CN109002748A - 混合虹膜及面部生物识别系统 - Google Patents
混合虹膜及面部生物识别系统 Download PDFInfo
- Publication number
- CN109002748A CN109002748A CN201710997488.3A CN201710997488A CN109002748A CN 109002748 A CN109002748 A CN 109002748A CN 201710997488 A CN201710997488 A CN 201710997488A CN 109002748 A CN109002748 A CN 109002748A
- Authority
- CN
- China
- Prior art keywords
- optical system
- iris
- image
- candidate
- face
- 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
- 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
- G06V20/00—Scenes; Scene-specific elements
- G06V20/30—Scenes; Scene-specific elements in albums, collections or shared content, e.g. social network photos or video
-
- 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
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- 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
- G06V40/172—Classification, e.g. identification
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/70—Multimodal biometrics, e.g. combining information from different biometric modalities
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Ophthalmology & Optometry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Collating Specific Patterns (AREA)
- Image Input (AREA)
Abstract
本申请案涉及混合虹膜及面部生物识别系统。光学系统能够在近场、中场及远场内捕获候选者面部的至少部分的图像。对于在所述近场内捕获的图像,可从所述图像捕获表示所述候选者的虹膜的数据,且将所述数据与已知的虹膜数据进行比较。对于在所述中场内捕获的图像,可从所述图像捕获表示所述候选者的虹膜及面部特征的数据,且将所述数据与已知的虹膜数据及面部数据进行比较。对于在所述远场内捕获的图像,可从所述图像捕获表示所述候选者的面部特征的数据,且将所述数据与已知的面部数据进行比较。
Description
技术领域
本发明涉及一种生物识别系统,其具有用于使用虹膜及面部技术进行生物识别的扩展景深光学系统。
背景技术
例如虹膜及面部识别系统的生物识别系统可捕获具有独特特性的人的特征(例如,虹膜或面部特征)的图像以便用于各种目的,例如基于捕获的图像来确认人的身份。在虹膜识别的实例中,人的虹膜的原始高质量图像可由光学系统捕获并转换成虹膜代码,其存储在与一群人相关联的虹膜代码的数据库中。类似地,面部识别系统可捕获某些面部特征。这些特征是从各种处理方法中提取,并与存储在数据库中的面部特征的类似记录进行比较。这些存储的记录可为与相应用户相关联的用户文件,且稍后可用于与捕获的图像进行比较。
为了稍后确认用户的身份,捕获用户的虹膜或面部的图像、产生相应的比较文件(例如,虹膜代码或面部代码),并将用于捕获的生物特征的比较数据与用户数据进行比较。如果比较文件与存储的虹膜代码展现出显著程度的类似度(例如,捕获的图像与存储的图像之间的汉明距离(Hamming distance)小于阈值),那么可假设用户的所比较的特征(例如,虹膜或面部特征)与和所存储的用户文件相关联的身份匹配。
取决于获取虹膜或面部图像的光学系统的特性,虹膜及面部识别系统可各自以不同方式执行。通常,虹膜识别系统可在相对靠近用户的范围内操作,所述系统的焦点与透镜相距的距离在几厘米到小于一米的范围中。由于获取有用的虹膜图像所需的分辨率,常规系统的景深可能是最小的,例如仅几厘米。因此,常规的虹膜识别系统要求用户在相距透镜系统的一定距离处是静止的,这在例如手机、膝上型计算机或存取系统的现代应用中是困难且耗时的。一些系统采用透镜、传感器、焦点及照明系统的复杂组合来捕获非静止受试者的有用虹膜图像。然而,此类系统是复杂的、昂贵的且庞大的。面部识别通常在远离透镜的范围内操作,以捕获面部识别所需的面部特征的组合。面部识别不如虹膜识别精确,且在捕获更少面部特征的范围中,此精度进一步受损。
发明内容
在本发明的示范性实施例中,一种用于识别候选者的方法可包括:由光学系统捕获所述候选者的一或多个原始图像;由所述光学系统识别所述一或多个原始图像中的每一者内的虹膜部分及面部部分;及由所述光学系统量化所述虹膜部分及所述面部部分中的每一者。所述方法还可包括:由所述光学系统将所述量化的虹膜部分与虹膜登记数据进行比较,且将所述量化的面部部分与面部登记数据进行比较;及由所述光学系统基于所述比较来确认所述候选者的身份。
在本发明的示范性实施例中,一种光学系统可包括:至少一个透镜,其经配置以捕获候选者的一或多个原始图像;及控制器,其耦合到所述光学系统。所述控制器可经配置以识别所述一或多个原始图像中的每一者内的虹膜部分及面部部分,量化所述虹膜部分及所述面部部分中的每一者,将所述量化的虹膜部分与虹膜登记数据进行比较及将所述量化的面部部分与面部登记数据进行比较,且基于所述比较来确认所述候选者的身份。
在本发明的示范性实施例中,一种用于识别候选者的方法可包括:由光学系统确定所述候选者是否位于近场、中场或远场内;及由所述光学系统捕获所述候选者的面部的一或多个原始图像。所述方法可进一步包括:当所述候选者位于所述近场中时,由所述光学系统量化仅所述面部的虹膜部分;当所述候选者位于所述中场内时,由所述光学系统量化所述面部的所述虹膜部分及所述面部的面部部分;及当所述候选者位于所述远场中时,由所述光学系统量化仅所述面部的所述面部部分。所述方法可进一步包括:当所述候选者在所述近场或所述中场内时,由所述光学系统将所述量化的虹膜部分与虹膜登记数据进行比较;当所述候选者在所述中场或所述远场中时,由所述光学系统将所述量化的面部部分与面部登记数据进行比较;及由所述光学系统基于所述比较来确认所述候选者的身份。
附图说明
在结合附图考虑以下详细描述之后,本发明的上述及其它特征、其本质及各种优点将更加明显,其中:
图1描绘了根据本发明的一些实施例的用于图像获取、处理及识别的系统的示范性系统图;
图2描绘了根据本发明的一些实施例的包括嵌入式生物识别检测的示范性装置;
图3描绘了根据本发明的一些实施例的示范性混合虹膜及面部识别系统的框图;
图4描绘了根据本发明的一些实施例的界定用于具有嵌入式生物识别检测的装置的虹膜及面部检测的近场、中场及远场的示范性视场;
图5描绘了根据本发明的一些实施例的虹膜识别、面部识别及混合虹膜及面部识别的接受率及距离的示范性比较;
图6A描绘了根据本发明的一些实施例的近场内的虹膜检测的示范性说明;
图6B描绘了根据本发明的一些实施例的中场内的混合虹膜及面部检测的示范性说明;
图6C描绘了根据本发明的一些实施例的远场内的面部检测的示范性说明;
图7描绘了根据本发明的一些实施例的部分面部检测的示范性说明;
图8描绘了根据本发明的一些实施例的具有面部障碍的面部检测的示范性说明;
图9A及9B描绘了根据本发明的一些实施例的示范性扩展景深透镜;
图10描绘了根据本发明的一些实施例的用于获取图像及选择生物识别验证方法的示范性步骤;
图11描绘了根据本发明的一些实施例的用于执行近场内的虹膜识别的示范性步骤;
图12描绘了根据本发明的一些实施例的用于执行远场内的面部识别的示范性步骤;
图13描绘了根据本发明的一些实施例的用于执行混合虹膜及面部识别的示范性步骤;
图14描绘了根据本发明的一些实施例的用于混合虹膜及面部生物识别系统中的登记的示范性步骤;及
图15描绘了面部识别、虹膜识别及混合虹膜及面部识别的多个图像捕获随时间变化的示范性绘制图。
具体实施方式
为了说明而不是限制,本文中描述了例如虹膜及面部识别系统的示范性生物识别系统。例如,所属领域的技术人员可明白,说明性实施例可应用于其它生物识别系统及其它识别应用,例如工业自动化系统。
现在详细参考本发明的本示范性实施例,其实例在附图中进行说明。在整个附图中尽可能使用相似或类似的元件符号来指代相似或类似的部分。可在本发明的范围内对以下实例进行各种修改及改变,且可以不同方式省略、修改或组合示范性实施例的方面以实现另外实施例。因此,本发明的真实范围将根据本发明的全部内容加以理解,鉴于但不限于本文中所述的实施例。
本发明的实施例描述了使用光学系统(例如扩展景深(EDOF)系统且在一些实施例中为针对虹膜及面部捕获两者用单透镜EDOF实施的EDOF系统)来获取虹膜及面部图像的系统及方法。
可基于所捕获的图像的类型来处理图像。在示范性实施例中且基于用于捕获图像的光学系统,相对靠近光学系统的第一区域可适用于以一定精度捕获虹膜图像,使得存在虹膜图像可用于虹膜识别的高置信度(例如,>99%)。在本发明中,此区域可称为“近场”。相对远离光学系统的第二区域可适用于以一定精度捕获面部图像,使得存在面部图像可用于面部识别的高置信度(例如,>99%)。在本发明中,此区域可称为“远场”。利用合适的光学系统,第三区域可涵盖在近场与远场之间的距离,在所述距离内可捕获虹膜图像及面部图像。虹膜图像及/或面部图像中的一者或两者可能不产生单独在期望置信度(例如,>99%)内的精度,然而,通过利用组合的面部及虹膜识别技术,整体置信度可能落在可接受的水平(例如>99%)内。在本发明中,此区域可称为“中场”。
在一些实施例中,受试者可处于移动中使得在多个远场、中场及近场内捕获图像。在此类情况下,可利用组合远场分析与中场分析、中场分析与近场分析以及远场、中场与近场中的全部三者的技术。在一些实施例中,如果受试者暂时离开不同区域之间的光学系统的视场,那么可基于在不同区域内捕获的图像来确认受试者的身份(例如,基于更高概率虹膜或混合识别来确认更低概率的面部识别)。
根据本发明,可利用各种光学系统,其包括具有多个光学系统、一或多个光学系统内的多个光学元件、用于识别用户位置的次级传感器及复杂的聚焦系统的光学系统。在示范性实施例中,可利用EDOF光学系统。EDOF光学系统可成功地在近场、中场及远场中的所有者内捕获图像,且不需要多个光学系统或任何自动对焦系统。在一些实施例中,EDOF光学系统可利用具有球面像差的单透镜来实施,使得与衍射受限光学系统相比,景深或焦深增加了20%与500%之间的量,这可促进在近场、中场及远场中的每一者中获取图像。
本文中所述的系统及方法可通过任何合适的硬件及/或软件实施方案来实施,以便用于可捕获及处理图像的任何合适的装置,例如安全系统、平板计算机、蜂窝电话、智能电话、计算机、相机、移动虹膜识别装置、门禁装置、CCTV系统、电器、交通工具、武器系统、任何其它合适的装置或其任何组合。此外,应当理解,EDOF系统及生物识别比较系统可用于其它生物识别应用以及例如工业应用中的其它捕获及识别系统。
首先讨论广义单透镜EDOF光学系统,随后讨论用于广义EDOF光学系统中的单透镜成像光学系统的示范性实施例。然后,本发明将论述混合虹膜及面部识别系统。
广义EDOF系统
图1是根据本发明的单透镜EDOF光学系统(“系统”)10的示范性实施例的框图。系统10包含光轴A1,沿着所述光轴布置有成像光学系统20,其由单透镜元件22及孔径光阑AS组成,所述孔径光阑沿透镜元件的物向定位在与物向前透镜表面S1相距轴向距离DS处。孔径光阑AS是“通光”或“敞开”的,意指其并不包含任何相变元件,例如相位板、相位编码光学元件或其它类型的相变构件。虽然根据本发明可使用任何合适的单透镜光学系统,但是在实施例中,可如第8,594,388号美国专利中所描述那样配置单透镜光学系统,所述专利以引用的方式全部并入本文中。在另一示范性实施例(未描绘)中,单透镜光学系统可包含如第8,416,334号美国专利中所描绘及描述的厚单透镜,所述专利以引用的方式全部并入本文中。
参考图1,此单透镜光学系统可包含孔径光阑,所述孔径光阑定位在最小化彗形像差的位置处,且可由任何合适的材料(例如玻璃或塑料)构成。在一些实施例中,例如,如第8,416,334号美国专利中所描述(所述专利以引用的方式全部并入本文中),单透镜可为由单一光学材料制成的单个、旋转对称光学组件。在一些实施例中,例如,如第8,488,044号美国专利(所述专利以引用的方式全部并入本文中)或2008年2月29日申请的第PCT/IB2008/001304号(所述PCT申请案以引用的方式全部并入本文中)中所描述,单透镜可包含球面折射表面。
光学系统20具有横向放大率ML、轴向放大率MA=(ML)2、物空间OS中的物平面OP及图像空间IS中的图像平面IP。物体OB被展示为在物平面OP中且由光学系统20形成的对应图像IM被展示为在图像平面IP中。物体OB在距透镜元件22轴向物距DOB处。
光学系统20在物空间OS中具有景深DOF,在所述景深内,物体OB可被成像且保持对焦。同样地,光学系统20在图像空间IS中具有对应焦深DOF',在所述焦深内,物体OB的图像IM保持对焦。如本文中所述,此光学系统20的示范性DOF及DOF'可适应近场内的虹膜图像、远场内的面部图像及中场内的部分弃用的虹膜及面部图像的获取。因此,物平面OP及图像平面IP是物体OB及对应图像IM的相应位置的理想化且通常分别对应于最佳物体位置及“最佳焦点”位置。事实上,这些平面可实际上落在其相应景深DOF及焦深DOF'内的任何位置,且通常为弯曲而非平坦。由光学系统20的性质界定景深DOF及焦深DOF',且在下文更全面地讨论其在系统10中的相互关系及重要性。
系统10还包含图像传感器30,所述图像传感器具有布置在图像平面IP处的光敏表面32(例如,电荷耦合装置的阵列)以便接收并检测图像IM,所述图像在本文中还称为“初始”或“原始”图像。虽然根据本发明可使用任何合适的图像传感器30,但是在示范性实施例中,图像传感器30可为或包含高清晰度CCD相机或CMOS相机。
在示范性实施例中,系统10进一步包含控制器50(例如计算机或类似机器),所述控制器经调适(例如,经由指令(例如计算机可读或机器可读媒体中体现的软件))以控制系统的各种组件的操作。如下文更详细地描述,控制器50经配置以控制系统10的操作且包含图像处理单元(“图像处理器”)54,所述图像处理单元电连接到图像传感器30且经调适以从所述图像传感器接收数字化原始图像信号SRI并对其进行处理且形成经处理图像信号SPI。
虽然本发明中描述的发明可在任何合适的系统中实施,但是在实施例中,光学系统20可实施在例如智能电话的手持装置中。图2是根据本发明的一些实施例的包含系统10的示范性手持装置52的示意图。在示范性实施例中,控制器50是或包含一或多个处理器(例如,核心或应用程序处理器、图形处理器及图像处理器54)且包含操作系统(例如MicrosoftWINDOWS或LINUX)。
在示范性实施例中,图像处理器54可为或包含具有执行本文中所述的处理功能所必需的处理能力的任何合适的处理器,所述处理能力包含但不限于硬件逻辑、在处理器上运行的计算机可读指令或其任何组合。在一些实施例中,处理器可包含通用或专用微处理器、有限状态机、控制器、计算机、中央处理单元(CPU)、现场可编程门阵列(FPGA)或数字信号处理器。图像处理器54可运行软件以执行本文中所述的操作,所述软件包含在有形非暂时性计算机可读存储媒体(例如,快闪存储器、RAM、ROM、SRAM、EEPROM、硬盘驱动器等)上以机器可读形式存取的软件,以及描述硬件的配置的软件(例如用于设计芯片的硬件描述语言(HDL)软件)。
控制器50还可包含可操作地耦合到图像处理器54的存储器单元(“存储器”)110,可由图像处理器54执行的一系列指令可存储在所述存储器单元上。如本文中所使用,术语“存储器”是指包含磁盘、拇指驱动器及存储器等但不包含传播的信号的任何有形(或非暂时性)存储媒体。有形计算机可读存储媒体可包含易失性及非易失性、可装卸及非可装卸媒体,例如计算机可读指令、数据结构、程序模块或其它数据。此媒体的实例包含RAM、ROM、EPROM、EEPROM、快闪存储器、CD-ROM、DVD、磁盘或光学存储装置、磁性存储装置,或存储由处理器或计算装置存取的信息的任何其它非暂时性媒体。在示范性实施例中,控制器50可包含经调适以适应可装卸处理器可读媒体116(例如CD-ROM、DVD、记忆棒或相似存储媒体)的端口或驱动器120。
可在各种实施例中以机器可读媒体(例如,存储器110)实施本发明的EDOF方法,所述机器可读媒体包括用于致使控制器50执行所述方法及用于操作系统10的控制操作的机器可读指令(例如,计算机程序及/或软件模块)。在示范性实施例中,计算机程序在存储器110外部的图像处理器54上运行,且可在存储于可装卸媒体116上时经由磁盘驱动器或端口120、或在存储于控制器50外部时经由有线或无线网络连接或经由从其可读取并利用计算机程序的其它类型的计算机或机器可读媒体而从永久存储装置传送到主存储器。例如,在一些实施例中,本文中所述的处理中的一些或全部可由接收原始图像、经处理图像、虹膜或面部代码或其它数据(例如,与图像相关联的分数)的远程系统来执行,以与手持装置远程地执行处理(例如,图像处理、虹膜及面部代码的产生、与代码参考数据库的比较等)的方面。
计算机程序及/或软件模块可包括多个模块或对象以执行本发明的各种方法,且控制系统10中的各种组件的操作及功能。用于代码的计算机编程语言的类型可在过程代码型语言与面向对象的语言之间有所不同。取决于程序员的期望,文件或对象无需与所描述的模块或方法步骤具有一对一的对应性。此外,所述方法及设备可包括软件、硬件及固件的组合。固件可被下载到图像处理器54中用于实施本发明的各种示范性实施例。
控制器50还可包含显示器130(例如,提供各种应用程序及接口的触摸屏显示器),所述显示器可为用于以任何合适的方式(例如,使用多种多样的字母数字及图形表示)显示信息的任何合适的显示器。在实施例中,存储器110及/或与图像处理器相关联的存储器中的指令可包含用于各种应用的指令,所述各种应用可利用虹膜及面部图像捕获的系统及处理能力10,例如以提供对手持装置的存取、提供对在手持装置上运行的特定应用程序的存取、帮助设置生物识别系统(例如,登记用户)或执行其它合适的功能性。例如,在一些实施例中,显示器130可显示原始或增强的图像(例如,由系统10捕获及/或增强的图像)、与虹膜代码有关的信息、用于登记用户的指令或可能的用户匹配。控制器50还可包含数据键入装置132,其在图2的手持装置的实施例中可被体现为在触摸屏显示器130上描绘的用户接口的图像。在一些实施例中,数据键入装置132可包含允许系统10的用户与控制器50交互的任何合适的装置。例如,键盘或触摸屏可允许用户输入用于控制器50的信息(例如,被成像的物体的名称等)并手动地控制系统10的操作。在示范性实施例中,控制器50制作得足够紧凑以装配在手持或便携式装置(例如图2中展示的装置52)的小型外观尺寸的外壳内。
系统10还可包含可操作地连接到控制器50的数据库单元90。在实施例中,数据库单元90可包含用作计算机可读媒体的存储器单元92,所述计算机可读媒体经调适以从图像处理器54接收经处理图像信号SPI并存储如由经处理图像信号表示的物体OB的相关联经处理数字图像。在一些实施例中,数据库单元可包含由系统10获取的虹膜或面部代码,且在一些实施例中,可包含用于将与获取的图像相关联的代码与用于经批准用户的已知代码进行比较的虹膜及/或面部代码参考数据库中的一些或全部。存储器单元92可包含如本文中所述的任何合适的存储器,且可操作地以任何合适的方式(例如,在系统10内本地或远程地)连接到控制器50。在示范性实施例中,数据库单元90被包含在控制器50内,但是其任何合适的部分也可被包含在其它本地装置或远程系统处。
一般操作方法
参考图1,在系统10的一般操作中,由光学系统20在传感器30的光敏表面32上形成物体OB的图像IM。控制器50发送控制信号S30以激活图像传感器30持续给定曝光时间,使得由光敏表面32捕获图像IM。图像传感器30将此“原始”图像IM数字化并产生表示原始捕获图像的电子原始图像信号SRI。
图像处理器54可经调适以从图像传感器30接收经数字化的电原始图像信号SRI并收集待以压缩格式存储的对应原始图像。数据格式可为任何合适的压缩数据格式,包含基于标准的压缩数据格式,例如ISO INCITS 379及ISO 19794-6。图像可被存储为原生或压缩图像(例如,TIFF、bmp、jpeg等)或以原生原始格式(例如,YUV、RAW10)存储。在一些实施例中,可进一步处理原始图像,其中代替原始图像或作为原始图像的补充,存储经处理版本的图像。例如,如本文中所述,在一些实施例中,原始图像可经增强以改善捕获的调制传递函数(MTF)(例如,针对通过具有EDOF光学器件的系统捕获的图像)。在一些实施例(例如虹膜或面部识别)中,图像可经进一步处理以被归一化及/或产生压缩虹膜及/或面部代码,所述压缩虹膜及/或面部代码以仅表示虹膜及/或面部图案的高度压缩格式进行具体存储。在示范性实施例中,可以各种不同的图像处理路径处理图像,所述图像处理路径包含图像增强、归一化及/或均衡,例如,如第9,495,590号美国专利中所述,所述专利以引用方式全部并入本文中。
在一些实施例中,可直接使用原始图像IM,即,无需任何处理来增强图像,或仅利用不涉及MTF增强的轻微图像处理。原始图像IM甚至在无需额外对比增强图像处理的情况下也与由光学系统20所提供的EDOF相关联,使得在一些示范性实施例中,系统10无需利用系统的图像处理能力中的一些或所有。在一些实施例中,如本文中所述,针对利用EDOF系统捕获并经处理的图像可省略用于虹膜或面部识别的处理的一些方面。
在实施例中,(例如,使用图像处理器54)收集N个原始图像并将其平均化以形成与N个原始图像中的任一者相比具有减少噪声的(经数字化的)原始图像IM'。
在一些实施例中,可能期望增强原始图像IM。图像处理器54可接收并数字化处理电子原始图像信号SRI以形成体现在电子经处理图像信号SPI中对应的对比度增强图像,其任选地存储在数据库单元90中。
在一些实施例(例如生物识别应用)中,系统10可将捕获的生物识别信息(例如,与捕获的虹膜及/或面部图像相关联且存储在数据库90中的虹膜及/或面部代码)与已知的生物识别信息(例如,与已知用户相关联且存储在数据库90中或远程地存储的虹膜及/或面部代码)进行比较。如本文中所述,控制器50可存取来自数据库单元90的所存储的经处理图像或相关数据(例如,虹膜及/或面部代码)以供比较。在虹膜及/或面部识别的示范性实施例中,来自经归一化虹膜图像的压缩数据可用于比较。在一些实施例中,此高端压缩数据可装配在5kB到10kB的小文件或数据块中。
光学系统
如上文所讨论,成像光学系统20具有如由光学系统的特定设计界定的物空间OS中的景深DOF及图像空间IS中的焦深DOF'。用于常规光学系统的景深DOF及焦深DOF'可通过测量通过焦点的点扩展函数(PSF)的演化而得到确证,且可通过指定被认为对于给定应用来说可接受的分辨率R的损失量而确立。“最小模糊圆”往往被当作界定焦深DOF'的极限的参数。
在本发明中,通过向光学系统20提供一定量的球面像差(SA)而扩展景深DOF及焦深DOF'两者。在示范性实施例中,0.2λ≤SA≤5λ、更优选地0.2λ≤SA≤2λ,且甚到更优选地0.2λ≤SA≤1λ,其中λ是成像波长。在示范性实施例中,处于成像波长λ的光学系统中的球面像差SA的量使得景深DOF或焦深DOF'与衍射受限光学系统相比增加了介于50%与500%之间的量。通过添加球面像差SA的选择量,可控制景深DOF的增加量。本文中陈述的实例光学系统设计添加球面像差SA的选择量以增大景深DOF,而不大幅增大其它像差对图像形成的不利影响。在一些实施例中,球面像差SA可以实现近场、中场及远场内的图像检测的方式添加到单透镜。
因为景深DOF及焦深DOF'通过光学系统20的轴向放大率MA及横向放大率ML经由关系式DOF'=(MA)DOF=(ML)2DOF而相关,所以系统10为了方便起见而被视为具有“扩展景深”。所属领域的技术人员将认识到,此表达还暗示系统10还具有“扩展焦深”。因此,下文取决于讨论的背景而提及景深DOF或焦深DOF'。
还可结合PSF使用MTF以通过检查通过焦点的图像的分辨率R及图像对比度CI而将焦深DOF'特征化。此处,图像对比度由以下等式给定:
CI=(IMAX—IMIN)/(IMAX+IMIN)
且经测量用于具有特定空间频率的一组正弦线-空间对的图像,其中IMAX及IMIN分别为最大图像强度及最小图像强度。“最佳焦点”被界定为MTF被最大化且PSF最窄的图像位置。当光学系统没有像差(即,衍射受限)时,基于MTF的最佳焦点与基于PSF的最佳焦点重合。然而,当像差存在于光学系统中时,基于MTF及PSF的最佳焦点位置可不同。
常规透镜设计原理需要以如下方式设计光学系统:寻求消除所有像差,或至少将其平衡以最小化其影响,使得所述光学系统整体上基本上无像差。然而,在本发明中,光学系统20经有意设计以具有球面像差作为主要像差,且还可同样具有少量色差。
球面像差通过将MTF的整体水平从基本频率fo=0减小到截止频率fc而减小图像的对比度。截止频率fc与理想(即,衍射受限)MTF相比并未显著减小,因此几乎所有原始空间-频率频谱均可用。因此,空间-频率信息虽然具有较低对比度,但是在图像中仍然可用。在一些实施例中,可通过如由图像处理单元54实行的MTF增强数字滤波过程还原减小的对比度。在一些实施例中,可不一定执行MTF增强,即,例如,在如本文中所述的虹膜识别的一些实施例中,可在无MTF增强的情况下使用具有减小的MTF的EDOF图像。
球面像差SA的量在高空间频率在更大散焦范围内保持可用的意义上增大焦深DOF'。本文中所述的图像的处理允许图像用于例如生物识别(例如,具有或无还原增强的焦深DOF'内的对比度的数字滤波)的应用,由此有效地增强光学系统20的成像性能。
球面像差在波前“误差”是经归一化的光瞳坐标p的偶数幂的意义上为“偶数(even)”像差。因此,球面像差呈现旋转对称波前,使得相位为零。这意指所得光学传递函数(OTF)(其为PSF的傅里叶变换)是旋转对称、实值函数。通过考虑倾斜边缘上进行的一维MTF测量可获得MTF(其为OTF的量值),其中球面像差是主要像差。此测量提供经由数字信号处理还原二维图像所需的所有信息。同样,相位在任何散焦位置处为零,这允许数字图像处理增强MTF,而无需考虑傅里叶(即,空间-频率)空间中的OTF的相位分量(即,相位传递函数或PTF)。
约0.2λ-0.6λ的球面像差SA量给定显著DOF增强,而不在一个散焦侧上形成MTF中的零点。在没有SA的情况下,从最佳焦点位置开始的两个散焦上出现零点。对于衍射受限光学系统,通过关系式DOF'=±λ/(NA2)给定焦深DOF',其中NA是光学系统的数值孔径。在示范性实施例中,光学系统20具有在约0.033与0.125之间的NA(即,约F/15到约F/4,其中F/#=1/(2NA)假设小角近似)。
作为实例,对于F/6.6,λ=800nm的中心波长及Δλ的带宽,衍射受限焦深DOF'是约20mm,其中横向放大率是1/1.4。球面像差量SA=0.75λ的引入将焦深DOF'增大到约100mm(约5倍的增大)。
MTF增强
在一些实施例中,可期望改善利用具有球面像差的EDOF系统捕获的原始图像的对比度。在一些实施例中,这可通过以如下方式对原始图像进行滤波而完成:将MTF还原为平滑函数,其随着空间频率连续递减且优选地避免过冲、振铃及其它图像假影。
噪声放大往往是寻求锐化信号(例如,增强数字光学图像中的对比度)的任何滤波程序中的问题。因此,在示范性实施例中,考虑噪声的功率谱的经优化的增益函数(类似于维纳滤波器)在对比度增强过程期间经施加以减小噪声放大。
在示范性实施例中,施加于“原始”MTF以形成“输出”或“增强”MTF(本文中称为“输出MTF”)的增益函数取决于物距DOB。通过校正程序获得MTF对距离DOB,其中在预期景深DOF中通过使用散焦步长δF≤(1/8)(λ/(NA2)取样而测量MTF以避免任何欠取样及因此针对MTF的通过焦点信息的损失。在此实例中,增强MTF被视为“取决于焦点的”。
在实施例中,MTF增益函数可不取决于物距。虽然可以任何合适的方式确定MTF增益函数,但在实施例中,可基于增强MTF目标函数与所分配景深内的原始MTF的平均值的比率来估计所述MTF增益函数。例如,因为可能已知与由具有球面像差的系统所获取的图像的MTF相比的期望MTF的典型平滑形状,所以对于MTF增强,近似可能已经足够精确了。
用于还原或增强原始MTF的上文提及的MTF增益函数是三维函数G(u,υ,d),其中u是沿着X轴的空间频率,v是沿着Y轴的空间频率,且d是物体在所允许的扩展景深DOF中的距离(d因此对应于物距DOB)。PSF及MTF的旋转对称导致增益函数的简化定义,即:
G'(ω,d),其中ω2=u2+v2
旋转对称还使G'(ω,d)成为实值函数而非一般情况中的复值函数。
“增强的”或“还原的”OTF被标示为OTF'且定义为:
OTF'(u,v,d)=G(u,v,d)OTF(u,v,d)
其中OTF是用于非相干光的光学系统的光学转换函数,OTF'是包含数字处理的光学系统的等效OTF,且G是前述MTF增益函数。通过以下等式给定针对基于原始或未还原MTF的已还原或“输出”或“增强的”MTF(即,MTF')的关系:
MTF'(ω,d)=G'(ω,d)MTF(ω,d)
当物距未知时,可使用经优化的平均增益函数G'。所得MTF被增强,但并非物距的函数。
后数字过程可经优化以递送工作景深DOF的范围中的任何距离处的基本上相同MTF。只要DOB在光学系统20的景深DOF内,此便提供独立于物距DOB的基本上恒定图像质量。因为光学系统20归因于如下文描述的球面像差的存在而具有扩展景深DOF,所以系统10可适应物距DOB的相对大变动且仍然能够捕获合适的图像。可例如使用第9,495,590号美国专利中描述的技术执行图像的额外处理(例如,通过将顺序图像平均化而进行的图像降噪、图像归一化及代码均衡)以进一步增强可用的DOF,所述专利以引用的方式全部并入本文中。
虹膜及面部图像捕获及识别系统
图3描绘了根据本发明的一些实施例的示范性混合虹膜及面部识别系统的框图。虽然将认识到,混合虹膜及面部识别系统可包含额外组件、可省略组件,或可以合适的方式重新布置系统的部分,但是在图3的示范性实施例中,混合虹膜及面部识别系统可包含具有红外(IR)照明器、透镜、传感器、数字信号处理器、处理单元及登记数据库的光学系统。如本文中所述,图3中所描绘的光学系统的组件可位于一或多个装置或系统处,所述组件包含位于远程服务器或系统处的部分。
候选者302可使面部的至少部分位于光学系统的视场内。照明器304可由红外发光二极管(LED)组成。在示范性实施例中,照明器304可为一或多个LED,且可在包含景深的视场范围内提供红外照明。在图像传感器上使用全局快门模式的情况下,LED电路可以支持任何逐行扫描相机的连续波形(CW)或以脉冲模式驱动。后一种方法可通过减少在LED供应的门接通时间处像素上的有效曝光时间来提供对环境光的有效时间抑制。
示范性透镜306可为经优化以尽可能接近透镜的衍射极限而执行的低像差透镜,或在一些实施例中可具有受控水平的球面像差,其可提供包含从近场到远场的范围的扩展景深。示范性透镜在图9A及9B中进行描绘,且可在预期的视场及F#中提供适当的球面像差量。焦距4.2mm下的典型实例在F2.5处满足2mm图像圆。在此配置中,可使用具有像素间距为1.12μm的2MP(例如,1980×1080像素)的HD格式图像传感器。
示范性图像传感器308可从透镜306捕获候选者的图像。在实施例中,可能需要利用具有小像素尺寸(例如,1.12μm到1.4um的范围中的像素尺寸)的传感器,其对于任何指定的舒适视场均要求最短焦距。在实施例中,单透镜306可与传感器308一起封装以形成紧凑的相机模块。在不需要紧凑封装及最小尺寸的应用中,可使用较大的透镜及/或传感器,例如具有高达6um的像素尺寸的传感器,其可提供用于光收集的额外效率及较低的SNR(信噪比)。
示范性数字信号处理器(DSP)310可驱动传感器,协调图像捕获与照明,且对来自传感器的输出数据流执行初始处理。在实施例中,所接收到的传感器数据可经处理及格式化以经由例如USB或串行接口的数据总线提供给处理单元312。在一些实施例中,在DSP上运行的软件可根据例如MPEG的压缩数据格式来压缩图像,以加速图像传递并提高帧率。通常,压缩允许以HD格式大小以不同于原始格式中的5f/s原始容量的30f/s(帧/秒)运行相机。这可通过将图像更快地传递到处理单元促进更快的识别,以及通过收集可用于平均化或其它改善的成像技术的更多图像来促进更高精度。在其它实施例中,可期望不提供任何此类压缩,例如,以避免由于压缩而导致的底层信息的任何弃用。例如,在某些范围内且对于某些技术,可期望不执行任何压缩。虹膜图像可能已经减少了在中场内的信息,且可能不希望通过执行压缩来进一步弃用数据。
示范性登记数据库314可包含虹膜登记数据及面部登记数据。虹膜及面部登记数据可针对特定用户而独立地存储,或在一些实施例中,可存储在单个共用登记数据结构内。基本虹膜及面部登记数据最初可基于不同的要求(例如分辨率水平及用于准确捕获的距离)而分开获取。对于虹膜登记数据的示范性获取,可期望候选者将虹膜定位在近场的接近部分内以得到最高分辨率(例如,跨越虹膜具有至少150个像素)的益处。在具有4.2mm焦距的光学系统及1.2μm像素尺寸的2MP传感器的示范性实施例中,用于虹膜登记的典型距离可在距离透镜250mm到350mm的范围内。对于面部登记数据的示范性获取,可期望使候选者位于可捕获整个面部的图像的远场的范围中。用于面部登记的示范性范围可在远场的适当部分内以在良好分辨率及照明的情况下在单个图像中捕获整个面部。在具有4.2mm焦距的光学系统及1.2μm像素尺寸的2MP传感器的示范性实施例中,用于面部登记的典型距离可在距离透镜700mm到1m的范围内。在此示范性系统中,以3.7像素/mm对面部图像进行取样,其比大多数面部识别算法的最小推荐分辨率(例如,0.5像素/mm)好7.4倍。
在用于验证或识别的操作期间,照明器304可在视场内提供IR照明。一旦候选者进入近场、中场或远场中的任一者,图像便可被透镜306、传感器308及DSP 310捕获。可在合适的时间段内捕获图像,且在一些实施例中,所述图像可包含来自近场、中场、远场中的一者以上的图像。基于所捕获的图像的类型及质量,可基于虹膜识别、面部识别或虹膜识别与面部识别的组合执行认证。例如,如果所有捕获的图像均在近场内,那么匹配及认证将通过虹膜识别来执行。在此范围内,为了最佳地使用虹膜的动态范围而调整的照明度可能在前额皮肤上产生相机的直接饱和,因为皮肤具有比虹膜更高的反照率。因此,在近场内,除了许多面部特征可能落在视场之外的事实之外,许多面部特征可能被遮蔽。
在中场内,所得到的图像可能适合于获取虹膜特征及面部特征两者。虽然中场可能不是虹膜识别或面部识别各自的理想选择,但是在中场内,可组合利用虹膜识别及面部识别来提高认证的总体精度。可基于根据布格辐射定律的距离的平方反比减小照明度,这可能导致与近场相比,中场内的虹膜图像的照明较低。在一些实施例中,可基于候选者在视场内的位置来执行照明度或曝光时间的动态调整。同样地,减少照明有助于成功捕获中场内的面部信息。
作为提高质量及SNR(信噪比)的选项,可控制光学系统以提供不同曝光水平的交替帧,以优化在光学系统的动态范围内的特征的捕获信号。在实施例中,虹膜捕获可利用更长的曝光时间及/或更高的照明度来强调捕获的虹膜特征,而面部捕获可利用更短的曝光时间及/或较低的照明度,从而在具有较高反照率的皮肤区域上呈现相机的饱和度。在一些实施例中,这些参数(例如,曝光时间及照明度)可基于候选者在视场内的位置来修改。中场与远场之间的边界可对应于可有效捕获虹膜信息的最大距离。超出中场(即,在远场内),仅可捕获面部信息。
图4描绘了根据本发明的一些实施例的界定用于具有嵌入式生物识别检测的装置的虹膜及面部检测的近场、中场及远场的示范性视场。虽然将理解,本发明的光学系统可在如本文中所述的各种组件及装置中实施,但是在图4的示范性实施例中,光学系统可集成到膝上型计算机中。虽然各种光学系统实施方案可提供各种成像能力,但是在图4的示范性实施例中,具有球面像差以提供增强的EDOF的单透镜可用于光学系统,且可提供范围从约10cm到2m的整体有用景深。图4的示范性光学系统可提供约30度的水平视场及约20度的垂直视场,但是应当理解,不同的成像系统可提供不同的视场。在示范性实施例中,近场的合适范围可为从100mm到250mm,中场的示范性范围可为从250mm到600mm,且远场的示范性范围可为从600mm到2m。
可能难以捕获近场、中场及远场中的每一者内的图像。可能捕获这些范围中的一者内的质量图像的系统可能由于系统的有限景深而在其它范围内不能捕获具有合适特性的图像。这些场区域中的任何一者均不能同时处于最佳焦点处,需要以损失照明效率及增加衍射模糊为代价在透镜孔径上进行一定程度的折中。在示范性实施例中,可使用自动对焦系统(例如,具有安装在致动器上的透镜)来改善DOF的限制或利用扩展景深透镜解决方案。后一种方法可能更便宜、更紧凑、更可靠(例如,归因于较少的移动部分),且可提供包含近场、中场及远场中的所有三者的景深。
在远场内,由MTF表示的透镜的分辨率可能对于距离更为关键,因为要提取的面部特征存在于更高的空间频率中。远距离处的散焦第一效应可能会降低最高空间频率下的MTF。如本文中所述的示范性的扩展景深透镜系统可减少此MTF损失并提高进行成功识别的能力。在4.2mm焦距、F2.5及1.12μm的像素尺寸的示范性实施例中,可在高达8m的距离处的眼睛之间获取32个像素。利用例如厚的或折叠式单透镜(例如,如图9A及9B中所示)的扩展的景深解决方案,在高达8m的距离处可基本上保持所需的MTF。
图5描绘了根据本发明的一些实施例的用于虹膜识别、面部识别及混合虹膜及面部识别的接受率及距离的示范性比较。图5提供了此比较的图形描绘,其中图5的纵坐标提供了候选者的面部相距光学系统的距离的对数刻度,且图5的横坐标提供了与候选者的已知存储图像相比的所述候选者的相对接受率。图5描绘了具有在约18cm与35cm之间的范围的示例性近场、具有在约35cm与75cm之间的范围的中场及具有在约75cm与2.5m之间的范围的远场。虽然近场、中场及远场可在图5中描述及描绘为特定距离处的非重叠范围,但是应当理解,在一些实施例中,所述范围可部分重叠,且距离可基于特定光学系统的配置而改变。例如,图5的示范性实施例描绘了如本文中所述的示范性单透镜EDOF系统的范围。
如图5中所描绘,通过利用及组合来自近场、中场及远场的结果,多生物识别解决方案可导致在整个DOF中(即,遍及近场、中场、远场)提供高的可接受范围的连续解决方案。此结果可通过在适当区域中利用虹膜识别、面部识别及混合识别解决方案中的每一者来实现。通过虹膜特征的捕获及提取支持近场。在中场区域内,作为生物识别解决方案工作的特征的混合虹膜及面部提取可将虹膜及面部特征组合在单个生物识别引擎中,或在一些实施例中可独立地处理虹膜及面部特征。仅通过面部特征的提取支持远场。
图6A描绘根据本发明的一些实施例的近场内的虹膜检测的示范性说明。图6A的左侧部分提供了在由光学系统捕获的近场内的两个不同距离处捕获的原始图像的示范性描绘。两个原始图像中的每一者在可精确地执行虹膜捕获及识别的一定距离内,其中示范性数据点被描绘在图6A右侧。
图6B描绘根据本发明的一些实施例的中场内的混合虹膜及面部检测的示范性说明。图6B的左侧部分提供了在由光学系统捕获的中场内的两个不同距离处捕获的原始图像的示范性描绘。对于这些原始图像中的每一者,可从原始图像捕获虹膜及面部信息两者的重要部分。然而,虹膜图像可能缺少图6A的虹膜图像的分辨率,而面部图像可能不完整,使得面部识别所需的数据点的至少部分丢失。因此,用于虹膜捕获及面部捕获两者的示范性数据点被描绘在图6B的右侧。
图6C描绘根据本发明的一些实施例的远场内的面部检测的示范性说明。图6C的左侧部分提供了在由光学系统捕获的远场内的两个不同距离处捕获的原始图像的示范性描绘。两个原始图像中的每一者在可精确地执行面部捕获及识别的一定距离内,其中示范性数据点被描绘在图6C右侧。
图7A到7B描绘了根据本发明的一些实施例的部分面部检测的示范性说明。如本文中所述,可存在所捕获的图像(例如,在中场内),其仅捕获候选者的面部的部分以供分析。图7A的上部描绘了用于分析的完整的面部图像及相关联的数据点,例如可在如本文中所述的远场内获取。图7A的下部描绘了用于分析的部分面部图像及相关联的数据点,例如,可在中场内(或在一些实施例中,在远场内,在所述远场内,面部的部分在视场之外)被收集。
图7B描绘了针对由不同的部分面部图像捕获的面部的不同部分的具有与完整面部图像相比的判别候选者的相对能力的部分面部图像的各种数据点。从左到右移动,所描绘的图像最初对应于候选者面部的顶部,然后向下移动到候选者的面部,直到部分面部图像仅涵盖候选者面部的下部为止。如从对应于面部图像的相对判别值的图表可看出,用于分析部分面部图像的最佳区域对应于候选者面部下部约28%到62%,其通常对应于至少捕获到眼睛以及候选者的显著的额头及/或鼻部的图像。提供强的判别值的其它部分面部部分包含捕获大部分嘴巴及鼻子的部分,例如,候选者面部下部约90%。
在一些实施例中,可基于由光学系统捕获的部分面部区域来修改中场内的虹膜及面部识别技术的相对加权。例如,当眼睛部分睁开时(例如,当在与相机的方向形成显著角度的方向上眨眼或定向时),虹膜特征提取可能受到限制或损坏。在此情况下,面部特征判别的权重将会更高。在一些实施例中,候选者的面部上的过度亮度可能由于饱和而损坏某些面部特征。在中场内的此实施例中,更高权重可与图像捕获及分析的虹膜识别方面一致。所收集的虹膜及面部特征的内部管理可以各种方式进行处理,以收敛到比在相同距离处仅使用虹膜特征或面部特征的情况更高的精度和接受率中。在一些实施例中,可利用特征脸方法来执行任何全部或部分面部图像的识别。
图7A到7B的示范性实施例描绘了使用线性判别分析(LDA)方法实现的依对应ROI而变化的部分面部图像的典型相对判别力。在一些实施例中,对部分面部图像提供判别力的能力不限于LDA方法。以本征脸方法为基础的其它面部算法可执行此功能,因为特征向量包含在真实面部图像上具有减小的投影重叠的向量子群。本征特征的固有选择可用于在匹配登记面部时计算一些类似度输出。
图8描绘根据本发明的一些实施例的具有面部障碍的面部检测的示范性说明。在一些情况下,候选者可能穿着干扰识别全部或部分面部特征的衣服或配饰。因此,可能需要补偿此类特征,如图8中所描绘。
在图8的说明中,表示两个候选者A及B。在第一列中,候选者没有戴眼镜,而另外三列描绘了戴有各种尺寸及形状的眼镜的示范性障碍。在实施例中,适当的训练算法可建立产生用于处置此类障碍的最佳判别系数的特征向量。候选者可以产生具有统计重新划分的系数的方式来选择判别向量。在实施例中,系数可导致在右分布图上表示的低重叠,且另一判别特征向量用于戴眼镜的多组图像与不戴眼镜的多组图像之间的低重叠而不考虑候选者。在每一类图像(戴眼镜及不戴眼镜)中的系数的统计分布图被表示在底部。此方法提供了有效的判别函数,从而最小化由眼镜局部地产生的固有地独立于要提取的虹膜或面部特征的各种变化的影响。从此一般方法中,可利用各种面部识别算法,例如PCA(主成分分析)、ICA(独立分量分析)、LDA(线性判别分析)、EP(演化跟踪)、EBGM(弹性束图匹配)或面部识别领域的技术人员已知的其它合适的面部识别算法。
图9A及9B描绘了根据本发明的一些实施例的示范性扩展景深透镜。在示范性实施例中,图9A及9B的透镜中的每一者可具有合适的球面像差,以在捕获近场、中场及远场中的所有者的范围内提供扩展景深。在示范性实施例中,图9A可对应于厚的单透镜,例如第8,416,334号美国专利中描绘及描述的透镜,所述专利以引用方式全部并入本文中。图9B可对应于厚的单透镜的“折叠”版本,其具有类似光学特性但是经折叠以减小透镜尺寸同时提供类似于图9A的厚的单透镜的有效光学长度。
图10到14描绘且描述了根据本发明的一些实施例的用于执行混合虹膜及面部识别的方法。虽然本发明可以特定顺序描绘及描述特定步骤,但是所属领域的一般技术人员将理解,可添加或移除一或多个步骤,或根据本发明,以根据本说明书的各种方式修改所述步骤流程。
图10描绘了根据本发明的一些实施例的用于获取图像及选择生物识别验证方法的示范性步骤。在步骤1002处,(例如,基于对捕获图像的分析或基于次级传感器)可确定候选者是否存在于视场内。如果候选者位于视场内,那么处理可继续进行到步骤1004。如果候选者未位于视场内,那么处理可保留在步骤1002处,直到候选者进入视场为止。
在步骤1004处,可捕获候选者的图像。在一些实施例中,可基于成像条件(例如,环境条件等)或关于候选者的信息(例如,在视场内的位置)来修改光学系统的光学特性。以此方式,可修改例如焦点、照明及曝光时间的参数以优化图像捕获(例如,用于虹膜与面部捕获)。在一些实施例中,可在一段时间内(例如,固定的时间段)或基于候选者在视场内的位置及移动通过视场的步速来捕获多个图像。一旦图像被捕获,处理便可继续进行到步骤1006。
在步骤1006中,在一些实施例中,可确定退出视场的候选者是否返回到视场。例如,可能已捕获到图像,其提供具有较低匹配概率的候选者的初始识别。如果候选者(例如,在阈值时限内)返回到视场且初始图像的初步分析指示候选者是最近被捕获图像的相同候选者的显著概率,那么处理可返回到步骤1004以捕获候选者的其它图像。否则,处理可继续进行到步骤1008。
在步骤1008处,可确定是否仅利用虹膜信息执行匹配。在一些实施例中,所有捕获的图像均可在近场内,或绝大多数捕获的图像可在近场中。在此类情况下,可仅对所捕获的虹膜图像执行处理,且处理可继续进行到图11的处理。如果可使用面部信息,那么处理可继续进行到步骤1010。
在步骤1010处,可确定是否仅利用面部信息执行匹配。在一些实施例中,所有捕获的图像均可在远场内,或绝大多数捕获的图像可在远场中。在此类情况下,可仅对所捕获的面部图像执行处理,且处理可继续进行到图12的处理。如果要使用面部信息及虹膜信息两者(例如,所捕获的图像在中场内,或来自多个近场、远场及中场的图像将用于处理),那么处理可继续进行到图13的处理。
图11描绘了根据本发明的一些实施例的用于在近场内执行虹膜识别的示范性步骤。在步骤1102处,可捕获一或多个虹膜图像。在一些实施例中,光学系统的方面可针对虹膜捕获例如通过修改(例如,增加)曝光时间及/或照明进行优化。一旦虹膜图像被捕获,处理可继续进行到步骤1104。
在步骤1104处,可准备所捕获的虹膜图像以进行虹膜编码。在一些实施例中,可执行各种技术(例如平均化、MTF增强、归一化及/或均衡)以针对产生虹膜代码而准备图像。一旦虹膜图像准备好进行虹膜编码,处理便可继续进行到步骤1106。
在步骤1106处,可为经捕获及处理的虹膜图像产生虹膜代码。在实施例中,虹膜代码可表示与用户相关联的呈压缩数字形式的唯一虹膜信息。一旦在步骤1106处产生虹膜代码,处理便可继续进行到步骤1108。
在步骤1108处,可将针对候选者产生的虹膜代码与登记的虹膜代码(例如,从登记数据库存取的代码)进行比较。处理可继续进行到步骤1110,在所述步骤处,(例如,基于候选者的虹膜代码与登记的虹膜代码之间的汉明距离)确定候选者的虹膜代码在所需的置信度或阈值内是否与登记的虹膜代码匹配。如果候选者的虹膜代码是匹配的,那么候选者可基于与登记的虹膜代码相关联的任何许可得到批准。如果候选者的虹膜代码不匹配,那么可拒绝对所需资源的存取(例如,物理门禁、对电子资源的存取等)。
图12描绘了根据本发明的一些实施例的用于在远场内执行面部识别的示范性步骤。在步骤1202处,可捕获一或多个面部图像。在一些实施例中,光学系统的方面可针对面部捕获例如通过修改(例如,降低)曝光时间及/或照明进行优化。一旦面部图像被捕获,处理就可继续进行到步骤1204。
在步骤1204处,可准备所捕获的面部图像以进行面部编码。在一些实施例中,可执行各种技术(例如平均化、MTF增强、归一化及/或均衡)以针对产生用于比较的面部数据准备图像。一旦面部图像准备好进行面部分析,处理便可继续进行到步骤1206。
在步骤1206处,可为经捕获及处理的面部图像产生面部比较数据。在实施例中,面部比较数据可包含特定面部特征(例如用户的鼻子、眼睛、嘴巴、前额等的位置及形状)的表示。一旦在步骤1206产生面部比较数据,处理便可继续进行到步骤1208。
在步骤1208处,可将针对候选者产生的面部比较数据与登记的面部比较数据(例如,从登记数据库存取的面部比较数据)进行比较。处理可继续进行到步骤1210,在所述步骤处,确定候选者的面部比较数据在所需置信度或阈值内是否与登记的面部代码匹配。如果候选者的面部数据是匹配的,那么候选者可基于与登记的面部数据相关联的任何许可得到批准。如果候选者的面部数据不匹配,那么可拒绝对所需资源的存取(例如,物理门禁、对电子资源的存取等)。
图13描绘了根据本发明的一些实施例的用于执行混合虹膜及面部识别的示范性步骤。虽然关于图13描述了特定的方法,但是所属领域的一般技术人员将认识到,图13中描述的特定步骤仅是示范性的。例如,在一些实施例中,可针对面部及虹膜信息确定单个组合数据集,且可将所述数据集与组合的登记数据进行比较(例如,而不是执行个别比较或作为执行个别比较的补充)。
在步骤1302处,可如本文中所述那样处理及分析其中的虹膜图像可用的任何图像(例如,在近场或中场内)以产生一或多个虹膜代码。处理可继续进行到步骤1304,在所述步骤处,可如本文中所述那样处理及分析其中的面部图像可用的任何图像(例如,在远场或近场内)以产生一或多个面部数据用于比较。接着,处理可继续进行到步骤1306。
在步骤1306处,可基于来自步骤1302的虹膜代码来确定虹膜候选者图像集合。在实施例中,候选者图像可对应于具有超过阈值(例如,基于汉明距离)的匹配概率的虹膜代码。在实施例中,阈值可低于仅用于虹膜识别的阈值。然后,处理可继续进行到步骤1308。
在步骤1308处,可基于来自步骤1304的面部数据来确定面部候选者图像集合。在实施例中,候选者图像可对应于具有超过阈值的匹配概率的面部数据。在实施例中,阈值可低于仅用于面部识别的阈值。然后,处理可继续进行到步骤1310。
步骤1310到1314可基于所述步骤中指示的因素将多个权重施加到候选者图像。应当理解,可利用额外因素(例如,环境条件、成像条件、登记数据的可用性、登记数据中的置信度、光学系统配置及其它合适因素)等来对虹膜及面部图像提供加权。在步骤1310处,可基于图像相距光学系统的距离对候选者进行加权。如果位于近场或邻近于近场的中场的部分内,那么虹膜图像可接收较高的权重,而如果位于远场或邻近于远场的中场的部分内,那么面部图像可接收更高的权重。接着,处理可继续进行到步骤1312。
在步骤1312处,可基于在类似位置处的图像(例如,可用于提供平均化以提高图像质量的图像)的数量来对图像进行加权。以此方式,平均化可提供不在视场的优选部分中的图像的改善。接着,处理可继续进行到步骤1314,在所述步骤中,可利用其它因素(例如,环境条件、成像条件、登记数据的可用性、登记数据中的置信度、光学系统配置及其它合适因素)等来对图像提供加权。一旦已对图像施加适当的加权因素,处理便可继续进行到步骤1316。
在步骤1316处,可将图像的组合加权及其相对匹配概率与阈值进行比较。如果总体匹配概率超过阈值,那么处理可继续进行到步骤1318,在所述步骤中,候选者与登记数据匹配并被批准。如果不超过阈值,那么可拒绝候选者对资源进行存取。
图14描绘了根据本发明的一些实施例的用于混合虹膜及面部生物识别系统中的登记的示范性步骤。在混合虹膜及面部生物识别系统中,可期望捕获登记图像且产生相关联的代码及/或数据以用于稍后与获取的数据进行比较。在步骤1402处,登记在系统中的用户可提供由光学系统捕获的虹膜图像。在一些实施例中,用于获取及登记的系统可为与稍后用于候选者图像捕获及比较的系统相同的系统,或可具有类似于所述系统的光学特性。在一些实施例中,登记过程可(例如通过要求用户位于相对于光学系统的特定位置处(例如,在近场内的适当位置处))促进捕获准确的图像。一旦虹膜图像被获取,处理便可继续进行到步骤1404。在步骤1404处,可基于所捕获的虹膜图像来产生虹膜代码,且将所述虹膜代码存储在登记数据库中以供稍后使用及分析。接着,处理可继续进行到步骤1406。
在步骤1406处,登记在系统中的用户可提供由光学系统捕获的面部图像。在一些实施例中,登记过程可(例如通过要求用户位于相对于用于捕获面部图像的光学系统的特定位置处(例如,在远场内的适当位置处))促进捕获准确的图像。一旦面部图像被获取,处理便可继续进行到步骤1408。在步骤1408处,可基于所捕获的面部图像来产生面部数据,且将所述面部数据存储在登记数据库中以供稍后使用及分析。接着,处理可继续进行到步骤1410。
在步骤1410处,可确定是否将在中场中捕获图像。如果将在中场中捕获图像,那么处理可继续进行到步骤1412。如果将不在中场中捕获图像,那么处理可结束。在一些实施例中,虹膜及面部图像中的一者或两者可在中场内被捕获,使得所得到的虹膜代码或面部数据包含类似于候选者识别期间捕获的图像的特性(例如,包含部分弃用的信息)。在一些实施例中及在某些安全设置下,此中场比较可能需要识别是正确的较低概率。在一些实施例中,合成图像及复合比较数据可基于面部及虹膜信息两者。通过在登记数据集内包含虹膜及面部数据点,可提高中场内的识别精度。
图15描绘了面部识别、虹膜识别及混合虹膜及面部识别的多个图像捕获随时间变化的示范性绘制图。图15的横坐标可以时间为单位,开始于图像捕获开始的时间零(T0)且结束于图像捕获结束时。此获取的示范性合适时间可在从毫秒范围(例如,200ms)到几秒的范围内。图15的纵坐标可对应于候选者在特定时间与光学系统相距的距离。如果在一段时间内捕获图像,那么候选者可在视场内移动,且因此,图15表示五个示范性候选者1502、1504、1506、1508及1510。
在实施例中,可通过例如基于图像的周期性分析或外部检测机制(例如,距离传感器、用户请求、飞行时间传感器、红外传感器等)检测视场中的面部候选者的存在来触发光学系统的激活。取决于应用,初始距离通常可在更远的距离(例如,自动存取控制系统)或更近距离(例如,智能电话存取系统)处开始。在任何此类应用中,候选者面部与光学系统相距的距离在一定时间内可随着候选者在视场内移动而改变。
在时间T0处,系统可最初确定候选者当前占据三个类别的场中的哪一个。这可基于图像本身来执行,或在一些实施例中,可由一或多个外部传感器或检测方法来执行。在示范性实施例中,可利用图像中的面部及眼睛的跟踪来确定距离并因此确定用于分析的适当场。在实施例中,当检测到眼睛时,可使用基于眼睛之间约65mm的平均距离的校准三角测量方法来直接使用在视场中分离两只眼睛的像素中的距离的图像中的测量。当图像内只有一只眼睛可见时,可利用约11mm的平均虹膜直径来确认距离。
系统可开始捕获图像(开始于T0)。图15将示范性候选者1502到1510的轨迹展示为随时间变化的距离。(例如,基于例如相机帧率的处理限制或物理限制)可以多种速率捕获图像。通过捕获不同距离及不同区域内的多个图像,可提高系统的精度,且可通过稍后的图像确认初步识别(例如,从捕获周期开始时捕获的初始图像),从而在捕获周期结束时提供精确决定。在一些实施例中,管理员可选择适当的设置用于分析,例如识别精度的阈值、图像质量、捕获周期、优选捕获方法、与不同识别技术一致的相对权重及如本文中所述的其它类似参数。在一些实施例中,管理员可选择对虹膜识别、面部识别或混合虹膜及面部识别的偏好。
在候选者从远场到近场接近装置的示范性实施例(例如,存取系统)中,第一生物识别处理将是面部特征的获取及处理。这可实现初始纯面部识别,其能够在面部进入中场之前的早期阶段时使用,从而使得能够捕获一些虹膜特征。基于面部特征的初始识别可基于在中场内获取的混合解决方案来确认,或在一些实施例中,可使用从多种图像(及场内的图像平均化)确定的概率来用于识别。如果面部进入近场中,那么可更详细地从近场图像中提取虹膜特征,从而进一步降低错误率并提高精度。因此,在独立生物识别过程的情况下,可至少基于面部识别的错误率与虹膜识别的错误率的乘积减少出错率。
图15提供了许多此类实例。候选者1502最初可位于远场外部,但是可通过远场接近系统,且最终在捕获周期结束时位于中场内。在示范性实施例中,可基于远场面部识别来执行初始识别,可基于后续远场图像及/或平均化来确认及改善识别,且可基于在中场内捕获的虹膜及面部图像执行进一步的确认。候选者1504最初可位于远场中且可通过中场及近场接近系统。在示范性实施例中,可基于远场面部识别来执行初始识别,可基于后续远场图像及/或平均化来确认及改善识别,且可基于在中场内捕获的虹膜及面部图像及近场中捕获的虹膜图像执行进一步的确认。候选者1506最初可位于远场中且可在图像捕获的持续时间内保持在远场中。在示范性实施例中,可基于远场面部识别来执行初始识别,且可基于后续远场图像及/或平均化来确认及改善识别。候选者1508最初可位于远场中且最初可通过中场及近场接近系统。然后,候选者1508可从系统移回到中场及远场。在示范性实施例中,可基于远场面部识别来执行初始识别,可基于后续远场图像及/或平均化来确认及改善识别,且可基于在中场内捕获的虹膜及面部图像及近场中捕获的虹膜图像执行进一步的确认。候选者1510最初可位于中场内且可在捕获周期的持续时间内保持在中场内。在示范性实施例中,可基于中场内的混合虹膜及面部识别来执行初始识别,且可基于后续远场图像及/或平均化来确认及改善识别。
前述仅仅是本发明的原理的说明,且在不脱离本发明的范围的情况下,所属领域的技术人员可做出各种修改。呈现上述实施例是为了说明而不是限制的目的。本发明还可采用除了本文明确描述的形式之外的许多形式。因此,应当强调,本发明不限于明确揭示的方法、系统及设备,而是旨在包含在所附权利要求的精神内的变化及修改。
作为另一实例,可对设备或工艺参数(例如,尺寸、配置、组件、工艺步骤顺序等)做出变动以进一步优化如本文中所示及所述的所提供的结构、装置及方法。在任何情况下,本文中描述的结构及装置及相关联的方法具有许多应用。因此,所揭示的标的物不应限于本文中描述的任何单个实施例,而是应根据所附权利要求的广度及范围来解释。
Claims (20)
1.一种用于识别候选者的方法,其包括:
由光学系统捕获所述候选者的一或多个原始图像;
由所述光学系统识别所述一或多个原始图像中的每一者内的虹膜部分及面部部分;
由所述光学系统量化所述虹膜部分及所述面部部分中的每一者;
由所述光学系统将所述量化的虹膜部分与虹膜登记数据进行比较,且将所述量化的面部部分与面部登记数据进行比较;及
由所述光学系统基于所述比较来确认所述候选者的身份。
2.根据权利要求1所述的方法,其中所述一或多个原始图像在0.2λIM≤SA≤0.5λIM的成像波长λIM下具有一定量的球面像差SA。
3.根据权利要求1所述的方法,其中与衍射受限系统相比,所述光学系统的景深增加了20%到500%。
4.根据权利要求1所述的方法,其中所述一或多个原始图像中的每一者对应于所述光学系统的中场。
5.根据权利要求1所述的方法,其进一步包括:
由所述光学系统捕获所述候选者的一或多个额外原始图像;
由所述光学系统确定所述一或多个额外原始图像对应于所述光学系统的近场;
当所述一或多个额外原始图像对应于所述近场时,由所述光学系统识别所述一或多个原始图像中的每一者内的额外虹膜部分;
当所述一或多个额外原始图像对应于所述近场时,由所述光学系统量化所述额外虹膜部分;
由所述光学系统将所述量化的额外虹膜部分与所述虹膜登记数据进行比较;及
由所述光学系统基于所述量化的额外虹膜部分的所述比较来确定所述候选者的身份。
6.根据权利要求1所述的方法,其进一步包括:
由所述光学系统捕获所述候选者的一或多个额外原始图像;
由所述光学系统确定所述一或多个额外原始图像对应于所述光学系统的远场;
当所述一或多个额外原始图像对应于所述远场时,由所述光学系统识别所述一或多个原始图像中的每一者内的额外面部部分;
当所述一或多个额外原始图像对应于所述近场时,由所述光学系统量化所述额外面部部分;
由所述光学系统将所述量化的额外面部部分与所述面部登记数据进行比较;及
由所述光学系统基于所述量化的额外面部部分的所述比较来确认所述候选者的身份。
7.根据权利要求1所述的方法,其中基于所述比较来确认所述候选者的所述身份包括:
由所述光学系统确定所述虹膜部分及所述面部部分中的每一者的权重;
由所述光学系统基于所述虹膜部分的所述权重来调整所述量化的虹膜部分;
由所述光学系统基于所述面部部分的所述权重来调整所述量化的面部部分;
由所述光学系统基于所述调整的虹膜部分及所述调整的面部部分来确定总分数;
及
由所述光学系统基于所述调整的虹膜部分及所述调整的面部部分来确认所述候选者的身份。
8.根据权利要求7所述的方法,其中所述虹膜部分及所述面部部分中的每一者的所述权重是基于所述候选者在中场内的位置。
9.根据权利要求1所述的方法,其进一步包括:
由所述光学系统确定所述候选者位于所述光学系统的中场内;及
由所述光学系统基于所述确定来识别所述一或多个原始图像中的每一者内的所述虹膜部分及所述面部部分。
10.根据权利要求1所述的方法,其进一步包括:
由所述光学系统确定所述候选者的位置;及
基于所述确定的位置修改曝光时间或照明度,其中当所述位置对应于近场时,所述曝光时间或所述照明度增加,且其中当所述位置对应于远场时,所述曝光时间或照明度降低。
11.根据权利要求1所述的方法,其中所述光学系统包括单透镜。
12.根据权利要求11所述的方法,其中所述单透镜包括折叠式单透镜。
13.根据权利要求1所述的方法,其中所述光学系统经配置以获取用于与远场中的面部数据进行比较的面部图像、用于与中场内的虹膜数据及面部数据进行比较的虹膜图像及面部图像及用于与近场中的虹膜数据进行比较的虹膜图像。
14.根据权利要求13所述的方法,其中虹膜图像不与所述远场中的所述虹膜数据进行比较,且其中面部图像不与所述近场中的面部数据进行比较。
15.根据权利要求13所述的方法,其中所述远场、中场及近场在所述光学系统的视场内是连续的。
16.根据权利要求13所述的方法,其中所述近场与所述中场相邻,且其中所述远场与所述中场相邻。
17.一种光学系统,其包括:
至少一个透镜,其经配置以捕获候选者的一或多个原始图像;及
控制器,其耦合到所述光学系统,其中所述控制器经配置以识别所述一或多个原始图像中的每一者内的虹膜部分及面部部分,量化所述虹膜部分及所述面部部分中的每一者,将所述量化的虹膜部分与虹膜登记数据进行比较及将所述量化的面部部分与面部登记数据进行比较,且基于所述比较来确认所述候选者的身份。
18.根据权利要求17所述的光学系统,其中所述光学系统经配置以获取用于与远场中的面部数据进行比较的面部图像、用于与中场内的虹膜数据及面部数据进行比较的虹膜图像及面部图像及用于与近场中的虹膜数据进行比较的虹膜图像。
19.一种用于识别候选者的方法,其包括:
由光学系统确定所述候选者是否位于近场、中场或远场内;
由所述光学系统捕获所述候选者的面部的一或多个原始图像;
当所述候选者位于所述近场中时,由所述光学系统量化所述面部的仅虹膜部分;
当所述候选者位于所述中场内时,由所述光学系统量化所述面部的所述虹膜部分及所述面部的面部部分;
当所述候选者位于所述远场中时,由所述光学系统量化所述面部的仅所述面部部分;
当所述候选者在所述近场或所述中场内时,由所述光学系统将所述量化的虹膜部分与虹膜登记数据进行比较;
当所述候选者在所述中场或所述远场中时,由所述光学系统将所述量化的面部部分与面部登记数据进行比较;及
由所述光学系统基于所述比较来确认所述候选者的身份。
20.根据权利要求19所述的方法,其中所述光学系统包括单透镜。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/615,746 | 2017-06-06 | ||
US15/615,746 US10430644B2 (en) | 2017-06-06 | 2017-06-06 | Blended iris and facial biometric system |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109002748A true CN109002748A (zh) | 2018-12-14 |
Family
ID=64459879
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710997488.3A Pending CN109002748A (zh) | 2017-06-06 | 2017-10-16 | 混合虹膜及面部生物识别系统 |
Country Status (3)
Country | Link |
---|---|
US (1) | US10430644B2 (zh) |
CN (1) | CN109002748A (zh) |
WO (1) | WO2018224882A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113228037A (zh) * | 2018-12-18 | 2021-08-06 | 创新先进技术有限公司 | 创建虹膜标识以减少生物特征识别系统的搜索空间 |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2902093C (en) * | 2014-08-28 | 2023-03-07 | Kevin Alan Tussy | Facial recognition authentication system including path parameters |
DE102018106292B3 (de) * | 2018-03-19 | 2019-07-18 | Medizinisches Laserzentrum Lübeck GmbH | Verfahren zum Ablichten einer Sequenz von Schnittflächen im Innern eines Licht streuenden Objekts mit verbesserter Abtastung |
FR3085516B1 (fr) * | 2018-09-05 | 2021-09-24 | Idemia Identity & Security France | Procede de reconnaissance biometrique |
US11403884B2 (en) | 2019-01-16 | 2022-08-02 | Shenzhen GOODIX Technology Co., Ltd. | Anti-spoofing face ID sensing |
US20220067351A1 (en) * | 2019-03-01 | 2022-03-03 | Nec Corporation | Dictionary creation device, biometrics device, monitoring system, dictionary creation method, and recording medium |
JP2022043439A (ja) * | 2020-09-04 | 2022-03-16 | コニカミノルタ株式会社 | 画像形成装置、ユーザー認証方法及びユーザー認証プログラム |
US20220237277A1 (en) * | 2020-11-10 | 2022-07-28 | NetraDyne, Inc. | Visual login |
Family Cites Families (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6400835B1 (en) | 1996-05-15 | 2002-06-04 | Jerome H. Lemelson | Taillight mounted vehicle security system employing facial recognition using a reflected image |
US7058209B2 (en) | 2001-09-20 | 2006-06-06 | Eastman Kodak Company | Method and computer program product for locating facial features |
US7239726B2 (en) | 2001-12-12 | 2007-07-03 | Sony Corporation | System and method for effectively extracting facial feature information |
US8705808B2 (en) | 2003-09-05 | 2014-04-22 | Honeywell International Inc. | Combined face and iris recognition system |
EP1743280A2 (en) | 2004-04-06 | 2007-01-17 | RF Intelligent Systems, Inc. | 2d/3d facial biometric mobile identification |
CA2571643C (en) | 2004-06-21 | 2011-02-01 | Nevengineering, Inc. | Single image based multi-biometric system and method |
US8260008B2 (en) | 2005-11-11 | 2012-09-04 | Eyelock, Inc. | Methods for performing biometric recognition of a human eye and corroboration of same |
WO2008033784A2 (en) | 2006-09-15 | 2008-03-20 | Retica Systems, Inc. | Long distance multimodal biometric system and method |
EP1978394A1 (en) * | 2007-04-06 | 2008-10-08 | Global Bionic Optics Pty Ltd. | Optical system for increasing depth of field |
US8558663B2 (en) | 2007-11-30 | 2013-10-15 | Bank Of America Corporation | Integration of facial recognition into cross channel authentication |
EP2891918A1 (en) | 2008-02-29 | 2015-07-08 | Global Bionic Optics Pty Ltd. | Single-lens extended depth-of-field imaging systems |
US20100011027A1 (en) * | 2008-07-11 | 2010-01-14 | Motorola, Inc. | Policy rule conflict detection and management |
KR20100057983A (ko) | 2008-11-24 | 2010-06-03 | 한국전자통신연구원 | 생체 인식 시스템의 다중 영상 획득 장치 |
US9373023B2 (en) | 2012-02-22 | 2016-06-21 | Sri International | Method and apparatus for robustly collecting facial, ocular, and iris images using a single sensor |
KR101569268B1 (ko) | 2014-01-02 | 2015-11-13 | 아이리텍 잉크 | 얼굴 구성요소 거리를 이용한 홍채인식용 이미지 획득 장치 및 방법 |
CN104021331A (zh) | 2014-06-18 | 2014-09-03 | 北京金和软件股份有限公司 | 一种用于具有人脸识别功能的电子设备的信息处理方法 |
US20160011754A1 (en) * | 2014-07-09 | 2016-01-14 | Dell Products, L.P. | Method and system for virtualized sensors in a multi-sensor environment |
US9767358B2 (en) * | 2014-10-22 | 2017-09-19 | Veridium Ip Limited | Systems and methods for performing iris identification and verification using mobile devices |
US10068127B2 (en) | 2014-12-19 | 2018-09-04 | Iris Id, Inc. | Automatic detection of face and thereby localize the eye region for iris recognition |
US9998356B2 (en) * | 2015-07-15 | 2018-06-12 | Cisco Technology, Inc. | Synchronizing network convergence and virtual host migration |
US9626549B1 (en) | 2015-11-16 | 2017-04-18 | MorphoTrak, LLC | Derived virtual quality parameters for fingerprint matching |
KR102518243B1 (ko) * | 2016-01-05 | 2023-04-06 | 한국전자통신연구원 | 관상학적 특징 정보를 이용한 얼굴인식 장치 및 방법 |
-
2017
- 2017-06-06 US US15/615,746 patent/US10430644B2/en not_active Expired - Fee Related
- 2017-10-16 CN CN201710997488.3A patent/CN109002748A/zh active Pending
-
2018
- 2018-05-08 WO PCT/IB2018/000584 patent/WO2018224882A1/en active Application Filing
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113228037A (zh) * | 2018-12-18 | 2021-08-06 | 创新先进技术有限公司 | 创建虹膜标识以减少生物特征识别系统的搜索空间 |
CN113228037B (zh) * | 2018-12-18 | 2024-03-15 | 创新先进技术有限公司 | 创建虹膜标识以减少生物特征识别系统的搜索空间 |
Also Published As
Publication number | Publication date |
---|---|
WO2018224882A1 (en) | 2018-12-13 |
US20180349683A1 (en) | 2018-12-06 |
US10430644B2 (en) | 2019-10-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109002748A (zh) | 混合虹膜及面部生物识别系统 | |
US11023757B2 (en) | Method and apparatus with liveness verification | |
US20170262472A1 (en) | Systems and methods for recognition of faces e.g. from mobile-device-generated images of faces | |
Thavalengal et al. | Iris authentication in handheld devices-considerations for constraint-free acquisition | |
US20170344793A1 (en) | Systems and methods for performing iris identification and verification using mobile devices | |
CN105706108B (zh) | 用于基于虹膜的生物特征识别的装置和方法 | |
US9336438B2 (en) | Iris cameras | |
Raghavendra et al. | Combining iris and periocular recognition using light field camera | |
US9495590B1 (en) | Extended depth-of-field biometric system | |
Raghavendra et al. | Exploring the usefulness of light field cameras for biometrics: An empirical study on face and iris recognition | |
CN104680128B (zh) | 一种基于四维分析的生物特征识别方法和系统 | |
CN112232163B (zh) | 指纹采集方法及装置、指纹比对方法及装置、设备 | |
KR20180134280A (ko) | 3차원 깊이정보 및 적외선정보에 기반하여 생체여부의 확인을 행하는 얼굴인식 장치 및 방법 | |
KR101919090B1 (ko) | 3차원 깊이정보 및 적외선정보에 기반하여 생체여부의 확인을 행하는 얼굴인식 장치 및 방법 | |
CN112016525A (zh) | 非接触式指纹采集方法和装置 | |
CN109074483A (zh) | 多模态生物标识 | |
CN109661668A (zh) | 用于虹膜识别的图像处理方法和系统 | |
US20210256244A1 (en) | Method for authentication or identification of an individual | |
CN112232159B (zh) | 指纹识别的方法、装置、终端及存储介质 | |
CN111294508B (zh) | 利用相机阵列的成像系统及其实现方法和设备 | |
CN112232157B (zh) | 指纹区域检测方法、装置、设备、存储介质 | |
JP2021131737A (ja) | データ登録装置、生体認証装置、およびデータ登録プログラム | |
CN108875472B (zh) | 图像采集装置及基于该图像采集装置的人脸身份验证方法 | |
US20210192205A1 (en) | Binding of selfie face image to iris images for biometric identity enrollment | |
CN112232152B (zh) | 非接触式指纹识别方法、装置、终端和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20181214 |
|
WD01 | Invention patent application deemed withdrawn after publication |