源于智慧的平台,

为您定制个性化的整体解决方案,

虹膜识别统一身份认证平台。

便携式单目虹膜识别考勤机

便携式单目虹膜考勤机

便携式双目虹膜识别考勤机

便携式双目虹膜识别考勤机

煤矿专用虹膜考勤机

煤矿专用虹膜考勤机

计生育龄妇女虹膜识别管理系统

计生育龄妇女虹膜识别管理系统

煤矿虹膜考勤管理系统

煤矿虹膜考勤管理系统

虹膜识别技术简介

图1 虹膜识别的生理基础

    虹膜是眼睛的一个组成部分,位于人眼表面黑色瞳孔和白色巩膜之间的环状区域(见图1(b))。图1 (a)是眼睛的解剖图,从图中我们可以看出,虹膜是眼睛的一个内部器官;然而,位于虹膜之前的角膜是透明的,因此虹膜又是外部可见的。
    虹膜在一定波长的红外光照射下,总体上呈现一种由里到外的放射状结构,包含许多相互交错的类似于斑点、条纹、隐窝等形状的细微结构。通常,我们将这些细微特征称为虹膜的纹理特征。

图2 虹膜身份识别系统基本流程

    虹膜识别技术采用专用光学图像采集仪采集人眼虹膜图像,然后通过数字图像处理技术、模式识别和人工智能技术对采集到的虹膜图像进行处理、存储、比对,实现对人员身份的认证和识别。虹膜身份识别系统可以粗略的划分为图像获取、预处理和特征提取三个大步骤,基本流程如图2所示。
    虹膜身份识别是一项涉及光学工程、机械设计、电子电路、计算机科学、信息科学、数学、模式识别、信号处理、数字图像分析、认知与心理学等多学科、多门类的高新技术,集理论与应用于一体,属于战略高新技术。

虹膜识别特点

虹膜识别技术是通过对比虹膜图像特征之间的相似性来确定人们的身份。虹膜作为身份的标志具有以下特点:

唯一性:信息量大于指纹的5-10倍。

稳定性:人三岁以后虹膜发育成熟,终身不变。

防伪性好:不易被外界获取,需要专业镜头捕捉。

非接触性:用户不必接触采集装置就能获取虹膜图像。

 对各类人体生物特征识别技术分析比较认为:虹膜识别是“最精确的”、“处理速度最快的”以及“最难伪造的”。

虹膜识别技术流程

虹膜识别技术流程主要包括虹膜图像采集、虹膜图像的预处理、虹膜图像的特征提取及编码、以及虹膜图像的匹配与识别等四个主要部分,其中虹膜图像的预处理部分又包括了虹膜定位、归一化以及图像增强。

 1) 虹膜图像采集

虹膜图像的获取是虹膜识别的第一步。虹膜直径约十几毫米,不同人种的虹膜颜色有着很大的差别,黄种人的虹膜多为深褐色,纹理不明显,必须采用专门的虹膜图像采集装置才可拍摄出纹理丰富的虹膜图像。采集时用户需站在离采集设备10-50 cm的范围内,睁大眼睛注视采集窗口,这样才能采集清晰的虹膜图像。

 2) 虹膜图像的预处理

虹膜定位:是整个虹膜识别过程中最重要的环节,虹膜定位就是准确的确定虹膜的内边界和外边界,保证每次进行特征提取的虹膜区域不存在较大偏差,定位的速度和准确性决定了整个虹膜系统是否实用可行。虹膜边界定位方法主要分为两大类:一类是基于圆形虹膜的定位算法,其包括基于灰度梯度的定位方法(如微积分方法),以及基于二值边界点的方法(如最小二乘法、Hough 变换等);另一类是基于非圆虹膜的定位算法,其包括椭圆拟合法、动态轮廓线法。

虹膜归一化:在获取虹膜图像的过程中,受焦距、人眼大小、眼睛的平移和旋转以及瞳孔的收缩等因素的影响,所得到的虹膜图像不仅大小不同而且存在旋转、平移等现象。为便于比较,一般虹膜识别系统都要对虹膜进行归一化处理,其目的是将每幅原始图像调整到相同的尺寸和对应的位置,从而消除平移、缩放和旋转对虹膜识别的影响。

虹膜图像增强:采集设备自身的原因使得虹膜图像光照不均匀,一般通过直方图均衡化处理。采集过程中还存在各种噪声的干扰,通常通过同态滤波去除由于反光等噪声干扰。如果采集到的用于虹膜识别的图像模糊不清晰,将会极大地影响虹膜识别系统的识别性能,通常利用基于重建的超分辨率方法改善虹膜图像。总之,图像增强的目的就是减小光照不均、各种噪声等因素对虹膜识别系统的识别性能的影响。

 3) 虹膜特征提取及编码

依靠相应的算法对虹膜图像中独特的细节特征进行提取,并采取适当的特征记录方法,以此构成虹膜编码,最后形成特征模板或者模式模型,这一环节的结果直接关系到虹膜识别的准确率。

从特征提取角度现有方法可分为以下三类:基于相位分析的方法如:Daugman的相位编码方法;基于过零检测的方法如:Boles 的一维小波零交叉编码方法,以及基于纹理分析的方法如:Wildes的拉普拉斯金字塔算法。

4) 匹配与识别

虹膜识别是一个典型的模式匹配问题,即将采集图像的特征与数据库中的虹膜图像特征模板进行比对,判断两个虹膜是否属于同一类。模式匹配算法一般与特征提取算法有关,主要的匹配方法有汉明距离和欧氏距离。

 虹膜识别系统的匹配过程可分为识别和认证两种形式:

识别是把待识别特征与存储的所有特征模板进行比对,从多个类中找出待识别模式,是一对多的比较问题;

 认证是把待识别特征与用户声明的身份模板进行比对,根据比对结果判断是否属于同一模式,完成一对一的比较。认证相对于识别来说范围要小得多,速度要快得多。