一種基于相似性原理的多模板虹膜識別方法及裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于虹膜識別領(lǐng)域，尤其是涉及一種基于相似性原理的多模板虹膜識別方 法及裝置。
【背景技術(shù)】
[0002] 生物識別技術(shù)基于個體擁有的固有特征進(jìn)行個體的辨別，目前利用生物識別技術(shù) 如指紋識別、手掌幾何學(xué)識別、聲音識別、視網(wǎng)膜識別、虹膜識別、簽名識別、面部識別等來 識別個人的身份具有不易遺忘、防偽性能好、不易偽造、安全性高、保密性好等特點(diǎn)。虹膜識 別擁有高可靠性、唯一性、不可偽造性以及不可侵犯等優(yōu)點(diǎn)得到廣泛的應(yīng)用。
[0003] 在傳統(tǒng)的單模板虹膜識別方法中，利用測試者的模板圖片進(jìn)行特征提取以及匹 配，然而，在獲取測試者的虹膜圖像過程中，由于光照、拍攝角度等原因造成圖像的灰度不 一致、尺度不一致、扭曲畸變等引起算法的識別率下降，這也給利用虹膜識別技術(shù)進(jìn)行身份 的驗(yàn)證帶來了困難。因此，研究一種高效率、高精度的虹膜識別方法也是人們研究的重點(diǎn)。

【發(fā)明內(nèi)容】

[0004] 有鑒于此，本發(fā)明旨在提出一種基于相似性原理的多模板虹膜識別方法及裝置， 以克服單模板算法識別率低的問題。
[0005] 為達(dá)到上述目的，本發(fā)明的技術(shù)方案是這樣實(shí)現(xiàn)的：
[0006] -種基于相似性原理的多模板虹膜識別方法，包括如下步驟：
[0007] (1)取得多個人臉圖像，生成圖像模板集；
[0008] (2)對模板圖像進(jìn)行分割與提取，得到虹膜圖像模板集；
[0009] (3)基于相似性原理對模板虹膜圖像進(jìn)行線性表示，得到目標(biāo)圖像；
[0010] (4)計算標(biāo)準(zhǔn)互信息值，與設(shè)定閾值進(jìn)行比較進(jìn)行身份確認(rèn)。
[0011] 進(jìn)一步的，所述步驟（2)具體還包括如下步驟：
[0012] (a)基于級聯(lián)的haar特征的人臉檢測與定位；
[0013] (b)基于級聯(lián)的haar特征的人眼的檢測與定位；
[0014] (c)基于霍夫變換的瞳孔與虹膜的輪廓定位；
[0015] (d)基于極坐標(biāo)變換的虹膜圖像的展開；
[0016] (e)對圖像灰度進(jìn)行歸一化處理。
[0017] 進(jìn)一步的，所述步驟（3)具體包括如下步驟：
[0018] 其中Y是表示后的目標(biāo)圖像，D是模板圖像，X是當(dāng)前待測圖像，co為相似性系數(shù)， 為歸一化后的系數(shù)，場為相似性計算
[0019]
[0020] 進(jìn)一步的，所述步驟（4)中標(biāo)準(zhǔn)互信息計算公式如下：其中X為當(dāng)前待測圖像，Y 為線性表示后的圖像，P(x，y)為聯(lián)合概率分布，P(X)、P(y)為邊緣概率分布，
[0022] I取值范圍為0到1。
[0023] 相對于現(xiàn)有技術(shù)，本發(fā)明所述的一種基于相似性原理的多模板虹膜識別方法具有 以下優(yōu)勢：
[0024]( -）本發(fā)明利用測試者的歷史虹膜模板圖像進(jìn)行線性加權(quán)得到測試者的虹膜圖 像，解決了光照不一致、物距不一致、拍攝角度有偏差導(dǎo)致圖像灰度不均勻、尺度不一致、扭 曲畸變等引起的傳統(tǒng)的單模版算法識別率下降問題，提高了虹膜識別的效率以及準(zhǔn)確率； [0025](二）提出利用標(biāo)準(zhǔn)互信息對身份進(jìn)行確認(rèn)。
[0026] 本發(fā)明的另一目的在于提出一種基于相似性原理的多模板虹膜識別裝置，以實(shí)現(xiàn) 上述的多模板虹膜識別方法。
[0027] 為達(dá)到上述目的，本發(fā)明的技術(shù)方案是這樣實(shí)現(xiàn)的：
[0028] -種基于相似性原理的多模板虹膜識別裝置，包括：
[0029]用于取得多個人臉圖像，生成圖像模板集的圖像采集裝置；
[0030] 用于對模板圖像進(jìn)行分割與提取的圖像處理裝置；
[0031]用于對模板虹膜圖像進(jìn)行線性表示，得到目標(biāo)圖像的目標(biāo)獲取裝置；
[0032] 用于計算標(biāo)準(zhǔn)互信息值，與設(shè)定閾值進(jìn)行比較進(jìn)行身份確認(rèn)的身份確認(rèn)裝置。
[0033] 進(jìn)一步的，其特征在于：所述用于對模板虹膜圖像進(jìn)行分割與提取的圖像處理裝 置還包括如下裝置：
[0034] 基于級聯(lián)的haar特征的人臉檢測與定位的人臉檢測與定位裝置；
[0035] 基于級聯(lián)的haar特征的人眼的檢測與定位的人眼檢測與定位裝置；
[0036] 基于霍夫變換的瞳孔與虹膜的輪廓定位的瞳孔與虹膜的輪廓定位裝置；
[0037] 基于極坐標(biāo)變換的虹膜圖像的展開的虹膜圖像展開裝置；
[0038] 對圖像灰度進(jìn)行歸一化處理的圖像歸一化處理裝置。
[0039] 所述一種基于相似性原理的多模板虹膜識別裝置與上述一種基于相似性原理的 多模板虹膜識別方法相對于現(xiàn)有技術(shù)所具有的優(yōu)勢相同，在此不再贅述。
【附圖說明】
[0040]構(gòu)成本發(fā)明的一部分的附圖用來提供對本發(fā)明的進(jìn)一步理解，本發(fā)明的示意性實(shí) 施例及其說明用于解釋本發(fā)明，并不構(gòu)成對本發(fā)明的不當(dāng)限定。在附圖中：
[0041] 圖1為本發(fā)明實(shí)施例所述的一種基于相似性原理的多模板虹膜識別方法的流程 圖。
【具體實(shí)施方式】
[0042] 需要說明的是，在不沖突的情況下，本發(fā)明中的實(shí)施例及實(shí)施例中的特征可以相 互組合。
[0043] 下面將參考附圖并結(jié)合實(shí)施例來詳細(xì)說明本發(fā)明。
[0044] 如圖1所示，一種基于相似性原理的多模板虹膜識別方法，包括如下步驟：
[0045] (1)取得多個人臉圖像，生成圖像模板集；
[0046] (2)對模板圖像進(jìn)行分割與提取，得到虹膜圖像模板集；
[0047] (a)基于級聯(lián)的haar特征的人臉檢測與定位；
[0048] (b)基于級聯(lián)的haar特征的人眼的檢測與定位；
[0049] (c)基于Canny邊緣檢測與霍夫變換的瞳孔與虹膜的輪廓定位；
[0050] (d)基于極坐標(biāo)變換的虹膜圖像的展開；
[0052] (e)對圖像灰度進(jìn)行歸一化處理。
[0053] 歸一化公式，數(shù)據(jù)Xu是圖像X中的i行j列元素，maxx,minx分別是X中的最大、 最小值。
[0055] (3)基于相似性原理，利用模板虹膜圖像對輸入圖像進(jìn)行線性表示；其中Y是利用 模板線性表示后的圖像，D是模板圖像，X是當(dāng)前輸入待測圖像，co為相似性系數(shù)，?為歸 一化后的系數(shù)，?為相似性計算
[0056]
[0057] 其中發(fā)表示的相似性計算具體計算如下：
采用余弦相似性，同樣可以采用其他相似性度量，D取10個虹膜模板組成模板集；設(shè)D=
[0060] (4)計算標(biāo)準(zhǔn)互信息值，與設(shè)定閾值進(jìn)行比較進(jìn)行身份確認(rèn)。
[0061]對于輸入的待測圖像X，基于步驟（3)利用模板D以及相似性函數(shù)可以得出一個估 計圖像Y，可以用標(biāo)準(zhǔn)互信息來計算兩者之間的吻合程度。我們遍歷所有模板組，找出吻合 度最大的模板組來進(jìn)行身份確認(rèn)。
[0063] 其中，p(X，y)為聯(lián)合概率分布，p(X)，p(y)是邊緣概率分布，
[0064]設(shè)標(biāo)準(zhǔn)互信息值閾值為I= 0. 8,當(dāng)?shù)玫降腎大于0. 8時，取最大值的模板組為最 終的身份確認(rèn)，當(dāng)?shù)玫降腎小于〇. 8時，認(rèn)為沒有模板符合身份。
[0065]本發(fā)明方法，首先對每個人采集十張虹膜圖像，形成虹膜數(shù)據(jù)庫，當(dāng)需要識別人的 時候，采集識別人的圖像與模板中的圖像進(jìn)行相似性計算，得到目標(biāo)圖像，然后用標(biāo)準(zhǔn)互信 息來計算識別人圖像與目標(biāo)圖像之間的吻合程度，遍歷所有模板組，找出吻合度最大的模 板組來進(jìn)行身份確認(rèn)，如果得到的標(biāo)準(zhǔn)互信息的值大于設(shè)定閾值0. 8,則取最大值的模板組 為最終的身份確認(rèn)，如果得到的標(biāo)準(zhǔn)信息的值小于設(shè)定閾值〇. 8,則認(rèn)為沒有符合的身份。 [0066] 以上所述僅為本發(fā)明的較佳實(shí)施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精 神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。
【主權(quán)項(xiàng)】
1. 一種基于相似性原理的多模板虹膜識別方法，其特征在于：包括如下步驟： (1) 取得多個人臉圖像，生成圖像模板集； (2) 對模板圖像進(jìn)行分割與提取，得到虹膜圖像模板集； (3) 基于相似性原理對模板虹膜圖像進(jìn)行線性表示，得到目標(biāo)圖像； (4) 計算標(biāo)準(zhǔn)互信息值，與設(shè)定閾值進(jìn)行比較進(jìn)行身份確認(rèn)。2. 根據(jù)權(quán)利要求1所述的一種基于相似性原理的多模板虹膜識別方法，其特征在于： 所述步驟（2)具體還包括如下步驟： (a) 基于級聯(lián)的haar特征的人臉檢測與定位； (b) 基于級聯(lián)的haar特征的人眼的檢測與定位； (c) 基于霍夫變換的瞳孔與虹膜的輪廓定位； (d) 基于極坐標(biāo)變換的虹膜圖像的展開； (e) 對圖像灰度進(jìn)行歸一化處理。3. 根據(jù)權(quán)利要求1所述的一種基于相似性原理的多模板虹膜識別方法，其特征在于： 所述步驟（3)具體包括如下步驟： 其中，Y是表示后的目標(biāo)圖像，D是模板圖像，X是當(dāng)前待測圖像，ω為相似性系數(shù)，@ 為歸一化后的系數(shù)，為相似性計算4. 根據(jù)權(quán)利要求1所述的一種基于相似性原理的多模板虹膜識別方法，其特征在于： 所述步驟（4)中標(biāo)準(zhǔn)互信息計算公式如下：其中X為當(dāng)前待測圖像，Y為線性表示后的圖 像，P (X，y)為聯(lián)合概率分布，P (X)、P (y)為邊緣概率分布，I取值范圍為〇到1。5. -種基于相似性原理的多模板虹膜識別裝置，其特征在于包括： 用于取得多個人臉圖像，生成圖像模板集的圖像采集裝置； 用于對模板圖像進(jìn)行分割與提取的圖像處理裝置； 用于對模板虹膜圖像進(jìn)行線性表示，得到目標(biāo)圖像的目標(biāo)獲取裝置； 用于計算標(biāo)準(zhǔn)互信息值，與設(shè)定閾值進(jìn)行比較進(jìn)行身份確認(rèn)的身份確認(rèn)裝置。6. 根據(jù)權(quán)利要求5所述的一種基于相似性原理的多模板虹膜識別裝置，其特征在于： 所述用于對模板虹膜圖像進(jìn)行分割與提取的圖像處理裝置還包括如下裝置： 基于級聯(lián)的haar特征的人臉檢測與定位的人臉檢測與定位裝置； 基于級聯(lián)的haar特征的人眼的檢測與定位的人眼檢測與定位裝置； 基于霍夫變換的瞳孔與虹膜的輪廓定位的瞳孔與虹膜的輪廓定位裝置； 基于極坐標(biāo)變換的虹膜圖像的展開的虹膜圖像展開裝置； 對圖像灰度進(jìn)行歸一化處理的圖像歸一化處理裝置。
【專利摘要】本發(fā)明提供了一種基于相似性原理的多模板虹膜識別方法及裝置，方法包括如下步驟：取得多個人臉圖像，生成圖像模板集；對模板圖像進(jìn)行分割與提取，得到虹膜圖像模板集；基于相似性原理對模板虹膜圖像進(jìn)行線性表示，得到目標(biāo)圖像；利用標(biāo)準(zhǔn)互信息確認(rèn)身份。本發(fā)明利用測試者的歷史虹膜模板圖像進(jìn)行線性加權(quán)得到測試者的虹膜圖像，解決了光照不一致、物距不一致、拍攝角度有偏差導(dǎo)致圖像灰度不均勻、尺度不一致、扭曲畸變等引起的傳統(tǒng)的單模版算法識別率下降問題，提高了虹膜識別的效率以及準(zhǔn)確率。
【IPC分類】G06K9/00
【公開號】CN105069428
【申請?zhí)枴緾N201510464638
【發(fā)明人】謝自力
【申請人】天津市協(xié)力自動化工程有限公司
【公開日】2015年11月18日
【申請日】2015年7月29日