用于消除在图像捕捉期间瞳孔形状可能受到对象行为影响的图像帧。瞳孔形状作为用于图像评估的预设的标准，可以可替换地提供用于在对图像帧实施的交替的特征提取和比较操作之间进行选择的依据。
裕度——裕度指从四个图像帧边界(上、下、左和右)到外部虹膜边界的距离。不充足的图像裕度为特征提取带来困难。图像裕度可以因此用作标准，用于在不进一步处理的情况下剔除图像帧。
图像锐度——图像锐度包括在图像帧中观察到的散焦模糊的测量。散焦模糊一般在目标(例如虹膜)在相机的景深之外时被观察到。图像锐度可以因此用作标准，用于在不进一步处理的情况下剔除图像帧。
动态模糊——动态模糊由照相机运动或目标运动或两者都运动产生，并且增加红膜识别中的错误可能性。在手持设备中，动态模糊可能通过目标运动或手抖动引起或促成。在图像帧中的动态模糊程度可以因此用作标准，用于在没有特征提取和比较的情况下剔除不合适的图像帧。
信噪比——图像帧的信噪比提供适于特征提取和比较的决定。在示例性实施方式中，图像信噪比会被要求为大于或等于40dB，包含由图像压缩技术引入的噪声。
注视角——虹膜图像的注视角是在对象的光轴和照相机的光轴之间的偏差测量。当发现偏轴时虹膜的成像引起虹膜的投影变形，这影响特征提取和比较操作的精确性。用于容许的注视角的预定阈值用来剔除不合适的图像帧。
标量分数——图像帧的某些属性可以通过图像处理确定为预测它的匹配能力并且表示为标量分数。用于容许的分数的预定阈值用来剔除不合适的图像帧。
将考虑用于进一步处理的图像帧与用于进一步处理而取来的先前图 像帧的生成或接收隔开的时间间隔——预定时间间隔可以用于将用于特征提取和/或比较(或任一其它图像处理步骤)而采用的先前图像帧与可能采用用于特征提取和/或比较(或任一其它图像处理步骤)的下一个图像帧隔开。时间间隔可以基于图像帧(在图像传感器处)的生成时间或在用于处理的处理器中图像帧的接收时间来评估。例如，每100毫秒图像帧可以被占去用于提取和/或比较(或任一其它图像处理步骤)。在被占去用于提取和/或比较(或任一其它图像处理步骤)的连续的图像帧对之间的时间间隔可以是一致的(即对所有的图像帧对是一样的)或不一致的(即跨越不同的图像帧对可能改变)。
隔开用于进一步处理而连续取来的两个图像帧的顺序生成的图像帧 的数量——预定数量的顺序生成的图像帧(中间的帧)可以要求用来隔开用于特征提取和/或比较(或任一其它图像处理步骤)而连续采用的两个图像帧。在被获取用于提取和/或比较(或任一其它图像处理步骤)的连续的图像帧对之间的中间帧的预定数量可以是一致的(即对所有的图像帧对是一样的)或不一致的(即跨越不同的图像帧对可能改变)。
在考虑用于进一步处理的图像帧与先前取来用于进一步处理的一个 或多个图像帧之间的相似度或相异度——连续取来用于特征提取和/或比较(或任一其它图像处理步骤)的图像帧的选择可以基于在当前的图像帧与先前取来用于特征提取和/或比较(或任一其它图像处理步骤)的一个或多个图像帧之间的阈值差别的最小值或最大值(或最小值和最大值两者)。通过在当前的图像帧与先前取来用于特征提取和/或比较(或任一其它图像处理步骤)的一个或多个图像帧之间的差别实施最小阈值，本发明确保选择用于进一步处理的每个图像帧与早先的处理过的图像帧相比具有勉强察觉的差别——避免了对近乎相同的帧的冗余处理。通过在当前的图像帧和先前取来用于特征提取和/或比较(或任一其它图像处理步骤)的一个或多个图像帧之间的差别实施最大阈值，本发明确保选择用于进一步处理的每个图像帧与早先的已处理过的图像帧相比没有显著的差别，从而提高了这样的帧没有突然大的改变并且适用于提取、比较或用于进行匹配(或不匹配)判定的可能性。两个图像帧之间的差别可以根据曼哈顿(Manhattan)距离、欧几里德距离、马哈拉诺比斯(Mahalanobis)距离或任一其它可以应用于或适合于图像帧的相似度或或相异度的度量来测量。
如以上所论述，以上每个评估因素可以用作一个或多个预设标准，用于在不对图像执行特征提取和比较操作的情况下剔除不合适的图像。可替换地，这些因素可以用作依据，用来选择最适于评估下的图像帧的虹膜分割和/或特征提取操作。例如，确定虹膜形状是非圆形的(即不满足预定的圆形阈值)可以为虹膜分割和特征提取操作提供不要作圆形假定的依据。
特征提取和/或比较步骤可以重复用于通过了以上描述的剔除标准的每一帧。因此，当发现匹配或当预设超时，或在发现匹配后的任何时间都可以终止虹膜识别。在优选的实施方式中，特征提取和/或比较步骤可以一秒重复3次或更多次。
本发明另外试图通过实现多程特征提取和/或比较来最优化在视频图像捕捉模式下的虹膜识别过程。
图5是描述包含用于虹膜图像识别的多程提取和/或比较方法的本发明实施方式的流程图。在步骤502该方法初始化在图像传感器的图像帧生成。图像传感器可以被配置为通过在单帧图像捕捉模式和视频图像捕捉模式两者之中的任一模式中捕捉图像来响应致动指令。可在处理器处从图像传感器接收通过图像传感器生成的图像帧，该图像帧包括虹膜图像。
在步骤503，可以对通过图像传感器生成并且从图像传感器接收的图像帧执行虹膜分割和图像子采样中的之一或两者。同样地，该方法可以省去虹膜分割和图像子采样中的之一或两者，或可以把虹膜分割和图像子采样中的之一或两者并入或归入到一个或多个其它的图像处理步骤中。
在步骤504，第一程包括执行第一组特征提取和/或比较操作，特征提取和/或比较操作可以对接收的图像帧和从接收的图像帧导出的图像信息两者中的任一个执行。第一组特征提取和/或比较操作可以分别包括第一组特征提取操作和/或第一组比较操作。对接收的虹膜图像执行第一组特征提取操作，以在接收的图像帧内提取该虹膜图像的第一虹膜特征集。(i)通过将第一组虹膜特征集与至少一个存储的虹膜图像模板作比较，或(ii)通过将对应接收的图像帧的图像信息与存储的对应至少一个虹膜图像的图像信息作比较来执行第一组比较操作——第一组比较操作旨在作出关于在接收的图像帧内的虹膜图像的匹配(或不匹配)判定。
在该方法的实施方式中，可以对对应在步骤502生成的图像帧的不变的图像数据执行在步骤504的第一组特征提取和/或比较操作。然而，在优选的实施方式中，接收的图像帧已经在步骤503经受虹膜分割和/或图像子采样步骤，可以基于从上述虹膜分割和或图像子采样产生的输出图像数据执行特征提取和/或比较。
步骤506确定第一程是否产生对应预先指定的结果(诸如例如，第一程是否产生匹配)的输出，并且如果是，则方法移至下一步。
另一方面，如果第一程不产生对应预先指定的结果的输出(例如，如果第一程不产生匹配)，则在步骤508执行第二程，第二程包括对接收的图像帧或来源于接收的图像帧的信息施加第二组特征提取和/或比较操作。
在另一个实施方式中，如果第一程不产生对应预先指定结果的输出，则可以基于某些预设标准跳过该图像帧。
第二组特征提取和/或比较操作可以分别包括第二组特征提取操作和第二组比较操作。对接收的虹膜图像执行第二组特征提取操作以在接收的图像帧内提取虹膜图像的第二组虹膜特征集。其后可以通过将第一组虹膜特征集与从虹膜数据库检索到的至少一个存储的虹膜图像模板作比较来执行第二组比较操作——第二组比较操作使能作出关于在接收的图像帧内的虹膜图像的匹配(或不匹配)判定。
在图5的方法的一个实施方式中，第一组和第二组特征提取操作中的之一或两者可以包括：不包括在另一组的特征提取操作内的至少一个操作。在具体的实施方式中，第二组特征提取操作包括的至少一个操作不包括在第一组特征提取操作内。类似地，第一组和第二组比较操作中的之一或两者可以包括：不包括在另一组比较操作内的至少一个操作。然而，在具体的实施方式中，第一组比较操作和第二组比较操作可以是相同的。在又一个具体的实施方式中，第一组特征提取操作和第二组特征提取操作可以是相同的。
其后，基于第二程的结果作出匹配(或不匹配)判定。在该方法的实施方式中，接收的图像帧可以经受在步骤503的虹膜分割和/或图像子采样步骤，并且可以对从上述虹膜分割和/或图像子采样产生的输出图像数据执行特征提取和/或比较。然而在该方法的优选实施方式中，尽管图像帧已经在步骤503经受可选的虹膜分割和/或图像子采样中的之一或两者，但在步骤508，对对应在步骤502生成的图像帧的不变的图像帧数据(即对没有被虹膜分割和虹膜子采样中的之一或两者减少的图像帧数据)，执行第二组特征提取和/或比较操作。
分别选择第一组和第二组特征提取和/或比较操作以优化时间效率和精确性中的一个或多个。
在图5示出的方法的实施方式中，第一组特征提取和/或比较操作和第二组特征提取和/或比较操作在以下的一个或多个方面彼此不同：(i)实现的处理算法，(ii)用于执行的指令数量，(iii)需要的处理资源，(iv)算法复杂性，以及(v)应用于虹膜图像的滤波器。
在图5示出的方法的优选实施方式中，第二组特征提取和/或比较操作是更加处理器密集的和/或时间密集的。因此，执行第一程比执行第二程更快速和/或需要更少的系统资源。在第一程的结果足以提出匹配(或不匹配)判定，该方法完全避免必需运行更复杂的和/或更计算密集的第二程特征提取和/或比较操作——这显著提高了为作出匹配(或不匹配)判定而需要的时间。
在图5的方法的实施方式中，图像帧已经在在步骤503经受虹膜分割和图像子采样中的之一或两者，第一组特征提取和/或比较操作和第二组特征提取和/或比较操作可以是相同的。在这个实施方式中，对从步骤503的虹膜分割和图像子采样产生的输出图像帧数据执行第一程特征提取和/或比较操作，而对对应没有被图像子采样减少的获取的图像帧的图像帧数据执行第二程特征提取和/或比较操作。
虽然图5中没有示出，如果在步骤508的第二程没有提出充分的结果支持匹配(或不匹配)判定或没有提出对应预先指定结果的输出，该方法可以从图像传感器接收另一个图像帧并且继续重复步骤503至步骤510。可替换地，在这种情况下，该方法可以在不接收另一个图像帧的情况下仅终止。
图6是示出多程提取和/或比较方法的另一个实施方式的流程图。在步骤602，该方法初始化在图像传感器处的图像帧的生成。图像传感器可以被配置为通过在单帧图像捕捉模式或视频图像捕捉模式两者中的任一模式中捕捉图像来响应致动指令。
在步骤603，可以对通过图像传感器生成并且从在处理器从图像传感器接收的图像帧执行虹膜分割和图像子采样中的之一或两者。同样地，该方法可以省去虹膜分割和图像子采样中的之一或两者，或者可以将虹膜分割和图像子采样中的之一或两者并入或归入到一个或多个其它的图像处理步骤中。
在步骤604，第一程包括执行第一组特征提取和/或比较操作，对从图像传感器接收的图像帧执行第一程。在方法的实施方式中，可以在步骤604对对应从图像传感器接收的图像帧的不变的图像数据执行特征提取和/或比较操作。然而在优选的实施方式中，接收的图像帧已经在步骤603经受虹膜分割和/或图像子采样步骤，并且可以对从上述虹膜分割和/或图像子采样产生的输出图像帧数据执行特征提取和/或比较。
第一组特征提取和/或比较操作可以分别包括第一组特征提取操作和/或第一组比较操作。可以对接收的虹膜图像执行第一组特征提取操作，以提取在接收的图像帧内的虹膜图像的第一虹膜特征集。可以(i)通过将第一虹膜特征集与从虹膜数据库检索到的至少一个存储的虹膜图像模板作比较，或(ii)通过将对应接收的图像帧的图像信息与存储的对应至少一个虹膜图像的图像信息作比较来执行第一组比较操作——第一组比较操作旨在使能提出关于在接收的图像帧内的虹膜图像的匹配(或不匹配)判定。
步骤606确定是否发现匹配。如果发现匹配，在考虑中的图像帧在步骤608经受第二程，第二程包括执行第二组特征提取和/或比较操作，并且在步骤610基于第二程的结果提出第二匹配(或不匹配)判定。第二组特征提取和/或比较操作可以分别包括第二组特征提取操作和第二组比较操作。对接收的虹膜图像执行第二组特征提取操作以提取在接收的图像帧内的虹膜图像的第二虹膜特征集。可以(i)通过将第二虹膜特征集与从虹膜数据库检索到的至少一个存储的虹膜图像模板作比较，或(ii)通过将对应接收的图像帧的图像信息与存储的对应至少一个虹膜图像的图像信息作比较来执行第二组比较操作——比较操作旨在使能提出关于在接收的图像帧内的虹膜图像的匹配(或不匹配)判定。
如果在步骤606没有发现匹配，该方法可以从图像传感器接收另一个图像帧并且继续重复步骤603至步骤610。可替换地，在这种情况下，该方法可以在不接收另一个图像帧的情况下仅终止。
在该方法的实施方式中，获取的图像帧已经在步骤603经受虹膜分割和/或图像子采样步骤，并且可以在步骤608对从上述虹膜分割和/或图像子采样产生的输出图像数据执行第二程特征提取和/或比较。然而，在该方法的优选实施方式中，尽管图像帧已经在步骤603经受虹膜分割和图像子采样中的之一或两者，在步骤608对对应在步骤602时生成的图像帧的不变的图像数据执行第二程特征提取和/或比较操作。
在图6的方法的一个实施方式中，第一组特征提取操作和第二组特征提取操作中的之一或二者可以包括的至少一个操作不包括在另一组特征提取操作中。在具体的实施方式中，第二组特征提取操作包括的至少一个操作不包括在第一组特征提取操作中。类似地，第一组比较操作和第二组比较操作中的之一或二者可以包括的至少一个操作不包括在另一组比较操作中。然而在具体的实施方式中，第一组比较操作和第二组比较操作可以是相同的。在又一个具体的实施方式中，第一组特征提取操作和第二组特征提取操作可以是相同的。
可以选择图6示出的该方法的第一组和第二组特征提取和/或比较操作(并且特别是特征提取操作)来优化时间效率和精确性。
在图6的实施方式中，在步骤604的第一组特征提取和/或比较操作比在步骤608的第二组比较和/或特征提取操作至少：(i)计算较不密集，(ii)需要更少的处理资源，或(iii)具有更低阶的算法复杂性。因此，用于识别候选图像帧的第一程特征提取和/或比较操，可以在来自由图像传感器获取的图像帧的集中的大量图像帧(以及在实施方式中，在来自获取的图像帧的集的所有图像帧)上进行，而没有大量时间和资源开销。另一方面，仅需要针对在第一程被辨认为支持匹配(或不匹配)决定的可能的候选的图像帧上，执行更复杂的/资源更密集第二程的特征提取和/或比较操作。总之，在精确性没有显著下降的情况下，已经建立图6的方法实施方式的第一和第二程来提供显著改善的匹配(或不匹配)身份判定的响应时间。
不进行限制，图6的第一组和第二组特征提取和/或比较操作可以在以下任一或两方面不同：为检查虹膜图像的纹理而在特征提取期间应用的滤波器的数量和类型。
已发现以上描述的各两程方法在基于虹膜的图像识别处理的结果的处理时间和结果精确度方面提供了显著的改善。
本发明另外提供改善的方法用于选择作进一步处理的虹膜图像帧。
基于目前的技术状况，用于虹膜成像的图像传感器的帧速率通常介于每秒5帧至每秒240帧范围之间。在这些帧速率下，图像传感器以在一秒的1/240至一秒的1/5之间的时间间隔获取连续的图像帧。例如，对于被配置为以每秒30帧获取视频的成像传感器，每一连续的图像帧以一秒的1/30的时间间隔获取。
应理解，对象的运动机能或物理反应时间一般比图像传感器的帧速率更慢。诸如(i)改变对象头部相对虹膜照相机的直线，(ii)眼睑或睫毛运动，或(iii)由对象、操作员、或手提式成像设备的直接环境引起的任一其它的主动的或非主动的运动或变化，一般需要至少一秒的3/10至一秒的4/10的时间滞后，并且在若干情形中滞后时间更长。因此已观察到在一个虹膜视频剪辑内的每个连续的图像帧可感知出不同于紧接的之前的图像帧。更具体地，根据包括对象和/或操作员的运动机能和直接环境等多个因素，通常在不连续的图像帧中观察到图像帧之间的可感知出的变化——不连续的图像帧可以是在每隔一图像帧间和每15个连续的帧间的任一处。
可感知的变化可以在视频流内的图像帧中观察到的速率，由于基于相同的或基本上类似的图像帧的提取和比较步骤必将产生相同的或基本上类似的结果的原因而获取相关性。因此，如果一特定图像帧不适合用于提取和比较、或用于呈现可靠的匹配(或不匹配)判定，则选择与早先的图像帧相比具有可察觉的差别的下一个图像帧，用于提高下一个图像帧适合用于提取、比较或呈现匹配(或不匹配)判定的可能性。
例如，如果在特定的图像帧里对象的虹膜由于眨动眼睑或睫毛而被模糊，则它在紧接其后的帧中保持模糊的可能性依然是高的。然而，当后续的帧被跳过时，获得清晰的眼的图像帧的可能性增加——因为每个被跳过的帧提高了眨眼动作已经完成的概率。
因此，代替在对象虹膜的视频流内的每个连续的帧上执行特征提取和比较，本发明跳过中间帧以提高取来的用于提取和比较的下一帧与早先的帧可感知出不同的概率。
图7示出了这个方法的实施方式。
在步骤702，成像装置的图像传感器，该方法在视频捕捉模式下初始化图像传感器的图像帧的顺序生成。
在步骤704，在处理器从图像传感器接收图像帧。在步骤704接收的图像帧可以是在生成的图像帧序列内的初始图像帧或者可以是随后的任何其它图像帧。
其后，步骤706对接收的图像帧实现提取和/或比较操作。步骤706的提取和/或比较操作可以分别包括一组特征提取操作和一组比较操作。对接收的虹膜图像执行该组特征提取操作，以在接收的图像帧内提取虹膜图像的虹膜特征集。可以(i)通过将虹膜特征集与从虹膜数据库检索到的至少一个存储的虹膜图像模板作比较，或(ii)通过将对应接收的图像帧的图像信息与存储的对应至少一个虹膜图像的图像信息作比较来执行该组比较操作——比较操作旨在使能提出关于在接收的图像帧内的虹膜图像的匹配(或不匹配)判定。
在步骤708该方法确定是否发现匹配。
如果在步骤708没有发现匹配，步骤710从生成的序列图像帧的集中接收下一个图像帧，其中，下一个图像帧从通过图像传感器顺序生成的图像帧之中选择使得，根据预设标准，下一个图像帧与早先选择的图像帧隔开。在步骤706对选择的下一个图像帧执行特征提取和/或比较，并且该方法继续直至发现匹配。
用于从通过图像传感器顺序生成的图像帧之中选择下一个图像帧的预设标准，可以包括使能选择用于处理的下一个图像帧的任一标准。
在本发明的实施方式中，预设标准限定使连续取来用于特征提取和/或比较的两个图像帧隔开所需要的顺序生成的图像帧(即中间帧)的数量。例如，预设标准可以指定使连续取来用于特征提取和/或比较的第一图像帧和下一个图像帧隔开需要的中间帧的数量。
在本发明的实施方式中，预设标准可以要求中间帧的均匀分布，即每一对连续取来用于特征提取和/或比较的图像帧应当通过由图像传感器顺序生成的相同数量的图像帧隔开。例如，预设标准可以指定取来用于特征提取和/或比较的每一图像帧应该由一个图像帧与取来用于特征提取和/或比较的紧接在前的图像帧隔开——在这种情况下，通过图像传感器生成的每隔一图像帧将会取来用于特征提取和/或比较。在另一个实施方式中，预设标准可以要求中间帧的不均匀分布，即隔开连续取来用于特征提取和/或比较的第一对图像帧的中间图像帧的数量可以与隔开连续取来用于特征提取和/或比较的第二对图像帧的中间图像帧的数量不同。例如，预设标准可以指定被取来用于特征提取和/或比较的第一图像帧和第二图像帧应该由零个中间帧隔开；被取来用于特征提取和/或比较的第二图像帧和第三图像帧应该由两个中间帧隔开；被取来用于特征提取和/或比较的第三图像帧和第四图像帧应该由一个中间帧隔开等等。中间帧的不均匀分布模式可以被改变以优化虹膜识别方法的效率。
在本发明的另一个实施方式中，预设标准限定隔开(从图像传感器)接收被取来用于特征提取和/或比较的第一图像帧的时间和(从第二图像传感器)接收被取来用于特征提取和/或比较的下一个图像帧的时间的时间间隔。例如，预设标准可以指定图像帧可以以每100毫秒被取来用于提取和/或比较。时间间隔可以进一步指定待测量的间隔是否基于在图像传感器的图像帧的生成(例如，在图像传感器每100毫秒生成的图像帧可以被取来用于提取和/或比较)，或基于图像帧从图像传感器的接收(例如，每100毫秒从图像传感器接收的图像帧可以被取来用于提取和/或比较)。如在以上讨论的实施方式中的情况下，被取来用于提取和/或比较的连续图像帧的对之间的时间间隔可以是均匀或非均匀的。
在又一个实施方式中，预设标准可以包括用于执行图像处理或比较需要的资源的可用性状态。
用于选择两个连续的用于提取和/或比较的图像帧的预设标准可以是以下一个或多个的函数：(i)图像传感器的帧速率，(ii)人的运动机能，(iii)由于虹膜图像获取处理的结果可以预期的任何环境状态改变中涉及的时间。
结合图7概括地描述本发明的另一个实施方式，用于选择连续被取来用于特征提取和/或比较的图像帧的预设标准，是在连续被取来用于特征提取和/或比较的第一图像帧和下一个图像帧之间的最小阈值差别。通过为在连续被取来用于特征提取和/或比较的两个图像帧之间的差别实现最小阈值，本发明确保每个选择用于进一步处理的图像帧与早先的已处理的图像帧相比具有可感知的差别——这提高了这样的图像帧适用于提取、比较或提出匹配(或不匹配)判定的可能性。在两个图像帧之间的差别可以根据曼哈顿距离、欧几里德距离、马哈拉诺比斯距离或任一其它可以应用于或适合于图像帧的相似度或相异度的度量来测量。类似地，在连续被取来用于特征提取和/或比较的第一图像帧和第二图像帧之间的最小阈值差别，可以根据曼哈顿距离、欧几里德距离、马哈拉诺比斯距离或任一其它可以应用于或适合于图像帧的相似度点或相异度的度量来指定。
图8示出了图7的方法的示例性实施方式，其中，每个选出的下一个图像帧与早先选出的图像帧隔开n个帧。在图7的图示中：
·在视频模式中获取的顺序的图像帧的集包括总共十四个连续的帧(fr1至fr14)
·隔开连续选择的图像帧的预设的帧数量(n)是3个帧(即n＝3)并且
·首先选择用于特征提取和/或比较的图像帧是序列里的第一图像帧(fr1)。
应用方法步骤710的图像帧选择标准，结合图8描述的方法，将连续选择图像帧fr5，fr9和fr13用于特征提取和/或比较——为了提高选择用于特征提取和/或比较的每个图像帧与先前选择的帧显具有可感知的不同的可能性。
在结合图7和图8描述的方法的优选实施方式中，隔开连续选择的图像帧的预设的帧数量可以在0到60个帧之间。
图9示出了该方法的另一个实施方式，其中，不对由图像传感器连续生成的每个序列帧执行特征提取和/或比较。在这个实施方式中，在确定图像帧充分地不同于上次执行了特征提取和/或比较的图像帧之后，获取该图像帧用于特征提取和/或比较。
在步骤902，该方法在图像传感器初始化图像帧的生成。图像传感器可以被配置为通过在单帧图像捕捉模式或在视频图像捕捉模式的两者之一捕捉图像来响应致动指令。
在步骤904，在处理器从图像传感器接收图像帧用于处理。其后在步骤906，处理器对接收的图像帧执行提取和/或比较操作。
在步骤908，该方法确定提取和/或比较步骤906的结果是否足以使能进行匹配(或不匹配)判定，并且倘若如此，该方法可以作出匹配(或不——匹配)判定以及终止。
如果步骤906的结果不足以使能进行匹配(或不匹配)判定，步骤910从图像传感器接收下一个图像帧。
在步骤912该方法处理接收的下一个图像帧以确定所述下一个图像帧是否充分不同于上次执行了比较和/或提取的图像帧。两个图像帧之间的差别可以根据曼哈顿距离、欧几里德距离、马哈拉诺比斯距离或任一其它可以应用于或适合于图像帧的相似度或相异度的度量来测出。
如果接收的下一个图像帧充分不同于上次执行了比较和/或提取的图像帧，该方法回复至步骤906并且对图像帧执行特征提取和比较操作。如果接收的下一个图像帧不是充分不同于上次执行了特征提取和/或比较的图像帧，该方法回复至步骤910，其中，从图像传感器接收下一个图像帧。
该方法可以继续直至得出匹配(或不匹配)判定，或直至没有另外的帧有待从图像传感器接收，或直至已经对预设数量的帧执行特征提取和/或比较，或直至预设时间间隔的终止或其它终止事件。
图10示出了可以实现本发明的各种实施方式的示例性系统。
系统1002包括至少一个处理器1004和至少一个存储器1006。处理器1004执行程序指令并且可以是真实的处理器。处理器1004还可以是虚拟处理器。计算机系统1002并不旨在启示关于描述的实施方式的使用范围或功能性的任何局限性。例如，计算机系统1002可以包括而不限于，一个或多个通用计算机、编程显微处理器、微控制器、集成电路，以及能够实现本发明组成方法的步骤的其它设备或设备配置。在本发明的实施方式中，存储器1006可以存储用于实现本发明的各种实施方式的软件。计算机系统1002可以有另外的组件。例如，计算机系统1002包括一个或多个通信信道1008、一个或多个输入设备1010、一个或多个输出设备1012以及储存器1014。诸如总线、控制器或网络的互联机制(未示出)使计算机系统1002的组件相互连接。在本发明的各种实施方式中，操作系统软件(未示出)提供操作环境，用于在计算机系统1002中运行各种软件，并且管理计算机系统1002中的组件的不同的功能性。
通信信道1008允许在通信媒介上的信息发至各种其它计算单位。通信媒介提供诸如程序指令的信息或通信媒介内的其它数据。通信媒介包括但不限于与电的、光的、射频、红外线、声学的、微波、蓝牙或其它传输媒介一起实现的有线或无线方法。
输入设备1010可以包括但不限于，触摸屏、键盘、鼠标、笔、操纵杆、跟踪球、语音设备、扫描设备或能够提供输入至计算机设备1002的任何其它设备。在本发明的实施方式中，输入设备1010可以是声卡或以模拟形式或数字形式接受音频输入的类似设备。输出设备1012可以包括但不限于，关于CRT或LCD的用户接口、打印机、扬声器、CD/DVD写入器、LED、致动器，或提供来自计算机系统1002的输出的任何其它设备。
储存器1014可以包括但不限于，磁盘、磁带、CD-ROM、CD-RW、DVD、任何类型的计算机存储器、磁条(magneticstipes)、智能卡、印刷条形码或任何其它可用于存储信息并且可以通过计算机系统1002访问的瞬时的或非瞬时的媒介。在本发明的各种实施方式中，储存器1014包括用于实现所描述的实施方式的程序指令。
在本发明的实施方式中，计算机系统1002是分布式网络的部分，在分布式网络中实现本发明的各种实施方式用于迅速发展的终端至终端软件应用。
虽然图10中没有示出，但图10的系统可以进一步包括结合上文图2更全面描述了类型的成像设备的一些或全部组件。
本发明可以从多方面实现，包括作为系统、方法、或者诸如计算机可读存储媒介或计算机网络的计算机程序产品，其中，编程指令从远程位置发送来。
本发明可以适当体现为供计算机系统1002使用的计算机程序产品。文中描述的方法一般实现为包括程序指令组合的计算机程序产品，程序指令组合通过计算机系统1002或任何其它类似设备执行。程序指令集可以是存储在有形媒介上的一系列计算机可读编码，诸如计算机可读存储媒介(储存器1014)，例如，磁盘、CD-ROM、ROM、闪存驱动器或硬盘；可以是经由调制解调器或其它接口设备、经由包括但不限于光学或模拟通信信道1008的有形媒介可发送至计算机系统1002的一系列计算机可读编码；或者是在诸如集成电路的硬件中实现的一系列计算机可读编码。本发明作为计算机产品的实施方式可以是使用无线技术的无形形式，包括但不限于微波、红外线、蓝牙或其它传输技术。这些指令可以预载到系统中或记录在诸如CD-ROM的存储媒介上，或制成可用于通过诸如互联网或移动电话网络进行下载。该系列计算机可读指令可以体现先前在此描述的所有或部分功能性。
虽然文中描述了并且示出了本发明的示例性实施方式，但应当认识到它们仅仅是说明性的。本领域技术人员将理解，可在形式和细节上作出各变形，而没有偏离或悖离由所附的权利要求限定的本发明的精神和范围。

Claims (25)

1.一种用于基于虹膜的生物特征识别的方法，包括以下步骤：
(a)从图像传感器接收图像；
(b)确定所接收的图像是否包括虹膜；
(c)重复步骤(a)和步骤(b)直至所接收的图像包括虹膜；
(d)响应于确定出接收的图像包括虹膜，将对应于上述接收的图像的虹膜信息与存储的对应于至少一个虹膜的虹膜信息作比较；并且
(e)基于所述比较的输出做出匹配判定或不匹配判定。
2.根据权利要求1所述的方法，其中，步骤(d)的所述比较包括：将通过对接收的虹膜图像执行特征提取而生成的虹膜特征集与存储的所述虹膜信息作比较。
3.根据权利要求1所述的方法，其中，重复步骤(a)至步骤(e)直至出现终止事件，其中，所述终止事件能包括以下各项中的任一项：(i)预设时间间隔的期满、或(ii)预设数量的接收的虹膜图像的比较、或(iii)基于对应于接收的虹膜图像的虹膜信息与存储的所述虹膜信息之间的比较做出了匹配判定、或(iv)所述图像传感器与对象之间的距离超出预设最大距离、或(v)确定出接收的图像不包括虹膜。
4.根据权利要求1所述的方法，其中，响应于获取的虹膜图像与存储的对应于至少一个虹膜的虹膜信息满足预设相似度，做出匹配判定。
5.根据权利要求1所述的方法，其中，
对在步骤(a)接收的图像执行图像子采样，以生成子采样图像；并且
步骤(b)的所述确定包括：所述子采样图像的检查。
6.一种用于基于虹膜的生物特征识别的方法，包括以下步骤：
(a)从图像传感器接收图像，其中，所接收的图像包括虹膜图像；
(b)确定接收的虹膜图像是否满足至少一个预设标准；
(c)重复步骤(a)和步骤(b)直至所述接收的虹膜图像满足至少一个预设标准；
(d)响应于确定出所述接收的虹膜图像满足至少一个预设标准，将对应于上述接收的虹膜图像的虹膜信息与存储的对应于至少一个虹膜的虹膜信息作比较；并且
(e)基于所述比较的输出做出匹配或不匹配判定；
其中，所述预设标准包括以下各项中的至少一项：(i)灰度级扩展(ii)虹膜尺寸(iii)膨胀(iv)可用虹膜区域(v)虹膜-巩膜对比度(vi)虹膜-瞳孔对比度(vii)虹膜形状(viii)瞳孔形状(ix)图像裕度(x)图像锐度(xi)动态模糊(xii)信噪比(xiii)注视角(xiv)标量分数(xv)将所述接收的虹膜图像与先前被取来用于比较的一个或多个虹膜图像隔开的最小时间间隔(xvi)将所述接收的虹膜图像与先前被取来用于比较的一个或多个虹膜图像隔开的顺序生成的虹膜图像的最小数量以及(xvii)所述接收的虹膜图像与先前被取来用于比较的一个或多个虹膜图像之间的最小差别。
7.根据权利要求6所述的方法，其中，步骤(d)的所述比较包括：通过对所述接收的虹膜图像执行特征提取而生成的虹膜特征集与存储的所述虹膜信息之间的比较。
8.根据权利要求6所述的方法，其中，重复步骤(a)至步骤(e)直至出现终止事件，其中，所述终止事件能包括以下各项中的任一项：(i)预设时间间隔的期满、或(ii)预设数量的接收的虹膜图像的比较的结束、或(iii)基于对应于接收的虹膜图像的虹膜信息与存储的所述虹膜信息之间的比较做出了匹配判定、或(iv)所述图像传感器与对象之间的距离超出预设最大距离、或(v)确定出接收的图像不包括虹膜。
9.根据权利要求6所述的方法，其中，响应于所述接收的虹膜图像与存储的对应于至少一个虹膜的虹膜信息满足预设相似度，做出匹配判定。
10.根据权利要求6所述的方法，其中，
对在步骤(a)接收的图像执行图像子采样，以生成子采样图像；并且
在步骤(b)基于所述子采样图像确定所述接收的虹膜图像是否满足至少一个预设标准。
11.一种用于基于虹膜的生物特征识别的方法，包括以下步骤：
(a)从图像传感器接收图像，其中，所述图像包括虹膜图像；
(b)通过将对应于接收的虹膜图像的虹膜信息与存储的对应于至少一个虹膜的虹膜图像信息作比较，执行第一组比较操作；
(c)响应于步骤(b)的输出满足指定结果，通过将对应于所述接收的虹膜图像的虹膜信息与存储的所述虹膜图像信息作比较，执行第二组比较操作；并且
(d)基于步骤(c)的所述第二组比较操作的输出，做出匹配判定或不匹配判定。
12.根据权利要求11所述的方法，其中，在步骤(c)，所述第二组比较操作将对应于所述接收的虹膜图像的虹膜信息与上述存储的虹膜图像信息作比较，其中在步骤(b)已生成满足所述指定结果的输出。
13.根据权利要求11所述的方法，其中，所述指定结果为：(i)所述接收的虹膜图像与存储的对应于至少一个虹膜的虹膜图像信息之间的匹配或者(ii)所述接收的虹膜图像与存储的对应于至少一个虹膜的虹膜图像信息之间的预设相似度。
14.根据权利要求11所述的方法，其中，所述指定结果为：(i)所述接收的虹膜图像与存储的对应于至少一个虹膜的虹膜图像信息之间的不匹配或者(ii)低于所述接收的虹膜图像与存储的对应于至少一个虹膜的虹膜图像信息之间的预设相似度。
15.根据权利要求11所述的方法，其中，所述第二组比较操作内的至少一个操作未包括在所述第一组比较操作内。
16.根据权利要求11所述的方法，其中，所述第一组比较操作和所述第二组比较操作中的至少一方包括：用于从所述接收的虹膜图像中提取虹膜特征集的特征提取操作。
17.根据权利要求16所述的方法，其中，所述第一组比较操作包括第一组特征提取操作并且所述第二组比较操作包括第二组特征提取操作，并且所述第二组特征提取操作内的至少一个操作未包括在所述第一组特征提取操作内。
18.根据权利要求11所述的方法，其中，重复步骤(a)至步骤(d)直至(i)所述接收的虹膜图像与存储的对应于至少一个虹膜的虹膜图像信息之间的匹配的确定，或者(ii)所述接收的虹膜图像与存储的对应于至少一个虹膜的虹膜图像信息满足预设相似度。
19.根据权利要求11所述的方法，其中，重复步骤(a)至步骤(d)直至出现终止事件，其中，所述终止事件能包括以下各项中的任一项：(i)预设时间间隔的期满、或(ii)预设数量的接收的图像的比较、或(iii)所述图像传感器与对象之间的距离超出预设最大距离、或(iv)确定出接收的图像不包括虹膜。
20.根据权利要求11所述的方法，其中，
对在步骤(a)接收的图像执行图像子采样，以生成子采样图像；并且
对所述子采样图像执行步骤(b)的所述第一组比较操作。
21.根据权利要求20所述的方法，其中，在步骤(c)对其执行所述第二组比较操作的图像数据没有通过图像子采样进行减少。
22.一种用于基于虹膜的生物特征识别的方法，包括以下步骤：
(a)通过图像传感器初始化图像帧的顺序生成；
(b)选择由所述图像传感器生成的图像帧；
(c)将对应于所选出的图像帧的图像信息与存储的对应于至少一个虹膜图像的虹膜图像信息作比较；以及
(d)响应于在步骤(c)的所述比较，做出不匹配判定，选择由所述图像传感器生成的另一个图像帧并且重复步骤(c)和步骤(d)，对另一个图像帧的选择基于预设标准；
其中，所述预设标准包括以下各项中的至少一项：(i)执行图像处理或比较的资源的可用性，或(ii)自出现与先前选出的图像帧对应的定义事件起经过了指定时间间隔，或(iii)将先前选出的图像帧与被考虑选中的图像帧隔开的顺序生成的图像帧的指定数量，或(iv)先前选出的图像帧与被考虑选中的图像帧之间的最小差别。
23.根据权利要求22所述的方法，其中，在步骤(c)的所述比较之前的是对第一图像执行用于在所述第一图像内提取成像虹膜的虹膜特征集的特征提取的步骤，并且在步骤(c)的所述比较包括：将提取出的虹膜特征集与存储的虹膜图像信息作比较。
24.一种用于基于虹膜的生物特征识别的计算机程序产品，包括计算机可用媒介，所述计算机可用媒介具有计算机可读程序代码包含在其中，所述计算机可读程序代码包含的指令用于：
(a)从图像传感器接收图像；
(b)确定所接收的图像是否包括虹膜；
(c)重复步骤(a)和步骤(b)直至所接收的图像包括虹膜；
(d)响应于确定出接收的图像满足至少一个预设标准，将对应于上述接收的图像的虹膜信息与存储的对应于至少一个虹膜的虹膜信息作比较；并且
(e)基于所述比较的输出做出匹配判定或不匹配判定。
25.一种用于基于虹膜的生物特征识别的系统，包括：
图像传感器；以及
处理设备，被配置用于：
(a)从图像传感器接收图像；
(b)确定所接收的图像是否包括虹膜；
(c)重复步骤(a)和步骤(b)直至所接收的图像包括虹膜；
(d)响应于确定出接收的图像满足至少一个预设标准，将对应于上述接收的图像的虹膜信息与存储的对应于至少一个虹膜的虹膜信息作比较；并且
(e)基于所述比较的输出做出匹配判定或不匹配判定。
CN201480061114.5A 2013-09-09 2014-08-15 用于基于虹膜的生物特征识别的装置和方法 Active CN105706108B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US14/021,721 US9582716B2 (en) 2013-09-09 2013-09-09 Apparatuses and methods for iris based biometric recognition
US14/021,721 2013-09-09
PCT/US2014/051240 WO2015073078A2 (en) 2013-09-09 2014-08-15 Apparatuses and methods for iris based biometric recognition

Publications (2)

Publication Number Publication Date
CN105706108A true CN105706108A (zh) 2016-06-22
CN105706108B CN105706108B (zh) 2019-07-05

Family

ID=52625665

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201480061114.5A Active CN105706108B (zh) 2013-09-09 2014-08-15 用于基于虹膜的生物特征识别的装置和方法

Country Status (6)

Country Link
US (1) US9582716B2 (zh)
EP (1) EP3044732A4 (zh)
JP (1) JP6631808B2 (zh)
KR (1) KR102339607B1 (zh)
CN (1) CN105706108B (zh)
WO (1) WO2015073078A2 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108021793A (zh) * 2016-11-02 2018-05-11 斯凯耶科德公司 用于借助于非安全终端认证用户的方法
CN110197107A (zh) * 2018-08-17 2019-09-03 平安科技（深圳）有限公司 微表情识别方法、装置、计算机设备及存储介质
CN110287813A (zh) * 2019-06-04 2019-09-27 武汉虹识技术有限公司 身份识别方法及系统
CN110728251A (zh) * 2019-10-22 2020-01-24 吉林大学 一种基于强化泛用型虹膜特征标签的轻量级身份验证方法

Families Citing this family (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8485442B2 (en) 2009-07-02 2013-07-16 Biometric Payment Solutions Electronic transaction verification system with biometric authentication
KR101831973B1 (ko) * 2013-06-18 2018-02-23 델타 아이디 아이엔씨. 홍채 이미지 형성 장치 및 홍채 이미지 형성 장치의 구성 방법
WO2016018488A2 (en) * 2014-05-09 2016-02-04 Eyefluence, Inc. Systems and methods for discerning eye signals and continuous biometric identification
CN104834908B (zh) * 2015-05-07 2018-09-07 惠州Tcl移动通信有限公司 一种移动终端基于眼纹识别的图像曝光方法及曝光系统
US20160364609A1 (en) * 2015-06-12 2016-12-15 Delta ID Inc. Apparatuses and methods for iris based biometric recognition
KR102334209B1 (ko) * 2015-06-15 2021-12-02 삼성전자주식회사 사용자 인증 방법 및 이를 지원하는 전자장치
CN105893988A (zh) * 2016-05-20 2016-08-24 北京奇虎科技有限公司 虹膜采集方法及其终端
CN107545889B (zh) * 2016-06-23 2020-10-23 华为终端有限公司 适用于模式识别的模型的优化方法、装置及终端设备
KR20180006133A (ko) * 2016-07-08 2018-01-17 삼성전자주식회사 전자 장치 및 그의 동작 방법
US10445574B2 (en) * 2016-07-18 2019-10-15 Samsung Electronics Co., Ltd. Method and apparatus for iris recognition
RU2630742C1 (ru) * 2016-07-18 2017-09-12 Самсунг Электроникс Ко., Лтд. Способ, система и устройство для биометрического распознавания радужной оболочки глаза
US11068696B2 (en) * 2016-08-24 2021-07-20 International Business Machines Corporation Protecting individuals privacy in public through visual opt-out, signal detection, and marker detection
KR102458241B1 (ko) * 2016-12-13 2022-10-24 삼성전자주식회사 사용자 인식 장치 및 방법
CN107465512B (zh) * 2017-07-13 2020-01-14 Oppo广东移动通信有限公司 授权处理方法及相关产品
EP3430973A1 (en) * 2017-07-19 2019-01-23 Sony Corporation Mobile system and method
FR3069681B1 (fr) * 2017-07-26 2021-12-17 Safran Identity & Security Procede et dispositif de capture d'image d'iris
KR102045743B1 (ko) * 2017-12-11 2019-11-18 상명대학교산학협력단 착용형 디스플레이 장비에서의 눈 영상 기반 생체 인증 장치 및 방법
CN110647787A (zh) * 2018-06-27 2020-01-03 厦门本能管家科技有限公司 一种基于虹膜识别的私钥生成与解密的方法及系统
EP3952279A4 (en) 2019-03-25 2022-05-04 NEC Corporation IMAGE PROCESSING DEVICE AND IMAGE PROCESSING METHOD
JPWO2020261368A1 (zh) * 2019-06-25 2020-12-30
CN116343320B (zh) * 2023-03-31 2024-06-07 西南大学 一种虹膜识别方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5995648A (en) * 1997-03-18 1999-11-30 Cognex Corporation Image processing system and method using subsampling with constraints such as time and uncertainty constraints
US20090150980A1 (en) * 2003-07-03 2009-06-11 Argus Solutions Pty Ltd Management Control of Assets
US20100299530A1 (en) * 2009-02-26 2010-11-25 Bell Robert E User authentication system and method
CN102725765A (zh) * 2010-01-22 2012-10-10 虹膜技术公司 使用虹膜尺寸不同的多个虹膜影像的虹膜识别装置和方法

Family Cites Families (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5572596A (en) * 1994-09-02 1996-11-05 David Sarnoff Research Center, Inc. Automated, non-invasive iris recognition system and method
WO1997046980A1 (en) * 1996-06-06 1997-12-11 British Telecommunications Public Limited Company Personal identification
US6532298B1 (en) * 1998-11-25 2003-03-11 Iridian Technologies, Inc. Portable authentication device and method using iris patterns
US6289113B1 (en) * 1998-11-25 2001-09-11 Iridian Technologies, Inc. Handheld iris imaging apparatus and method
JP2000237167A (ja) * 1999-02-19 2000-09-05 Oki Electric Ind Co Ltd アイリス認識装置
JP3825222B2 (ja) * 2000-03-24 2006-09-27 松下電器産業株式会社 本人認証装置および本人認証システムならびに電子決済システム
JP2004506993A (ja) * 2000-08-18 2004-03-04 クロス　マッチ　テクノロジーズ，　インコーポレイテッド 指紋スキャナ自動キャプチャシステムおよび方法
KR20020038162A (ko) * 2000-11-16 2002-05-23 구자홍 양쪽 눈의 홍채를 동시에 이용하는 홍채 인식 방법
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
WO2005032895A1 (ja) * 2003-09-30 2005-04-14 Matsushita Electric Industrial Co., Ltd. 生体認証装置
WO2005059828A1 (ja) * 2003-12-19 2005-06-30 Matsushita Electric Industrial Co., Ltd. 虹彩撮像カメラおよび虹彩認証システム
JP2005177166A (ja) * 2003-12-19 2005-07-07 Matsushita Electric Ind Co Ltd カメラ装置および虹彩撮像カメラ装置
JP4360542B2 (ja) * 2004-06-09 2009-11-11 シャープ株式会社 画像認証携帯端末装置
JP4340618B2 (ja) * 2004-10-08 2009-10-07 富士通株式会社 生体情報認証装置及び方法，並びに生体情報認証プログラム及び生体情報認証プログラムを記録したコンピュータ読取可能な記録媒体
US7809171B2 (en) 2005-01-10 2010-10-05 Battelle Memorial Institute Facial feature evaluation based on eye location
DE602007007062D1 (de) * 2006-03-03 2010-07-22 Honeywell Int Inc Iriserkennungssystem mit bildqualitätsmetrik
JP2009076020A (ja) * 2007-09-25 2009-04-09 Oki Electric Ind Co Ltd 虹彩認識装置
JP2009199392A (ja) * 2008-02-22 2009-09-03 Oki Electric Ind Co Ltd 虹彩認証方法及び虹彩認証装置
US8909297B2 (en) * 2008-03-04 2014-12-09 Mike Matas Access management
US8411910B2 (en) * 2008-04-17 2013-04-02 Biometricore, Inc. Computationally efficient feature extraction and matching iris recognition
JP5247295B2 (ja) * 2008-08-13 2013-07-24 ラピスセミコンダクタ株式会社 画像処理方法及び画像処理装置
US8280119B2 (en) * 2008-12-05 2012-10-02 Honeywell International Inc. Iris recognition system using quality metrics
KR101093873B1 (ko) * 2009-01-14 2011-12-13 아이리텍 잉크 홍채크기가 다른 다수의 홍채이미지를 이용한 홍채인식장치및 방법
US8374389B2 (en) * 2009-02-06 2013-02-12 Robert Bosch Gmbh Iris deblurring method based on global and local iris image statistics
JP2010277315A (ja) * 2009-05-28 2010-12-09 Sony Corp 情報処理装置、認証データ選択方法およびプログラム
US8948467B2 (en) 2010-08-06 2015-02-03 Honeywell International Inc. Ocular and iris processing system and method
US8995729B2 (en) * 2011-08-30 2015-03-31 The Mitre Corporation Accelerated comparison using scores from coarse and fine matching processes
US9503645B2 (en) * 2012-05-24 2016-11-22 Mediatek Inc. Preview system for concurrently displaying multiple preview images generated based on input image generated by image capture apparatus and related preview method thereof
US20140250523A1 (en) * 2012-10-11 2014-09-04 Carnegie Mellon University Continuous Authentication, and Methods, Systems, and Software Therefor
US9195890B2 (en) * 2012-12-10 2015-11-24 Sri International Iris biometric matching system

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5995648A (en) * 1997-03-18 1999-11-30 Cognex Corporation Image processing system and method using subsampling with constraints such as time and uncertainty constraints
US20090150980A1 (en) * 2003-07-03 2009-06-11 Argus Solutions Pty Ltd Management Control of Assets
US20100299530A1 (en) * 2009-02-26 2010-11-25 Bell Robert E User authentication system and method
CN102725765A (zh) * 2010-01-22 2012-10-10 虹膜技术公司 使用虹膜尺寸不同的多个虹膜影像的虹膜识别装置和方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
白涛: "虹膜识别预处理和特征识别算法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108021793A (zh) * 2016-11-02 2018-05-11 斯凯耶科德公司 用于借助于非安全终端认证用户的方法
CN110197107A (zh) * 2018-08-17 2019-09-03 平安科技（深圳）有限公司 微表情识别方法、装置、计算机设备及存储介质
CN110197107B (zh) * 2018-08-17 2024-05-28 平安科技（深圳）有限公司 微表情识别方法、装置、计算机设备及存储介质
CN110287813A (zh) * 2019-06-04 2019-09-27 武汉虹识技术有限公司 身份识别方法及系统
CN110728251A (zh) * 2019-10-22 2020-01-24 吉林大学 一种基于强化泛用型虹膜特征标签的轻量级身份验证方法
CN110728251B (zh) * 2019-10-22 2020-05-12 吉林大学 一种基于强化泛用型虹膜特征标签的轻量级身份验证方法

Also Published As

Publication number Publication date
CN105706108B (zh) 2019-07-05
WO2015073078A3 (en) 2015-07-16
KR20160058129A (ko) 2016-05-24
KR102339607B1 (ko) 2021-12-14
JP6631808B2 (ja) 2020-01-15
US20150071503A1 (en) 2015-03-12
WO2015073078A2 (en) 2015-05-21
JP2016534474A (ja) 2016-11-04
EP3044732A4 (en) 2017-05-10
EP3044732A2 (en) 2016-07-20
US9582716B2 (en) 2017-02-28

Similar Documents

Publication Publication Date Title
CN105706108A (zh) 用于基于虹膜的生物特征识别的装置和方法
JP5366756B2 (ja) 情報処理装置及び情報処理方法
CN105678242B (zh) 手持证件模式下的对焦方法和装置
US10430644B2 (en) Blended iris and facial biometric system
CN108198159A (zh) 一种图像处理方法、移动终端以及计算机可读存储介质
JP2007074143A (ja) 撮像装置及び撮像システム
JP2019057815A (ja) 監視システム
CN112232163B (zh) 指纹采集方法及装置、指纹比对方法及装置、设备
CN106471440A (zh) 基于高效森林感测的眼睛跟踪
US11163994B2 (en) Method and device for determining iris recognition image, terminal apparatus, and storage medium
WO2020136795A1 (ja) 情報処理装置、情報処理方法、およびプログラム
CN112232159B (zh) 指纹识别的方法、装置、终端及存储介质
CN111767879A (zh) 一种活体检测方法
JP2024045460A (ja) 情報処理システム、情報処理装置、情報処理方法、およびプログラム
CN112232157B (zh) 指纹区域检测方法、装置、设备、存储介质
US9684828B2 (en) Electronic device and eye region detection method in electronic device
JP2006293720A (ja) 顔検出装置、顔検出方法、及び顔検出プログラム
JP3980464B2 (ja) 鼻位置の抽出方法、およびコンピュータに当該鼻位置の抽出方法を実行させるためのプログラムならびに鼻位置抽出装置
CN112232152B (zh) 非接触式指纹识别方法、装置、终端和存储介质
Dixit et al. SIFRS: Spoof Invariant Facial Recognition System (A Helping Hand for Visual Impaired People)
JP4711045B2 (ja) 認証装置
CN116189315A (zh) 活体检测方法和系统
CA3218331A1 (en) Method and electronic device for capturing image of object for identifying companion animal
CN113194247A (zh) 拍照方法、电子设备及存储介质
Park Auto focusing algorithm for iris recognition camera using corneal specular reflection

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