TWI659364B - 電子裝置、虹膜辨識方法以及電腦可讀式媒體 - Google Patents
電子裝置、虹膜辨識方法以及電腦可讀式媒體 Download PDFInfo
- Publication number
- TWI659364B TWI659364B TW107111922A TW107111922A TWI659364B TW I659364 B TWI659364 B TW I659364B TW 107111922 A TW107111922 A TW 107111922A TW 107111922 A TW107111922 A TW 107111922A TW I659364 B TWI659364 B TW I659364B
- Authority
- TW
- Taiwan
- Prior art keywords
- image
- feature
- iris
- iris image
- processor
- Prior art date
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
- 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
- G06V40/197—Matching; Classification
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Ophthalmology & Optometry (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Collating Specific Patterns (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
一種電子裝置、虹膜辨識方法及非揮發性可讀式電腦媒體。電子裝置中的處理器獲得第一及第二虹膜影像,並依據第一及第二虹膜影像以分別計算出非均勻排列的多個第一及第二特徵標示框。處理器利用第一特徵標示框以從第一及第二虹膜影像分別獲得第一及第二影像特徵,並將第一及第二影像特徵進行比對以獲得第一辨識結果。處理器利用第二特徵標示框以從第二及第一虹膜影像分別獲得第三及第四影像特徵,並將第三及第四影像特徵進行比對以獲得第二辨識結果。處理器依據第一及第二辨識結果判斷第一及第二虹膜影像的相似程度。
Description
本發明是有關於一種虹膜辨識技術,且特別是有關於一種可以提升虹膜辨識準確度的電子裝置、虹膜辨識方法以及電腦可讀式媒體。
目前的消費型電子裝置(如,平板電腦、智慧型手機…等)希望能夠透過生物特徵識別技術(如,虹膜辨識、指紋辨識)來讓特定使用者進行啟動,從而保護消費型電子裝置中的資料及隱私。在虹膜辨識技術中,擷取人眼的虹膜影像十分容易因為環境變化而影響到虹膜影像的品質。舉例來說,受到不同角度、強度的陽光投射後可能導致虹膜影像部分紋理的改變、因戶外光線過強而導致虹膜影像過曝而讓紋理消失、或因影像對比度過強而導致虹膜影像中的細節紋理消失…等情況,從而降低電子裝置對虹膜影像的辨識準確度。
因此,如何有效地提升虹膜辨識的準確度,將是本領域技術人員重要的課題之一。
本發明提供一種電子裝置、虹膜辨識方法以及電腦可讀式媒體,其利用虹膜影像產生對應的特徵標示框,並透過預設的虹膜影像及經擷取的虹膜影像以雙向交叉比對方式以有效地進一步提升虹膜辨識的準確度。
本發明的電子裝置包括處理器以及影像擷取器。處理器獲得第一虹膜影像,依據第一虹膜影像以計算出非均勻排列的多個第一特徵標示框,並利用第一特徵標示框以從第一虹膜影像獲得第一影像特徵。影像擷取器用以擷取第二虹膜影像。處理器透過影像擷取器獲得第二虹膜影像,利用第一特徵標示框以從第二虹膜影像獲得第二影像特徵,將第一影像特徵及第二影像特徵進行比對以獲得第一辨識結果。處理器依據第二虹膜影像以計算出非均勻排列的多個第二特徵標示框,並利用第二特徵標示框以從第二虹膜影像獲得第三影像特徵。處理器利用第二特徵標示框以從第一虹膜影像獲得第四影像特徵,將第三影像特徵及第四影像特徵進行比對以獲得第二辨識結果。並且,處理器依據第一辨識結果及第二辨識結果判斷第一虹膜影像及第二虹膜影像的相似程度。
在本發明的虹膜辨識方法包括:獲得第一虹膜影像,依據第一虹膜影像以計算出非均勻排列的多個第一特徵標示框,並利用第一特徵標示框以從第一虹膜影像獲得第一影像特徵。擷取第二虹膜影像。利用第一特徵標示框以從第二虹膜影像獲得第二影像特徵,將第一影像特徵及第二影像特徵進行比對以獲得第一辨識結果。依據第二虹膜影像以計算出非均勻排列的多個第二特徵標示框,並利用第二特徵標示框以從第二虹膜影像獲得第三影像特徵,利用第二特徵標示框以從第一虹膜影像獲得第四影像特徵,將第三影像特徵及第四影像特徵進行比對以獲得第二辨識結果。依據第一辨識結果及第二辨識結果判斷所第一虹膜影像及第二虹膜影像的相似程度。
本發明的非揮發性電腦可讀式媒體用以儲存多個程式碼,其中這些程式碼適於載入處理器中,並以執行如上所述之虹膜辨識方法。
基於上述,本發明實施例所述的電子裝置透過偵測第一虹膜影像(如,註冊階段時輸入的虹膜影像)中部分影像區域是否具備較強紋理特徵而產生對應的特徵標示框,並利用此特徵標示框來判斷第一虹膜影像與第二虹膜影像(如,經擷取的虹膜影像)是否相近。並且,本實施例同時透過第二虹膜影像產生對應的特徵標示框,並利用此特徵標示框來判斷第一虹膜影像與第二虹膜影像的相似程度。如此一來,處理器可以透過雙向交叉比對第一虹膜影像及第二虹膜影像的相似程度的方式,藉以提升虹膜辨識的準確性及容錯性。
為讓本發明的上述特徵和優點能更明顯易懂,下文特舉實施例,並配合所附圖式作詳細說明如下。
圖1是依照本發明一實施例說明一種電子裝置100的方塊圖。電子裝置100包括影像擷取器110、處理器120、記憶體130以及顯示器140。在本實施例中,處理器120耦接至影像擷取器110,用以獲得第一虹膜影像IM1及第二虹膜影像IM2。處理器120獲得第一虹膜影像IM1的方式可以是影像擷取器110於第一時間點時所擷取的第一虹膜影像IM1,或者是使用者預先儲存於記憶體130的影像資料(如,具有使用者的人眼影像的照片或影像)。處理器120獲得第二虹膜影像IM2的方式可以是影像擷取器110於第一時間點後的第二時間點時所擷取的第二虹膜影像IM2。處理器120更可以用以判斷第一虹膜影像IM1及第二虹膜影像IM2的相似程度以提供判斷結果CR。
記憶體130耦接至影像擷取器110及處理器120,用以儲存多個第一特徵標示框及多個第二特徵標示框。顯示器140耦接至處理器120,用以接收判斷結果CR,並將判斷結果CR呈現於顯示器140。
在本實施例中,電子裝置100可以例如是筆記型電腦、平板電腦、智慧型手機、個人數位助理(Personal Digital Assistant,PDA),並不限於此。影像擷取器110可以例如是照相機、紅外線或可見光攝影機等具有擷取或拍攝影像功能的電子裝置,並不限於此。使用者可以利用影像擷取器110來擷取或拍攝自身或他人的人眼影像,以獲得人眼影像中的虹膜影像(如,第一虹膜影像IM1或第二虹膜影像IM2)。另一方面,處理器120可以例如是中央處理單元(Central Processing Unit,CPU),或是其他可程式化之一般用途或特殊用途的微處理器(Microprocessor)、數位信號處理器(Digital Signal Processor,DSP)、可程式化控制器、特殊應用積體電路(Application Specific Integrated Circuit,ASIC)或其他類似元件或上述元件的組合,但不限於此。記憶體130可以例如是可變電阻式記憶體(Resistive Random-Access Memory,RRAM)、鐵電隨機存取記憶體(Ferroelectric RAM,FeRAM)、磁阻隨機存取記憶體(MagnetoresistiveRAM,MRAM)、相變式隨機存取記憶體(Phase changeRAM,PRAM)、導通微通道記憶體(Conductive bridge RAM, CBRAM),但不限於此。顯示器140可以例如是液晶顯示面板(Liquid-Crystal Display,LCD)或有機發光二極體面板(Organic Light-Emitting Diode,OLED)等具有顯示功能的裝置。
在本實施例中,第一虹膜影像IM1及第二虹膜影像IM2分別可以例如是使用者於註冊階段(亦即第一時間點)時輸入的虹膜影像(如,註冊虹膜影像)及經影像擷取器110於第二時間點時所擷取的虹膜影像(如,測試虹膜影像)。第一虹膜影像IM1及第二虹膜影像IM2分別可以是灰階影像或彩色影像,但本發明實施例並不限於此。上述的註冊階段可以例如是當使用者欲啟動或解鎖電子裝置100前,預先於第一時間點時,透過影像擷取器110來擷取或拍攝自身或他人的人眼影像,或者,使用者也可以預先於第一時間點時,將自身或他人的人眼影像儲存至記憶體130,以使處理器120可以透過影像擷取器110或記憶體130來獲得人眼影像中的虹膜影像(如,第一虹膜影像IM1),以供後續啟動或解鎖電子裝置100時的參考樣本。
以下請同時參照圖1、圖2以及圖3,圖2是依照本發明一實施例說明一種虹膜辨識方法的流程圖,圖3是依照本發明一實施例說明一種第一虹膜影像及第二虹膜影像的雙向交叉比對方法的示意圖。在步驟S210中,處理器120可以透過影像擷取器110或從使用者預先儲存於記憶體130的人眼影像來獲得第一虹膜影像IM1。處理器120可以依據第一虹膜影像IM1來計算出非均勻排列的多個第一特徵標示框MB1_1~MB1_N。接著,處理器120可以利用這些第一特徵標示框MB1_1~MB1_N以從第一虹膜影像IM1來獲得第一影像特徵IC1。
詳細來說,在本實施例中,處理器120可以針對第一虹膜影像IM1中的多個影像區域依序的進行偵測,以判斷各個影像區域是否具備較強紋理特徵。舉例來說,若處理器120判斷第一虹膜影像IM1中所偵測的影像區域的特徵值大於一臨界值時,則表示該影像區域具備較強紋理特徵,處理器120可以依據該影像區域的特徵值來計算出該影像區域的特徵標示框,並接續偵測下一個影像區域。相對的,若處理器120判斷第一虹膜影像IM1中所偵測的影像區域的特徵值小於一臨界值時,則表示該影像區域不具備較強紋理特徵,處理器120可以忽略該影像區域的特徵值,並接續偵測下一個影像區域。藉此,在第一虹膜影像IM1中,處理器120可以依據特徵值大於所述臨界值的影像區域來計算出非均勻排列的多個第一特徵標示框MB1_1~MB1_N。處理器120可以利用這些第一特徵標示框MB1_1~MB1_N以從第一虹膜影像IM1來獲得第一影像特徵IC1。
在步驟S220中,使用者可以例如是在陽光下或戶外環境中,利用影像擷取器110來擷取第二虹膜影像IM2(如,使用者的人眼影像),但並不限於此。
在步驟S230中,處理器120可以透過影像擷取器110來獲得第二虹膜影像IM2(如,使用者於陽光下或戶外環境中所拍攝的人眼影像)。值得一提的是,在本實施例中,處理器120可以利用這些第一特徵標示框MB1_1~MB1_N以從第二虹膜影像IM2來獲得第二影像特徵IC2。處理器120可以將上述的第一影像特徵IC1及第二影像特徵IC2進行比對以獲得第一辨識結果A1。其中,在圖3中,第一影像特徵IC1具有18個由第一虹膜影像IM1獲得的虹膜影像特徵,第二影像特徵IC2中具有18個由第二虹膜影像IM2獲得的虹膜影像特徵。
具體來說,處理器120可以依序對應的比對第一影像特徵IC1中的18個虹膜影像特徵及第二影像特徵IC2中的18個虹膜影像特徵中相似的局部特徵,以判斷出第一影像特徵IC1及第二影像特徵IC2中各個對應的虹膜影像特徵的相似程度。處理器120可以依據各個對應的虹膜影像特徵的相似程度來獲得第一辨識結果A1。在第一辨識結果A1中,符號O表示該直行的第一影像特徵IC1中的虹膜影像特徵與第二影像特徵IC2中的虹膜影像特徵實質上相似,符號X表示該直行的第一影像特徵IC1中的虹膜影像特徵與第二影像特徵IC2中的虹膜影像特徵實質上不相似。
在步驟S240中,處理器120可以依據第二虹膜影像IM2來計算出非均勻排列的多個第二特徵標示框MB2_1~MB2_N。接著,處理器120可以利用這些第二特徵標示框MB2_1~MB2_N以從第二虹膜影像IM2來獲得第三影像特徵IC3。
詳細來說,在本實施例中,處理器120可以針對第二虹膜影像IM2中的多個影像區域依序的進行偵測,以判斷各個影像區域是否具備較強紋理特徵。舉例來說,若處理器120判斷第二虹膜影像IM2中所偵測的影像區域的特徵值大於一臨界值時,則表示該影像區域具備較強紋理特徵,處理器120可以依據該影像區域的特徵值來計算出該影像區域的特徵標示框,並接續偵測下一個影像區域。相對的,若處理器120判斷第二虹膜影像IM2中所偵測的影像區域的特徵值小於一臨界值時,則表示該影像區域不具備較強紋理特徵,處理器120可以忽略該影像區域的特徵值,並接續偵測下一個影像區域。藉此,在第二虹膜影像IM2中,處理器120可以依據特徵值大於所述臨界值的影像區域來計算出非均勻排列的多個第二特徵標示框MB2_1~MB2_N。處理器120可以利用這些第二特徵標示框MB2_1~MB2_N以從第二虹膜影像IM1來獲得第三影像特徵IC3。
在本實施例中,處理器120可以利用這些第二特徵標示框MB2_1~MB2_N以從第一虹膜影像IM1來獲得第四影像特徵IC4。處理器120可以將上述的第三影像特徵IC3及第四影像特徵IC4進行比對以獲得第二辨識結果A2。其中,在圖3中,第三影像特徵IC3具有18個由第二虹膜影像IM2獲得的虹膜影像特徵,第四影像特徵IC4中具有18個由第一虹膜影像IM1獲得的虹膜影像特徵。
具體來說,處理器120可以依序對應的比對第三影像特徵IC3中的18個虹膜影像特徵及第四影像特徵IC4中的18個虹膜影像特徵中相似的局部特徵,以判斷出第三影像特徵IC3及第四影像特徵IC4中各個對應的虹膜影像特徵的相似程度。處理器120可以依據各個對應的虹膜影像特徵的相似程度來獲得第二辨識結果A2。在第二辨識結果A2中,符號O表示該行的第三影像特徵IC3中的虹膜影像特徵與第四影像特徵IC4中的虹膜影像特徵實質上相似,符號X表示該行的第三影像特徵IC3中的虹膜影像特徵與第四影像特徵IC4中的虹膜影像特徵實質上不相似。
在步驟S250中,處理器120可以依據所述第一辨識結果A1及第二辨識結果A2來判斷出第一虹膜影像IM1及第二虹膜影像IM2的相似程度。處理器120可以將所述第一辨識結果A1及第二辨識結果A2所分別計算出的相似程度進行平均,以獲得雙向交叉比對後的計算結果。舉例來說,若所述雙向交叉比對後的計算結果為接近1的數值時,表示第一虹膜影像IM1及第二虹膜影像IM2的影像特徵實質上相似。相對的,若所述交叉比對後的計算結果為接近0的數值時,表示第一虹膜影像IM1及第二虹膜影像IM2的影像特徵實質上不相似。
在本實施例中,上述的非均勻排列意指處理器120僅依據第一虹膜影像IM1及第二虹膜影像IM2中,特徵值大於所述臨界值的影像區域(亦即具備高紋理特徵的影像區域)來計算出多個第一特徵標示框MB1_1~MB1_N及第二特徵標示框MB2_1~MB2_N,而處理器120將會忽略掉特徵值小於所述臨界值的影像區域(亦即不具備高紋理特徵的影像區域)。相較於習知技術是透過將虹膜影像中的影像區域平均劃分成預設等分後,直接計算出該虹膜影像的特徵標示框的方式,本實施例的非均勻排列的多個第一特徵標示框MB1_1~MB1_N及第二特徵標示框MB2_1~MB2_N可以使後續的雙向交叉比對方法更能夠提升虹膜辨識的準確性及容錯性。
以下請同時參照圖1至圖4,圖4是依照本發明一實施例說明特徵定位單元及交叉比對單元的示意圖。在本實施例中,處理器120更包括特徵定位單元410及交叉比對單元420。其中,特徵定位單元410耦接至交叉比對單元420。特徵定位單元410包括虹膜影像正規化單元411以及特徵標示框分析單元412。交叉比對單元420包括註冊判斷單元421、接收單元422、423、分析單元424、425、比對單元426、427、交叉分析單元428、儲存單元M1~M3。其中,上述的特徵定位單元410及交叉比對單元420可以例如是軟體或韌體模組所構成,但本發明並不限於此。
在本實施例中,特徵定位單元410可以接收第一虹膜影像IM1及第二虹膜影像IM2。特徵定位單元410可以利用虹膜影像正規化單元411來將第一虹膜影像IM1及第二虹膜影像IM2進行正規化及比對特徵計算。
進一步來說,本實施例的虹膜影像正規化單元411可以藉由微積分運算子(Integrodifferential Operator)或霍夫轉換(Hough Transform)運算方法來獲得第一虹膜影像IM1及第二虹膜影像IM2中的虹膜區域分割資訊,並將所述虹膜區域分割資訊經由橡膠板模型(Rubber Sheet Model)轉換至極座標,以獲得經正規化後的第一虹膜影像IM1x及第二虹膜影像IM2x,以進一步的排除瞳孔對於虹膜辨識的影響。
虹膜影像正規化單元411可以將第一虹膜影像IM1x及第二虹膜影像IM2x進一步的利用莫萊小波(Gabor Wavelet)、局部二值模式(Local Binary Pattern)或方向梯度直方圖(Histogram Of Oriented Gradient)等轉換方式,來獲得第一虹膜影像IM1x及第二虹膜影像IM2x中較為明顯或突出的影像特徵(如,第一虹膜影像IM1及第二虹膜影像IM2的邊框或細部的紋理)。
在本實施例中,特徵標示框分析單元412耦接至虹膜影像正規化單元411,以接收經正規化後的第一虹膜影像IM1x及第二虹膜影像IM2x。特徵標示框分析單元412可以將第一虹膜影像IM1x及第二虹膜影像IM2x分別經由邊界強化或紋理量化的處理方法來獲得多個第一特徵標示框MB1_1~MB1_N及多個第二特徵標示框MB2_1~MB2_N。
特徵標示框分析單元412可以利用索貝爾算子(Sobel Operator)、高斯拉普拉斯(Laplacian Of Gaussian)或紋理能量測量(Texture Energy Measure)等紋理量化的處理方法,來獲得第一虹膜影像IM1x及第二虹膜影像IM2x的紋理強弱量化數據。並且,特徵標示框分析單元412可以依據所述紋理強弱量化數據來獲得多個第一特徵標示框MB1_1~MB1_N及多個第二特徵標示框第二特徵標示框MB2_1~MB2_N。
另一方面,交叉比對單元420可以利用註冊判斷單元421來判斷電子裝置100是否操作於註冊階段。當註冊判斷單元421判斷電子裝置100操作於註冊階段時,虹膜影像正規化單元411可以將第一虹膜影像IM1x儲存至儲存單元M2,並且特徵標示框分析單元412可以將多個第一特徵標示框MB1_1~MB1_N儲存至儲存單元M1。
相對的,當註冊判斷單元421判斷電子裝置100未操作於註冊階段時,虹膜影像正規化單元411可以將第二虹膜影像IM2x儲存至儲存單元M3。在此同時,接收單元422可以接收儲存於儲存單元M1的多個第一特徵標示框MB1_1~MB1_N,並且接收單元423可以接收特徵標示框分析單元412所提供的多個第二特徵標示框MB2_1~MB2_N。
在本實施例中,分析單元424可以接收多個第一特徵標示框MB1_1~MB1_N、第一虹膜影像IM1x以及第二虹膜影像IM2x。值得一提的是,分析單元424可以利用這些第一特徵標示框MB1_1~MB1_N以從第一虹膜影像IM1x獲得第一影像特徵IC1。分析單元424亦可以利用這些第一特徵標示框MB1_1~MB1_N以從第二虹膜影像IM2x獲得第二影像特徵IC2。
相對的,在本實施例中,分析單元425可以接收多個第二特徵標示框MB2_1~MB2_N、第一虹膜影像IM1x以及第二虹膜影像IM2x。值得一提的是,分析單元425可以利用這些第二特徵標示框MB2_1~MB2_N以從第二虹膜影像IM2x獲得第三影像特徵IC3。分析單元425亦可以利用這些第二特徵標示框MB2_1~MB2_N以從第一虹膜影像IM1x獲得第四影像特徵IC4。
在本實施例中,比對單元426可以接收第一影像特徵IC1及第二影像特徵IC2,比對單元426可以將第一影像特徵IC1及第二影像特徵IC2進行比對以獲得第一辨識結果A1。另一方面,比對單元427可以接收第三影像特徵IC3及第四影像特徵IC4,比對單元427可以將第三影像特徵IC3及第四影像特徵IC4進行比對以獲得第二辨識結果A2。
交叉分析單元428可以接收第一辨識結果A1及第二辨識結果A2,並且交叉分析單元428可以依據第一辨識結果A1及第二辨識結果A2來判斷第一虹膜影像IM1及第二虹膜影像IM2的相似程度,以提供判斷結果CR。需注意到的是,在圖4中,特徵定位單元410及交叉比對單元420中的各個單元的操作方法及比對方法皆相同或相似於圖2中的步驟S210~S250,在此則不多贅述。
圖5是依照本發明另一實施例說明多個第一虹膜影像及第二虹膜影像的雙向交叉比對方法的示意圖。在本實施例中,使用者依照自身的需求或使用的狀況,來決定影像擷取器110擷取第一虹膜影像IM1及第二虹膜影像IM2的數量。詳細來說,在本實施例中,處理器120可以於第一時間點時,透過影像擷取器110或從使用者預先儲存於記憶體130的人眼影像來獲得多個第一虹膜影像IM1_1~IM1_3。相對的,處理器120可以於第二時間點時,透過影像擷取器110來獲得多個第二虹膜影像IM2_1~IM2_2。藉此,本實施例可以藉由前一實施例的雙向交叉比對方法來比對多個第一虹膜影像IM1_1~IM1_3及第二虹膜影像IM2_1~IM2_2的相似程度。但本發明並不限於上述所舉例的數量。
圖6是依照本發明一實施例說明一種電子裝置的錯誤拒絕率-錯誤接受率的曲線圖。在圖6中,橫軸表示為電子裝置100的錯誤拒絕率(False Rejection Rate,FRR),縱軸表示為電子裝置100的錯誤接受率(False Acceptance Rate,FAR)。電子裝置100的錯誤拒絕率-錯誤接受率的曲線圖包括僅透過均勻比對方法來進行虹膜辨識的曲線610、僅透過偵測註冊虹膜影像的較強紋理特徵的比對方法來進行虹膜辨識的曲線620以及本發明所提出的虹膜辨識方法的曲線630。在本實施例中,電子裝置100可以利用處理器120來偵測第一虹膜影像IM1(如,註冊階段時輸入的虹膜影像)中部分影像區域是否具備較強紋理特徵而產生對應的特徵標示框,並利用此特徵標示框來判斷第一虹膜影像IM1與第二虹膜影像IM2(如,經擷取的虹膜影像)是否相近。並且,本實施例同時可以透過第二虹膜影像IM2產生對應的特徵標示框,並利用此特徵標示框來判斷第一虹膜影像IM1與第二虹膜影像IM2的相似程度。如此一來,在測試時間區間中,本實施例的虹膜辨識方法可以透過雙重交叉比對第一虹膜影像IM1及第二虹膜影像IM2的相似程度的方式,以使曲線630相較於曲線610及曲線620具有較低的錯誤拒絕率及錯誤接受率。
在本實施例中,使用者可以透過非揮發性可讀式電腦媒體來執行上述的虹膜辨識方法。此非揮發性可讀式電腦媒體可以是用以儲存多個程式碼(如,執行上述相關功能的程式碼,但並不限於此),並且這些程式碼可以載入至處理器中,以使此處理器執行上述的相關功能。順帶一提的是,此非揮發性可讀式電腦媒體可以例如是光碟、通用序列匯流排(Universal Serial Bus,USB)以及任何具有非揮發性特性的記憶裝置,但並不限於此。
綜上所述,本發明電子裝置可以透過處理器來偵測第一虹膜影像(如,註冊階段時輸入的虹膜影像)中部分影像區域是否具備較強紋理特徵而產生對應的特徵標示框,並利用此特徵標示框來判斷第一虹膜影像與第二虹膜影像(如,經擷取的虹膜影像)是否相近。並且,本實施例同時可以透過第二虹膜影像產生對應的特徵標示框,並利用此特徵標示框來判斷第一虹膜影像與第二虹膜影像的相似程度。如此一來,處理器可以透過雙向交叉比對第一虹膜影像及第二虹膜影像的相似程度的方式,藉以提升虹膜辨識的準確性及容錯性,以進一步降低錯誤拒絕率及錯誤接受率。
雖然本發明已以實施例揭露如上,然其並非用以限定本發明,任何所屬技術領域中具有通常知識者,在不脫離本發明的精神和範圍內,當可作些許的更動與潤飾,故本發明的保護範圍當視後附的申請專利範圍所界定者為準。
100‧‧‧電子裝置
110‧‧‧影像擷取器
120‧‧‧處理器
130‧‧‧記憶體
140‧‧‧顯示器
410‧‧‧特徵定位單元
411‧‧‧虹膜影像正規化單元
412‧‧‧特徵標示框分析單元
420‧‧‧交叉比對單元
421‧‧‧註冊判斷單元
422、423‧‧‧接收單元
424、425‧‧‧分析單元
426、427‧‧‧比對單元
428‧‧‧交叉分析單元
610、620、630‧‧‧曲線
M1~M3‧‧‧儲存單元
A1、A2‧‧‧辨識結果
IM1、IM2、IM1x、IM2x、IM1_1~IM1_3 IM2_1~IM2_3‧‧‧ 虹膜影像
CR‧‧‧判斷結果
IC1~IC4‧‧‧影像特徵
MB1_1~MB1_N、MB2_1~MB2_N‧‧‧特徵標示框
S210~S250‧‧‧虹膜辨識方法的步驟
圖1是依照本發明一實施例說明一種電子裝置的方塊圖。 圖2是依照本發明一實施例說明一種虹膜辨識方法的流程圖。 圖3是依照本發明一實施例說明一種第一虹膜影像及第二虹膜影像的雙向交叉比對方法的示意圖。 圖4是依照本發明一實施例說明特徵定位單元及交叉比對單元的示意圖。 圖5是依照本發明另一實施例說明多個第一虹膜影像及第二虹膜影像的雙向交叉比對方法的示意圖。 圖6是依照本發明一實施例說明一種電子裝置的錯誤拒絕率-錯誤接受率的曲線圖。
Claims (13)
- 一種電子裝置,包括: 處理器,獲得第一虹膜影像,依據所述第一虹膜影像以計算出非均勻排列的多個第一特徵標示框,並利用所述第一特徵標示框以從所述第一虹膜影像獲得第一影像特徵;以及 影像擷取器,用以擷取第二虹膜影像, 其中,所述處理器透過所述影像擷取器獲得所述第二虹膜影像,利用所述第一特徵標示框以從所述第二虹膜影像獲得第二影像特徵,將所述第一影像特徵及所述第二影像特徵進行比對以獲得第一辨識結果, 所述處理器依據所述第二虹膜影像以計算出非均勻排列的多個第二特徵標示框,並利用所述第二特徵標示框以從所述第二虹膜影像獲得第三影像特徵,所述處理器利用所述第二特徵標示框以從所述第一虹膜影像獲得第四影像特徵,將所述第三影像特徵及所述第四影像特徵進行比對以獲得第二辨識結果,並且, 所述處理器依據所述第一辨識結果及所述第二辨識結果判斷所述第一虹膜影像及所述第二虹膜影像的相似程度。
- 如申請專利範圍第1項所述的電子裝置,其中所述影像擷取器於第一時間點擷取所述第一虹膜影像並於所述第一時間點後的第二時間點擷取所述第二虹膜影像,以分別提供所述第一虹膜影像及所述第二虹膜影像至所述處理器。
- 如申請專利範圍第1項所述的電子裝置,其中所述處理器將所述第一虹膜影像及所述第二虹膜影像中的多個影像區域依序的進行偵測,其中, 若所述第一虹膜影像中所偵測的所述影像區域的特徵值大於臨界值時,所述處理器依據所偵測的所述影像區域的特徵值計算出所述影像區域的第一特徵標示框;以及 若所述第二虹膜影像中所偵測的所述影像區域的特徵值大於所述臨界值時,所述處理器依據所偵測的所述影像區域的特徵值計算出所述影像區域的第二特徵標示框。
- 如申請專利範圍第1項所述的電子裝置,其中該電子裝置更包括: 記憶體,耦接至所述影像擷取器及所述處理器,用以儲存所述多個第一特徵標示框及所述多個第二特徵標示框。
- 如申請專利範圍第1項所述的電子裝置,其中該電子裝置更包括: 顯示器,耦接至所述處理器,用以呈現所述處理器判斷所述第一虹膜影像及所述第二虹膜影像的相似程度的判斷結果。
- 如申請專利範圍第1項所述的電子裝置,其中所述第一虹膜影像及所述第二虹膜影像為灰階影像或彩色影像。
- 一種虹膜辨識方法,包括: 獲得第一虹膜影像,依據所述第一虹膜影像以計算出非均勻排列的多個第一特徵標示框,並利用所述第一特徵標示框以從所述第一虹膜影像獲得第一影像特徵; 擷取第二虹膜影像; 利用所述第一特徵標示框以從所述第二虹膜影像獲得第二影像特徵,將所述第一影像特徵及所述第二影像特徵進行比對以獲得第一辨識結果; 依據所述第二虹膜影像以計算出非均勻排列的多個第二特徵標示框,並利用所述第二特徵標示框以從所述第二虹膜影像獲得第三影像特徵,利用所述第二特徵標示框以從所述第一虹膜影像獲得第四影像特徵,將所述第三影像特徵及所述第四影像特徵進行比對以獲得第二辨識結果;以及 依據所述第一辨識結果及所述第二辨識結果判斷所述第一虹膜影像及所述第二虹膜影像的相似程度。
- 如申請專利範圍第7項所述的虹膜辨識方法,其中於第一時間點擷取所述第一虹膜影像並於所述第一時間點後的第二時間點擷取所述第二虹膜影像,以分別提供所述第一虹膜影像及所述第二虹膜影像。
- 如申請專利範圍第7項所述的虹膜辨識方法,其中依據所述第一虹膜影像以計算出非均勻排列的所述第一特徵標示框的步驟包括: 將所述第一虹膜影像及所述第二虹膜影像中的多個影像區域依序的進行偵測; 若所述第一虹膜影像中所偵測的所述影像區域的特徵值大於臨界值時,依據所偵測的所述影像區域的特徵值計算出所述影像區域的第一特徵標示框;以及 若所述第二虹膜影像中所偵測的所述影像區域的特徵值大於所述臨界值時,依據所偵測的所述影像區域的特徵值計算出所述影像區域的第二特徵標示框。
- 如申請專利範圍第7項所述的虹膜辨識方法,其中所述虹膜辨識方法更包括: 儲存所述多個第一特徵標示框及所述多個第二特徵標示框。
- 如申請專利範圍第7項所述的虹膜辨識方法,其中所述虹膜辨識方法更包括: 呈現判斷所述第一虹膜影像及所述第二虹膜影像的相似程度的判斷結果。
- 如申請專利範圍第7項所述的虹膜辨識方法,其中所述第一虹膜影像及所述第二虹膜影像為灰階影像或彩色影像。
- 一種非揮發性可讀式電腦媒體,用以儲存多個程式碼,其中該些程式碼適於載入處理器中,以執行如申請專利範圍第7項所述之方法。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW107111922A TWI659364B (zh) | 2018-04-03 | 2018-04-03 | 電子裝置、虹膜辨識方法以及電腦可讀式媒體 |
US15/960,559 US10474893B2 (en) | 2018-04-03 | 2018-04-24 | Electronic device, iris recognition method and computer-readable medium |
CN201810385239.3A CN110348276B (zh) | 2018-04-03 | 2018-04-26 | 电子装置、虹膜辨识方法以及计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW107111922A TWI659364B (zh) | 2018-04-03 | 2018-04-03 | 電子裝置、虹膜辨識方法以及電腦可讀式媒體 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI659364B true TWI659364B (zh) | 2019-05-11 |
TW201942792A TW201942792A (zh) | 2019-11-01 |
Family
ID=67348157
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW107111922A TWI659364B (zh) | 2018-04-03 | 2018-04-03 | 電子裝置、虹膜辨識方法以及電腦可讀式媒體 |
Country Status (3)
Country | Link |
---|---|
US (1) | US10474893B2 (zh) |
CN (1) | CN110348276B (zh) |
TW (1) | TWI659364B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7436986B2 (en) * | 2003-03-25 | 2008-10-14 | Bausch & Lomb Incorporated | Positive patient identification |
TW201606553A (zh) * | 2014-08-13 | 2016-02-16 | Univ Nat Pingtung Sci & Tech | 虹膜特徵辨識方法及其系統 |
CN107346419A (zh) * | 2017-06-14 | 2017-11-14 | 广东欧珀移动通信有限公司 | 虹膜识别方法、电子装置和计算机可读存储介质 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000189403A (ja) | 1998-12-25 | 2000-07-11 | Oki Electric Ind Co Ltd | 虹彩領域抽出方法及び個体識別装置 |
JP3695990B2 (ja) * | 1999-05-25 | 2005-09-14 | 三菱電機株式会社 | 顔画像処理装置 |
KR100571813B1 (ko) | 2003-07-28 | 2006-04-17 | 삼성전자주식회사 | 로컬 선형변환함수를 이용한 특징벡터 추출방법과 이를이용한 영상인식방법 및 장치 |
KR100590572B1 (ko) * | 2004-12-15 | 2006-06-19 | 삼성전자주식회사 | 눈 위치 검출 방법 및 장치 |
KR100745981B1 (ko) | 2006-01-13 | 2007-08-06 | 삼성전자주식회사 | 보상적 특징에 기반한 확장형 얼굴 인식 방법 및 장치 |
US20100014755A1 (en) * | 2008-07-21 | 2010-01-21 | Charles Lee Wilson | System and method for grid-based image segmentation and matching |
WO2010108069A1 (en) * | 2009-03-19 | 2010-09-23 | Indiana University Research & Technology Corporation | System and method for non-cooperative iris recognition |
TWI427544B (zh) | 2010-09-20 | 2014-02-21 | Egis Technology Inc | 具智能學習功能之生物特徵辨識裝置及其方法 |
US9235782B1 (en) * | 2012-12-24 | 2016-01-12 | Google Inc. | Searching images and identifying images with similar facial features |
CN104484649B (zh) | 2014-11-27 | 2018-09-11 | 北京天诚盛业科技有限公司 | 虹膜识别的方法和装置 |
US9696795B2 (en) | 2015-02-13 | 2017-07-04 | Leap Motion, Inc. | Systems and methods of creating a realistic grab experience in virtual reality/augmented reality environments |
US20160275348A1 (en) | 2015-03-17 | 2016-09-22 | Motorola Mobility Llc | Low-power iris authentication alignment |
US9495590B1 (en) * | 2015-04-23 | 2016-11-15 | Global Bionic Optics, Ltd. | Extended depth-of-field biometric system |
CN107437049A (zh) * | 2016-05-28 | 2017-12-05 | 深圳富泰宏精密工业有限公司 | 虹膜检测系统、便携式电子装置及虹膜检测方法 |
-
2018
- 2018-04-03 TW TW107111922A patent/TWI659364B/zh active
- 2018-04-24 US US15/960,559 patent/US10474893B2/en active Active
- 2018-04-26 CN CN201810385239.3A patent/CN110348276B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7436986B2 (en) * | 2003-03-25 | 2008-10-14 | Bausch & Lomb Incorporated | Positive patient identification |
TW201606553A (zh) * | 2014-08-13 | 2016-02-16 | Univ Nat Pingtung Sci & Tech | 虹膜特徵辨識方法及其系統 |
TWI553501B (zh) * | 2014-08-13 | 2016-10-11 | Iris feature identification method and its system | |
CN107346419A (zh) * | 2017-06-14 | 2017-11-14 | 广东欧珀移动通信有限公司 | 虹膜识别方法、电子装置和计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
US20190303645A1 (en) | 2019-10-03 |
CN110348276A (zh) | 2019-10-18 |
TW201942792A (zh) | 2019-11-01 |
US10474893B2 (en) | 2019-11-12 |
CN110348276B (zh) | 2021-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2019174130A1 (zh) | 票据识别方法、服务器及计算机可读存储介质 | |
Uhl et al. | Weighted adaptive hough and ellipsopolar transforms for real-time iris segmentation | |
WO2019128646A1 (zh) | 人脸检测方法、卷积神经网络参数的训练方法、装置及介质 | |
CN109376631B (zh) | 一种基于神经网络的回环检测方法及装置 | |
WO2016150240A1 (zh) | 身份认证方法和装置 | |
US9710691B1 (en) | Touchless fingerprint matching systems and methods | |
WO2021233266A1 (zh) | 边缘检测方法和装置、电子设备和存储介质 | |
EP2336949B1 (en) | Apparatus and method for registering plurality of facial images for face recognition | |
US9626552B2 (en) | Calculating facial image similarity | |
WO2019061658A1 (zh) | 眼镜定位方法、装置及存储介质 | |
US20170061258A1 (en) | Method, apparatus, and computer program product for precluding image capture of an image presented on a display | |
US9916513B2 (en) | Method for processing image and computer-readable non-transitory recording medium storing program | |
JP2013012190A (ja) | ガボールフィルターをブロックガボールフィルターとして近似する方法、及び、プロセッサ上で実行されているアプリケーションプログラムによるアクセスのためのデータ構造を格納するメモリ | |
WO2022021029A1 (zh) | 检测模型训练方法、装置、检测模型使用方法及存储介质 | |
WO2019056503A1 (zh) | 门店监控评价方法、装置及存储介质 | |
CN110852311A (zh) | 一种三维人手关键点定位方法及装置 | |
US20230063590A1 (en) | Artificial intelligence-based identity verification method and apparatus, computer device, and storage medium | |
WO2019061659A1 (zh) | 人脸图像眼镜去除方法、装置及存储介质 | |
WO2019033567A1 (zh) | 眼球动作捕捉方法、装置及存储介质 | |
CN110766007A (zh) | 证件遮挡检测方法、装置、设备及可读存储介质 | |
CN111241961B (zh) | 人脸检测方法、装置及电子设备 | |
JP2015197708A (ja) | オブジェクト識別装置、オブジェクト識別方法及びプログラム | |
Wang et al. | License plate recognition system | |
CN111414914A (zh) | 图像识别方法、装置、计算机设备和存储介质 | |
CN108960246B (zh) | 一种用于图像识别的二值化处理装置及方法 |