CN109416734B - 用于虹膜图像编码的自适应量化方法 - Google Patents
用于虹膜图像编码的自适应量化方法 Download PDFInfo
- Publication number
- CN109416734B CN109416734B CN201780042068.8A CN201780042068A CN109416734B CN 109416734 B CN109416734 B CN 109416734B CN 201780042068 A CN201780042068 A CN 201780042068A CN 109416734 B CN109416734 B CN 109416734B
- Authority
- CN
- China
- Prior art keywords
- iris
- mask
- image
- blocking
- real
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000013139 quantization Methods 0.000 title claims abstract description 18
- 230000003044 adaptive effect Effects 0.000 title description 4
- 230000000903 blocking effect Effects 0.000 claims abstract description 66
- 230000001131 transforming effect Effects 0.000 claims abstract description 11
- 210000000554 iris Anatomy 0.000 claims description 49
- 230000008569 process Effects 0.000 claims description 22
- 238000010586 diagram Methods 0.000 description 16
- 239000013598 vector Substances 0.000 description 12
- 208000016339 iris pattern Diseases 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 5
- 230000007423 decrease Effects 0.000 description 4
- 210000000720 eyelash Anatomy 0.000 description 4
- 210000000744 eyelid Anatomy 0.000 description 4
- 230000001815 facial effect Effects 0.000 description 3
- 239000011521 glass Substances 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 210000001747 pupil Anatomy 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000001174 ascending effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000000415 inactivating effect Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 210000003786 sclera Anatomy 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- 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
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
- G06V10/449—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters
-
- 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
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Ophthalmology & Optometry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Collating Specific Patterns (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
提供了一种使用虹膜的用户识别方法。用户识别方法包括:产生用于阻挡虹膜图像的非虹膜对象区域的第一掩模;产生根据第一掩模阻挡了非虹膜对象区域的转换后的虹膜图像;通过根据转换后的虹膜图像的特征自适应地变换第一掩模,产生用于附加地阻挡其中转换后的虹膜图像的量化结果不一致的不一致区域的第二掩模;通过对虹膜图像中包括的像素进行量化来获得虹膜代码;通过将第二掩模应用于虹膜代码,来获得阻挡了与非虹膜对象区域和不一致区域相对应的部分的转换后的虹膜代码;以及通过将用户预先存储的参考虹膜代码与转换后的虹膜代码进行匹配来识别用户。
Description
技术领域
本公开涉及一种用于虹膜识别的方法和装置。更具体地,本公开涉及一种用于虹膜图像编码的自适应量化方法。
背景技术
电子设备可以存储诸如地址、呼叫历史、消息之类的信息、以及诸如人的位置信息、备忘录、金融交易之类的个人信息。为了保护个人信息,电子设备可以具有各种安全功能。更具体地,通过使用用户的生物信息来维持电子设备的安全性的方法已广泛分布。通过使用生物信息维持电子设备的安全性的方法可以包括指纹识别、面部识别、虹膜识别等。
更具体地,虹膜识别是通过使用虹膜的特征(即,根据人而变化的特征)来确保安全性的验证技术。此外,虹膜识别可以由相机执行,而无需直接接触用户的身体。
然而,在移动设备中使用虹膜识别技术具有很多困难,例如,严重改变的环境条件(例如,室内/室外、晴朗天气/多云天气、戴眼镜/隐形眼镜)、不允许设备实时执行虹膜识别的设备性能方面的限制(中央处理单元(CPU)、随机存取存储器(RAM)、相机分辨率等)、以及与用户交互的困难(对于用户来说交互有时不方便)。
以上信息呈现为背景信息,仅仅是为了辅助理解本公开。并未确定和断言上述任何内容是否可应用作关于本公开的现有技术。
发明内容
技术问题
虹膜识别中的根据相关技术的工作流程可以包括对虹膜图像进行量化以用于虹膜代码匹配。然而,例如,由环境条件和量化的变化引起的不一致比特会增加错误拒绝率(FRR),并且降低虹膜识别的准确度和鲁棒性。
技术方案
本公开的各个方面是为了至少解决上述问题和/或缺点,并且至少提供以下描述的优点。因此,本公开的一方面在于提供一种用于虹膜识别的装置和方法。
虹膜图像的某一部分可能提供不一致的视觉信息。因此,虹膜识别的性能会由于提供不一致的视觉信息的部分而降低。因此,为了提高虹膜识别的性能,可以执行在虹膜识别的处理期间阻挡提供不一致的视觉信息的部分。
根据本公开的一方面,提供了一种使用虹膜的用户识别方法。用户识别方法包括:产生用于阻挡虹膜图像的非虹膜对象区域的第一掩模;产生根据第一掩模阻挡了非虹膜对象区域的转换后的虹膜图像;通过根据转换后的虹膜图像的特征对第一掩模进行自适应变换,产生用于附加地阻挡其中转换后的虹膜图像的量化结果不一致的不一致区域的第二掩模;通过对虹膜图像中包括的像素进行量化来获得虹膜代码;通过将第二掩模应用于虹膜代码,来获得阻挡了与非虹膜对象区域和不一致区域相对应的部分的转换后的虹膜代码;以及通过将用户预先存储的参考虹膜代码与转换后的虹膜代码进行匹配来识别用户。
根据本公开的另一方面,提供了一种通过使用虹膜的用户识别设备。用户识别设备包括:掩模产生器,被配置为:产生用于阻挡虹膜图像的非虹膜对象区域的第一掩模;产生根据第一掩模阻挡了非虹膜对象区域的转换后的虹膜图像;通过根据转换后的虹膜图像的特征对第一掩模进行自适应变换,产生用于附加地阻挡其中转换后的虹膜图像的量化结果不一致的不一致区域的第二掩模;虹膜代码产生器,被配置为通过对虹膜图像中包括的像素进行量化来获得虹膜代码;通过将第二掩模应用于虹膜代码,来获得阻挡了与非虹膜对象区域和不一致区域相对应的部分的转换后的虹膜代码;以及虹膜扫描仪,被配置为通过将用户预先存储的参考虹膜代码与转换后的虹膜代码进行匹配来识别用户。
根据本公开的另一方面,提供了一种计算机程序产品。该计算机程序产品包括计算机可读存储介质,其中该计算机可读存储介质包括用于执行使用虹膜的用户识别方法中的每个处理的指令。
根据结合附图公开了本公开各种实施例的以下详细描述,本公开的其他方面、优点和突出特征对于本领域技术人员将变得清楚明白。
有益效果
本公开的实施例在虹膜代码匹配或数据库注册期间或之前通过使用自适应临界点来搜索和去除不一致的比特,以便提高虹膜代码匹配的准确度和鲁棒性。
附图说明
根据结合附图的以下描述,本公开的某些实施例的上述和其他方面、特征以及优点将更清楚,在附图中:
图1是示出了根据本公开实施例的虹膜识别处理的流程图;
图2是示出了根据本公开实施例的从眼睛图像中分割出虹膜图像的图;
图3和图4示出了根据本公开各种实施例的对虹膜图像进行正则化;
图5是根据本公开实施例的第一掩模和应用了第一掩模的虹膜图像的图;
图6是根据本公开实施例的通过应用第一掩模阻挡了非虹膜对象区域的转换后的虹膜图像的图;
图7是根据本公开实施例的被二值化以便强调虹膜的特性的转换后的虹膜图像的图;
图8是根据本公开实施例的根据Gabor滤波器和二值化产生虹膜特征向量的图;
图9是根据本公开实施例的关于虹膜特征向量的不一致区域的图;
图10示出了根据本公开实施例的根据阻挡配额(block quota)来确定临界值;
图11示出了根据本公开实施例的通过根据转换后的虹膜图像的特征对第一掩模进行变换来产生第二掩模;
图12示出了根据本公开实施例的通过将第二掩模应用于虹膜代码来获得转换后的虹膜代码;
图13是根据本公开实施例的通过使用虹膜的用户识别设备的图;以及
图14是根据本公开实施例的包括用户识别设备在内的用户设备的图。
贯穿附图,相似的附图标记将被理解为指代相似的部件、组件和结构。
具体实施方式
提供了一种使用虹膜的用户识别方法。用户识别方法包括:产生用于阻挡虹膜图像的非虹膜对象区域的第一掩模;产生根据第一掩模阻挡了非虹膜对象区域的转换后的虹膜图像;通过根据转换后的虹膜图像的特征对第一掩模进行自适应变换,产生用于附加地阻挡其中转换后的虹膜图像的量化结果不一致的不一致区域的第二掩模;通过对虹膜图像中包括的像素进行量化来获得虹膜代码;通过将第二掩模应用于虹膜代码,来获得阻挡了与非虹膜对象区域和不一致区域相对应的部分的转换后的虹膜代码;以及通过将用户预先存储的参考虹膜代码与转换后的虹膜代码进行匹配来识别用户。
提供了一种通过使用虹膜的用户识别设备。用户识别设备包括掩模产生器、虹膜代码产生器、虹膜扫描仪。掩模产生器被配置为:产生用于阻挡虹膜图像的非虹膜对象区域的第一掩模;产生根据第一掩模阻挡了非虹膜对象区域的转换后的虹膜图像;以及通过根据转换后的虹膜图像的特征对第一掩模进行自适应变换,产生用于附加地阻挡其中转换后的虹膜图像的量化结果不一致的不一致区域的第二掩模。虹膜代码产生器被配置为:通过对虹膜图像中包括的像素进行量化来获得虹膜代码;以及通过将第二掩模应用于虹膜代码,来获得阻挡了与非虹膜对象区域和不一致区域相对应的部分的转换后的虹膜代码。虹膜扫描仪被配置为:通过将用户预先存储的参考虹膜代码与转换后的虹膜代码进行匹配来识别用户。
提供了一种包括至少一个非暂时性计算机可读存储介质在内的计算机程序产品。计算机可读存储介质包括用于执行使用虹膜的用户识别方法中的每个处理的指令。
本发明的模式
提供以下参考附图的描述以帮助全面理解由权利要求及其等同物限定的本公开的各种实施例。以下描述包括各种具体细节以帮助理解,但这些具体细节应被视为仅仅是示例性的。因此,本领域普通技术人员将认识到,在不脱离本公开的范围和精神的情况下,可以对本文所述的各种实施例进行各种改变和修改。此外,为了清楚和简洁起见,可以省略对已知功能和结构的描述。
以下描述和权利要求中使用的术语和词语不限于其书面含义,而是仅仅被发明人用来实现对本公开清楚一致的理解。因此,本领域技术人员应清楚,以下对本公开各种示例实施例的描述仅用于说明目的,而不是要限制由所附权利要求及其等同物限定的本公开。
应当理解的是,除非上下文中另有清楚指示,否则单数形式“一”、“一个”和“所述”包括复数指示物。因此,例如,对“眼睛区域”的引用包括对与“眼睛区域”有关的一个或多个这样的图像的引用。
尽管可以使用诸如“第一”、“第二”等术语来描述各种组件,但是这些组件不必限于上述术语。这些术语仅用来将组件彼此区分开。
该将理解的是,在本文中所使用的术语“包括”和/或“包含”表明存在所述的特征或组件,但是不排除存在或添加一个或多个其他特征或组件。
在本公开的各种实施例中,“模块”或“单元”可以执行至少一个功能或操作,并且可以被实现为硬件、软件或者其组合。“多个模块”或“多个单元”可以经由与除了需要被实现为特定硬件的“模块”或“单元”之外的一个或多个其他模块的组合而被实现为至少一个处理器(未示出)。
如本文所用,术语“和/或”包括关联列出的项目中的一个或多个项目的任意和所有组合。诸如“......中的至少一个”之类的表述当在元素列表之前时修饰整个元素列表,而不是修饰列表中的单独元素。
现在将参考附图更全面地描述各种实施例。
例如,根据本公开的各种示例实施例的电子设备可以包括以下至少一项:智能电话、平板个人计算机(PC)、移动电话、视频电话、电子书阅读器(e-book阅读器)、台式PC、膝上型PC、个人数字助理(PDA)、便携式多媒体播放器(PMP)、移动图像专家组(MPEG-1)音频层-3(MP3)播放器、移动医疗设备、相机、以及可穿戴设备(例如,头戴式显示器(HMD),例如电子眼镜、电子服饰、电子手镯、电子项链、电子配饰、电子纹身、或智能手表)。
图1是示出了根据本公开实施例的虹膜识别处理的流程图。根据本公开实施例的虹膜识别处理可以包括以下操作S101至S106。
参考图1,在操作S101中,产生用于阻挡虹膜图像中的非虹膜对象区域的第一掩模。为了获得虹膜图像,可以从通过电子设备的内部或外部相机捕获的面部图像中提取眼睛图像。面部图像表示包括用户的整个面部的图像或包括至少包括眼睛部分的部分面部在内的图像。眼睛图像与面部图像中的眼睛区域相对应。用于获得面部图像的电子设备包括移动终端、移动电话、台式计算机、智能手表等,但不限于此。可以将面部图像捕获为全色图像或单色图像。
虹膜图像是虹膜和眼睛中包括的与虹膜相邻的对象的图像。从眼睛图像中分割出虹膜图像,并且在本说明书中,术语“分割”表示从图像中强调或选择特定对象。虹膜图像可以包括诸如瞳孔、眼睑、睫毛、巩膜、虹膜之类的对象。图2示出了虹膜图像分割的示例。
图2是示出了根据本公开实施例的从眼睛图像中分割出虹膜图像的图。
参考图2,示出了眼睛图像210和虹膜图像220。图2的左侧示出了从面部图像200中包括的眼睛图像210中分割出虹膜图像220。此外,图2的右侧示出了根据分割结果以灰色强调的虹膜图像220。根据图2的左侧,通过从根据虹膜的大小确定的圆形区域中排除根据瞳孔的大小确定的圆形区域来确定虹膜图像220的区域。因此,虹膜图像220的区域的形状是环形。
通过分析虹膜的肌肉来确定虹膜的图案,其中虹膜的肌肉从瞳孔径向散布。因此,如果将环形虹膜图像变换为矩形虹膜图像,则可以更容易地分析虹膜的图案。虹膜图像的上述变换被定义为虹膜图像的归一化。图3和图4示出了虹膜图像的归一化。
图3和图4示出了根据本公开各种实施例的对虹膜图像进行正则化。
参考图3,在图3的左侧,环形虹膜图像300中的每个像素的位置可以根据极坐标表示为(r,θ)。在坐标(r,θ)中,r表示从中心到像素的距离,θ表示从中心起始的像素的方向。可以通过对应的r将环形虹膜图像300归一化到垂直轴并且通过对应的θ将环形虹膜图像300归一化到水平轴,如图3的右侧所示。例如,环形虹膜图像300中的A和B可以与矩形虹膜图像310中的A和B相对应。环形虹膜图像300中的其他像素也根据(r,θ)与矩形虹膜图像310相对应。因此,产生已经归一化的矩形虹膜图像310。
参考图4,示出了虹膜图像的归一化的示例。图4的左侧示出了环形虹膜图像400。此外,图4的右侧示出了通过对环形虹膜图像400进行归一化而获得的虹膜图像410。如图4的归一化的虹膜图像410的示例中所示,如果眼睑或睫毛部分地阻挡虹膜,则虹膜识别的性能会降低。因此,需要从虹膜图像中去除诸如眼睑或睫毛之类的障碍物。在本说明书中,将与障碍物(例如,眼睑或睫毛)相对应的区域定义为非虹膜对象区域。相反,将与虹膜相对应的区域定义为虹膜对象区域。
为了去除非虹膜对象区域,可以产生用于使非虹膜对象区域失活的掩模。在本说明书中,将用于去除非虹膜对象区域的掩模被定义为第一掩模。然而,术语“第一掩模”仅为了便于描述而定义,并且可以通过其他术语来定义。
图5是根据本公开实施例的第一掩模和应用了第一掩模的虹膜图像的图。
参考图5,示出了第一掩模500的示例。第一掩模500中的黑色部分与非虹膜对象区域相对应。因此,虹膜图像中的与黑色部分相对应的部分不用于虹膜匹配。第一掩模500中的白色部分与虹膜对象区域相对应。因此,虹膜图像中的与白色部分相对应的部分可以用于与预先存储的参考虹膜图像的对应部分进行匹配。在本说明书中,参考虹膜图像表示示出用户的虹膜图案的图像,其被预先存储在内部或外部数据库中。
第一掩模500可以表示为比特。可以通过至少一个比特来表示是否阻挡虹膜图像中的像素。当该一个比特为0时,在虹膜匹配中排除与该一个比特相对应的像素。另一方面,当该一个比特为1时,与该一个比特相对应的像素可以用于虹膜匹配。如果虹膜图像中的每个像素由包括实数和虚数在内的复数表示,则可以通过两个比特来表示是否阻挡虹膜图像中的像素。
第一掩模500可以等同地应用于与虹膜图像进行比较的参考图像以及虹膜图像。作为另一示例,当存在用于去除参考图像中的非虹膜对象区域的参考掩模时,通过将第一掩模500与参考掩模进行组合而获得的组合掩模可以等同地应用于虹膜图像和参考图像。
图6是根据本公开实施例的通过应用第一掩模阻挡了非虹膜对象区域的转换后的虹膜图像的图。
参考图6,在操作S102中,产生通过第一掩模阻挡了非虹膜对象区域的转换后的虹膜图像。图6示出了通过应用第一掩模阻挡了非虹膜对象区域的转换后的虹膜图像600。在转换后的虹膜图像600中,由于阻挡了非虹膜对象区域,因此仅保留了虹膜对象区域的虹膜图像。
可以对转换后的虹膜图像的虹膜图案进行量化以进行虹膜匹配。量化将具有连续值的物理量转换为具有不连续值的物理量。量化处理可以包括通过具有值0和1的比特来表示数值文档的二值化处理,并且可以是编码处理的一部分。作为二值化的示例,当转换后的虹膜图像的像素值小于0时,将像素值确定为0,并且当转换后的虹膜图像的像素值大于0时,可以将像素值确定为1。因此,作为二值化的结果,像素可以由比特表示。
可以根据用户的健康状况和拍摄环境等稍微不同地捕获一个用户的虹膜图案。如果由于拍摄环境的影响而使得参考虹膜图像的虹膜图案和虹膜图像的虹膜图案彼此不同,则用户验证设备可能会将相同用户的虹膜图像识别为另一人的虹膜图像。因此,可以通过对转换后的虹膜图像进行二值化来去除由拍摄环境引起的虹膜图案的细微变化。
然而,如果在转换后的虹膜图像中像素具有接近0的像素值,则像素值的二值化结果可能不一致。例如,根据外围环境,可以将像素值在-1到1之间的像素二值化为0或1。在本说明书中,具有不一致二值化结果的像素的比特被定义为不一致比特。因此,为了提高虹膜匹配的鲁棒性,需要在虹膜匹配处理期间附加地阻挡被确定为包括不一致比特的像素。
图7是根据本公开实施例的被二值化以便强调虹膜的特性的转换后的虹膜图像的图。
参考图7,示出了被二值化的转换后的虹膜图像700。二值化的转换后的虹膜图像700中的灰色部分表示被二值化为值1的区域。此外,二值化的转换后的虹膜图像700中的白色部分表示被二值化为值0的区域。由于灰色部分和白色部分之间的边界处的像素可能具有接近0的值,因此可以根据外围环境将像素值二值化为0或1。因此,对于灰色部分和白色部分之间的边界处的像素,确定二值化结果是否一致,并且有必要附加地阻挡二值化结果被确定为不一致的像素,以免进行虹膜匹配。
在操作S103中,根据转换后的虹膜图像的特性对第一掩模500进行自适应变换,以产生附加阻挡其中转换后的虹膜图像的量化结果或二值化结果不一致的不一致区域的第二掩模。不一致区域包括量化或二值化结果可能根据外围环境而改变的像素。基于转换后的虹膜图像的像素确定不一致区域,并且对第一掩模500进行变换以附加地阻挡不一致区域以及非虹膜对象区域。根据变换结果,产生阻挡非虹膜对象区域和不一致区域两者的第二掩模。
转换后的虹膜图像的像素均可以具有实数值。可以基于与虹膜图像的像素相对应的灰度级来确定像素的实数值。
此外,转换后的虹膜图像中的像素均可以由复数表示。可以基于与虹膜图像的像素相对应的灰度级来确定由复数表示的像素值。根据本公开的实施例,根据Gabor滤波器,转换后的虹膜图像中的像素的灰度级可以表示为表示虹膜图案的幅度信息和相位信息的复数集。在虹膜识别中,去除受光源或相机增益影响的幅度信息,并且可以仅使用表示与转换后的虹膜图像的像素相对应的复数的标记的相位信息。可以通过其他技术或滤波器来提取相位信息,所述滤波器包括与上述Gabor滤波器不同的基于傅里叶变换的滤波器、基于小波变换的滤波器等。
图8是根据本公开实施例的根据Gabor滤波器和二值化产生虹膜特征向量的图。
参考图8,示出了根据Gabor滤波器和二值化来确定虹膜特征向量的方法的图形800。如上所述,可以根据Gabor滤波器通过复数来表示像素的灰度级。在虹膜识别中,去除表示复数的大小的幅度信息,并且仅使用表示复数的标记的相位信息。因此,对通过使用Gabor滤波器获得的像素的复数值进行二值化以产生虹膜特征向量。
图形800中所示的用于产生虹膜特征向量的条件如下。
如果Re>0,Im>0,则{1,1}
如果Re>0,Im<0,则{1,0}
如果Re<0,Im<0,则{0,0}
如果Re<0,Im>0,则{0,1}
在上述条件中,Re表示复数值的实部,Im表示复数值的虚部。例如,如果像素值是3.8+2.5j,则像素值的实部和虚部都大于0,因此虹膜特征向量被确定为{1,1}。作为另一示例,如果像素值是-4+1.2j,则像素值的实部小于0并且虚部大于0,因此虹膜特征向量被确定为{-1,1}。将下文描述的虹膜代码确定为虹膜特征向量集。
当转换后的虹膜图像的像素是由复数表示时,转换后的虹膜图像的不一致区域可以包括与像素的实部有关的第一不一致区域和与像素的虚部有关的第二不一致区域。第一不一致区域包括实部接近0并且具有不一致二值化结果的像素。此外,第二不一致区域包括虚部接近0并且具有不一致二值化结果的像素。第一不一致区域和第二不一致区域是彼此独立地确定的。因此,第一不一致区域和第二不一致区域可以彼此不同。
为了确定转换后的虹膜图像的不一致区域,设置与不一致区域相对应的像素值范围。例如,当临界值是0.5时,具有范围从-0.5到0.5的像素值的像素包括在不一致区域中。例如,当像素值的绝对值小于临界值时,像素包括在不一致区域中。
当虹膜图像的像素是由实数表示的时,仅需要一个临界值。然而,当虹膜图像的像素是由复数表示的时,会需要关于实部的第一临界值和关于虚部的第二临界值。根据本公开的各种实施例,可以将第一临界值和第二临界值设置为彼此相等。
在虹膜图像的像素是由复数表示的情况下,当像素值的实部的绝对值小于第一临界值时,像素可以包括在第一不一致区域中。此外,当像素值的虚部的绝对值小于第二临界值时,像素可以包括在第二不一致区域中。例如,当像素值为0.5-0.6j,第一临界值为0.6并且第二临界值为0.6时,像素的实部的绝对值为0.5,并且第一临界值为0.6,因此像素包括在第一不一致区域中。然而,像素值的虚部的绝对值是0.6并且第二临界值是0.5,因此像素不包括在第二不一致区域中。
图9是根据本公开实施例的关于虹膜特征向量的不一致区域的图。
参考图9,如上所述,当由复数表示的像素的实部或虚部接近0时,确定像素的二值化结果不一致。在图形900中,区域A 910包括具有绝对值小于第一临界值912的实部的像素。区域B 920包括具有绝对值小于第二临界值922的虚部的像素。根据与区域A 910相对应的像素的位置来确定第一不一致区域,并且根据与区域B 920相对应的像素的位置来确定第二不一致区域。根据第一临界值912和第二临界值922,与区域C 930相对应的像素不被阻挡并且因此可以用于虹膜匹配。
可以针对转换后的虹膜图像对临界值进行自适应确定。此外,无论转换后的虹膜图像如何,临界值都可以是固定值。当虹膜图像的像素是由复数表示的时,可以针对转换后的虹膜图像来对第一临界值和第二临界值两者进行自适应确定。同样,第一临界值和第二临界值都可以是预先确定的固定值。根据本公开的实施例,仅针对虹膜图像来对第一临界值进行自适应确定,并且第二临界值可以是预先设置的固定值,反之亦然。
可以根据表示要被阻挡的像素的比率的阻挡配额来确定临界值。根据转换后的虹膜图像的像素和阻挡配额来确定要被阻挡的像素的最小量。根据上面确定的最小量,像素按照像素值的绝对值增加的顺序包括在不一致区域中。
例如,当阻挡配额为20%并且转换后的虹膜图像中的像素的数量为100时,必须阻挡至少二十(20)个像素。因此,按照像素值的绝对值的升序来选择二十个像素,并且将这二十个像素的绝对值之中的最大值确定为临界值。此外,确定具有大于或小于临界值的绝对值的所有像素都包括在不一致区域中。根据本公开的实施例,本领域普通技术人员可以改变设置临界值的方法,使得仅具有小于临界值的绝对值的像素包括在不一致区域中。
图10示出了根据本公开实施例的根据阻挡配额来确定临界值。
参考图10,像素按照绝对值的升序布置。如果阻挡配额是7%并且转换后的虹膜图像中的像素的数量是100,则确定阻挡至少七个像素(1010)。因此,具有第七最小的绝对值的像素1012的绝对值0.2被确定为临界值。此外,具有等于或小于0.2的绝对值的十个像素(1020)被确定为包括在不一致区域中。
可以通过统计实验预先确定阻挡配额。当阻挡配额减小时,用于虹膜匹配的区域增大并且错误接受率会增加,但是从虹膜匹配中排除的不一致区域减小并且错误拒绝率会增加。另一方面,当阻挡配额增加时,从虹膜匹配中排除的不一致区域增大并且错误拒绝率会减小,但是用于虹膜匹配的区域减小并且错误接受率会增加。因此,必须使用适当的阻挡配额来设置临界值。
上述错误拒绝率表示关于明确肯定的情况(例如,将同一人的眼睛进行比较的情况)发生的否定验证结果的数量。上述错误接受率表示关于明确否定的情况(例如,将不同人的眼睛进行比较的情况)发生的肯定验证结果的数量。必须使错误拒绝率和错误接受率保持较低,以便提高虹膜匹配的鲁棒性和准确度。
可以根据基于应用虹膜识别的领域所需的虹膜识别的准确度来不同地确定虹膜匹配中可允许的错误拒绝率和错误接受率。因此,可以基于可允许的错误拒绝率和错误接受率来确定阻挡配额。
当虹膜图像的像素是由复数表示的时,被应用于设置关于像素的实部的第一临界值的第一阻挡配额和被应用于设置关于像素的虚部的第二临界值的第二阻挡配额可以被单独地设置。可以将第一阻挡配额和第二阻挡配额设置为彼此相等,或者可以根据实验结果不同地设置第一阻挡配额和第二阻挡配额。
根据所确定的不一致区域对第一掩模进行变换以产生第二掩模。如上所述,产生第一掩模以在虹膜匹配中从虹膜图像中排除非虹膜对象区域。此外,产生第二掩模以在虹膜匹配中附加地从虹膜对象区域中排除包括不一致比特在内的不一致区域。
图11示出了根据本公开实施例的通过根据转换后的虹膜图像的特征对第一掩模进行变换来产生第二掩模。
参考图11,在第一掩模1110中,虹膜图像中的每个像素是否包括在非虹膜对象区域中被表示为0或1。与被确定为0的元素相对应的像素不用于虹膜匹配。与被确定为1的元素相对应的像素用于虹膜匹配。
在第一掩模1110中,与非虹膜对象区域1112中包括的像素相对应的元素被确定为0。此外,与虹膜对象区域1114中包括的像素相对应的元素被确定为1。因此,当第一掩模1110应用于虹膜图像时,获得阻挡了非虹膜对象区域1112的转换后的虹膜图像。
图像映射1120表示转换后的虹膜图像中包括的像素的灰度级。虹膜对象区域1114中包括的像素可以通过灰度级来表示。根据虹膜对象区域1114中包括的像素的灰度级和预先设置的阻挡配额来确定临界值。在图11中,作为示例,将临界值确定为0.2。在图像映射1120中的像素之中,具有绝对值小于临界值0.2的灰度级的像素被确定为包括在不一致区域1122中。
通过在第一掩模1110中将与不一致区域1122相对应的元素从1改变为0来产生第二掩模1130。因此,在第二掩模1130中,与非虹膜对象区域1112或不一致区域1122中包括的像素相对应的元素被确定为0。此外,与不包括在非虹膜对象区域1112或不一致区域1122中的像素相对应的元素被确定为1。因此,当第二掩模1130应用于转换后的虹膜图像时,可以获得附加地阻挡了不一致区域1122的第二转换后的虹膜图像。此外,当第二掩模1130应用于将在下面描述的虹膜代码时,可以产生阻挡了与不一致区域1122相对应的代码的转换后的虹膜代码。
为了便于描述,图11仅示出了在像素值是由实数表示的情况下产生第二掩模1130的处理。因此,如果像素值是由复数表示的,则可以单独地产生针对实部的第二掩模和针对虚部的第二掩模。否则,一个第二掩模可以包括与实部和虚部的阻挡有关的信息。
在操作S104中,对虹膜图像中包括的元素进行量化,以获得虹膜代码。
可以通过对虹膜图像中的由复数表示的像素值进行量化来获得虹膜代码。如上所述,二值化(即,一种量化)可以应用于每个像素的复数值,其中通过使用Gabor滤波器等来产生复数值。作为二值化的结果,可以提取与像素相对应的复数的相位信息来作为虹膜图案的特征。复数的相位信息被表示为虹膜特征向量,并且虹膜代码被确定为像素的虹膜特征向量集。
可以通过将虹膜图像中的由复数表示的像素值二值化为两个比特来获得虹膜代码。在这两个比特中,可以通过对复数值的实部进行二值化来产生一个比特。在本说明书中,通过对实数值进行二值化而获得的比特被定义为实数二值化比特。可以通过对复数值的虚部进行二值化来产生上述两个比特中的另一比特。在本说明书中,通过对虚数值进行二值化而获得的比特被定义为虚数二值化比特。
作为另一示例,可以通过将转换后的虹膜图像中的由复数表示的像素值二值化为两个比特来获得虹膜代码。作为另一示例,当虹膜图像的像素值是由实数表示的时,可以通过将虹膜图像或转换后的虹膜图像中的由实数表示的像素值二值化为两个比特来获得虹膜代码。
在操作S105中,将第二掩模应用于虹膜代码,然后获得阻挡了与非虹膜对象区域和不一致区域相对应的代码的转换后的虹膜代码。
根据第二掩模分别阻挡虹膜代码的实数二值化比特和虚数二值化比特,然后可以获得转换后的虹膜代码。例如,当实数二值化比特不是不一致比特并且虚数二值化比特是不一致比特时,仅阻挡虚数二值化比特,并且实数二值化比特可以用于虹膜匹配。
与第一掩模类似,第二掩模可以由比特表示。如果虹膜图像中的每个像素是由包括实部和虚部在内的复数表示的,则可以通过两个比特来表示是否阻挡虹膜图像中的像素。与第一掩模类似,表示为0的比特表示在虹膜匹配中阻挡对应像素或对应像素的一部分,并且表示为1的比特表示在虹膜匹配中不阻挡对应像素或对应像素的一部分。
图12示出了根据本公开实施例的通过将第二掩模应用于虹膜代码来获得转换后的虹膜代码。
参考图12,示出了将第二掩模1210和1212应用于虹膜代码1200的示例。虹膜代码1200包括与虹膜图像中包括的像素的灰度级相对应的代码。每个代码由两个比特表示,两个比特中的右比特是实数二值化比特,并且左比特是虚数二值化比特。
为了将第二掩模1210应用于虹膜代码1200,可以将虹膜代码1200划分成实部虹膜代码1202和虚部虹膜代码1204。实部虹膜代码1202仅包括实数二值化比特,虚部虹膜代码1204仅包括虚数二值化比特。
关于实部的第二掩模1210被应用于实部虹膜代码1202。在虹膜匹配中阻挡像素的与关于实部的第二掩模1210中的具有值0的元素相对应的实数二值化比特。
类似地,关于虚部的第二掩模1212被应用于虚部虹膜代码1204。在虹膜匹配中阻挡像素的与关于虚部的第二掩模1212中的具有值0的元素相对应的虚数二值化比特。
将通过关于实部的第二掩模1210和关于虚部的第二掩模1212进行的阻挡的结果进行组合,以获得转换后的虹膜代码1220。
可以彼此单独地执行根据关于实部的第二掩模1210进行的阻挡和根据关于虚部的第二掩模1212进行的阻挡。因此,在虹膜匹配中可以仅使用在与相同像素相对应的代码中没有被阻挡的一个比特。
具有值“10”的代码a 1230被关于实部的第二掩模1210和关于虚部的第二掩模1212两者阻挡。因此,代码a 1230表示为“--”,其表示在转换后的虹膜代码1220中阻挡了实数二值化比特和虚数二值化比特。
具有值“10”的代码b 1232未被关于实部的第二掩模1210和关于虚部的第二掩模1212两者阻挡。因此,在转换后的虹膜代码1220中,代码b 1232表示为“10”,即等于虹膜代码1200中的值。
具有值“01”的代码c 1234未被关于实部的第二掩模1210阻挡,但是被关于虚部的第二掩模1212阻挡。因此,代码c 1234表示为“0-”,其表示在转换后的虹膜代码1220中仅阻挡虚数二值化比特。
具有值“01”的代码d 1236未被关于虚部的第二掩模1212阻挡,但是被关于实部的第二掩模1210阻挡。因此,代码d 1236表示为“-1”,其表示在转换后的虹膜代码1220中仅阻挡实数二值化比特。
图12示出了通过使用分别根据实部和虚部的第二掩模来阻挡代码的方法,但是在没有分离实部和虚部的情况下,第二掩模也可以应用于虹膜代码。
在操作S106中,通过将用户预先存储的参考代码与转换后的虹膜代码进行匹配来识别用户。通过从虹膜代码中去除不一致区域的不一致比特而获得的转换后的虹膜代码与用户预先存储在外部或内部虹膜代码数据库中的参考虹膜代码进行匹配,以验证是否虹膜代码是否彼此匹配或虹膜代码是否是真实的。当匹配成功或识别出真实性时,用户可以执行需要各种安全级别的各种应用(例如,从社交网络服务到移动银行应用)。另一方面,如果匹配失败或未识别出真实性,则拒绝用户对需要安全性的应用的访问。可以通过使用本说明书中描述的虹膜识别设备的功能来执行预先存储参考虹膜代码。
应用建议的虹膜识别方法的领域可以包括:用于边境管制的基于虹膜的生物验证、使用虹膜作为生物护照的技术、计算机登录、使用虹膜作为生物密码的技术、基于无线设备的验证技术、经由自动柜员机(ATM)或移动应用安全访问银行帐户或银行应用的技术、无票旅行、服务权认证、室内访问控制(家庭、办公室、实验室、冰箱等)、驾照、其他个人验证机构、取证、出生证明、追踪由失踪人或作为跟踪目标的人进行的汽车引擎启动和开锁、防盗设备、反恐设备(例如,机场安检)、金融交易(电子商务和电子金融)安全、互联网安全、机密信息访问控制、密钥、卡、以及用作个人标识号(PIN)或密码的“生物识别密钥加密”(不稳定模板的稳定密钥)。例如,银行应用中针对虹膜识别的阻挡配额可能高于社交网络应用中针对虹膜识别的阻挡配额。根据虹膜识别所应用的领域,阻挡配额随着虹膜识别所需的准确度的不同可能会变化。
图13是根据本公开实施例的通过使用虹膜的用户识别设备的图。
参考图13,用户识别设备1300可以包括掩模产生器1310、虹膜代码产生器1320、以及虹膜扫描仪1330。在图13中,掩模产生器1310、虹膜代码产生器1320和虹膜扫描仪1330被示出为分离的组件,但是在一些实施例中可以组合为一个组件。
参考图13,掩模产生器1310、虹膜代码产生器1320和虹膜扫描仪1330被示出为位于一个设备中的组件,但是执行掩模产生器1310、虹膜代码产生器1320和虹膜扫描仪1330的功能的设备可以不必物理上彼此相邻。因此,在一些实施例中,掩模产生器1310、虹膜代码产生器1320和虹膜扫描仪1330可以是分散的。
根据本公开的各种实施例,可以通过一个处理器来实现掩模产生器1310、虹膜代码产生器1320和虹膜扫描仪1330。否则,根据本公开的各种实施例,可以通过多个处理器来实现上述组件。
掩模产生器1310可以产生用于阻挡虹膜图像中的非虹膜对象区域的第一掩模。此外,掩模产生器1310可以产生根据第一掩模阻挡了非虹膜对象区域的转换后的虹膜图像。
掩模产生器1310可以根据转换后的虹膜图像的特征对第一掩模进行自适应变换,以产生附加地阻挡其中转换后的虹膜图像的量化结果不一致的不一致区域的第二掩模。掩模产生器1310可以获得表示转换后的虹膜图像中的像素的灰度级的复数值。掩模产生器1310可以根据复数值和阻挡配额来确定用于确定不一致比特的临界值。可以针对复数值的实部和虚部分别确定临界值。同样,可以预先分别针对复数值的实部或虚部设置用于确定临界值的阻挡配额。
掩模产生器1310可以通过将由复数表示的像素的实部的绝对值与临界值进行比较来确定是否要在虹膜匹配中阻挡像素的实部。同样地,掩模产生器1310可以通过将由复数表示的像素的虚部的绝对值与临界值进行比较来确定是否要在虹膜匹配中阻挡像素的虚部。掩模产生器1310可以根据临界值对用于阻挡不一致比特的第二掩模进行变换。
在像素是由实数表示而不是由复数表示的情况下,掩模产生器1310可以通过将像素的绝对值与临界值进行比较来确定是否在虹膜匹配中阻挡像素。由于像素中没有虚部,因此掩模产生器1310不产生关于虚部的掩模。
虹膜代码产生器1320可以通过对虹膜图像中包括的像素进行量化来获得虹膜代码。虹膜代码产生器1320可以通过对与虹膜图像中的像素相对应的复数值进行二值化来获得虹膜代码。
虹膜代码产生器1320可以通过将第二掩模应用于虹膜代码,来获得阻挡了与非虹膜对象区域和不一致区域相对应的代码的转换后的虹膜代码。虹膜代码产生器1320可以通过分别执行对虹膜代码中的实数二值化比特和虚数二值化比特的阻挡处理以获得转换后的虹膜代码,来获得转换后的虹膜代码。
虹膜扫描仪1330可以通过将由用户预先存储的参考虹膜代码与转换后的虹膜代码进行匹配来识别用户。
此外,掩模产生器1310、虹膜代码产生器1320和虹膜扫描仪1330中的至少一个可以被实现为软件模块。在掩模产生器1310、虹膜代码产生器1320和虹膜扫描仪1330中的至少一个被实现为软件模块(或包括指令在内的程序模块)的情况下,软件模块可以存储在非暂时性计算机可读记录介质中。此外,在这种情况下,至少一个软件模块可以由操作系统(OS)或特定应用提供。否则,至少一个软件模块的一部分由OS提供,或者至少一个软件模块的其余部分可以由特定应用提供。
图13的用户识别设备1300可以执行关于参考图1描述的虹膜识别的每个功能和处理。
图14是根据本公开实施例的包括用户识别设备在内的用户设备的图。
参考图14,用户设备1400可以包括处理器1401、显示器1402、红外线(IR)相机1403、存储器1404和键盘1405。
根据本公开各种实施例的用户设备1400可以包括智能电话、平板PC、便携式电话、视频电话、电子书阅读器、台式PC、膝上型PC、PDA、PMP、MP3播放器、移动医疗设备、相机和可穿戴设备(例如,诸如电子眼镜的HDM、电子服饰、电子手镯、电子项链、电子配饰、电子纹身或智能手表)。
处理器1401使相机1403捕获图像,根据本说明书中描述的方法处理图像,并且将信息存储在存储器1404中。处理器1401可以执行图13中所示的组件的功能。尽管参考图14将处理器1401表示为单个处理器,但是根据各种实施例,可以提供多个处理器1401。
显示器1402向用户显示信息。例如,显示器1402可以显示图像、用于捕获图像的用户界面、虹膜匹配结果和其他必要信息。在本公开的一个实施例中,显示器1402可以是触敏显示器。
相机1403包括IR照明,并且被配置为执行如处理器1401所指示的图像捕获处理。相机1403可以包括另一种类型的光源。应当理解,可以修改根据本公开的方法以在帧捕获处理中使用另一种类型的光。
存储器1404被配置为存储信息。例如,存储器1404可以存储与捕获的图像、处理的图像、以及图像有关的附加信息(例如,虹膜代码、掩模、参考虹膜代码等)。
用户使用键盘1405来控制设备。例如,键盘1405可以用于控制图像捕获处理。键盘1405不限于物理键盘,而可以是在触敏显示器中使用的虚拟键盘。
提供上述用户设备以执行本说明书中描述的方法之一中包括的处理之中的一个或多个处理。此外,用户可以通过使用用户设备1400预先产生参考虹膜代码。用户设备1400可以捕获面部图像以便提取用户的眼睛图像,可以经由上述方法中的至少一些处理来处理眼睛图像,并且可以将处理后的眼睛图像存储在存储器中,以便在下一虹膜匹配处理中使用眼睛图像。
应当理解,除了复数之外或替代复数,可以通过使用实数来实现本公开的各种实施例。在本公开的上述实施例中,表示虹膜图像中的像素的灰度级的一个实数被二值化为一个比特,而不是如上所述的应用于复数的两个比特。此外,虹膜代码是虹膜图像的比特表示,并且比特表示是通过编码处理来获得的。根据由复数表示的像素值产生的一对比特对应于原始图像中的一个点(根据复数的二值化)。此外,可以使用另一种提取特征和编码的技术。例如,可以使用局部二值模式(LBP)变换。根据LBP变换,虹膜图像被变换为整数矩阵(根据所选类型的LBP,为8比特或16比特)。
关于本公开,可以在量化的构思下理解将一个实数值或复数值变换为一个或两个离散值(比特)。此外,关于本公开,可以在编码的构思下理解将图像强度的数值变换为比特类型(虹膜代码)。编码可以包括从特征提取到关于将存储在存储器中的代码的最终形成的处理的所有处理。
本公开的实施例是参考图1至图14描述的。尽管已经以特定于结构特征或方法动作的语言描述了本公开,但是应当理解的是,在所附权利要求中限定的主题不必限于以上所描述的所述特征或动作。相反,所述特征和动作是作为实现权利要求的示例形式而公开的。此外,本公开不受该方法中的处理顺序的限制,并且本领域普通技术人员可以在没有不当技术困难的情况下修改该顺序。可以顺序地或同时地执行该方法的一些或所有处理。
一些实施例可以以包括可由计算机或处理器执行的指令代码在内的存储介质(例如,由计算机执行的程序模块)来体现。计算机可读存储介质可以是可以由计算机访问的任何可用介质,并且包括易失性和非易失性介质以及可移除和不可移除介质。此外,计算机可读介质可以包括计算机存储介质和通信介质两者。计算机存储介质可以包括使用用于存储信息的任何方法或技术实现的易失性和非易失性介质以及可移除和不可移除介质,例如计算机可读指令、数据结构、程序模块或其他类型的数据。通信介质通常包括计算机可读指令、数据结构、程序模块、或者调制数据信号(例如,载波或其他传输机制)的其他数据,并且包括任意信息传送介质。此外,一些实施例可以被实现为包括可由计算机执行的指令在内的计算机程序或计算机程序产品。
应当理解,本文所述各种实施例应当被认为仅是描述意义的,而不是为了限制目的。对每个实施例中的特征或方面的描述一般应当被看作可用于其他实施例中的其他类似特征或方面。
尽管参考本公开各实施例示出并描述了本公开,但是本领域技术人员将理解,在不脱离由所附权利要求及其等同物限定的本公开的精神和范围的前提下,可以进行形式和细节上的各种改变。
Claims (11)
1.一种使用虹膜的用户识别方法,所述用户识别方法包括:
产生用于阻挡虹膜图像的非虹膜对象区域的第一掩模;
产生根据所述第一掩模阻挡了所述非虹膜对象区域的转换后的虹膜图像;
获得与所述转换后的虹膜图像中的像素相对应的复数值;
通过分离所述复数值的实数值和虚数值来产生实数布置和虚数布置;
根据应用于所述实数布置的第一阻挡配额,来确定应用于所述实数布置的第一临界值;
根据应用于所述虚数布置的第二阻挡配额,来确定应用于所述虚数布置的第二临界值;
通过根据所述第一临界值和所述第二临界值对所述第一掩模进行变换,产生用于附加地阻挡其中所述转换后的虹膜图像的量化结果不一致的不一致区域的第二掩模;
通过对所述虹膜图像中包括的像素进行量化来获得虹膜代码;
通过将所述第二掩模应用于所述虹膜代码,来获得阻挡了与所述非虹膜对象区域和所述不一致区域相对应的部分的转换后的虹膜代码;以及
通过将用户预先存储的参考虹膜代码与所述转换后的虹膜代码进行匹配来识别用户。
2.根据权利要求1所述的用户识别方法,还包括:
从面部图像获得眼睛图像;
从所述眼睛图像中分割出根据极坐标表示的虹膜图像;以及
对所述虹膜图像进行归一化以根据笛卡尔坐标进行表示。
3.根据权利要求1所述的用户识别方法,
其中,获得所述虹膜代码包括:通过对与所述虹膜图像中的像素相对应的复数值进行二值化来获得所述虹膜代码,以及
其中,所述复数值中的每一个复数值被二值化为两个比特,其中一个比特是通过对所述复数值中的实数值进行二值化而获得的实数二值化比特,另一比特是通过对所述复数值中的虚数值进行二值化而产生的虚数二值化比特。
4.根据权利要求3所述的用户识别方法,其中,获得所述转换后的虹膜代码包括:通过根据所述第二掩模分别阻挡所述虹膜代码的实数二值化比特和虚数二值化比特来获得所述转换后的虹膜代码。
5.根据权利要求3所述的用户识别方法,其中,获得所述虹膜代码包括:通过对所述虹膜图像应用Gabor滤波器,对与所述虹膜图像中的像素相对应的复数值进行二值化。
6.根据权利要求5所述的用户识别方法,其中,与所述虹膜图像中的像素相对应的复数值中的每一个复数值是根据与所述虹膜图像中的每个像素相对应的灰度级来确定的。
7.根据权利要求1所述的用户识别方法,
其中,所述第一阻挡配额表示不用于虹膜匹配的实数值占所述实数布置中包括的实数值的特定比例,以及
其中,所述第二阻挡配额表示不用于虹膜匹配的虚数值占所述虚数布置中包括的虚数值的特定比例。
8.根据权利要求1所述的用户识别方法,
其中,确定所述第一临界值包括:根据所述实数布置中包括的实数值的大小和所述第一阻挡配额来获得所述第一临界值,以及
其中,对所述第一掩模进行变换包括:对所述第一掩模进行变换,使得像素的与具有小于所述第一阻挡配额的绝对值的实数值相对应的实部不用于所述虹膜匹配。
9.根据权利要求1所述的用户识别方法,
其中,确定所述第二临界值包括:根据所述虚数布置中包括的虚数值的大小和所述第二阻挡配额来获得所述第二临界值,以及
其中,对所述第一掩模进行变换包括:对所述第一掩模进行变换,使得像素的与具有小于所述第二阻挡配额的绝对值的虚数值相对应的虚部不用于所述虹膜匹配。
10.一种通过使用虹膜的用户识别设备,所述用户识别设备包括:
掩模产生器,被配置为:
产生用于阻挡虹膜图像的非虹膜对象区域的第一掩模;
产生根据所述第一掩模阻挡了所述非虹膜对象区域的转换后的虹膜图像;
获得与所述转换后的虹膜图像中的像素相对应的复数值;
通过分离所述复数值的实数值和虚数值来产生实数布置和虚数布置;
根据应用于所述实数布置的第一阻挡配额,来确定应用于所述实数布置的第一临界值;
根据应用于所述虚数布置的第二阻挡配额,来确定应用于所述虚数布置的第二临界值;以及
通过根据所述第一临界值和所述第二临界值对所述第一掩模进行变换,产生用于附加地阻挡其中所述转换后的虹膜图像的量化结果不一致的不一致区域的第二掩模;
虹膜代码产生器,被配置为:
通过对所述虹膜图像中包括的像素进行量化来获得虹膜代码,以及
通过将所述第二掩模应用于所述虹膜代码,来获得阻挡了与所述非虹膜对象区域和所述不一致区域相对应的部分的转换后的虹膜代码;以及
虹膜扫描仪,被配置为:通过将用户预先存储的参考虹膜代码与所述转换后的虹膜代码进行匹配来识别用户。
11.一种非暂时性的计算机可读存储介质,其中所述计算机可读存储介质包括用于执行根据权利要求1中所述的使用虹膜的用户识别方法中的每个处理的指令。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2016127451 | 2016-07-07 | ||
RU2016127451A RU2628201C1 (ru) | 2016-07-07 | 2016-07-07 | Способ адаптивного квантования для кодирования изображения радужной оболочки |
KR10-2017-0068659 | 2017-06-01 | ||
KR1020170068659A KR102329128B1 (ko) | 2016-07-07 | 2017-06-01 | 홍채 이미지 부호화를 위한 적응적 양자화 방법 |
PCT/KR2017/007066 WO2018008934A2 (en) | 2016-07-07 | 2017-07-04 | Adaptive quantization method for iris image encoding |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109416734A CN109416734A (zh) | 2019-03-01 |
CN109416734B true CN109416734B (zh) | 2023-11-14 |
Family
ID=59641733
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780042068.8A Active CN109416734B (zh) | 2016-07-07 | 2017-07-04 | 用于虹膜图像编码的自适应量化方法 |
Country Status (4)
Country | Link |
---|---|
EP (1) | EP3459009A4 (zh) |
KR (1) | KR102329128B1 (zh) |
CN (1) | CN109416734B (zh) |
RU (1) | RU2628201C1 (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2667790C1 (ru) | 2017-09-01 | 2018-09-24 | Самсунг Электроникс Ко., Лтд. | Способ автоматической регулировки экспозиции для инфракрасной камеры и использующее этот способ вычислительное устройство пользователя |
RU2670798C9 (ru) * | 2017-11-24 | 2018-11-26 | Самсунг Электроникс Ко., Лтд. | Способ аутентификации пользователя по радужной оболочке глаз и соответствующее устройство |
EP3489244A1 (en) | 2017-11-28 | 2019-05-29 | Scg Chemicals Co. Ltd. | Magnesium compound, method for producing the same and use thereof |
KR102122830B1 (ko) * | 2018-10-10 | 2020-06-15 | 고려대학교 산학협력단 | 분할 프래질 비트를 활용한 홍채인식 장치 및 방법 |
US10832053B2 (en) | 2018-12-18 | 2020-11-10 | Advanced New Technologies Co., Ltd. | Creating an iris identifier to reduce search space of a biometric system |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101246588A (zh) * | 2008-03-20 | 2008-08-20 | 复旦大学 | 彩色图像超复数空间的自适应水印算法 |
CN102884570A (zh) * | 2010-04-09 | 2013-01-16 | 杜比国际公司 | 基于mdct的复数预测立体声编码 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6744909B1 (en) * | 1999-08-19 | 2004-06-01 | Physical Optics Corporation | Authentication system and method |
KR101161803B1 (ko) * | 2005-05-25 | 2012-07-03 | 삼성전자주식회사 | 가버 필터 및 그것의 필터링 방법, 그리고 그것을 이용한영상 처리 방법 |
JP4650386B2 (ja) * | 2006-09-29 | 2011-03-16 | 沖電気工業株式会社 | 個人認証システム及び個人認証方法 |
WO2009041963A1 (en) * | 2007-09-24 | 2009-04-02 | University Of Notre Dame Du Lac | Iris recognition using consistency information |
US8411910B2 (en) * | 2008-04-17 | 2013-04-02 | Biometricore, Inc. | Computationally efficient feature extraction and matching iris recognition |
-
2016
- 2016-07-07 RU RU2016127451A patent/RU2628201C1/ru active
-
2017
- 2017-06-01 KR KR1020170068659A patent/KR102329128B1/ko active IP Right Grant
- 2017-07-04 CN CN201780042068.8A patent/CN109416734B/zh active Active
- 2017-07-04 EP EP17824490.1A patent/EP3459009A4/en not_active Withdrawn
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101246588A (zh) * | 2008-03-20 | 2008-08-20 | 复旦大学 | 彩色图像超复数空间的自适应水印算法 |
CN102884570A (zh) * | 2010-04-09 | 2013-01-16 | 杜比国际公司 | 基于mdct的复数预测立体声编码 |
Also Published As
Publication number | Publication date |
---|---|
EP3459009A2 (en) | 2019-03-27 |
EP3459009A4 (en) | 2019-07-03 |
RU2628201C1 (ru) | 2017-08-15 |
KR102329128B1 (ko) | 2021-11-22 |
KR20180006284A (ko) | 2018-01-17 |
CN109416734A (zh) | 2019-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6778247B2 (ja) | 眼球血管および顔認識のための画像および特徴品質、画像強化および特徴抽出、ならびにバイオメトリックシステムのための眼球血管と顔領域および/またはサブ顔領域との融合 | |
US10789465B2 (en) | Feature extraction and matching for biometric authentication | |
CN109416734B (zh) | 用于虹膜图像编码的自适应量化方法 | |
US10922399B2 (en) | Authentication verification using soft biometric traits | |
US10438061B2 (en) | Adaptive quantization method for iris image encoding |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |