CN109255282B - 一种生物识别方法、装置和*** - Google Patents
一种生物识别方法、装置和*** Download PDFInfo
- Publication number
- CN109255282B CN109255282B CN201710573675.9A CN201710573675A CN109255282B CN 109255282 B CN109255282 B CN 109255282B CN 201710573675 A CN201710573675 A CN 201710573675A CN 109255282 B CN109255282 B CN 109255282B
- Authority
- CN
- China
- Prior art keywords
- image
- user
- image signal
- information
- biological
- 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.)
- Active
Links
Images
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/254—Fusion techniques of classification results, e.g. of results related to same input data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/55—Depth or shape recovery from multiple images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/143—Sensing or illuminating at different wavelengths
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/147—Details of sensors, e.g. sensor lenses
-
- 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
-
- 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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
-
- 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
- G06V40/14—Vascular patterns
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Ophthalmology & Optometry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Vascular Medicine (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明提供一种生物识别方法、***和装置,所述方法包括:S1、获取携有用户头部生物特征信息的第一图像信号和携有用户眼部生物特征信息的第二图像信号;S2、根据第一图像信号和第二图像信号合成计算用户的深度信息,并判断用户是否处于生物识别区域范围内;S3、对处于生物识别区域范围的用户进行生物识别。通过双重生物特征进行用户识别认证;不仅可以进行至少一种生物特征的图像进行拍摄,还可以进行至少一种生物特征的图像进行采集与处理,并实现生物的身份注册与认证,完成生物的身份识别,为信息安全的获取与使用提供便利,并且达成目前最高的身份识别安全等级,从而促进社会服务与人们生活和工作的更大的进步。
Description
技术领域
本发明涉及人机交互技术领域,更具体地,涉及一种生物识别方法、***和装置。
背景技术
随着经济的快速发展,社会网络更加复杂、人员的流动性更是频繁,因此对于人员的身份安全认证的需求也更加迫切,同时认证条件也更加严苛。在众多的身份识别方法中,利用人体自有生物特性进行鉴别的优越性是其他外设方式所不可比拟的,其安全性和可靠性得到了广泛的认可。鉴于虹膜在生命个体中的唯一性和恒定性特点,在生物识别技术中成了备受推崇的技术之一。更由于它非常低的错误识别率,使得这一技术更加适用于具有高安全保障要求的领域中。基于人体生物特征的特性,提出了基于人脸、掌纹、指纹、虹膜、静脉、手型、笔迹等方面的生物特征识别技术。
在一个或多个生物识别装置相关的发明概念的示范实施例中,脸部识别、视网膜识别、眼纹识别、虹膜识别等已经被应用当中,要求用户在适当的距离内捕获用户的生物特征的图像进行生物识别,处理图像处理,并将图像与预先存储的注册图像进行比较。在被配置成捕捉用户生物图像的摄像头中,通常只采用单个摄像头进行生物特征图像的采集,无法根据距离来捕获更多的生物特征,造成图像的信息采集不易被用于评估生物特征的有效性,同时单个摄像头采用到的图像信息要么是彩色的,要么是黑白的,从而影响用户的体验。
随着智能手机的兴起,双目摄像头或多目摄像头已渐进入人们的生活,但它们通常仅仅用于拍摄生活场景,要么低照度增强,要么先拍照后对焦,要么光学变焦等,这样功能都不是应用于生物特征的图像采集,因此无法满足生物识别的要求。
正因如此,生物识别***显示使用距离测量传感器测量用户距离的结果来定位用户的操作范围,并定义只有在操作范围内时才会被用于生物识别的图像采集,否则就只会用于一般的场景拍摄。由于生物识别无论白天还是黑夜,都需要正常使用,特别是在暗环境下,如果没有红外光线的补充则会影响图像采集的效果,因此,在生物识别***上设置红外光线的补充是非常必要的,并且会增加较低采集的效果。
发明内容
本发明提供一种克服上述问题或者至少部分地解决上述问题的一种生物识别方法、***和装置,解决了现有技术中只采用单个摄像头进行生物特征图像的采集,无法根据距离来捕获更多的生物特征,造成图像的信息采集不易被用于评估生物特征的有效性的问题。
根据本发明的一个方面,提供一种生物识别方法,包括:
S1、获取携有用户头部生物特征信息的第一图像信号和携有用户眼部生物特征信息的第二图像信号;
S2、根据第一图像信号和第二图像信号合成计算用户的深度信息,并判断用户是否处于生物识别区域范围内;
S3、对处于生物识别区域范围的用户进行生物识别。
作为优选的,所述第一图像信号为拍摄用户的头部捕获对应的可视光线的图像信号;所述第二图像信号为通过拍摄用于的眼部捕获对应的红外光线的图像信号。
作为优选的,所述头部生物特征信息包括脸部轮廓、静脉分布信息;所述眼部生物特征信息包括虹膜、视网膜、眼纹信息。
作为优选的,在步骤S1中,所述第一图像信号为RGB图像信号,所述第二图像信号为BW图像信号。
作为优选的,所述步骤S2具体包括:
提取第一图像信号的亮度分量图像和RGB分量图像,提取第二图像信号的灰度分量图像;
将第一图像信号的亮度分类图像与第二图像信号的灰度分量图像合成,得到含有头部位置和眼部位置的用户位置信息,并得到用户的深度信息;
根据用户深度信息判断用户是否处于生物识别区域范围内。
作为优选的,所述用户的深度信息通过双目视觉技术,根据提取第一图像信号和第二图像信号的特征点特征并进行特征点匹配,将同时出现在两幅图像中的某一点筛选出来,并还原匹配点的三维坐标,进而得出深度信息。
作为优选的,所述步骤S3具体包括:
S31、对处于生物识别区域内的用户,根据第一图像信号的RGB分量图像计算用户的生物特征,得到用户的脸部轮廓与/或静脉分布信息;
S32、将得到的脸部轮廓与/或静脉分布信息与注册数据进行匹配,若匹配不成功则认证失败,结束认证;若匹配成功则进入步骤S33;
S33、根据第二图像信号计算用户的生物特征,得到用户的眼部虹膜与/或视网膜与/或眼纹信息,并与注册数据进行匹配,若匹配不成功则认证失败,结束认证;若匹配成功则认证通过,结束认证。
作为优选的,所述步骤S3还包括,当检测到用户不处于生物识别区域内或认证失败时,对第一图像信号和第二图像信号进行处理、合成,并将处理合成后的图像并输出显示。
作为优选的,所述步骤S2和步骤S3中,匹配结束后,输出认证结果信号,所述认证结果信号包括图像信号、声音信号。
一种生物识别***,包括图像获取模块和***处理器;
所述图像获取模块用于获取携有用户头部生物特征信息的第一图像信号和携有用户眼部生物特征信息的第二图像信号;
所述***处理器用于根据第一图像信号和第二图像信号合成计算用户的深度信息,并基于深度信息、用户头部生物特征信息、用户眼部生物特征信息进行身份识别。
作为优选的,所述图像获取模块捕获用户头部的可视光线光学信号并输出第一图像信号,捕获用户眼部的红外光线光学信号并输出第二图像信号,所述第一图像信号为RGB图像信号,所述第二图像信号为BW图像信号。
作为优选的,所述头部生物特征信息包括脸部轮廓、静脉分布信息;所述眼部生物特征信息包括虹膜、视网膜、眼纹信息。
作为优选的,所述***处理器包括彩色图像处理器、黑白图像处理器、合成单元、识别单元和判断单元;
所述彩色图像处理器用于提取第一图像信号的亮度分量图像和RGB分量图像;
所述黑白图像处理器用于提取第二图像信号的灰度分量图像;
所述合成单元用于将第一图像信号的亮度分类图像与第二图像信号的灰度分量图像合成,得到含有头部位置和眼部位置的用户位置信息,并得到用户的深度信息;
所述判断单元用于根据用户深度信息判断用户是否处于生物识别区域范围内;
所述识别单元用于对处于生物识别区域范围的用户进行生物识别。
作为优选的,还包括提示单元,所述提示单元用于匹配结束后,输出认证结果信号,所述认证结果信号包括图像信号、声音信号。
作为优选的,所述识别单元包括第一识别单元和第二识别单元;
所述第一识别单元用于根据第一图像信号的RGB分量图像计算用户的生物特征,得到用户的脸部轮廓与/或静脉分布信息,将得到的脸部轮廓与/或静脉分布信息与注册数据进行匹配识别;
所述第二识别单元用于根据第二图像信号计算用户的生物特征,得到用户的眼部虹膜与/或视网膜与/或眼纹信息,并与注册数据进行匹配识别。
作为优选的,所述合成单元包括深度获取子块和图像合成子块;
所述深度获取子块用于通过双目视觉技术,根据提取第一图像信号和第二图像信号的特征点特征并进行特征点匹配,将同时出现在两幅图像中的某一点筛选出来,并还原匹配点的三维坐标,进而得出深度信息;
所述图像合成子块用于对第一图像信号和第二图像信号进行处理、合成,并将处理合成后的图像并输出显示。
作为优选的,还包括显示单元,所述显示单元用于显示用户图像信息及认证结果信息。
一种生物识别装置,包括双目摄像头和***处理器芯片;
所述双目摄像头包括第一摄像头和第二摄像头,所述第一摄像头用于获取携有用户头部生物特征信息的第一图像信号;所述第二摄像头用于获取携有用户眼部生物特征信息的第二图像信号;
所述***处理芯片用于根据第一图像信号和第二图像信号合成计算用户的深度信息,并基于深度信息、用户头部生物特征信息、用户眼部生物特征信息进行身份识别。
作为优选的,所述第一摄像头和所述第二摄像头的曝光时间相同或不同。
作为优选的,所述的第一摄像头为可视光线拍摄装置,所述第二摄像头为红外光线拍摄装置。
作为优选的,所述第一摄像头包括第一镜头、第一滤光片和第一图像感测器芯片;所述第二摄像头包括第二镜头、第二滤光片和第二图像感测器芯片;所述第一摄像头。
作为优选的,所述第一滤光片为红外光线波截止的滤光片,用于过滤拍摄可视光线外的红外光线,所述第二滤光片为红外光线滤段通过的滤光片,用于过滤拍摄红外光线以外的可视光线。
作为优选的,所述第一图像感测器为RGB图像感测器,用于拍摄彩色的图像;所述第二图像感测器为BW图像感测器,用于拍摄黑白的图像。
作为优选的,所述第一镜头为广角镜头,用于抓取用户头部图像,所述第二镜头为窄角镜头,用于抓取用户的眼部图像。
作为优选的,还包括线路板组装件,所述双目摄像头和所述***处理器芯片安装于所述线路板组装件上。
作为优选的,所述第一摄像头还包括带通孔的第一底座,所述第二摄像头还包括带通孔的第二底座,所述第一滤光片、第一镜头通过所述第一底座上安装于线路板组装件上,所述第二滤光片、第二镜头通过所述第二底座上安装于线路板组装件上。
作为优选的,所述双目摄像头还包括主动对焦装置,所述主动对焦装置用于调整第一镜头和第一图像感测器芯片的相对位置、第二镜头和第二图像感测器芯片的相对位置以及第一摄像头和第二摄像头的光轴位置。
作为优选的,所述第一图像感测器芯片还包括第一控制单元,所述第一控制单元用于控制第一图像感测器芯片的第一像素、读出器及第一像素的曝光时间;所述第二图像感测器芯片还包括第二控制单元,所述第二控制单元用于控制第二图像感测器芯片的第二像素、读出器及第二像素的曝光时间。
作为优选的,所述头部生物特征信息包括脸部轮廓、静脉分布信息;所述眼部生物特征信息包括虹膜、视网膜、眼纹信息。
作为优选的,所述第一摄像头为固定交局摄像头模组或自动对焦摄像头模组或光学变焦摄像头模组。
作为优选的,所述***处理器芯片包括图像处理器、判断单元和识别单元;
所述图像处理器用于将第一图像信号的亮度分类图像与第二图像信号的灰度分量图像合成,得到含有头部位置和眼部位置的用户位置信息,并得到用户的深度信息;
所述判断单元用于根据用户深度信息判断用户是否处于生物识别区域范围内;
所述识别单元用于对处于生物识别区域范围的用户进行生物识别。
作为优选的,所述图像处理器包括彩色图像处理器、黑白图像处理器和合成单元;
所述彩色图像处理器用于提取第一图像信号的亮度分量图像和RGB分量图像;
所述黑白图像处理器用于提取第二图像信号的灰度分量图像;
所述合成单元用于将第一图像信号的亮度分类图像与第二图像信号的灰度分量图像合成,得到含有头部位置和眼部位置的用户位置信息,并得到用户的深度信息。
作为优选的,所述合成单元包括深度获取子块和图像合成子块;
所述深度获取子块用于通过双目视觉技术,根据提取第一图像信号和第二图像信号的特征点特征并进行特征点匹配,将同时出现在两幅图像中的某一点筛选出来,并还原匹配点的三维坐标,进而得出深度信息;
所述图像合成子块用于对第一图像信号和第二图像信号进行处理、合成,并将处理合成后的图像并输出显示。
作为优选的,还包括显示单元,所述显示单元用于显示用户图像信息及认证结果信息。
作为优选的,还包括提示单元,所述提示单元用于匹配结束后,输出认证结果信号,所述认证结果信号包括图像信号、声音信号。
作为优选的,所述识别单元包括第一识别单元和第二识别单元;
所述第一识别单元用于根据第一图像信号的RGB分量图像计算用户的生物特征,得到用户的脸部轮廓与/或静脉分布信息,将得到的脸部轮廓与/或静脉分布信息与注册数据进行匹配识别;
所述第二识别单元用于根据第二图像信号计算用户的生物特征,得到用户的眼部虹膜与/或视网膜与/或眼纹信息,并与注册数据进行匹配识别。
本申请提出一种生物识别方法、***和装置,通过分别携有用户头部生物特征信息的第一图像信号和携有用户眼部生物特征信息的第二图像信号,且所述第一图像信号为拍摄用户的头部捕获对应的可视光线的图像信号;所述第二图像信号为通过拍摄用于的眼部捕获对应的红外光线的图像信号,并通过双重生物特征进行用户识别认证;不仅可以进行至少一种生物特征的图像进行拍摄,还可以进行至少一种生物特征的图像进行采集与处理,并实现生物的身份注册与认证,完成生物的身份识别,为信息安全的获取与使用提供便利,并且达成目前最高的身份识别安全等级,从而促进社会服务与人们生活和工作的更大的进步。
附图说明
图1为根据本发明实施例1的生物识别方法流程框图;
图2为根据本发明实施例1的生物识别方法具体流程示意图;
图3为根据本发明实施例1的生物识别***方法的自拍示意图;
图4为根据本发明实施例1的生物识别***方法的头部生物特征识别示意图;
图5为根据本发明实施例1的生物识别方法的眼部生物特征识别示意图;
图6为根据本发明实施例2的生物识别方法应用示意图;
图7为根据本发明实施例3的生物识别***结构框图;
图8为根据本发明实施例3的***识别流程示意图;
图9为根据本发明实施例4的生物识别***应用示意图;
图10为根据本发明实施例5的生物识别装置应用示意图;
图11为根据本发明实施例5的生物识别装置结构图;
图12为根据本发明实施例5的双目摄像头芯片的框架图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
实施例1
如图1和图2所示,图中示出了一种生物识别方法,包括:
S1、获取携有用户头部生物特征信息的第一图像信号和携有用户眼部生物特征信息的第二图像信号;
S2、根据第一图像信号和第二图像信号合成计算用户的深度信息,并判断用户是否处于生物识别区域范围内;
S3、对处于生物识别区域范围的用户进行生物识别。
在本实施例中,所述第一图像信号为拍摄用户的头部捕获对应的可视光线的图像信号;所述第二图像信号为通过拍摄用于的眼部捕获对应的红外光线的图像信号。
作为优选的,所述头部生物特征信息包括脸部轮廓、静脉分布信息;所述眼部生物特征信息包括虹膜、视网膜、眼纹信息。
作为优选的,在步骤S1中,所述第一图像信号为RGB图像信号,所述第二图像信号为BW图像信号。
作为优选的,所述步骤S2具体包括:
提取第一图像信号的亮度分量图像和RGB分量图像,提取第二图像信号的灰度分量图像;
将第一图像信号的亮度分类图像与第二图像信号的灰度分量图像合成,得到含有头部位置和眼部位置的用户位置信息,并得到用户的深度信息;
根据用户深度信息判断用户是否处于生物识别区域范围内。
作为优选的,所述用户的深度信息通过双目视觉技术,根据提取第一图像信号和第二图像信号的特征点特征并进行特征点匹配,将同时出现在两幅图像中的某一点筛选出来,并还原匹配点的三维坐标,进而得出深度信息。
双目视觉技术属于计算机视觉技术的一个分支,其思想是通过处理两幅或者多幅二维图像,获取物体的三维信息,继而还原出相应场景的三维实景图,以达到重建现实世界模型的目的,利用同一对象在相隔一定距离的成像平面上的成像位置不同,即视差,通过视差来获得对象的深度信息。双目视觉技术的研究成果可应用于航天、航空、军事、教育、娱乐等各个领域。航天领域中的月球勘测地形车,实现了复杂条件下的设备的三维数据的精确测量及其设备定位,在本实施例中,在采集第一图像信号和第二图像信号时,可以通过双目视觉***进行分别采集,双目相机的两个镜头从不同位置同时获取目标物体及其周围景物的两幅数字图像,或者用单相机在不同时刻从不同位置获取周围景物的两幅数字图像,基于视差原理,在已知两相机之间位置关系的基础上,恢复出目标物体的三维空间信息,并进一步重建目标物体,能够使得所拍摄物体还原在世界坐标系里,进而通过双目视觉技术实现深度信息的获取。
作为优选的,所述步骤S3具体包括:
S31、对处于生物识别区域内的用户,根据第一图像信号的RGB分量图像计算用户的生物特征,得到用户的脸部轮廓与/或静脉分布信息;
S32、将得到的脸部轮廓与/或静脉分布信息与注册数据进行匹配,若匹配不成功则认证失败,结束认证;若匹配成功则进入步骤S33;
S33、根据第二图像信号计算用户的生物特征,得到用户的眼部虹膜与/或视网膜与/或眼纹信息,并与注册数据进行匹配,若匹配不成功则认证失败,结束认证;若匹配成功则认证通过,结束认证。
作为优选的,所述步骤S3还包括,当检测到用户不处于生物识别区域内或认证失败时,对第一图像信号和第二图像信号进行处理、合成,并将处理合成后的图像并输出显示。
作为优选的,所述步骤S2和步骤S3中,匹配结束后,输出认证结果信号,所述认证结果信号包括图像信号、声音信号。
在本实施例中,具体的,如图3至图6中所示,为本实施例提供的生物识别方法应用到手机中,当用户2拿起手机(图像处理***)时,用户2面对手机(图像处理***)的双目摄像头21时,双目摄像头21就会将用户2在内的场景一起拍摄图像,并在显示器上显示出用户2’画面;若侦测到用户2处于生物识别区域内,则在显示器上显示出用户头部2”画面或者用户眼部2”’面面。将来自图像1信号中带有亮度分量图像1a和灰度分量图像2’进行图像合成,并基于这个合成结果计算在双目摄像头21和用户之间的距离信息。基于深度信息与被存储的生物识别区域范围参数进行匹配后判定用户是否处于生物识别区域范围。基于来自RBG固件的图像1信号的第二分量图像1b来计算生物特征信息并记录用户2的脸部轮廓与/或静脉分布。基于深度信息和生物特征信息对于在生物识别区域内的用户2的脸部轮廓与/或静脉分布进行匹配注册数据,若在生物识别区域内的用户2的脸部轮廓与/或静脉分布匹配通过后输出一个抓图命令信号。根据抓取命令信号拍摄基于来自BW固件的图像2信号来计算在生物识别区域内的用户2的眼部虹膜与/或视网膜与/或眼纹的生物特征信息进行匹配注册数据,若图像2信号等同于注册数据,则用户认证成功并输出一个“认证成功“信号;若图像2信号不等同于注册数据,则用户认证失败并输出一个”认证失败“信号。
当侦测到不在生物特征识别区域内与/或收到生物特征识别”认证失败“后,分别对图像1信号和图像2信号进行处理,被处理过的第一图像和第二图像数据进行加工处理成新的合成图像,最后将第一和第二图像数据进行合成图像经过再次加工并在显示器上显示。
实施例2
如图6所示,在本实施例中,图像处理***1可以是任意一种带有生物识别***20的装备,包括但不限于移动设备、固定设备等,如门锁、门禁、考勤、枪柜等。当图像处理***1’是一种门禁时,这是图像处理***1的另一种实施方式,当用户2处于生物识别区域范围内,图像处理***1’的生物识别***20可以捕获用户2的眼部图像2”,从而实现生物识别。
实施例3
如图7和图8所示,图中示出了一种生物识别***,包括图像获取模块和***处理器;
所述图像获取模块用于获取携有用户头部生物特征信息的第一图像信号和携有用户眼部生物特征信息的第二图像信号;
所述***处理器用于根据第一图像信号和第二图像信号合成计算用户的深度信息,并基于深度信息、用户头部生物特征信息、用户眼部生物特征信息进行身份识别。
作为优选的,所述图像获取模块捕获用户头部的可视光线光学信号并输出第一图像信号,捕获用户眼部的红外光线光学信号并输出第二图像信号,所述第一图像信号为RGB图像信号,所述第二图像信号为BW图像信号。
作为优选的,所述头部生物特征信息包括脸部轮廓、静脉分布信息;所述眼部生物特征信息包括虹膜、视网膜、眼纹信息。
作为优选的,所述***处理器包括彩色图像处理器、黑白图像处理器、合成单元、识别单元和判断单元;
所述彩色图像处理器用于提取第一图像信号的亮度分量图像和RGB分量图像;
所述黑白图像处理器用于提取第二图像信号的灰度分量图像;
所述合成单元用于将第一图像信号的亮度分类图像与第二图像信号的灰度分量图像合成,得到含有头部位置和眼部位置的用户位置信息,并得到用户的深度信息;
所述判断单元用于根据用户深度信息判断用户是否处于生物识别区域范围内;
所述识别单元用于对处于生物识别区域范围的用户进行生物识别。
作为优选的,还包括提示单元,所述提示单元用于匹配结束后,输出认证结果信号,所述认证结果信号包括图像信号、声音信号。
作为优选的,所述识别单元包括第一识别单元和第二识别单元;
所述第一识别单元用于根据第一图像信号的RGB分量图像计算用户的生物特征,得到用户的脸部轮廓与/或静脉分布信息,将得到的脸部轮廓与/或静脉分布信息与注册数据进行匹配识别;
所述第二识别单元用于根据第二图像信号计算用户的生物特征,得到用户的眼部虹膜与/或视网膜与/或眼纹信息,并与注册数据进行匹配识别。
作为优选的,所述合成单元包括深度获取子块和图像合成子块;
所述深度获取子块用于通过双目视觉技术,根据提取第一图像信号和第二图像信号的特征点特征并进行特征点匹配,将同时出现在两幅图像中的某一点筛选出来,并还原匹配点的三维坐标,进而得出深度信息;
双目视觉技术属于计算机视觉技术的一个分支,其思想是通过处理两幅或者多幅二维图像,获取物体的三维信息,继而还原出相应场景的三维实景图,以达到重建现实世界模型的目的,利用同一对象在相隔一定距离的成像平面上的成像位置不同,即视差,通过视差来获得对象的深度信息。双目视觉技术的研究成果可应用于航天、航空、军事、教育、娱乐等各个领域。航天领域中的月球勘测地形车,实现了复杂条件下的设备的三维数据的精确测量及其设备定位,在本实施例中,在采集第一图像信号和第二图像信号时,可以通过双目视觉***进行分别采集,双目相机的两个镜头从不同位置同时获取目标物体及其周围景物的两幅数字图像,或者用单相机在不同时刻从不同位置获取周围景物的两幅数字图像,基于视差原理,在已知两相机之间位置关系的基础上,恢复出目标物体的三维空间信息,并进一步重建目标物体,能够使得所拍摄物体还原在世界坐标系里,进而通过双目视觉技术实现深度信息的获取。
所述图像合成子块用于对第一图像信号和第二图像信号进行处理、合成,并将处理合成后的图像并输出显示。
作为优选的,还包括显示单元,所述显示单元用于显示用户图像信息及认证结果信息。
图8为根据本实施例的***进行生物识别的流程图,图像可以包括彩色图像处理器(图中图像处理器1)、黑白图像处理器(图中图像处理器2)、合成单元、判断单元、第一识别单元和第二识别单元。图像处理器可以处理来自双目摄像头的图像1信号,图像1信号是一个RGB信号,因此提取RGB固件的图像1信号的一个亮度分量图像1a和第二RBG分量图像1b。图像处理器可以处理来自双目摄像头的图像2信号,图像2信号是一个BW信号,因此提取BW固件的图像2信号的灰度分量图像2’。合成单元将来自图像1信号中带有亮度分量图像1a和灰度分量图像2’进行图像合成,并基于这个合成结果计算在双目摄像头和用户之间的距离信息。同时,合成单元可以计算在双目摄像头和通过合成用户的头部位置和用户的眼部位置的用户之间的距离信息。第一识别单元基于来自BW固件的图像1信号的第二分量图像1b来计算生物特征,这个生物特征信息通过双目摄像头拍摄并且会被显示单元显示出来的用户脸部轮廓画面的空间信息与/或用户脸部静脉分布的空间信息。判断单元判断基于深度信息判定用户是否处于生物识别区域范围内,只有当判定用户处于生物识别区域范围符合预设置的值内才可以操作生物识别***;同时判断单元通过对中在双目摄像头的光学视场区域内可以侦测到用户的头部的脸形轮廓与/或静脉分布的图像以及两个眼部的图像。当判断单元侦测到用户不在生物识别区域内时可以输出一个“否”信号,提示单元收到“否”信号后可以输出一张图像和声音提示生物识别失败或者在显示一个提醒信息生物识别失败。当判断单元侦测到用户的头部的脸形轮廓与/或静脉分布的图像时,判断单元可以输出一个拍摄命令信号给到第一识别单元,第一识别单元侦测来自双目摄像头根据拍摄命令信号捕获用户的头部的脸形轮廓与/或静脉分布的图像1b信号,并结合判断单元通过侦测到用户的头部的脸型轮廓与/或静脉分布的图像信号来判定第一图像数据是否匹配注册数据,若输出”是“信号,判断单元可以继续输出一个拍摄命令捕获用户的眼部的虹膜与/或视网膜与/或眼纹的位置图像,第二识别单元侦测来自双目摄像头根据拍摄命令信息捕获用户的眼部的虹膜与/或视网膜与/或眼纹的图像2信号,结合判断单元通过用户的眼部的虹膜与/或视网膜与/或眼纹的图像信号来判定第二图像数据是否匹配注册数据,若输出”是“信号,匹配成功。若输出”否“信号,则输出一个声音信息提示生物识别失败或者显示一个提醒信息生物识别失败。
实施例4
如图9所示,为实施例2中的***具体应用示意图,图像处理***1的外形可以是一个智能移动终端,包括但不限于智能手机、平板电脑、数码相机、物联网设备或互联网设备等。该图像处理***1包括一显示屏10、一生物识别***20、一发光装置30、一内存40和一应用处理器50。该图像处理***1的应用处理器50可以控制通过显示屏10显示出图像数据;其可以控制生物识别***20捕获用户头部和眼部的生物特征的图像信息,该生物识别***20通过双目结构来捕获用户的深度信息和生物特征信息;其可以控制发光装置30提供朝向眼部的红外光线;内存40可以存储用于控制图像处理***1的程序。应用处理器50可以执行存储在内存40内的程序。当生物识别***20检测到生物特征在生物识别区域以内时,应用处理器50可以控制生物识别***20输出修正成红外光线图像的数据与/或可视光线图像的数据;当生物识别***20检测到生物特征在生物识别区域以外时,应用处理器50可以控制生物识别***20仅输出可视光线图像的数据。
实施例5
本实施例中示出了一种生物识别装置,包括双目摄像头和***处理器芯片;
所述双目摄像头包括第一摄像头和第二摄像头,所述第一摄像头用于获取携有用户头部生物特征信息的第一图像信号;所述第二摄像头用于获取携有用户眼部生物特征信息的第二图像信号;
所述***处理芯片用于根据第一图像信号和第二图像信号合成计算用户的深度信息,并基于深度信息、用户头部生物特征信息、用户眼部生物特征信息进行身份识别。
作为优选的,所述第一摄像头和所述第二摄像头的曝光时间相同或不同。
作为优选的,所述的第一摄像头为可视光线拍摄装置,所述第二摄像头为红外光线拍摄装置。
作为优选的,所述第一摄像头包括第一镜头、第一滤光片和第一图像感测器芯片;所述第二摄像头包括第二镜头、第二滤光片和第二图像感测器芯片;所述第一摄像头。
作为优选的,所述第一滤光片为红外光线波截止的滤光片,用于过滤拍摄可视光线外的红外光线,所述第二滤光片为红外光线滤段通过的滤光片,用于过滤拍摄红外光线以外的可视光线。
作为优选的,所述第一图像感测器为RGB图像感测器,用于拍摄彩色的图像;所述第二图像感测器为BW图像感测器,用于拍摄黑白的图像。
作为优选的,所述第一镜头为广角镜头,用于抓取用户头部图像,所述第二镜头为窄角镜头,用于抓取用户的眼部图像。
作为优选的,还包括线路板组装件,所述双目摄像头和所述***处理器芯片安装于所述线路板组装件上。
作为优选的,所述第一摄像头还包括带通孔的第一底座,所述第二摄像头还包括带通孔的第二底座,所述第一滤光片、第一镜头通过所述第一底座上安装于线路板组装件上,所述第二滤光片、第二镜头通过所述第二底座上安装于线路板组装件上。
作为优选的,所述双目摄像头还包括主动对焦装置,所述主动对焦装置用于调整第一镜头和第一图像感测器芯片的相对位置、第二镜头和第二图像感测器芯片的相对位置以及第一摄像头和第二摄像头的光轴位置。
作为优选的,所述第一图像感测器芯片还包括第一控制单元,所述第一控制单元用于控制第一图像感测器芯片的第一像素、读出器及第一像素的曝光时间;所述第二图像感测器芯片还包括第二控制单元,所述第二控制单元用于控制第二图像感测器芯片的第二像素、读出器及第二像素的曝光时间。
作为优选的,所述头部生物特征信息包括脸部轮廓、静脉分布信息;所述眼部生物特征信息包括虹膜、视网膜、眼纹信息。
作为优选的,所述第一摄像头为固定交局摄像头模组或自动对焦摄像头模组或光学变焦摄像头模组。
作为优选的,所述***处理器芯片包括图像处理器、判断单元和识别单元;
所述图像处理器用于将第一图像信号的亮度分类图像与第二图像信号的灰度分量图像合成,得到含有头部位置和眼部位置的用户位置信息,并得到用户的深度信息;
所述判断单元用于根据用户深度信息判断用户是否处于生物识别区域范围内;
所述识别单元用于对处于生物识别区域范围的用户进行生物识别。
作为优选的,所述图像处理器包括彩色图像处理器、黑白图像处理器和合成单元;
所述彩色图像处理器用于提取第一图像信号的亮度分量图像和RGB分量图像;
所述黑白图像处理器用于提取第二图像信号的灰度分量图像;
所述合成单元用于将第一图像信号的亮度分类图像与第二图像信号的灰度分量图像合成,得到含有头部位置和眼部位置的用户位置信息,并得到用户的深度信息。
作为优选的,所述合成单元包括深度获取子块和图像合成子块;
所述深度获取子块用于通过双目视觉技术,根据提取第一图像信号和第二图像信号的特征点特征并进行特征点匹配,将同时出现在两幅图像中的某一点筛选出来,并还原匹配点的三维坐标,进而得出深度信息;双目视觉技术属于计算机视觉技术的一个分支,其思想是通过处理两幅或者多幅二维图像,获取物体的三维信息,继而还原出相应场景的三维实景图,以达到重建现实世界模型的目的,利用同一对象在相隔一定距离的成像平面上的成像位置不同,即视差,通过视差来获得对象的深度信息。双目视觉技术的研究成果可应用于航天、航空、军事、教育、娱乐等各个领域。航天领域中的月球勘测地形车,实现了复杂条件下的设备的三维数据的精确测量及其设备定位,在本实施例中,在采集第一图像信号和第二图像信号时,可以通过双目视觉***进行分别采集,双目相机的两个镜头从不同位置同时获取目标物体及其周围景物的两幅数字图像,或者用单相机在不同时刻从不同位置获取周围景物的两幅数字图像,基于视差原理,在已知两相机之间位置关系的基础上,恢复出目标物体的三维空间信息,并进一步重建目标物体,能够使得所拍摄物体还原在世界坐标系里,进而通过双目视觉技术实现深度信息的获取。
所述图像合成子块用于对第一图像信号和第二图像信号进行处理、合成,并将处理合成后的图像并输出显示。
作为优选的,还包括显示单元,所述显示单元用于显示用户图像信息及认证结果信息。
作为优选的,还包括提示单元,所述提示单元用于匹配结束后,输出认证结果信号,所述认证结果信号包括图像信号、声音信号。
作为优选的,所述识别单元包括第一识别单元和第二识别单元;
所述第一识别单元用于根据第一图像信号的RGB分量图像计算用户的生物特征,得到用户的脸部轮廓与/或静脉分布信息,将得到的脸部轮廓与/或静脉分布信息与注册数据进行匹配识别;
所述第二识别单元用于根据第二图像信号计算用户的生物特征,得到用户的眼部虹膜与/或视网膜与/或眼纹信息,并与注册数据进行匹配识别。
在进行视觉识别(即面部识别、视网膜识别、虹膜识别)时,首先由摄像头拍摄多张生物识别图像,从中挑选出最合适的图片作为选定的生物图像,评估图像的质量(如果符合生物识别标准的图像),则与之前注册的生物图像进行比对,看是否生物特征一致,如果一样则进入屏幕解锁,如果不一致,则提示再次尝试识别。
数据显示指纹识别的误识率约为0.8%,人脸识别约为2%。虹膜识别作为“终极BOSS”具有个体唯一性、一致性、防伪性等优势,其误识率可低至百万分之一,因此逐渐应用于对安全等级有高要求的场景中,比如医疗、社保、信用、金融等领域。此类方案通过识别用户的生物特征来判断是否为合法用户并进行解锁。
在本实施例中采用虹膜识别方式,人的眼睛结构由巩膜、虹膜、瞳孔晶状体、视网膜等部分组成。虹膜是位于黑色瞳孔和白色巩膜之间的圆环状部分,其包含有很多相互交错的斑点、细丝、冠状、条纹、隐窝等的细节特征。而且虹膜在胎儿发育阶段形成后,在整个生命历程中将是保持不变的。这些特征决定了虹膜特征的唯一性,同时也决定了身份识别的唯一性。因此,可以将眼睛的虹膜特征作为每个人的身份识别对象。相比于人脸等其他生物特征,虹膜的生理学研究表明其不仅具有丰富的纹理特征,而且具有唯一性、稳定性、非侵犯性、天然防伪性、高生物活性等特征,是目前已经能够投入使用的最安全的生物识别认证技术。因此,基于虹膜的身份识别技术是目前的研究热点,将在门禁考勤、枪炮金库、身份证护照、社保体系、金融信息等安全认证要求高的领域发挥重要作用。但是由于虹膜的精细性和视觉隐藏生物特性,目前虹膜识别技术的大规模产业化、商业化仍然存在一些困难,如高质量虹膜图像的采集设备、降低用户配合度、评价虹膜图像质量、虹膜来源是否是活体以及虹膜自适应处理、有效特征匹配等。
如图10至图12所示,图像处理***1的外形可以是一个智能移动终端,包括但不限于智能手机、平板电脑、数码相机、物联网设备或互联网设备等。该图像处理***1包括一显示屏10、一生物识别***20、一发光装置30、一内存40和一应用处理器50。该图像处理***1的应用处理器50可以控制通过显示屏10显示出图像数据;其可以控制生物识别***20捕获用户头部和眼部的生物特征的图像信息,该生物识别***20通过双目结构来捕获用户的深度信息和生物特征信息;其可以控制发光装置30提供朝向眼部的红外光线;内存40可以存储用于控制图像处理***1的程序。应用处理器50可以执行存储在内存40内的程序。当生物识别***20检测到生物特征在生物识别区域以内时,应用处理器50可以控制生物识别***20输出修正成红外光线图像的数据与/或可视光线图像的数据;当生物识别***20检测到生物特征在生物识别区域以外时,应用处理器50可以控制生物识别***20仅输出可视光线图像的数据。
该生物识别***20包括一双目摄像头21和一生物识别***处理器芯片22。这些处理器和其它处理可以通过生物识别装置20正如被可执行的机器执行指令类似内存40上的指令一样去执行。双目摄像头21和生物识别***处理器芯片22作为专门用于分配处理的硬件去执行,处理任务可以合理地分配或共享。双目摄像头21用于捕获用户的头部和眼部图像信息,并基于拍摄图片输出图像1信号和图像2信号。双目摄像头21包括第一摄像头21a和第二摄像头21b,第一摄像头21a和第二摄像头21b被安装在线路板组装件110上,第一摄像头21a包括第一图像感测器芯片120,第一滤光片130,第一镜头140以及第一底座150;第二摄像头21b包括第一图像感测器芯片160,第二滤光片170,第二镜头180以及第二底座190。线路板组装件110是用于安装各种器件,包括第一摄像头21a、第二摄像头21b以及生物识别***处理器芯片22。第一镜头140和第二镜头180根据焦距可以包括拥有不同视场角的镜片;第一镜头140拥有一个大视场角去捕获用户头部的广角镜头,并且是一个短焦距的镜头;第二镜头160拥有一个小视场角去捕获用户眼部的窄角镜头,并且可以是一个固定焦距的镜头,或者是一个自动对焦的镜头。第一滤光片130可以允许通过可视光线的波长,并且阻隔红外光线的波长通过,是一块红外截止滤光片;第二滤光片170可以允许通过红外光线的滤长,并且阻隔可视光线的滤长通过,是一块红外通过滤光片。第一图像感测器芯片120是一个彩色CMOS芯片,用来收集红外截止过的光学信号,并转化输出图像1信号;第二图像感测器芯片160是一个黑白CMOS芯片,用来收集红外通过过的光学信号,并转化输出图像2信号。第一底座150是一个带通孔的罩子,通孔处用于放置第一镜头140和第一滤光片130,同时第一底座150对第一图像感测器芯片120进行遮光和保护;第二底座190也是一个带通孔的罩子,通孔片用于放置第二镜头180和第二滤光片170,同时第二底座190对第二图像感测器芯片160进行遮光和保护。
参考图12,双目摄像头21有两个独立的图像感测器,包括第一图像感测器芯片120和第二图像感测器芯片160。第一图像感测器芯片120的第一控制单元122可以根据来自应用处理器50的控制信号1来控制第一像素121和读出器123。第二图像感测器芯片160的第二控制单元162可以根据来自应用处理器50的控制信号2来控制第二像素161和读出器163。第一控制单元122可以控制第一像素121的曝光时间,第二控制单元162可以控制第二像161的曝光时间,它们的曝光时间不同的。
根据变化考虑发光装置30的环境条件下曝光时间可以是不同的控制,第二图像感测器160的感光度会有选择波长等。当生物识别处于在一个暗环境下,第一控制单元122可以控制对应于可视光线的图片的像素曝光时间去收集对应于红外光线的图片的像素曝光时间;第二控制单元162可以控制对应于红外光线的图片的像素曝光时间去收集对应于可视光线的图片的像素曝光时间;这两个曝光时间的差异可以根据环境条件变化而定。为了提升各自图像的像素大小的效率,任意的像素都可以包括或合并可能对这些像素进行不同大小的比较,更大的像素尺寸是包括第二像素161输出对应的红外图像和第一像素121输出对应的可视光线图像的合成像素尺寸,更明亮的合成像素尺寸是第二像素161输出对应的红外图像对第一像素121输出对应的可视光线图像进行亮度补偿的合成像素尺寸,更清晰的合成像素尺寸是第一像素121输出对就的可视光线图像对第二像素161输出对应的红外图像进行细节补偿的合成像素尺寸。
为了达成图像合成要求,第一摄像头21a和第二摄像头21b可以通过主动对焦控制来优化位置精度,第一摄像头21a和第二摄像头21b之间位置精度装配要被主动对焦来实现,其次第一图像感测器芯片120与第一镜头140可以通过主动对焦控制来优化第一摄像头21a的光轴位置精度,第二图像感测器芯征160与第二镜头180可以通过主动对焦控制来优化第二摄像头21b位置精度,最后第一摄像头21a和第二摄像头21b可以通过主动对焦控制来优化双目摄像头21位置精度。此处的“主动对焦控制”通常指的是摄像头模组单体的装配工艺和双目摄像头整体的装配工艺,摄像头模组单体的装配是通过调整第一镜头140相对于第一图像感测器芯片120之间的高度、旋转角度、倾斜角度等影响光学特性的因子在一个工艺内完成,通过调整第二镜头180相对第二图像感测器芯片160之间的高度、旋转角度、倾斜角度等影响光学特性的因子在一个工艺内完成;最后在通过调整第一摄像头21a和第二摄像头21b之间的光轴控制在几何关系就完成双目摄像头21的装配。双目摄像头21的第一读出器123在收到第一像素121的信号,在第一控制单元122的控制下第一读出器123生成和输出图像1信号,图像1信号是对应用于捕获用户头部的可视光线的图像;第二读出器163在收到第二像素161的信号,在第二控制单元162的控制下第二读出器163生成和输出图像2信号,图像2信号是对应用于捕获用户眼部的红外光线的图像。
本申请提出一种生物识别方法、***和装置,通过分别携有用户头部生物特征信息的第一图像信号和携有用户眼部生物特征信息的第二图像信号,且所述第一图像信号为拍摄用户的头部捕获对应的可视光线的图像信号;所述第二图像信号为通过拍摄用于的眼部捕获对应的红外光线的图像信号,并通过双重生物特征进行用户识别认证;不仅可以进行至少一种生物特征的图像进行拍摄,还可以进行至少一种生物特征的图像进行采集与处理,并实现生物的身份注册与认证,完成生物的身份识别,为信息安全的获取与使用提供便利,并且达成目前最高的身份识别安全等级,从而促进社会服务与人们生活和工作的更大的进步。
最后,本申请的方法仅为较佳的实施方案,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (33)
1.一种生物识别方法,其特征在于,包括:
S1、获取携有用户头部生物特征信息的第一图像信号和携有用户眼部生物特征信息的第二图像信号;
S2、根据第一图像信号和第二图像信号合成计算用户的深度信息,并判断用户是否处于生物识别区域范围内;
S3、对处于生物识别区域范围的用户进行生物识别;
所述第一图像信号为拍摄用户的头部捕获对应的可视光线的图像信号;所述第二图像信号为通过拍摄用于的眼部捕获对应的红外光线的图像信号。
2.根据权利要求1所述的生物识别方法,其特征在于,所述头部生物特征信息包括脸部轮廓、静脉分布信息;所述眼部生物特征信息包括虹膜、视网膜、眼纹信息。
3.根据权利要求1所述的生物识别方法,其特征在于,在步骤S1中,所述第一图像信号为RGB图像信号,所述第二图像信号为BW图像信号。
4.根据权利要求3所述的生物识别方法,其特征在于,所述步骤S2具体包括:
提取第一图像信号的亮度分量图像和RGB分量图像,提取第二图像信号的灰度分量图像;
将第一图像信号的亮度分类图像与第二图像信号的灰度分量图像合成,得到含有头部位置和眼部位置的用户位置信息,并得到用户的深度信息;
根据用户深度信息判断用户是否处于生物识别区域范围内。
5.根据权利要求4所述的生物识别方法,其特征在于,所述用户的深度信息通过双目视觉技术,根据提取第一图像信号和第二图像信号的特征点特征并进行特征点匹配,将同时出现在两幅图像中的某一点筛选出来,并还原匹配点的三维坐标,进而得出深度信息。
6.根据权利要求4所述的生物识别方法,其特征在于,所述步骤S3具体包括:
S31、对处于生物识别区域内的用户,根据第一图像信号的RGB分量图像计算用户的生物特征,得到用户的脸部轮廓与/或静脉分布信息;
S32、将得到的脸部轮廓与/或静脉分布信息与注册数据进行匹配,若匹配不成功则认证失败,结束认证;若匹配成功则进入步骤S33;
S33、根据第二图像信号计算用户的生物特征,得到用户的眼部虹膜与/或视网膜与/或眼纹信息,并与注册数据进行匹配,若匹配不成功则认证失败,结束认证;若匹配成功则认证通过,结束认证。
7.根据权利要求6所述的生物识别方法,其特征在于,所述步骤S3还包括,当检测到用户不处于生物识别区域内或认证失败时,对第一图像信号和第二图像信号进行处理、合成,并将处理合成后的图像并输出显示。
8.根据权利要求5所述的生物识别方法,其特征在于,所述步骤S2和步骤S3中,匹配结束后,输出认证结果信号,所述认证结果信号包括图像信号、声音信号。
9.一种生物识别***,其特征在于,包括图像获取模块和***处理器;
所述图像获取模块用于获取携有用户头部生物特征信息的第一图像信号和携有用户眼部生物特征信息的第二图像信号;
所述***处理器用于根据第一图像信号和第二图像信号合成计算用户的深度信息,并基于深度信息、用户头部生物特征信息、用户眼部生物特征信息进行身份识别;
所述图像获取模块捕获用户头部的可视光线光学信号并输出第一图像信号,捕获用户眼部的红外光线光学信号并输出第二图像信号,所述第一图像信号为RGB图像信号,所述第二图像信号为BW图像信号。
10.根据权利要求9所述的生物识别方法,其特征在于,所述头部生物特征信息包括脸部轮廓、静脉分布信息;所述眼部生物特征信息包括虹膜、视网膜、眼纹信息。
11.根据权利要求9所述的生物识别方法,其特征在于,所述***处理器包括彩色图像处理器、黑白图像处理器、合成单元、识别单元和判断单元;
所述彩色图像处理器用于提取第一图像信号的亮度分量图像和RGB分量图像;
所述黑白图像处理器用于提取第二图像信号的灰度分量图像;
所述合成单元用于将第一图像信号的亮度分类图像与第二图像信号的灰度分量图像合成,得到含有头部位置和眼部位置的用户位置信息,并得到用户的深度信息;
所述判断单元用于根据用户深度信息判断用户是否处于生物识别区域范围内;
所述识别单元用于对处于生物识别区域范围的用户进行生物识别。
12.根据权利要求11所述的生物识别***,其特征在于,还包括提示单元,所述提示单元用于匹配结束后,输出认证结果信号,所述认证结果信号包括图像信号、声音信号。
13.根据权利要求11所述的生物识别***,其特征在于,所述识别单元包括第一识别单元和第二识别单元;
所述第一识别单元用于根据第一图像信号的RGB分量图像计算用户的生物特征,得到用户的脸部轮廓与/或静脉分布信息,将得到的脸部轮廓与/或静脉分布信息与注册数据进行匹配识别;
所述第二识别单元用于根据第二图像信号计算用户的生物特征,得到用户的眼部虹膜与/或视网膜与/或眼纹信息,并与注册数据进行匹配识别。
14.根据权利要求11所述的生物识别***,其特征在于,所述合成单元包括深度获取子块和图像合成子块;
所述深度获取子块用于通过双目视觉技术,根据提取第一图像信号和第二图像信号的特征点特征并进行特征点匹配,将同时出现在两幅图像中的某一点筛选出来,并还原匹配点的三维坐标,进而得出深度信息;
所述图像合成子块用于对第一图像信号和第二图像信号进行处理、合成,并将处理合成后的图像并输出显示。
15.根据权利要求11所述的生物识别***,其特征在于,还包括显示单元,所述显示单元用于显示用户图像信息及认证结果信息。
16.一种生物识别装置,其特征在于,包括双目摄像头和***处理器芯片;
所述双目摄像头包括第一摄像头和第二摄像头,所述第一摄像头用于获取携有用户头部生物特征信息的第一图像信号;所述第二摄像头用于获取携有用户眼部生物特征信息的第二图像信号;
所述***处理芯片用于根据第一图像信号和第二图像信号合成计算用户的深度信息,并基于深度信息、用户头部生物特征信息、用户眼部生物特征信息进行身份识别;所述的第一摄像头为可视光线拍摄装置,所述第二摄像头为红外光线拍摄装置。
17.根据权利要求16所述的生物识别装置,其特征在于,所述第一摄像头和所述第二摄像头的曝光时间相同或不同。
18.根据权利要求17所述的生物识别装置,其特征在于,所述第一摄像头包括第一镜头、第一滤光片和第一图像感测器芯片;所述第二摄像头包括第二镜头、第二滤光片和第二图像感测器芯片;所述第一摄像头。
19.根据权利要求18所述的生物识别装置,其特征在于,所述第一滤光片为红外光线波截止的滤光片,用于过滤拍摄可视光线外的红外光线,所述第二滤光片为红外光线滤段通过的滤光片,用于过滤拍摄红外光线以外的可视光线。
20.根据权利要求18所述的生物识别装置,其特征在于,所述第一图像感测器为RGB图像感测器,用于拍摄彩色的图像;所述第二图像感测器为BW图像感测器,用于拍摄黑白的图像。
21.根据权利要求18所述的生物识别装置,其特征在于,所述第一镜头为广角镜头,用于抓取用户头部图像,所述第二镜头为窄角镜头,用于抓取用户的眼部图像。
22.根据权利要求18所述的生物识别装置,其特征在于,还包括线路板组装件,所述双目摄像头和所述***处理器芯片安装于所述线路板组装件上。
23.根据权利要求22所述的生物识别装置,其特征在于,所述第一摄像头还包括带通孔的第一底座,所述第二摄像头还包括带通孔的第二底座,所述第一滤光片、第一镜头通过所述第一底座上安装于线路板组装件上,所述第二滤光片、第二镜头通过所述第二底座上安装于线路板组装件上。
24.根据权利要求18所述的生物识别装置,其特征在于,所述双目摄像头还包括主动对焦装置,所述主动对焦装置用于调整第一镜头和第一图像感测器芯片的相对位置、第二镜头和第二图像感测器芯片的相对位置以及第一摄像头和第二摄像头的光轴位置。
25.根据权利要求18所述的生物识别装置,其特征在于,所述第一图像感测器芯片还包括第一控制单元,所述第一控制单元用于控制第一图像感测器芯片的第一像素、读出器及第一像素的曝光时间;所述第二图像感测器芯片还包括第二控制单元,所述第二控制单元用于控制第二图像感测器芯片的第二像素、读出器及第二像素的曝光时间。
26.根据权利要求16所述的生物识别装置,其特征在于,所述头部生物特征信息包括脸部轮廓、静脉分布信息;所述眼部生物特征信息包括虹膜、视网膜、眼纹信息。
27.根据权利要求16所述的生物识别装置,其特征在于,所述第一摄像头为固定交局摄像头模组或自动对焦摄像头模组或光学变焦摄像头模组。
28.根据权利要求16所述的生物识别装置,其特征在于,所述***处理器芯片包括图像处理器、判断单元和识别单元;
所述图像处理器用于将第一图像信号的亮度分类图像与第二图像信号的灰度分量图像合成,得到含有头部位置和眼部位置的用户位置信息,并得到用户的深度信息;
所述判断单元用于根据用户深度信息判断用户是否处于生物识别区域范围内;
所述识别单元用于对处于生物识别区域范围的用户进行生物识别。
29.根据权利要求28所述的生物识别装置,其特征在于,所述图像处理器包括彩色图像处理器、黑白图像处理器和合成单元;
所述彩色图像处理器用于提取第一图像信号的亮度分量图像和RGB分量图像;
所述黑白图像处理器用于提取第二图像信号的灰度分量图像;
所述合成单元用于将第一图像信号的亮度分类图像与第二图像信号的灰度分量图像合成,得到含有头部位置和眼部位置的用户位置信息,并得到用户的深度信息。
30.根据权利要求29所述的生物识别装置,其特征在于,所述合成单元包括深度获取子块和图像合成子块;
所述深度获取子块用于通过双目视觉技术,根据提取第一图像信号和第二图像信号的特征点特征并进行特征点匹配,将同时出现在两幅图像中的某一点筛选出来,并还原匹配点的三维坐标,进而得出深度信息;
所述图像合成子块用于对第一图像信号和第二图像信号进行处理、合成,并将处理合成后的图像并输出显示。
31.根据权利要求16所述的生物识别装置,其特征在于,还包括显示单元,所述显示单元用于显示用户图像信息及认证结果信息。
32.根据权利要求16所述的生物识别装置,其特征在于,还包括提示单元,所述提示单元用于匹配结束后,输出认证结果信号,所述认证结果信号包括图像信号、声音信号。
33.根据权利要求28所述的生物识别***,其特征在于,所述识别单元包括第一识别单元和第二识别单元;
所述第一识别单元用于根据第一图像信号的RGB分量图像计算用户的生物特征,得到用户的脸部轮廓与/或静脉分布信息,将得到的脸部轮廓与/或静脉分布信息与注册数据进行匹配识别;
所述第二识别单元用于根据第二图像信号计算用户的生物特征,得到用户的眼部虹膜与/或视网膜与/或眼纹信息,并与注册数据进行匹配识别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710573675.9A CN109255282B (zh) | 2017-07-14 | 2017-07-14 | 一种生物识别方法、装置和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710573675.9A CN109255282B (zh) | 2017-07-14 | 2017-07-14 | 一种生物识别方法、装置和*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109255282A CN109255282A (zh) | 2019-01-22 |
CN109255282B true CN109255282B (zh) | 2021-01-05 |
Family
ID=65051056
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710573675.9A Active CN109255282B (zh) | 2017-07-14 | 2017-07-14 | 一种生物识别方法、装置和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109255282B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110245618B (zh) * | 2019-06-17 | 2021-11-09 | 深圳市汇顶科技股份有限公司 | 3d识别装置及方法 |
CN111079711A (zh) * | 2019-12-31 | 2020-04-28 | 厦门瑞为信息技术有限公司 | 安检口智能人脸识别设备 |
CN112764515A (zh) * | 2020-12-31 | 2021-05-07 | 深圳阜时科技有限公司 | 一种生物特征识别装置及电子设备 |
CN112764516A (zh) * | 2020-12-31 | 2021-05-07 | 深圳阜时科技有限公司 | 一种生物特征识别控制方法及存储介质 |
CN113657262A (zh) * | 2021-08-16 | 2021-11-16 | 深圳多模智能科技有限公司 | 启动终端识别生物特征信息的方法、装置、终端及介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202472608U (zh) * | 2012-01-22 | 2012-10-03 | 南京先能光电科技有限公司 | 广角图像检测电子白板信号接收器 |
CN104933344A (zh) * | 2015-07-06 | 2015-09-23 | 北京中科虹霸科技有限公司 | 基于多生物特征模态的移动终端用户身份认证装置及方法 |
CN105023010A (zh) * | 2015-08-17 | 2015-11-04 | 中国科学院半导体研究所 | 一种人脸活体检测方法及*** |
CN105554385A (zh) * | 2015-12-18 | 2016-05-04 | 天津中科智能识别产业技术研究院有限公司 | 一种远距离多模态生物特征识别方法及其*** |
CN205666883U (zh) * | 2016-03-23 | 2016-10-26 | 徐鹤菲 | 支持近红外光与可见光成像的复合成像***和移动终端 |
CN107330406A (zh) * | 2017-06-30 | 2017-11-07 | 广东欧珀移动通信有限公司 | 虹膜采集方法及装置、电子装置及计算机可读存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102592117B (zh) * | 2011-12-30 | 2014-04-16 | 杭州士兰微电子股份有限公司 | 三维物体识别方法及*** |
US20160019420A1 (en) * | 2014-07-15 | 2016-01-21 | Qualcomm Incorporated | Multispectral eye analysis for identity authentication |
CN106550228B (zh) * | 2015-09-16 | 2019-10-15 | 上海图檬信息科技有限公司 | 获取三维场景的深度图的设备 |
CN105652413B (zh) * | 2016-03-01 | 2018-03-16 | 浙江大学 | 一种适用于rgb‑d相机的成像物镜 |
-
2017
- 2017-07-14 CN CN201710573675.9A patent/CN109255282B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202472608U (zh) * | 2012-01-22 | 2012-10-03 | 南京先能光电科技有限公司 | 广角图像检测电子白板信号接收器 |
CN104933344A (zh) * | 2015-07-06 | 2015-09-23 | 北京中科虹霸科技有限公司 | 基于多生物特征模态的移动终端用户身份认证装置及方法 |
CN105023010A (zh) * | 2015-08-17 | 2015-11-04 | 中国科学院半导体研究所 | 一种人脸活体检测方法及*** |
CN105554385A (zh) * | 2015-12-18 | 2016-05-04 | 天津中科智能识别产业技术研究院有限公司 | 一种远距离多模态生物特征识别方法及其*** |
CN205666883U (zh) * | 2016-03-23 | 2016-10-26 | 徐鹤菲 | 支持近红外光与可见光成像的复合成像***和移动终端 |
CN107330406A (zh) * | 2017-06-30 | 2017-11-07 | 广东欧珀移动通信有限公司 | 虹膜采集方法及装置、电子装置及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109255282A (zh) | 2019-01-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109255282B (zh) | 一种生物识别方法、装置和*** | |
CN110738142B (zh) | 一种自适应改善人脸图像采集的方法、***及存储介质 | |
CN103383723B (zh) | 用于生物特征验证的电子欺骗检测的方法和*** | |
JP4469476B2 (ja) | 眼位置検出方法および眼位置検出装置 | |
EP2548154B1 (en) | Object detection and recognition under out of focus conditions | |
KR100954640B1 (ko) | 개인인증방법 및 개인인증장치 | |
US20060280340A1 (en) | Conjunctival scans for personal identification | |
CN104933344A (zh) | 基于多生物特征模态的移动终端用户身份认证装置及方法 | |
JP2007504562A (ja) | 1つの画像から虹彩認証を行う方法および装置 | |
CN104956377A (zh) | 用于采集专人数据的装置 | |
JP2007011667A (ja) | 虹彩認証装置および虹彩認証方法 | |
CN112487922B (zh) | 一种多模态人脸活体检测方法及*** | |
CN112165573A (zh) | 拍摄处理方法和装置、设备、存储介质 | |
CN102855471A (zh) | 远距离虹膜智能成像装置及方法 | |
JP7192872B2 (ja) | 虹彩認証装置、虹彩認証方法、虹彩認証プログラムおよび記録媒体 | |
KR20090086891A (ko) | 적외선을 이용한 얼굴인식 시스템 및 방법 | |
CN109685033A (zh) | 虹膜识别设备和方法 | |
TWI394085B (zh) | 辨識被攝主體之維度形態的方法 | |
US20210256244A1 (en) | Method for authentication or identification of an individual | |
JP2004030564A (ja) | 個人認証方法、個人認証装置および撮影装置 | |
CN106934349A (zh) | 双摄像头成像及虹膜采集识别一体化设备 | |
CN107423687B (zh) | 一种基于人脸识别技术的身份认证方法及装置 | |
CN109840514A (zh) | 一种活体检测的方法和设备 | |
CN113128254A (zh) | 人脸捕获方法、装置、芯片及计算机可读存储介质 | |
CN106557738A (zh) | 一种远距离虹膜识别装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20191231 Address after: 518109 first floor, building 1b, yunantong Industrial Park, langrong Road, Dalang community, Dalang street, Longhua District, Shenzhen City, Guangdong Province Applicant after: Shenzhen Jinghong Technology Co., Ltd Address before: 201203 Shanghai City, Pudong New Area free trade zone fanchun Road No. 400 Building 1 layer 3 Applicant before: Shanghai Jinghong Electronic Technology Co., Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |