CN109661668A - 用于虹膜识别的图像处理方法和系统 - Google Patents
用于虹膜识别的图像处理方法和系统 Download PDFInfo
- Publication number
- CN109661668A CN109661668A CN201780051949.6A CN201780051949A CN109661668A CN 109661668 A CN109661668 A CN 109661668A CN 201780051949 A CN201780051949 A CN 201780051949A CN 109661668 A CN109661668 A CN 109661668A
- Authority
- CN
- China
- Prior art keywords
- image
- iris
- detection image
- identified
- exposure
- 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.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 8
- 238000000034 method Methods 0.000 claims abstract description 38
- 238000001514 detection method Methods 0.000 claims abstract description 37
- 229920006395 saturated elastomer Polymers 0.000 claims abstract description 20
- 238000003384 imaging method Methods 0.000 claims abstract description 16
- 230000003287 optical effect Effects 0.000 claims description 13
- 238000005286 illumination Methods 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 3
- 241000208340 Araliaceae Species 0.000 claims description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 2
- 235000008434 ginseng Nutrition 0.000 claims description 2
- 241000385223 Villosa iris Species 0.000 claims 2
- 210000000554 iris Anatomy 0.000 description 87
- 230000008569 process Effects 0.000 description 12
- 241001354471 Pseudobahia Species 0.000 description 7
- 230000015654 memory Effects 0.000 description 7
- 230000001815 facial effect Effects 0.000 description 6
- 230000035899 viability Effects 0.000 description 5
- 208000016339 iris pattern Diseases 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 210000001747 pupil Anatomy 0.000 description 2
- 230000011514 reflex Effects 0.000 description 2
- 230000018199 S phase Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 239000000571 coke Substances 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 210000000744 eyelid Anatomy 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 210000003786 sclera Anatomy 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
- G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
- G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
-
- 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
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/30—Transforming light or analogous information into electric information
- H04N5/33—Transforming infrared radiation
Abstract
本发明公开了一种用于预定受检者的虹膜识别的图像处理方法,该方法包括通过图像传感器获取由红外(IR)照明源照明的探测图像,其中所述探测图像包括一个或多个眼睛区域并且被过度曝光直到所述图像的皮肤部分饱和。在所述探测图像的所述一个或多个眼睛区域内识别一个或多个虹膜区域;并且分析所识别的虹膜区域以检测它们是否属于所述预定受检者。
Description
技术领域
本发明涉及用于虹膜识别的图像处理方法和系统。
背景技术
虹膜围绕着眼睛的黑暗内瞳孔区域并且同心地延伸到眼睛的白色巩膜。
A.K.Jain,A.Ross和S.Prabhakar,“An introduction to biometricrecognition”,IEEE Trans.Circuits Syst.Video Technol.,第14卷,2004,公开了眼睛的虹膜是近乎理想的生物识别。
出于识别的目的,通常在成像系统中获取虹膜区域的图像,该成像系统使用红外(IR)照明来显示底层的虹膜图案的主要特征。虹膜图案是在虹膜区域内明显的灰度/亮度图案,其可以被处理以产生虹膜代码。虹膜图案可以根据极坐标来定义,并且这些极坐标通常在分析之前被转换成直角坐标以提取底层的虹膜代码。
在强烈的阳光下,由于受检者脸部的阴影和/或光图案从虹膜反射,会影响虹膜识别系统的性能,导致性能显著下降。
此外,已知的是,包含要识别的人的虹膜区域的替代图像,诸如照片、人造物体或监视器中所示的图像,而不是人自身,可以出于欺诈目的而被呈现给虹膜识别系统,这通常被称为欺骗。
发明内容
根据本发明的第一方面,提供了根据权利要求1的用于虹膜识别的图像处理方法。
根据第二方面,提供了根据权利要求17的用于活性虹膜识别的图像处理方法。
还提供了根据权利要求18的用于虹膜识别的图像处理系统和根据权利要求19的计算机程序产品。
实施方案基于以下观察:IR光以与从活体受检者的面部皮肤反射不同的方式从人眼反射。反射的差异使得当图像皮肤部分饱和时,图像内的眼睛区域仍可检测。
可以在过度曝光的图像中检测到虹膜区域以使皮肤部分饱和的事实表明被识别的受检者的存活性,因此该方法可以继续进行对活体受检者的认证。这样,实施方案不仅考虑到可能的强烈阳光条件而改善,而且还提供稳健的存活性检测。
具体地讲,只要曝光时间不太长(并且这一般在强烈的阳光条件下是可能的),与使用正常曝光的图像进行图像获取相比,在过度曝光的图像中可以更容易地检测到虹膜细节,其中不希望使图像的大部分饱和或者确实使图像曝光足够长时间以使图像饱和。
因此,在登记阶段期间从过度曝光的参考图像获取虹膜区域并在随后的认证阶段中使用它,提高了整个虹膜识别过程的准确性和可靠性,尤其是在强烈阳光的情况下。
根据一个实施方案,认证可以在两种工作模式之间切换:用于具有正常照明条件的标准操作的普通光模式,以及用于处理受强环境光条件影响的图像的强光模式。
因此,虹膜识别的登记阶段可以包括获取正常曝光的参考图像和过度曝光的参考图像,并且从这些参考图像的虹膜区域生成信息并存储。
在该过程的认证阶段期间,如果环境光没有超过阈值,则该过程可以在基本上标准的模式下运行,其中可以将正常曝光的探测图像的虹膜区域与来自正常曝光的参考图像的虹膜区域的已存储信息进行比较,看两者是否匹配。
否则,该过程可以切换到强光模式,其中可以将过度曝光的探测图像识别的虹膜区域与来自过度曝光的参考图像的虹膜区域的已存储信息进行比较,看两者是否匹配。
在登记阶段期间从过度曝光的参考图像获取虹膜区域并在随后的认证阶段中使用它,进一步提高了在强光模式下工作的虹膜识别过程的准确性和可靠性。
附图说明
现在将结合附图以举例的方式描述本发明的实施方案,在附图中:
图1示意性地示出了根据本发明的实施方案的图像处理系统;
图2(a)和图2(b)示出了受强烈阳光影响的正常曝光的NIR面部图像;
图3示出了图2(b)的NIR面部图像的过度曝光版本;
图4和图5分别示出了通过正常曝光和过度曝光获取的虹膜图像;以及
图6和图7分别示出了示例性方法的登记阶段和认证阶段。
具体实施方式
现在参考图1,示出了根据本发明的实施方案的用于执行虹膜识别的图像处理系统10。
系统10可以包括例如相机、智能电话、平板电脑等,包括中央处理单元(CPU)24,其通常运行操作系统软件以及通用应用程序软件,例如相机应用程序、浏览器、消息传送、电子邮件或其他应用程序。可以设置操作系统,使得用户必须认证自己才能解锁系统并获得对系统上安装的应用程序的访问权限;或者在系统上运行的各个应用程序可以要求用户在获得敏感信息的访问权限之前对自己进行认证。
系统10包括透镜组件12、图像传感器14和至少一个IR照明源16,该照明源能够获取图像,诸如要由系统10识别和认证的预定受试者的面部图像。
IR照明源16(可以例如是NIR LED)被配置成利用IR光照明受检者,优选利用NIR光(即波长约700至1000nm的光)。一种合适的LED包括得自OSRAM的810nm SFH 4780S LED。在一些实施方案中,可以采用不止一个照明源或一个可调照明源来发射不同波长的IR光。
透镜12被配置用于将从受照受检者反射的IR光聚焦到传感器14上。
在WO/2016/020147(参考:FN-397)中公开了第一示例性透镜组件12,其包括多个透镜元件,这些透镜元件被布置成同时将穿过滤光器的中心和外围孔从给定物体接收的NIR光和穿过中心孔从该物体接收的可见光聚焦到传感器表面上。
在PCT/EP2016/052395(参考:FN-452)中公开了第二示例性透镜组件12,其包括具有光轴的聚光透镜表面,并且被布置成将从给定物距接收的IR光聚焦在图像传感器表面上。透镜组件包括至少第一反射表面,用于沿横向于光轴的轴反射所收集的光,使得光学系统沿光轴的长度与透镜组件的焦距相比减小。
在PCT/EP2016/060941(参考:FN-466)中公开了第三示例性透镜组件12,其包括被布置在图像传感器前面的至少两个透镜的簇,每个透镜的光轴处于平行间隔开的关系。每个透镜具有固定焦距和不同的光圈以提供相应的角视野。焦点最近的透镜具有最小的孔径,而具有最远焦点的透镜具有最大的孔径,因此可以从距离获取设备约200mm至500mm之间的距离的受检者获取虹膜图像。
在2016年6月17日提交的美国专利申请No.15/186,283(参考:FN-477)中公开了第四示例性透镜组件12,其包括图像传感器,该图像传感器包括像素阵列,所述像素阵列包括对NIR波长敏感的像素;至少一个NIR光源,所述至少一个NIR光源能够选择性地发射具有不同离散NIR波长的光;和处理器,其可操作地连接到图像传感器和所述至少一个NIR光源,以在所述不同的离散NIR波长之一的照明下从传感器获取图像信息。透镜组件包括总轨道长度不大于4.7mm的多个透镜元件,每个透镜元件包括折射率与波长成反比的材料。所述不同的离散NIR波长与所述镜头元件的所述材料的所述折射率相匹配,以平衡由物距的变化引起的轴向像移,以及由于照明波长的变化引起的轴向像移。
这些透镜组件的其他变体当然是可能的。
优选地,传感器14包括像素阵列,所述像素阵列包括对IR波长敏感的像素;例如,传感器14可以包括专用IR图像传感器、传统类型的RGB型阵列,其中RGB像素的自然IR灵敏度用于获取可见波长图像以及利用IR照明源16照明的图像。另选地,传感器14可包括RGBW(其中白色像素也是IR敏感的)或RGB IR阵列(包括仅IR敏感像素),其中可基本上同时获取场景的可见光图像和IR图像。
通常,根据需要,通过由CPU 24执行的应用程序或者可以跨系统总线26访问图像传感器14和/或存储器22的其他专用处理块,将从图像传感器14获取的图像写入存储器22。
在该实施方案中,系统10还包括专用面部/眼睛/虹膜检测器18,其用于识别所获取的图像内的面部区域,并且在给定面部区域内,识别一个或多个眼睛区域和那些眼睛区域内的虹膜区域。该功能同样可以在由CPU 24执行的软件中实现。
实时的面部检测已经成为大多数数字成像设备的标准特征,并且存在许多用于在获取的图像内识别这样的区域的技术,例如,如WO2008/018887(参考文献:FN-143)中所公开的。此外,大多数相机和智能电话还支持各种面部特征的实时检测,并且可以识别特定模式,例如“眨眼”和“微笑”,使得例如可以调整主图像获取的定时以确保场景内的受检者对焦,不眨眼或微笑,诸如在WO2007/106117(参考:FN-149)中所公开的。在图像处理设备中可获得这样的功能的情况下,检测和跟踪面部区域和那些面部区域内的眼睛区域不会产生额外的开销,因此对于由系统10获取的图像流,该信息是连续可用的。
从识别的眼睛区域提取虹膜区域,并且可以执行更详细的分析以确认是否能够检测到有效的虹膜图案。J.Daugman,“New methods in iris recognition,”IEEETrans.Syst.Man.Cybern.B.Cybern.,vol.37,第1167至1175页,2007公开了一系列另外的改进,其可用于确定虹膜和眼睛瞳孔的确切形状。将虹膜从极坐标系统转换到矩形坐标系统也是常见的做法,尽管这不是必需的。
因此,检测器18的输出包括在获取的图像内识别的一个或多个虹膜区域。
所识别的一个或多个虹膜区域的数据可以存储在系统存储器22和/或其他存储器中,诸如安全存储器,或属于系统10或与该系统分离的数据库中。
在获取的图像内识别的虹膜区域可以用作生物认证单元(BAU)20的输入。BAU 20被配置用于分析所接收的虹膜区域以便检测它们是否属于预定的受检者。
优选地,BAU 20被配置用于从接收的虹膜区域提取虹膜代码,并且它可以将该代码存储在存储器22和/或属于系统10或与该系统分离的其他存储器或数据库中。
另外,BAU 20优选地被配置成将所接收的一个或多个虹膜区域与和预定受检者相关联的参考虹膜区域进行比较,所述参考虹膜区域可以存储在存储器22中,存储在BAU 20中的安全存储器内或存储在可访问BAU 20的任何位置中。
在WO2011/124512(参考:FN-458)中公开了用于执行虹膜代码提取和虹膜区域之间的比较的示例性方式,并且这涉及使用主掩模在两个图像模板之间进行比较以从模板中选择对应的代码。主掩模根据其已知或预期的可靠性从匹配过程中排除块和/或加权块。
现在参见图6和图7,该实施方案的系统以两个阶段操作,图6中示出的登记阶段和图7中示出的认证阶段。每个阶段可以利用操作系统软件或应用程序软件实现,或者在专用硬件模块诸如修改的BAU 20内实现。在该阶段由CPU上运行的软件驱动的情况下,软件可以通过它们各自的API来利用专用处理模块诸如BAU 20或检测器18的功能。
在任何情况下,当用户指示他们希望基于虹膜识别来保护整个系统或在系统上运行的给定应用程序时,登记阶段开始。
在步骤99,登记首先以正常曝光时间TRN获取参考图像(来自正常曝光参考图像的示例性眼睛区域56在图4中示出)。通常,TRN足够长以确保获取的图像内只有最小数量的像素饱和,以确保图像内的适当对比度。显然,步骤99可以涉及获取所需数量的图像,直到包括眼睛区域的面部在距相机的适当距离处成像,使得受检者对焦,并且其中受检者运动和相机运动受到限制,使得眼睛区域包含具有足够清晰细节的虹膜区域52,以便能够为受试者提取虹膜代码。
因此可以看出,希望以尽可能短的曝光时间TRN获取参考图像,以确保所获取的参考图像清晰。
为了测试所获取的参考图像是否合适,登记阶段还可以包括例如使用模块18从正常曝光的参考图像56中提取至少一个虹膜区域52(步骤105),以及使用BAU 20生成和存储所提取的虹膜区域的虹膜信息(步骤106)。如果成功提取并存储了虹膜代码,则该过程可以停止,否则,可以获取另外的候选参考图像以尝试从参考图像提取和存储虹膜信息。
通过获取第二参考图像继续该过程,其中成像的面部的皮肤部分饱和(步骤100)。在该实施方案中,步骤100包括:
-得出参考图像的皮肤标测图(步骤100a)。与识别面部图像的眼睛、头发、嘴巴或背景相比,存在许多用于识别面部图像的包括皮肤的区域的技术。这些中的一些可以包括在强度图像上执行模式识别,诸如图4所示,而其他可以在可用的IR强度图像的彩色版本上操作,例如,在采用RGB-IR或RGBW图像传感器14的情况下。在US2003/0179911中公开了得出所获取的图像的皮肤标测图的一个示例,其中图像被分成多个区域,每个区域具有基本上均匀的颜色;具体地讲,标测具有主要肤色的区域;
-基于得出的皮肤标测图,得出了曝光时间TRO,其大于TRN并且足以确保在这样的曝光时间内捕获的图像内的皮肤区域饱和(步骤100b)。有许多可能的方法来确定TRO,例如:
TRO=TRN×K
其中K是检测到的皮肤像素中的像素饱和度值(对于8位像素为255)与最低强度值(IL)之比。另一方面,为了防止异常值过度影响计算,可以将IL选择为n%最小亮度皮肤像素的最大强度等级,其中n在5-25%之间。在其他变型中,可以根据参考图像内的皮肤像素的平均或模态强度来选择IL,并且实际上在其他变型中,可以独立于TRN来确定TRO。尽管如此,虽然TRO应该比TRN长,但重要的是不要将其选择为太长以至于在该曝光时间捕获的图像遭受过度的相机或受试者运动模糊。出于这个原因,登记应优选地在良好照明的环境中进行和/或照明源16应足以确保TRO不需要过量;以及
-在TRO期间获取过度曝光的参考图像(步骤100c)。用于这种过度曝光图像的示例性眼睛区域46在图5中示出。这里将注意到,眼睛周围的皮肤区域41大部分是饱和的(白色),而且与正常曝光的图像诸如图4所示相比,从过度曝光的图像46获取的虹膜区域42的细节更明显并且容易被检测到。如图6所示,如果由于不能足够好地选择TRO的任何原因,使得它太长而导致模糊或太短并且不足以使皮肤像素饱和,这可能是由于受检者情况的变化,步骤101a-c可以在不同的曝光时间下重复。
该过程随后继续步骤101,检测是否可以检测到在步骤100获取的过度曝光图像46内的眼睛区域。
如果是,则表示所获取的眼睛区域属于活体受检者,并且可以执行步骤102和103来继续登记阶段。
如果不是,则最可能的原因是用户已向相机呈现摹本面部图像以及图像的皮肤区域,眼睛区域也已饱和。
应当理解,IR光,尤其是NIR,以不同的方式从人类眼睛和活人的面部皮肤反射。
反射的差异使得在被IR光(优选地,被NIR光源16)照明的同时获取的图像可以过度曝光直到其皮肤部分饱和,同时其眼睛区域不会饱和。
例如,图3示出了所获取的过度曝光直到其皮肤部分31饱和的NIR图像36,其中很明显,与周围的饱和皮肤部分31相比,未饱和的眼睛区域30如何保持可见和可检测。
比较图3和图2(b)(示出了正常曝光并且受强烈阳光影响而获取的NIR图像),图3中示出的虹膜区域32与图2(b)所示的虹膜区域32相比如何更容易被识别和检测也是显而易见的。这是因为皮肤部分31的饱和导致阳光效应减弱,例如图2(a)和(b)中可见的面部阴影33,其影响眼睛区域30。
这样,过度曝光图像36的获取改善了所识别的虹膜区域32的虹膜识别,尤其是在强烈阳光的情况下。
另一方面,来自摹本面部图像的眼睛区域将倾向于以与皮肤区域完全相同的方式饱和,因此在时间TRO过度曝光的图像中,这些区域将趋于饱和,因此整个图像将被洗掉。来自这些图像的正常曝光版本的眼睛区域被识别为属于无生命的受检者(步骤104),并且在该步骤可以中断登记。
另一方面,如果可以在过度曝光的图像内识别出眼睛区域并且可以在眼睛区域内识别出虹膜区域(步骤102),如前面关于步骤105所解释的,则该过程通过使用BAU 20生成和存储所提取的虹膜区域的虹膜信息来继续(步骤103)。
因此总的来说,登记阶段包括:
-获取100由IR照明源16照明的预定受检者的参考图像,其中该参考图像被过度曝光直到其皮肤部分饱和;
-识别102所获取的过度曝光参考图像内的至少一个虹膜区域42;
以及
-生成103并存储所识别的虹膜区域42的信息。
一旦登记完成,BAU 20将理想地具有受试者的过度曝光的眼睛区域的虹膜信息,并且如果需要,还具有受试者的正常曝光的眼睛区域的虹膜信息。如上所述,该参考信息可以安全地存储在存储器22中,存储在BAU 20中的安全存储器内,或存储在BAU 20可访问的任何位置。
然而,应当理解,如果在登记期间的环境光条件不合适,则可能无法获取具有足够长的曝光时间TRO的图像来使皮肤像素饱和而不会导致如此多的模糊以致无法从图像中提取虹膜代码。在这种情况下,可以仅基于正常曝光的参考图像至少暂时允许登记,或者可以要求用户延迟登记,直到环境光条件合适。
现在参见图7,当用户希望解锁系统或解锁在系统上运行的应用程序时,认证阶段开始。
认证阶段首先获取用户的在曝光时间TN下正常曝光的探测图像(步骤198)。
在步骤199,可以做出关于设备是否在强烈阳光下操作的决定。这样做的一种方法包括分析眼睛周围的区域。如果在室内拍摄图像,则眼睛被适当地照明,因此假设图像已经在室内拍摄。如果在户外捕获图像,则在眼睛周围存在阴影33,诸如图2(a)和(b)中所示的示例。如果检测到这样的阴影33,则除了使眼睛和虹膜区域难以检测之外,假设图像已经在强烈的阳光下在室外获取。可以除此之外或另选地使用的另一个就绪指示器是,如果TN非常短,例如,小于1/100毫秒,如果是这样,则表明该设备在光线充足的室外环境中操作。也可以使用其他指示器,诸如确定一天中的时间,在强烈的阳光下,不太可能在晚上9点到早上6点之间获取图像,或检查设备位置。例如,GPS坐标可以指示设备是位于明亮条件下的室外,还是位于人工照明条件下的室内。其他指示器包括测试设备是否连接到或检测到WiFi信号,如果没有,设备很可能在户外。在任何情况下,如果设备不位于室外或不处于光照充足的条件下,那么很有可能使得图像中的皮肤像素饱和所需的时间增加太长而无法避免获取的图像中的运动模糊。
在这种情况下,该过程通过以下步骤正常进行:
-识别206在步骤198获取的正常曝光的探测图像内的一个或多个虹膜区域;以及
-分析207所识别的虹膜区域以检测它们是否属于预定的受检者。在这种情况下,如果在登记阶段采用了步骤105、106,那么来自正常曝光的受检者的参考图像的虹膜信息可用于认证在步骤198获取的正常曝光图像的虹膜区域。如果该认证成功,则设备或应用程序被解锁,并且如果认证不成功,则该过程可向用户发送失败信号,并且有可能在长期锁定设备或应用程序之前返回步骤198最多有限次数。
另一方面,如果在步骤199,检测到阳光,则认证方法200通过执行步骤201至205继续。步骤201包括:
-得出皮肤标测图(步骤201a);
-基于得出的皮肤标测图,确定第二曝光时间TO,其大于TN(步骤201b);以及
-在TO期间获取过度曝光的探测图像(步骤201c)。
同样,可确定TO,使得成像的面部区域的基本上全部皮肤像素将达到饱和水平,如下所示:TO=TN×K,其中K按上述步骤100b计算。
同样,可以检查在步骤201c获取的过度曝光的探测图像以确定它是否适合于虹膜识别,以及是否需要通过重复如关于图6所述的步骤201a至201c来调整时间TO。
一旦获取了适当过度曝光的探测图像,则通过检测在步骤201获取的过度曝光图像36是否包括一个或多个眼睛区域30(步骤202)来继续该过程。
如果是这样,则意味着在步骤201的过度曝光获取期间眼睛区域30没有饱和,因为它们与饱和皮肤部分31不同地反射IR光,并且这种行为与活动的眼睛相关联。
因此,步骤202处的肯定确定对应于识别受检者的存活性,并且方法200可以前进到步骤203和204,以如在步骤206、207中那样认证活动的受检者。然而,在这种情况下,来自在登记时在步骤100c获取的过度曝光的探测图像的虹膜信息可用于认证在步骤201c获取的过度曝光图像的虹膜区域。优选地,在登记期间存储在步骤103和106的参考虹膜区域的存储信息包括虹膜代码,并且步骤204和207包括将从步骤203和206识别的一个或多个虹膜区域生成的虹膜代码与对应的存储的虹膜代码进行比较。
步骤202处的否定确定对应于受检者的无生命识别,并且这导致认证停止并且设备和/或应用程序将被锁定。
概括而言,认证阶段包括:
-通过图像传感器14获取201由IR照明源16照明的探测图像,其中该探测图像包括一个或多个眼睛区域并且过度曝光直到其皮肤部分饱和;
-识别所述一个或多个眼睛区域内的一个或多个虹膜区域;以及
-分析所述一个或多个识别的虹膜区域以检测它们是否属于预定的受检者。
应当理解,在足够强的阳光的条件下,在获取参考图像或探测图像时可能不需要使用IR照明源16主动地照明受检者。在这样的条件下,登记过程或认证过程可以依赖于自然阳光的IR分量来根据需要照射受检者。可能只需要确定环境照明水平足够高,能够提供用于虹膜曝光的足够的IR分量,由此确定不需要使用IR照明源16。尽管如此,如果眼睛未被阳光照明,即使在强烈的阳光下也可能仍然需要激活IR照明源16。因此,该方法可以扩展到首先尝试获取仅由自然阳光曝光的虹膜图像,并且如果在该图像中眼睛未被照明,则随后获取使用IR照明源16(和环境光)曝光的虹膜图像,并在每种情况下测试存活性。
应当理解,上述方法不仅在强烈阳光的条件下改善虹膜识别,而且还有利地提供稳健的存活性识别。
Claims (19)
1.一种用于预定受检者的虹膜识别的图像处理方法,包括:
a)通过图像传感器获取由红外(IR)照明源照明的探测图像,其中所述探测图像包括一个或多个眼睛区域并且被过度曝光直到所述图像的皮肤部分饱和;
b)识别所述探测图像的所述一个或多个眼睛区域内的一个或多个虹膜区域;以及
c)分析所述一个或多个识别的虹膜区域以检测它们是否属于所述预定受检者。
2.根据权利要求1所述的方法,包括:
响应于未能识别所述探测图像中的一个或多个虹膜区域,将所述探测图像指定为包含无生命受检者的图像。
3.根据权利要求1所述的方法,还包括通过以下步骤登记所述预定受检者:
-识别由IR照明源照明的所述预定受检者的参考图像内的第一虹膜区域,其中所述参考图像被过度曝光直到所述参考图像的皮肤部分饱和;以及
-生成并存储用于所述识别的第一虹膜区域的信息。
4.根据权利要求3所述的方法,其中所述分析包括:将用于所述第一虹膜区域的所述存储信息与从所述探测图像的所述一个或多个虹膜区域生成的信息进行比较,以确定所述探测图像是否为所述预定受检者的图像。
5.根据权利要求4所述的方法,其中:
-所述存储信息包括第一虹膜代码;并且
-所述比较包括将从所述探测图像内识别的所述一个或多个虹膜区域生成的虹膜代码与所述第一虹膜代码进行比较。
6.根据权利要求1所述的方法,包括响应于环境光超过阈值而执行步骤a)、b)和c)。
7.根据权利要求3所述的方法,还包括:
d)获取正常曝光的探测图像,所述正常曝光的探测图像包括一个或多个眼睛区域;
e)识别所述正常曝光的探测图像的所述一个或多个眼睛区域内的一个或多个虹膜区域;以及
f)分析所述正常曝光的探测图像内的所述一个或多个识别的虹膜区域以检测它们是否属于所述预定受检者。
8.根据权利要求7所述的方法,包括响应于环境光未超过阈值而执行步骤d)、e)和f)。
9.根据权利要求7所述的方法,其中登记所述预定受检者还包括:
-从由IR照明源照明的所述预定受检者的正常曝光的参考图像中识别第二虹膜区域;以及
-生成并存储用于所述识别的第二虹膜区域的信息。
10.根据权利要求9所述的方法,其中所述分析步骤f)包括:将用于所述第二虹膜区域的所述存储信息与从所述正常曝光的探测图像的所述一个或多个虹膜区域生成的信息进行比较,以确定所述正常曝光的探测图像是否为所述预定受检者的图像。
11.根据权利要求7所述的方法,包括根据所述正常曝光的探测图像的曝光时间确定所述过度曝光的探测图像的曝光时间。
12.根据权利要求11所述的方法,其中所述确定曝光时间包括:识别所述正常曝光的探测图像内的皮肤像素,并根据所述皮肤像素的所述强度值确定所述过度曝光的探测图像的所述曝光时间。
13.根据权利要求9所述的方法,包括根据所述正常曝光的参考图像的曝光时间确定所述过度曝光的参考图像的曝光时间。
14.根据权利要求1所述的方法,其中响应于检测到所述探测图像内的一个或多个眼睛区域来执行识别一个或多个虹膜区域的所述步骤。
15.根据权利要求1所述的方法,其中所述IR照明源包括一种或多种自然阳光;或人造光源。
16.根据权利要求15所述的方法,包括响应于确定在仅利用环境光照明的所述受检者的图像中检测到的眼睛区域的阴影程度,采用所述人造光源。
17.一种用于预定受检者的虹膜识别的图像处理方法,包括:
a)识别由IR照明源照明的所述预定受检者的第一参考图像中的第一虹膜区域,其中所述第一参考图像被过度曝光直到所述参考图像的皮肤部分饱和;
b)识别在正常曝光条件下获取的所述预定受检者的第二参考图像中的第二虹膜区域;以及
c)生成并存储用于所述识别的第一虹膜区域和第二虹膜区域的信息;
响应于环境光超过阈值:
d)通过图像传感器获取由IR照明源照明的图像,其中所述图像包括一个或多个眼睛区域并且被过度曝光直到所述图像的皮肤部分饱和;
e)识别所述一个或多个眼睛区域内的一个或多个虹膜区域;
f)使用用于所述第一虹膜区域的所述存储信息,将步骤e)中识别的所述一个或多个虹膜区域与所述第一虹膜区域进行比较;以及
g)基于所述比较,检测在步骤e)中识别的所述一个或多个虹膜区域是否属于所述预定受检者;以及
响应于环境光未超过阈值:
h)获取正常曝光的图像,所述图像包括一个或多个眼睛区域;
i)识别所述一个或多个眼睛区域内的一个或多个虹膜区域;
j)使用用于所述第二虹膜区域的所述存储信息,将步骤i)中识别的所述一个或多个虹膜区域与所述第二虹膜区域进行比较;以及
k)基于所述比较,检测在步骤i)中识别的所述一个或多个虹膜区域是否属于所述预定受检者。
18.一种用于预定受检者的虹膜识别的图像处理系统,包括:
-光学装置,所述光学装置包括至少用于获取图像的图像传感器和至少一个IR照明源;和
-图像处理部件,所述图像处理部件被布置用于执行权利要求1所述的步骤。
19.一种计算机程序产品,所述计算机程序产品包括存储指令的计算机可读介质,所述指令当在图像处理系统上执行时,被配置用于执行权利要求1所述的步骤。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/192,186 | 2016-06-24 | ||
US15/192,186 US9940519B2 (en) | 2016-06-24 | 2016-06-24 | Image processing method and system for iris recognition |
PCT/EP2017/058106 WO2017144733A1 (en) | 2016-06-24 | 2017-04-05 | Image processing method and system for iris recognition |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109661668A true CN109661668A (zh) | 2019-04-19 |
CN109661668B CN109661668B (zh) | 2023-12-22 |
Family
ID=58530532
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780051949.6A Active CN109661668B (zh) | 2016-06-24 | 2017-04-05 | 用于虹膜识别的图像处理方法和系统 |
Country Status (5)
Country | Link |
---|---|
US (3) | US9940519B2 (zh) |
EP (1) | EP3241154B1 (zh) |
KR (1) | KR20190022654A (zh) |
CN (1) | CN109661668B (zh) |
WO (1) | WO2017144733A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113032022A (zh) * | 2021-02-26 | 2021-06-25 | 吉林建筑大学 | 设备控制方法及相关设备 |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10701277B2 (en) | 2017-05-31 | 2020-06-30 | Fotonation Limited | Automatic exposure module for an image acquisition system |
US10810773B2 (en) * | 2017-06-14 | 2020-10-20 | Dell Products, L.P. | Headset display control based upon a user's pupil state |
CN108090382A (zh) * | 2017-12-29 | 2018-05-29 | 阿里巴巴集团控股有限公司 | 展现敏感信息的方法和装置 |
CN109002796B (zh) * | 2018-07-16 | 2020-08-04 | 阿里巴巴集团控股有限公司 | 一种图像采集方法、装置和系统以及电子设备 |
US11627262B2 (en) | 2019-11-04 | 2023-04-11 | Fotonation Limited | Handheld computing device |
KR102171018B1 (ko) * | 2019-11-19 | 2020-10-28 | 주식회사 아이트 | 캡쳐 볼륨 공간 확보를 통한 안면 및 홍채 인식 방법 및 시스템 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030118217A1 (en) * | 2000-08-09 | 2003-06-26 | Kenji Kondo | Eye position detection method and device |
US20050152583A1 (en) * | 2002-11-07 | 2005-07-14 | Matsushita Electric Industrial Co., Ltd | Method for cerficating individual iris registering device system for certificating iris and program for cerficating individual |
US8092021B1 (en) * | 2007-01-26 | 2012-01-10 | Aoptix Technologies, Inc. | On-axis illumination for iris imaging |
US20120199653A1 (en) * | 2009-10-15 | 2012-08-09 | Mmrb Holdings Llc | Biometric identification system |
CN103917727A (zh) * | 2011-11-08 | 2014-07-09 | 虹膜技术公司 | 利用虹膜图像的加强安全性的上锁装置 |
US20150304535A1 (en) * | 2014-02-21 | 2015-10-22 | Samsung Electronics Co., Ltd. | Multi-band biometric camera system having iris color recognition |
Family Cites Families (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7512254B2 (en) * | 2001-11-07 | 2009-03-31 | Symbol Technologies, Inc. | System and method for mobile biometric authentication |
AUPP400998A0 (en) | 1998-06-10 | 1998-07-02 | Canon Kabushiki Kaisha | Face detection in digital images |
US7155035B2 (en) * | 2002-02-05 | 2006-12-26 | Matsushita Electric Industrial Co., Ltd. | Personal authentication method, personal authentication apparatus and image capturing device |
US7315631B1 (en) | 2006-08-11 | 2008-01-01 | Fotonation Vision Limited | Real-time face tracking in a digital image acquisition device |
KR100729813B1 (ko) * | 2006-01-20 | 2007-06-18 | (주)자이리스 | 홍채 인증용 촬영장치, 홍채 인증용 촬영모듈 및 홍채인증용 촬영장치를 구비하는 단말기 |
US7551754B2 (en) | 2006-02-24 | 2009-06-23 | Fotonation Vision Limited | Method and apparatus for selective rejection of digital images |
WO2008039252A2 (en) * | 2006-05-15 | 2008-04-03 | Retica Systems, Inc. | Multimodal ocular biometric system |
US9058765B1 (en) * | 2008-03-17 | 2015-06-16 | Taaz, Inc. | System and method for creating and sharing personalized virtual makeovers |
US8514060B2 (en) * | 2008-05-21 | 2013-08-20 | Mitomo Corporation | Wireless identification tag |
US8577094B2 (en) | 2010-04-09 | 2013-11-05 | Donald Martin Monro | Image template masking |
US8878396B2 (en) | 2010-07-20 | 2014-11-04 | Emprimus, Llc | Continuous uninterruptable AC grounding system for power system protection |
US8848702B2 (en) | 2011-02-19 | 2014-09-30 | Cisco Technology, Inc. | Automated transitioning between different communication protocols in a network |
RU2015106932A (ru) | 2012-08-02 | 2016-09-20 | Л'Ореаль | Композиция для окрашивания, содержащая жировое вещество, неионную гуаровую камедь, амфотерное поверхностно-активное вещество и неионное или анионное поверхностно-активное вещество и окислитель, способ окрашивания и подходящее устройство |
US9412022B2 (en) * | 2012-09-06 | 2016-08-09 | Leonard Flom | Iris identification system and method |
WO2015102704A2 (en) * | 2013-10-08 | 2015-07-09 | Sri International | Iris biometric recognition module and access control assembly |
WO2015108904A1 (en) * | 2014-01-14 | 2015-07-23 | Delta ID Inc. | Methods and apparatuses for controlling intensity of illumination in eye based biometric systems |
JP6417676B2 (ja) * | 2014-03-06 | 2018-11-07 | ソニー株式会社 | 情報処理装置、情報処理方法、アイウェア端末および認証システム |
WO2016020147A1 (en) | 2014-08-08 | 2016-02-11 | Fotonation Limited | An optical system for an image acquisition device |
JP2017530476A (ja) * | 2014-09-24 | 2017-10-12 | プリンストン・アイデンティティー・インコーポレーテッド | バイオメトリックキーを用いたモバイルデバイスにおけるワイヤレス通信デバイス機能の制御 |
EP4209817A1 (en) | 2015-02-27 | 2023-07-12 | Adeia Imaging LLC | An optical system for an image acquisition device |
CN104834908B (zh) * | 2015-05-07 | 2018-09-07 | 惠州Tcl移动通信有限公司 | 一种移动终端基于眼纹识别的图像曝光方法及曝光系统 |
CN108369338B (zh) | 2015-12-09 | 2021-01-12 | 快图有限公司 | 图像采集系统 |
US10212366B2 (en) | 2016-06-17 | 2019-02-19 | Fotonation Limited | Iris image acquisition system |
-
2016
- 2016-06-24 US US15/192,186 patent/US9940519B2/en active Active
-
2017
- 2017-04-05 EP EP17716499.3A patent/EP3241154B1/en active Active
- 2017-04-05 WO PCT/EP2017/058106 patent/WO2017144733A1/en active Application Filing
- 2017-04-05 CN CN201780051949.6A patent/CN109661668B/zh active Active
- 2017-04-05 KR KR1020197001687A patent/KR20190022654A/ko unknown
-
2018
- 2018-04-09 US US15/948,199 patent/US10474894B2/en active Active
-
2019
- 2019-11-08 US US16/679,041 patent/US10891479B2/en active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030118217A1 (en) * | 2000-08-09 | 2003-06-26 | Kenji Kondo | Eye position detection method and device |
US20050152583A1 (en) * | 2002-11-07 | 2005-07-14 | Matsushita Electric Industrial Co., Ltd | Method for cerficating individual iris registering device system for certificating iris and program for cerficating individual |
US8092021B1 (en) * | 2007-01-26 | 2012-01-10 | Aoptix Technologies, Inc. | On-axis illumination for iris imaging |
US20120199653A1 (en) * | 2009-10-15 | 2012-08-09 | Mmrb Holdings Llc | Biometric identification system |
CN103917727A (zh) * | 2011-11-08 | 2014-07-09 | 虹膜技术公司 | 利用虹膜图像的加强安全性的上锁装置 |
US20150304535A1 (en) * | 2014-02-21 | 2015-10-22 | Samsung Electronics Co., Ltd. | Multi-band biometric camera system having iris color recognition |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113032022A (zh) * | 2021-02-26 | 2021-06-25 | 吉林建筑大学 | 设备控制方法及相关设备 |
CN113032022B (zh) * | 2021-02-26 | 2022-11-11 | 吉林建筑大学 | 设备控制方法及相关设备 |
Also Published As
Publication number | Publication date |
---|---|
KR20190022654A (ko) | 2019-03-06 |
WO2017144733A1 (en) | 2017-08-31 |
US10474894B2 (en) | 2019-11-12 |
US20180225512A1 (en) | 2018-08-09 |
US9940519B2 (en) | 2018-04-10 |
EP3241154B1 (en) | 2019-06-12 |
US10891479B2 (en) | 2021-01-12 |
US20200074174A1 (en) | 2020-03-05 |
US20170372136A1 (en) | 2017-12-28 |
CN109661668B (zh) | 2023-12-22 |
EP3241154A1 (en) | 2017-11-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109661668A (zh) | 用于虹膜识别的图像处理方法和系统 | |
KR101286454B1 (ko) | 눈 영상의 특성을 이용한 모조얼굴 식별장치 및 방법 | |
US11294996B2 (en) | Systems and methods for using machine learning for image-based spoof detection | |
US20180025244A1 (en) | Systems And Methods Of Biometric Analysis To Determine Lack Of Three-Dimensionality | |
CN110008783A (zh) | 基于神经网络模型的人脸活体检测方法、装置及电子设备 | |
JP2007516525A (ja) | 顔面イメージ取得と識別の方法及びシステム | |
US20180121639A1 (en) | Multi-biometric authentication | |
JPH11244261A (ja) | アイリス認識方法及び装置、データ変換方法及び装置 | |
CN109074483A (zh) | 多模态生物标识 | |
CN109002748A (zh) | 混合虹膜及面部生物识别系统 | |
US20180137620A1 (en) | Image processing system and method | |
WO2020079741A1 (ja) | 虹彩認証装置、虹彩認証方法および記録媒体 | |
KR102038576B1 (ko) | 홍채 인식 시스템의 부정행위 검출 방법 | |
KR20220052828A (ko) | 생체 인증 장치 및 생체 인증 방법 | |
KR100565959B1 (ko) | 가시광선을 이용한 모조홍채 판별방법 | |
KR20110092848A (ko) | 얼굴 인증 및 등록방법 | |
CN108388858B (zh) | 虹膜防伪方法与装置 | |
RU97839U1 (ru) | Устройство для получения изображений радужных оболочек глаз | |
JP2018101289A (ja) | 生体認証装置、生体認証システム、生体認証プログラム、及び生体認証方法 | |
Hollingsworth et al. | Recent research results in iris biometrics | |
KR20060105272A (ko) | 아다부스트 알고리즘을 이용한 안구 영상 판단 방법 | |
KR101410892B1 (ko) | 홍채 이미지 추출 방법과 조도 및 홍채 컬러에 따른 홍채 오인식률 개선 방법 | |
Athinarayanan et al. | Effective image processing techniques based iris attendance system | |
CN116912893A (zh) | 一种疫情环境下耳温监测方法、装置、平台和存储介质 | |
CN115527260A (zh) | 一种身份识别方法及系统 |
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 |