CN103544420B - 用于智能眼镜的防伪虹膜身份认证方法 - Google Patents
用于智能眼镜的防伪虹膜身份认证方法 Download PDFInfo
- Publication number
- CN103544420B CN103544420B CN201310355600.5A CN201310355600A CN103544420B CN 103544420 B CN103544420 B CN 103544420B CN 201310355600 A CN201310355600 A CN 201310355600A CN 103544420 B CN103544420 B CN 103544420B
- Authority
- CN
- China
- Prior art keywords
- iris
- image
- pupil
- feature
- region
- 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.)
- Expired - Fee Related
Links
- 239000011521 glass Substances 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 title claims abstract description 37
- 210000001508 eye Anatomy 0.000 claims abstract description 52
- 238000000605 extraction Methods 0.000 claims abstract description 15
- 210000000554 iris Anatomy 0.000 claims description 173
- 210000001747 pupil Anatomy 0.000 claims description 36
- 239000000284 extract Substances 0.000 claims description 18
- 230000008878 coupling Effects 0.000 claims description 15
- 238000010168 coupling process Methods 0.000 claims description 15
- 238000005859 coupling reaction Methods 0.000 claims description 15
- 238000001914 filtration Methods 0.000 claims description 12
- 238000005070 sampling Methods 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 11
- 230000008034 disappearance Effects 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 6
- 235000009508 confectionery Nutrition 0.000 claims description 5
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 210000000720 eyelash Anatomy 0.000 claims description 3
- 210000000744 eyelid Anatomy 0.000 claims description 3
- 208000028333 fixed pupil Diseases 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000000541 pulsatile effect Effects 0.000 claims description 3
- 208000022749 pupil disease Diseases 0.000 claims description 3
- 238000006073 displacement reaction Methods 0.000 claims description 2
- 230000011218 segmentation Effects 0.000 claims description 2
- 230000002093 peripheral effect Effects 0.000 abstract description 5
- 238000004321 preservation Methods 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000007639 printing Methods 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 240000000015 Iris germanica Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 210000005252 bulbus oculi Anatomy 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 210000000795 conjunctiva Anatomy 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 210000004087 cornea Anatomy 0.000 description 1
- 230000003467 diminishing effect Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 210000001328 optic nerve Anatomy 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 230000011514 reflex Effects 0.000 description 1
- 210000003786 sclera Anatomy 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
- G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Ophthalmology & Optometry (AREA)
- Computer Security & Cryptography (AREA)
- Multimedia (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Computer Hardware Design (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
本发明提供了用于智能眼镜的防伪虹膜身份认证方法,其对外设要求低并可针对多种伪造方法进行检测的高适应性防伪。其步骤为:(1)提取基准图像,保存基准图像中的用户虹膜特征作为基准虹膜特征;(2)在环境光的基础上产生随机的入射光强变化序列刺激用户眼部并采集动态用户眼部图像,得到眼部图像序列、提取并保存动态眼部图像内的用户虹膜特征作为待测虹膜特征;(3)由用户动态眼部图像得到瞳孔直径变化序列,计算瞳孔直径变化序列与入射光强变化序列的匹配度Pass1;(4)在用户动态眼部图像中选取待认证图像,从基准图像中选取对比基准图像,计算待认证图像与对比基准图像的虹膜特征的匹配度Pass2;(5)根据Pass1和Pass2,得出认证结果。
Description
技术领域
本发明涉及领域,具体为用于智能眼镜的防伪虹膜身份认证方法。
背景技术
独立科技市场研究机构ForresterResearch在一份报告《SmartBody,SmartWorld》中指出,下一次计算革命将来自由传感器包裹着的穿戴式设备,而非智能手机和平板电脑。穿戴式计算设备是指将计算机“穿”在身上进行应用的技术,其概念最早于1955年被提出,初衷是为了在“轮盘赌”的赌博游戏中,对现场数据实时采集并进行预测。1991年,美国卡内基-梅隆大学(CMU)研制出供工程维修使用的可穿戴计算机VuMen1,它由一个微小的计算机和眼镜式显示器组成;1999年投入量产的单兵作战***“地面勇士”继承并发展了VuMen1的架构,在计算机和眼镜式显示器基础上加入了网络通信模块;2012年,谷歌公司发布了GoogleGlass,重新定义了眼镜,也标志了智能眼镜进入大规模日常生活实用范围,继谷歌之后,苹果,三星,百度也放出了开发中的智能眼镜的原型和相关专利申请。谷歌眼镜预计提供许多和用户个人信息相关的服务,如Gmail、GoogleCalendar、以及使用GoogleAccount进行支付的业务,但是个人化服务在为使用者带来便利的同时也加剧了用户信息泄露的可能性,因此,需要安全性好的身份认证方式来确保用户信息不被泄露。
目前传统的身份认证方式包括密码认证(包括密码输入方式,触屏图案解锁方式)、声纹认证、人脸识别技术以及虹膜识别认证等方式,其中密码认证、声纹认证、人脸识别技术均受谷歌眼镜硬件限制和安全性,无法有效使用于智能眼镜的身份认证。虹膜识别目前已广泛应用于考勤***、安检***、门禁***等诸多方面,对于虹膜的防伪技术,目前已有的研究根据检测原理的不同主要分为三个方面:一种是针对不同的伪造虹膜材质提出相应的特征检测方法,另一种是直接根据眼球本身具有的生物特征进行检测,第三种根据眼睛对外界刺激的反应进行检测。
针对不同仿造材质的检测方法对于特定的伪造方法检测效果较好,但其较强的针对性导致其只能检测特定的伪造方式。Daugman利用打印的伪虹膜在FFT变换后的频谱图上会产生4个亮点,而真实活体虹膜变换后则不存在这四个亮点[DaugmanJ.Recognizingpersonsbytheiririspatterns,biometrics:personalidentificationinanetworkedsociety[M].Amsterdam:KluwerAcademicPublisher,1999:103-121];ZhuoshiWei等利用共生矩阵(CM)提取伪造虹膜存在的纹理特征[WeiZ,QiuX,SunZ,etal.Counterfeitirisdetectionbasedontextureanalysis[C]//PatternRecognition,2008.ICPR2008.19thInternationalConferenceon.IEEE,2008:1-4;HeX,AnS,ShiP.Statisticaltextureanalysis-basedapproachforfakeirisdetectionusingsupportvectormachines[M]AdvancesinBiometrics.SpringerBerlinHeidelberg,2007:540-546];XiaofuHe等利用虹膜统计特征,建立真伪虹膜的分类器[HeX,LuY,ShiP.Anewfakeirisdetectionmethod[M]//AdvancesinBiometrics.SpringerBerlinHeidelberg,2009:1132-1139],鲁棒性强。
根据生物特征进行检测的方法往往需要额外的专业设备,如Leeetal.利用IR-LED获取虹膜中一种组织的图像(Purkinje)[Lee,E.C.,Park,K.R.,Kim,J.:Fakeirisdetectionbyusingpurkinjeimage.In:Zhang,D.,Jain,A.K.(eds.)ICB2006.LNCS,vol.3832,pp.397–403.Springer,Heidelberg(2006)];陈瑞等采集在860nm和480nm下结膜血管(conjunctivalvessels)和虹膜的纹理特征,建立真伪虹膜的分类器[Chen,Rui,XirongLin,andTianhuaiDing."Livenessdetectionforirisrecognitionusingmultispectralimages."PatternRecognitionLetters(2012)]。Andrzejpacut等利用生物眼的球形结构和角膜湿润对光源会有反射作用的原理,在虹膜环形区域内的不同位置随机产生不同数量的光源,区分打印的虹膜照片[Pacut,Andrzej,andAdamCzajka."Alivenessdetectionforirisbiometrics."CarnahanConferencesSecurityTechnology,Proceedings200640thAnnualIEEEInternational.IEEE,2006]。SungJooLee等利用750nm和850nm入射光在虹膜和巩膜之间的反射率不同检测虹膜活性[Lee,SungJoo,KangRyoungPark,andJaihieKim."Robustfakeirisdetectionbasedonvariationofthereflectanceratiobetweentheirisandthesclera."BiometricConsortiumConference,2006BiometricsSymposium:SpecialSessiononResearchatthe.IEEE,2006]。
根据眼部对外界的刺激作出反应的研究包括:EuiChulLee等提出通过语音提示被拍摄者眼睛的转向,建立人眼三维的距离模型[EuiChulLee,YouJinKo,KangRyoungPark.FakeirisdetectionmethodusingPurkinjeimagesbasedongazeposition[J].OPTICALENGINEERING,2008,47(6):1-16]。Komogortsev结合眼部内在不可见的植物反射神经以及以视觉注意力为引导的复杂的眼部移动模式的防伪机制[KomogortsevOV,KhanJI.EyemovementpredictionbyKalmanfilterwithintegratedlinearhorizontaloculomotorplantmechanicalmodel[C]Proceedingsofthe2008symposiumonEyetrackingresearch&applications.ACM,2008:229-236]。Andrzejpacut等[Pacut,Andrzej,andAdamCzajka."Alivenessdetectionforirisbiometrics."CarnahanConferencesSecurityTechnology,Proceedings200640thAnnualIEEEInternational.IEEE,2006]利用光强瞬间变大后瞳孔直径急速变小后缓缓变大的规律,建立瞳孔直径变化分类模型检测眼部活性,这种方法无法识别在造假虹膜中心挖洞或者美瞳的伪造行为。
综上所述,传统的防伪方法受到硬件限制而不适用于智能眼镜的防伪,而现有的虹膜认证方法虽然认证效果好但是外设要求高并易被攻击,因此需要一种对外设要求低并可针对多种伪造方法进行检测的高适应性防伪检测方法。
发明内容
针对上述问题,本发明提供了用于智能眼镜的防伪虹膜身份认证方法,其对外设要求低并可针对多种伪造方法进行检测的高适应性防伪。
其技术方案是这样的,其特征在于:其包括以下步骤:
(1)在用户智能眼镜初始化阶段,提取在不同光照环境下的用户眼部图像作为基准图像,提取并保存所述基准图像中的用户虹膜特征作为基准虹膜特征;
(2)在环境光的基础上产生随机的入射光强变化序列刺激用户眼部使瞳孔发生相应的伸缩变化,同时以0.1s的时间间隔采集动态用户眼部图像,得到一个随着入射光强变化而发生变化的眼部图像序列,同时提取并保存每一张该用户所述动态眼部图像内的用户虹膜特征作为待测虹膜特征;
(3)在所述步骤(2)中提取每一张用户所述动态眼部图像内的用户虹膜特征的同时采集的每一张所述用户动态眼部图像中瞳孔直径,得到一个瞳孔直径变化序列,计算所述瞳孔直径变化序列与所述入射光强变化序列的匹配度Pass1;
(4)在所述步骤(2)中所采集的用户动态眼部图像中选取每种光强下虹膜区域最大的图像作为待认证图像,从全部所述步骤(1)提取的基准图像中选取与所述待认证图像瞳孔直径最接近的基准图像作为对比基准图像,计算所述待认证图像的待测虹膜特征与所述对比基准图像的基准虹膜特征的匹配度Pass2;
(5)根据所述步骤(3)和所述步骤(4)的匹配结果Pass1和Pass2,得出认证结果。
其进一步特征在于:
所述步骤(1)、(2)中所述用户虹膜特征的提取均包括以下步骤:①用户虹膜区域的提取;②在所提取的虹膜区域内提取虹膜特征并将所述虹膜特征转化为特征指纹码;
所述用户虹膜区域的提取依次包括以下步骤:
首先采用自适应阈值的二值化方法定位眼部图像中的虹膜外边缘以内的区域图像,对眼部图像进行第一次二值化处理,区分所述虹膜外边缘以内的区域和虹膜外边缘以外的区域,再采用candy算子的轮廓线提取方法提取出虹膜外边缘轮廓,再确定虹膜圆心以及虹膜半径,从而得到人眼图像中实际虹膜面积、缺失的虹膜面积,若缺失的虹膜面积>40%理想虹膜面积则判断为无法进行虹膜特征匹配并给出提示;
对上述已经经过第一次二值化的虹膜外边缘以内的区域图像进行第二次二值化处理,区分出瞳孔区域与虹膜区域,采用candy算子的轮廓线提取方法提出取瞳孔轮廓,进一步得到瞳孔圆心与瞳孔直径;
在上述已经确定的虹膜外边缘轮廓内去除已确定的瞳孔轮廓得到实际的虹膜区域,然后再对所述实际的虹膜区域图像进行归一化处理:先将所述实际的虹膜区域图像转化为灰度图,然后选取瞳孔圆心作为极坐标极点,把所述实际的虹膜图像笛卡尔坐标系映射到极坐标系上,实现位移和缩放补偿,将虹膜圆环映射为长360像素、宽60像素的矩形;
最后对所述归一化处理后的实际的虹膜区域图像进行噪声检测及图像增强处理:判断图像中睫毛和眼皮遮盖住虹膜的位置,以通过瞳孔圆心中垂线为中线向两边展开一个扇形的遮挡掩膜,记录后这些被遮挡住的位置不参与虹膜认证,在归一化后,光斑一般有较高的灰度值,可利用高斯滤波去除,去掉瞳孔区域后,对虹膜图像进行图像增强,用于后续的虹膜特征提取;
所述在所提取的虹膜区域内提取虹膜特征并将所述虹膜特征转化为特征指纹码包括以下步骤:综合考虑特征的粒度和匹配时间复杂度,将整幅所述实际的虹膜区域图像按20*20像素分割为子区域,共54个子区域,在每个子区域上分别提取特征码,再将所述54个子区域提取的特征码融合为特征指纹码;
对于每一个所述子区域,利用2D-Gabor滤波器提取虹膜的特征,2D-Gabor滤波器的空间域形式为:
(α,β)确定了滤波器的有效长度和宽度,取值为(20,20),确定了滤波器频率大小和方向θ0=arctg(v0/u0,),通过选取一系列的(α,β,u0,v0)可以得到不同特性的滤波器,选取中心频率ω0=2、4、8、16、32、64共六个频率,对于每个中心频率选取相位角θ0=0、π/4、π/2、3π/4共四个方向上的24个Gabor滤波器,分别计算每种滤波器在该子区域上的滤波结果I’(x0,y0),其计算公式如下
在该区域24个Gabor小波滤波结果中选择模最大的滤波结果作为特征码,每个特征码共7位,前5位为模最大的小波编号0-23,第六位为结果实部,当实部>=0则特征码为1、否则为0,第七位为结果虚部;
将54个子区域的特征码按行列顺序排列,形成该虹膜图像54×7=378bit的特征指纹码;
所述步骤(3)的具体的实施步骤如下:
a.设智能眼镜的光强变化范围为Llow,可控变化范围为Lrange,可控变化梯度为n,则每一阶光强可以表示为:;
b.构造一组m个随机数{M1,M2,…,Mm},5≥m≥3,m数量越大,被随机攻击仿造的概率越小;另一方面,一次脉冲持续时间至少要0.8秒,瞳孔对光强变化的应激反应最小间隔为0.6s。瞳孔对光线的延迟:0.25s左右;趋向稳定的时间:0.6s左右。而解锁时间应维持在5秒以下,因此m的最大取值设为5,n≥Mj≥1,j=1,2,…m;
c.设每0.8秒为一个采样区间,该区间内,调整智能眼镜显示光强至
d.0.3秒后,每隔0.1s采样一次瞳孔图像,去除无法识别的瞳孔图像(眨眼),得到瞳孔直径,并计算该区间内瞳孔直径均值Dk,k=(1,2,…m)。
e.从第二个采样区间开始,根据前一个区间和该区间的瞳孔直径均值,计算该区间瞳孔直径变化趋势,
f.从第二个采样区间开始,根据前一区间和该区间的光强随机数M,计算光强的变化趋势:
g.将光强的变化趋势和瞳孔直径的变化趋势相比较,计算变化趋势一致所占的比例,得到光强序列匹配结果;
所述步骤(4)中从全部所述基准图像中选取与待认证图像瞳孔直径最接近的基准图像进行虹膜特征匹配:设与某带认证图像最接近的基准图像特征指纹为M1,其中,每组特征码为。
设待认证图像特征指纹为M2,其中,每组特征码为,虹膜编码M1和M2的归一化汉明距离为:
通过异或运算,当与对应特征码相同则结果为0,不同则结果为1,理想情况下,如两虹膜来源于同一个人的同一只眼睛,HD=0;如来源于不同人的眼睛,0<HD≤1;HD越大,说明待认证图像和基准图像差异越大。
将上述步骤中所述的m个光强变化过程对应的汉明距离相加,得到特征码匹配结果
;
所述步骤(5)设光强匹配的阈值为δ1,特征码匹配的阈值为δ2,
。
将本发明方法用于智能眼镜的防伪虹膜身份认证,其有益效果在于:
1.该方法中虹膜匹配部分计算量小,便于在计算能力、电量有限的智能眼镜设备上实现;
2.该方法仅利用智能眼镜可能加装的向内的摄像头、和智能眼镜原有的亮度调节模块即进行身份认证防伪,其外设要求低;
3.本发明方法是采用虹膜特征识别和识别瞳孔的变化相结合的方式来实现智能眼镜上防伪的身份认证,因此可有效识别打印虹膜图片、虹膜视频等常见虹膜认证攻击方式,从而确保其检测正确率。
附图说明
图1为本发明用于智能眼镜的防伪虹膜身份认证方法的算法流程图。
具体实施方式
见图1,本发明用于智能眼镜的防伪虹膜身份认证方法包括以下步骤:(1)在用户智能眼镜初始化阶段,提取在不同光照环境下的用户眼部图像作为基准图像,提取并保存所述基准图像中的用户虹膜特征作为基准虹膜特征;
(2)在环境光的基础上产生随机的入射光强变化序列刺激用户眼部使瞳孔发生相应的伸缩变化,同时以0.1s的时间间隔采集动态用户眼部图像,得到一个随着入射光强变化而发生变化的眼部图像序列,同时提取并保存每一张该用户所述动态眼部图像内的用户虹膜特征作为待测虹膜特征;
(3)在步骤(2)中提取每一张用户所述动态眼部图像内的用户虹膜特征的同时采集的每一张所述用户动态眼部图像中瞳孔直径,得到一个瞳孔直径变化序列,计算所述瞳孔直径变化序列与所述入射光强变化序列的匹配度Pass1;
(4)在所述步骤(2)中所采集的用户动态眼部图像中选取每种光强下虹膜区域最大的图像作为待认证图像,从全部所述步骤(1)提取的基准图像中选取与所述待认证图像瞳孔直径最接近的基准图像作为对比基准图像,计算所述待认证图像的待测虹膜特征与所述对比基准图像的基准虹膜特征的匹配度Pass2;
(5)根据所述步骤(3)和所述步骤(4)的匹配结果Pass1和Pass2,得出认证结果:设光强匹配的阈值为δ1,特征码匹配的阈值为δ1,
。
其中步骤(1)、(2)中用户虹膜特征的提取均依次包括①用户虹膜区域的提取、②在所提取的虹膜区域内提取虹膜特征并将虹膜特征转化为特征指纹码;
用户虹膜区域的提取依次包括以下步骤:
①首先采用自适应阈值的二值化方法定位眼部图像中的虹膜外边缘以内的区域图像,对眼部图像进行第一次二值化处理,区分所述虹膜外边缘以内的区域和虹膜外边缘以外的区域,用candy检测对所得虹膜外边缘以内的区域图像进行边缘检测,利用开运算去除二值化图像中的杂散点和毛刺,提取图像中心最大连通区域的外轮廓,得到轮廓点序列p={p1,p2,…,pn},再计算pi中每个点到其他点的最远距离序列:
取D中最大的20%的一组点,选取该组点中的质心为虹膜圆心,该组点中任一点到质心距离的平均值作为虹膜的半径,从而得到人眼图像中实际虹膜面积、缺失的虹膜面积,若缺失的虹膜面积>40%理想虹膜面积则判断为无法进行虹膜特征匹配并给出提示;对上述已经经过第一次二值化的虹膜外边缘以内的区域图像进行第二次二值化处理,区分出瞳孔区域与虹膜区域,采用与上述虹膜外边缘轮廓提取以及虹膜圆心、虹膜半径相同的方法从瞳孔区域中提取出取瞳孔轮廓,进一步得到瞳孔圆心与瞳孔半径、瞳孔直径;
在上述已经确定的虹膜外边缘轮廓内去除已确定的瞳孔轮廓得到实际的虹膜区域,然后对实际的虹膜区域图像进行归一化处理:先将实际的虹膜区域图像转化为灰度图,然后选取瞳孔圆心作为极坐标极点,把虹膜图像笛卡尔坐标系映射到极坐标系上,实现位移和缩放补偿,将虹膜圆环映射为长360像素、宽60像素的矩形;
最后对经归一化处理后的实际的虹膜区域图像进行噪声检测及图像增强处理,其步骤为:判断图像中睫毛和眼皮遮盖住虹膜的位置,以通过瞳孔圆心中垂线为中线向两边展开一个扇形的遮挡掩膜,记录后这些被遮挡住的位置不参与虹膜认证,在归一化后,光斑一般有较高的灰度值,可利用高斯滤波去除,再在虹膜区域图像中去掉瞳孔区域后,对虹膜图像进行图像增强,用于后续的虹膜特征提取;
②在所提取的虹膜区域内提取虹膜特征并将虹膜特征转化为特征指纹码包括以下步骤:综合考虑特征的粒度和匹配时间复杂度,将整幅实际的虹膜区域图像按20*20像素分割为子区域,共54个子区域,在每个子区域上分别提取虹膜特征,再将所述每个子区域上分别提取的虹膜特征融合为特征指纹码;
对于每一个子区域,利用2D-Gabor滤波器提取虹膜的特征,虹膜图像的纹理具有不同的方向和频率,而2D-Gabor滤波器具有很好的方向选择性和频率选择性[DAUGMAN.JG.Highconfidencevisualrecognitionofpersonsbyatestofstatisticalindependence[J].IEEETransPatternAnalysisandMachineIntelligence,1993,15(11):1148-1161;郭永彩,谷建清,高潮,等.用Gabor滤波实现虹膜图像纹理编码[J].光电工程,2006,33(4):35-38],因此对虹膜图像具有良好的适应性,2D-Gabor滤波器的空间域形式[DaugmanJG.Highconfidencevisualrecognitionofpersonsbyatestofstatisticalindependence[J].PatternAnalysisandMachineIntelligence,IEEETransactionson,1993,15(11):1148-1161]为:
确定了滤波器的有效长度和宽度,取值为(20,20),(u0,v0)确定了滤波器频率大小和方向θ0=arctg(v0/u0,),通过选取一系列的(α,β,u0,v0)可以得到不同特性的滤波器,选取中心频率ω0=2、4、8、16、32、64共六个频率,对于每个中心频率选取相位角θ0=0、π/4、π/2、3π/4共四个方向上的24个Gabor滤波器,分别计算每种滤波器在该子区域上的滤波结果I’(x0,y0),其计算公式如下:
在该区域24个Gabor小波滤波结果中选择模最大的滤波结果作为特征码,每个特征码共7位,前5位为模最大的小波编号0-23,第六位为结果实部,当实部>=0则特征码为1、否则为0,第七位为结果虚部;
将54个子区域的特征码按行列顺序排列,形成该虹膜图像54×7=378bit的特征指纹码;
一般,真人瞳孔的大小由其注视物体的焦距和接收到光的光强共同决定。当注视物体不变时,光照的增强会导致瞳孔收缩,以降低光线射入面积,确保视神经接收的总亮度不变;相反,光强的减少会导致瞳孔张大,以增加光线射入面积。研究表明:瞳孔大小对光强变化的应激反应最小间隔为0.6s;瞳孔大小变化的最大延迟为0.25s;瞳孔大小变化趋向稳定的时间为0.6s左右。本发明实施例的步骤(3)中由随机光强序列引发的瞳孔变化的匹配过程,是通过有序的不同光强刺激让瞳孔发生应激变化序列确定虹膜活性,并随机抽取一定时间的几张虹膜照片作为虹膜识别的样本,在保证虹膜活性的同时保证虹膜的正确匹配,其步骤如下:
a.设智能眼镜的光强变化范围为Llow,可控变化范围为Lrange,可控变化梯度为n,则每一阶光强可以表示为:;
b.构造一组m个随机数{M1,M2,…,Mm},5≥m≥3,m数量越大,被随机攻击仿造的概率越小;另一方面,一次脉冲持续时间至少要0.8秒(瞳孔对光强变化的应激反应最小间隔为0.6s。瞳孔对光线的延迟:0.25s左右;趋向稳定的时间:0.6s左右。而解锁时间应维持在5秒以下,因此m的最大取值设为5,n≥Mj≥1,j=1,2,…m;
c.设每0.8秒为一个采样区间。该区间内,调整智能眼镜显示光强至
;
d.0.3秒后,每隔0.1s采样一次瞳孔图像,去除无法识别的瞳孔图像(眨眼),得到瞳孔直径,并计算该区间内瞳孔直径均值Dk,k=(1,2,…m);
e.从第二个采样区间开始,根据前一个区间和该区间的瞳孔直径均值,计算该区间瞳孔直径变化趋势,
;
f.从第二个采样区间开始,根据前一区间和该区间的光强随机数M,计算光强的变化趋势:
;
g.将光强的变化趋势和瞳孔直径的变化趋势相比较,计算变化趋势一致所占的比例,得到光强序列匹配结果
;
步骤(4)中从全部所述基准图像中选取与待认证图像瞳孔直径最接近的基准图像进行虹膜特征匹配:设与某带认证图像最接近的基准图像特征指纹为M1,其中,每组特征码为。
设待认证图像特征指纹为M2,其中,每组特征码为,虹膜编码M1和M2的归一化汉明距离为:
,
通过异或运算,当与对应特征码相同则结果为0,不同则结果为1,理想情况下,如两虹膜来源于同一个人的同一只眼睛,HD=0;如来源于不同人的眼睛,0<HD≤1;HD越大,说明待认证图像和基准图像差异越大。
将上述步骤中所述的m个光强变化过程对应的汉明距离相加,得到特征码匹配结果
。
Claims (9)
1.用于智能眼镜的防伪虹膜身份认证方法,其特征在于:其包括以下步骤:
(1)在用户智能眼镜初始化阶段,提取在不同光照环境下的用户眼部图像作为基准图像,提取并保存所述基准图像中的用户虹膜特征作为基准虹膜特征;
(2)在环境光的基础上产生随机的入射光强变化序列刺激用户眼部使瞳孔发生相应的伸缩变化,同时以0.1s的时间间隔采集动态用户眼部图像,得到一个随着入射光强变化而发生变化的眼部图像序列,同时提取并保存每一张该用户所述动态眼部图像内的用户虹膜特征作为待测虹膜特征;
(3)在所述步骤(2)中提取每一张用户所述动态眼部图像内的用户虹膜特征的同时采集的每一张所述用户动态眼部图像中瞳孔直径,得到一个瞳孔直径变化序列,计算所述瞳孔直径变化序列与所述入射光强变化序列的匹配度Pass1;
(4)在所述步骤(2)中所采集的用户动态眼部图像中选取每种光强下虹膜区域最大的图像作为待认证图像,从全部所述步骤(1)提取的基准图像中选取与所述待认证图像瞳孔直径最接近的基准图像作为对比基准图像,计算所述待认证图像的待测虹膜特征与所述对比基准图像的基准虹膜特征的匹配度Pass2;
(5)根据所述步骤(3)和所述步骤(4)的匹配结果Pass1和Pass2,得出认证结果。
2.根据权利要求1所述的用于智能眼镜的防伪虹膜身份认证方法,其特征在于:所述步骤(1)、(2)中所述用户虹膜特征的提取均包括以下步骤:①用户虹膜区域的提取;②在所提取的虹膜区域内提取虹膜特征并将所述虹膜特征转化为特征指纹码。
3.根据权利要求2所述的用于智能眼镜的防伪虹膜身份认证方法,其特征在于:所述用户虹膜区域的提取依次包括以下步骤:
首先采用自适应阈值的二值化方法定位眼部图像中的虹膜外边缘以内的区域图像,对眼部图像进行第一次二值化处理,区分所述虹膜外边缘以内的区域和虹膜外边缘以外的区域,再采用candy算子的轮廓线提取方法提取出虹膜外边缘轮廓,再确定虹膜圆心以及虹膜半径,从而得到人眼图像中实际虹膜面积、缺失的虹膜面积,若缺失的虹膜面积>40%理想虹膜面积则判断为无法进行虹膜特征匹配并给出提示;
对上述已经经过第一次二值化的虹膜外边缘以内的区域图像进行第二次二值化处理,区分出瞳孔区域与虹膜区域,采用candy算子的轮廓线提取方法提取出瞳孔轮廓,进一步得到瞳孔圆心与瞳孔直径;
在上述已经确定的虹膜外边缘轮廓内去除已确定的瞳孔轮廓得到实际的虹膜区域,然后再对所述实际的虹膜区域图像进行归一化处理:先将所述实际的虹膜区域图像转化为灰度图,然后选取瞳孔圆心作为极坐标极点,把所述实际的虹膜图像笛卡尔坐标系映射到极坐标系上,实现位移和缩放补偿,将虹膜圆环映射为长360像素、宽60像素的矩形;
最后对所述归一化处理后的实际的虹膜区域图像进行噪声检测及图像增强处理:判断图像中睫毛和眼皮遮盖住虹膜的位置,以通过瞳孔圆心中垂线为中线向两边展开一个扇形的遮挡掩膜,记录后这些被遮挡住的位置不参与虹膜认证,在归一化后,光斑一般有较高的灰度值,可利用高斯滤波去除,去掉瞳孔区域后,对虹膜图像进行图像增强,用于后续的虹膜特征提取。
4.根据权利要求3所述的用于智能眼镜的防伪虹膜身份认证方法,其特征在于:在所提取的虹膜区域内提取虹膜特征并将所述虹膜特征转化为特征指纹码包括以下步骤:综合考虑特征的粒度和匹配时间复杂度,将整幅所述实际的虹膜区域图像按20*20像素分割为子区域,共54个子区域,在每个子区域上分别提取特征码,再将所述54个子区域提取的特征码融合为特征指纹码。
5.根据权利要求4所述的用于智能眼镜的防伪虹膜身份认证方法,其特征在于:对于每一个所述子区域,利用2D-Gabor滤波器提取虹膜的特征,2D-Gabor滤波器的空间域形式为:
(α,β)确定了滤波器的有效长度和宽度,取值为(20,20),(u0,v0)确定了滤波器频率大小和方向θ0=arctg(v0/u0,),通过选取一系列的(α,β,u0,v0)可以得到不同特性的滤波器,选取中心频率ω0=2、4、8、16、32、64共六个频率,对于每个中心频率选取相位角θ0=0、π/4、π/2、3π/4共四个方向上的24个Gabor滤波器,分别计算每种滤波器在该子区域上的滤波结果I’(x0,y0),其计算公式如下:
在该区域24个Gabor小波滤波结果中选择模最大的滤波结果作为特征码,每个特征码共7位,前5位为模最大的小波编号0-23,第六位为结果实部,当实部>=0则特征码为1、否则为0,第七位为结果虚部。
6.根据权利要求4或5所述的用于智能眼镜的防伪虹膜身份认证方法,其特征在于:将54个子区域的特征码按行列顺序排列,形成该虹膜图像54×7=378bit的特征指纹码。
7.根据权利要求6所述的用于智能眼镜的防伪虹膜身份认证方法,其特征在于:所述步骤(3)的具体的实施步骤如下:
a.设智能眼镜的光强变化范围为Llow,可控变化范围为Lrange,可控变化梯度为n,则每一阶光强可以表示为:
b.构造一组m个随机数{M1,M2,…,Mm},5≥m≥3,m数量越大,被随机攻击仿造的概率越小;另一方面,一次脉冲持续时间至少要0.8秒,瞳孔对光强变化的应激反应最小间隔为0.6s,瞳孔对光线的延迟:0.25s;趋向稳定的时间:0.6s;而解锁时间应维持在5秒以下,因此m的最大取值设为5,n≥Mj≥1,j=1,2,…m;
c.设每0.8秒为一个采样区间,该区间内,调整智能眼镜显示光强至
d.0.3秒后,每隔0.1s采样一次瞳孔图像,去除无法识别的瞳孔图像(眨眼),得到瞳孔直径,并计算该区间内瞳孔直径均值Dk,k=(1,2,…m);
e.从第二个采样区间开始,根据前一个区间和该区间的瞳孔直径均值,计算该区间瞳孔直径变化趋势,
f.从第二个采样区间开始,根据前一区间和该区间的光强随机数M,计算光强的变化趋势:
g.将光强的变化趋势和瞳孔直径的变化趋势相比较,计算变化趋势一致所占的比例,得到光强序列匹配结果
8.根据权利要求7所述的用于智能眼镜的防伪虹膜身份认证方法,其特征在于:所述步骤(4)中从全部所述基准图像中选取与待认证图像瞳孔直径最接近的基准图像进行虹膜特征匹配:设与某带认证图像最接近的基准图像特征指纹为M1,其中,每组特征码为
设待认证图像特征指纹为M2,其中,每组特征码为虹膜编码M1和M2的归一化汉明距离为,
通过异或运算,当与对应特征码相同则结果为0,不同则结果为1,理想情况下,如两虹膜来源于同一个人的同一只眼睛,HD=0;如来源于不同人的眼睛,0<HD≤1;HD越大,说明待认证图像和基准图像差异越大,将上述步骤中所述的m个光强变化过程对应的汉明距离相加,得到特征码匹配结果
9.根据权利要求8所述的用于智能眼镜的防伪虹膜身份认证方法,其特征在于:所述步骤(5)中,设光强匹配的阈值为δ1,特征码匹配的阈值为δ2,
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310355600.5A CN103544420B (zh) | 2013-08-15 | 2013-08-15 | 用于智能眼镜的防伪虹膜身份认证方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310355600.5A CN103544420B (zh) | 2013-08-15 | 2013-08-15 | 用于智能眼镜的防伪虹膜身份认证方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103544420A CN103544420A (zh) | 2014-01-29 |
CN103544420B true CN103544420B (zh) | 2016-05-11 |
Family
ID=49967863
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310355600.5A Expired - Fee Related CN103544420B (zh) | 2013-08-15 | 2013-08-15 | 用于智能眼镜的防伪虹膜身份认证方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103544420B (zh) |
Families Citing this family (37)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9082011B2 (en) | 2012-03-28 | 2015-07-14 | Texas State University—San Marcos | Person identification using ocular biometrics with liveness detection |
CN104750382A (zh) * | 2013-12-31 | 2015-07-01 | 环达电脑(上海)有限公司 | 移动设备自动解锁、锁定***及其方法 |
WO2015164807A1 (en) | 2014-04-25 | 2015-10-29 | Texas State University | Detection of brain injury and subject state with eye movement biometrics |
CN103955717A (zh) * | 2014-05-13 | 2014-07-30 | 第三眼(天津)生物识别科技有限公司 | 一种虹膜活性检测的方法 |
CN104036170A (zh) * | 2014-06-11 | 2014-09-10 | 叶晨光 | 智能眼镜的控制方法、装置与智能眼镜 |
CN104091158B (zh) * | 2014-07-10 | 2018-07-06 | 上海方付通商务服务有限公司 | 一种防攻击掌纹认证方法及其应用的认证*** |
TWI524215B (zh) * | 2014-10-15 | 2016-03-01 | 由田新技股份有限公司 | 基於眼動追蹤的網路身分認證方法及系統 |
WO2016090379A2 (en) | 2014-12-05 | 2016-06-09 | Texas State University | Detection of print-based spoofing attacks |
CN107710221B (zh) * | 2015-06-12 | 2021-06-29 | 北京释码大华科技有限公司 | 一种用于检测活体对象的方法、装置和移动终端 |
KR102334209B1 (ko) * | 2015-06-15 | 2021-12-02 | 삼성전자주식회사 | 사용자 인증 방법 및 이를 지원하는 전자장치 |
CN105608408A (zh) * | 2015-06-29 | 2016-05-25 | 宇龙计算机通信科技(深圳)有限公司 | 虹膜识别方法、虹膜识别***和终端 |
CN105119723A (zh) * | 2015-09-15 | 2015-12-02 | 重庆智韬信息技术中心 | 基于人眼识别的身份认证及其授权方法 |
CN105320939B (zh) * | 2015-09-28 | 2019-01-25 | 深圳爱酷智能科技有限公司 | 虹膜活体检测的方法和装置 |
US10043075B2 (en) * | 2015-11-19 | 2018-08-07 | Microsoft Technology Licensing, Llc | Eye feature identification |
CN105354475A (zh) * | 2015-11-30 | 2016-02-24 | 贵州大学 | 一种基于瞳孔识别的人机交互识别方法及*** |
CN105931045B (zh) * | 2015-12-10 | 2019-11-15 | 天地融科技股份有限公司 | 利用生物特征进行信息获取、提取的方法、***和设备 |
JP2017151565A (ja) * | 2016-02-22 | 2017-08-31 | 富士通株式会社 | 検出システム、検出方法、および検出プログラム |
US10820840B2 (en) * | 2016-04-28 | 2020-11-03 | Joshua Noel Hogan | Optical coherence tomography for identity verification |
CN106339668A (zh) * | 2016-08-16 | 2017-01-18 | 信利光电股份有限公司 | 一种虹膜识别方法及虹膜识别*** |
CN106384456A (zh) * | 2016-08-25 | 2017-02-08 | 广州御银自动柜员机科技有限公司 | 一种基于虹膜识别的vtm机 |
CN106326861A (zh) * | 2016-08-25 | 2017-01-11 | 广州御银自动柜员机科技有限公司 | 一种虹膜识别装置 |
CN106507270A (zh) * | 2016-09-29 | 2017-03-15 | 宇龙计算机通信科技(深圳)有限公司 | 设备认证方法及*** |
CN107744390A (zh) * | 2017-09-27 | 2018-03-02 | 深圳增强现实技术有限公司 | 一种基于生物芯片与智能穿戴设备的工业操作*** |
CN109840461B (zh) * | 2017-11-28 | 2021-05-25 | 武汉真元生物数据有限公司 | 一种基于动态虹膜图像的识别方法及装置 |
CN108257112B (zh) | 2017-12-27 | 2020-08-18 | 北京七鑫易维信息技术有限公司 | 过滤光斑的方法和装置 |
CN108334765B (zh) * | 2018-02-01 | 2021-09-24 | 京东方科技集团股份有限公司 | 用于鉴别用户的便携式电子设备及相关的***和方法 |
CN108734176B (zh) * | 2018-05-07 | 2021-11-12 | 南京信息工程大学 | 基于纹理的证书真伪检测方法 |
CN109299678A (zh) * | 2018-09-08 | 2019-02-01 | 太若科技(北京)有限公司 | 一种利用虹膜解锁ar眼镜的方法、解锁装置及ar眼镜 |
CN109360236B (zh) * | 2018-10-26 | 2022-05-17 | 郑州轻工业学院 | 一种向日葵花盘尺寸测量方法 |
CN110059586B (zh) * | 2019-03-29 | 2022-03-15 | 电子科技大学 | 一种基于空洞残差注意力结构的虹膜定位分割*** |
CN111832344B (zh) * | 2019-04-17 | 2023-10-24 | 深圳熙卓科技有限公司 | 一种动态瞳孔检测方法及装置 |
CN112148119A (zh) * | 2019-06-26 | 2020-12-29 | 托比股份公司 | 用于在数字图像数据中确定眼睛位置的方法、眼睛追踪器和计算机程序 |
CN112016071A (zh) * | 2020-07-21 | 2020-12-01 | 华为技术有限公司 | 基于验证者状态和环境的解锁方法、设备及可读存储介质 |
CN111973412B (zh) * | 2020-08-28 | 2022-07-29 | 上海尚眸科技有限公司 | 一种提高裸眼视力的训练*** |
CN112949518B (zh) * | 2021-03-09 | 2024-04-05 | 上海聚虹光电科技有限公司 | 虹膜图像处理方法、装置、设备及存储介质 |
CN112905816B (zh) * | 2021-03-19 | 2024-05-17 | 上海聚虹光电科技有限公司 | 虹膜搜索识别方法、装置、处理器及电子装置 |
WO2024138036A1 (en) * | 2022-12-22 | 2024-06-27 | Apple Inc. | Biometric multi-representation eye authentication |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100498837C (zh) * | 2004-05-10 | 2009-06-10 | 松下电器产业株式会社 | 虹彩注册方法、虹彩注册装置 |
CN101707401A (zh) * | 2009-11-27 | 2010-05-12 | 甄为忠 | 基于虹膜身份识别的电力防误闭锁***及防误闭锁方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003030659A (ja) * | 2001-07-16 | 2003-01-31 | Matsushita Electric Ind Co Ltd | 虹彩認証装置及び虹彩撮像装置 |
WO2009107704A1 (ja) * | 2008-02-26 | 2009-09-03 | 沖電気工業株式会社 | 虹彩認証装置 |
-
2013
- 2013-08-15 CN CN201310355600.5A patent/CN103544420B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100498837C (zh) * | 2004-05-10 | 2009-06-10 | 松下电器产业株式会社 | 虹彩注册方法、虹彩注册装置 |
CN101707401A (zh) * | 2009-11-27 | 2010-05-12 | 甄为忠 | 基于虹膜身份识别的电力防误闭锁***及防误闭锁方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103544420A (zh) | 2014-01-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103544420B (zh) | 用于智能眼镜的防伪虹膜身份认证方法 | |
Akhtar et al. | Biometric liveness detection: Challenges and research opportunities | |
Rattani et al. | ICIP 2016 competition on mobile ocular biometric recognition | |
CN106682389B (zh) | 一种用于监控高血压引发的眼部病变健康管理*** | |
Derakhshani et al. | A texture-based neural network classifier for biometric identification using ocular surface vasculature | |
Li et al. | Iris recognition based on a novel variation of local binary pattern | |
Uhl | State of the art in vascular biometrics | |
CN107169479A (zh) | 基于指纹验证的智能移动设备敏感数据防护方法 | |
Das et al. | Multi-angle based lively sclera biometrics at a distance | |
Chen et al. | Iris liveness detection: A survey | |
Abate et al. | Kurtosis and skewness at pixel level as input for SOM networks to iris recognition on mobile devices | |
Zhang et al. | Artificial intelligence in physiological characteristics recognition for internet of things authentication | |
Kavita et al. | A contemporary survey of unimodal liveness detection techniques: Challenges & opportunities | |
Shao et al. | Eye-based recognition for user identification on mobile devices | |
Daugman | Iris recognition | |
CN109745596A (zh) | 自适应滴速调节平台 | |
Cui et al. | An appearance-based method for iris detection | |
Wang et al. | Contact lenses detection based on the gaussian curvature | |
Zibran | Eye based authentication: Iris and retina recognition | |
Jain et al. | Iris Recognition | |
Abidin | Swarm intelligence for iris recognition | |
Ghaffari et al. | Iris biometrics recognition in security management | |
Roy | Recognition of Nonideal Iris Images Using Shape Guided Approach and Game Theory | |
Sharma | Iris Recognition: Enhancing Security and Improving Performance | |
Kremić et al. | Application of Video-Based Face Recognition for Mobile Security Using Machine Learning Techniques |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20220125 Address after: G10-1002, China Sensor Network International Innovation Park, 200 Linghu Avenue, Xinwu District, Wuxi City, Jiangsu Province, 214000 Patentee after: WUXI YUNQUE TECHNOLOGY Co.,Ltd. Address before: 214135 -3-1-101 room 77, Jing Hui Road East, Jiangsu high tech Industrial Development Zone, Wuxi Patentee before: Ma Jian |
|
TR01 | Transfer of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160511 |
|
CF01 | Termination of patent right due to non-payment of annual fee |