CN108537213A - 增强虹膜识别精度的系统和方法 - Google Patents
增强虹膜识别精度的系统和方法 Download PDFInfo
- Publication number
- CN108537213A CN108537213A CN201810899849.5A CN201810899849A CN108537213A CN 108537213 A CN108537213 A CN 108537213A CN 201810899849 A CN201810899849 A CN 201810899849A CN 108537213 A CN108537213 A CN 108537213A
- Authority
- CN
- China
- Prior art keywords
- iris
- module
- registered images
- exclusive
- exclusive feature
- 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.)
- Pending
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
- G06V40/193—Preprocessing; Feature extraction
-
- 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
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)
- Computer Vision & Pattern Recognition (AREA)
- Collating Specific Patterns (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种增强虹膜识别精度的系统和方法,包括虹膜传统特征模块、虹膜专属特征模块和虹膜识别模块,所述虹膜传统特征模块用于获取虹膜传统特征,包括:数据采集模块、质量评估模块、虹膜分割模块、虹膜编码模块;虹膜专属特征模块用于获取虹膜专属特征,包括:虹膜专属特征提取模块和虹膜专属特征编码模块;虹膜识别模块包括:虹膜传统特征比对模块,对待识别虹膜图像和已注册虹膜图像的虹膜传统纹理特征进行比对识别;虹膜专属特征比对模块,用于判断完成虹膜传统特征匹配的虹膜注册图像是否具有虹膜专属特征,若该虹膜注册图像具有虹膜专属特征,则对虹膜专属特征编码进行匹配;身份输出结果,用于输出比对结果。
Description
技术领域
本发明涉及生物特征识别技术领域,具体涉及一种增强虹膜识别精度的系统和方法。
背景技术
目前虹膜识别技术最早可以追溯到19世纪80年代,科学家试图利用虹膜的唯一性和稳定性的特点作为身份识别的一种手段。进入21世纪,强大的计算速度和数据存储能力以及先进的图像采集技术迅速的推动了虹膜识别技术的发展。作为最安全的生物识别技术之一,虹膜识别技术被广泛的应用到了安防、反恐、金融等领域。
虽然虹膜识别技术几乎是最安全的生物识别技术,但是在面对海量用户时仍有误识的可能性。误识的原因为有很多可能,其中包括虹膜图像质量,虹膜识别算法和外部环境干扰等。
和皮肤上的胎记一样,人群中有很大一部分人虹膜中携带胎记和大的斑块,也有相当一部分人因为手术和创伤在虹膜上形成了永久性的独特的印记,这些胎记、斑块和印记成为了这些人独特的身份标记。将这些独特的身份标记作为虹膜专有特征融入传统的虹膜识别技术中将会提高携带专有特征的这部分人的身份识别精度,从而提高整个虹膜识别系统的精度。
发明内容
本发明所要解决的技术问题是针对虹膜中具有独特印记的用户,提供一种增强虹膜识别精度的系统和方法,在已有的硬件和软件条件下,进一步提高虹膜识别的精度。
为实现上述技术效果,本发明公开了一种增强虹膜识别精度的系统,包括虹膜传统特征模块、虹膜专属特征模块和虹膜识别模块,其中,所述虹膜传统特征模块包括:
数据采集模块,用于采集虹膜注册图像或虹膜识别图像;
质量评估模块,用于评估虹膜注册图像或虹膜识别图像是否满足质量要求;
虹膜分割模块,对虹膜注册图像或虹膜识别图像进行虹膜内外圆的分割;
虹膜编码模块,对经过分割的虹膜注册图像或虹膜识别图像进行编码,形成虹膜传统特征编码;
所述虹膜专属特征模块包括:
虹膜专属特征提取模块,对虹膜传统特征模块获取的虹膜注册图像进行处理和分析,提取虹膜注册图像的虹膜专属特征;
虹膜专属特征编码模块,对虹膜注册图像和虹膜识别图像的虹膜专属特征进行编码,形成虹膜专属特征编码;
所述虹膜识别模块包括:
虹膜传统特征比对模块,对虹膜识别图像和虹膜注册图像的虹膜传统特征编码进行比对识别;
虹膜专属特征比对模块,用于判断与虹膜识别图像完成虹膜传统特征编码匹配成功的虹膜注册图像是否具有虹膜专属特征,若该虹膜注册图像具有虹膜专属特征,则将该虹膜识别图像和该虹膜注册图像的虹膜专属特征编码进行比对识别;
身份输出结果,用于输出比对结果。
本发明增强虹膜识别精度的系统的改进在于,所述质量评估模块包括:
初级质量评估模块,用于评估数据采集模块采集到的整个虹膜注册图像或虹膜识别图像的质量;
终极质量评估模块,用于评估虹膜注册图像或虹膜识别图像中虹膜区域图像的质量。
本发明还公开了一种增强虹膜识别精度的方法,包括虹膜注册和虹膜识别,其中,所述虹膜注册包括以下步骤:
a. 数据采集模块采集虹膜注册图像;
b. 虹膜分割模块分割虹膜注册图像中虹膜的内外圆;
c. 虹膜编码模块将经过分割的虹膜注册图像进行编码,形成虹膜传统特征编码;
d. 虹膜专属特征提取模块对虹膜注册图像进行分析,并提取具有虹膜专属特征的虹膜注册图像的虹膜专属特征;
e. 虹膜专属特征编码模块对虹膜注册图像中提取到的虹膜专属特征进行编码,形成虹膜专属特征编码;
所述虹膜识别包括以下步骤:
f. 数据采集模块采集虹膜识别图像;
g. 虹膜分割模块分割虹膜识别图像中虹膜的内外圆;
h. 虹膜编码模块将经过分割的虹膜识别图像进行编码,形成虹膜传统特征编码;
i. 虹膜传统特征比对模块将虹膜识别图像和虹膜注册图像的虹膜传统特征编码进行比对识别;
j. 虹膜专属特征比对模块判断与虹膜识别图像完成虹膜传统特征编码匹配成功的虹膜注册图像是否具有虹膜专属特征,若该虹膜注册图像具有虹膜专属特征,则将该虹膜识别图像和该虹膜注册图像的虹膜专属特征编码进行比对识别;
k. 身份输出模块输出比对结果。
本发明增强虹膜识别精度的方法的改进在于,数据采集模块在采集完虹膜注册图像或虹膜识别图像后,还需初级质量评估模块对采集的虹膜注册图像或虹膜识别图像进行初步质量评估。
本发明增强虹膜识别精度的方法的进一步改进在于,虹膜分割模块对虹膜注册图像或虹膜识别图像中虹膜的内外圆完成分割后,还需终极质量评估模块对完成分割的虹膜注册图像或虹膜识别图像中虹膜区域的图像质量进行评估。
本发明增强虹膜识别精度的方法的进一步改进在于,步骤d进一步包括:
数据拉取模块拉取虹膜注册图像;
第一预处理模块对虹膜注册图像进行降噪、增强等预处理;
第一分割模块对虹膜注册图像进行多尺度分割,并提取稳定的特征区域;
专属特征分析模块综合分析虹膜注册图像特征区域的灰度分布和形态特征,确定是否存在虹膜专属特征;
数据输出模块将专属特征分析模块的分析结果进行输出。
本发明增强虹膜识别精度的方法的进一步改进在于,步骤d进一步包括:
数据拉取模块拉取虹膜注册图像;
第一预处理模块对虹膜注册图像进行降噪、增强等预处理;
虹膜展开模块完成空间坐标向极坐标的转换,将虹膜注册图像中虹膜环状区域图像展开形成矩形图像;
第一分割模块对展开的虹膜矩形图像进行多尺度分割,并提取稳定的特征区域;
专属特征分析模块综合分析虹膜注册图像特征区域的灰度分布和形态特征,确定是否存在虹膜专属特征;
数据输出模块将专属特征分析模块的分析结果进行输出。
本发明增强虹膜识别精度的方法的进一步改进在于,步骤e进一步包括:
提取虹膜注册图像的虹膜专属特征;
提取虹膜专属特征轮廓的特征点;
计算虹膜专属特征轮廓的不变矩;
依据虹膜专属特征轮廓的特征点和不变矩对虹膜专属特征进行编码,形成虹膜专属特征编码。
本发明增强虹膜识别精度的方法的进一步改进在于,步骤j进一步包括:
虹膜专属特征判断模块判断与虹膜识别图像完成虹膜传统特征编码匹配的虹膜注册图像是否具有虹膜专属特征,若不具有虹膜专属特征,则将虹膜传统特征编码的比对结果传输至身份输出模块;
若所述虹膜注册图像具有虹膜专属特征,则第二预处理模块依据虹膜注册图像中虹膜专属特征的位置信息在虹膜识别图像相应的位置上进行局部处理;
第二分割模块依据虹膜注册图像中虹膜专属特征的尺度在虹膜识别图像的相应位置上进行分割,提取稳定的虹膜专属特征;
虹膜专属特征编码模块将提取到的虹膜识别图像的虹膜专属特征进行编码,形成虹膜专属特征编码;
虹膜专属特征匹配模块将虹膜识别图像的虹膜专属特征编码与虹膜注册图像的虹膜专属特征编码进行匹配。
本发明增强虹膜识别精度的方法的进一步改进在于,所述专属特征分析模块从第一分割模块提取的特征区域中决策最多2个特征区域作为虹膜注册图像的虹膜专属特征。
本发明增强虹膜识别精度的系统和方法,判断用户虹膜区域是否具有印记、胎记等专属特征,并对这些用户虹膜区域的专属特征进行提取和分析,将用户识别时虹膜图像中的虹膜专属特征与注册时提取的该用户虹膜图像中的虹膜专属特征进行对比,从而这些用户在进行身份认证时,除了比对虹膜传统特征外,还比对虹膜专属特征,提高身份识别的精确度。
附图说明
图1为本发明虹膜注册的流程图。
图2为本发明虹膜识别的流程图。
图3为本发明一较佳实施例中虹膜专属特征提取的流程图。
图4为本发明另一较佳实施例中虹膜专属特征提取的流程图。
图5为本发明虹膜专属特征比对的流程图。
具体实施方式
下面结合附图及具体实施方式对本发明作进一步详细的说明。
本发明中虹膜传统特征是指现有技术中虹膜区域的纹理特征,虹膜专属特征是指虹膜区域中的胎记、斑块和由于手术或创伤等原因在虹膜上形成的永久性独特印记,以及在虹膜区域中明显区别于其周围虹膜纹理的虹膜特征等。通常情况下,采集的虹膜图像中,虹膜专属特征的灰度明显低于其周围虹膜区域的灰度。
本发明增强虹膜识别精度的系统和方法,为了便于区分将用户进行虹膜注册时,采集到的作为注册模板的虹膜图像称作虹膜注册图像,将用户进行身份认证即虹膜识别时,采集到的用户的虹膜图像称作虹膜识别图像。
本发明公开了一种增强虹膜识别精度的系统,包括虹膜传统特征模块、虹膜专属特征模块和虹膜识别模块。其中,如图1所示,所述虹膜传统特征模块用于采集、分割、编码虹膜注册图像或虹膜识别图像,得到虹膜注册图像或虹膜识别图像的虹膜传统特征编码;该虹膜传统特征模块包括:
数据采集模块,用于采集虹膜注册图像或虹膜识别图像;
质量评估模块,用于评估虹膜注册图像或虹膜识别图像是否满足质量要求;
虹膜分割模块,对虹膜注册图像或虹膜识别图像进行虹膜内外圆的分割,即提取瞳孔的外边缘和虹膜的外边缘;
虹膜编码模块,对经过分割的虹膜注册图像或虹膜识别图像进行编码,形成虹膜传统特征编码,并将该虹膜传统特征编码存储到数据库中。
较佳地,在本实施例中,所述质量评估模块包括:
初级质量评估模块,用于初步评估数据采集模块采集到的整个虹膜注册图像或虹膜识别图像的质量,通常包括初步判断虹膜注册图像或虹膜识别图像的整个图像是否过曝,是否过暗,是否散焦,是否运动模糊等;
终极质量评估模块,用于针对性地评估虹膜注册图像或虹膜识别图像中虹膜区域图像的质量,通常包括分析虹膜区域的图像是否聚焦,是否运动模糊,是否有强光斑干扰,曝出率是否合格等。
如图1和图2所示,所述虹膜专属特征模块包括:
虹膜专属特征提取模块,对虹膜传统特征模块获取的虹膜注册图像进行处理和分析,提取虹膜注册图像的虹膜专属特征;
虹膜专属特征编码模块,对虹膜注册图像和虹膜识别图像的虹膜专属特征进行编码,形成虹膜专属特征编码;
如图2所示,所述虹膜识别模块包括:
虹膜传统特征比对模块,对虹膜识别图像和虹膜注册图像的虹膜传统特征编码进行比对识别;
虹膜专属特征比对模块,用于判断与虹膜识别图像完成虹膜传统特征编码匹配成功的虹膜注册图像是否具有虹膜专属特征,若该虹膜注册图像具有虹膜专属特征,则提取虹膜识别图像的虹膜专属特征,并将该虹膜识别图像和该虹膜注册图像的虹膜专属特征编码进行比对识别;
身份输出结果,用于输出比对结果。
本发明增强虹膜识别精度的系统,所述虹膜传统特征模块用于采集、分割和编码虹膜注册图像或虹膜识别图像;为了提高效率,本发明中虹膜注册图像的虹膜专属特征与虹膜识别图像的虹膜专属特征采用不同的方式进行提取,于是,虹膜专属特征提取模块仅对虹膜注册图像进行虹膜专属特征的提取,而虹膜专属特征比对模块负责对虹膜识别图像进行虹膜专属特征的提取。虹膜注册图像的虹膜专属特征以及虹膜识别图像的虹膜专属特征采用同种方式进行编码,即通过虹膜专属特征编码模块进行编码。
本发明还公开了一种增强虹膜识别精度的方法,包括虹膜注册和虹膜识别,其中,如图1所示,所述虹膜注册包括以下步骤:
a. 数据采集模块采集虹膜注册图像;
b. 虹膜分割模块分割虹膜注册图像中虹膜的内外圆,即提取瞳孔的外边缘和虹膜的外边缘;
c. 虹膜编码模块将经过分割的虹膜注册图像进行编码,形成虹膜传统特征编码,而后将该虹膜传统特征编码存储到数据库中;
d. 虹膜专属特征提取模块对虹膜注册图像进行分析,并提取具有虹膜专属特征的虹膜注册图像的虹膜专属特征;
e. 虹膜专属特征编码模块对虹膜注册图像中提取到的虹膜专属特征进行编码,形成虹膜专属特征编码;
如图2所示,所述虹膜识别包括以下步骤:
f. 数据采集模块采集虹膜识别图像;
g. 虹膜分割模块分割虹膜识别图像中虹膜的内外圆,即提取瞳孔的外边缘和虹膜的外边缘;
h. 虹膜编码模块将经过分割的虹膜识别图像进行编码,形成虹膜传统特征编码;
i. 虹膜传统特征比对模块将虹膜识别图像和虹膜注册图像的虹膜传统特征编码进行比对识别,即将虹膜识别图像的虹膜传统特征编码与数据库中虹膜注册图像的虹膜传统特征编码进行比对识别;比对时,虹膜传统特征比对模块将遍历数据库与待测样本比对,即与虹膜识别图像的虹膜传统特征编码比对,如果没有匹配成功将结束本次虹膜识别过程;如果在数据库中比配到吻合的虹膜注册图像,虹膜传统特征比对模块将会向虹膜专属特征比对模块输出虹膜识别图像与数据库中的虹膜注册图像的配准信息;
j. 虹膜专属特征比对模块判断与虹膜识别图像完成虹膜传统特征编码匹配成功的虹膜注册图像是否具有虹膜专属特征,若该虹膜注册图像具有虹膜专属特征,则提取所述虹膜识别图像的虹膜专属特征,并经虹膜专属特征编码模块对虹膜识别图像的虹膜专属特征进行编码,形成虹膜识别图像的虹膜专属特征编码,之后将该虹膜识别图像和该虹膜注册图像的虹膜专属特征编码进行比对识别,即将虹膜识别图像的虹膜专属特征编码与前述完成虹膜传统特征编码匹配的虹膜注册图像的虹膜专属特征编码进行比对识别;
k. 身份输出模块输出比对结果,向用户反馈识别结果。
进一步地,如图1和图2所示,数据采集模块在采集完虹膜注册图像后,即在步骤a与步骤b之间还包括以下步骤:
初级质量评估模块对采集的虹膜注册图像进行初步质量评估,该初步质量评估是指对虹膜注册图像的整个图像进行是否过曝,是否过暗,是否散焦,是否运动模糊等初步判断;
数据采集模块在采集完虹膜识别图像后,即在步骤f与步骤g之间还包括以下步骤:
初级质量评估模块对采集的虹膜识别图像进行初步质量评估,该初步质量评估是指对虹膜识别图像的整个图像进行是否过曝,是否过暗,是否散焦,是否运动模糊等初步判断。
进一步地,如图1和图2所示,虹膜分割模块对虹膜注册图像中虹膜的内外圆完成分割后,即在步骤b与步骤c之间还包括以下步骤:
终极质量评估模块对完成内外圆分割的虹膜注册图像进行终极质量评估,该终极质量评估是指对虹膜注册图像中虹膜区域图像进行是否聚焦,是否运动模糊,是否有强光斑干扰,是否曝出率合格等分析;
虹膜分割模块对虹膜识别图像中虹膜的内外圆完成分割后,即在步骤g与步骤h之间还包括以下步骤:
终极质量评估模块对完成内外圆分割的虹膜识别图像进行终极质量评估,该终极质量评估是指对虹膜识别图像中虹膜区域图像进行是否聚焦,是否运动模糊,是否有强光斑干扰,是否曝出率合格等分析。
虹膜注册图像或虹膜识别图像经初级质量评估模块和终极质量评估模块评估通过后才进入下一步骤,初级质量评估模块或终极质量评估模块评估未通过的虹膜注册图像或虹膜识别图像需由数据采集模块重新采集。
进一步地,虹膜专属特征提取模块在提取虹膜注册图像的虹膜专属特征时,有两种提取方式,一种是在虹膜注册图像的原始图像上进行提取,一种是在虹膜注册图像的虹膜区域展开图像上提取。
如图3所示,在一较佳实施例中,虹膜专属特征提取模块在虹膜注册图像的原始图像上提取虹膜专属特征,步骤d进一步包括:
数据拉取模块从数据库中拉取未经虹膜专属特征提取模块处理的虹膜注册图像;
第一预处理模块对数据拉取模块拉取到的虹膜注册图像进行降噪、增强等预处理;
第一分割模块对经过预处理的虹膜注册图像进行多尺度分割,并提取至少一个稳定的特征区域;
专属特征分析模块综合分析所述至少一个特征区域的灰度分布和形态特征,从所述至少一个特征区域中决策最多2个特征区域作为该虹膜注册图像的虹膜专属特征,若经综合分析后,专属特征分析模块未能从至少一个特征区域中提取到虹膜专属特征,则将未提取到虹膜专属特征的虹膜注册图像标记为无虹膜专属特征;
数据输出模块将专属特征分析模块的分析结果输出,对于被专属特征分析模块标记为无虹膜专属特征的虹膜注册图像,数据输出模块直接将专属特征分析模块的分析结果存储到数据库;对于被专属特征分析模块提取到虹膜专属特征的虹膜注册图像,数据输出模块将专属特征分析模块的分析结果传入虹膜专属特征编码模块。
如图4所示,在另一较佳实施例中,虹膜专属特征提取模块在虹膜注册图像的虹膜区域展开图像上提取虹膜专属特征,步骤d进一步包括:
数据拉取模块从数据库中拉取未经虹膜专属特征提取模块处理的虹膜注册图像;
第一预处理模块对数据拉取模块拉取到的虹膜注册图像进行降噪、增强等预处理;
虹膜展开模块完成空间坐标向极坐标的转换,将经过预处理的虹膜注册图像中虹膜环状区域图像展开成矩形图像;
第一分割模块对展开的矩形图像进行多尺度分割,并提取至少一个稳定的特征区域;
专属特征分析模块综合分析所述至少一个特征区域的灰度分布和形态特征,从所述至少一个特征区域中决策最多2个特征区域作为该虹膜注册图像的虹膜专属特征,若经综合分析后,专属特征分析模块未能从至少一个特征区域中提取到虹膜专属特征,则将未提取到虹膜专属特征的虹膜注册图像标记为无虹膜专属特征;
数据输出模块将专属特征分析模块的分析结果输出,对于被专属特征分析模块标记为无虹膜专属特征的虹膜注册图像,数据输出模块直接将专属特征分析模块的分析结果存储到数据库;对于被专属特征分析模块提取到虹膜专属特征的虹膜注册图像,数据输出模块将专属特征分析模块的分析结果传入虹膜专属特征编码模块。
较佳地,第一分割模块和虹膜展开模块也可交换次序,即第一分割模块对经过预处理的虹膜注册图像进行多尺度分割,并提取至少一个稳定的特征区域,而后虹膜展开模块完成空间坐标向极坐标的转换,将虹膜注册图像上的至少一个稳定的特征区域映射到虹膜环状区域图像展开的矩形图像中。
另外,在其他实施例中,可根据实际需求,从所述至少一个特征区域中决策一定数量的特征区域作为所述虹膜注册图像的虹膜专属特征。
在虹膜注册图像的原始图像上提取虹膜专属特征,可以保留虹膜专属特征原始的样子,但是原始图像上除了包含虹膜外,还有瞳孔和大面积的皮肤,从而可能会对虹膜专属特征的提取形成干扰,而且虹膜是一个环状区域,在一个环状区域内提取特征计算方式更为复杂。在虹膜注册图像的虹膜区域展开图像上提取虹膜专属特征,相较环状图像而言矩形图像处理起来更简单,而且虹膜区域展开图像只针对虹膜区域展开,其干扰信息相对较少,但是虹膜区域展开是根据虹膜分割的内圆外圆坐标展开,如果分割误差明显可能会导致虹膜专属特征发生畸变。在其他实施例中,可根据实际情况选择虹膜专属特征的提取方式。
进一步地,步骤e进一步包括:
提取上级模块输出的虹膜专属特征,在此指提取虹膜专属特征提取模块输出的虹膜注册图像的虹膜专属特征;
提取虹膜专属特征轮廓的特征点,较佳地,包括角点、切点、拐点等;
计算虹膜专属特征轮廓的7个不变矩;
依据虹膜专属特征的位置信息,以及虹膜专属特征轮廓的特征点和不变矩对虹膜专属特征进行编码,形成虹膜专属特征编码,并将该虹膜专属特征编码存储到数据库中。完成用户的虹膜注册。
在本实施例中,用户在进行虹膜注册时,只采集和提取虹膜传统特征的信息,待用户注册完成后,系统再离线提取虹膜专属特征,从而节约用户注册时间,避免降低用户体验。
如图5所示,步骤j进一步包括:
虹膜专属特征判断模块判断与虹膜识别图像完成虹膜传统特征编码匹配的虹膜注册图像是否具有虹膜专属特征,若不具有虹膜专属特征,则虹膜专属特征比对模块会直接调用其输出模块将虹膜传统特征编码比对模块的输出结果直接传递给身份输出模块;若具有虹膜专属特征,虹膜专属特征比对模块会触发第二预处理模块进行后续操作。
第二预处理模块根据虹膜识别图像和虹膜注册图像的匹配信息,以及虹膜注册图像中虹膜专属特征的位置信息,在虹膜识别图像相应的位置上对该虹膜识别图像进行局部处理,在本实施例中,所述局部处理包括滤波和增强等。
第二分割模块依据虹膜注册图像中虹膜专属特征的尺度在虹膜识别图像的相应位置上进行分割,提取稳定的虹膜专属特征;
依照前述虹膜注册图像中虹膜专属特征的编码方式,对虹膜识别图像的虹膜专属特征进行编码,其中上级模块输出的虹膜专属特征,在此指提取第二分割模块提取到的虹膜识别图像的虹膜专属特征,形成虹膜专属特征编码。
虹膜专属特征匹配模块对虹膜识别图像的虹膜专属特征和虹膜注册图像的虹膜专属特征进行匹配,在本实施例中,主要对虹膜专属特征轮廓的特征点和7个不变矩匹配,匹配结果通过输出模块输出给身份输出模块。
本发明对携带虹膜专属特征的用户进行虹膜传统特征和虹膜专属特征的双重匹配,从而提高虹膜识别的精度。同时,充分考虑用户体验的质量,虹膜注册图像的虹膜专属特征采用后台离线方式进行提取,进而用户注册时,仅进行虹膜传统特征的提取,与传统虹膜识别系统的注册时间相同。此外,虹膜识别时,对于具有虹膜专属特征的虹膜注册图像,与其匹配的虹膜识别图像在进行虹膜专属特征提取时,根据匹配信息,在虹膜识别图像中局部的对虹膜专属特征进行提取,而不再采用虹膜注册图像时对整个图像分析,而后提取至少一个特征区域,再决策虹膜专属特征的方式,大大节省时间,不致于影响用户体验。
以上结合附图及实施例对本发明进行了详细说明,本领域中普通技术人员可根据上述说明对本发明做出种种变化例。因而,实施例中的某些细节不应构成对本发明的限定,本发明将以所附权利要求书界定的范围作为本发明的保护范围。
Claims (10)
1.一种增强虹膜识别精度的系统,包括虹膜传统特征模块、虹膜专属特征模块和虹膜识别模块,其特征在于,所述虹膜传统特征模块包括:
数据采集模块,用于采集虹膜注册图像或虹膜识别图像;
质量评估模块,用于评估虹膜注册图像或虹膜识别图像是否满足质量要求;
虹膜分割模块,对虹膜注册图像或虹膜识别图像进行虹膜内外圆的分割;
虹膜编码模块,对经过分割的虹膜注册图像或虹膜识别图像进行编码,形成虹膜传统特征编码;
所述虹膜专属特征模块包括:
虹膜专属特征提取模块,对虹膜传统特征模块获取的虹膜注册图像进行处理和分析,提取虹膜注册图像的虹膜专属特征;
虹膜专属特征编码模块,对虹膜注册图像和虹膜识别图像的虹膜专属特征进行编码,形成虹膜专属特征编码;
所述虹膜识别模块包括:
虹膜传统特征比对模块,对虹膜识别图像和虹膜注册图像的虹膜传统特征编码进行比对识别;
虹膜专属特征比对模块,用于判断与虹膜识别图像完成虹膜传统特征编码匹配成功的虹膜注册图像是否具有虹膜专属特征,若该虹膜注册图像具有虹膜专属特征,则将该虹膜识别图像和该虹膜注册图像的虹膜专属特征编码进行比对识别;
身份输出结果,用于输出比对结果。
2.根据权利要求1所述的增强虹膜识别精度的系统,其特征在于,所述质量评估模块包括:
初级质量评估模块,用于评估数据采集模块采集到的整个虹膜注册图像或虹膜识别图像的质量;
终极质量评估模块,用于评估虹膜注册图像或虹膜识别图像中虹膜区域图像的质量。
3.一种增强虹膜识别精度的方法,包括虹膜注册和虹膜识别,其特征在于,所述虹膜注册包括以下步骤:
a. 数据采集模块采集虹膜注册图像;
b. 虹膜分割模块分割虹膜注册图像中虹膜的内外圆;
c. 虹膜编码模块将经过分割的虹膜注册图像进行编码,形成虹膜传统特征编码;
d. 虹膜专属特征提取模块对虹膜注册图像进行分析,并提取具有虹膜专属特征的虹膜注册图像的虹膜专属特征;
e. 虹膜专属特征编码模块对虹膜注册图像中提取到的虹膜专属特征进行编码,形成虹膜专属特征编码;
所述虹膜识别包括以下步骤:
f. 数据采集模块采集虹膜识别图像;
g. 虹膜分割模块分割虹膜识别图像中虹膜的内外圆;
h. 虹膜编码模块将经过分割的虹膜识别图像进行编码,形成虹膜传统特征编码;
i. 虹膜传统特征比对模块将虹膜识别图像和虹膜注册图像的虹膜传统特征编码进行比对识别;
j. 虹膜专属特征比对模块判断与虹膜识别图像完成虹膜传统特征编码匹配成功的虹膜注册图像是否具有虹膜专属特征,若该虹膜注册图像具有虹膜专属特征,则将该虹膜识别图像和该虹膜注册图像的虹膜专属特征编码进行比对识别;
k. 身份输出模块输出比对结果。
4.根据权利要求3所述的增强虹膜识别精度的方法,其特征在于:数据采集模块在采集完虹膜注册图像或虹膜识别图像后,还需初级质量评估模块对采集的虹膜注册图像或虹膜识别图像进行初步质量评估。
5.根据权利要求3所述的增强虹膜识别精度的方法,其特征在于:虹膜分割模块对虹膜注册图像或虹膜识别图像中虹膜的内外圆完成分割后,还需终极质量评估模块对完成分割的虹膜注册图像或虹膜识别图像中虹膜区域的图像质量进行评估。
6.根据权利要求3所述的增强虹膜识别精度的方法,其特征在于,步骤d进一步包括:
数据拉取模块拉取虹膜注册图像;
第一预处理模块对虹膜注册图像进行降噪、增强等预处理;
第一分割模块对虹膜注册图像进行多尺度分割,并提取稳定的特征区域;
专属特征分析模块综合分析虹膜注册图像特征区域的灰度分布和形态特征,确定是否存在虹膜专属特征;
数据输出模块将专属特征分析模块的分析结果进行输出。
7.根据权利要求3所述的增强虹膜识别精度的方法,其特征在于,步骤d进一步包括:
数据拉取模块拉取虹膜注册图像;
第一预处理模块对虹膜注册图像进行降噪、增强等预处理;
虹膜展开模块完成空间坐标向极坐标的转换,将虹膜注册图像中虹膜环状区域图像展开形成矩形图像;
第一分割模块对展开的虹膜矩形图像进行多尺度分割,并提取稳定的特征区域;
专属特征分析模块综合分析虹膜注册图像特征区域的灰度分布和形态特征,确定是否存在虹膜专属特征;
数据输出模块将专属特征分析模块的分析结果进行输出。
8.根据权利要求3所述的增强虹膜识别精度的方法,其特征在于,步骤e进一步包括:
提取虹膜注册图像的虹膜专属特征;
提取虹膜专属特征轮廓的特征点;
计算虹膜专属特征轮廓的不变矩;
依据虹膜专属特征轮廓的特征点和不变矩对虹膜专属特征进行编码,形成虹膜专属特征编码。
9.根据权利要求3所述的增强虹膜识别精度的方法,其特征在于,步骤j进一步包括:
虹膜专属特征判断模块判断与虹膜识别图像完成虹膜传统特征编码匹配的虹膜注册图像是否具有虹膜专属特征,若不具有虹膜专属特征,则将虹膜传统特征编码的比对结果传输至身份输出模块;
若所述虹膜注册图像具有虹膜专属特征,则第二预处理模块依据虹膜注册图像中虹膜专属特征的位置信息在虹膜识别图像相应的位置上进行局部处理;
第二分割模块依据虹膜注册图像中虹膜专属特征的尺度在虹膜识别图像的相应位置上进行分割,提取稳定的虹膜专属特征;
虹膜专属特征编码模块将提取到的虹膜识别图像的虹膜专属特征进行编码,形成虹膜专属特征编码;
虹膜专属特征匹配模块将虹膜识别图像的虹膜专属特征编码与虹膜注册图像的虹膜专属特征编码进行匹配。
10.根据权利要求7所述的增强虹膜识别精度的方法,其特征在于:所述专属特征分析模块从第一分割模块提取的特征区域中决策最多2个特征区域作为虹膜注册图像的虹膜专属特征。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810899849.5A CN108537213A (zh) | 2018-08-09 | 2018-08-09 | 增强虹膜识别精度的系统和方法 |
CN201910255205.7A CN110826384A (zh) | 2018-08-09 | 2019-04-01 | 增强虹膜识别精度的系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810899849.5A CN108537213A (zh) | 2018-08-09 | 2018-08-09 | 增强虹膜识别精度的系统和方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108537213A true CN108537213A (zh) | 2018-09-14 |
Family
ID=63488226
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810899849.5A Pending CN108537213A (zh) | 2018-08-09 | 2018-08-09 | 增强虹膜识别精度的系统和方法 |
CN201910255205.7A Pending CN110826384A (zh) | 2018-08-09 | 2019-04-01 | 增强虹膜识别精度的系统和方法 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910255205.7A Pending CN110826384A (zh) | 2018-08-09 | 2019-04-01 | 增强虹膜识别精度的系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN108537213A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109214364A (zh) * | 2018-10-24 | 2019-01-15 | 广州市真地信息技术有限公司 | 一种虹膜识别方法、系统、装置及存储介质 |
CN111553384A (zh) * | 2020-04-03 | 2020-08-18 | 上海聚虹光电科技有限公司 | 多光谱图像与单光谱图像的匹配方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1684095A (zh) * | 2004-04-16 | 2005-10-19 | 中国科学院自动化研究所 | 基于虹膜斑块形状的身份识别方法 |
US20140044320A1 (en) * | 2012-08-10 | 2014-02-13 | EyeVerify LLC | Texture features for biometric authentication |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7277561B2 (en) * | 2000-10-07 | 2007-10-02 | Qritek Co., Ltd. | Iris identification |
CN103577813A (zh) * | 2013-11-25 | 2014-02-12 | 中国科学院自动化研究所 | 用于异质虹膜识别的信息融合方法 |
CN106326841A (zh) * | 2016-08-12 | 2017-01-11 | 合肥虹视信息工程有限公司 | 一种快速虹膜识别算法 |
-
2018
- 2018-08-09 CN CN201810899849.5A patent/CN108537213A/zh active Pending
-
2019
- 2019-04-01 CN CN201910255205.7A patent/CN110826384A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1684095A (zh) * | 2004-04-16 | 2005-10-19 | 中国科学院自动化研究所 | 基于虹膜斑块形状的身份识别方法 |
US20140044320A1 (en) * | 2012-08-10 | 2014-02-13 | EyeVerify LLC | Texture features for biometric authentication |
Non-Patent Citations (1)
Title |
---|
张波: "虹膜裂缝、环状线条检测方法研究", 《中国博士学位论文全文数据库信息科技辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109214364A (zh) * | 2018-10-24 | 2019-01-15 | 广州市真地信息技术有限公司 | 一种虹膜识别方法、系统、装置及存储介质 |
CN111553384A (zh) * | 2020-04-03 | 2020-08-18 | 上海聚虹光电科技有限公司 | 多光谱图像与单光谱图像的匹配方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110826384A (zh) | 2020-02-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Nguyen et al. | Robust minutiae extractor: Integrating deep networks and fingerprint domain knowledge | |
Darlow et al. | Fingerprint minutiae extraction using deep learning | |
Raghavendra et al. | Scaling-robust fingerprint verification with smartphone camera in real-life scenarios | |
Sun et al. | Improving iris recognition accuracy via cascaded classifiers | |
Gottschlich | Curved-region-based ridge frequency estimation and curved Gabor filters for fingerprint image enhancement | |
Dagnes et al. | Occlusion detection and restoration techniques for 3D face recognition: a literature review | |
CN112036383B (zh) | 一种基于手静脉的身份识别方法及装置 | |
Jan | Segmentation and localization schemes for non-ideal iris biometric systems | |
CN111126240B (zh) | 一种三通道特征融合人脸识别方法 | |
JP2005149506A (ja) | 対象物自動認識照合方法および装置 | |
EP2858007B1 (en) | Sift feature bag based bovine iris image recognition method | |
Sagayam et al. | Authentication of biometric system using fingerprint recognition with euclidean distance and neural network classifier | |
Garg et al. | Biometric authentication using finger nail surface | |
CN110119695A (zh) | 一种基于特征融合和机器学习的虹膜活性检测方法 | |
Hammouche et al. | A novel system based on phase congruency and gabor-filter bank for finger knuckle pattern authentication | |
CN108537213A (zh) | 增强虹膜识别精度的系统和方法 | |
Raghavendra et al. | An efficient finger vein indexing scheme based on unsupervised clustering | |
Kumar et al. | Finger vein recognition using integrated responses of texture features | |
CN112036323A (zh) | 签名笔迹鉴别方法、客户端及服务器 | |
Amjed et al. | Noncircular iris segmentation based on weighted adaptive hough transform using smartphone database | |
Khan et al. | Dorsal hand vein biometric using Independent Component Analysis (ICA) | |
KAMIL et al. | An Improved Iris Segmentation using Pupil Candidate Bank for Non-Cooperative Iris Recognition | |
Ríos-Sánchez et al. | A comparative study of palmprint feature extraction methods for contact-less biometrics under different environmental conditions | |
Pflug et al. | Binarization of spectral histogram models: An application to efficient biometric identification | |
Rajput et al. | Iris biometric technique for person authentication based on fusion of radon and 2D multi-wavelet transform |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180914 |
|
WD01 | Invention patent application deemed withdrawn after publication |