TWI469059B - 用於產生及使用短長度虹膜碼之系統及方法 - Google Patents

Description

用於產生及使用短長度虹膜碼之系統及方法

本發明係關於虹膜辨識，且更特定言之係關於使用減小之虹膜碼以用於更有效虹膜比較之系統及方法。

人類虹膜之紋理已經展示具有優良之個體獨特性且因此適用於可靠識別。習知虹膜辨識系統展開虹膜影像且藉由量化應用至此影像之列之選定濾波器的回應來產生二進位特徵向量。

虹膜可分段且展開為矩形影像。藉由應用伽柏(Gabor)濾波器組而自展開之虹膜擷取紋理。將此紋理編碼為二進位影像，稱為虹膜碼，其充當用於辨識之特徵向量。虹膜之一些區域與其他區域相比提供更一致紋理。舉例而言，瞳孔擴張使得瞳孔相鄰紋理為特別易變的，且睫毛或眼瞼之存在(若其未經適當遮蔽(mask out))可實質上更改虹膜碼之外觀。此外，徑向展開技術趨於對最靠近瞳孔之區增加取樣，而對虹膜與鞏膜接合之區域減少取樣。中間虹膜中之帶提供更個人化描述。此區域映射至虹膜之睫狀體區。

已進行嘗試隔離不一致(脆弱)或(反言之)穩定性較低之虹膜碼區域的一些工作。此等研究直接著眼於最終二進位表示。藉由分析同一眼睛之若干二進位虹膜碼且對位元為1或0之次數進行計數來發現不一致位元。當遮蔽具有高可變性之位元時，錯誤拒絕率降低。此工作發現圖庫(gallery)中每個人之脆弱位元遮罩。

其他研究人員查驗較小虹膜碼對辨識之影響且自虹膜之外環及內環產生虹膜碼。此等技術依據經驗展示較靠近瞳孔之紋理可比較靠近鞏膜之紋理在辨識方面效能較佳。類似地，調節取樣率以產生較小虹膜碼。此等方法藉由調節展開虹膜之方式來減小虹膜碼之大小，但此等工作未能確證當在虹膜辨識情形下處理時應偏好虹膜之任何部分。

已進行嘗試隔離不一致(脆弱)或(反言之)較具鑑別力的虹膜碼區域的一些工作。此等研究直接著眼於最終二進位表示。藉由分析同一眼睛之若干二進位虹膜碼且對位元為1或0之次數進行計數來發現不一致位元。調節取樣率以產生較小虹膜碼。然而，此等方法藉由調節展開虹膜之方式來減小虹膜碼之大小。此等技術改變虹膜碼之格式，從而損害表示之回溯相容性(例如，關於旋轉補償)。

一種用於基於虹膜影像之一資料庫產生緊密虹膜表示之系統及方法包括在一資料庫中提供虹膜影像的全長度虹膜碼，其中該全長度虹膜碼包括對應於一相關聯虹膜影像中之圓周環的複數個部分。針對全長度虹膜碼中之每一列計算真分數分佈及假分數分佈，且識別具有相對於一臨限值提供假分佈與真分佈之間的分離之一貢獻的碼部分。量測剩餘碼部分之間的一相關性以估計一適當取樣率。產生子集內具有低相關性之碼部分之一子集以產生一緊密虹膜表示。

一種用於基於虹膜影像之一資料庫產生緊密虹膜表示之系統包括一資料庫，其經組態以儲存所有虹膜影像之全長度虹膜碼，其中每一虹膜碼包括對應於一相關聯虹膜影像中之圓周環的複數個部分。一處理器經組態以針對虹膜碼之該等部分計算真分數分佈及假分數分佈且判定該等虹膜碼中之哪些碼部分對假分佈與真分佈之間的一分離提供一最高貢獻，該處理器經組態以量測剩餘碼部分之間的一相關性以判定子集內具有最低相關性之碼部分之一子集，使得自該子集產生一緊密虹膜表示。

此等及其他特徵及優點將自結合伴隨圖式閱讀之本發明之說明性實施例的以下詳細描述而變為顯而易見。

本發明將參看以下諸圖在較佳實施例之以下描述中提供細節。

根據本發明原理，藉由在虹膜中定位高鑑別力資訊區域來減小虹膜碼。所得變換減小虹膜碼之大小。在一實施例中，獲得比全長度虹膜碼(FLIC)小至少11.8/12.8倍的短長度虹膜碼(SLIC)。本發明原理設法藉由發現含有最高描述潛力(descriptive potential)之虹膜區域來縮減虹膜表示。本發明者經由實驗展示接近瞳孔及鞏膜之區域對辨別所起作用最小且相鄰徑向環之間存在高相關性。

使用此等觀測結果，獲得僅具有450個位元組之短長度虹膜碼(SLIC)。SLIC比FLIC小一個數量級且效能仍相當。大小較小之表示具有易於儲存為條形碼以及減少每對之匹配時間的優點。本發明原理使用統計技術減小標準、矩形取樣虹膜碼之大小。維持相同格式可增強表示之回溯相容性(例如，關於旋轉補償)，而較小虹膜碼意謂系統執行較快及儲存器要求降低。

如熟習此項技術者將瞭解，本發明之態樣可體現為系統、方法或電腦程式產品。因此，本發明之態樣可採用完全硬體實施例、完全軟體實施例(包括韌體、常駐軟體、微碼等)或組合軟體態樣與硬體態樣之實施例的形式，其在本文中通常通稱為「電路」、「模組」或「系統」。此外，本發明之態樣可採用體現於一或多個電腦可讀媒體中之電腦程式產品的形式，該一或多個電腦可讀媒體具有體現於其上之電腦可讀程式碼。

可利用一或多個電腦可讀媒體之任何組合。電腦可讀媒體可為電腦可讀信號媒體或電腦可讀儲存媒體。舉例而言，電腦可讀儲存媒體可為(但不限於)電子、磁性、光學、電磁、紅外線或半導體系統、裝置或器件，或前述各者之任何合適組合。電腦可讀媒體之更特定實例(非詳盡清單)將包括以下各者：具有一或多跟導線之電連接件、攜帶型電腦磁片、硬碟、隨機存取記憶體(RAM)、唯讀記憶體(ROM)、可抹除可程式化唯讀記憶體(EPROM或快閃記憶體)、光纖、攜帶型光碟唯讀記憶體(CD-ROM)、光學儲存器件、磁性儲存器件或前述各者之任何合適組合。在此文件之情形中，電腦可讀媒體可為可含有或儲存供指令執行系統、裝置或器件使用或結合指令執行系統、裝置或器件而使用之程式的任何有形媒體。

電腦可讀信號媒體可包括在基頻中或作為一載波之部分的傳播資料信號，其中電腦可讀程式碼體現於該信號中。此傳播信號可採用包括(但不限於)電磁、光學、或其任何合適組合的多種形式中之任一者。電腦可讀信號媒體可為並非電腦可讀儲存媒體且可傳達、傳播或輸送一程式以供一指令執行系統、裝置或器件使用或與指令執行系統、裝置或器件結合使用的任何電腦可讀媒體。

體現於電腦可讀媒體上之程式碼可使用任何適當媒體傳輸，該媒體包括(但不限於)無線、有線、光纖纜線、RF等或前述各者之任何合適組合。

可用一或多種程式設計語言之任何組合來撰寫用於執行本發明之態樣之操作的電腦程式碼，該一或多種程式設計語言包括物件導向式程式設計語言(諸如，Java、Smalltalk、C++或其類似者)及習知程序性程式設計語言(諸如，「C」程式設計語言或類似程式設計語言)。程式碼可完全在使用者之電腦上執行、部分地在使用者之電腦上執行、作為獨立軟體套件而執行、部分地在使用者之電腦上且部分地在遠端電腦上執行，或完全在遠端電腦或伺服器上執行。在後一種情形中，遠端電腦可經由任何類型之網路(包括區域網路(LAN)或廣域網路(WAN))連接至使用者之電腦，或可(例如，使用網際網路服務提供者，經由網際網路)連接至外部電腦。

下文參考根據本發明之實施例之方法、裝置(系統)及電腦程式產品的流程圖說明及/或方塊圖來描述本發明之態樣。將理解，可由電腦程式指令來實施該等流程圖說明及/或方塊圖中之每一區塊及該等流程圖說明及/或方塊圖中之區塊之組合。可將此等電腦程式指令提供至通用電腦、專用電腦或其他可程式化資料處理裝置之處理器以產生一機器，以使得經由該電腦或其他可程式化資料處理裝置之處理器執行的指令建立用於實施該或該等流程圖及/或方塊圖區塊中所指定之功能/動作的構件。

此等電腦程式指令亦可儲存於一電腦可讀媒體中，其可指導電腦、其他可程式化資料處理裝置或其他器件以特定方式起作用，使得儲存於該電腦可讀媒體中之該等指令產生一製造物件，該製造物包括實施該或該等流程圖及/或方塊圖區塊中所指定之功能/動作的指令。

亦可將該等電腦程式指令載入至電腦、其他可程式化資料處理裝置或其他器件上以使得一系列操作步驟在電腦、其他可程式化裝置或其他器件上執行以便產生一電腦實施程序，從而使得在電腦或其他可程式化裝置上執行之指令提供用於實施該或該等流程圖及/或方塊圖區塊中所指定之功能/動作的程序。

諸圖中之流程圖及方塊圖說明根據本發明之各種實施例的系統、方法及電腦程式產品之可能實施之架構、功能性及操作。就此而言，流程圖或方塊圖中之每一區塊可表示程式碼之模組、片段或部分，其包含用於實施指定邏輯功能的一或多個可執行指令。亦應注意，在一些替代性實施中，區塊中所提及之功能可不以諸圖中所提及之次序發生。舉例而言，視所涉及之功能性而定，連續展示之兩個區塊實際上可實質上同時執行，或該等區塊有時可以相反次序執行。亦應注意，方塊圖及/或流程圖說明之每一區塊及方塊圖及/或流程圖說明中之區塊的組合可藉由執行指定功能或動作之基於硬體之專用系統實施，或藉由專用硬體與電腦指令之組合來實施。

現參看圖式，其中相同數字表示相同或類似元件，且最初參看圖1，虹膜碼102為虹膜辨識系統100中之個體描述符。虹膜碼102為編碼虹膜之紋理的二進位影像。產生虹膜碼之各種階段包括：在區塊110中展開虹膜，在區塊112中計算眼瞼遮罩(eyelid mask)，及產生全長度虹膜碼102。為產生虹膜碼，首先自影像將虹膜分段且非剛性地展開為矩形範本113。接著，兩個濾波器遮罩115及117在展開之虹膜上執行捲積(編碼120)且每一像素之回應的符號編碼彼像素。奇數濾波器115之全體回應稱為虹膜碼之真實(RE)部分，且偶數濾波器117之回應稱為假想(IM)部分(例如，分別為邊緣偵測核心濾波器及條形偵測核心濾波器)。在於原始影像中由眼瞼遮掩一像素(例如，一「咬合口(bite)」116)之情況下，在虹膜碼中自比較移除彼像素。存在關於此方案之許多變體。

在辨識過程中，若兩個虹膜碼之間的正規化漢明距離(Hamming distance)小於預定義臨限值，則認為該兩個虹膜碼匹配(對應於同一眼睛)。正規化漢明距離為在該等碼之間不同的未遮蔽位元之數目除以未遮蔽位元之總數。關於具有遮掩遮罩之兩個虹膜碼之間的正規化漢明距離之等式為：

虹膜辨識系統100亦需要藉由對準虹膜碼來補償旋轉之改變。同一眼睛之兩個碼可不同，此係因為在獲取時頭部相對於相機傾斜。

參看圖2，說明性地展示在具有顯著不同傾斜之情況下同一眼睛之兩個個例(140及142)。為校正有效對之成員之間的相對旋轉，在所定義旋轉範圍內以一虹膜碼相對於另一虹膜碼之每一可能線性移位(等效於固定旋轉)計算漢明距離。當虹膜碼之間的距離最小時，認為其對準，且使用此距離作為匹配分數。

在1:N(識別)系統，探測虹膜碼與圖庫(個體資料庫)中之每一元素匹配。探測識別碼藉由其與圖庫個例之距離來指派。此為計算花費較大之操作且隨著考慮較大圖庫集合而線性地增長。

位元操作之數目為：b _ops =N ‧h ‧w ‧θ 　(2)，其中h 為虹膜碼之高度，w 為其寬度，θ 為用於對準校正之移位數目且N 為圖庫影像之數目。當h =128，w =360，θ =20且N =10,000(中等大小之資料庫)時，位元操作之數目為一百八十億。減小虹膜碼中特徵之數目或圖框大小將減小逐位元操作之數目且因此提高識別系統之速度。應注意，將虹膜碼之高度減小一個數量級將導致快一個數量級的匹配系統。

本發明原理在不實質上損害效能之情況下減小虹膜碼之大小。此係藉由定位及擷取最佳地編碼識別碼之全域紋理來實現。基本方法與所用資料集、分段器或編碼無關。

定位鑑別資訊：虹膜辨識系統(100)藉由對兩個已對準碼之間的距離進行定限來判定匹配。配對之對之間的距離應小於非配對之對之間的距離。配對之對為來自同一眼睛之兩個碼之集合，而非配對之對為來自不同眼睛之兩個碼之集合。使用漢明距離之配對分佈及非配對分佈(分數分佈)來顯現辨識系統之可能操作。

參看圖3A及3B，描繪配對分數分佈及非配對分數分佈之兩個集合。在良好之辨識系統146中，所有配對分數147均低於決策臨限值148且非配對分數149高於臨限值148。在不良之辨識系統150中，存在高於決策臨限值152之配對分數151及低於臨限值152之非配對分數153。因此，映射至直方圖之此等區域151及153之虹膜比較將引起誤差。

在圖3B中，每一列之鑑別能力為其促進配對分數分佈與非配對分數分佈之間的整體分離的能力。提議使用克默果夫-史密洛夫(Kolmogorov-Smirnov,KS)分析以量測每一列之能力。KS分析返回在沿定義域之給定點處累積分佈函數(CDF)之間的距離。以等式表示：KS (row _i )=CDF _M (row _i )-CDF _NM (row _i )(3)，其中CDF _M 及CDF _NM 分別為配對分數及非配對分數之累積分佈。對於吾人之工作而言，在配對CDF處於0.9(亦即，90%之配對之對的距離低於此臨限值)時量測配對CDF與非配對CDF之差異。在辨識方面，當真陽性率(true positive rate)為0.9時，KS距離為真陰性率(true negative rate)。

假設虹膜之各種區域之KS距離將不同。接近瞳孔之區為易變的，此係因為其隨著擴張(不準確分段)而波動，因此其將具有較低鑑別能力。

參看圖4，虹膜中間之帶158將具有高資訊含量(相關區域)，因為其富含大量靜態紋理。最靠近鞏膜之區域缺乏紋理，所以其可能具有較低值(歸因於不準確展開，其亦可為較多變的)。具有最高個體KS分數之區域對完全分佈之間的分離提供最大貢獻且因此對辨識最有價值。

KS分析將著重於虹膜內之相關寬環形區域160。此相關區域160可藉由對其中之紋理進行子取樣以判定子樣本162而進一步減小。詳言之，虹膜碼(環)中的一列可能並不與其上方或下方之列存在很大不同。然而，為了對相關區域160進行適當子取樣，需要理解紋理之局部性。為達成此目的，量測虹膜碼中之每一列與所有其他列之相關性。所使用之相關性量測簡單地為：或，等效地Cor _{(i , j)} =1-HD(row _i ,row _j ) 　(5)。

相關性分析展示相距至多某一距離之鄰近列之間的高局部相關性。因此，相關鄰近區域之寬度將指示適當列取樣率。

藉由使用上文之分析方法，開發將全長度虹膜碼(FLIC)轉換為短長度虹膜碼(SLIC)之變換。初始KS分析將著重於相關區域，且對彼區域之均勻取樣將擷取最佳地編碼識別碼之特徵。樣本將富含全域紋理且具有高鑑別能力。所得SLIC將具有引起較快辨識之較小覆蓋區且應具有大致相同的效能。

參看圖5，一展示自FLIC構造SLIC之區塊/流程圖經說明性地展示。使用已知資料集測試所提議之方法。此資料庫具有92隻眼睛的5種影像。為了自此等影像產生虹膜碼，首先將虹膜分段且展開。將資料庫中之所有影像分段。展開之紋理及遮罩之目視檢驗移除不良分段之個例。所得資料庫為具有作者判定經充分分段及編碼之85隻眼睛之子集。

藉由一維對數伽柏濾波器組(bank of 1D log Gabor filter)自展開之虹膜擷取紋理。初始展開之虹膜影像為360×64像素且虹膜碼為360×128。此全長度虹膜碼(FLIC)之一半對應於來自濾波器組之真實部分且一半對應於假想部分。

將「原始(clean)」子集進一步分割成訓練集合及測試集合。訓練集合用於以下區段中之所有分析，而保留測試集合以進一步驗證預測。總共23隻眼睛(115個碼)用於推斷統計量。接著將所有85隻眼睛用於測試。

在區塊202中，藉由首先產生一所有已對準對集合來判定FLIC至SLIC變換之參數。此包括產生配對之虹膜碼對及非配對之虹膜碼對。在區塊204中，自115個虹膜碼，發現所有對(自同一個體及自不同人)之對準。在區塊206中，針對已對準碼中之所有列計算漢明距離。在區塊208中，使用最小漢明距離作為準則，且使用至多180度之補償範圍以分析每一列之匹配分數分佈及非匹配分數分佈(例如，相對於一碼移位另一碼使得正規化漢明距離最小化)。若兩個碼之間的距離為小的，則認為其來自同一人之同一隻眼睛。在判定全部位元之數目中不同位元之數目的情況下使用正規化漢明距離。將源自同一眼睛之碼對標記為配對且將來自不同眼睛之碼對標記為非配對。

在區塊210中，藉由如等式3所描述之KS分析來量測虹膜碼中之每一列的鑑別能力。在此曲線中，虹膜碼之真實部分與假想部分兩者均具有相同的一般形狀。與映射至虹膜之中間區域的列相比，接近於瞳孔及鞏膜之區域經展示具有較低鑑別能力。舉例而言，可由此曲線判定主要相關區域在虹膜碼之真實部分與假想部分兩者之第10列與第52列之間。選擇具有最高鑑別能力之列。在區塊212中，使用選定列以用於索引或快速虹膜辨識。

吾人推論出：對相關區域進行均勻取樣將為足夠的。為證明此推論且判定足夠取樣率，檢驗虹膜碼中之紋理圖案之局部相關性。產生訓練集合中之每一虹膜碼之所有列的相關性矩陣。藉由跨越所有訓練個例使矩陣之每一元素平均化來產生平均相關性矩陣。接著使用主要對角線周圍的投影以產生圖6中之曲線。由此曲線可見在約10個列後相關性減弱，從而表明隔開如此遠之列含有實質上不同之資訊。

參看圖7，說明性地描繪短虹膜表示302。短長度虹膜碼(SLIC)變換315為較佳對虹膜之中帶進行取樣之碼層級操作。藉由定位及擷取具有高鑑別能力之虹膜碼區域來產生SLIC 302，意謂此等列對分離匹配對與非匹配對起最大作用。因為瞳孔之生理機能，所以「有用」列在虹膜碼中得以識別。

由訓練虹膜碼對之集合，較佳執行克默果夫-史密洛夫分析以定位具有最多資訊含量之虹膜碼的列。本發明者發現虹膜之中心部分(映射至虹膜碼之中間列)為鑑別紋理之主體所駐留之區域。接著，對此區域中之列均勻取樣以產生新的較短虹膜碼。在一實例中，將FLIC 340(360×128像素)減小為SLIC 302中之360×10像素。

為了選擇「有用」列，使用一訓練資料集合。藉由使用可用虹膜影像分析工具，產生全長度虹膜碼(FLIC)340。本發明方法自FLIC 340產生SLIC 302。自訓練集合學習關於如何自FLIC產生SLIC之資訊。一旦已學習該程序，便可將其用於使用SLIC本身之虹膜碼之匹配程序。

藉由應用該方法，可藉由消除對決策產生過程不起很大作用之冗餘列來顯著減小虹膜碼大小。在實驗中，本發明提供為原始碼之1/10(例如，FLIC=360×64×2=5760個位元組對SLIC=360×5×2=450個位元組)但具有大致相同之匹配準確度的虹膜碼。此情形允許以諸如2D條形碼之較小格式儲存虹膜碼。由於待比較之位元較少，因此該等方法亦可用於較快匹配虹膜碼。

因此，已描述產生較小但仍有效之虹膜碼之系統及方法。已說明性地使用KS統計量以分析虹膜碼中之不同列之鑑別能力。該分析揭露第10列至第52列對配對分數分佈與非配對分數分佈之分離起最大作用。接著使用自相關索引以藉由對此區域內之列進行取樣(例如，每10列進行取樣為足夠的)來進一步減小虹膜碼大小。所測試資料集在經驗上展示所得短長度虹膜碼維持可與全長度虹膜碼相當之準確性。由於虹膜碼大小減小了一個數量級，因此整個系統相應較快且使用較少記憶體。所導出之緊密虹膜碼亦更易於儲存於智慧卡、磁條、2D條形碼等中。應注意，在習知系統中，存在關於將虹膜碼儲存於攜帶型媒體(諸如，ID卡)上之問題。典型磁條保存幾百個位元組而2D條形碼限於數千個位元組。當前虹膜碼不適用於磁條且增加2D條形碼技術之限制。智慧卡可保存數千個位元組，但通常不為全長度虹膜碼(360×128)所需的5.76 Kb。

參看圖8，根據一實施例說明性地展示用於基於虹膜影像之資料庫產生緊密虹膜表示之方法。在區塊402中，在資料庫中產生或提供虹膜影像之全長度虹膜碼，其中全長度虹膜碼包括對應於相關聯虹膜影像中之圓周環之複數個部分。此較佳包括虹膜碼中之瞳孔與鞏膜之間的相關區域。

在區塊404中，針對全長度虹膜碼計算真分數分佈及假分數分佈(參看(例如)圖3)。在區塊406中，識別具有相對於臨限值提供假分佈與真分佈之間的分離之貢獻的碼部分。此步驟可包括計算已對準碼中之所有列之漢明距離，其中使用最小漢明距離作為準則以分析每一列之真分數分佈及假分數分佈。較佳關於虹膜碼之真實部分與假想部分兩者識別虹膜碼之列中之碼部分(例如，虹膜碼中瞳孔與鞏膜之間，且更特定言之(例如)第10列與第52列之間的部分)。在區塊407中，可對相關區域中之列執行子取樣以進一步降低計算複雜性。

在區塊408中，量測剩餘碼部分之間的相關性。在區塊410中，產生子集內具有低相關性之碼部分之子集以產生緊密虹膜表示。此步驟包括判定虹膜碼中之列之鑑別能力。選擇具有對子集之最高鑑別能力之虹膜碼中之列。可藉由克默果夫-史密洛夫(KS)分析來量測鑑別能力。

在區塊412中，藉由使用此方法中學習之資訊，可判定全長度虹膜碼至緊密虹膜碼變換之參數。此提供可容易地轉換所有全長度虹膜碼之方法。藉由產生一所有已對準對集合，可收集資訊，其輔助判定用於產生最佳緊密虹膜碼之最佳列或位置。

參看圖9，說明性地展示用於基於虹膜影像之資料庫產生緊密虹膜表示之系統500。系統500可用於將FLIC碼變換成SLIC碼，或可用於產生執行此任務之變換。系統500包括資料庫502，其經組態以儲存所有虹膜影像之全長度虹膜碼504。每一虹膜碼504包括對應於相關聯虹膜影像中之圓周環的複數個部分。可使用掃描器或感測器510將影像搜集入資料庫502中，但亦可自記憶體器件、網路等下載影像。

處理器512經組態以針對虹膜碼計算真分數分佈及假分數分佈且判定虹膜碼之哪些碼部分對假分佈與真分佈之間的分離提供最高貢獻。此分離指示獨特性。處理器512亦經組態以量測剩餘碼部分之間的相關性以判定子集內具有最低相關性之碼部分之子集，使得自子集產生緊密虹膜表示514。子集資訊提供用於在無對準確度之任何顯著損害情況下減小全長度虹膜碼之大小的高鑑別力碼資料。緊密虹膜碼可載入至器件上，諸如手持型計算器件、電子器件或需要判定使用者之安全性或識別碼的任何器件。緊密虹膜碼減小儲存虹膜碼所需的記憶體空間量。此展現在先前歸因於記憶體限制而不能使用此技術之器件中使用虹膜辨識之可能性。

在一實施例中，系統500產生變換520以產生緊密虹膜碼。變換520基於學習之判定高鑑別力資訊之資訊將全長度虹膜碼轉換為緊密虹膜碼。變換520可用於其他器件以將FLIC轉換為SLIC。此提供轉換FLIC資料庫之簡易方法。變換520可為可逆的。

已描述用於產生及使用短長度虹膜碼之系統及方法之較佳實施例(其意欲為說明性且非限制性的)，應注意，熟習此項技術者可鑒於以上教示做出修改及變化。因此應理解，可在所揭示之特定實施例中進行在由所附申請專利範圍所概述之本發明之範疇及精神內的改變。在以細節及專利法所需的特殊性而如此描述本發明之態樣後，所主張及所要由專利證書所保護之內容闡述於所附申請專利範圍中。

100．．．虹膜辨識系統

102．．．全長度虹膜碼

110．．．區塊

112．．．區塊

113．．．矩形範本

115．．．濾波器遮罩/濾波器

116．．．咬合口

117．．．濾波器遮罩/濾波器

120．．．編碼

140．．．眼睛之個例

142．．．眼睛之個例

146．．．辨識系統

147．．．配對分數

148．．．決策臨限值

149．．．非配對分數

150．．．辨識系統

151．．．配對分數

152．．．決策臨限值

153．．．非配對分數

158．．．虹膜中間之帶

160．．．相關寬環形區域

162．．．子樣本

302．．．短虹膜表示

315．．．短長度虹膜碼變換

340．．．全長度虹膜碼

500．．．用於基於虹膜影像之資料庫產生緊密虹膜表示之系統

502．．．資料庫

504．．．全長度虹膜碼

510．．．掃描器/感測器

512．．．處理器

514．．．緊密虹膜表示

520．．．變換

圖1為展示虹膜碼之產生的圖；

圖2展示兩種眼睛旋轉之實例；

圖3A展示配對虹膜及非配對虹膜之分數分佈之曲線；

圖3B展示配對分數及非配對分數之累積機率對分數的曲線，其亦展示0.90 KS距離；

圖4為展示分佈分離對虹膜位置且進一步描繪具有最高分離之相關區域之眼睛影像的曲線圖；

圖5為根據一實施例之用於產生緊密虹膜碼之系統/方法的區塊/流程圖；

圖6為用以展示列之局部相關性之相關性量測對列偏移的曲線圖；

圖7為展示根據一實施例之FLIC變換為SLIC之圖；

圖8為根據另一實施例之用於產生緊密虹膜碼之系統/方法的區塊/流程圖；及

圖9為根據有用實施例之用於產生緊密虹膜碼之系統的區塊/流程圖。

100．．．虹膜辨識系統

102．．．全長度虹膜碼

110．．．區塊

112．．．區塊

113．．．矩形範本

115．．．濾波器遮罩/濾波器

116．．．咬合口

117．．．濾波器遮罩/濾波器

120．．．編碼

Claims (19)

1. 一種用於基於虹膜影像之一資料庫產生緊密虹膜表示之方法，該方法包含：針對一資料庫中之虹膜影像之全長度虹膜碼計算真分數分佈及假分數分佈，其中該等全長度虹膜碼包括對應於一相關聯虹膜影像中之圓周環的複數個部分；識別及保留具有相對於一臨限值提供假分佈與真分佈之間的分離之一貢獻的碼部分；量測剩餘碼部分之間的一相關性；及產生子集內具有低相關性之該等剩餘碼部分之一子集以產生一緊密虹膜表示。
2. 如請求項1之方法，其進一步包含藉由產生一所有已對準對集合來判定一全長度虹膜碼至緊密虹膜碼變換之參數。
3. 如請求項2之方法，其中識別碼部分包括：針對一已對準碼中之所有列計算一漢明距離，其中一最小漢明距離用作一準則以分析每一列之真分數分佈及假分數分佈。
4. 如請求項1之方法，其中該分離係基於一虹膜碼中之列之一鑑別能力；或其中鑑別能力係藉由一克默果夫-史密洛夫(KS)分析來量測。
5. 如請求項1之方法，其中產生一子集包括選擇一虹膜碼中之具有對該子集之最高鑑別能力的列；或其中鑑別能力係藉由一克默果夫-史密洛夫(KS)分析來量測。
6. 如請求項1之方法，其中識別碼部分包括：針對一虹膜碼之一真實部分與假想部分兩者識別該虹膜碼之列中之碼部分。
7. 如請求項1之方法，其中產生碼部分之一子集包括：對該虹膜碼之第10列與第52列之間的一相關區域中之列進行子取樣。
8. 如請求項1之方法，其中產生一子集包括：計算來自同一虹膜影像之兩個部分之間的一漢明距離；及在該資料庫中之該等虹膜影像上對此距離進行一平均操作。
9. 一種電腦可讀儲存媒體，其包含用於基於虹膜影像之一資料庫產生緊密虹膜表示之一電腦可讀程式，其中當在一電腦上執行時該電腦可讀程式使該電腦執行以下步驟：針對一資料庫中之虹膜影像之全長度虹膜碼計算真分數分佈及假分數分佈，其中該等全長度虹膜碼包括對應於一相關聯虹膜影像中之圓周環的複數個部分；識別及保留具有相對於一臨限值提供假分佈與真分佈之間的分離之一貢獻的碼部分；量測剩餘碼部分之間的一相關性；及產生子集內具有低相關性之該等剩餘碼部分之一子集以產生一緊密虹膜表示。
10. 如請求項9之電腦可讀儲存媒體，其進一步包含藉由產生一所有已對準對集合來判定一全長度虹膜碼至緊密虹膜碼變換之參數；或其中識別碼部分包括一已對準碼中之所有列計算一漢明距離，其中一最小漢明距離用作一準則以分析每一列之真分數分佈及假分數分佈。
11. 如請求項9之電腦可讀儲存媒體，其中該分離係基於一虹膜碼中之列之一鑑別能力；或其中鑑別能力係藉由一克默果夫-史密洛夫(KS)分析來量測。
12. 如請求項9之電腦可讀儲存媒體，其中產生一子集包括選擇一虹膜碼中之具有對該子集之最高鑑別能力的列；或其中鑑別能力係藉由一克默果夫-史密洛夫(KS)分析來量測。
13. 如請求項9之電腦可讀儲存媒體，其中識別碼部分包括針對一虹膜碼之一真實部分與假想部分兩者識別該虹膜碼之列中之碼部分。
14. 如請求項9之電腦可讀儲存媒體，其中產生碼部分之一子集包括對該虹膜碼之第10列與第52列之間的一相關區域中之列進行子取樣。
15. 如請求項9之電腦可讀儲存媒體，其中產生一子集包括計算來自同一虹膜影像之兩個部分之間的一漢明距離及在該資料庫中之該等虹膜影像上對此距離進行一平均操作。
16. 一種用於基於虹膜影像之一資料庫產生緊密虹膜表示之系統，該系統包含：一資料庫，其經組態以儲存所有虹膜影像之全長度虹膜碼，其中每一虹膜碼包括對應於一相關聯虹膜影像中之圓周環的複數個部分；及一處理器，其經組態以針對虹膜碼之該等部分計算真分數分佈及假分數分佈且判定該等虹膜碼之哪些碼部分對假分佈與真分佈之間的一分離提供一最高貢獻，該處理器經組態以量測剩餘碼部分之間的一相關性以判定子集內具有最低相關性之該等碼部分之一子集，使得自該子集產生一緊密虹膜表示。
17. 如請求項16之系統，其進一步包含自該子集產生一變換以產生緊密虹膜碼。
18. 如請求項16之系統，其中處理器執行用於識別最高貢獻碼部分之程式碼，該識別係藉由針對一已對準碼中之所有列計算一漢明距離來進行，其中一最小漢明距離用作一準則以分析每一列之真分數分佈及假分數分佈；且碼部分之該子集包括對一虹膜碼中之列之一最高鑑別能力；或其中該分離係藉由一克默果夫-史密洛夫(KS)分析來量測。
19. 如請求項16之系統，其中具有一最高貢獻之該等碼部分包括該虹膜碼之一真實部分與假想部分兩者之第10列與第52列之間的一虹膜碼之列。