CN105874472B - 具有虹膜颜色识别的多频带生物识别相机系统 - Google Patents

具有虹膜颜色识别的多频带生物识别相机系统 Download PDF

Info

Publication number
CN105874472B
CN105874472B CN201580003646.8A CN201580003646A CN105874472B CN 105874472 B CN105874472 B CN 105874472B CN 201580003646 A CN201580003646 A CN 201580003646A CN 105874472 B CN105874472 B CN 105874472B
Authority
CN
China
Prior art keywords
iris
image
people
light source
imaging sensor
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.)
Active
Application number
CN201580003646.8A
Other languages
English (en)
Other versions
CN105874472A (zh
Inventor
格拉德·德克·史密特
史蒂文·大卫·奥利弗
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.)
Samsung Electronics Co Ltd
Original Assignee
Samsung Electronics 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 Samsung Electronics Co Ltd filed Critical Samsung Electronics Co Ltd
Publication of CN105874472A publication Critical patent/CN105874472A/zh
Application granted granted Critical
Publication of CN105874472B publication Critical patent/CN105874472B/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
    • G06V40/19—Sensors therefor
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/12—Details of acquisition arrangements; Constructional details thereof
    • G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
    • G06V10/141—Control of illumination
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/12—Details of acquisition arrangements; Constructional details thereof
    • G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
    • G06V10/147—Details of sensors, e.g. sensor lenses
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/14—Image acquisition
    • G06V30/142—Image acquisition using hand-held instruments; Constructional details of the instruments
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/10—Cameras or camera modules comprising electronic image sensors; Control thereof for generating image signals from different wavelengths
    • H04N23/11—Cameras or camera modules comprising electronic image sensors; Control thereof for generating image signals from different wavelengths for generating image signals from visible and infrared light wavelengths
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/45—Cameras or camera modules comprising electronic image sensors; Control thereof for generating image signals from two or more image sensors being of different type or operating in different modes, e.g. with a CMOS sensor for moving images in combination with a charge-coupled device [CCD] for still images
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10141—Special mode during image acquisition
    • G06T2207/10152—Varying illumination
    • 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
    • G06T2207/30196—Human being; Person
    • G06T2207/30201—Face
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/12—Details of acquisition arrangements; Constructional details thereof
    • G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
    • G06V10/143—Sensing or illuminating at different wavelengths
    • 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
    • G06V10/56—Extraction of image or video features relating to colour
    • 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
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships

Abstract

一种用于对装置的用户进行认证的系统和方法。多频带虹膜扫描相机系统能使用近红外(NIR)光和/或可见波长(VW)光来获得虹膜图像。相机系统可首先对用户成像以检测用户的虹膜颜色，并基于虹膜颜色确定使用NIR虹膜扫描还是VW虹膜扫描。此外，可将NIR系统和VW系统作为集成相机系统来操作。为选择用于捕获虹膜的优选照明条件并执行认证，虹膜扫描相机系统可拍摄一系列图像并将所述一系列图像与在不同照明条件下捕获的匿名虹膜图像的数据库比较。虹膜扫描相机系统可随意跟踪眼睛运动，以确定何时触发虹膜扫描，识别虹膜的障碍物(诸如，眼睑和睫毛)来在虹膜图像处理中实施校正措施，并识别脸部特征以确定是否对左眼和/或右眼成像。

Description

具有虹膜颜色识别的多频带生物识别相机系统
本申请要求于2014年2月21日提交的发明名称为“生物识别虹膜扫描方法和设备”的第61/943,104号美国临时专利申请的优先权，该美国临时专利申请的全部内容通过引用包含于此。
技术领域
本公开的实施例总体涉及对装置的用户进行识别。更具体地讲，本公开的实施例涉及通过虹膜识别对主机装置的用户进行认证。
背景技术
出于用户认证的目的，诸如智能电话和平板电脑的很多电子装置集成了生物识别装置。例如，生物识别装置可包括：能支持虹膜识别功能以及额外的功能(诸如，脸部识别以及手势或运动识别)的虹膜扫描器和相机系统。然而，虹膜扫描系统具有许多限制，特别是与用户变化性(例如，针对装置的几个用户的虹膜颜色的变化性)相关的限制。虹膜颜色是入射到虹膜的最外层中的色素细胞上的光的不同吸收的结果。更少量的色素造成更少的吸收以及更多的光从虹膜的内层被反射。反射光传输期间通过外层的散射指示感知的虹膜颜色(例如，蓝色虹膜外观)。更高的色素水平引起逐渐更深的虹膜颜色，在高色素水平的上端出现深褐色虹膜外观。
针对虹膜的一种类型(例如，虹膜颜色)优化的虹膜扫描系统可针对虹膜的不同类型具有受限的功能，例如，针对蓝色虹膜的优化可限制针对褐色虹膜的识别的性能。这可造成虹膜扫描系统未能正确地对装置的用户进行识别。
如今存在很多功能为捕获虹膜的图像的虹膜扫描相机系统的变形。针对有效的操作，可在移动装置上实施的生物识别虹膜扫描相机系统面临很多挑战。这些挑战中的一些挑战包括：虹膜变化性(例如，用户可具有褐色、蓝色、绿色或另一颜色的虹膜颜色)；虹膜障碍物(例如，眼睑、睫毛和用户的可妨碍获得虹膜的图像的其他固有特征)；环境照明(例如，在全日光下或在存在强光学噪声源的情况下的操作)；运动模糊(例如，由控制的或无意识的眼跳或其他运动引起的运动模糊)；近距离的景深(例如，以小于相机系统期望的焦距获得的图像)；用于生物识别虹膜扫描系统的额外开销和额外空间；以及受限的视场。针对可靠识别，相机必须捕获具有与例如虹膜的大约200行×200列的线扫描一致的分辨率的图像。虹膜直径上一般仅为10-12mm，而相机与虹膜之间的距离是相当大的，一般大约40-50cm；因此，必须将相机捕获区域适当地置于脸部和虹膜区域上。能解决这些问题的生物识别虹膜扫描相机系统将会是有益的。
发明内容
根据本公开的实施例，一种主机装置包括用于可靠虹膜识别和用户认证的生物识别虹膜扫描相机系统。虹膜扫描相机系统能使用近红外(NIR)光和/或可见波长(VW)光来获得虹膜图像。相机系统可首先对用户成像以检测用户的虹膜颜色，并基于虹膜颜色，确定使用NIR虹膜扫描还是VW虹膜扫描。此外，可将NIR系统和VW系统作为集成的相机系统来进行操作。为了选择用于捕获虹膜的优选照明条件和执行认证，虹膜扫描相机系统可拍摄一系列图像并将所述一系列图像与在不同照明条件下捕获的匿名虹膜图像的数据库进行比较。虹膜扫描相机系统可随意地跟踪眼睛运动，以确定何时触发虹膜扫描，识别虹膜的障碍物(诸如，眼睑和睫毛)来在虹膜图像处理中实施校正措施，并识别脸部特征以确定左眼和/或右眼是否成像。
根据本公开的一方面，一种用于主机装置的生物识别虹膜扫描相机系统包括：第一照明源，布置于主机装置，被配置为在图像捕获期间以近红外(NIR)波长对人进行照明。主机装置包括：第二照明源，布置于主机装置，被配置为以可见波长(VW)对人进行照明；生物识别相机，布置于主机装置。生物识别相机包括：第一成像传感器，被配置为将人的NIR图像转换为用于生成人的第一视频图像的电信号；第二成像传感器，被配置为将人的VW图像转换为用于生成人的第二视频图像的电信号；处理器，被配置为基于用户的虹膜颜色选择第一照明源和第二照明源中的一个照明源以在图像捕获期间对人进行照明，接收人的对应的视频图像，并基于所述视频图像确定人的认证状态。
根据本公开的另一方面，一种捕获用于生物识别的人的图像的方法包括：基于人的虹膜颜色，选择照明波长。所述方法包括在图像捕获期间使用选择的波长的光源对人进行照明，所述光源邻近于包括响应于近红外(NIR)波长的第一成像传感器和响应于可见波长(VW)的第二成像传感器的相机系统，所述相机系统和所述光源位于主机装置中。所述方法包括：在与选择的波长对应的成像传感器在图像捕获期间接收选择的波长的人的反射照明。所述方法包括：生成与人的反射照明对应的电信号；对电信号进行处理以生成人的虹膜图像；基于所述虹膜图像，确定人的认证状态。
根据本公开的另一方面，一种用于生物识别用户认证的移动设备包括：处理器；存储器，存储虹膜数据库并被可操作地连接到处理器；照明源，被配置为以控制的波长辐射照明，所述照明用于对对象进行照明；相机。相机包括：第一成像传感器，被配置为将对象的近红外(NIR)图像转换为用于生成虹膜的第一视频图像的电信号；第二成像传感器，被配置为将人的可见波长(VW)图像转换为用于生成虹膜的第二视频图像的电信号。处理器被配置为：基于虹膜颜色选择用于图像捕获的控制的波长，接收虹膜的视频图像并将虹膜的视频图像与存储在虹膜数据库中的预先注册的图像进行匹配，其中，如果确定匹配，则对象被认证。
附图说明
被包含在本说明书的一部分中并形成本说明书的一部分的附图示出本发明的实施例，并与描述一起用来说明本发明的原理。
图1是示出根据本公开的实施例的主机装置上的生物识别虹膜扫描相机系统的框图。
图2是示出根据本公开的示例性实施例的主机装置上的生物识别虹膜扫描相机系统的操作的方法的流程图。
图3是示出根据本公开的示例性实施例的对生物识别虹膜扫描相机系统进行操作以确定图像捕获模式的方法的流程图。
图4是示出根据本公开的示例性实施例的出于用户识别和认证目的的虹膜图像获取和处理的方法的流程图，所述方法包括用于照明条件的优化的校正步骤以及匿名协议环境中的实施方式。
图5是示出根据本公开的示例性实施例的用于主机装置上的生物识别虹膜扫描相机系统的具有窄带像素的特征的可见波长成像传感器的示意图。
具体实施方式
现在将对一些实施例进行详细描述。虽然将结合可选实施例对主题进行描述，但是将理解，不意在将要求保护的主题限制到这些实施例。相反地，要求保护的主题意在覆盖能被包括在由权利要求所限定的要求保护的主题的精神和范围内的替代物、修改和等同物。
此外，在以下具体实施方式中，阐述很多具体的细节，以提供对要求保护的主题的全面理解。然而，本领域技术人员将认识到，可在没有这些具体的细节的情况下或具有其等同物的情况下实施实施例。在其他示例中，没有详细地描述公知的方法、程序、组件和电路，以免不必要地模糊主题的方面和特征。
除非这里另外指示或由上下文清楚地否定，否则在描述本发明的上下文中(特别是在权利要求的上下文中)，单数形式术语以及类似指示物的使用将被解释为涵盖单数和复数两者。除非另外说明，否则术语“包括”、“具有”、“包含”将被解释为开放性术语(即，表示“包括，但不限于”)。
如这里所使用，术语“组件”或“模块”表示(但不限于)执行特定任务的软件组件或硬件组件(诸如，现场可编程门阵列(FPGA)或专用集成电路(ASIC))。组件或模块可被有益地配置为驻留在可寻址存储介质中并被配置为在一个或多个处理器上执行。因此，以示例的方式，组件或模块可包括诸如软件组件、面向对象的软件组件、类组件和任务组件的组件、进程、功能、属性、程序、子程序、程序代码段、驱动器、防火墙、微代码、电路、数据、数据库、数据结构、表、阵列和变量。为组件以及组件或模块提供的功能可被组合为更少的组件以及组件或模块，或者可被进一步被分离为额外的组件以及组件或模块。
根据可在计算机存储器上执行的程序、步骤、逻辑块、处理和关于数据比特的其他符号表示来呈现具体实施方式的一些部分。这些描述和表示是由数据处理领域技术人员使用的将他们工作的内容最有效地传达给本领域其他技术人员的方法。程序、计算机执行的步骤、逻辑块、处理等在此一般被认为是导致期望的结果的前后一致的一系列步骤或指令。这些步骤是需要物理量的物理运算的步骤。通常，虽然不是必须的，但是这些量采用能够在计算机系统中被储存、传送、组合、比较、或另外操作的电或磁信号的形式。已经证明，主要由于普遍使用的原因，有时方便将这些信号表示为位、值、元素、符号、字符、术语、数字等。
然而，应注意，所有这些和相似的术语将与适当的物理量相关联，并且仅是应用于这些量的方便的标记。除非特别说明，否则从下面的讨论中显而易见的是，应理解，利用诸如“访问”“写入”、“包括”、“存储”、“传输”、“遍历”、“关联”、“识别”等的术语的讨论始终表示计算机系统或者类似的电子计算装置的动作和处理，该电子计算装置操作在计算机系统的寄存器和存储器中的被表示为物理(电子)量的数据，并将所述数据转换为在计算机系统存储器或寄存器或其他这样的信息存储器、传输或显示装置中被类似地表示为物理量的其他数据。
现参照图1，通过示出主机装置100上的生物识别虹膜扫描相机系统的示例性实施例来描述框图。装置100具有包括存储器112、至少一个处理器114、输入输出装置(I/O)116的组件。根据示例性实施例，主机装置100设置有生物识别虹膜扫描相机系统。例如，生物识别虹膜扫描相机系统可被用于捕获用于用户识别和认证的人的虹膜的图像。在一个实施例中，生物识别虹膜扫描相机系统可包括可见波长(VW)成像传感器122、近红外(NIR)成像传感器126、NIR光源124和VW光源128。VW成像传感器122对可见光谱的照明敏感，而NIR成像传感器126对近红外光谱的照明敏感。生物识别虹膜扫描相机系统包括虹膜识别组件118和虹膜数据库120。在一个实施例中，虹膜识别组件118和虹膜数据库120是被存储在存储器112中并由处理器114执行的软件组件。
生物识别虹膜扫描相机系统可被用于捕获用于用户识别和认证的用户的虹膜的图像。NIR光源124和NIR成像传感器126的使用是对深色的用户虹膜(例如，褐色虹膜)进行成像的首选，而VW光源128和VW成像传感器122的使用是对浅色的用户虹膜(例如，蓝色虹膜)进行成像的首选。根据实施例，在操作中，NIR光源124在图像捕获期间使用近红外光对装置的用户进行照明(例如，闪光)，对NIR波长敏感的成像传感器(例如，NIR成像传感器126)将对象的光学图像转换为用于图像处理的电信号。根据本公开的实施例，生物识别相机系统还可包括：在图像捕获期间使用可见光对装置的用户进行照明的可见波长(VW)光源128；和将对象的光学图像转换为用于图像处理的电信号的对可见波长敏感的成像传感器(例如，VW成像传感器122)。从成像传感器(例如，NIR成像传感器126、VW成像传感器122或其组合)输出的视频图像由虹膜识别组件118接收，虹膜识别组件118确定用户的认证状态。例如，通过尝试将虹膜的图像与存储在虹膜数据库120中的预先注册的图像进行匹配来确定用户的认证状态。如果发现匹配，则用户能够被认证。
可通过一个或多个系统总线(未示出)将存储器112、处理器114、I/O 116、VW成像传感器122、NIR成像传感器126和显示器110连接到一起。存储器112可包括：包括不同存储器类型的一个或多个存储器(例如，包括RAM、ROM、高速缓冲存储器、虚拟存储器和闪存)。处理器114可包括：具有一个或多个核的单个处理器或者具有一个或多个核的多个处理器。I/O 116是输入信息和输出信息的组件的集合。包括I/O 116的示例组件可包括：麦克风、扬声器和用于在网络上通信的无线网络接口控制器(或类似组件)。处理器114可运行管理硬件资源和执行基础任务的操作系统(OS)。OS的示例可包括SymbianTM、BlackBerry OSTM、iOSTM、WindowsTM和AndroidTM。在一个实施例中，显示器110可与主机装置110集成，而在另一个实施例中，显示器110可在主机装置100之外。
在一个实施例中，主机装置100可包括任何类型的移动装置形状因子(例如，包括但不限于，蜂窝电话或智能电话、平板计算机、笔记本计算机或膝上型计算机、电视机和可穿戴计算机)。在一个实施例中，主机装置100可使用位于主机装置100的同一侧的显示器110、VW成像传感器122和NIR成像传感器126来实施，以便当用户手持装置观看显示器110时VW成像传感器122和NIR成像传感器126对着用户。在主机装置100包括膝上型计算机或笔记本计算机的实施例中，VW成像传感器122和NIR成像传感器126一般位于膝上型计算机的盖子内。
如图1中所示，在实施例中，VW成像传感器122和NIR成像传感器126位于主机装置100的一个角中(虽然其他位置是可能的)，而NIR光源124和VW光源128可位于相对的角中，以使NIR光源124和VW光源128与VW成像传感器122和NIR成像传感器126在主机装置100的主体中偏离。生物识别虹膜扫描相机被配置为在一般大约40-50cm的距离捕获虹膜图像。捕获的虹膜图像的分辨率被配置为足够高以支持虹膜图像上充足数量的扫描点来识别用户，一般这样的分辨率对应于200行×200列的线扫描。相机系统的焦距和视场被相应地调节，以便获得足够的分辨率。
在本公开的实施例中，可使用微型发光二极管(LED)、激光二极管或使用红外频带(即，700-900nm波长)的辐射的另一个光源来实施NIR光源124。辐射可以是红外光谱内的窄带或宽带。根据实施例，当用户正常地手持主机装置100时，NIR光源124可被聚焦并被定向为对着位于期望距离的用户的眼睛。
在一些实施例中，VW光源128可以是白光LED、蓝光LED或可见光频带中的不同颜色的LED中的一个。当用户正常地手持主机装置100时，VW光源128可被聚焦并被定向为对着位于期望距离的用户的眼睛。根据实施例，VW光源128是可选的，太阳光和/或其他环境光源可被用于替代VW光源128。根据实施例，大幅度妨碍虹膜图像获取的检测的障碍物(诸如，眼睑)可触发VW光源128(例如，LED)的使用以代替环境光源(诸如，太阳光)。在另一个实施例中，被用于VW虹膜扫描的VW成像传感器122可以是用于常规图像获取的标准的红绿蓝(RGB)成像传感器(诸如，设置在包括智能电话、平板计算机和膝上型计算机的主机装置上的成像传感器)。例如，VW成像传感器122可以是前置相机(诸如，一般在移动装置上设置的出于视频聊天目的的前置相机)。
在一个实施例中，VW成像传感器122和NIR成像传感器126可包括内置滚动快门或定格快门。在一个实施例中，VW成像传感器122和NIR成像传感器126可包括数字电荷耦合器件(CCD)或互补金属氧化物半导体(CMOS)有源像素传感器(APS)，并且可处理足够于在用于认证目的的虹膜图像中捕获充足的点的像素大小和间距。要求的像素大小和间距是视场、焦距和其他光学考虑的函数。在一个实施例中，NIR光源124以低于1mW的功率水平和接近850nm的波长发光。在另一个实施例中，NIR光源124以大幅度高于1mW(可能高至几十或几百mW或更高)的功率水平发光。可使用变化的NIR光源124的功率水平来选择能量和时间的不同组合，以如期望的那样优化不同的成像场景。
在一个实施例中，VW光源128以高至10mW的功率水平和390nm-700nm范围内的波长发光。在另一个实施例中，VW光源128以大幅度高于10mW(高至几百mW或更高)的功率水平发光。可使用变化的VW光源128的功率水平来选择能量和时间的不同组合，以如期望的那样优化不同的成像场景。作为一个示例，针对被配置为使用短脉冲持续时间(诸如，1-10μs)输出10mJ-100mJ的能量的VW光源128，功率水平可达到1000W-100000W。
虹膜识别
通过虹膜识别118的虹膜的识别包括：将虹膜与巩膜和瞳孔进行区分。例如，可通过将虹膜图像的高反差边缘识别为眼睛的这些部分之间的分界线来完成区分。对图像强度取导数并识别导数的大小的局部极值可确定从巩膜到虹膜的过渡以及从虹膜到瞳孔的过渡。可使用用于障碍物的识别的方法(诸如特征识别和几何建模)来排除障碍物(诸如，眼睑和睫毛)。出于识别和认证目的的捕获的虹膜图像的模式匹配包括：将捕获的虹膜图像与来自数据库虹膜图像条目(例如，虹膜数据库120)的虹膜图像进行对齐；选择该虹膜图像的适当表示，以使虹膜模式的区别方面明显；对捕获的虹膜图像与数据库条目之间匹配的质量进行评估；并做出关于捕获的虹膜图像是否与数据库条目匹配的确定。
现参照图2，针对出于用户识别和认证目的的虹膜图像处理描述处理200。可将流程图200实施为驻留于某些形式的非暂时性计算机可读存储介质上的计算机可执行指令。
在步骤202，通过用户的图像，对用户的虹膜颜色进行确定。根据实施例，实时(即，刚好在虹膜颜色的确定之前)拍摄用户的图像。出于用户识别和认证的目的，通常存在四类虹膜颜色：深褐色、浅褐色、蓝色和蓝绿色。针对这些虹膜颜色类型中的每一种类型的优选成像的照明光源波长是不同的。以NIR波长为中心的照明通常是深褐色虹膜的首选，而以NIR红波长为中心的照明通常是浅褐色虹膜的首选。以蓝波长为中心的照明通常是蓝色虹膜和蓝绿色虹膜的首选。
在步骤204，基于在步骤202确定的虹膜颜色，选择虹膜图像捕获模式。根据实施例，捕获模式决定被用于确定用户的认证状态的生物识别虹膜扫描相机系统的组件。例如，NIR光源124和NIR成像传感器126的使用是对深色的用户虹膜(例如，褐色虹膜)进行成像的首选，而VW光源128和VW成像传感器122的使用是对浅色的用户虹膜(例如，蓝色虹膜)进行成像的首选。根据本公开的实施例，捕获模式是排他的，NIR光谱的组件(例如，使用NIR光源124和NIR成像传感器126)或VW光谱的组件(例如，使用VW光源128和VW成像传感器122)被激活。根据一些实施例，捕获模式可包括VW成像传感器112和NIR成像传感器126两者以及NIR光源124的激活。根据一些实施例，VW光源128的激活是可选的。
在步骤206，根据在步骤204选择的捕获模式，对用户进行成像。图像捕获包括：激活与捕获模式(例如，NIR或VW)对应的照明源，响应于照明波长通过成像传感器生成图像，通过相机系统处理器(例如，处理器114)处理图像。
在步骤208，基于在步骤206获得的虹膜图像，对用户进行认证。例如，通过尝试将虹膜图像与被存储在虹膜数据库120中的预先注册的图像进行匹配来确定用户的认证状态。如果发现匹配，则用户能够被认证。虹膜图像可通过例如从完整的图像分离虹膜图像的相关部分、噪声降低等来被预处理。此外，虹膜图像处理可包括：针对纹理或特征提取的滤波器应用，将提取的虹膜图像特征量化为二进制向量。与虹膜数据库120的匹配确定可基于与虹膜数据库120中的虹膜图像的数据库虹膜图像特征向量的比较。
在一个实施例中，在步骤208的出于虹膜识别和认证的目的的虹膜图像的处理包括加博(Gabor)滤波器的使用以提取虹膜的特征。加博滤波器是一种形式的傅里叶变换，其中，所述傅里叶变换用作容易地应用于图像的边缘检测或特征检测的带通滤波器。加博滤波器的响应来自高斯包络函数(例如，向靠近例如特定时间区域的信号部分提供更大权重的窗口函数)与复杂振荡函数(例如，复正弦函数)的乘积。可在包括例如笛卡尔坐标系或极坐标系的各种坐标系中定义被应用于虹膜图像的加博滤波器。加博滤波器在多个维度中对方向敏感。根据本公开的实施例，还可使用具有不同参数值(诸如，不同的带宽和不同的调制频率)的加博滤波器组来处理用户虹膜图像。其他的滤波和特征提取技术与本公开的精神和范围一致。
从用户虹膜图像提取的对每个虹膜来说独一无二的虹膜特征向量被量化，以转换为二进制形式。对于二进制形式，海明(Hamming)距离可被用作用于不同的二进制虹膜特征向量之间(例如，用户虹膜与虹膜数据库120的虹膜之间)的比较的分类器。其他匹配技术与本公开的精神和范围一致。能够使用相等字符串长度的两个虹膜图像特征向量之间的海明距离，来执行基于用户虹膜图像特征向量与来自虹膜数据库120的虹膜图像特征向量之间的比较的匹配确定。海明距离用作用于通过统计独立性比较虹膜特征的分类器，其中，对应的字符串位置(在两个虹膜特征向量之间字符串位置不同)的数量指示相异的程度(例如，可最小化生成匹配所需的字符串元素替代的数量，以确定最接近的匹配)。
现参照图3，流程图300示出根据本公开的示例性实施例的确定光源的频带(例如，照明光谱)和用于生物识别虹膜扫描相机系统的成像传感器操作的方法。通常，更深颜色的虹膜颜色具有更高的反差值，并优先以NIR成像，而更浅颜色的虹膜颜色具有更低的反差值，并优先以可见波长成像。可将流程图300实施为驻留于某些形式的非暂时性计算机可读存储介质上的计算机可执行指令。
在步骤302，对虹膜图像的反差值进行确定。根据实施例，实时(即，刚好在虹膜反差的确定之前)拍摄用户的虹膜图像。可通过主机装置的处理器(例如，主机装置100的处理器114)计算反差值。
在步骤304，将在步骤302确定的反差值与阈值反差水平进行比较。根据本公开的实施例，阈值反差水平对应于发生成像传感器响应性的过渡的虹膜颜色。更加具体地，过渡可以是从NIR波长到VW的响应性的过渡，从而更大反差水平的虹膜颜色通过对NIR波长敏感的成像传感器以更大的响应性进行成像，低于阈值的反差水平的虹膜颜色通过对VW敏感的成像传感器以更大的响应性进行成像。在步骤304，如果反差值被确定为高于阈值，则方法转到步骤306。步骤306对应于以NIR波长执行的图像捕获，其中，NIR照明源(例如，NIR照明源124)与响应于NIR的成像传感器(例如，成像传感器126)一起被使用。
如果在步骤304确定虹膜反差未高于阈值水平，则方法转到步骤308。步骤308对应于以可见波长执行的图像捕获，其中，可见光照明与响应于可见波长的成像传感器(例如，成像传感器122)一起被使用。根据本公开的实施例，确定环境照明的水平以检测环境照明对于以可见波长进行虹膜成像是否是足够的照明。
在步骤310，对环境光水平对于以可见波长进行成像是否足够进行确定。如果是，则方法转到步骤312，其中，环境光与可见波长成像传感器一起被使用以捕获用户虹膜的图像。
如果否，则环境光不足以进行成像，并且方法转到步骤314。步骤314包括将可见波长照明源(例如，VW照明源128)与可见波长成像传感器一起使用以捕获用户虹膜的图像。
照明条件
根据本公开的实施例，上述处理200的可选步骤包括：在图像获得步骤204之前包含不同的光照条件的使用的校正步骤。现参照图4，流程图400示出出于用户识别和认证的目的的图像获取和处理的方法，所述方法包括用于照明条件的优化的校正步骤以及在匿名协议环境中的可选实施方式。可将流程图400实施为驻留于某些形式的非暂时性计算机可读存储介质上的计算机可执行指令。
可在处理200的步骤202(用户的虹膜颜色的确定)期间执行处理400的步骤402。在步骤402，捕获与一系列光照条件对应的一系列虹膜图像。根据实施例，实时(即，刚好在用户的认证之前)捕获一系列图像。
在步骤404，访问在不同照明条件下成像的匿名虹膜的数据库。在较早时间捕获并被提供为虹膜图像数据库的一部分的虹膜图像可包括一系列虹膜图像数据集，每个数据集与不同的光照条件对应。根据实施例，可将基于虹膜的用户识别和认证(例如，处理200)中使用的这样的数据库的生成包含为与实时虹膜图像获取相关的步骤之前的步骤。
在步骤406，执行匹配确定，以选择用于对用于认证的用户的虹膜进行成像的优选照明条件。根据实施例，虹膜图像的数据库被用于提供模型，所述模式可与在不同光照条件下捕获的实时虹膜图像进行匹配，以确定优选的照明和图像获取/处理条件。例如，数据库中的每个条目可表示特定的虹膜类型(例如，颜色)，其中，该虹膜类型的图像使用已知(优选的)条件被捕获。即，针对褐色虹膜，虹膜数据库中的褐色虹膜图像已经使用NIR波长和NIR成像传感器以给定照明源功率、曝光时间还有成像参数值被捕获。通过将在不同光照条件下拍摄的实时虹膜图像与数据库模模型行匹配，能够确定用于执行识别和认证的优选的照明条件和参数空间。
根据本公开的一些实施例，照明源集成到虹膜图像相机系统(例如，主机装置100的照明源124和照明源128)。然而，根据一些实施例，可使用包括例如环境光(诸如，太阳光)的其他光源。针对源于周边环境的照明源，用于虹膜图像数据库的优选的照明条件的参数空间可为了改善的成像结果而考虑不同的光照条件。额外的光照条件可包括：包括存在影响捕获的虹膜图像的环境因素的上述的各种照明源(例如，主机装置100的照明源124和照明源128)，。环境因素可包括但不限于来自环境光、运动模糊、图像障碍物等的干扰。
匿名协议
在特定实施例中，可在匿名协议的环境内实施上描方法400，从而不存在虹膜数据与个体之间的可追溯性的记录。出于不可追溯用户识别和认证的目的的虹膜图像处理的方法包括步骤：(例如，使用如这里描述的虹膜反差)生成匿名虹膜数据库；将数据库模型下载到主机装置；获得不同的光照条件下的用户的虹膜的图像集；(例如，基于响应于数据库值的海明距离)执行唯一性的加权优化；使用根据用于识别和认证的照明条件和参数空间被确定为最理想的、来自用户的虹膜的图像集的图像。
根据示例性实施例的匿名虹膜数据库包括：在不同的光照和处理条件以及参数下拍摄的大约10,000张不同虹膜类型(例如，不同虹膜颜色)的虹膜图像。针对每一虹膜类型，虹膜图像可包括近似相等数量的图像(例如，大约2500张褐色虹膜的图像和2500张蓝色虹膜的图像等)。根据本公开的实施例，在数据库中提供的虹膜图像中的每一个虹膜图像不包含与虹膜图像源于的人的链接。根据实施例，可在主机装置上本地存储数据库，以便用户识别和认证的期间的数据库的使用不需要要求通过主机装置的任何数据的传输(例如，到共享或外部控制的数据中心的传输)。根据实施例，远程存储数据库，而且可通过远程协议(例如，互联网、WiFi等)访问数据库。在没有主机装置外部的任何相关数据的传输的情况下，可本地保存用户的虹膜的实时图像用于识别和认证。
结合近红外和可见波长功能
虽然已经将NIR虹膜扫描功能和VW虹膜扫描功能的实施例描述为按顺序发生的NIR和VW的图像捕获，但是同时使用NIR相机系统和VW相机系统的虹膜图像捕获也同样在本发明的精神和范围内。在一个实施例中，NIR照明源和VW照明源(例如，分别为照明源124和照明源128)可同时发光，而且分离的NIR成像传感器和VW成像传感器(例如，分别为成像传感器126和成像传感器122)可同时曝光。根据另一个实施例，NIR成像传感器和VW成像传感器被集成到单个NIR/VW成像传感器中。一旦通过NIR成像传感器和VW成像传感器获得虹膜图像，则出于用户识别和认证目的，被认为高质量的虹膜图像可被用于认证目的，而被确定为低质量的虹膜图像可被丢弃。可使用诸如虹膜图像的更高反差或调制传递函数(MTF)的测量来确定更高质量。
环境光抑制
针对捕获具有充分的细节的用户(例如，虹膜)的图像以执行与预先注册的图像的图像匹配，环境光显示出困难。环境光可使成像传感器饱和并淹没信号(即，从用户(诸如，虹膜)反射的照明)。一种最小化环境噪声的途径就是使曝光时间尽实际可能的短。
在一个实施例中，包括砷化镓(GaAs)的固态快门可与NIR成像传感器和VW成像传感器之一或者两者一起使用。这样的快门可通过外部施加的电压在很短的时间(例如，几纳秒)内将其状态从不透明改变为透明。在实施例中，GaAs快门被用于使用接近850nm的波长的光对虹膜进行成像。
在实施例中，当在可见光光谱执行虹膜扫描时，最小化光源闪烁持续时间(在使用VW照明源128的情况下)，并因此相应地减少曝光时间。在实施例中，VW光源128的闪烁持续时间低于150ms，并且功率在10mW的范围内，以补偿短曝光时间。可使瞬时光源功率尽实际可能的高，同时仍然防止对人眼造成伤害或引起任何用户不适。可采用额外的措施来避免引起用户不适的光源，例如漫反射光源的使用。根据实施例，在除了图像捕获期间之外的所有时间保持固态快门(例如，GaAs快门)关闭显著地降低从场景中别处接收的环境光。
也可通过使用具有窄带像素的成像传感器来降低不利的环境光影响，其中，像素的带宽与光源的辐射波长匹配。现参照图5，描绘用于在生物识别虹膜扫描相机系统中使用的具有窄带像素505的特征的成像传感器500。根据实施例，成像传感器500是可见波长成像传感器。根据实施例，成像传感器500包括红色像素、绿色像素和蓝色像素。作为非限制性示例，针对被用作光源的蓝光LED，用于窄带像素505的像素带宽可被配置为围绕与蓝光对应的窄范围(例如，针对蓝色LED，大约450nm-495nm的范围)。其他光源波长和窄带像素与本公开的精神和范围一致。根据本公开的实施例，可按与常规的RGB像素阵列类似的方式以贝尔图案对窄带像素505进行布置。根据一些实施例，窄带像素505可只组成像素阵列内的像素的子集，并被集成到也包括常规带宽像素的像素阵列。窄带像素505可包括红色像素、绿色像素和蓝色像素中的一个或多个及其组合。
除抑制环境照明之外，本公开的实施例包括：主机装置，被配置为针对非常短的曝光时间降低图像捕获期间的运动模糊。根据一些实施例，可将NIR感测功能和VW感测功能集成到能检测VW光和NIR光两者的单个成像传感器中。这样集成的成像传感器可包括：常规带宽NIR像素、常规带宽VW像素和以与用于虹膜扫描的波长对应的任何期望的波长为中心的窄带像素的各种组合。可以以具有贝尔图案的特征的各种图案对这些像素进行布置。
已公开一种用于生物识别虹膜扫描相机系统的方法和系统。已根据示出的实施例描述了本发明，可存在实施例的变形，而且任意变形将落入本发明的精神和范围内。本公开的多个方面可在计算机可读介质中实施，所述计算机可读介质包括实现通过计算机或计算装置(例如，移动电话和写字板装置等)实施的各种操作的程序指令。介质也可包括：单独的或与程序指令结合的数据文件、数据结构等。介质和程序指令可以是出于本公开的示例实施例的目的而专门设计并构建的介质和程序指令，或者可以是计算机软件领域的技术人员公知的和可用的介质和程序指令。计算机可读介质的示例包括：磁介质(诸如，硬盘、软盘和磁带)、光介质(例如，CD ROM盘和DVD)、磁光介质(例如，光盘)和可被专门配置为存储并执行程序指令的硬件装置(例如，只读存储器(ROM)、随机存取存储器(RAM)和闪存等)。也可将本公开的多个方面实现为数字信号，数字信号在载波中实施并包括由计算机可读的并可通过互联网传输的程序。程序指令的示例包括：例如由编译器产生的机器码和包括可由计算机使用解释器来执行的更高级代码的文件两者。描述的硬件装置可被配置为充当一个或多个软件模块，以执行上述本公开的示例实施例的操作。
描述了本公开的实施例。虽然已经以特定实施例描述了本公开，但是应理解，本公开不应该被解释为被这样的实施例限制，而应该根据权利要求来解释。因此，在不脱离权利要求的精神和范围的情况下，本领域普通技术人员可做出很多修改。

Claims (16)

1.一种用于主机装置的生物识别虹膜扫描相机系统，包括：
第一照明源，布置于主机装置，被配置为在图像捕获期间以近红外(NIR)波长对人进行照明；
第二照明源，布置于主机装置，被配置为以可见波长(VW)对人进行照明；
生物识别相机，布置于主机装置，所述生物识别相机包括：
第一成像传感器，被配置为将人的NIR图像转换为用于生成人的第一视频图像的电信号；
第二成像传感器，被配置为将人的VW图像转换为用于生成人的第二视频图像的电信号；
处理器，被配置为：通过人的初始虹膜图像捕获来确定人的虹膜颜色，基于人的虹膜颜色，选择第一照明源和第二照明源中的一个照明源以在图像捕获期间对人进行照明，接收人的对应的视频图像，并基于所述视频图像确定人的认证状态，
其中，处理器还被配置为：对初始虹膜图像的反差值进行确定；将初始虹膜图像的反差值与阈值反差水平进行比较；如果初始虹膜图像的反差值未高于阈值反差水平，则第二照明源和第二成像传感器被一起使用以获得人的对应的视频图像；如果虹膜图像的反差值高于阈值反差水平，则第一照明源和第一成像传感器被一起使用以获得人的对应的视频图像。
2.根据权利要求1所述的系统，其中，第一照明源和第二照明源被配置为在图像捕获期间实质上同时激活。
3.根据权利要求2所述的系统，其中，由单个成像传感器集成第一成像传感器和第二成像传感器。
4.根据权利要求1所述的系统，其中，通过将所述视频图像与存储在虹膜数据库中的预先注册的图像进行匹配，来确定认证状态。
5.根据权利要求1所述的系统，其中，第二成像传感器的成像元件的子集优先响应于与第二照明源的VW对应的照明的带宽。
6.一种捕获用于生物识别的人的图像的方法，所述方法包括：
通过人的初始虹膜图像捕获来确定人的虹膜颜色，
基于人的虹膜颜色选择照明波长；
在图像捕获期间使用选择的波长的光源对人进行照明，所述光源邻近于包括响应于近红外(NIR)波长的第一成像传感器和响应于可见波长(VW)的第二成像传感器的相机系统，所述相机系统和所述光源位于主机装置中；
在与选择的波长对应的成像传感器，在图像捕获期间接收选择的波长的人的反射照明；
生成与人的反射照明对应的电信号；
对电信号进行处理以生成人的虹膜图像；
基于所述虹膜图像，确定人的认证状态，
其中，所述方法还包括：对初始虹膜图像的反差值进行确定；将初始虹膜图像的反差值与阈值反差水平进行比较；如果初始虹膜图像的反差值未高于阈值反差水平，则第二照明源和第二成像传感器一起使用以生成所述虹膜图像；如果初始虹膜图像的反差值高于阈值反差水平，则第一照明源和第一成像传感器一起使用以生成所述虹膜图像。
7.根据权利要求6所述的方法，还包括：确定环境光水平，其中，如果环境光的水平低于阈值水平，则激活主机装置的VW照明源。
8.根据权利要求6所述的方法，其中，通过将所述虹膜图像与存储在虹膜数据库中的预先注册的图像进行匹配，来确定认证状态。
9.根据权利要求8所述的方法，其中，虹膜数据库包括在变化的照明条件下捕获的并且与变化的照明条件相关联的匿名虹膜图像，其中，基于所述虹膜图像与匿名虹膜图像的匹配，选择用于虹膜图像捕获的照明设置。
10.根据权利要求9所述的方法，其中，选择的照明设置包括用于对人进行照明的照明波长。
11.根据权利要求6所述的方法，其中，选择照明波长的步骤包括：选择用于对人进行照明的主机装置的NIR照明源和VW照明源中的一个照明源。
12.一种用于生物识别用户认证的移动设备，所述设备包括：
处理器；
存储器，存储虹膜数据库并被操作性地连接到处理器；
照明源，被配置为以控制的波长辐射照明，所述照明用于对对象的虹膜进行照明；
相机，包括：
第一成像传感器，被配置为将对象的近红外(NIR)图像转换为用于生成虹膜的第一视频图像的电信号；
第二成像传感器，被配置为将人的可见波长(VW)图像转换为用于生成虹膜的第二视频图像的电信号；
其中，处理器被配置为：通过人的初始虹膜图像捕获来确定人的虹膜颜色，基于虹膜颜色选择用于图像捕获的控制的波长，接收虹膜的视频图像并将虹膜的视频图像与存储在虹膜数据库中的预先注册的图像进行匹配，其中，如果确定匹配，则对象被认证，其中，处理器还被配置为：对初始虹膜图像的反差值进行确定；将初始虹膜图像的反差值与阈值反差水平进行比较；如果初始虹膜图像的反差值未高于阈值反差水平，则第二照明源和第二成像传感器被一起使用以获得虹膜的视频图像；如果虹膜图像的反差值高于阈值反差水平，则第一照明源和第一成像传感器被一起使用以获得虹膜的视频图像。
13.根据权利要求12所述的设备，其中，照明源包括：第一照明源，被配置为在图像捕获期间以NIR波长进行照明；第二照明源，被配置为以可见波长进行照明。
14.根据权利要求12所述的设备，其中，成像传感器的成像元件的子集是窄带成像元件，优先响应于与对应照明源的波长对应的照明的频带。
15.根据权利要求14所述的设备，其中，成像元件被以贝尔图案布置。
16.根据权利要求12所述的设备，还包括：砷化镓(GaAs)快门。
CN201580003646.8A 2014-02-21 2015-02-20 具有虹膜颜色识别的多频带生物识别相机系统 Active CN105874472B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201461943104P 2014-02-21 2014-02-21
US61/943,104 2014-02-21
PCT/US2015/016967 WO2015127313A1 (en) 2014-02-21 2015-02-20 Multi-band biometric camera system having iris color recognition

Publications (2)

Publication Number Publication Date
CN105874472A CN105874472A (zh) 2016-08-17
CN105874472B true CN105874472B (zh) 2019-09-17

Family

ID=53879076

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201580003646.8A Active CN105874472B (zh) 2014-02-21 2015-02-20 具有虹膜颜色识别的多频带生物识别相机系统

Country Status (4)

Country Link
US (1) US9848113B2 (zh)
KR (1) KR102332320B1 (zh)
CN (1) CN105874472B (zh)
WO (1) WO2015127313A1 (zh)

Families Citing this family (50)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102198852B1 (ko) * 2014-03-24 2021-01-05 삼성전자 주식회사 홍채 인식 장치 및 이를 포함하는 모바일 장치
JP6572537B2 (ja) * 2014-12-15 2019-09-11 富士通コネクテッドテクノロジーズ株式会社 認証装置、方法及びプログラム
US10049272B2 (en) * 2015-09-24 2018-08-14 Microsoft Technology Licensing, Llc User authentication using multiple capture techniques
US10068078B2 (en) * 2015-10-15 2018-09-04 Microsoft Technology Licensing, Llc Electronic devices with improved iris recognition and methods thereof
US10043075B2 (en) * 2015-11-19 2018-08-07 Microsoft Technology Licensing, Llc Eye feature identification
US10483315B2 (en) 2015-12-07 2019-11-19 Delta Id, Inc. Image sensor configured for dual mode operation
US20170180614A1 (en) * 2015-12-17 2017-06-22 Intel Corporation Iris imaging
NZ746021A (en) * 2016-03-07 2020-02-28 Magic Leap Inc Blue light adjustment for biometric security
KR101813141B1 (ko) * 2016-04-29 2017-12-28 아이리텍 잉크 적외선 대역 중 태양광의 흡수율이 인접 파장대역에 비해 높은 파장대역에서의 양자효율이 향상되어 해당 파장대역을 포함하여 촬영시 실내뿐만 아니라 실외에서도 고품질 홍채이미지 획득이 가능한 cmos 이미지 센서
US9940519B2 (en) * 2016-06-24 2018-04-10 Fotonation Limited Image processing method and system for iris recognition
FR3053500B1 (fr) * 2016-06-30 2019-06-28 Safran Identity & Security Procede de detection de fraude d'un systeme de reconnaissance d'iris
KR102525126B1 (ko) 2016-07-29 2023-04-25 삼성전자주식회사 홍채 카메라를 포함하는 전자 장치
WO2018033770A1 (en) * 2016-08-16 2018-02-22 Stroma Medical Corporation Method and apparatus for prediction of post-operative perceived iris color
US10880742B2 (en) 2016-12-15 2020-12-29 Fotonation Limited Iris recognition workflow
US20180189547A1 (en) * 2016-12-30 2018-07-05 Intel Corporation Biometric identification system
US10372974B2 (en) * 2017-01-11 2019-08-06 Microsoft Technology Licensing, Llc 3D imaging recognition by stereo matching of RGB and infrared images
CN108363939B (zh) * 2017-01-26 2022-03-04 阿里巴巴集团控股有限公司 特征图像的获取方法及获取装置、用户认证方法
CN110692062B (zh) * 2017-03-24 2023-12-08 奇跃公司 虹膜代码的累积和置信分配
KR102329765B1 (ko) * 2017-03-27 2021-11-23 삼성전자주식회사 홍채 기반 인증 방법 및 이를 지원하는 전자 장치
KR102314241B1 (ko) * 2017-03-28 2021-10-20 삼성전자주식회사 적응적 인증 수행 방법 및 이를 지원하는 전자 장치
JP2018185749A (ja) 2017-04-27 2018-11-22 ソニーセミコンダクタソリューションズ株式会社 固体撮像装置および固体撮像装置の制御方法
CN107358159A (zh) * 2017-06-08 2017-11-17 广东欧珀移动通信有限公司 终端的控制方法和装置、终端和计算机可读存储介质
CN107451534B (zh) * 2017-07-07 2020-09-11 Oppo广东移动通信有限公司 红外光源组件的控制方法和电子装置
CN107437065B (zh) * 2017-07-07 2020-08-28 Oppo广东移动通信有限公司 红外光源、虹膜识别模组和移动终端
CN107273874B (zh) * 2017-07-14 2020-05-22 Oppo广东移动通信有限公司 滤光膜、虹膜识别模组及电子装置
CN107451542B (zh) * 2017-07-14 2020-09-01 Oppo广东移动通信有限公司 虹膜识别模组排列结构及移动终端
CN107451541B (zh) * 2017-07-14 2020-08-14 Oppo广东移动通信有限公司 滤光膜、虹膜识别模组及电子装置
CN107454339B (zh) * 2017-07-17 2019-08-09 Oppo广东移动通信有限公司 图像处理方法及相关产品
US10137857B1 (en) * 2017-08-22 2018-11-27 Ford Global Technologies, Llc Vehicle unlocking systems, devices, and methods
US10300889B2 (en) 2017-09-08 2019-05-28 Ford Global Technologies, Llc Iris-detection alignment for vehicle feature activation
SG10201808116WA (en) * 2017-09-21 2019-04-29 Tascent Inc Binding of selfie face image to iris images for biometric identity enrollment
RU2670798C9 (ru) * 2017-11-24 2018-11-26 Самсунг Электроникс Ко., Лтд. Способ аутентификации пользователя по радужной оболочке глаз и соответствующее устройство
CN108053444B (zh) * 2018-01-02 2021-03-12 京东方科技集团股份有限公司 瞳孔定位方法及装置、设备和存储介质
CN110020573A (zh) * 2018-01-08 2019-07-16 上海聚虹光电科技有限公司 活体检测系统
US10591352B2 (en) * 2018-01-10 2020-03-17 X Development Llc Sensor and system for plant canopy measurement
US11023757B2 (en) 2018-02-14 2021-06-01 Samsung Electronics Co., Ltd. Method and apparatus with liveness verification
KR102507746B1 (ko) * 2018-03-02 2023-03-09 삼성전자주식회사 복수의 파장대역을 감지할 수 있는 카메라를 이용하여 복수의 정보를 생성하는 방법 및 이를 구현한 전자 장치
US11138429B2 (en) * 2018-03-12 2021-10-05 Tobii Ab Iris recognition using eye-tracking system
CN110363207A (zh) * 2018-04-09 2019-10-22 阿里巴巴集团控股有限公司 图像检测和分类器模型的生成方法、装置及设备
KR102503440B1 (ko) * 2018-04-12 2023-02-27 삼성전자주식회사 보안 처리 모듈을 이용하여 보안 이미지를 획득하는 전자 장치
US10742904B2 (en) * 2018-05-25 2020-08-11 Fotonation Limited Multispectral image processing system for face detection
US11074675B2 (en) * 2018-07-31 2021-07-27 Snap Inc. Eye texture inpainting
CN109036330B (zh) * 2018-08-17 2020-01-24 珠海格力电器股份有限公司 一种色温调节方法及终端设备
US11163981B2 (en) * 2018-09-11 2021-11-02 Apple Inc. Periocular facial recognition switching
US10990805B2 (en) * 2018-09-12 2021-04-27 Apple Inc. Hybrid mode illumination for facial recognition authentication
KR102177933B1 (ko) * 2018-11-13 2020-11-12 한국기계연구원 가시광선 레이저와 근적외선 펄스 레이저를 이용한 거리 측정 장치 및 측정 방법
CH716053A1 (de) * 2019-04-10 2020-10-15 Smart Secure Id Ag Biometrische Bildungsvorrichtung und biometrisches Bildungsverfahren zum Erfassen von Bilddaten eines Körperteils einer Person mit Benutzerführung.
JP7264257B2 (ja) * 2019-09-04 2023-04-25 日本電気株式会社 制御装置、制御方法及びプログラム
CN213960150U (zh) * 2019-12-04 2021-08-13 索尼半导体解决方案公司 电子设备
CN113536863A (zh) * 2020-04-22 2021-10-22 上海聚虹光电科技有限公司 自适应虹膜灰度的光谱段选择方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6331911B1 (en) * 1998-02-08 2001-12-18 3Dv Systems Ltd. Large aperture optical image shutter
US6753919B1 (en) * 1998-11-25 2004-06-22 Iridian Technologies, Inc. Fast focus assessment system and method for imaging

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100682898B1 (ko) 2004-11-09 2007-02-15 삼성전자주식회사 적외선을 이용한 영상 장치 및 그의 영상 식별 방법
FR2910150B1 (fr) * 2006-12-15 2009-04-17 Sagem Defense Securite Procede et installation de capture d'iris avec detection prealable de couleur.
US8023699B2 (en) 2007-03-09 2011-09-20 Jiris Co., Ltd. Iris recognition system, a method thereof, and an encryption system using the same
WO2009109975A2 (en) * 2008-03-05 2009-09-11 Tamir Gil Snapshot spectral imaging of the eye
US20090245594A1 (en) * 2008-03-31 2009-10-01 General Electric Company Iris imaging and iris-based identification
US8345936B2 (en) * 2008-05-09 2013-01-01 Noblis, Inc. Multispectral iris fusion for enhancement and interoperability
US8254768B2 (en) * 2010-12-22 2012-08-28 Michael Braithwaite System and method for illuminating and imaging the iris of a person
WO2013090922A1 (en) * 2011-12-16 2013-06-20 Tenebraex Corporation Systems and methods for creating full-color image in low light
US9138140B2 (en) * 2012-03-20 2015-09-22 Lrs Identity, Inc. Compact iris imaging system
KR102023611B1 (ko) * 2012-05-04 2019-09-23 삼성전자 주식회사 홍채 인식 및 근접 센싱 가능한 단말 장치 및 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6331911B1 (en) * 1998-02-08 2001-12-18 3Dv Systems Ltd. Large aperture optical image shutter
US6753919B1 (en) * 1998-11-25 2004-06-22 Iridian Technologies, Inc. Fast focus assessment system and method for imaging

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Depth sensing video cameras for 3D tangible tabletop interaction;WILSON.A.;《In Proceedings of Second Annual IEEE International Workshop on Horizontal Interactive Human-Computer System》;20071031;第201-204页

Also Published As

Publication number Publication date
CN105874472A (zh) 2016-08-17
US20150304535A1 (en) 2015-10-22
KR102332320B1 (ko) 2021-11-29
KR20160145536A (ko) 2016-12-20
US9848113B2 (en) 2017-12-19
WO2015127313A1 (en) 2015-08-27

Similar Documents

Publication Publication Date Title
CN105874472B (zh) 具有虹膜颜色识别的多频带生物识别相机系统
US10691939B2 (en) Systems and methods for performing iris identification and verification using mobile devices
CN105917357B (zh) 具有带通滤波器和可变光源的灵敏生物识别相机
CN107408205B (zh) 用红外成像区分前景和背景
Steiner et al. Design of an active multispectral SWIR camera system for skin detection and face verification
Zou et al. Illumination invariant face recognition: A survey
KR102270674B1 (ko) 생체인식 카메라
WO2019134536A1 (zh) 基于神经网络模型的人脸活体检测
US20160019421A1 (en) Multispectral eye analysis for identity authentication
US20170091550A1 (en) Multispectral eye analysis for identity authentication
US20160019420A1 (en) Multispectral eye analysis for identity authentication
CN110298874A (zh) 基于单个图像传感器及在可见光谱中的结构光图案撷取图像及相关三维模型的方法及装置
US20200193581A1 (en) Capturing images under coded illumination patterns to reduce effects of ambient lighting conditions
CN105103187A (zh) 用于阴影检测和减弱的多光谱成像系统
CN110008813A (zh) 基于活体检测技术的人脸识别方法和系统
Wang et al. A new multispectral method for face liveness detection
Sun et al. Context based face spoofing detection using active near-infrared images
Bourlai et al. On designing a SWIR multi-wavelength facial-based acquisition system
KR20210131891A (ko) 개인의 인증 또는 식별을 위한 방법
Sheinin et al. Rolling shutter imaging on the electric grid
US10853641B2 (en) Apparatus and method for acquiring iris image outdoors and indoors
CN103856708B (zh) 自动对焦的方法以及摄像装置
Kınlı et al. Modeling the lighting in scenes as style for auto white-balance correction
Li et al. Illumination processing in face recognition
Harifi et al. Efficient iris segmentation based on converting iris images to high dynamic range images

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