基于普尔钦斑分析的虹膜采集系统及虹膜采集方法

摘要

基于普尔钦斑分析的虹膜采集系统及虹膜采集方法，涉及一种虹膜采集系统及虹膜采集方法，它解决了目前的虹膜采集设备在虹膜采集过程中容易受到环境干扰，以及无法进行活体检测的问题。其装置：摄像头拍摄的眼睛图像通过采集卡输入至控制计算机；控制计算机通过串口电路连接单片机及控制电路；单片机及控制电路控制可见光和红外光的点亮或熄灭。其方法：在活体检测模式下，可见光源关闭，检测待检测样本的眼睛图像，当符合预设的清晰度的要求且普尔钦斑的面积处于预设的虹膜合理阈值的范围内，输出虹膜图像；在正常模式下，还要在随机时间下，检测开启可见光源下的虹膜图像，比较后实现虹膜的采集。本发明适用于虹膜识别过程。

说明书

技术领域

本发明涉及一种虹膜采集系统及虹膜采集方法。

背景技术

随着信息时代的到来，个人资料、个人财产都是以数字信息的形式存在。当用户需要使用这些信息时，用户身份的确认就显得尤为重要。生物识别技术是建立在个人生理特性、行为属性等特征识别上的一门科学，通过对个人的生物特征的识别来进行个人身份鉴定。而虹膜识别，与其他生物识别技术相比，有着高准确率、高稳定性、高度防伪性、唯一性、普遍性和非侵犯采集等优点。因此，基于虹膜的识别技术成为当前最为可靠的生物测定学身份识别方法之一，有着广阔的应用前景和重要的研究价值。

对于虹膜识别技术，虹膜图像的采集一直是制约该技术发展的重要因素之一。目前的虹膜采集设备在虹膜采集过程中景深较小，容易受到环境干扰，并且结构复杂，成本较高，无法进行活体检测。

发明内容

本发明是为了解决目前的虹膜采集设备在虹膜采集过程中容易受到环境干扰，以及无法进行活体检测的问题，从而提供一种基于普尔钦斑分析的虹膜采集系统及方法。

基于普尔钦斑分析的虹膜采集系统，它包括控制计算机、串口电路、单片机及控制电路、摄像头、采集卡、N个可见光源和M个红外光源，所述N个可见光源和M个红外光源均布固定在摄像头的滤光片的周围；摄像头拍摄待检测样本的眼睛图像；摄像头的图像信号输出端与采集卡的图像信号输入端连接，所述采集卡的数据信号输出端与控制计算机的数据信号输入端连接；控制计算机的控制信号输出端通过串口电路与单片机及控制电路的控制信号输入端连接；单片机及控制电路的可见光控制信号输出端同时与N个可见光源的控制信号输入端连接；N和M均为正整数。

基于上述系统的基于普尔钦斑分析的虹膜采集方法，它由以下步骤实现：

步骤一、初始化摄像头，并设置摄像头参数；选择工作模式；

步骤二、判断步骤一选择的工作模式是否为活体检测模式，如果判断结果为否，则执行步骤三一，如果判断结果为是，则执行步骤三二；

步骤三一、使N个可见光源处于关闭状态，采用控制计算机检测待检测样本的眼睛图像，并执行步骤三一一；

步骤三一一、判断步骤三一获得的眼睛图像是否符合预设的清晰度的要求；如果判断结果为否，则返回执行步骤三一；如果判断结果为是，则执行步骤三一二；

步骤三一二、计算步骤三一获得的眼睛图像中的普尔钦斑的面积；

步骤三一三、判断步骤三一二获得的普尔钦斑的面积是否处于预设的虹膜合理阈值的范围内，如果判断结果为否，则返回执行步骤三一；如果判断结果为是，则执行步骤三一四；

步骤三一四、输出虹膜图像；并结束本次虹膜采集；

步骤三二、使N个可见光源处于关闭状态，采用控制计算机检测待检测样本的眼睛图像，并执行步骤四；

步骤四、判断步骤三二获得的眼睛图像是否达到预设的清晰度的要求；如果判断结果为否，则返回执行步骤三二；如果判断结果为是，则执行步骤五；

步骤五、计算步骤三二获得的眼睛图像中的普尔钦斑的面积；

步骤六、判断步骤五获得的普尔钦斑的面积是否处于预设的虹膜合理阈值的范围内，如果判断结果为否，则返回执行步骤三二；如果判断结果为是，则执行步骤五；

步骤七、保存步骤三二获得的眼睛图像，并计算图像中虹膜内、外边缘的半径比值；

步骤八、随机时间下，控制N个可见光源处于开启状态，采用控制计算机检测待检测样本的眼睛图像；

步骤九、判断步骤八获得的眼睛图像是否达到预设的清晰度的要求；如果判断结果为否，则返回执行步骤八；如果判断结果为是，则执行步骤十；

步骤十、计算步骤八获得的眼睛图像中的普尔钦斑的面积；

步骤十一、判断获得的普尔钦斑的面积是否处于预设的虹膜合理阈值的范围内，如果判断结果为否，则返回执行步骤八；如果判断结果为是，则执行步骤十二；

步骤十二、计算步骤八获得的眼睛图像中的虹膜内、外边缘的半径比值；

步骤十三、计算步骤七获得的半径比值与步骤十二获得的半径比值的比值；

步骤十四、判断步骤十三获得的比值是否在预设的阈值的范围内，如果判断结果为否，则步骤三二获得的眼睛图像中的虹膜不是活体虹膜，并返回执行步骤三二；如果判断结果为是，则执行步骤十五；

步骤十五、输出虹膜图像；并结束本次虹膜采集。

步骤三一一、步骤四和步骤九中判断步眼睛图像是否符合预设的清晰度的要求的具体方法是：采用计算眼睛图像边缘梯度和的方法：计算所述眼睛图像的微分图像，然后求取边缘图像的梯度和，将所述梯度和与预设的阈值进行比较，如果边缘图像的梯度和大于或等于该阈值，则图像清晰度符合要求；如果边缘图像的梯度小于该阈值，则图像清晰度不符合要求。

有益效果：本发明应用图像处理技术、模式识别技术、光学技术和自动控制技术，能够在恶劣的采集环境中达到良好的采集效果，采集到质量完全满足识别要求的虹膜图像，通过级联检测的方式来迅速舍弃不满足要求的虹膜图像，使得采集系统满足每秒30帧/秒640*480高分辨率高速摄像头的实时性要求；并且本发明能够进行活体虹膜检测。

附图说明

图1是本发明的结构示意图；图2是具体实施方式五中8个红外光源和4个可见光源源混合分布在镜头周围的结构示意图；图3是本发明的方法的流程示意图；图4本发明通过摄像头采集到的眼睛图像；图5是图4经自动阈值分割后的图像；图6是瞳孔的二值化图像；图7是普尔钦斑的二值化图像。

具体实施方式

具体实施方式一、结合图1说明本具体实施方式，基于普尔钦斑分析的虹膜采集系统，它包括控制计算机1、串口电路、单片机及控制电路2、摄像头3、采集卡4、N个可见光源5和M个红外光源6，所述N个可见光源5和M个红外光源6均布固定在摄像头3的滤光片的周围；摄像头3拍摄待检测样本的眼睛图像；摄像头3的图像信号输出端与采集卡4的图像信号输入端连接，所述采集卡4的数据信号输出端与控制计算机1的数据信号输入端连接；控制计算机1的控制信号输出端通过串口电路与单片机及控制电路2的控制信号输入端连接；单片机及控制电路2的可见光控制信号输出端同时与N个可见光源5的控制信号输入端连接；N和M均为正整数。

控制计算机1在接收到摄像头拍摄的眼睛图像后，对该图像进行筛选处理，只有当图像满足采集要求，采集该图像。

具体实施方式二、本具体实施方式与具体实施方式一所述的基于普尔钦斑分析的虹膜采集系统的区别在于，它还包括供电电源7，供电电源7用于给控制计算机1、单片机及控制电路2、摄像头3、N个可见光源5和M个红外光源6提供工作电源。

具体实施方式三、本具体实施方式与具体实施方式一或二所述的基于普尔钦斑分析的虹膜采集系统的区别在于，它还包括蜂鸣器8，所述蜂鸣器8的蜂鸣信号输入端与单片机及控制电路2的蜂鸣信号输出端连接。

控制计算机1在接收到摄像头3拍摄的眼睛图像后，对该图像进行筛选处理，只有当图像满足采集要求，采集该图像，并在采集图像成功后有蜂鸣器8的提示声音。

具体实施方式四、本具体实施方式与具体实施方式三所述的基于普尔钦斑分析的虹膜采集系统的区别在于，N＝4；M＝8，且8个红外光源6所产生的总光强在摄像头3的景深范围内均布、且在10mW/sr.以内。

本实施方式中，红外光源为平均分布的8个波长为850nm的红外LED光源，在镜头周围圆形分布，光强在摄像头景深范围内均匀分布在10mW/sr.所述白光光源为平均分布的4个白光LED光源，和8个红外光源混合分布在镜头周围。

具体实施方式五、本具体实施方式与具体实施方式四所述的基于普尔钦斑分析的虹膜采集系统的区别在于，可见光源5为白光LED光源；红外光源6为红外LED光源。

本实施方式中，红外光源为平均分布的8个波长为850nm的红外LED光源，在镜头周围圆形分布，光强在摄像头景深范围内均匀分布在10mW/sr.所述白光光源为平均分布的4个白光LED光源，和8个红外光源混合分布在镜头周围。

具体实施方式六、本具体实施方式与具体实施方式一、二、四或五所述的基于普尔钦斑分析的虹膜采集系统的区别在于，摄像头3采用Sony1/3CCD摄像头。

本实施方式中，摄像头采用至少640*480的分辨率和至少20帧每秒的高分辨率高帧摄像头，采用的是Sony1/3CCD摄像头，中长焦距镜头采用焦距在16mm或以上的镜头。优选地，考虑到用户的舒适度与可接受度，我们通过调整摄像头与镜头的距离，使得用户的采集距离在滤光片前60～80mm左右。

考虑到用户需要在无需他人配合的情况下使得自己的眼睛进入采集区域，所述红外滤光片为850nm的窄带滤光片，当用户在采集距离范围内时，用户正好可以看到自己的眼睛充满整个滤光片，方便用户采集。

具体实施方式七、本具体实施方式与具体实施方式六所述的基于普尔钦斑分析的虹膜采集系统的区别在于，单片机及控制电路2采用STC-51系列单片机。

本实施方式中，单片机及控制电路2采用STC-51单片机，利用该单片机的I/O口控制白色光源的打开闭合，以及蜂鸣器的响声。

具体实施方式八、本具体实施方式与具体实施方式一、二、四、五或七所述的基于普尔钦斑分析的虹膜采集系统的区别在于，摄像头3的拍摄待检测样本的眼睛图像的采集距离为60～80mm。

具体实施方式九、基于具体实施方式的基于普尔钦斑分析的虹膜采集方法，它由以下步骤实现：

步骤一、初始化摄像头，并设置摄像头参数；选择工作模式；

步骤二、判断步骤一选择的工作模式是否为活体检测模式，如果判断结果为否，则执行步骤三一，如果判断结果为是，则执行步骤三二；

步骤三一、使N个可见光源处于关闭状态，采用控制计算机检测待检测样本的眼睛图像，并执行步骤三一一；

步骤三一一、判断步骤三一获得的眼睛图像是否符合预设的清晰度的要求；如果判断结果为否，则返回执行步骤三一；如果判断结果为是，则执行步骤三一二；

步骤三一二、计算步骤三一获得的眼睛图像中的普尔钦斑的面积；

步骤三一三、判断步骤三一二获得的普尔钦斑的面积是否处于预设的虹膜合理阈值的范围内，如果判断结果为否，则返回执行步骤三一；如果判断结果为是，则执行步骤三一四；

步骤三一四、输出虹膜图像；并结束本次虹膜采集；

步骤三二、使N个可见光源处于关闭状态，采用控制计算机检测待检测样本的眼睛图像，并执行步骤四；

步骤四、判断步骤三二获得的眼睛图像是否达到预设的清晰度的要求；如果判断结果为否，则返回执行步骤三二；如果判断结果为是，则执行步骤五；

步骤五、计算步骤三二获得的眼睛图像中的普尔钦斑的面积；

步骤六、判断步骤五获得的普尔钦斑的面积是否处于预设的虹膜合理阈值的范围内，如果判断结果为否，则返回执行步骤三二；如果判断结果为是，则执行步骤五；

步骤七、保存步骤三二获得的眼睛图像，并计算图像中虹膜内、外边缘的半径比值；

步骤八、控制N个可见光源处于开启状态，采用控制计算机检测待检测样本的眼睛图像；

步骤九、判断步骤八获得的眼睛图像是否达到预设的清晰度的要求；如果判断结果为否，则返回执行步骤八；如果判断结果为是，则执行步骤十；

步骤十、计算步骤八获得的眼睛图像中的普尔钦斑的面积；

步骤十一、判断获得的普尔钦斑的面积是否处于预设的虹膜合理阈值的范围内，如果判断结果为否，则返回执行步骤八；如果判断结果为是，则执行步骤十二；

步骤十二、计算步骤八获得的眼睛图像中的虹膜内、外边缘的半径比值；

步骤十三、计算步骤七获得的半径比值与步骤十二获得的半径比值的比值；

步骤十四、判断步骤十三获得的比值是否在预设的阈值的范围内，如果判断结果为否，则步骤三二获得的眼睛图像中的虹膜不是活体虹膜，并返回执行步骤三二；如果判断结果为是，则执行步骤十五；

步骤十五、输出虹膜图像；并结束本次虹膜采集。

步骤三一一、步骤四和步骤九中判断步眼睛图像是否符合预设的清晰度的要求的具体方法是：采用计算眼睛图像边缘梯度和的方法：计算所述眼睛图像的微分图像，然后求取边缘图像的梯度和，将所述梯度和与预设的阈值进行比较，如果边缘图像的梯度和大于或等于该阈值，则图像清晰度符合要求；如果边缘图像的梯度小于该阈值，则图像清晰度不符合要求。

原理：当用虹膜采集设备开启时，控制计算机对采集的图像进行实时处理，不断检测该图像中是否含有眼睛，并判断该眼睛图像的清晰程度是否符合要求，并判断该眼睛图像的清晰平面是否在虹膜上；

当有清晰图像出现的时候，控制计算机输出该虹膜图像；

当控制计算机选择活体检测模式，该系统首先保持白色光源的闭合状态，当采集成功一帧图像，立即计算出虹膜内外边缘的半径比值，并打开白色光源。当用户再采集成功一帧图像后，也计算出该帧图像虹膜内外边缘的半径比值，如果两个比值有明显差别，认为该虹膜为活体，否则拒绝采集图像。当控制计算机未选择活体检测模式，则只要满足采集条件，图像即可采集，可以在低安全要求下加快用户虹膜采集速度。

优选地，所述控制计算机检测该图像中是否含有眼睛采用单目检测的方法，只要有一只眼睛图像被检测到，就进行接下来的处理，判断该眼睛图像的清晰程度是否符合要求。

优选地，所述单目检测方法基于开放软件OpenCV，采用Harr-like特征和Boosting训练出来的瞳孔分类器进行检测；由于采集得到的虹膜图片占据图片面积较大，而且瞳孔比人眼有更简单的模式，因此，可以采用更少的样本得到更好的效果；检测时首先将图像进行降采样，然后再进行处理。

优选地，所述控制计算机判断该眼睛图像的清晰程度是否符合要求，采用计算图像边缘梯度和的方法，当梯度和超过阈值时认为图像质量合格。所述采用计算图像边缘梯度和的方法即是先进行微分算子计算边缘，然后对边缘绝对值求和，当和值超过阈值时认为图像质量合格。

优选地，所述采用计算图像边缘梯度和的方法来进行评估，具体包括：利用计算该图像的微分图像，然后求取边缘图像的梯度和，其中G(i，j)是图像经过高斯滤波器后的图像。然后给定一个阈值，当图像的Quality大于等于该阈值时认为图像质量合格，小于该阈值时认为图像质量不合格。

优选地，所述控制计算机判断该眼睛图像的清晰平面是否在虹膜上的方法，采用基于普尔钦斑分析的方法。由于硬件的设计，使得虹膜能够清晰采集的距离上，红外光源会留下较小的普尔钦斑。由于该摄像头的景深一股都会非常小，因此需要排除虹膜不清晰，而睫毛清晰的情况。因此，通过分析普尔钦斑，当普尔钦斑占瞳孔的面积大于一个阈值1时，再次说明该图像中有虹膜，当普尔钦斑占瞳孔的面积小于一个阈值2时，说明，图像的清晰平面在虹膜上，而不是在睫毛上。

优选地，该方法在控制计算机判断虹膜图像采集成功后，进一步包括：控制计算机控制采集设备的声音提示。