CN105335720A - 虹膜信息的采集方法及采集*** - Google Patents
虹膜信息的采集方法及采集*** Download PDFInfo
- Publication number
- CN105335720A CN105335720A CN201510719427.1A CN201510719427A CN105335720A CN 105335720 A CN105335720 A CN 105335720A CN 201510719427 A CN201510719427 A CN 201510719427A CN 105335720 A CN105335720 A CN 105335720A
- Authority
- CN
- China
- Prior art keywords
- iris image
- module
- iris
- unique point
- acquisition
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 239000000284 extract Substances 0.000 claims description 23
- 230000000295 complement effect Effects 0.000 claims description 20
- 238000000605 extraction Methods 0.000 claims description 17
- 239000000049 pigment Substances 0.000 claims description 6
- 230000005855 radiation Effects 0.000 claims description 6
- 235000013399 edible fruits Nutrition 0.000 claims description 2
- 239000013589 supplement Substances 0.000 claims description 2
- 239000002699 waste material Substances 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 230000001815 facial effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 210000001747 pupil Anatomy 0.000 description 3
- 230000004069 differentiation Effects 0.000 description 2
- 210000000744 eyelid Anatomy 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 108090000623 proteins and genes Proteins 0.000 description 2
- 210000003786 sclera Anatomy 0.000 description 2
- 238000002604 ultrasonography Methods 0.000 description 2
- 230000002547 anomalous effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000005034 decoration Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 208000016339 iris pattern Diseases 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
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)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明提供一种虹膜信息的采集方法及采集***，应用于终端设备中，包括：扫描所述终端设备的采集范围内是否有人体出现；当存在人体时，通过调整拍摄角度以采集所述人体的虹膜图像；从所述虹膜图像中提取特征点；判断所述虹膜图像中的特征点是否清晰；若所述虹膜图像中的特征点清晰，则将所述特征点进行编码，以生成当前用户的虹膜信息。本发明首先通过扫描采集范围后才进行虹膜图像的采集，避免拍摄到无法或不易识别的图像，其次仅对清晰的虹膜图像进行编码，避免因模糊而造成识别错误、以及资源的浪费，进而提升识别的速度和提高识别的准确率。
Description
技术领域
本发明属于计算机的安全领域，尤其涉及一种虹膜信息的采集方法及采集***。
背景技术
虹膜是人眼瞳孔和眼白之间的环状组织，包含了丰富的纹理信息。虹膜的形成由遗传基因决定，人体基因表达决定了虹膜的形态、生理、颜色和总的外观。到二岁左右，虹膜就基本上发育到了足够尺寸，进入了相对稳定的时期。除非极少见的反常状况、身体或精神上大的创伤造成虹膜外观上的改变外，虹膜形貌可以保持数十年没有多少变化。
虹膜作为生物识别信息，具有唯一性高、稳定性高、不易仿造、以及易采集的特点。虽然如此，但由于所在人体所处环境的亮度是否适宜、虹膜部分是否被遮挡等外界因素仍会对采集到的虹膜信息产生影响。
对此，目前虹膜识别技术研发方向，集中在对虹膜识别的各类识别算法上，并通过识别算法去弥补、或去除因采集导致的不足。比如：若虹膜采集过程中，若虹膜信息被遮挡了一部分，则一般是通过算法分析未被遮挡的部分。这样进行后期弥补，不仅降低了准确率，还导致分析的速度变慢，浪费了***资源。
发明内容
有鉴于此，本发明的目的在于提供一种虹膜信息的采集方法及采集***，可以解决现有技术中依靠识别算法去弥补采集中不足而导致的准确率低、分析速度慢，以及浪费***资源等技术问题。
为解决上述技术问题，本发明实施例提供了一种虹膜信息的采集方法，应用于终端设备中，所述采集方法包括：
扫描所述终端设备的采集范围内是否有人体出现；
当存在人体时，通过调整拍摄角度以采集所述人体的虹膜图像；
从所述虹膜图像中提取特征点；
判断所述虹膜图像中的特征点是否清晰；以及
若所述虹膜图像中的特征点清晰，则将所述特征点进行编码，以生成当前用户的虹膜信息。
为解决上述技术问题，本发明实施例还提供了一种虹膜信息的采集***，应用于终端设备中，所述采集***包括：
扫描模块，用于扫描所述终端设备的采集范围内是否有人体出现；
采集模块，连接于所述扫描模块，用于当存在人体时，通过调整拍摄角度以采集所述人体的虹膜图像；
提取模块，连接于所述采集模块，用于从所述虹膜图像中提取特征点；
判断模块，连接于所述提取模块，用于判断所述虹膜图像中的特征点是否清晰；以及
编码模块，连接于所述判断模块和所述采集模块，用于当所述虹膜图像中的特征点清晰时，将所述特征点进行编码，以生成当前用户的虹膜信息。
相对于现有技术，本发明提供的虹膜信息的采集方法及采集***，首先通过扫描采集范围后才进行虹膜图像的采集，避免拍摄到无法或不易识别的图像，其次仅对清晰的虹膜图像进行编码，避免因模糊而造成识别错误、以及资源的浪费，进而提升识别的速度和提高识别的准确率。
附图说明
图1是本发明实施例一提供的虹膜信息的采集方法的流程示意图；
图2是本发明实施例二提供的虹膜信息的采集方法的流程示意图；
图3是本发明实施例三提供的虹膜信息的采集***的模块示意图；
图4是本发明实施例四提供的虹膜信息的采集***的模块示意图；
图5是本发明实施例提供的虹膜识别要素的示意图。
具体实施方式
请参照附图中的图式，其中相同的组件符号代表相同的组件，本发明的原理是以实施在一适当的运算环镜中来举例说明。以下的说明是基于所示例的本发明的具体实施例，其不应被视为限制本发明未在此详述的其它具体实施例。
本发明原理以上述文字来说明，其并不代表为一种限制，本领域技术人员将可了解到以下所述的多种步骤及操作亦可实施在硬件当中。
请参照以下实施例，实施例一、二侧重于虹膜信息的采集方法，实施例三、四侧重于虹膜信息的采集***，可以理解的是：虽然各实施例的侧重不同，但其设计思想是一致的。且，在某个实施例中没有详述的部分，可以参见说明书全文的详细描述，不再赘述。
实施例一
请参阅图1，所示为本发明实施例提供的虹膜信息的采集方法的流程示意图。
所述虹膜信息的采集方法，应用于终端设备中，所述采集方法包括：
在步骤S101中，扫描所述终端设备的采集范围内是否有人体出现。
所述扫描，包括但不限于：通过红外线、超声波、视频扫描、或温度监测等方式进行扫描。
可以理解的是，不同的终端设备因其自身的配置、安全要求、安装位置的不同，在正式采集前会设置不同的采集范围。
比如：摄像头的像素越高，则支持的采集的范围越远；应用于车库门禁时，识别距离要比应用手机时，采集范围远的多，前者可在12米左右，后者在0.5米左右即可。当然，以上具体距离不应视为对本案采集范围的限制，仅用于举例说明。
在步骤S102中，当存在人体时，通过调整拍摄角度以采集所述人体的虹膜图像。
具体而言，所述调整拍摄角度，包括：
(1)获取人脸的位置，并拍摄人脸图像；
(2)对所述人脸图像中的虹膜进行定位，包括：通过确定内圆(虹膜与瞳孔的边界)、外圆(虹膜与巩膜的边界)和二次曲线(虹膜与上下眼皮的边界)在图像中的位置，以进行虹膜定位；以及
(3)将虹膜图像中的虹膜大小进行归一化处理，以调整到预设的固定尺寸，以形成所述虹膜图像。
在步骤S103中，从所述虹膜图像中提取特征点。
可以理解的是，在提取特征点前，还包括预处理的步骤，即：
针对上述归一化处理后虹膜图像，进行亮度、对比度、和平滑度等处理，以提高虹膜图像中虹膜特征的识别度。
在步骤S104中，判断所述虹膜图像中的特征点是否清晰。
其中，若所述虹膜图像中的特征点清晰，则执行步骤S105，若所述虹膜图像中的特征点不清晰，则返回至步骤S102，以采集当前人体的虹膜图像，直至清晰。
具体而言，所述清晰的判断步骤，包括：
(1)判断特征点是否包括色素点、放射纹、斑点、和隐窝四个要素。
如图5所示，为虹膜识别要素的示意图。所述虹膜500的识别要素，包括：色素点51、放射纹52、斑点53、和隐窝54。
(2)判断所述虹膜图像中是否存在模糊区域。
可以理解的是，所述模糊区域，通常是由于距离稍远，局部被遮挡而形成的，尤其是眼镜、头发、发饰等。
(3)若包括四个要素、且不存在模糊区域，则判断为特征点清晰。
(4)若不包括四个要素之一、或存在模糊区域，则判断为特征点不清晰。
在步骤S105中，将所述特征点进行编码，以生成当前用户的虹膜信息。
目前，常用的是子波分析的数学技术，将虹膜图像转换成一串数字代码。人的虹膜具有大约266项可检测的特征，相比之下，人的指纹只有大约40项可检测的特征。
此外，需要说明的是，本发明提供的虹膜信息的采集方法，尤其适用于首次注册时信息的采集，并将所采集的信息作为匹配库中的存储信息，以供后续匹配时进行参照。
本发明提供的虹膜信息的采集方法，首先通过扫描采集范围后才进行虹膜图像的采集，避免拍摄到无法或不易识别的图像，其次仅对清晰的虹膜图像进行编码，避免因模糊而造成识别错误、以及资源的浪费，进而提升识别的速度和提高识别的准确率。
实施例二
请参阅图2，所示为本发明实施例提供的虹膜信息的采集方法的流程示意图。其中，图2与图1中相同的步骤仍采用S1开头的标号，与图1不同的步骤以S2开头进行标号，以示区分。
所述虹膜信息的采集方法，应用于终端设备中，所述采集方法包括：
在步骤S101中，扫描所述终端设备的采集范围内是否有人体出现。
在步骤S102中，当存在人体时，通过调整拍摄角度以采集所述人体的虹膜图像。
在步骤S103中，从所述虹膜图像中提取特征点。
在步骤S104中，判断所述虹膜图像中的特征点是否清晰。其中，若所述虹膜图像中的特征点不清晰，则执行步骤S201，若所述虹膜图像中的特征点清晰，则执行步骤S204。
在步骤S201中，统计当前人体的虹膜图像的个数是否超过1个。
其中，若不超过，则返回步骤S102，若超过1个，则执行步骤S202。
在步骤S202中，判断从多个虹膜图像中提取的特征点是否互补。
其中，若不互补，则返回步骤S102继续采集。若互补，则执行步骤S203。
在步骤S203中，从多个虹膜图像中共同提取特征点。
具体包括：则从所述第一虹膜图像和所述第二虹膜图像中共同提取特征点，具体包括：
(1)判断所述多个虹膜图像的清晰度；
(2)以清晰度高的图像为准，提取第一组特征点；
(3)以清晰度低的剩余图像为补充，提取第二组特征点；
(4)获取第一组特征点中的模糊区域；
(5)从所述第二特点中读取所述模糊区域对应的局部特征点；以及
(6)将所述局部特征点替换至所述模糊区域以生成组合特征点。
在步骤S204中，将所述特征点进行编码，以生成当前用户的虹膜信息。
具体而言，所述特征点，包括：从一张清晰的虹膜图像中提取的特征点、或从多个虹膜图像中提取的组合特征点。
本发明提供的虹膜信息的采集方法，首先通过扫描采集范围后才进行虹膜图像的采集，避免拍摄到无法或不易识别的图像，其次仅对清晰的虹膜图像进行编码，避免因模糊而造成识别错误、以及资源的浪费，进而提升识别的速度和提高识别的准确率。
实施例三
请参阅图3，所示为本发明实施例提供的虹膜信息的采集***的模块示意图。
所述虹膜信息的采集***300，应用于终端设备中。所述采集***300包括：扫描模块31、采集模块32、提取模块33、判断模块34、开关模块35、以及编码模块36。
扫描模块31，用于扫描所述终端设备的采集范围内是否有人体出现。
所述扫描，包括但不限于：通过红外线、超声波、视频扫描、或温度监测等方式进行扫描。
采集模块32，连接于所述扫描模块31，用于当存在人体时，通过调整拍摄角度以采集所述人体的虹膜图像。
提取模块33，连接于所述采集模块32，用于从所述虹膜图像中提取特征点。
判断模块34，连接于所述提取模块33，用于判断所述虹膜图像中的特征点是否清晰。
其中，关于清晰的判断，包括但不限于：虹膜要素是否齐全、以及是否存在模块区域。
如图5所示，为虹膜识别要素的示意图。所述虹膜500的识别要素，包括：色素点51、放射纹52、斑点53、和隐窝54。
开关模块35，连接于所述判断模块34和所述采集模块32，用于当所述特征点不清晰时，通知所述采集模块32继续采集所述人体的虹膜图像。
编码模块36，连接于所述判断模块34和所述提取模块33，用于当所述虹膜图像中的特征点清晰时，将所述特征点进行编码，以生成当前用户的虹膜信息。
目前，常用的是子波分析的数学技术，将虹膜图像转换成一串数字代码。人的虹膜具有大约266项可检测的特征，相比之下，人的指纹只有大约40项可检测的特征。
此外，需要说明的是，本发明提供的虹膜信息的采集***，尤其适用于首次注册时信息的采集，并将所采集的信息作为匹配库中的存储信息，以供后续匹配时进行参照。
本发明提供的虹膜信息的采集***，首先通过扫描采集范围后才进行虹膜图像的采集，避免拍摄到无法或不易识别的图像，其次仅对清晰的虹膜图像进行编码，避免因模糊而造成识别错误、以及资源的浪费，进而提升识别的速度和提高识别的准确率。
实施例四
请参阅图4，所示为本发明实施例提供的虹膜信息的采集方法的流程示意图。其中，图4与图3中相同的模块仍采用3开头的标号，与图3不同的模块以4开头进行标号，以示区分。
所述虹膜信息的采集***400，应用于终端设备中，所述采集***400包括：扫描模块31、采集模块41、提取模块42、判断模块43、统计模块44、互补模块45、开关模块46、以及编码模块47。
扫描模块31，用于扫描所述终端设备的采集范围内是否有人体出现。
采集模块41，连接于所述扫描模块31，用于当存在人体时，通过调整拍摄角度以采集所述人体的虹膜图像。
具体而言，所述采集模块41，包括：
人脸定位子模块411，用于获取人脸的位置，并拍摄人脸图像；
虹膜定位子模块412，用于对所述人脸图像中的虹膜进行定位，包括：通过确定内圆(虹膜与瞳孔的边界)、外圆(虹膜与巩膜的边界)和二次曲线(虹膜与上下眼皮的边界)在图像中的位置，以进行虹膜定位；以及
归一子模块413，用于将虹膜图像中的虹膜大小进行归一化处理，以调整到预设的固定尺寸，以形成所述虹膜图像。
提取模块42，连接于所述采集模块41，用于从所述虹膜图像中提取特征点。
具体而言，所述提取模块42，还包括：
预处理子模块421，用于对针对归一化后虹膜图像，进行亮度、对比度和平滑度等处理，以提高虹膜图像中虹膜特征的识别度。
判断模块43，连接于所述提取模块42，用于判断所述虹膜图像中的特征点是否清晰。
具体而言，所述判断模块43，包括：
完整性判断子模块431，用于判断特征点是否包括：色素点、放射纹、斑点、和隐窝四个要素。
区域判断子模块432，用于判断所述虹膜图像中是否存在模糊区域；以及
结果子模块433，用于当所述虹膜图像中包括四个要素、且不存在模糊区域时，判断为特征点清晰，当不包括四个要素之一、或存在模糊区域时，判断为特征点不清晰。
统计模块44，连接于所述判断模块43，用于当所述虹膜图像中的特征点不清晰时，判断当前人体的虹膜图像个数是否超过1个。
互补模块45，连接于所述提取模块42和所述统计模块44，用于当超过1个时，判断从多个虹膜图像中提取的特征点是否互补，并当互补时，从多个虹膜图像中共同提取特征点。
具体而言，所述互补模块45，包括：
清晰度判断子模块451，用于判断所述多个虹膜图像的清晰度；
基准子模块452，用于以清晰度高的图像为准，提取第一组特征点；
补充子模块453，用于以清晰度低的剩余图像为补充，提取第二组特征点；
区域子模块454，用于获取第一组特征点中的模糊区域；
局部子模块455，用于从所述第二特点中读取所述模糊区域对应的局部特征点；以及
组合子模块456，用于将所述局部特征点替换至所述模糊区域以生成组合特征点。
开关模块46，连接于所述互补45和所述采集模块41，用于当多个虹膜图像中提取的特征点不互补时，通知所述采集模块41继续采集所述人体的虹膜图像。
编码模块47，连接于所述互补模块45，用于将所述共同提取的特征点进行编码，以生成当前人体的虹膜信息；所述编码模块47，还连接于所述判断模块43和所述提取模块42，用于当所述虹膜图像中的特征点清晰时，将所述特征点进行编码，以生成当前用户的虹膜信息。
目前，常用的是子波分析的数学技术，将虹膜图像转换成一串数字代码。人的虹膜具有大约266项可检测的特征，相比之下，人的指纹只有大约40项可检测的特征。
此外，需要说明的是，本发明提供的虹膜信息的采集***，尤其适用于首次注册时信息的采集，并将所采集的信息作为匹配库中的存储信息，以供后续匹配时进行参照。
本发明提供的虹膜信息的采集***，首先通过扫描采集范围后才进行虹膜图像的采集，避免拍摄到无法或不易识别的图像，其次仅对清晰的虹膜图像进行编码，避免因模糊而造成识别错误、以及资源的浪费，进而提升识别的速度和提高识别的准确率。
本发明实施例提供的虹膜信息的采集方法及采集***属于同一构思，其具体实现过程详见说明书全文，此处不再赘述。
综上所述，虽然本发明已以优选实施例揭露如上，但上述优选实施例并非用以限制本发明，本领域的普通技术人员，在不脱离本发明的精神和范围内，均可作各种更动与润饰，因此本发明的保护范围以权利要求界定的范围为准。
Claims (10)
1.一种虹膜信息的采集方法，应用于终端设备中，其特征在于，所述采集方法包括：
扫描所述终端设备的采集范围内是否有人体出现；
当存在人体时，通过调整拍摄角度以采集所述人体的虹膜图像；
从所述虹膜图像中提取特征点；
判断所述虹膜图像中的特征点是否清晰；以及
若所述虹膜图像中的特征点清晰，则将所述特征点进行编码，以生成当前用户的虹膜信息。
2.如权利要求1所述的采集方法，其特征在于，判断所述虹膜图像中的特征点是否清晰，具体包括：
判断特征点是否包括色素点、放射纹、斑点、和隐窝四个要素；以及
判断所述虹膜图像中是否存在模糊区域；
若包括四个要素、且不存在模糊区域，则判断为特征点清晰；
若不包括四个要素之一、或存在模糊区域，则判断为特征点不清晰。
3.如权利要求1所述的采集方法，其特征在于，判断所述虹膜图像中的特征点是否清晰，之后还包括：
若所述虹膜图像中的特征点不清晰，则通过调整拍摄角度以继续采集所述人体的虹膜图像。
4.如权利要求1至3中任一项所述的采集方法，其特征在于，判断所述虹膜图像中的特征点是否清晰，还包括：
若所述虹膜图像中的特征点不清晰，则判断当前人体的虹膜图像个数是否超过1个；
若超过1个，则判断从多个虹膜图像中提取的特征点是否互补；
若互补，则从多个虹膜图像中共同提取特征点；
若不互补，则继续采集所述人体的虹膜图像。
5.如权利要求4所述的采集方法，其特征在于，若互补，则从多个虹膜图像中共同提取特征点，具体包括：
判断所述多个虹膜图像的清晰度；
以清晰度高的图像为准，提取第一组特征点；
以清晰度低的剩余图像为补充，提取第二组特征点；
获取第一组特征点中的模糊区域；
从所述第二特点中读取所述模糊区域对应的局部特征点；以及
将所述局部特征点替换至所述模糊区域以生成组合特征点。
6.一种虹膜信息的采集***，应用于终端设备中，其特征在于，所述采集***包括：
扫描模块，用于扫描所述终端设备的采集范围内是否有人体出现；
采集模块，连接于所述扫描模块，用于当存在人体时，通过调整拍摄角度以采集所述人体的虹膜图像；
提取模块，连接于所述采集模块，用于从所述虹膜图像中提取特征点；
判断模块，连接于所述提取模块，用于判断所述虹膜图像中的特征点是否清晰；以及
编码模块，连接于所述判断模块和所述采集模块，用于当所述虹膜图像中的特征点清晰时，将所述特征点进行编码，以生成当前用户的虹膜信息。
7.如权利要求6所述的采集***，其特征在于，所述判断模块包括：
完整性判断子模块，用于判断特征点是否包括：色素点、放射纹、斑点、和隐窝四个要素；
区域判断子模块，用于判断所述虹膜图像中是否存在模糊区域；以及
结果子模块，用于当所述虹膜图像中包括四个要素、且不存在模糊区域时，判断为特征点清晰，当不包括四个要素之一、或存在模糊区域时，判断为特征点不清晰。
8.如权利要求6所述的采集***，其特征在于，还包括：
开关模块，连接于所述判断模块和所述采集模块，用于当所述特征点不清晰时，通知所述采集模块继续采集所述人体的虹膜图像。
9.如权利要求6至8中任一项所述的采集***，其特征在于，还包括：
统计模块，连接于所述判断模块，用于当若所述虹膜图像中的特征点不清晰，则判断当前人体的虹膜图像个数是否超过1个；
互补模块，连接于所述提取模块和所述统计模块，用于当超过1个时，判断从多个虹膜图像中提取的特征点是否互补，并当互补时，从多个虹膜图像中共同提取特征点；
所述编码模块，连接于所述互补模块，还用于将所述共同提取的特征点进行编码，以生成当前人体的虹膜信息。
10.如权利要求9所述的采集***，其特征在于，所述互补模块包括：
清晰度判断子模块，用于判断所述多个虹膜图像的清晰度；
基准子模块，用于以清晰度高的图像为准，提取第一组特征点；
补充子模块，用于以清晰度低的剩余图像为补充，提取第二组特征点；
区域子模块，用于获取第一组特征点中的模糊区域；
局部子模块，用于从所述第二特点中读取所述模糊区域对应的局部特征点；以及
组合子模块，用于将所述局部特征点替换至所述模糊区域以生成组合特征点。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510719427.1A CN105335720B (zh) | 2015-10-28 | 2015-10-28 | 虹膜信息的采集方法及采集*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510719427.1A CN105335720B (zh) | 2015-10-28 | 2015-10-28 | 虹膜信息的采集方法及采集*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105335720A true CN105335720A (zh) | 2016-02-17 |
| CN105335720B CN105335720B (zh) | 2018-02-16 |
Family
ID=55286236
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510719427.1A Expired - Fee Related CN105335720B (zh) | 2015-10-28 | 2015-10-28 | 虹膜信息的采集方法及采集*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105335720B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105868613A (zh) * | 2016-06-08 | 2016-08-17 | 广东欧珀移动通信有限公司 | 一种生物特征识别方法、装置和移动终端 |
| CN106326883A (zh) * | 2016-09-30 | 2017-01-11 | 桂林师范高等专科学校 | 一种虹膜识别处理模块 |
| CN107451453A (zh) * | 2017-07-28 | 2017-12-08 | 广东欧珀移动通信有限公司 | 解锁控制方法及相关产品 |
| CN107563325A (zh) * | 2017-08-31 | 2018-01-09 | 广东小天才科技有限公司 | 一种测试疲劳度的方法、装置及终端设备 |
| WO2021115097A1 (zh) * | 2019-12-13 | 2021-06-17 | Oppo广东移动通信有限公司 | 瞳孔检测方法及相关产品 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103077386A (zh) * | 2013-02-06 | 2013-05-01 | 北京中科虹霸科技有限公司 | 一种级联的视频流虹膜图像质量检测方法 |
| CN103106401A (zh) * | 2013-02-06 | 2013-05-15 | 北京中科虹霸科技有限公司 | 具有人机交互机制的移动终端虹膜识别装置和方法 |
| CN103605959A (zh) * | 2013-11-15 | 2014-02-26 | 武汉虹识技术有限公司 | 一种虹膜图像去除光斑的方法及装置 |
| CN104021382A (zh) * | 2014-06-20 | 2014-09-03 | 北京释码大华科技有限公司 | 一种眼部图像采集方法及其*** |
-
2015
- 2015-10-28 CN CN201510719427.1A patent/CN105335720B/zh not_active Expired - Fee Related
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103077386A (zh) * | 2013-02-06 | 2013-05-01 | 北京中科虹霸科技有限公司 | 一种级联的视频流虹膜图像质量检测方法 |
| CN103106401A (zh) * | 2013-02-06 | 2013-05-15 | 北京中科虹霸科技有限公司 | 具有人机交互机制的移动终端虹膜识别装置和方法 |
| CN103605959A (zh) * | 2013-11-15 | 2014-02-26 | 武汉虹识技术有限公司 | 一种虹膜图像去除光斑的方法及装置 |
| CN104021382A (zh) * | 2014-06-20 | 2014-09-03 | 北京释码大华科技有限公司 | 一种眼部图像采集方法及其*** |
Non-Patent Citations (2)
| Title |
|---|
| 余军: "基于像素级的图像融合技术研究", 《中国优秀硕士学位论文全文数据库》 * |
| 陈英: "虹膜定位和识别算法的研究", 《中国优秀博士学位论文全文数据库》 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105868613A (zh) * | 2016-06-08 | 2016-08-17 | 广东欧珀移动通信有限公司 | 一种生物特征识别方法、装置和移动终端 |
| CN106326883A (zh) * | 2016-09-30 | 2017-01-11 | 桂林师范高等专科学校 | 一种虹膜识别处理模块 |
| CN107451453A (zh) * | 2017-07-28 | 2017-12-08 | 广东欧珀移动通信有限公司 | 解锁控制方法及相关产品 |
| CN107451453B (zh) * | 2017-07-28 | 2020-05-26 | Oppo广东移动通信有限公司 | 解锁控制方法及相关产品 |
| CN107563325A (zh) * | 2017-08-31 | 2018-01-09 | 广东小天才科技有限公司 | 一种测试疲劳度的方法、装置及终端设备 |
| CN107563325B (zh) * | 2017-08-31 | 2020-09-25 | 广东小天才科技有限公司 | 一种测试疲劳度的方法、装置及终端设备 |
| WO2021115097A1 (zh) * | 2019-12-13 | 2021-06-17 | Oppo广东移动通信有限公司 | 瞳孔检测方法及相关产品 |
| CN112989878A (zh) * | 2019-12-13 | 2021-06-18 | Oppo广东移动通信有限公司 | 瞳孔检测方法及相关产品 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105335720B (zh) | 2018-02-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105335720A (zh) | 虹膜信息的采集方法及采集*** | |
| US9922238B2 (en) | Apparatuses, systems, and methods for confirming identity | |
| JP6452617B2 (ja) | バイオメトリク虹彩照合システム | |
| US10769423B2 (en) | Method, system and terminal for identity authentication, and computer readable storage medium | |
| KR100374708B1 (ko) | 회전영상의 보정에 의한 비접촉식 홍채인식방법 | |
| CN108629262B (zh) | 虹膜识别方法及相应装置 | |
| CN104680128B (zh) | 一种基于四维分析的生物特征识别方法和*** | |
| KR101632912B1 (ko) | 지문 인식을 이용한 사용자 인증 방법 | |
| US8325996B2 (en) | Method and device for locating a human iris in an eye image | |
| KR20090008256A (ko) | 얼굴 인식 시스템 | |
| KR20040059313A (ko) | 치아영상으로부터 치아영역 추출방법 및 치아영상을이용한 신원확인방법 및 장치 | |
| CN101727574A (zh) | 虹膜识别***及方法 | |
| Lee et al. | An automated video-based system for iris recognition | |
| CN112949365A (zh) | 活体脸部辨识***与方法 | |
| Ravi et al. | A novel method for touch-less finger print authentication | |
| Chen et al. | A robust segmentation approach to iris recognition based on video | |
| CN105631285A (zh) | 一种生物特征身份识别方法及装置 | |
| KR20110119214A (ko) | 얼굴 변화에 강인한 얼굴 인식 방법 | |
| Jayachandra et al. | Iris Recognition based on Pupil using Canny edge detection and K-Means Algorithm | |
| KR20200109977A (ko) | 지문 및 얼굴 영상을 이용한 스마트폰 기반 신원확인 방법 | |
| CN111914585A (zh) | 一种虹膜识别的方法及*** | |
| Singla et al. | Challenges at different stages of an iris based biometric system. | |
| Moravcik et al. | Detection of determined eye features in digital image | |
| CN108875646B (zh) | 一种真实面部图像与身份证登记双重比对认证方法和*** | |
| CN107368811B (zh) | 红外与非红外光照下基于lbp的人脸特征提取方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP01 | Change in the name or title of a patent holder |
Address after: Changan town in Guangdong province Dongguan 523860 usha Beach Road No. 18 Patentee after: GUANGDONG OPPO MOBILE TELECOMMUNICATIONS Corp.,Ltd. Address before: Changan town in Guangdong province Dongguan 523860 usha Beach Road No. 18 Patentee before: GUANGDONG OPPO MOBILE TELECOMMUNICATIONS Corp.,Ltd. |
|
| CP01 | Change in the name or title of a patent holder | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180216 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |