CN108334874A - 一种3d四维虹膜图像数据识别设备 - Google Patents

一种3d四维虹膜图像数据识别设备 Download PDF

Info

Publication number
CN108334874A
CN108334874A CN201810302347.XA CN201810302347A CN108334874A CN 108334874 A CN108334874 A CN 108334874A CN 201810302347 A CN201810302347 A CN 201810302347A CN 108334874 A CN108334874 A CN 108334874A
Authority
CN
China
Prior art keywords
iris
iris image
data
eye
dimension
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.)
Withdrawn
Application number
CN201810302347.XA
Other languages
English (en)
Inventor
左忠斌
淮春芳
左达宇
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.)
Beijing Tianmu Zhi Lian Technology Co Ltd
Original Assignee
Beijing Tianmu Zhi Lian Technology 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 Beijing Tianmu Zhi Lian Technology Co Ltd filed Critical Beijing Tianmu Zhi Lian Technology Co Ltd
Priority to CN201810302347.XA priority Critical patent/CN108334874A/zh
Publication of CN108334874A publication Critical patent/CN108334874A/zh
Withdrawn legal-status Critical Current

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
    • 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
    • G06V40/197Matching; Classification

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)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明提供了一种3D四维虹膜图像数据识别设备,以人体特征信息为基础,结合虹膜图像数据采集对象的眼部方向信息确定眼部位置,进而通过红外深度相机准确并完整获取被采集对象的眼部虹膜图像数据,以进行人体虹膜生物特征的3D四维重建,可以在高效采集虹膜图像数据的同时,保证眼部虹膜图像数据的清晰度和完整度,提升了3D重建的效率。同时,本发明以识别目标的身份信息识别四维数据,不必将目标人的虹膜数据与数据库中的海量数据进行逐一比对,提高了比对识别的效率,大大提升了身份识别的速度,采用基于空域直接匹配的天目点云比对识别法进行特征点拟合,实现了虹膜特征点的快速拟合比对,进而实现了身份快速认证识别。

Description

一种3D四维虹膜图像数据识别设备
技术领域
本发明涉及图像重构与识别技术领域,特别是一种3D四维虹膜图像数据识别设备。
背景技术
虹膜作为生物特征即生物固有的生理或行为特征之一,具有一定的唯一性和稳定性,即任何两生物的某种虹膜特征之间的差异比较大,且虹膜特征一般不会随着时间发生很大的变化,这就使得虹膜特征很适合应用在身份认证或识别采集装置中的认证信息等场景中。
目前使用单一相机识别虹膜特征数据,单一相机只能采集某个特定的角度,或者需要调整相机来采集不同角度的虹膜特征来识别目标人物,实际使用起来不便捷,较为繁琐,因此亟待解决这一技术问题。
发明内容
鉴于上述问题,提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的3D四维虹膜图像数据识别设备。
本发明实施例提供了一种3D四维虹膜图像数据识别设备,包括如下装置:
虹膜特征信息采集装置,用于采集人体在给定时间内的多幅眼部虹膜特征图像,并根据所述多幅虹膜特征图像构建虹膜特征的四维模型,以实现所述虹膜特征的四维数据采集;
虹膜特征四维数据存储装置,用于扫描或录入人体的身份信息(I1,I2,…In)作为识别标志对采集到的人体虹膜特征四维数据进行关联存储,形成包括多条虹膜特征四维数据(D1,D2,…Dn)的数据库;
目标人物身份识别装置,用于根据扫描或录入的目标人物的身份信息(I1,I2,…In)找到所述数据库中存储的虹膜特征四维数据(D1,D2,…Dn),并将所述目标人物的虹膜特征四维数据(T1,T2,…Tn)分别与相应的所述数据库中存储的虹膜特征四维数据(D1,D2,…Dn)进行比对,以识别目标人物的身份。
进一步的,所述虹膜特征信息采集装置,包括:
检测组件,用于根据人体特征信息及眼部方向信息确定虹膜图像数据采集对象的眼部坐标位置;
采集组件,用于获取所述虹膜图像数据采集对象的虹膜图像数据,并将所述虹膜图像数据传输至数据处理组件;
固定平台,用于固定所述采集组件;
眼部辅助定位组件,其信息输入端连接所述检测组件的信息输出端,用于基于所述眼部坐标位置控制所述采集组件旋转特定角度,使所述采集组件对焦至所述虹膜图像数据采集对象的眼部;
所述固定平台与所述眼部辅助定位组件可转动连接;
中央处理组件,其信息输入端连接所述采集组件的信息输出端,用于接收所述采集组件传输的虹膜图像数据,对所述虹膜图像数据进行处理和计算,生成所述虹膜图像数据采集对象的3D四维虹膜数据。
进一步的,所述中央处理组件包括图像处理器GPU和中央处理器CPU,所述中央处理组件将所述多幅虹膜特征图像的图像信息分配到GPU的块block中进行运算,并结合CPU的集中调度和分配功能,计算所述多幅虹膜特征图像各自的特征点。
进一步的,所述虹膜特征信息采集装置还包括:补光灯,用于获取当前环境的亮度,当根据所述当前环境的亮度确定需要进行补光时,利用补光灯补光,所述补光灯与所述固定平台固定连接。
进一步的,所述采集组件、补光灯、检测组件以及眼部辅助定位组件处于同一水平面。
进一步的,所述采集组件为多台可见光相机形成的相机矩阵。
进一步的,所述固定平台包括设有弧形承载结构的支撑结构,形成所述相机矩阵的多台可见光相机布置在所述弧形承载结构上。
进一步的,所述采集组件是红外深度相机或光场相机。
进一步的,所述变焦相机包括第一变焦相机和第二变焦相机;
所述中央处理组件还用于基于所述眼部坐标位置控制固定平台旋转特定角度,使所述第一变焦相机和第二变焦相机分别对焦至所述虹膜图像数据采集对象的左右眼部。
进一步的,所述第一变焦相机和第二变焦相机分别用于获取所述虹膜图像数据采集对象左右眼部完整的虹膜图像数据,其信息输出端均连接中央处理组件的信息输入端;其中,所述虹膜图像数据采集对象左右眼部完整的虹膜图像数据包括:针对所述虹膜图像数据采集对象左右眼部多个角度的多组虹膜图像数据。
进一步的,所述固定平台与所述中央处理组件通过转动齿轮连接;所述中央处理组件包括:驱动器;
所述驱动器,用于基于所述眼部坐标位置驱动所述转动齿轮转动,控制固定平台旋转特定角度,使变焦相机对焦至所述虹膜图像数据采集对象的眼部。
进一步的,所述中央处理组件还包括:
图像处理器,用于对所述虹膜图像数据优化处理,包括自动曝光、自动白平衡、自动对焦和/或图像畸形校正;
中央处理器,用于将所述虹膜图像数据输入配准算法模型,进行配准计算得到配准数据,基于所述配准数据生成所述虹膜图像数据采集对象的3D四维虹膜数据;
优选地,还包括用于显示所述3D四维虹膜数据的显示器,该显示器的信息输入端连接所述中央处理组件的信息输出端。
进一步的,所述目标人物身份识别装置,采用天目点云比对识别法对所述目标生物体的虹膜特征四维数据(T1、T2…Tn)和所述数据库中存储的虹膜特征四维数据(D1、D2…Dn)进行比对;所述天目点云比对识别法包括如下步骤:
S301.特征点拟合;
S302.曲面整体最佳拟合;
S303.相似度计算;
进一步的,所述天目点云比对识别法包括如下具体步骤:
采用基于空域直接匹配的方法进行特征点拟合,在两个点云的对应的刚性区域,选取三个及以上特征点作为拟合关键点,通过坐标变换,直接进行特征点对应匹配;
特征点对应匹配后,整体曲面最佳拟合后的点云的数据对齐;
采用最小二乘法进行相似度计算。
本发明实施例提供了一种3D四维虹膜图像数据识别设备,在工作过程中,首先获取虹膜图像数据采集对象的人体特征信息以及眼部方向信息,并基于上述信息通过检测组件确定虹膜图像数据采集对象的眼部位置,控制采集组件固定平台旋转特定角度,以使采集组件精准对焦至虹膜图像数据采集对象的眼部,进而获取虹膜图像数据采集对象完整的虹膜图像数据,然后根据采集到的虹膜图像数据建立3D四维虹膜数据。由此可以看出,在发明实施例中,以人体特征信息为基础,结合虹膜图像数据采集对象的眼部方向信息确定眼部位置,进而通过采集组件准确并完整获取被采集对象的眼部虹膜图像数据,以进行人体生物特征的3D四维重建,可以在高效采集虹膜图像数据的同时,保证眼部虹膜图像数据的清晰度和完整度,提升了3D四维重建的效率。同时,本发明以识别目标的身份信息识别四维数据,不必将目标人的数据与数据库中的海量数据进行逐一比对,提高了比对识别的效率,大大提升了身份识别的速度,采用基于空域直接匹配的天目点云比对识别法进行特征点拟合,实现了手部特征点的快速拟合比对,进而实现了身份快速认证识别。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
根据下文结合附图对本发明具体实施例的详细描述,本领域技术人员将会更加明了本发明的上述以及其他目的、优点和特征。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了根据本发明一实施例的3D四维虹膜图像数据识别设备结构示意图;
图2示出了根据本发明一实施例的3D四维虹膜数据采集方法的流程图;
图3示出了根据本发明另一实施例的3D四维虹膜数据生成方法的流程图;
图4示出了根据本发明一实施例的特征点提取方法的流程示意图;
图5示出了根据本发明一实施例的3D四维虹膜数据采集设备示意图;以及
图6示出了根据本发明一实施例的3D四维虹膜数据采集设备结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
需要说明的是,本发明中的3D四维数据是指三维空间数据结合时间维度数据所形成的数据,三维空间结合时间维度是指:多张相同时间间隔或不同时间间隔、不同角度、不同方位或不同状态等情况的图像或影像形成的数据集合。换句话说四维数据可以是多张相同时间间隔或不同时间间隔、不同角度、不同方位、不同表情形态等的3D数据集合。
为解决上述技术问题,本发明实施例提供了一种3D四维虹膜图像数据识别设备。
图1示出了根据本发明一实施例的3D四维虹膜图像数据识别设备结构示意图,包括:
虹膜特征信息采集装置,用于采集人体在给定时间内的多幅眼部虹膜特征图像,并根据所述多幅虹膜特征图像构建虹膜特征的四维模型,以实现所述虹膜特征的四维数据采集;
虹膜特征四维数据存储装置,用于扫描或录入人体的身份信息(I1,I2,…In)作为识别标志对采集到的人体虹膜特征四维数据进行关联存储,形成包括多条虹膜特征四维数据(D1,D2,…Dn)的数据库;
目标人物身份识别装置,用于根据扫描或录入的目标人物的身份信息(I1,I2,…In)找到所述数据库中存储的虹膜特征四维数据(D1,D2,…Dn),并将所述目标人物的虹膜特征四维数据(T1,T2,…Tn)分别与相应的所述数据库中存储的虹膜特征四维数据(D1,D2,…Dn)进行比对,以识别目标人物的身份。
本发明实施例提供了一种基于虹膜图像数据的3D四维虹膜数据采集装置,包括:检测组件,用于根据人体特征信息及眼部方向信息确定虹膜图像数据采集对象的眼部坐标位置;采集组件,用于获取所述虹膜图像数据采集对象的虹膜图像数据,并将所述虹膜图像数据传输至数据处理组件;固定平台,用于固定所述采集组件;眼部辅助定位组件,其信息输入端连接所述检测组件的信息输出端,用于基于所述眼部坐标位置控制采集组件旋转特定角度,使所述采集组件对焦至所述虹膜图像数据采集对象的眼部;所述固定平台与所述眼部辅助定位组件可转动连接;中央处理组件,其信息输入端连接所述采集组件的信息输出端,用于接收所述采集组件传输的虹膜图像数据,对所述虹膜图像数据进行处理和计算,生成所述虹膜图像数据采集对象的3D四维虹膜数据。
在工作过程中,检测装置首先获取虹膜图像数据采集对象的人体特征信息以及眼部方向信息,并基于上述信息通过检测组件确定虹膜图像数据采集对象的眼部位置,控制采集组件固定平台旋转特定角度,以使采集组件精准对焦至虹膜图像数据采集对象的眼部,进而获取虹膜图像数据采集对象完整的虹膜图像数据,然后根据采集到的虹膜图像数据建立3D四维虹膜数据。由此可以看出,在发明实施例中,以人体特征信息为基础,结合虹膜图像数据采集对象的眼部方向信息确定眼部位置,进而通过采集组件准确并完整获取被采集对象的眼部虹膜图像数据,以进行人体生物特征的3D四维重建,可以在高效采集虹膜图像数据的同时,保证眼部虹膜图像数据的清晰度和完整度,提升了3D四维重建的效率。
在一种具体的实施方式中,本发明提供的采集装置还包括补光灯,该补光灯与所述固定平台固定连接。当前环境的亮度确定需要进行补光时,利用补光灯补光,以提高虹膜数据精度。
在一种具体的实施方式中,采集组件可以是多台可见光相机形成的相机矩阵,也可以是红外深度相机,或是光场相机。如果是相机矩阵,固定平台包括设有弧形承载结构的支撑结构,可以将多台可见光相机布置在弧形承载结构上,可以均匀分布,也可以非均匀分布,能从多角度同时取得虹膜信息即可。
如图2所示,根据本发明实施例提供的3D四维虹膜数据采集装置使用的数据采集方法,该方法可以包括:
步骤S102,获取虹膜图像数据采集对象的人体特征信息以及该虹膜图像数据采集对象的眼部方向信息;
步骤S104,根据上述人体特征信息及眼部方向信息通过红外检测组件确定虹膜图像数据采集对象的眼部坐标位置;
步骤S106,基于眼部坐标位置控制固定平台旋转特定角度,使红外深度相机对焦至虹膜图像数据采集对象的眼部;
步骤S108,将通过红外深度相机获取虹膜图像数据采集对象的虹膜图像数据,并将虹膜图像数据传输至中央处理组件,由中央处理组件对虹膜图像数据进行处理和计算,生成虹膜图像数据采集对象的3D四维虹膜数据。
优选的,中央处理组件包括图像处理器GPU和中央处理器CPU,将多幅虹膜特征图像传送到具有图像处理器GPU和中央处理器CPU的处理单元;将多幅虹膜特征图像的图像信息分配到GPU的块block中进行运算,并结合CPU的集中调度和分配功能,计算多幅虹膜特征图像各自的特征点。可以看到,本发明实施例采用多台拍照相机控制技术进行虹膜特征信息的采集,可以显著提高虹膜特征信息的采集效率。并且,本发明实施例基于中央处理器和图形处理器的并行计算,可以高效地实现特征信息的处理。
优选的,GPU为双GPU,每颗GPU具有多个block,如56个block,本发明实施例对此不作限制。
在本发明实施例提供的3D四维虹膜数据采集方法中,首先获取虹膜图像数据采集对象的人体特征信息以及眼部方向信息,并基于上述信息通过红外检测组件确定虹膜图像数据采集对象的眼部位置,控制相机固定平台旋转特定角度,以使红外深度相机精准对焦至虹膜图像数据采集对象的眼部,进而获取虹膜图像数据采集对象完整的虹膜图像数据,然后根据采集到的虹膜图像数据建立3D四维虹膜数据。由此可以看出,在发明实施例中,以人体特征信息为基础,结合虹膜图像数据采集对象的眼部方向信息确定眼部位置,进而通过红外深度相机准确并完整获取被采集对象的眼部虹膜图像数据,以进行人体生物特征的3D重建,可以在高效采集虹膜图像数据的同时,保证眼部虹膜图像数据的清晰度和完整度,提升了3D重建的效率。本发明实施例所介绍的3D四维虹膜数据即代表三维空间结合时间维度所形成的3D数据,也可以理解为3D四维虹膜数据。
人体特征信息可以是虹膜图像数据采集对象的身高、体重等其他信息,还可以是采集对象的姓名等其他信息。
可选地,在上述实施例中,步骤S102获取到虹膜图像数据采集对象的人体特征信息之后,还可以基于上述人体特征信息确定红外检测组件的检测参数;其中,检测参数可以包括:红外光的色温和/或亮度参数。
固定平台的转动角度优选为0-90度,固定平台还可以设置转动齿轮以及为转动齿轮配置转速的配速箱,通过配速箱进行配置以控制转动齿轮的旋转速度,该速度为优选为6cm每秒,配速箱的配速比200:1(伺服电机:转动齿轮)。
上文介绍,当红外深度相机完成对焦后,可获取虹膜图像数据采集对象完整的虹膜图像数据。其中,红外深度相机采用高变焦,高分辨率,高帧率的红外相机,如24倍变焦相机,更加有利于虹膜的识别准确度和快速性。并且,本实施例中固定平台可设置有第一红外深度相机和第二红外深度相机,分别对虹膜图像数据采集对象左右眼的虹膜图像数据进行采集。即,上述步骤S106可进一步包括基于眼部坐标位置控制固定平台旋转特定角度,使第一红外深度相机和第二红外深度相机分别对焦至虹膜图像数据采集对象的左右眼部。上述步骤S108进一步包括通过第一红外深度相机和第二红外深度相机分别获取虹膜图像数据采集对象左右眼部完整的虹膜图像数据,并将虹膜图像数据传输至中央处理组件。优选地,虹膜图像数据采集对象左右眼部完整的虹膜图像数据包括:针对虹膜图像数据采集对象左右眼部多个角度的多组虹膜图像数据。在本发明实施例中,通过采用两个变焦相机获取采集对象左右眼部的多组虹膜图像数据,相对于传统的采用定焦相机所获取的单个虹膜图像数据成像对焦的时间更短,且成像质量更佳、效率更高。
红外深度相机进行虹膜图像数据采集获取时,可多次拍摄以完整、全面获取虹膜图像数据采集对象的眼部虹膜图像数据。在实际应用中,为了保证红外深度相机所采集的虹膜图像数据的曝光均匀性,还可以在基于眼部坐标位置控制固定平台旋转特定角度之后,使红外深度相机对焦至虹膜图像数据采集对象的眼部之前,若根据当前环境的亮度确定需要补光,则利用红外补光灯进行补光。其中,红外补光灯的灯源可采用多个LED阵列,优选为32个LED阵列,有利于光源的均匀性、图像的曝光均匀性、以及成像的可调性,红外补光灯发光强度可优选为0-5000lux,LED采用波长940nm的不可见光,这比传统的850nm可见光更利于眼部的保护,光源的照射有效距离0-5米。
红外深度相机的光学中心和红外补光灯的聚焦点在同轴心线上,以保证眼部的光源的均匀性。红外深度相机的焦距范围f=4.5~108mm,图像传感器的分辨率优选为1600万像素,光圈范围F=3.0~6.9,最近对焦距离20cm,精准地对眼部对焦。
优选地,红外补光灯光为可调节色温和亮度,色温为4600(开尔文),灯光亮度值范围为20-35lux,红外深度相机水平视场角为40-80度;垂直40-68度。以上只是示意性地列出各配件优选范围,本发明并不限于此。
在上述实施例中,当获取到虹膜图像数据采集对象的完整的虹膜图像数据后,则可由中央处理组件对虹膜图像数据进行处理和计算,生成虹膜图像数据采集对象的3D四维虹膜数据。优选地,中央处理组件对虹膜图像数据进行处理和计算,生成虹膜图像数据采集对象的3D四维虹膜数据可进一步包括:
步骤S1,中央处理组件对虹膜图像数据优化处理,自动曝光、自动白平衡、自动对焦和/或图像畸形校正;
步骤S2,将优化处理后的虹膜图像数据输入配准算法模型,进行配准计算得到配准数据,基于上述配准数据生成虹膜图像数据采集对象的3D四维虹膜数据。
在上述实施例中,将红外深度相机所采集的虹膜图像数据经过自动白平衡、自动曝光和/或自动对焦的处理后,可以获得更好的图片色彩和清晰度,由于镜头可能产生畸变,还可以对图像的进行畸变校正,以有效地提升图像品质。
步骤S2介绍,在3D重建时,可先将虹膜图像数据输入配准算法模型得到配准数据,再基于配准数据生成3D四维虹膜数据。在一优选实施例中,步骤S2还可以包括:
步骤S2-1,将虹膜图像数据输入基于SIFT算法构建的配准算法模型,计算得到配准数据;
步骤S2-2,将配准数据输入3D数据合成模型,生成3D四维虹膜数据。
如图5所示的一种具体实施方式中,本发明提供的一种3D四维虹膜数据识别设备包括:红外检测组件11、红外深度相机12及眼部辅助定位组件13的固定平台10;固定平台10与中央处理组件20可转动连接;
信息录入组件21,用于录入虹膜图像数据采集对象的人体特征信息,并将人体特征信息传输至红外检测组件11;
眼部辅助定位组件13,用于辅助获取虹膜图像数据采集对象的眼部方向信息,并将眼部方向信息传输至红外检测组件11。
红外检测组件11,用于根据人体特征信息及眼部方向信息确定虹膜图像数据采集对象的眼部坐标位置;
中央处理组件22,用于基于眼部坐标位置控制固定平台10旋转特定角度,使红外深度相机12对焦至虹膜图像数据采集对象的眼部;
红外深度相机12,用于获取虹膜图像数据采集对象的虹膜图像数据,并将虹膜图像数据传输至中央处理组件22;
中央处理组件22,还用于接收红外深度相机12传输的虹膜图像数据,对虹膜图像数据进行处理和计算,生成虹膜图像数据采集对象的3D四维虹膜数据。
其中,红外补光灯14光为可调节色温和亮度,色温为4600(开尔文),灯光亮度值范围为20-35lux。其灯源可采用多个LED阵列(如32个),有利于光源的均匀性,图像的曝光均匀性,具有可调性,发光强度为0-5000lux,LED采用波长940nm的不可见光,这比传统的850nm可见光更利于眼部的保护,光源的照射有效距离0-5米。红外深度相机12水平视场角为40-80度,垂直40-68度。红外深度相机12的焦距范围f=4.5~108mm,其图像传感器的分辨率为1600万像素,光圈范围F=3.0~6.9,最近对焦距离20cm,精准地对眼部对焦。本实施例中可设置有两个红外深度相机12,即第一红外深度相机和第二红外深度相机,分别对虹膜图像数据采集对象左右眼的虹膜图像数据进行采集。中央处理组件22还可以用于基于眼部坐标位置控制固定平台旋转特定角度,使第一红外深度相机和第二红外深度相机分别对焦至虹膜图像数据采集对象的左右眼部。
优选地,第一红外深度相机和第二红外深度相机还分别用于获取虹膜图像数据采集对象左右眼部完整的虹膜图像数据,并将虹膜图像数据传输至中央处理组件22。其中,虹膜图像数据采集对象左右眼部完整的虹膜图像数据可以包括:针对虹膜图像数据采集对象左右眼部多个角度的多组虹膜图像数据。红外深度相机12进行虹膜图像数据采集获取时,可多次拍摄以完整、全面获取虹膜图像数据采集对象的眼部虹膜图像数据。相对于传统的采用定焦相机所获取的单个虹膜图像数据成像对焦的时间更短,且成像质量更佳、效率更高。
在本发明一优选实施例中,信息录入组件21,还用于基于人体特征信息确定红外检测组件11的检测参数;其中,检测参数包括:红外光的色温和/或亮度参数。
继续参照图5所示的3D四维虹膜数据采集系统,固定平台10还可以包括:
红外补光灯14,用于获取当前环境的亮度,当根据当前环境的亮度确定需要进行补光时,利用红外补光灯14补光。
优选地,红外深度相机12、红外补光灯14、红外检测组件11以及眼部辅助定位组件13处于同一平面。
继续参照图5所示的3D四维虹膜数据采集系统,固定平台10与中央处理组件20通过转动齿轮30连接;中央处理组件22包括驱动器,用于基于眼部坐标位置驱动转动齿轮30转动,控制固定平台10旋转特定角度,使红外深度相机12对焦至虹膜图像数据采集对象的眼部。固定平台10的转动角度优选为0-90度,固定平台10还可以设置为转动齿轮30配置转速的配速箱(未在图中示出),通过配速箱进行配置以控制转动齿轮30的旋转速度,该速度为优选为6cm每秒,配速箱的配速比200:1(伺服电机:转动齿轮)。
在本发明一优选实施例中,中央处理组件22还可以包括:图像处理器,用于对虹膜图像数据优化处理,包括自动曝光、自动白平衡、自动对焦和/或图像畸形校正;
中央处理器,可以用于将虹膜图像数据输入配准算法模型,进行配准计算得到配准数据,基于配准数据生成虹膜图像数据采集对象的3D四维虹膜数据。优选地,中央处理器可以为具备上述功能的微处理器。中央处理组件22可以是同时集成有驱动器、图像处理器以及中央处理器功能的器件,也可以独立设置,本发明不做限定。
在本发明另一优选实施例中,中央处理器还可以用于将虹膜图像数据输入基于SIFT算法构建的配准算法模型,计算得到配准数据;将配准数据输入3D数据合成模型,生成3D四维虹膜数据。该配置算法可以为3D模型的配准算法。
在本发明另一优选实施例中,中央处理组件20还可以包括:显示器22;中央处理组件22还用于将3D四维虹膜数据发送至显示器22显示。
在图5所示的3D四维虹膜数据采集系统中,红外深度相机12、红外补光灯14,红外检测组件11、眼部辅助定位组件13均可固定设置在固定平台10上,红外深度相机12,红外检测组件11、红外补光灯14、眼部辅助定位组件13都在同一平面上,固定平台10固定在转动齿轮30上,转动齿轮30固定在中央处理组件20上。信息录入组件21以及显示器22均可固定在中央处理组件20上。中央处理组件22,包括图像处理器,中央处理器以及驱动器。其中,眼部辅助定位组件13即辅助虹膜数据采集对象的视线处于指定方向,以精确确定虹膜数据采集对象的眼部坐标位置,进而有效获取虹膜数据采集对象的虹膜图像数据。在发明实施例中,用户可通过信息录入组件21输入虹膜数据采集对象的相关信息,当然,该信息录入组件21同样可具有显示界面,用于显示相关参数信息。而显示器22则主要用于显示虹膜数据采集对象的3D四维虹膜数据,优选地,还可以通过信息录入组件21对显示器22显示的3D四维虹膜数据进行多种操作。
优选地,红外深度相机12与中央处理组件22中的图像处理器222通过高速USB3.0数据线连接;红外补光灯14的控制与中央处理器223通过RS232串口数据线连接;10的控制与中央处理组件22内的驱动器221通过I2C串口数据线连接;显示器22以及信息录入组件21的数据与中央处理器223的视频显示通过高清HDMI数据线进行连接;显示器22以及信息录入组件21的数据与中央处理器223通过I2C数据线连接。图4所示维虹膜图像数据采集系统以及上文介绍各器件之间的连接关系只是一种优选实施方式,在实际应用中还可以通过其他方式实现本发明所示各部件功能及连接关系,本发明不做限定。
基于上述实施例提供的3D四维虹膜数据采集系统,本发明另一优选实施例还提供了一种3D四维虹膜数据采集方法,结合图6所示,上述方法可以包括:
步骤S502,录入相关参数,包括人的姓名,体重和身高,自动匹配红外检测组件的红外光的色温及亮度参数;
步骤S504,虹膜图像数据采集对象看向指定方向,保证眼部方向不会偏移,其中,该指定方向可作为虹膜图像数据采集对象的眼部方向信息;
步骤S506,根据虹膜图像数据采集对象的人体特征信息和眼部方向信息,基本确认眼部坐标位置;
步骤S508,根据眼部坐标位置,转动整个固定平台到合适的角度,红外深度相机精准地对焦;
步骤S510,检测当前环境亮度,根据实际环境光源的亮度调节红外补光灯的亮度,以进行补光;
步骤S512,当红外深度相机完成对焦后,左右相机对眼睛开始拍照;
步骤S514,获取眼睛虹膜图像数据后,通过HDMI传输到中央处理组件;其中,垂直方向从一个角度开始拍照,直到从下向上拍照,获取多组左右眼睛的虹膜图像数据;
步骤S516,将虹膜的高清图像数据结合点云的信息录入至配准算法模型,进行配准计算得到配准数据;
步骤S518,将配准数据输入到3D数据合成模型,生成3D四维虹膜数据;
步骤S520,3D四维虹膜数据生成后,最终显示到显示器上,并通过信息录入组件操作3D四维虹膜数据。
本发明优选实施例提供的方法可在高效并精确采集虹膜图像数据的同时,保证眼部虹膜图像数据的清晰度和完整度,提升了3D重建的效率。
在本发明实施例中,在虹膜特征四维数据存储装置中,存储由以上步骤所采集到的虹膜特征四维数据,并以生物体的身份信息(I1、I2…In)作为识别标志对采集到的虹膜特征四维数据进行存储,形成包括多条虹膜特征四维数据(D1、D2…Dn)的数据库,例如:四维数据D1和该生物体的身份信息I1进行关联存储,另一生物体的四维数据D2和该生物体的身份信息I2进行关联存储,以此类推,形成包括n个生物体四维数据的数据库。
其中,当采集对象即生物体为人体时,则身份信息I包括但不限于人的:姓名、性别、年龄和证件号中的一种或多种,证件号可以包括人在生活中经常用到的例如身份证号、护照号、驾照号、社保号或军官证号中的一种或多种。
优选的,所述身份信息通过扫描身份证、护照、驾照、社保卡或军官证获得,或者,通过手动或自动录入的方式从身份证、护照、驾照、社保卡或军官证获得身份信息。
优选的,在目标人物身份识别装置中,对目标生物体的身份识别时,采用天目点云比对识别法对目标生物体(即待识别身份的生物体)的虹膜特征四维数据(T1、T2…Tn)和数据库中存储的虹膜特征四维数据(D1、D2…Dn)进行比对,以识别目标生物体的身份。首先,通过输入目标生物体的身份信息,如人体的身份证号,这样可以快速找到已经存储在数据库中以该身份证号为文件名的四维数据(D1、D2…Dn),而不必将目标人的数据与数据库中的海量数据进行逐一比对,提高了比对识别的效率,大大提升了身份识别的速度,然后再把当前采集到的该人体的虹膜图像四维数据(T1、T2…Tn)与数据中调取出来的四维数据进行比对,最后识别该人体的身份是否符合,进而实现身份认证,具体的,采用天目点云比对识别法包括如下步骤:
S301.特征点拟合;
S302.曲面整体最佳拟合;
S303.相似度计算。
优选的,天目点云比对识别法还包括如下具体步骤:
采用基于空域直接匹配的方法进行特征点拟合,在两个点云的对应的刚性区域,选取三个及以上特征点作为拟合关键点,通过坐标变换,直接进行特征点对应匹配;
特征点对应匹配后,整体曲面最佳拟合后的点云的数据对齐;
采用最小二乘法进行相似度计算。
天目点云比对识别法(Yare Eyes point cloud match recognition method)识别过程和工作原理如下:首先,在某一时刻的点云是组成四维模型的基本元素,它包含空间坐标信息(XYZ)和颜色信息(RGB)。点云的属性包括空间分辨率,点位精度,表面法向量等。它的特征不受外界条件的影响,对于平移和旋转都不会发生改变。逆向软件能够进行点云的编辑和处理,如:imageware、geomagic、catia、copycad和rapidform等。天目点云比对识别法特有的基于空域直接匹配的方法包括:迭代最近点法ICP(Iterative closestpoint),ICP方法通常分为两步,第一步特征点拟合,第二步曲面整体最佳拟合。先拟合对齐特征点的目的是为了最短时间找到并对齐要比对拟合的两个点云。但不限于此。例如可以是:
第一步,在两个点云的对应的刚性区域,选取三个及以上特征点作为拟合关键点,通过坐标变换,直接进行特征点对应匹配。
ICP用于曲线或曲面片段的配准,是3D数据重构过程中一个非常有效的工具,在某一时刻给定两个3D模型粗略的初始对齐条件,ICP迭代地寻求两者之间的刚性变换以最小化对齐误差,实现两者的空间几何关系的配准。
给定集合集合元素表示两个模型表面的坐标点,ICP配准技术迭代求解距离最近的对应点、建立变换矩阵,并对其中一个实施变换,直到达到某个收敛条件,迭代停止.其编码如下:
1.1ICP算法
输入.P1,P2.
输出.经变换后的P2
P2(0)=P2,l=0;
Do
For P2(l)中的每一个点
在P1中找一个最近的点yi
End For
计算配准误差E;
IfE大于某一阈值
计算P2(l)与Y(l)之间的变换矩阵T(l);
P2(l+1)=T(l)·P2(l),l=l+1;
Else
停止;
End If
While||P2(l+l)-P2(l)||>threshold;
其中配准误差
1.2基于局部特征点的匹配:
由于虹膜为刚性模型,特征点在一定条件下有保持稳定不变的属性,可采用迭代最近点法ICP特征点进行拟合对齐。对特征点的要求:
1)完备性.蕴含尽可能多的对象信息,使之区别于其他类别的对象;2)紧凑性.表达所需的数据量尽可能少;3)还要求特征最好能在模型旋转、平移、镜像变换下保持不变。
在3D生物特征识别中,采用对齐两个3D生物特征模型点云,计算输入模型的相似度,其中配准误差作为差别度量。
第二步:特征点最佳拟合后,整体曲面最佳拟合后的点云的数据对齐。
第三步,相似度计算。最小二乘法
最小二乘法(又称最小平方法)是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据,并使得这些求得的数据与实际数据之间误差的平方和为最小。最小二乘法也可用于曲线拟合。其他一些优化问题也可通过最小化能量或最大化熵,用最小二乘法来表达。常用于解决曲线拟合问题,进而解决曲面的完全拟合。通过迭代算法能够加快数据收敛,快速求得最优解。
如果在某一时刻的3D数据模型是以STL文件格式输入的,则通过计算点云与三角片的距离来确定其偏差。因此,该方法需要对每个三角面片建立平面方程,其偏差为点到平面的距离。而对于在某一时刻的3D数据模型为IGES或STEP模型,由于自由曲面表达形式为NURBS面,所以点到面的距离计算需要用到数值优化的方法进行计算。通过迭代计算点云中各点至NURBS曲面的最小距离来表达偏差,或将NURBS曲面进行指定尺度离散,用点与点的距离近似表达点偏差,或将其转换为STL格式进行偏差计算。不同的坐标对齐及偏差计算方法,获得的检测结果也不同。对齐误差的大小将直接影响检测精度及评估报告的可信度。
最佳拟合对齐是检测偏差平均到整体,以保证整体偏差最小为条件来终止迭代计算的对齐过程,对配准结果进行3D分析,生成结果对象以两个图形间误差的均方根的形式输出,均方根越大,反映两个模型在该处的差异越大。反之亦反。根据比对重合度比例判断是否是比对标的物。
根据上述任意一个可选实施例或多个可选实施例的组合,本发明实施例能够达到如下有益效果:
本发明实施例提供了一种基于虹膜图像数据的3D四维虹膜数据识别设备,在发明实施例中,以人体特征信息为基础,结合虹膜图像数据采集对象的眼部方向信息确定眼部位置,进而通过红外深度相机准确并完整获取被采集对象的眼部虹膜图像数据,以进行人体生物特征的3D四维重建,可以在高效采集虹膜图像数据的同时,保证眼部虹膜图像数据的清晰度和完整度,提升了3D重建的效率。同时,本发明以识别目标的身份信息识别四维数据,不必将目标人的虹膜数据与数据库中的海量数据进行逐一比对,提高了比对识别的效率,大大提升了身份识别的速度,采用基于空域直接匹配的天目点云比对识别法进行特征点拟合,实现了虹膜特征点的快速拟合比对,进而实现了身份快速认证识别。
进一步地,本发明实施例采用SIFT算法的特征点的提取与匹配进行算法,可大幅匹配效率,并且通过结合EMD方法可以在匹配点数量减少的情况下,能得到更好的匹配精度。与此同时,本发明实施例提供的方法还可以对虹膜图像数据进行自动白平衡、自动曝光AE、自动对焦AF及图像畸形校正,可有效地提升图像品质。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的组件中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个组件中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者组件的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的3D四维虹膜数据采集系统中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的组件或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
至此,本领域技术人员应认识到,虽然本文已详尽示出和描述了本发明的多个示例性实施例,但是,在不脱离本发明精神和范围的情况下,仍可根据本发明公开的内容直接确定或推导出符合本发明原理的许多其他变型或修改。因此,本发明的范围应被理解和认定为覆盖了所有这些其他变型或修改。

Claims (10)

1.一种3D四维虹膜图像数据识别设备,其特征在于,包括如下装置:
虹膜特征信息采集装置,用于采集人体在给定时间内的多幅眼部虹膜特征图像,并根据所述多幅虹膜特征图像构建虹膜特征的四维模型,以实现所述虹膜特征的四维数据采集;
虹膜特征四维数据存储装置,用于扫描或录入人体的身份信息(I1,I2,…In)作为识别标志对采集到的人体虹膜特征四维数据进行关联存储,形成包括多条虹膜特征四维数据(D1,D2,…Dn)的数据库;
目标人物身份识别装置,用于根据扫描或录入的目标人物的身份信息(I1,I2,…In)找到所述数据库中存储的虹膜特征四维数据(D1,D2,…Dn),并将所述目标人物的虹膜特征四维数据(T1,T2,…Tn)分别与相应的所述数据库中存储的虹膜特征四维数据(D1,D2,…Dn)进行比对,以识别目标人物的身份。
2.根据权利要求1所述的3D四维虹膜图像数据识别设备,其特征在于,所述虹膜特征信息采集装置,包括:
检测组件,用于根据人体特征信息及眼部方向信息确定虹膜图像数据采集对象的眼部坐标位置;
采集组件,用于获取所述虹膜图像数据采集对象的虹膜图像数据,并将所述虹膜图像数据传输至数据处理组件;
固定平台,用于固定所述采集组件;
眼部辅助定位组件,其信息输入端连接所述检测组件的信息输出端,用于基于所述眼部坐标位置控制所述采集组件旋转特定角度,使所述采集组件对焦至所述虹膜图像数据采集对象的眼部;
所述固定平台与所述眼部辅助定位组件可转动连接;
中央处理组件,其信息输入端连接所述采集组件的信息输出端,用于接收所述采集组件传输的虹膜图像数据,对所述虹膜图像数据进行处理和计算,生成所述虹膜图像数据采集对象的3D四维虹膜数据。
3.根据权利要求2所述的3D四维虹膜图像数据识别设备,其特征在于,所述中央处理组件包括图像处理器GPU和中央处理器CPU,所述中央处理组件将所述多幅虹膜特征图像的图像信息分配到GPU的块block中进行运算,并结合CPU的集中调度和分配功能,计算所述多幅虹膜特征图像各自的特征点。
4.根据权利要求3所述的3D四维虹膜图像数据识别设备,其特征在于,所述虹膜特征信息采集装置还包括:
补光灯,用于获取当前环境的亮度,当根据所述当前环境的亮度确定需要进行补光时,利用补光灯补光,所述补光灯与所述固定平台固定连接;所述采集组件、补光灯、检测组件以及眼部辅助定位组件处于同一水平面;所述采集组件为多台可见光相机形成的相机矩阵;所述固定平台包括设有弧形承载结构的支撑结构,形成所述相机矩阵的多台可见光相机布置在所述弧形承载结构上。
5.根据权利要求3所述的3D四维虹膜图像数据识别设备,其特征在于,所述采集组件是红外深度相机或光场相机。
6.根据权利要求5所述的3D四维虹膜图像数据识别设备,其特征在于,所述变焦相机包括第一变焦相机和第二变焦相机;
所述中央处理组件还用于基于所述眼部坐标位置控制固定平台旋转特定角度,使所述第一变焦相机和第二变焦相机分别对焦至所述虹膜图像数据采集对象的左右眼部。
7.根据权利要求6所述的3D四维虹膜图像数据识别设备,其特征在于,所述第一变焦相机和第二变焦相机分别用于获取所述虹膜图像数据采集对象左右眼部完整的虹膜图像数据,其信息输出端均连接中央处理组件的信息输入端;其中,所述虹膜图像数据采集对象左右眼部完整的虹膜图像数据包括:针对所述虹膜图像数据采集对象左右眼部多个角度的多组虹膜图像数据。
8.根据权利要求7所述的3D四维虹膜图像数据识别设备,其特征在于,所述固定平台与所述中央处理组件通过转动齿轮连接;所述中央处理组件包括:驱动器;
所述驱动器,用于基于所述眼部坐标位置驱动所述转动齿轮转动,控制固定平台旋转特定角度,使变焦相机对焦至所述虹膜图像数据采集对象的眼部。
9.根据权利要求3所述的3D四维虹膜图像数据识别设备,其特征在于,所述中央处理组件还包括:
图像处理器,用于对所述虹膜图像数据优化处理,包括自动曝光、自动白平衡、自动对焦和/或图像畸形校正;
中央处理器,用于将所述虹膜图像数据输入配准算法模型,进行配准计算得到配准数据,基于所述配准数据生成所述虹膜图像数据采集对象的3D四维虹膜数据;
还包括用于显示所述3D四维虹膜数据的显示器,该显示器的信息输入端连接所述中央处理组件的信息输出端。
10.根据权利要求1所述的3D四维虹膜图像数据识别设备,其特征在于,所述目标人物身份识别装置,采用天目点云比对识别法对所述目标生物体的虹膜特征四维数据(T1、T2…Tn)和所述数据库中存储的虹膜特征四维数据(D1、D2…Dn)进行比对;所述天目点云比对识别法包括如下步骤:
S301.特征点拟合;
S302.曲面整体最佳拟合;
S303.相似度计算;
所述天目点云比对识别法包括如下具体步骤:
采用基于空域直接匹配的方法进行特征点拟合,在两个点云的对应的刚性区域,选取三个及以上特征点作为拟合关键点,通过坐标变换,直接进行特征点对应匹配;
特征点对应匹配后,整体曲面最佳拟合后的点云的数据对齐;
采用最小二乘法进行相似度计算。
CN201810302347.XA 2018-04-04 2018-04-04 一种3d四维虹膜图像数据识别设备 Withdrawn CN108334874A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810302347.XA CN108334874A (zh) 2018-04-04 2018-04-04 一种3d四维虹膜图像数据识别设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810302347.XA CN108334874A (zh) 2018-04-04 2018-04-04 一种3d四维虹膜图像数据识别设备

Publications (1)

Publication Number Publication Date
CN108334874A true CN108334874A (zh) 2018-07-27

Family

ID=62932760

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810302347.XA Withdrawn CN108334874A (zh) 2018-04-04 2018-04-04 一种3d四维虹膜图像数据识别设备

Country Status (1)

Country Link
CN (1) CN108334874A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109508695A (zh) * 2018-12-13 2019-03-22 北京中科虹霸科技有限公司 眼部多模态生物特征识别方法
CN111160137A (zh) * 2019-12-12 2020-05-15 天目爱视(北京)科技有限公司 一种基于生物3d信息的智能业务处理设备
CN112380912A (zh) * 2020-10-21 2021-02-19 天津中科智能识别产业技术研究院有限公司 一种行进中虹膜识别装置
WO2021102619A1 (zh) * 2019-11-25 2021-06-03 苏州思源科安信息技术有限公司 一种远距离大视场虹膜光学成像的装置及方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109508695A (zh) * 2018-12-13 2019-03-22 北京中科虹霸科技有限公司 眼部多模态生物特征识别方法
WO2021102619A1 (zh) * 2019-11-25 2021-06-03 苏州思源科安信息技术有限公司 一种远距离大视场虹膜光学成像的装置及方法
CN111160137A (zh) * 2019-12-12 2020-05-15 天目爱视(北京)科技有限公司 一种基于生物3d信息的智能业务处理设备
CN112380912A (zh) * 2020-10-21 2021-02-19 天津中科智能识别产业技术研究院有限公司 一种行进中虹膜识别装置
CN112380912B (zh) * 2020-10-21 2023-05-02 天津中科智能识别产业技术研究院有限公司 一种行进中虹膜识别装置

Similar Documents

Publication Publication Date Title
CN108334874A (zh) 一种3d四维虹膜图像数据识别设备
US20220301195A1 (en) Methods and systems for imaging a scene, such as a medical scene, and tracking objects within the scene
WO2015180659A1 (zh) 图像处理方法和图像处理装置
CN108319939A (zh) 一种3d四维头部面部数据识别设备
US20160371855A1 (en) Image based measurement system
CN108470152A (zh) 基于红外的3d四维虹膜数据采集方法及系统
US20150369593A1 (en) Orthographic image capture system
CN108446596A (zh) 基于可见光相机矩阵的虹膜3d四维数据采集系统及方法
CN111292364A (zh) 一种三维模型构建过程中图像快速匹配的方法
CN109766876A (zh) 非接触式指纹采集装置和方法
CN107657656B (zh) 同名点匹配及三维重建方法、系统和光度立体摄像终端
CN103902953B (zh) 一种屏幕检测系统及方法
Hanning High precision camera calibration
EP3382645B1 (en) Method for generation of a 3d model based on structure from motion and photometric stereo of 2d sparse images
CN109242898B (zh) 一种基于图像序列的三维建模方法及系统
CN108564018A (zh) 一种基于红外拍照的生物特征3d四维数据识别方法及系统
JP6580761B1 (ja) 偏光ステレオカメラによる深度取得装置及びその方法
Latorre-Carmona et al. Multispectral integral imaging acquisition and processing using a monochrome camera and a liquid crystal tunable filter
CN108416312A (zh) 一种基于可见光拍照的生物特征3d数据识别方法及系统
WO2019157989A1 (zh) 生物特征3d数据采集方法和生物特征3d数据识别方法
KR20150031085A (ko) 복수의 카메라들을 이용한 3d 얼굴 모델링 장치, 시스템 및 방법
CN106023189B (zh) 一种基于匹配优化的光场数据深度重建方法
CN114255197A (zh) 一种红外与可见光图像自适应融合对齐方法及系统
Camposeco et al. Non-parametric structure-based calibration of radially symmetric cameras
CN108520230A (zh) 一种3d四维手部图像数据识别方法及设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WW01 Invention patent application withdrawn after publication

Application publication date: 20180727

WW01 Invention patent application withdrawn after publication