CN117935342A - 活体虹膜检测方法、装置、电子设备和存储介质 - Google Patents
活体虹膜检测方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN117935342A CN117935342A CN202311823657.3A CN202311823657A CN117935342A CN 117935342 A CN117935342 A CN 117935342A CN 202311823657 A CN202311823657 A CN 202311823657A CN 117935342 A CN117935342 A CN 117935342A
- Authority
- CN
- China
- Prior art keywords
- iris
- detected
- light intensity
- polarization
- images
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 93
- 230000010287 polarization Effects 0.000 claims abstract description 209
- 238000000034 method Methods 0.000 claims abstract description 33
- 210000000554 iris Anatomy 0.000 claims description 418
- 238000012549 training Methods 0.000 claims description 16
- 239000013598 vector Substances 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 15
- 238000013135 deep learning Methods 0.000 claims description 7
- 238000003384 imaging method Methods 0.000 claims description 7
- 239000000463 material Substances 0.000 claims description 6
- 238000007619 statistical method Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000007639 printing Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 206010044565 Tremor Diseases 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000004424 eye movement Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 210000001747 pupil Anatomy 0.000 description 2
- 241000227425 Pieris rapae crucivora Species 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000031700 light absorption Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Collating Specific Patterns (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明提供一种活体虹膜检测方法、装置、电子设备和存储介质，该方法包括：获取待检测虹膜的多个角度的偏振图像；基于所述待检测虹膜的多个角度的偏振图像，获得所述待检测虹膜的偏振度图像；基于所述待检测虹膜的偏振度图像中的光强度值信息和光强度分布信息，确定所述待检测虹膜为真实虹膜或伪造虹膜，可以有效提高活体虹膜的检测准确率和鲁棒性。
Description
技术领域
本发明涉及计算机视觉领域，尤其涉及一种活体虹膜检测方法、装置、电子设备和存储介质。
背景技术
相关技术中的活体虹膜检测方法主要分为以下几类：瞳孔反射特性分析、虹膜震颤特性分析、眼动分析、多光谱等方法，这些方法目前只能应对部分攻击类型，难以满足现实场景中复杂多变的呈现攻击检测需求。
发明内容
本发明提供一种活体虹膜检测方法、装置、电子设备和存储介质，能够有效提高活体虹膜的检测准确率和鲁棒性。
本发明提供一种活体虹膜检测方法，包括：
获取待检测虹膜的多个角度的偏振图像；
基于所述待检测虹膜的多个角度的偏振图像，获得所述待检测虹膜的偏振度图像；
基于所述待检测虹膜的偏振度图像中的光强度值信息和光强度分布信息，确定所述待检测虹膜为真实虹膜或伪造虹膜。
根据本发明提供的活体虹膜检测方法，所述获取待检测虹膜的多个角度的偏振图像，包括：
使用偏振采集装置和红外偏振光源，获取所述待检测虹膜的多个角度的偏振图像。
根据本发明提供的活体虹膜检测方法，所述基于所述待检测虹膜的多个角度的偏振图像，获得所述待检测虹膜的偏振度图像，包括：
基于所述待检测虹膜的多个角度的偏振图像，计算所述待检测虹膜对应的斯托克斯矢量；
基于所述待检测虹膜对应的斯托克斯矢量，获得所述待检测虹膜的偏振度图像。
根据本发明提供的活体虹膜检测方法，所述基于所述待检测虹膜的偏振度图像中的光强度值信息和光强度分布信息，确定所述待检测虹膜为真实虹膜或伪造虹膜，包括：
将所述待检测虹膜的偏振度图像输入训练完成的虹膜检测模型；
获取所述虹膜检测模型输出的分类结果，所述分类结果包括所述待检测虹膜为真实虹膜或所述待检测虹膜为伪造虹膜；
所述虹膜检测模型的训练过程包括：
获取训练样本，所述训练样本包括多个真实虹膜的偏振度图像和多个伪造虹膜的偏振度图像；
基于所述训练样本，使用深度学习的方式对所述虹膜检测模型进行训练，直至向所述虹膜检测模型输入已知分类结果的虹膜的偏振度图像，所述虹膜检测模型输出正确的分类结果。
根据本发明提供的活体虹膜检测方法，所述基于所述待检测虹膜的偏振度图像中的光强度值信息和光强度分布信息，确定所述待检测虹膜为真实虹膜或伪造虹膜，包括：
获取多个真实虹膜的偏振度图像和多个伪造虹膜的偏振度图像；
对所述多个真实虹膜的偏振度图像和多个伪造虹膜的偏振度图像分别进行统计分析，获取所述多个真实虹膜的偏振度图像的光强度值均值、光强度值标准差、光强度值峰度和光强度分布信息，以及所述多个伪造虹膜的偏振度图像的光强度值均值、光强度值标准差、光强度值峰度和光强度分布信息；
将所述待检测虹膜的偏振度图像中的光强度值信息和光强度分布信息和所述多个真实虹膜的偏振度图像的光强度值均值、光强度值标准差、光强度值峰度和光强度分布信息，以及所述多个伪造虹膜的偏振度图像的光强度值均值、光强度值标准差、光强度值峰度和光强度分布信息进行匹配，确定所述待检测虹膜为真实虹膜或伪造虹膜。
根据本发明提供的活体虹膜检测方法，所述偏振采集装置至少包括以下任意一项：
微偏振片阵列式偏振相机、分焦平面式偏振相机、分光路式偏振相机、基于超构材料的新型偏振成像器件。
本发明还提供一种活体虹膜检测装置，包括：
第一获取模块，用于获取待检测虹膜的多个角度的偏振图像；
第二获取模块，用于基于所述待检测虹膜的多个角度的偏振图像，获得所述待检测虹膜的偏振度图像；
确定模块，用于基于所述待检测虹膜的偏振度图像中的光强度值信息和光强度分布信息，确定所述待检测虹膜为真实虹膜或伪造虹膜。
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述活体虹膜检测方法。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述活体虹膜检测方法。
本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述活体虹膜检测方法。
本发明提供的一种活体虹膜检测方法，装置、电子设备和存储介质，通过获取待检测虹膜的多个角度的偏振图像，可以获得待检测虹膜的偏振度图像，然后基于待检测虹膜的偏振度图像中的光强度值信息和光强度分布信息，确定待检测虹膜为真实虹膜或伪造虹膜，利用真实虹膜与伪造虹膜的偏振特征差异对待检测虹膜进行活体检测，可以提高活体虹膜的检测准确率，且对环境具有极高的鲁棒性，能够有效适用于各种复杂场景。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明提供的活体虹膜检测方法的流程示意图之一；
图2是本发明提供的活体虹膜检测方法的流程示意图之二；
图3是本发明提供的偏振采集装置的工作原理示意图；
图4是本发明提供的活体虹膜检测装置的结构示意图；
图5是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
首先对以下内容进行介绍：
虹膜作为一种可靠的生物特征，在身份识别应用中具有唯一性、稳定性以及非接触等优点，受到学术界和产业界的高度重视，在此推动下中虹膜识别技术得到了较快的发展应用。然而，随着信息化智能化技术的不断发展，虹膜信息也越来越容易被获取，一但被盗取将严重威胁着公民的身份财产安全。
相关技术中虹膜识别攻击手段分为两大类，一种是针对识别端服务器进行攻击，通过网络攻击替换注册人在服务器库中的虹膜特征；另一类是通过打印的虹膜图像、仿真的人眼模型、平板显示器、隐形眼镜等方式对虹膜识别设备进行攻击。
相关技术的活体虹膜检测方法主要分为几类：瞳孔反射特性分析、虹膜震颤特性分析、眼动分析、多光谱等方法，这些方法目前只能应对部分攻击类型，难以满足现实场景中复杂多变的呈现攻击检测需求。
下面结合图1-图3描述本发明提供的活体虹膜检测方法。
图1是本发明提供的活体虹膜检测方法的流程示意图之一，如图1所示，该方法包括以下步骤：
步骤100，获取待检测虹膜的多个角度的偏振图像；
可选地，待检测虹膜的多个角度的偏振图像中可以只包含虹膜，也可以包含虹膜和其他物体，比如人脸。
可选地，为了获得待检测虹膜的偏振度图像，首先可以获取待检测虹膜的多个角度的偏振图像。
可选地，可以通过偏振采集装置获取待检测虹膜的多个角度的偏振图像，或人工制作待检测虹膜的多个角度的偏振图像，或其他方式获取待检测虹膜的多个角度的偏振图像，本发明对此不作限定。
可选地，可以获取待检测虹膜的两个角度的偏振图像，或三个角度的偏振图像，或四个角度的偏振图像，但一般来说，获取大于或等于三个角度的偏振图像检测效果会更好。
步骤110，基于所述待检测虹膜的多个角度的偏振图像，计算获得所述待检测虹膜的偏振度图像；
可选地，偏振度是用于描述光波振动方向相对于某个参考方向的程度的物理量。
可选地，在偏振度图像中，每个像素代表一个空间位置上的偏振度值，光的偏振度通常用一个介于0到1之间的数值表示，其中0表示完全未偏振，1表示完全偏振。
可选地，在获取待检测虹膜的多个角度的偏振图像后，可以基于待检测虹膜的多个角度的偏振图像，计算获得所述待检测虹膜的偏振度图像，以便于后续基于偏振度图像判断虹膜是真实虹膜或伪造虹膜。
步骤120，基于所述待检测虹膜的偏振度图像中的光强度值信息和光强度分布信息，确定所述待检测虹膜为真实虹膜或伪造虹膜。
可选地，光强度值信息可以是在特定空间位置上，沿不同偏振方向测量得到的光强度值。
可选地，光强度分布信息可以是在整个图像区域内，沿不同偏振方向的光强度如何变化的信息。
可选地，由于真实虹膜与伪造虹膜在偏振度图中表现出强度值以及强度分布上的差异，因此可以基于待检测虹膜的偏振度图像中的强度值信息和强度分布信息，确定待检测虹膜为真实虹膜或伪造虹膜。
可选地，伪造虹膜可以是打印照片中的虹膜、视频回放中的虹膜、假体人眼模型、隐形眼镜等，本发明对此不作限定。
本发明提供的活体虹膜检测方法，通过获取待检测虹膜的多个角度的偏振图像，可以获得待检测虹膜的偏振度图像，然后基于待检测虹膜的偏振度图像中的光强度值信息和光强度分布信息，确定待检测虹膜为真实虹膜或伪造虹膜，利用真实虹膜与伪造虹膜的偏振特征差异对待检测虹膜进行活体检测，可以提高活体虹膜的检测准确率，且对环境具有极高的鲁棒性，能够有效适用于各种复杂场景。
可选地，所述获取待检测虹膜的多个角度的偏振图像，包括：
使用偏振采集装置和红外偏振光源，获取所述待检测虹膜的多个角度的偏振图像。
可选地，偏振采集装置可以是偏振相机，或偏振成像装置，或偏振成像器件，或其他偏振采集装置，本发明对此不作限定。
可选地，可以通过搭建偏振采集装置，实时采集待检测虹膜在多个不同角度下的偏振图像。
可选地，在图像采集过程中，由于在可见光下亚洲人的虹膜纹理由于光线的反射和吸收无法被探测器获取，因此需要利用近红外波段的光源和成像器件，才能够有效感知虹膜纹理。
图2是本发明提供的活体虹膜检测方法的流程示意图之二，如图2所示，在本发明的一个实施例中，待检测虹膜为真实虹膜、打印攻击、视频攻击、人眼模型、隐形眼睛或其他虹膜，通过偏振采集设备和红外偏振光源获取待检测虹膜的多个角度的偏振图像，然后基于待检测虹膜的多个角度的偏振图像，计算获得待检测虹膜的偏振度图像，然后对偏振度图像进行偏振分析，最后判断待检测虹膜为真实虹膜或欺骗性攻击。
本发明提供的活体虹膜检测方法，在使用偏振采集装置采集待检测虹膜的偏振图像时，使用红外偏振光源提供照明，通过调节光源的偏振角度，增强虹膜图像细节感知能力，从而提高活体虹膜的检测准确率。
可选地，所述基于所述待检测虹膜的多个角度的偏振图像，获得所述待检测虹膜的偏振度图像，包括：
基于所述待检测虹膜的多个角度的偏振图像，计算所述待检测虹膜对应的斯托克斯矢量；
基于所述待检测虹膜对应的斯托克斯矢量，获得所述待检测虹膜的偏振度图像。
可选地，光的偏振状态可以用斯托克斯矢量来描述，斯托克斯矢量是一个四维向量，包括四个分量：S0，S1，S2，和S3，其中S0可以代表光波的总强度，即各种偏振方向的光强的总和，S1可以代表水平和垂直方向的光强差，S2可以代表对角线方向的光强差，S3可以代表圆偏振度。
可选地，在获取待检测虹膜的多个角度的偏振图像后，为了获得待检测虹膜的偏振度图像，可以首先基于待检测虹膜的多个角度的偏振图像，计算待检测虹膜对应的斯托克斯矢量。
在本发明的一个实施例中，以0°、45°、90°以及135°四个偏振角度为例，将这四个偏振角度下采集的偏振图像分别记录为I0、I45、I90、I135，接着借助斯托克斯矢量对偏振信息进行计算，如以下公式所示：
可选地，由于实际环境中，圆偏振分量较少几乎可以忽略，因此在斯托克斯矢量的计算过程中可以将V忽略不计。
可选地，通过计算上述斯托克斯分量，可以得到关于光波偏振状态的详细信息，这些信息可以用来生成偏振度图像。
可选地，获取待检测虹膜对应的斯托克斯矢量后，可以通过以下公式计算得到待检测虹膜的偏振度图像IDOLP：
可选地，为了对待检测虹膜进行检测，可以首先获取待检测虹膜的多个角度的偏振图像，然后基于待检测虹膜的多个角度的偏振图像，计算待检测虹膜对应的斯托克斯矢量，基于待检测虹膜对应的斯托克斯矢量，计算待检测虹膜的偏振度图像，最后基于待检测虹膜的偏振度图像中的强度值信息和强度分布信息，确定待检测虹膜为真实虹膜或伪造虹膜。
本发明提供的活体虹膜检测方法，基于待检测虹膜的多个角度的偏振图像，计算待检测虹膜对应的斯托克斯矢量，然后基于待检测虹膜对应的斯托克斯矢量，计算待检测虹膜的偏振度图像，便于后续基于偏振度图像中的光强度值信息和光强度分布信息，确定待检测虹膜为真实虹膜或伪造虹膜。
可选地，所述基于所述待检测虹膜的偏振度图像中的光强度值信息和光强度分布信息，确定所述待检测虹膜为真实虹膜或伪造虹膜，包括：
将所述待检测虹膜的偏振度图像输入训练完成的虹膜检测模型；
获取所述虹膜检测模型输出的分类结果，所述分类结果包括所述待检测虹膜为真实虹膜或所述待检测虹膜为伪造虹膜；
所述虹膜检测模型的训练过程包括：
获取训练样本，所述训练样本包括多个真实虹膜的偏振度图像和多个伪造虹膜的偏振度图像；
基于所述训练样本，使用深度学习的方式对所述虹膜检测模型进行训练，直至向所述虹膜检测模型输入已知分类结果的虹膜的偏振度图像，所述虹膜检测模型输出正确的分类结果。
可选地，为了基于待检测虹膜的偏振度图像中的光强度值信息和光强度分布信息，确定待检测虹膜为真实虹膜或伪造虹膜，可以将待检测虹膜的偏振度图像输入训练完成的虹膜检测模型，该模型用于对输入的虹膜偏振度图像进行分类，判断其是真实虹膜或伪造虹膜。
可选地，为了对虹膜检测模型进行训练，可以将多个真实虹膜的偏振度图像和多个伪造虹膜的偏振度图像分别进行标注，送入虹膜检测模型进行深度学习，最终实现真假虹膜的分类。
可选地，深度学习采用的算法可以是卷积神经网络，或多层感知机，或递归神经网络，或其他算法，本发明对此不作限定。
可选地，区别于现有的纯深度学习方法，本发明主要通过对真假虹膜的物理属性分析实现活体检测，因此不需要依赖大量的数据集，在小样本下就可以得到高准确率的检测结果。
可选地，为了对待检测虹膜进行检测，可以首先获取待检测虹膜的多个角度的偏振图像，然后基于待检测虹膜的多个角度的偏振图像，计算获得待检测虹膜的偏振度图像，最后将待检测虹膜的偏振度图像输入训练完成的虹膜检测模型，获取虹膜检测模型输出的分类结果，分类结果包括待检测虹膜为真实虹膜或待检测虹膜为伪造虹膜。
本发明提供的活体虹膜检测方法，通过使用深度学习的方式训练虹膜检测模型，并使用训练完成的虹膜检测模型对待检测虹膜的偏振度图像进行分类，能够有效对相纸打印攻击、普通白纸打印攻击、人眼模型、隐形眼镜等欺骗性攻击的偏振度图与真实虹膜的偏振度图进行分析，实现准确的分类，提高活体虹膜检测的准确度。
可选地，所述基于所述待检测虹膜的偏振度图像中的光强度值信息和光强度分布信息，确定所述待检测虹膜为真实虹膜或伪造虹膜，包括：
获取多个真实虹膜的偏振度图像和多个伪造虹膜的偏振度图像；
对所述多个真实虹膜的偏振度图像和多个伪造虹膜的偏振度图像分别进行统计分析，获取所述多个真实虹膜的偏振度图像的光强度值均值、光强度值标准差、光强度值峰度和光强度分布信息，以及所述多个伪造虹膜的偏振度图像的光强度值均值、光强度值标准差、光强度值峰度和光强度分布信息；
将所述待检测虹膜的偏振度图像中的光强度值信息和光强度分布信息和所述多个真实虹膜的偏振度图像的光强度值均值、光强度值标准差、光强度值峰度和光强度分布信息，以及所述多个伪造虹膜的偏振度图像的光强度值均值、光强度值标准差、光强度值峰度和光强度分布信息进行匹配，确定所述待检测虹膜为真实虹膜或伪造虹膜。
可选地，为了基于待检测虹膜的偏振度图像中的光强度值信息和光强度分布信息，确定待检测虹膜为真实虹膜或伪造虹膜，可以首先获取多个真实虹膜的偏振度图像和多个伪造虹膜的偏振度图像，并对多个真实虹膜的偏振度图像和多个伪造虹膜的偏振度图像分别进行统计分析，确定真实虹膜的偏振度图像特征和伪造虹膜的偏振度图像特征。
具体地，偏振度图像特征可以是材质、纹理、粗糙度等性质，还可以是光强度值均值、光强度值标准差、光强度值峰度和光强度分布信息。
可选地，在确定真实虹膜的偏振度图像特征和伪造虹膜的偏振度图像特征后，可以将待检测虹膜的偏振度图像特征与真实虹膜的偏振度图像特征和伪造虹膜的偏振度图像特征，判断其更接近哪一类偏振度图像特征，即可确定待检测虹膜为真实虹膜或伪造虹膜。
可选地，为了对待检测虹膜进行检测，可以首先获取待检测虹膜的多个角度的偏振图像，然后基于待检测虹膜的多个角度的偏振图像，计算获得待检测虹膜的偏振度图像，最后将待检测虹膜的偏振度图像的光强度值信息和光强度分布信息和多个真实虹膜的偏振度图像的光强度值均值、光强度值标准差、光强度值峰度和光强度分布信息，以及多个伪造虹膜的偏振度图像的光强度值均值、光强度值标准差、光强度值峰度和光强度分布信息进行匹配，确定待检测虹膜为真实虹膜或伪造虹膜。
本发明提供的活体虹膜检测方法，通过使用统计分析的方式，基于多个真实虹膜的偏振度图像和多个伪造虹膜的偏振度图像确定真实虹膜的偏振度图像特征和伪造虹膜的偏振度图像特征，判断待检测虹膜的偏振度图像特征更贴近哪一类虹膜的偏振度图像特征对待检测虹膜进行分类，能够有效对相纸打印攻击、普通白纸打印攻击、人眼模型、隐形眼镜等欺骗性攻击的偏振度图与真实虹膜的偏振度图进行分析，实现准确的分类，提高活体虹膜检测的准确度。
可选地，所述偏振采集装置至少包括以下任意一项：
微偏振片阵列式偏振相机、分焦平面式偏振相机、分光路式偏振相机、基于超构材料的新型偏振成像器件。
可选地，为了获取待检测虹膜的多个角度的偏振图像，可以使用微偏振片阵列式偏振相机、分焦平面式偏振相机、分光路式偏振相机、基于超构材料的新型偏振成像器件中的任意一项对待检测虹膜的多个角度的偏振图像进行采集。
图3是本发明提供的偏振采集装置的工作原理示意图，如图3所示，在本发明的一个实施例中，通过偏振采集装置和红外偏振光源对待检测虹膜进行采集，最终获得多角度的偏振图像，其中偏振采集装置可以是微偏振片阵列式偏振相机，或分焦平面式偏振相机，或分光路式偏振相机，或其他偏振采集装置。
本发明提供的活体虹膜检测方法，使用微偏振片阵列式偏振相机、分焦平面式偏振相机、分光路式偏振相机、基于超构材料的新型偏振成像器件中的任意一项对待检测虹膜的多个角度的偏振图像进行采集，便于后续计算获得待检测虹膜的偏振度图像。
下面对本发明提供的活体虹膜检测装置进行描述。
图4是本发明提供的活体虹膜检测装置的结构示意图，如图4所示，该装置包括第一获取模块410、第二获取模块420和确定模块430，其中：
第一获取模块410，用于获取待检测虹膜的多个角度的偏振图像；
第二获取模块420，用于基于所述待检测虹膜的多个角度的偏振图像，计算获得所述待检测虹膜的偏振度图像；
确定模块430，用于基于所述待检测虹膜的偏振度图像中的光强度值信息和光强度分布信息，确定所述待检测虹膜为真实虹膜或伪造虹膜。
本发明提供的活体虹膜检测装置，通过获取待检测虹膜的多个角度的偏振图像，可以获得待检测虹膜的偏振度图像，然后基于待检测虹膜的偏振度图像中的光强度值信息和光强度分布信息，确定待检测虹膜为真实虹膜或伪造虹膜，利用真实虹膜与伪造虹膜的偏振特征差异对待检测虹膜进行活体检测，可以提高活体虹膜的检测准确率，且对环境具有极高的鲁棒性，能够有效适用于各种复杂场景。
可以理解的是，本发明提供的活体虹膜检测装置与上述各实施例提供的活体虹膜检测方法相对应，本发明提供的活体虹膜检测装置的相关技术特征可参考上述各实施例提供的活体虹膜检测方法的相关技术特征，在此不再赘述。
图5示例了一种电子设备的实体结构示意图，如图5所示，该电子设备可以包括：处理器(processor)510、通信接口(Communications Interface)520、存储器(memory)430和通信总线540，其中，处理器510，通信接口520，存储器530通过通信总线540完成相互间的通信。处理器510可以调用存储器530中的逻辑指令，以执行活体虹膜检测方法，该方法包括：获取待检测虹膜的多个角度的偏振图像；基于所述待检测虹膜的多个角度的偏振图像，获得所述待检测虹膜的偏振度图像；基于所述待检测虹膜的偏振度图像中的光强度值信息和光强度分布信息，确定所述待检测虹膜为真实虹膜或伪造虹膜。
此外，上述的存储器530中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的活体虹膜检测方法，该方法包括：获取待检测虹膜的多个角度的偏振图像；基于所述待检测虹膜的多个角度的偏振图像，获得所述待检测虹膜的偏振度图像；基于所述待检测虹膜的偏振度图像中的光强度值信息和光强度分布信息，确定所述待检测虹膜为真实虹膜或伪造虹膜。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的活体虹膜检测方法，该方法包括：获取待检测虹膜的多个角度的偏振图像；基于所述待检测虹膜的多个角度的偏振图像，获得所述待检测虹膜的偏振度图像；基于所述待检测虹膜的偏振度图像中的光强度值信息和光强度分布信息，确定所述待检测虹膜为真实虹膜或伪造虹膜。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种活体虹膜检测方法，其特征在于，包括：
获取待检测虹膜的多个角度的偏振图像；
基于所述待检测虹膜的多个角度的偏振图像，获得所述待检测虹膜的偏振度图像；
基于所述待检测虹膜的偏振度图像中的光强度值信息和光强度分布信息，确定所述待检测虹膜为真实虹膜或伪造虹膜。
2.根据权利要求1所述的活体虹膜检测方法，其特征在于，所述获取待检测虹膜的多个角度的偏振图像，包括：
使用偏振采集装置和红外偏振光源，获取所述待检测虹膜的多个角度的偏振图像。
3.根据权利要求1所述的活体虹膜检测方法，其特征在于，所述基于所述待检测虹膜的多个角度的偏振图像，获得所述待检测虹膜的偏振度图像，包括：
基于所述待检测虹膜的多个角度的偏振图像，计算所述待检测虹膜对应的斯托克斯矢量；
基于所述待检测虹膜对应的斯托克斯矢量，获得所述待检测虹膜的偏振度图像。
4.根据权利要求1所述的活体虹膜检测方法，其特征在于，所述基于所述待检测虹膜的偏振度图像中的光强度值信息和光强度分布信息，确定所述待检测虹膜为真实虹膜或伪造虹膜，包括：
将所述待检测虹膜的偏振度图像输入训练完成的虹膜检测模型；
获取所述虹膜检测模型输出的分类结果，所述分类结果包括所述待检测虹膜为真实虹膜或所述待检测虹膜为伪造虹膜；
所述虹膜检测模型的训练过程包括：
获取训练样本，所述训练样本包括多个真实虹膜的偏振度图像和多个伪造虹膜的偏振度图像；
基于所述训练样本，使用深度学习的方式对所述虹膜检测模型进行训练，直至向所述虹膜检测模型输入已知分类结果的虹膜的偏振度图像，所述虹膜检测模型输出正确的分类结果。
5.根据权利要求1所述的活体虹膜检测方法，其特征在于，所述基于所述待检测虹膜的偏振度图像中的光强度值信息和光强度分布信息，确定所述待检测虹膜为真实虹膜或伪造虹膜，包括：
获取多个真实虹膜的偏振度图像和多个伪造虹膜的偏振度图像；
对所述多个真实虹膜的偏振度图像和多个伪造虹膜的偏振度图像分别进行统计分析，获取所述多个真实虹膜的偏振度图像的光强度值均值、光强度值标准差、光强度值峰度和光强度分布信息，以及所述多个伪造虹膜的偏振度图像的光强度值均值、光强度值标准差、光强度值峰度和光强度分布信息；
将所述待检测虹膜的偏振度图像中的光强度值信息和光强度分布信息和所述多个真实虹膜的偏振度图像的光强度值均值、光强度值标准差、光强度值峰度和光强度分布信息，以及所述多个伪造虹膜的偏振度图像的光强度值均值、光强度值标准差、光强度值峰度和光强度分布信息进行匹配，确定所述待检测虹膜为真实虹膜或伪造虹膜。
6.根据权利要求2所述的活体虹膜检测方法，其特征在于，所述偏振采集装置至少包括以下任意一项：
微偏振片阵列式偏振相机、分焦平面式偏振相机、分光路式偏振相机、基于超构材料的新型偏振成像器件。
7.一种活体虹膜检测装置，其特征在于，包括：
第一获取模块，用于获取待检测虹膜的多个角度的偏振图像；
第二获取模块，用于基于所述待检测虹膜的多个角度的偏振图像，获得所述待检测虹膜的偏振度图像；
确定模块，用于基于所述待检测虹膜的偏振度图像中的光强度值信息和光强度分布信息，确定所述待检测虹膜为真实虹膜或伪造虹膜。
8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述活体虹膜检测方法。
9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述活体虹膜检测方法。
10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述活体虹膜检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311823657.3A CN117935342A (zh) | 2023-12-27 | 2023-12-27 | 活体虹膜检测方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311823657.3A CN117935342A (zh) | 2023-12-27 | 2023-12-27 | 活体虹膜检测方法、装置、电子设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117935342A true CN117935342A (zh) | 2024-04-26 |
Family
ID=90763968
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311823657.3A Pending CN117935342A (zh) | 2023-12-27 | 2023-12-27 | 活体虹膜检测方法、装置、电子设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117935342A (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101411606A (zh) * | 2007-10-15 | 2009-04-22 | 倪蔚民 | 组合虹膜和皮层组织的生物测定系统 |
| WO2015006274A1 (en) * | 2013-07-08 | 2015-01-15 | University Of Rochester | High numerical aperture optomechanical scanner for layered gradient index microlenses, methods, and applications |
| CN108431820A (zh) * | 2015-12-07 | 2018-08-21 | 达美生物识别科技有限公司 | 用于基于双折射的生物认证的方法和装置 |
| CN111357013A (zh) * | 2017-11-28 | 2020-06-30 | 指纹卡有限公司 | 生物计量成像系统和使用生物计量成像系统确定生物计量对象的特性的方法 |
| CN113489911A (zh) * | 2021-08-16 | 2021-10-08 | 上海聚虹光电科技有限公司 | 电子式调光减光镜的虹膜摄像头和虹膜摄像头控制方法 |
| CN217113347U (zh) * | 2022-03-21 | 2022-08-02 | 盛视科技股份有限公司 | 消除眼镜反光的虹膜识别装置及设备 |
| CN115933172A (zh) * | 2022-11-29 | 2023-04-07 | 大连海事大学 | 一种基于偏振多光谱成像的人眼视线追踪装置及方法 |
-
2023
- 2023-12-27 CN CN202311823657.3A patent/CN117935342A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101411606A (zh) * | 2007-10-15 | 2009-04-22 | 倪蔚民 | 组合虹膜和皮层组织的生物测定系统 |
| WO2015006274A1 (en) * | 2013-07-08 | 2015-01-15 | University Of Rochester | High numerical aperture optomechanical scanner for layered gradient index microlenses, methods, and applications |
| CN108431820A (zh) * | 2015-12-07 | 2018-08-21 | 达美生物识别科技有限公司 | 用于基于双折射的生物认证的方法和装置 |
| CN111357013A (zh) * | 2017-11-28 | 2020-06-30 | 指纹卡有限公司 | 生物计量成像系统和使用生物计量成像系统确定生物计量对象的特性的方法 |
| CN113489911A (zh) * | 2021-08-16 | 2021-10-08 | 上海聚虹光电科技有限公司 | 电子式调光减光镜的虹膜摄像头和虹膜摄像头控制方法 |
| CN217113347U (zh) * | 2022-03-21 | 2022-08-02 | 盛视科技股份有限公司 | 消除眼镜反光的虹膜识别装置及设备 |
| CN115933172A (zh) * | 2022-11-29 | 2023-04-07 | 大连海事大学 | 一种基于偏振多光谱成像的人眼视线追踪装置及方法 |
Non-Patent Citations (3)
| Title |
|---|
| ZHENAN SUN 等: "Iris Image Classification Based on Hierarchical Visual Codebook", 《IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE》, 30 June 2014 (2014-06-30), pages 1120, XP011549307, DOI: 10.1109/TPAMI.2013.234 * |
| 宋平 等: "基于计算光场成像的虹膜活体检测方法", 《自动化学报》, vol. 45, no. 9, 3 April 2019 (2019-04-03), pages 1701 - 1712 * |
| 陈慧敏 等: "《激光引信技术》", 31 March 2016, 国防工业出版社, pages: 175 - 176 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106897675B (zh) | 双目视觉深度特征与表观特征相结合的人脸活体检测方法 | |
| US20190095701A1 (en) | Living-body detection method, device and storage medium | |
| RU2431190C2 (ru) | Способ и устройство распознавания рельефности лица | |
| Raghavendra et al. | Exploring the usefulness of light field cameras for biometrics: An empirical study on face and iris recognition | |
| Sepas-Moghaddam et al. | Light field-based face presentation attack detection: reviewing, benchmarking and one step further | |
| CN112052831B (zh) | 人脸检测的方法、装置和计算机存储介质 | |
| CN109086675B (zh) | 一种基于光场成像技术的人脸识别及攻击检测方法及其装置 | |
| CN112801057B (zh) | 图像处理方法、装置、计算机设备和存储介质 | |
| CN112232155B (zh) | 非接触指纹识别的方法、装置、终端及存储介质 | |
| CN112036339B (zh) | 人脸检测的方法、装置和电子设备 | |
| CN112232163B (zh) | 指纹采集方法及装置、指纹比对方法及装置、设备 | |
| CN112016525A (zh) | 非接触式指纹采集方法和装置 | |
| Singh et al. | Robust morph-detection at automated border control gate using deep decomposed 3d shape & diffuse reflectance | |
| KR20180134280A (ko) | 3차원 깊이정보 및 적외선정보에 기반하여 생체여부의 확인을 행하는 얼굴인식 장치 및 방법 | |
| Dhiman | An innovative approach for face recognition using raspberry Pi | |
| CN112232159B (zh) | 指纹识别的方法、装置、终端及存储介质 | |
| CN114170690A (zh) | 活体识别和构建活体识别模型的方法、装置 | |
| Jingade et al. | DOG-ADTCP: A new feature descriptor for protection of face identification system | |
| CN112232157B (zh) | 指纹区域检测方法、装置、设备、存储介质 | |
| Di Martino et al. | Rethinking shape from shading for spoofing detection | |
| CN112308035A (zh) | 图像检测方法、装置、计算机设备和存储介质 | |
| CN117935342A (zh) | 活体虹膜检测方法、装置、电子设备和存储介质 | |
| CN112232152B (zh) | 非接触式指纹识别方法、装置、终端和存储介质 | |
| CN114898447A (zh) | 一种基于自注意力机制的个性化注视点检测方法及装置 | |
| CN116982093A (zh) | 呈现攻击检测 |
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 |