基于虹膜的人體特征識(shí)別方法研究(圖)

人體特征識(shí)別方法，也叫生物特征識(shí)別方法，是指利用人的獨(dú)特的生理及行為特征進(jìn)行鑒別的身份驗(yàn)證的技術(shù)手段。它的產(chǎn)生及發(fā)展源于人們在邁進(jìn)數(shù)字時(shí)代的過程中對身份驗(yàn)證方法的準(zhǔn)確性與便捷性不斷提高的需求。傳統(tǒng)的身份驗(yàn)證方法主要包括身份標(biāo)志物（如鑰匙、證件等）以及身份標(biāo)志信息（如賬號(hào)、密碼等），或者以上二者的結(jié)合（如銀行卡等）。人們在使用過程中發(fā)現(xiàn)，他們都存在著共同的缺點(diǎn)：易于遺失和偽造。而且傳統(tǒng)的身份驗(yàn)證系統(tǒng)并不能有效的識(shí)別持有這些身份標(biāo)志事物的人是否是真正的擁有者。因此，一旦被冒充，真正的擁有者將遭受極大的損失。因此，人體特征識(shí)別方法作為一個(gè)更加有效的解決方案逐漸得到廣泛應(yīng)用。

人體特征的鑒別方法有很多種。在所有生物特征中，指紋相對穩(wěn)定但錄取指紋不是非侵犯性的。臉像特征具有很多優(yōu)點(diǎn)（如主動(dòng)性、非侵犯性和用戶友好等），但臉像隨年齡而變化，而且容易被偽裝。聲音特征具有與臉像特征相似的優(yōu)點(diǎn)，但它隨年齡、健康狀況和環(huán)境等因素而變化，而且說話人識(shí)別系統(tǒng)也容易被錄音所欺騙，容易被偽造。虹膜特征識(shí)別解決了這些問題，還具有上述其他生物特征所不具備的一些優(yōu)點(diǎn)，故近年來虹膜識(shí)別技術(shù)被認(rèn)為是最有前途的生物識(shí)別技術(shù)之一。

虹膜識(shí)別技術(shù)的一般過程
虹膜識(shí)別技術(shù)的過程一般來說分為：虹膜圖像獲取、圖像預(yù)處理、特征提取和特征匹配四個(gè)步驟。

虹膜圖像獲取是指使用特定的數(shù)字?jǐn)z像器材對人的整個(gè)眼部進(jìn)行拍攝，并將拍攝到的圖像通過圖像采集卡傳輸?shù)接?jì)算機(jī)中存儲(chǔ)。

圖像預(yù)處理是指由于拍攝到的眼部圖像包括了很多多余的信息，并且在清晰度等方面不能滿足要求，需要對其進(jìn)行包括圖像平滑、邊緣檢測、圖像分離等預(yù)處理操作。

特征提取是指通過一定的算法從分離出的虹膜圖像中提取出獨(dú)特的特征點(diǎn)，并對其進(jìn)行編碼。

最后，特征匹配是指根據(jù)特征編碼與數(shù)據(jù)庫中事先存儲(chǔ)的虹膜圖像特征編碼進(jìn)行比對、驗(yàn)證，從而達(dá)到識(shí)別的目的。

獲取眼部圖像
本文的虹膜圖像攝取裝置如圖1所示，采用的是卓為（SOVIC）SP-313 攝像頭。該攝像頭采用的是最新CCD效果的CMOS感光芯片，圖像分辨率為 35萬像素（640480 無軟件插值），內(nèi)置低照度的輔助光源，能最大限度減少對人眼的刺激，使用時(shí)配以人工暗室，使人的眼部圖像更清晰、明亮。圖2是本設(shè)計(jì)采用的攝像頭獲取到的人眼部圖像。

圖1 虹膜圖像攝取裝置

獲取到圖片數(shù)據(jù)后，只需要將其按照一定的圖片格式寫入文件，即可完成需要的眼部圖像在計(jì)算機(jī)中的存儲(chǔ)。本文程序中采用的是BMP格式的圖像文件，因?yàn)锽MP圖像文件存儲(chǔ)的圖像數(shù)據(jù)沒有經(jīng)過壓縮，方便以后對圖像進(jìn)行的預(yù)處理。

圖2 人的眼部圖像

眼部圖像的預(yù)處理
BMP圖像文件格式主要有1、4、8、16、24和32位等圖像格式。32位BMP圖像文件格式表示該圖像有232種顏色，圖像中的每個(gè)像素用32位表示，一般情況下該文件格式?jīng)]有調(diào)色版，32位中的最高8位保留，其余8位表示紅色，8位表示綠色，8位表示藍(lán)色。8位BMP圖像文件表示該圖像有256種顏色。圖像中的每個(gè)像素用8位表示，并用這8位作為索引在彩色表中查找該像素的顏色，8位BMP圖像一般也叫做灰度圖像。

在本文獲取到的圖像是32位的彩色BMP圖像。32位的彩色圖像存儲(chǔ)的圖像色彩數(shù)據(jù)較多，圖像文件的尺寸也較大。但是從本文圖像識(shí)別的要求來看，這些都是不必要的，因此有必要將其轉(zhuǎn)換為8位的灰度圖像。

轉(zhuǎn)換公式如式（1）所示。

（1）

其中Gray (i, j)為轉(zhuǎn)換后的黑白圖像在(i, j)點(diǎn)處的灰度值，由于公式中綠色所占的比重最大，所以轉(zhuǎn)換時(shí)可以自接使用G值作為轉(zhuǎn)換后的灰度。轉(zhuǎn)換后的灰度圖像如圖3所示。從圖像上看與 32 位RGB 圖像沒有大的不同，但是圖像文件的尺寸從1.17Mb縮小到了301Kb。

圖3 人眼部圖像的灰度圖像

將獲取到的眼部圖像轉(zhuǎn)換為灰度圖像之后，還需要對灰度圖像進(jìn)行去噪聲處理。本文采用的是空域法中的加權(quán)均值濾波，它是用一個(gè)有奇數(shù)點(diǎn)的滑動(dòng)窗口在圖像上滑動(dòng)，將窗口中心點(diǎn)對應(yīng)的圖像像素點(diǎn)的灰度值用窗口內(nèi)的各個(gè)點(diǎn)的灰度值的平均值代替，如果滑動(dòng)窗口規(guī)定了在取均值過程中窗口各個(gè)像素點(diǎn)所占的權(quán)重，也就是各個(gè)像素點(diǎn)的系數(shù)。

提取虹膜圖像
此過程需要讀取眼部圖像的數(shù)據(jù)，檢測虹膜圖像的內(nèi)外邊緣，提取內(nèi)圓圓心坐標(biāo)及短半徑，再求出虹膜長半徑，建立極坐標(biāo)系，分離虹膜圖像，最后進(jìn)行特征提取。

和眼睛的其他部分相比，瞳孔的灰度值要小得多，也就是顏色要暗得多，而且在灰度級(jí)上有一個(gè)明顯的突變，也就是說在瞳孔的灰度級(jí)要比其他部分的灰度級(jí)“黑得多”。因此，可以充分利用這個(gè)特性，對圖 2進(jìn)行直方圖分析，結(jié)果如圖 4所示。

圖4 灰度直方圖

對圖4計(jì)算結(jié)果可以得出，圖像灰度值從 62 開始，且圖中存在若干個(gè)峰值點(diǎn)。我們已知瞳孔的顏色最暗，因此可以判定第一個(gè)波峰為瞳孔的灰度分布。具體觀察第一個(gè)峰值，其基本呈正弦函數(shù)狀分布，以 72 為波峰（值：884），左側(cè) 62（值：0）為波谷，1/4 周期為 10。據(jù)此，我們確定右側(cè)的波谷為 82。根據(jù)分析結(jié)果，對圖 4進(jìn)行二值化，閾值為 82，可以求出虹膜的長半徑，如圖5所示。

圖5 虹膜長半徑

對圖1的圖像數(shù)據(jù)，從左右順次、從上至下掃描每個(gè)像素點(diǎn)，根據(jù)式（2）計(jì)算每個(gè)像素點(diǎn)與圓心的距離。

（2）

其中，dist為距離，（x,y）為掃描點(diǎn)的坐標(biāo)值，（Xpos,Ypos）為虹膜圓心的坐標(biāo)值。保留所有小于等于虹膜長半徑或大于等于虹膜短半徑的像素，其余設(shè)像素值為0（即標(biāo)為黑色）。保留的環(huán)形部分即為截取到的虹膜圖像部分，如圖6所示。

圖6 環(huán)形的虹膜圖像部分

為了提取虹膜圖像的特征值，建立一個(gè)特征矩陣數(shù)組，X、Y 值與上一步中的矩形數(shù)組一致，用來存放相應(yīng)的特征值。這些值對于虹膜圖像中的每一個(gè)像素點(diǎn)來說都是其獨(dú)有的、能對其進(jìn)行唯一標(biāo)志的值，因此都可以作為特征值來利用。本文中提取的是每個(gè)像素點(diǎn)的二導(dǎo)函數(shù)作為其特征值，因此在本步驟中可以直接將其讀入到特征矩形數(shù)組中。

特征匹配
本文采用海明距（Hamming Distance）進(jìn)行特征匹配。海明距最初為了解決通信中存在的誤碼問題而發(fā)明的。簡單來說，它是指同樣長度的兩個(gè)碼中，對應(yīng)位不同的碼的個(gè)數(shù)。比如：10101 和 00110，海明距為3。式（3）為海明距定義的公式。

（3）

其中A_i和B_i為待比較的兩端代碼，+為異或運(yùn)算，L為代碼的長度。

將兩幅虹膜圖像的特征編碼進(jìn)行按位比較時(shí)，同一虹膜的不同時(shí)間提取的特征碼，其 HD 分布的峰值將在 0.1 附近；而不同虹膜的特征碼進(jìn)行比對時(shí)，HD 分布的峰值將在 0. 5 附近。這里所說的分布的峰值是按位比較時(shí)，兩段特征編碼相應(yīng)位相同的概率的最大值。因此，對已經(jīng)得到的虹膜圖像特征矩陣數(shù)組，首先要從中隨機(jī)的選擇一段 L 長度的代碼（二進(jìn)制），即隨機(jī)選擇代碼段的起始位置。這里要注意的是，對于待識(shí)別的兩段代碼，起始位置要盡量一致。L 的值可隨意設(shè)定，但 L 的值越大，匹配的時(shí)間越長，速度越滿，識(shí)別的精度越高，匹配的正確率越大；反之，L 的值越小，匹配的時(shí)間越少，速度越快，識(shí)別的精度越低，匹配的正確率越小。本文中 L 的值設(shè)為 2048。

結(jié)果分析
精確性是最重要的一個(gè)性能指標(biāo)，一般用識(shí)別率來表示，主要由拒判率、誤判率和等誤率來測定。

拒判率 FRR：也稱錯(cuò)誤拒讀率或稱錯(cuò)誤不匹配率，表示授權(quán)人（合法的用戶）不被準(zhǔn)確承認(rèn)（誤認(rèn)為冒名頂替者） 的程度。FRR 越大，系統(tǒng)越精確，安全性也越高，但寬容度越來越低，致使越來越多的合法用戶被系統(tǒng)錯(cuò)誤的拒絕。反之授權(quán)人越容易通過，未授權(quán)者也變得容易混入。FRR 實(shí)際上也是系統(tǒng)可接受性的重要指標(biāo)。

誤判率 FAR ：也稱錯(cuò)誤接收率或稱錯(cuò)誤匹配率，表示未授權(quán)的人（冒名頂替者）被確認(rèn)成授權(quán)人（有效的個(gè)體）的程度。FAR 的值越小，說明未授權(quán)的人越無法通過，系統(tǒng)越安全。但是，授權(quán)人的通過將變得越發(fā)困難。如在對安全有嚴(yán)格要求的應(yīng)用領(lǐng)域，可以運(yùn)行在很小的 FAR 上。FRR 和 FAR 之間的關(guān)系如圖 7 所示。

圖7 拒判率和誤判率之間的關(guān)系

實(shí)驗(yàn)結(jié)果表明，本文所設(shè)計(jì)的系統(tǒng)在精確性、識(shí)別速度上滿足了實(shí)用的要求。