CN106778689A - 一种双摄像头的虹膜采集识别方法及装置 - Google Patents

Abstract

本发明实施例公开了一种双摄像头的虹膜采集识别方法及智能终端，所述方法包括如下步骤：智能终端接收用户选择的虹膜识别模式，将智能终端切换到虹膜识别模式下；智能终端控制副摄像头采集第一图像；智能终端对第一图像进行识别处理确定第一图像包含虹膜；智能终端通过虹膜识别算法对第一图像进行虹膜识别处理。本发明提供的技术方案具有实现虹膜识别的优点。

Description

一种双摄像头的虹膜采集识别方法及装置

技术领域

本发明涉及智能终端领域，尤其涉及一种双摄像头的虹膜采集识别方法及装置。

背景技术

双摄像头技术双摄像头，这两个摄像头有主副之分，主摄像头负责成像，而副摄像头负责测量景深数据。在拍摄时发出近红外线的连续光可以进行对空间的测量和编码，然后再通过感应器读取编码，再解码后可以拍摄完成不同景深的图像。采用双镜头的作用是为了提升焦外成像效果，将改进背景虚化能力，焦外成像效果更佳，甚至可以更换背景，这类摄像头的优势在于即使我们没有摄影基础，我们也可以通过这类摄像头强大的传感器和处理器拍摄出有明显景深效果的照片

虹膜成像技术用于虹膜识别的设备可包括用于虹膜采集的图像的成像装置，和用于将所捕捉图像与先前存储虹膜图像信息对比的图像处理设备。成像设备和图像处理设备可包括单独的设备，或可结合于其他的设备内。

虽然虹膜采集及识别设备先前已经作为专用或独立设备而可用，越来越期望将虹膜识别能合并入具有内置摄像机的移动通信设备或移动计算设备(总体指代为″移动设备″)。但是，已经发现，移动设备内的成像装置或摄像机旨在作为能够捕捉位于距移动设备大范围距离内的物的图像的一般用途摄像机而操作。出于生物特征识别的目的用于获取虹膜图像的考虑与适用于非虹膜图像的图像获取的考虑显著不同，目前移动设备内的摄像机不足以用于虹膜成像以进行生物特征识别的目的。

发明内容

本发明实施例公开了一种双摄像头的虹膜采集识别方法及装置，通过双摄像头的副摄像头的模式切换实现虹膜采集和识别，实现了智能终端的虹膜实现方案。

本发明实施例第一方面公开了一种双摄像头的虹膜采集识别方法所述方法包括如下步骤：

智能终端接收用户选择的虹膜识别模式，将智能终端切换到虹膜识别模式下；

智能终端控制副摄像头采集第一图像；

智能终端对第一图像进行识别处理确定第一图像包含虹膜；

智能终端通过虹膜识别算法对第一图像进行虹膜识别处理。

可选的，所述智能终端控制副摄像头采集第一图像之前还包括：

智能终端依据副摄像头的镜头视角获取第一图像的范围，具体为：

智能终端对副摄像头进行红外滤光处理，采集可见光和红外合成第一图像。

可选的，所述智能终端控制副摄像头采集第一图像具体包括：

智能终端控制副摄像头的图像传感器的拍摄范围，在该拍摄范围内获取第一图像。

可选的，智能终端对第一图像进行识别处理确定第一图像包含虹膜具体，包括：

采用分割算法对第一图像进行分割得到不同灰度区域的图像，将灰度值在设定范围内的区域作为瞳孔的候选区域；

将所述候选区域采用最小二乘算法进行圆拟合拟合，判断是否为一个近似圆；

如判断出近似圆，计算出近似圆的圆心和半径，将该近似圆初步认定为初虹膜；

沿半径方向等角度的选择N个点作为初虹膜外边缘粗定位的种子点；

计算每个种子点进行灰度变化的累加值计算得到灰度梯度；

求灰度梯度中的最大值，该最大值对应的点即为边界点；

将所有的边界点拟合后得到初虹膜的外边缘；

依据该外边缘特征确定是否为虹膜。

可选的，所述依据该外边缘确定是否为虹膜具体，包括：

如该外边缘为类圆形，且尺寸在设定范围之内，则确定该初虹膜为虹膜。

第二方面，提供一种智能终端，所述智能终端包括：

接收单元，用于接收用户选择的虹膜识别模式，将智能终端切换到虹膜识别模式下；

控制单元，用于控制副摄像头采集第一图像；

处理单元，用于对第一图像进行识别处理确定第一图像包含虹膜，通过虹膜识别算法对第一图像进行虹膜识别处理。

可选的，所述控制单元，还用于依据副摄像头的镜头视角获取第一图像的范围，具体为：

智能终端对副摄像头进行红外滤光处理，采集可见光和红外合成第一图像。

可选的，控制单元，具体用于控制副摄像头的图像传感器的拍摄范围，在该拍摄范围内获取第一图像。

可选的，所述处理单元具体，用于采用分割算法对第一图像进行分割得到不同灰度区域的图像，将灰度值在设定范围内的区域作为瞳孔的候选区域；将所述候选区域采用最小二乘算法进行圆拟合拟合，判断是否为一个近似圆；如判断出近似圆，计算出近似圆的圆心和半径，将该近似圆初步认定为初虹膜；沿半径方向等角度的选择N个点作为初虹膜外边缘粗定位的种子点；计算每个种子点进行灰度变化的累加值计算得到灰度梯度；求灰度梯度中的最大值，该最大值对应的点即为边界点；将所有的边界点拟合后得到初虹膜的外边缘；依据该外边缘特征确定是否为虹膜。

可选的，所述依据该外边缘确定是否为虹膜具体，包括：

如该外边缘为类圆形，且尺寸在设定范围，则确定该初虹膜为虹膜

本发明实施例中，通过副摄像头实现虹膜识别的优点，其无需进行硬件的增加，即能够增加虹膜识别的功能，提高了用户的体验度。

附图说明

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

图1是本发明实施例公开的一种双摄像头的虹膜采集识别方法的流程示意图；

图2是本发明实施例公开的另一种终端的结构示意图；

图3是本发明实施例公开的又一种双摄像头角度示意图；

图4是本发明实施例公开的一种第一图像示意图；

图5是本发明实施例公开的另一种终端的结构示意图。

图6是本发明实施例公开的另一种智能终端的结构框图。

具体实施方式

在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。

在上下文中所称″计算机设备″，也称为″电脑″，是指可以通过运行预定程序或指令来执行数值计算和/或逻辑计算等预定处理过程的智能电子设备，其可以包括处理器与存储器，由处理器执行在存储器中预存的存续指令来执行预定处理过程，或是由ASIC、FPGA、DSP等硬件执行预定处理过程，或是由上述二者组合来实现。计算机设备包括但不限于服务器、个人电脑、笔记本电脑、平板电脑、智能手机等。

后面所讨论的方法(其中一些通过流程图示出)可以通过硬件、软件、固件、中间件、微代码、硬件描述语言或者其任意组合来实施。当用软件、固件、中间件或微代码来实施时，用以实施必要任务的程序代码或代码段可以被存储在机器或计算机可读介质(比如存储介质)中。(一个或多个)处理器可以实施必要的任务。

这里所公开的具体结构和功能细节仅仅是代表性的，并且是用于描述本发明的示例性实施例的目的。但是本发明可以通过许多替换形式来具体实现，并且不应当被解释成仅仅受限于这里所阐述的实施例。

应当理解的是，虽然在这里可能使用了术语″第一″、″第二″等等来描述各个单元，但是这些单元不应当受这些术语限制。使用这些术语仅仅是为了将一个单元与另一个单元进行区分。举例来说，在不背离示例性实施例的范围的情况下，第一单元可以被称为第二单元，并且类似地第二单元可以被称为第一单元。这里所使用的术语″和/或″包括其中一个或更多所列出的相关联项目的任意和所有组合。

这里所使用的术语仅仅是为了描述具体实施例而不意图限制示例性实施例。除非上下文明确地另有所指，否则这里所使用的单数形式″一个″、″一项″还意图包括复数。还应当理解的是，这里所使用的术语″包括″和/或″包含″规定所陈述的特征、整数、步骤、操作、单元和/或组件的存在，而不排除存在或添加一个或更多其他特征、整数、步骤、操作、单元、组件和/或其组合。

还应当提到的是，在一些替换实现方式中，所提到的功能/动作可以按照不同于附图中标示的顺序发生。举例来说，取决于所涉及的功能/动作，相继示出的两幅图实际上可以基本上同时执行或者有时可以按照相反的顺序来执行。

本发明实施例公开了一种双摄像头的虹膜采集识别方法及装置，能够解决智能终端无法对虹膜进行识别的问题。以下分别进行详细说明。

双摄像头的设计如图3所示，两个摄像头(camera)的镜头视角(FOV)设计会不一样。主camera是用来提取实际图像的，副camera的图像主要是用来参考计算景深。副camera的FOV一般会大于主camera，通过在左右两张图计算出不同点差异的图一般叫不等图(Disparity Map)，这个图上表示的是两张图上相同点的位移差异，但是由于三角定位中的位移差异和Z成正比，因此很多时候Disparity Map就直接被用作景深图。

请参阅图1，图1是本发明实施例公开的一种双摄像头的虹膜采集识别方法的流程示意图。如图1所示，该双摄像头的虹膜采集识别方法在如图2所示的智能终端下实现，可以包括以下步骤：

步骤S101、智能终端接收用户选择的虹膜识别模式，将智能终端切换到虹膜识别模式下；

步骤S102、智能终端控制副摄像头采集第一图像；

上述步骤S102的具体实现方式可以为，智能终端过滤副摄像头的红外波段光线后采集第一图像的范围，具体为：

智能终端对副摄像头进行红外滤光处理，采集可见光和红外合成第一图像。

如图3所示，智能终端依据副摄像头的镜头视角获取第一图像的范围。

智能终端控制副摄像头的图像传感器的拍摄范围，在该拍摄范围内获取第一图像。

步骤S103、智能终端对第一图像进行识别处理确定第一图像包含虹膜。

上述步骤S103实现的方法具体可以为：

首先采用mean shift算法对图像进行分割，得出不同灰度区域的图像，将灰度图像偏低的区域作为瞳孔的候选区域。Mean shift图像分割的算法有图像滤波以及图像合并两个步骤，设G(x)为单位核函数，这里采用简单的均匀分布

G(x)移动过程中的所有相关位置以{y_j}_{j＝1，2，...，n}来表示，

有

y_j+1为在y_j处用核G计算出来的加权平均值。y₁表示的是核中心所处的初始位置，由核K计算出来的相关概率密度估计就成为：

y_c表示的是的一个不动的点，即检测出来一个众数，将此众数作为一个标记，等同于将检测过程众经过的一切点记作同此众数相关，再根据聚类的要求来对它们的值进行改变，即将众数的值用来赋值，此过程成为一次滤波。具体滤波过程如下：将{x_i}_{i＝1，2，...，n}和{z_i}_{i＝1，2，...，n}分别用来代表d维联合域内原始的像素点及滤波以后的像素点。对于各个像素，首先初始化j＝1，y_i，1＝x_i，然后运用Mean Shift算法的公式计算y_i，j+1到其收敛为止，在完成Mean Shift滤波之后，将像素值差别十分小的相邻区域进行合并，继而得到比较大的各个分割区域。

选择出灰度偏低，尺寸在一定范围(即设定范围)之内的分割区域设置为候选区域。

将候选区域采用最小二乘算法进行圆拟合，判断是否为一个近似的圆；

判断出瞳孔的圆心、半径；

沿半径方向等角度的选择N个点作为虹膜(初步)外边缘粗定位的种子点。考虑到虹膜(初步)外边缘被眼睑要遮掩一部分，我们可以选择的角度在[-π/4，π/4]U[3/4π，5/4π]内，以保证寻求到的灰度突变点为虹膜(初步)外边缘上的点。

因为虹膜(初步)的环状特性，我们选取半径方向作为寻求边缘点的方向。边缘点即是灰度跳变最大的点，所以我们对半径方向每个点进行灰度变化的累加值计算。设起始点为f(i，j)，灰度梯度计算公式为

观察灰度梯度寻找其最大值即的k值点即为边界点。为了减少计算量，可以根据先验知识1.75R_P≤R_i≤4.0R_p(R_i、R_p分别为虹膜、瞳孔半径)，缩小边缘点的搜索范围，减少计算量。这样就获得了N个虹膜外边界点。

根据随机抽样一致性(Random Sample Consensus，RANSAC)拟合出虹膜(初步)的外边缘，如该外边缘为圆形，则确定为虹膜。

上述在进行图像采集模式转换过程中，如图4所示，设副摄像头原始图像为f(x，y)，图像宽为W，高度为H，即0＜x＜W，0＜y＜H。

切割的虹膜图像设为f_IR(x′，y′)，其中0＜x′＜W_IR、0＜y′＜H_IR，

f_IR(x′，y′)映射到原始图像f(x，y)的图像区域设为x₀＜x＜x₁、y₀＜y＜y₁。

其投射区域的大小根据图像传感器本身的分辨率以及FOV的差异来自适应调整，当图像传感器本身分辨率较低的时候，直接提取原始图像的某个适当区域，当传感器本身分辨率较高的时候，在提取原始图像的基础上做适当的压缩处理，以优化虹膜算法的识别速度。

可选的，上述第二图像可以为我们这里采用算法自适应的微调虹膜图像的提取位置x₀、y₀，首先在设备每次启动的时候，我们会在不同的焦平面采取一系列的图像，因为照明区域小于图像传感器的图像采集区域，这样会在每一个采集的样本图像中形成一个相对灰度值较高的区域，对每个焦距进行采样得到所有焦平面对应的灰度值较高的区域(即照明区域)，建立焦距与灰度值的映射关系。通过对一系列样本图像的照明区域的提取，依据第一图像中的焦距以及上述映射关系得到对应的灰度值，然后提取出第二图像中对应灰度值的范围即为最优的虹膜成像区域。

步骤S104、智能终端通过虹膜识别算法对第一图像进行虹膜识别处理。

上述虹膜识别算法可以采用现有的虹膜识别算法，这里不在赘述。

请参阅图5，图5为本申请提供的一种终端的结构示意图，该终端500包括至少一个处理器501，至少一个存储器502以及至少一个通信接口503。所述处理器501、所述存储器502和所述通信接口503通过所述通信总线连接并完成相互间的通信。

处理器501可以是通用中央处理器(CPU)，微处理器，特定应用集成电路(application-specific integrated circuit，ASIC)，或一个或多个用于控制以上方案程序执行的集成电路。

通信接口503，用于与其他设备或通信网络通信，如以太网，无线接入网(RAN)，无线局域网(Wireless Local Area Networks，WLAN)等。

存储器502可以是只读存储器(read-only memory，ROM)或可存储静态信息和指令的其他类型的静态存储设备，随机存取存储器(random access memory，RAM)或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器(ElectricallyErasable Programmable Read-Only Memory，EEPROM)、只读光盘(Compact Disc Read-Only Memory，CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。存储器可以是独立存在，通过总线与处理器相连接。存储器也可以和处理器集成在一起。

其中，所述存储器502用于存储执行以上方案的应用程序代码，并由处理器501来控制执行。所述处理器501用于执行所述存储器502中存储的应用程序代码。

处理器501调用存储器502存储的代码可执行以上提供的双摄像头的虹膜采集识别方法。

参阅图6，图6提供一种智能终端600，所述智能终端包括：

接收单元601，用于接收用户选择的虹膜识别模式，将智能终端切换到虹膜识别模式下；

控制单元602，用于控制副摄像头采集第一图像；

处理单元603，用于对第一图像进行识别处理确定第一图像包含虹膜，通过虹膜识别算法对第一图像进行虹膜识别处理。

可选的，所述控制单元602，还用于依据副摄像头的镜头视角获取第一图像的范围，具体为：

智能终端对副摄像头进行红外滤光处理，采集可见光和红外合成第一图像。

可选的，控制单元602，具体用于控制副摄像头的图像传感器的拍摄范围，在该拍摄范围内获取第一图像。

可选的，所述处理单元602具体，用于采用分割算法对第一图像进行分割得到不同灰度区域的图像，将灰度值在设定范围内的区域作为瞳孔的候选区域；将所述候选区域采用最小二乘算法进行圆拟合拟合，判断是否为一个近似圆；如判断出近似圆，计算出近似圆的圆心和半径，将该近似圆初步认定为初虹膜；沿半径方向等角度的选择N个点作为初虹膜外边缘粗定位的种子点；计算每个种子点进行灰度变化的累加值计算得到灰度梯度；求灰度梯度中的最大值，该最大值对应的点即为边界点；将所有的边界点拟合后得到初虹膜的外边缘；依据该外边缘特征确定是否为虹膜。

本发明实施例还提供一种计算机存储介质，其中，该计算机存储介质可存储有程序，该程序执行时包括上述方法实施例中记载的任何一种服务关系的确定方法的部分或全部步骤。

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

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

在本申请所提供的几个实施例中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储器包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

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

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

Claims (10)

1.一种双摄像头的虹膜采集识别方法，其特征在于，所述方法包括如下步骤：

智能终端接收用户选择的虹膜识别模式，将智能终端切换到虹膜识别模式下；

智能终端控制副摄像头采集第一图像；

智能终端对第一图像进行识别处理确定第一图像包含虹膜；

智能终端通过虹膜识别算法对第一图像进行虹膜识别处理。

2.根据权利要求1所述的方法，其特征在于，所述智能终端控制副摄像头采集第一图像之前还包括：

智能终端依据副摄像头的镜头视角获取第一图像的范围，具体为：

智能终端对副摄像头进行红外滤光处理，采集可见光和红外合成第一图像。

3.根据权利要求1所述的方法，其特征在于，所述智能终端控制副摄像头采集第一图像具体包括：

智能终端控制副摄像头的图像传感器的拍摄范围，在该拍摄范围内获取第一图像。

4.根据权利要求1-3任意一项所述的方法，其特征在于，智能终端对第一图像进行识别处理确定第一图像包含虹膜具体，包括：

采用分割算法对第一图像进行分割得到不同灰度区域的图像，将灰度值在设定范围内的区域作为瞳孔的候选区域；

将所述候选区域采用最小二乘算法进行圆拟合拟合，判断是否为一个近似圆；

如判断出近似圆，计算出近似圆的圆心和半径，将该近似圆初步认定为初虹膜瞳孔；

沿半径方向等角度的选择N个点作为初虹膜外边缘粗定位的种子点；

计算每个种子点进行灰度变化的累加值计算得到灰度梯度；

求灰度梯度中的最大值，该最大值对应的点即为边界点；

将所有的边界点拟合后得到初虹膜的外边缘；

依据该外边缘拟合特征确定是否为虹膜。

5.根据权利要求4所述的方法，其特征在于，所述依据该外边缘确定是否为虹膜具体，包括：

如该外边缘为类圆形，且尺寸在设定范围，则确定该初虹膜为虹膜。

6.一种智能终端，其特征在于，所述智能终端包括：

接收单元，用于接收用户选择的虹膜识别模式，将智能终端切换到虹膜识别模式下；

控制单元，用于控制副摄像头采集第一图像；

处理单元，用于对第一图像进行识别处理确定第一图像包含虹膜，通过虹膜识别算法对第一图像进行虹膜识别处理。

7.根据权利要求6所述的智能终端，其特征在于，

所述控制单元，还用于依据副摄像头的镜头视角获取第一图像的范围，具体为：

智能终端对副摄像头进行红外滤光处理，采集可见光和红外合成第一图像。

8.根据权利要求6所述的智能终端，其特征在于，

控制单元，具体用于控制副摄像头的图像传感器的拍摄范围，在该拍摄范围内获取第一图像。

9.根据权利要求6-8任意一项所述的智能终端，其特征在于，

所述处理单元具体，用于采用分割算法对第一图像进行分割得到不同灰度区域的图像，将灰度值在设定范围内的区域作为瞳孔的候选区域；拟合将所述候选区域采用最小二乘算法进行圆拟合，判断是否为一个近似圆；如判断出近似圆，计算出近似圆的圆心和半径，将该近似圆初步认定为初虹膜；沿半径方向等角度的选择N个点作为初虹膜外边缘粗定位的种子点；计算每个种子点进行灰度变化的累加值计算得到灰度梯度；求灰度梯度中的最大值，该最大值对应的点即为边界点；将所有的边界点拟合后得到初虹膜的外边缘；依据该外边缘特征确定是否为虹膜。

10.根据权利要求9所述的智能终端，其特征在于，所述依据该外边缘确定是否为虹膜具体，包括：

如该外边缘为类圆形，且尺寸在设定范围，则确定该初虹膜为虹膜。