基于虹膜的人体特征识别方法研究|虹膜囊肿有什么危害

人体特征识别方法，也叫生物特征识别方法，是指利用人的独特的生理及行为特征进行鉴别的身份验证的技术手段。它的产生及发展源于人们在迈进数字时代的过程中对身份验证方法的准确性与便捷性不断提高的需求。传统的身份验证方法主要包括身份标志物(如钥匙、证件等)以及身份标志信息(如账号、密码等)，或者以上二者的结合(如yhk等)。人们在使用过程中发现，他们都存在着共同的缺点：易于遗失和伪造。而且传统的身份验证系统并不能有效的识别持有这些身份标志事物的人是否是真正的拥有者。因此，一旦被冒充，真正的拥有者将遭受极大的损失。因此，人体特征识别方法作为一个更加有效的解决方案逐渐得到广泛应用。

人体特征的鉴别方法有很多种。在所有生物特征中，指纹相对稳定但录取指纹不是非侵犯性的。脸像特征具有很多优点(如主动性、非侵犯性和用户友好等)，但脸像随年龄而变化，而且容易被伪装。声音特征具有与脸像特征相似的优点，但它随年龄、健康状况和环境等因素而变化，而且说话人识别系统也容易被录音所欺骗，容易被伪造。虹膜特征识别解决了这些问题，还具有上述其他生物特征所不具备的一些优点，故近年来虹膜识别技术被认为是最有前途的生物识别技术之一。

虹膜识别技术的一股过程

虹膜识别技术的过程一般来说分为：虹膜图像获取、图像预处理、特征提取和特征匹配四个步骤。

虹膜图像获取是指使用特定的数字摄像器材对人的整个眼部进行拍摄，并将拍摄到的图像通过图像采集卡传输到计算机中存储。

图像预处理是指由于拍摄到的眼部图像包括了很多多余的信息，并且在清晰度等方面不能满足要求，需要对其进行包括图像平滑、边缘检测、图像分离等预处理 *** 作。

特征提取是指通过一定的算法从分离出的虹膜图像中提取出独特的特征点，并对其进行编码。

最后，特征匹配是指根据特征编码与数据库中事先存储的虹膜图像特征编码进行比对、验证，从而达到识别的目的。

获取眼部图像

本文的虹膜图像摄取装置如图1所示，采用的是卓为(sOVIC)SP-313摄像头，该摄像头采用的是最新CCD效果的CMOS感光芯片，图像分辨率为35万像素(640×480无软件插值)，内置低照度的辅助光源，能最大限度减少对人眼的刺激，使用时配以人工暗室，使人的眼部图像更清晰，明亮。图2是本设计采用的摄像头获取到的人眼部图像。

获取到数据后，只需要将其按照一定的格式写入文件，即可完成需要的眼部图像在计算机中的存储。本文程序中采用的是BMP格式的图像文件，因为BMP图像文件存储的图像数据没有经过压缩，方便以后对图像进行的预处理。

眼部图像的预处理

BMP图像文件格式主要有1、4、8、16、24和32位等图像格式，32位BMP图像文件格式表示该图像有232种颜色，图像中的每个像素用32位表示，一般情况下该文件格式没有调色板，32位中的最高s位保留，其余8位表示红色，8位表示绿色，8位表示蓝色。8位BMP图像文件表示该图像有256种颜色。图像中的每个像素用8位表示，并用这8位作为索引在彩色表中查找该像素的颜色，8位BMP图像一般也叫做灰度图像。

在本文获取到的图像是32位的彩色BMP图像。32位的彩色图像存储的图像色彩数据较多，图像文件的尺寸也较大。但是从本文图像识�的要求来看，这些都是不必要的，因此有必要将其转换为8位的灰度图像。

转换公式如式(1)所示。

Gray(i,j)=011(i,j)+059G(i,j)+03B(i,j)　(1)

其中Gray(i，j)为转换后的黑白图像在(i，j)点处的灰度值，由十公式中绿色所占的比重最大，所以转�时可以自接使用G值作为转�后的灰度。转换后的灰度图像如图3所示。从图像上看与32位RGB图像没有大的不同，但是图像文件的尺寸从117Mb缩小到了301Kb。

将获取到的眼部图像转换为灰度图像之后，还需要对灰度图像进行去噪声处理，本文采用的是空域法中的加权均值滤波，它是用一个有奇数点的滑动窗口在图像上滑动，将窗口中心点对应的图像像素点的灰度值用窗口内的各个点的灰度值的平均值代替，如果滑动窗口规定了在取均值过程中窗口各个像素点所占的权重，也就是各个像素点的系数。

提取虹膜图像

此过程需要读取眼部图像的数据，检测虹膜图像的内外边缘，提取内圆圆心坐标及短半径，再求出虹膜长半径，建立极坐标系，分离虹膜图像，最后进行特征提取。

和眼睛的其他部分相比，瞳孔的灰度值要小得多，也就是颜色要暗得多，而且在灰度级上有，个明显的突变，也就是说在瞳孔的灰度级要比其他部分的灰度级“黑得多”。因此，可以充分利用这个特性，对图2进行直方图分析，结果如图4所示。

对图4计算结果可以得出，图像灰度值从62开始，且图中存在若干个峰值点。我们已知瞳孔的颜色最暗，因此可以判定第一个波峰为瞳孔的灰度分布。具体观察第一个峰值，其基本呈正弦函数状分布，以72 为波峰(值：884)，左侧62(值:0)为波谷，1/4周期为10。据此，我们确定右侧的波谷为82,根据分析结果，对图4进行二值化，阈值为82，可以求出虹膜的长半径，如图5所示。

对图1的图像数据，从左右顺次、从上至下扫描每个像素点，根据式(2)计算每个像素点与圆心的距离。

dist2=|(x-Xpos)|2+|(y-Ypos)|2 (2)

其中，dist为距离，(x，y)为扫描点的坐标值，(Xpos，Ypos)为虹膜圆心的坐标值。保留所有小于等于虹膜K半径或大于等于虹膜短半径的像素，其余设像素值为0(即标为黑色)。保留的环形部分即为截取到的虹膜图像部分，如图6所示。

为厂提取虹膜图像的特征值，建立一个特征矩阵数组，X，Y值与上一步中的矩形数组一致，用来存放相应的特征值。这些值对于虹膜图像中的每一个像素点来说都是其独有的、能对其进行唯一标志的值，因此都可以作为特征值来利用，本文中提取的是每个像素点的二导函数作为其特征值，因此在本步骤中可以直接将其读入到特征矩形数组中。

特征匹配

本文采用海明距(HammingDistance)进行特征匹配。海明距最初为了解决通信中存在的误码问题而发明的。简单�说，它是指同样长度的两个码中，对应位不同的码的个数。比如：10101和00110，海明距为3。式(3)为海明距定义的公式。

+为异或运算，L为代码的长度。

将两幅虹膜图像的特征编码进行按位比较时，同一虹膜的不同时间提取的特征码，其HD分布的峰值将在01附近，而不同虹膜的特征码进行比对时，HD分布的峰值将在05附近。这里所说的分布的峰值是按位比较时，两段特征编码相应位相同的概率的最大值。因此，对已经得到的虹膜图像特征矩阵数组，首先要从中随机的选择一段L长度的代码(二进制)，即随机选择代码段的起始位置。这里要注意的是，对于待识别的两段代码，起始位置要尽量一致，L的值可随意设定，但L的值越大，匹配的时间越长，速度越满，识别的精度越高，匹配的正确率越大，反之，L的值越小，匹配的时间越少，速度越快，识别的精度越低，匹配的正确率越小，本文中L的值设为2048。

结果分析

精确性是最重要的一个性能指标，一般用识别率来表示，主要出拒判率、误判率和等误率来测定。

拒判率FRR：也称错误拒读率或称错误不匹配率，表示授权人(合法的用户)不被准确承认(误认为冒名顶替者)的程度。FRR越大，系统越精确，安全性也越高，但宽容度越来越低，致使越来越多的合法用户被系统错误的拒绝。反之授权人越容易通过，未授权者也变得容易混入。FRR实际上也是系统可接受性的重要指标。

误判率FAR：也称错误接收率或称错误匹配率，表示末授权的人(冒名顶替者)被确认成授权人(有效的个体)的程度。FAR的值越小，说明末授权的人越无法通过，系统越安全。但是，授权人的通过将变得越发困难，如在对安全有严格要求的应用领域，可以运行在很小的FAR上。FRR和FAR之间的关系如图7所示。

实验结果表明，本文所设计的系统在精确性、识别速度上满足了实用的要求。

垂直可见虹膜直径（Vertical Visible Iris Diameter，简称VVID）是指在纵向方向上可被测量到的虹膜部分的最大宽度。通常使用虹膜识别技术进行身份验证和认证时，会测量人眼中可见的虹膜部分来判断是否匹配已有的数据库信息，而VVID是其中一个重要的参考参数。

在测量VVID时，需要让被测试者保持自然的视线注视前方，同时使用专业设备对其眼部进行拍摄或扫描，然后对所得到的图像进行分析，获取VVID值。一般来说，成年人的VVID范围为10-13毫米左右，但也会因人种、性别、年龄和环境因素等而略有差异。

通过测量VVID可以进一步提高虹膜识别技术的准确性和鲁棒性，从而更好地应用于安全领域、金融领域和医疗领域等多个方面。

原理：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。

扩展资料

优点：

1、便于用户使用；

2、可能会是最可靠的生物识别技术；

3、不需物理的接触；

4、可靠性高。

快捷方便：拥有本系统，不需要携带任何证件，就能实现门控，可单向亦可双向；既可以被授权控制一扇门，也可以控制开启多扇门；

授权灵活：本系统根据管理的需要，可任意调整用户权限，随时了解用户动态，包括客户身份、 *** 作地点、功能及时间次序等，实现实时智能管理；

缺点：

1、很难将图像获取设备的尺寸小型化；

2、设备造价高，无法大范围推广；

3、镜头可能产生图像畸变而使可靠性降低；

4、两大模块：硬件和软件；

5、一个自动虹膜识别系统包含硬件和软件两大模块：虹膜图像获取装置和虹膜识别算法。分别对应于图像获取和模式匹配这两个基本问题。

参考资料来源：百度百科-虹膜识别技术

虹膜识别技术是基于眼睛中的虹膜进行身份识别，应用于安防设备（如门禁等），以及有高度保密需求的场所。

人的眼睛结构由巩膜、虹膜、瞳孔﹑晶状体、视网膜等部分组成。

人体虹膜特征：

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。

虹膜识别过程：

虹膜识别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。虹膜识别技术的过程一般来说包含如下四个步骤：

1．虹膜图像获取：

使用特定的摄像器材对人的整个眼部进行拍摄，并将拍摄到的图像传输给虹膜识别系统的图像预处理软件。

2．图像预处理：

对获取到的虹膜图像进行如下处理，使其满足提取虹膜特征的需求。

（1）虹膜定位：

确定内圆、外圆和二次曲线在图像中的位置。其中，内圆为虹膜与瞳孔的边界，外圆为虹膜与巩膜的边界，二次曲线为虹膜与上下眼皮的边界。

（2）虹膜图像归一化：

将图像中的虹膜大小，调整到识别系统设置的固定尺寸。

（3）图像增强：

针对归一化后的图像，进行亮度、对比度和平滑度等处理，提高图像中虹膜信息的识别率。

3．特征提取：

采用特定的算法从虹膜图像中提取出虹膜识别所需的特征点，并对其进行编码。

4．特征匹配：

将特征提取得到的特征编码与数据库中的虹膜图像特征编码逐一匹配，判断是否为相同虹膜，从而达到身份识别的目的。

以上就是关于基于虹膜的人体特征识别方法研究|虹膜囊肿有什么危害全部的内容，包括:基于虹膜的人体特征识别方法研究|虹膜囊肿有什么危害、垂直可见虹膜直径定义、虹膜识别的原理是什么等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！