[go: up one dir, main page]

CN111344703B - 基于虹膜识别的用户认证设备和方法 - Google Patents

基于虹膜识别的用户认证设备和方法 Download PDF

Info

Publication number
CN111344703B
CN111344703B CN201880073875.0A CN201880073875A CN111344703B CN 111344703 B CN111344703 B CN 111344703B CN 201880073875 A CN201880073875 A CN 201880073875A CN 111344703 B CN111344703 B CN 111344703B
Authority
CN
China
Prior art keywords
iris
eye
parameter
normalized
hamming distance
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
Application number
CN201880073875.0A
Other languages
English (en)
Other versions
CN111344703A (zh
Inventor
格列布·安德烈耶维奇·奥丁诺基赫
阿列克谢·米哈伊洛维奇·法尔图科夫
维塔利·谢尔盖耶维奇·格纳秋克
弗拉基米尔·阿列克谢耶维奇·叶列梅耶夫
俞周完
李光现
李熙俊
慎大揆
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Samsung Electronics Co Ltd
Original Assignee
Samsung Electronics Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Samsung Electronics Co Ltd filed Critical Samsung Electronics Co Ltd
Priority claimed from PCT/KR2018/014515 external-priority patent/WO2019103520A1/ko
Publication of CN111344703A publication Critical patent/CN111344703A/zh
Application granted granted Critical
Publication of CN111344703B publication Critical patent/CN111344703B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/45—Structures or tools for the administration of authentication
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • G06T7/0016—Biomedical image inspection using an image reference approach involving temporal comparison
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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 OR CALCULATING; 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
    • G06V40/193—Preprocessing; Feature extraction
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G06V40/197—Matching; Classification

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Security & Cryptography (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Ophthalmology & Optometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Data Mining & Analysis (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Collating Specific Patterns (AREA)

Abstract

提供了基于虹膜识别的用户认证设备和方法。根据本公开的基于虹膜识别的用户认证方法可以包括以下步骤：获取用户的左眼和右眼的图像；从所述图像中提取瞳孔图像和虹膜图像；通过分析所述虹膜图像获得第一虹膜特征；通过分析所述虹膜图像和所述瞳孔图像获得第二虹膜特征；基于所述第一虹膜特征、所述第二虹膜特征以及预先存储的参考虹膜数据，获得相似度分数；以及基于所述相似度分数确定是否批准用户认证。

Description

基于虹膜识别的用户认证设备和方法
技术领域
本发明涉及基于虹膜识别的用户认证设备和方法，尤其涉及通过识别包括虹膜被部分遮挡的用户在内的用户的虹膜来确定是否批准用户认证的设备和方法。
背景技术
与使用生物识别的用户识别有关的技术是快速发展的技术领域之一，特别地，在用户的身体部位中识别和辨别眼睛(即虹膜)是最有效的用户认证方法之一。
然而，根据传统的虹膜识别方法，需要记录虹膜的足够面积(例如，大于40％)以获得可靠的识别结果，并且虹膜区域不应被用户的眼睑和睫毛遮挡或被用户佩戴眼镜而产生的强光所遮挡。
因此，即使在各种外部环境中，也要求用户在虹膜记录和识别期间睁大眼睛以获得可靠的认证水平。这些各种外部环境可能是直接或间接地从其他物体(例如雪、风、灰尘、雾气、烟雾等)反射而来的明亮光，也可能是诸如眼睑下垂之类的导致难以睁大眼睛的疾病。
图1示出了根据一些实施例的用户眼睛图像中的虹膜区域和瞳孔区域。
参考图1，用户眼睛的图像10可以大体上分为虹膜区域101和瞳孔区域103。传统的虹膜识别技术主要涉及通过对虹膜区域101的图像分析来提取虹膜特征，即虹膜纹理的特征，并将提取的虹膜特征与预先记录的虹膜数据进行比较以检查它们是否彼此匹配。在这种情况下，纹理是指统计指标所表征的图像块或图案，这些统计指标描述图像图案取向和空间频率的特性。
因为用户的虹膜具有其对应的独有纹理，所以每个用户可以通过捕获和分析他或她自己的虹膜的图像来预先记录和管理虹膜数据，并将虹膜数据用作用户认证工具。
再次参照图1，当用户睁大他或她的眼睛时(12)，瞳孔区域103未被用户的眼睑覆盖，而虹膜区域101被用户的眼睑部分遮挡，但是暴露出足够大的用于记录和识别的区域。
另一方面，当用户眯起他或她的眼睛(14)时，瞳孔区域103和虹膜区域101被用户的眼睑部分地覆盖，尤其是，虹膜区域101没有露出用于记录和识别的足够大的区域，这可能引起虹膜识别和用户认证的困难。
一种基于传统虹膜识别的生物识别系统使用了一种方法，该方法基于所比较的虹膜图像之间的相似度的局部密度来确定置信度分数，从而修改相似度分数计算，并基于修改的结果来确定所比较的虹膜图像是否彼此匹配。
然而，根据该方法，仅使用与二进制虹膜表示有关的信息，并且不使用用于确定置信度分数的附加参数。换句话说，因为在虹膜识别期间仅使用与虹膜纹理相关的参数(即二进制虹膜表示)和与一只眼睛的虹膜有关的信息，所以该方法不适合作为与识别被部分遮挡的眼睛相关的问题的解决方案。
使用传统虹膜识别的另一生物识别系统是一种识别方法，在该方法中融合了用户眼睛图像的多个特征。多个特征包括与虹膜纹理相关参数有关的信息以及与眼睛颜色和眼睛周围区域有关的其他信息。
使用这样的附加信息的方法用于提高识别精度，从而减少失败的识别尝试的次数，但是由于使用附加信息并且仅使用与一只眼睛有关的信息，因此该方法需要使用附加的计算资源。因此，该方法不足以提供与识别被部分遮挡的眼睛有关的问题的解决方案。
此外，另一种基于传统虹膜识别的生物识别系统将指纹识别和面部识别相结合，以提高识别精度。根据该方法，在面部识别期间，可以根据与眼睛相关联的预定义特征，通过使用在用户的两只眼睛之间延伸的虚拟线，在消除头部倾斜角的方向上以一定角度旋转左眼和右眼虹膜图像。旋转产生的虹膜图像可以用于记录或认证，并且可以使用与图像中的一只眼睛相关联的预定义特征来确定头部倾斜角。
根据该方法，基于两只眼睛的虹膜相似度分数生成单个统一相似度分数，以用于用户辨认，但是不使用虹膜相关参数来生成统一相似度分数。换句话说，诸如瞳孔间距离(IPD)以及IPD与虹膜的比率之类的几何参数可以用于估计虹膜图像的质量以进行进一步识别，或快速从预先存储几何参数的数据库中检索适当模板，但不用于计算统一相似度分数。
因此，该方法也不足以提供与识别被部分遮挡的眼睛相关的问题的解决方案。
发明内容
技术问题
提供了一种基于虹膜识别的用户认证设备和方法，能够通过对用户的左眼和右眼的虹膜和瞳孔的分析来提高虹膜识别的精度。
还提供了基于虹膜识别的用户认证设备和方法，能够通过使用与虹膜几何参数有关的信息来高效地执行虹膜识别，该虹膜几何参数是通过对用户的虹膜图像和瞳孔图像进行分析而获得的。
问题的解决方案
作为上述问题的一种技术方案，根据本发明的一个方面，一种基于虹膜识别的用户认证方法包括：获取用户的左眼和右眼的图像；从所述图像中提取瞳孔图像和虹膜图像；通过分析所述虹膜图像获得第一虹膜特征；通过分析所述虹膜图像和所述瞳孔图像获得第二虹膜特征；基于所述第一虹膜特征、所述第二虹膜特征以及预先存储的参考虹膜数据，获得相似度分数；以及基于所述相似度分数确定是否批准用户认证。
根据本公开的另一方面，基于虹膜识别的用户认证设备包括：至少一个处理器，被配置为：获取用户的左眼和右眼的图像；从所述图像中提取瞳孔图像和虹膜图像；通过分析所述虹膜图像获得第一虹膜特征；通过分析所述虹膜图像和所述瞳孔图像获得第二虹膜特征；基于所述第一虹膜特征、所述第二虹膜特征以及预先存储的参考虹膜数据，获得相似度分数；以及基于所述相似度分数确定是否批准用户认证；以及至少一个存储器，用于存储所述参考虹膜数据。
根据本公开的另一方面，计算机程序产品包括计算机可读记录介质，在所述计算机可读记录介质上记录有用于在计算机上执行根据本公开的上述方面的方法的程序。
公开的有益效果
根据一些实施例，可以通过对用户的左眼和右眼的虹膜和瞳孔的分析来提高虹膜识别的准确性。
此外，根据一些实施例，可以使用与通过对用户的虹膜图像和瞳孔图像的分析而获得的虹膜的几何参数有关的信息，来有效率地执行虹膜识别。
附图说明
图1示出了根据一些实施例的用户眼睛图像中的虹膜区域和瞳孔区域。
图2示出了根据一些实施例的基于虹膜识别的用户认证设备的示例。
图3是根据本公开的一些实施例的基于虹膜识别的用户认证方法的流程图。
图4示出了根据本公开的一些实施例的获得第一虹膜特征和第二虹膜特征的方法。
图5是示出根据一些实施例的瞳孔和虹膜在坐标系中的位置的图。
图6是根据一些实施例的计算相似度分数的方法的流程图。
图7是根据一些实施例的计算第一相似度参数的方法的流程图。
图8示出了通过使用第一相似度参数和第二相似度参数来计算相似度分数的方法。
图9是根据一些实施例的通过将相似度分数与阈值分数进行比较来确定是否批准用户的方法的流程图。
具体实施方式
根据本公开的实施例，基于虹膜识别的用户认证方法包括：获取用户的左眼和右眼的图像；从所述图像中提取瞳孔图像和虹膜图像；通过分析所述虹膜图像获得第一虹膜特征；通过分析所述虹膜图像和所述瞳孔图像获得第二虹膜特征；基于所述第一虹膜特征、所述第二虹膜特征以及预先存储的参考虹膜数据，获得相似度分数；以及基于所述相似度分数确定是否批准用户认证。
根据本公开的另一个实施例，基于虹膜识别的用户认证设备包括：至少一个处理器，被配置为：获取用户的左眼和右眼的图像；从所述图像中提取瞳孔图像和虹膜图像；通过分析所述虹膜图像获得第一虹膜特征；通过分析所述虹膜图像和所述瞳孔图像获得第二虹膜特征；基于所述第一虹膜特征、所述第二虹膜特征以及预先存储的参考虹膜数据，获得相似度分数；以及基于所述相似度分数确定是否批准用户认证；以及至少一个存储器，用于存储所述参考虹膜数据。
根据本公开的另一实施例，计算机程序装置包括计算机可读记录介质，其上记录有用于在计算机上执行根据实施例的方法的程序。
本公开的方式
前述目的、特征和优点将在下面参考附图进行详细描述，以使本领域的普通技术人员可以容易地实现本公开的技术思想。在本公开的以下描述中，与本公开有关的已知技术没有被详细描述，因为它们会用不必要的细节而使本公开的实质内容模糊。在下文中，将参照附图更充分地描述本公开的示例性实施方式。在附图中，相同的附图标记始终表示相同或相似的元件。
在整个说明书中，将理解的是，当一个部件被称为“连接”或“耦合”到另一部件时，它可以被直接连接到或电耦合到该另一部件，并且其间插入一个或多个中间元件。而且，当部件“包括”或“包含”元件时，除非有相反的具体描述，否则该部件还可以包括其他元件，而不排除其他元件。
现在将参考附图更详细地描述本公开。
图2示出了根据一些实施例的基于虹膜识别的用户认证设备的示例。
参考图2，基于虹膜识别的用户认证设备20可以通过获取用户2的左眼和右眼的图像21来执行用户认证。
根据一些实施例，基于虹膜识别的用户认证设备20可以包括处理器201和存储器203。
处理器201可以获取用户的左眼和右眼的图像21。
例如，处理器201可以通过经由图像获取单元直接捕获用户的图像来获取用户的左眼和右眼的图像21，或者可以从另一设备接收由其他设备捕获的用户的左眼和右眼的图像21。
处理器201可以从用户的左眼和右眼的图像21提取瞳孔图像和虹膜图像。
例如，处理器201可以从用户的左眼和右眼的图像21中分割并获取左眼的瞳孔图像和虹膜图像以及右眼的瞳孔图像和虹膜图像。
处理器201可以通过分析虹膜图像来获得第一虹膜特征。例如，处理器201可以通过执行虹膜分割和归一化来获得第一虹膜特征。
第一虹膜特征可以包括与虹膜纹理特征有关的信息。例如，第一虹膜特征可以包括通过分析从用户的左眼和右眼的图像21获取的虹膜图像而提取的与虹膜纹理有关的信息。第一虹膜特征可以被编码为例如二进制虹膜代码。
处理器201可以通过分析虹膜图像和瞳孔图像来获得第二虹膜特征。
第二虹膜特征可以包括与用户的瞳孔位置和虹膜位置的几何参数有关的信息。例如，第二虹膜特征可以包括与以下项有关的信息：虹膜圆的半径RI、瞳孔圆的半径与虹膜圆的半径之间的比率PIR、归一化的X轴距离NDX、以及归一化的Y轴距离NDY。
在此，虹膜圆意味着在围绕虹膜的外接圆中半径最小的外接圆，瞳孔圆意味着在围绕瞳孔的外接圆中半径最小的外接圆。
处理器201可以基于通过分析虹膜图像确定的虹膜圆的中心坐标(XI，YI)和半径RI，并基于通过分析瞳孔图像确定的瞳孔圆的中心坐标(XP，YP)和半径RP，来获得第二虹膜特征。
处理器201可以基于第一虹膜特征、第二虹膜特征和预先存储在存储器203中的参考虹膜数据，来获得相似度分数。
处理器201可以通过将与第一虹膜特征相对应的虹膜代码与预先存储在存储器203中的参考虹膜数据中包括的参考代码进行比较，来生成第一相似度参数。
另外，处理器201可以通过将第二虹膜特征与预先存储在存储器203中的参考虹膜数据中包括的参考特征进行比较，来生成第二相似度参数。
处理器201可以通过使用第一和第二相似度参数来获得相似度分数。例如，处理器201可以将第一和第二相似度参数代入预设方程和参数映射表中的至少一个，以获得用于确定是否批准用户认证的相似度分数。
处理器201可以基于相似度分数来确定是否批准用户认证。例如，处理器201可以通过将获得的相似度分数与预设阈值分数进行比较，来确定是否批准用户认证。
图3是根据本公开的一些实施例的基于虹膜识别的用户认证方法的流程图。
在操作S301中，处理器201可以获取用户的左眼和右眼的图像。例如，处理器201可以通过经由图像获取单元直接捕获用户的图像来获取用户的左眼和右眼的图像，或者可以从另一设备接收由其他设备捕获的用户的左眼和右眼的图像。
在操作S302中，处理器201可以从获取的图像中提取瞳孔图像和虹膜图像。例如，处理器201可以从用户的左眼和右眼的图像中分割并获取左眼的瞳孔图像和虹膜图像以及右眼的瞳孔图像和虹膜图像。
后面将参照图4的实施例描述由处理器201提取瞳孔图像和虹膜图像的详细方法。
在操作S303中，处理器201可以通过分析虹膜图像来获得第一虹膜特征。例如，处理器201可以通过执行虹膜分割和归一化来获得第一虹膜特征。第一虹膜特征可以包括与虹膜纹理特征有关的信息。例如，第一虹膜特征可以被编码为例如二进制虹膜代码。
在操作S304中，处理器201可以通过分析虹膜图像和瞳孔图像来获得第二虹膜特征。第二虹膜特征可以包括与用户的瞳孔位置和虹膜位置的几何参数有关的信息。例如，第二虹膜特征可以包括与以下项有关的信息：虹膜圆的半径RI、瞳孔圆的半径与虹膜圆的半径之间的比率PIR、归一化的X轴距离NDX、以及归一化的Y轴距离NDY。
处理器201可以基于通过分析虹膜图像确定的虹膜圆的中心坐标(XI，YI)和半径RI，并基于通过分析瞳孔图像确定的瞳孔圆的中心坐标(XP，YP)和半径RP，来获得第二虹膜特征。
在操作S305中，处理器201可以基于第一虹膜特征、第二虹膜特征和预先存储的参考虹膜数据，来获得相似度分数。
处理器201可以通过将与第一虹膜特征相对应的虹膜代码与预先存储在存储器203中的参考虹膜数据中包括的参考代码进行比较，来生成第一相似度参数。
处理器201可以基于左眼归一化汉明距离HDLeft、右眼归一化汉明距离HDRight、左眼的比特数BitCountLeft以及右眼的比特数BitCountRight，来生成第一相似度参数。
处理器201可以例如通过将虹膜代码与预先存储的参考代码进行比较来计算左眼归一化汉明距离HDLeft和右眼归一化汉明距离HDRight，以生成第一相似度参数。
汉明距离(或HD)是一种距离函数，指示在相等长度的两个字符串中同一位置有多少个不同的符号，特别地，二进制代码之间的汉明距离表示要比较的二进制代码之间的不匹配比特数。
例如，当计算左眼归一化汉明距离HDLeft和右眼归一化汉明距离HDRight时，处理器201可以确定左眼的比特数BitCountLeft以用于计算左眼归一化汉明距离HDLeft，并确定及右眼的比特数BitCountRight以用于计算右眼归一化汉明距离HDRight。每个比特数对应于在虹膜识别期间没有被用户眼睑掩盖的区域中的比特数，即，露出区域中的比特数。
例如，第一相似度参数可以包括汉明距离差参数ΔHDnorm，指示左眼归一化汉明距离HDLeft与右眼归一化汉明距离HDRight之间的归一化差。
第一相似度参数可以包括例如汉明距离平均参数HDavg，指示左眼归一化汉明距离HDLeft和右眼归一化汉明距离HDRight的平均值。
第一相似度参数可以包括例如最小总比特数参数BitCountmin，指示用于计算左眼归一化汉明距离HDLeft和右眼归一化汉明距离HDRight的最小总比特数。
第一相似度参数可以包括例如最大总比特数参数BitCountmax，指示用于计算左眼归一化汉明距离HDLeft和右眼归一化汉明距离HDRight的最大总比特数。
另外，处理器201可以通过将第二虹膜特征与预先存储在存储器203中的参考虹膜数据中包括的参考特征进行比较，来生成第二相似度参数。
处理器201可以基于左眼和右眼的虹膜圆的半径RI、左眼和右眼的瞳孔圆的半径与虹膜圆的半径之间的比率PIR、左眼和右眼的归一化X轴距离NDX、以及左眼和右眼的归一化Y轴距离NDY，来生成第二相似度参数。
例如，第二相似度参数可以包括最小中心距离差参数ΔNDmin，指示瞳孔圆的中心与虹膜圆的中心之间的最小距离。
第二相似度参数可以包括例如最大中心距离差参数ΔNDmax，指示瞳孔圆的中心与虹膜圆的中心之间的最大距离。
第二相似度参数可以包括例如半径差平均参数ΔRI，avg，指示归一化左眼虹膜圆半径差和归一化右眼虹膜圆半径差的平均值。
第二相似度参数可以包括例如半径比率差平均参数ΔPIRavg，指示以下二者的平均值：左眼的瞳孔圆半径与虹膜圆半径的比率之间的差；以及右眼的瞳孔圆半径与虹膜圆半径的比率之间的差。
处理器201可以通过使用第一和第二相似度参数来获得相似度分数。
例如，处理器201可以通过使用包括多个参数在内的第一相似度参数和包括多个参数在内的第二相似度参数来获得相似度分数，第一相似度参数包括的多个参数例如是汉明距离差参数ΔHDnorm、汉明距离平均参数HDavg、最小总比特数参数BitCountmin和最大总比特数参数BitCountmax，第二相似度参数包括的多个参数例如是最小中心距离差参数ΔNDmin、最大中心距离差参数ΔNDmax、半径差平均参数ΔRI，avg和半径比率差平均参数ΔPIRavg。
以下将参考图8的实施例描述由处理器201通过使用第一和第二相似度参数获得相似度分数的详细方法。
在操作S306中，处理器201可以基于相似度分数来确定是否批准用户认证。例如，处理器201可以通过将获得的相似度分数与预设阈值分数进行比较来确定是否批准用户认证。
以下将参考图9的实施例描述由处理器201基于相似度分数确定是否批准用户认证的详细方法。
图4示出了根据本公开的一些实施例的获得第一虹膜特征和第二虹膜特征的方法。
作为参考，在根据本公开的显示参数的方法中，上标“Enrolled”表示从预先存储的参考虹膜数据获得的参数，上标“Probe”表示在认证期间从用户的左眼和右眼的图像获得的参数。此外，下标“Left”指示针对左眼获得的参数，而下标“Bight”指示针对右眼获得的参数。
例如，处理器201可以接收经由诸如红外(IR)相机401之类的外部设备捕获的用户图像，并且从接收到的用户图像中获取用户左眼和右眼的图像(402)。
在获取用户的左眼和右眼的图像之后，处理器201可以将图像中的左眼区域和右眼区域彼此分开，以分别获得左眼和右眼的第一虹膜特征和第二虹膜特征(41和43)。
在获得左眼区域的特征的处理41中，处理器201可以执行如下的多个操作。
例如，处理器201可以检测图像中的左眼瞳孔，并确定表示检测到的左眼瞳孔的圆的半径和中心坐标。处理器201可以通过检测左眼瞳孔来获取左眼瞳孔图像。
当确定了左眼瞳孔圆的半径和中心坐标时，处理器201可以执行左眼虹膜的分割。左眼虹膜的分割可以包括确定左眼瞳孔与左眼虹膜之间的边界。例如，可以使用图像分割算法来执行左眼虹膜的分割。
处理器201可以经由左眼虹膜的分割来获取左眼虹膜图像，并且确定代表左眼虹膜的圆的半径和中心坐标。
在左眼虹膜的分割之后，处理器201可以对左眼虹膜图像进行归一化。可以将左眼虹膜图像的归一化定义为左眼虹膜图像中的像素从极坐标到线性坐标的变换，并且可以通过归一化将左眼虹膜图像中的像素从圆形位置移动到矩形矩阵位置。
处理器201可以从归一化的左眼虹膜图像中提取第一左虹膜特征(413)。处理器201可以通过对提取的第一左虹膜特征进行编码来生成二进制左虹膜代码。
此外，处理器201可以基于在检测左眼瞳孔期间获取的与左眼瞳孔图像有关的信息和在对左眼虹膜进行分割期间获取的与左眼虹膜图像有关的信息，来获得第二左虹膜特征(411)。
例如，处理器201可以基于通过分析左眼虹膜图像确定的左眼虹膜圆的中心坐标(XI，Left，YI，Left)和半径RI，Left，并基于通过分析左眼瞳孔图像确定的左眼瞳孔圆的中心坐标(XP，Left，YP，Left)和半径RP，来获得第二左虹膜特征(411)。
例如，第二左虹膜特征可以包括与瞳孔和虹膜位置有关的信息，例如左眼虹膜圆的半径RI，Left、左眼瞳孔圆的半径与左眼虹膜圆的半径之间的比率PTRLeft、左眼的归一化X轴距离NDXLeft和右眼的归一化Y轴距离NDYLeft。
类似地，右眼图像处理包括与用于左眼图像处理的操作相对应的操作。在处理右眼区域的处理43中，处理器201可以执行如下的多个操作。
例如，处理器201可以检测图像中的右眼瞳孔，并确定表示检测到的右眼瞳孔的圆的半径和中心坐标。处理器201可以通过检测右眼瞳孔来获取右眼瞳孔图像。
当确定了右眼瞳孔圆的半径和中心坐标时，处理器201可以执行右眼虹膜的分割。右眼虹膜的分割可以包括确定右眼瞳孔与右眼虹膜之间的边界。例如，可以使用图像分割算法来执行右眼虹膜的分割。
处理器201可以经由右眼虹膜的分割来获取右眼虹膜图像，并且确定表示右眼虹膜的圆的半径和中心坐标。
在对右眼虹膜的分割之后，处理器201可以对右眼虹膜图像进行归一化。可以将右眼虹膜图像的归一化定义为右眼虹膜图像中的像素从极坐标到线性坐标的变换，并且可以通过归一化将右眼虹膜图像中的像素从圆形位置移动到矩形矩阵位置。
处理器201可以从归一化的右眼虹膜图像中提取第一右虹膜特征(433)。处理器201可以通过对提取的第一右虹膜特征进行编码来生成二进制右虹膜代码。
此外，处理器201可以基于在检测右眼瞳孔期间获取的与右眼瞳孔图像有关的信息和在对右眼虹膜进行分割期间获取的与右眼虹膜图像有关的信息，来获得第二右虹膜特征(431)。
例如，处理器201可以基于通过分析右眼虹膜图像确定的右眼虹膜圆的中心坐标(XI，Right，YI，Right)和半径RI，Right，并基于通过分析右眼瞳孔图像确定的右眼瞳孔圆的中心坐标(XP，Right，YP，Right)和半径RP，Right，来获得第二右虹膜特征431。
例如，第二右虹膜特征可以包括与瞳孔和虹膜位置有关的信息，例如右眼虹膜圆的半径RI，Right、右眼瞳孔圆的半径与右眼虹膜圆的半径之间的比率PIRRight、右眼的归一化X轴距离NDXRight和右眼的归一化Y轴距离NDYRight。
稍后将参考图5描述获得与左眼和右眼的瞳孔和虹膜的几何参数有关的信息的方法。
处理器201可以通过将针对左眼和右眼获得的第一虹膜特征和第二虹膜特征与存储在存储器203中的数据库405中的参考虹膜数据进行比较，来确定是否批准用户认证403。
图5是示出根据一些实施例的瞳孔和虹膜在坐标系中的位置的图。
图5示出了瞳孔和虹膜在具有X轴和Y轴的坐标系中的位置以及与每个位置相对应的参数。通常，因为用户的虹膜和瞳孔的中心不重合，所以处理器201可以通过使用外接圆(即，虹膜圆53和瞳孔圆51)来生成参数，通过这些外接圆来分别近似于虹膜和瞳孔。
与瞳孔外接的瞳孔圆51具有半径RP和中心坐标(XP，YP)，并且与虹膜外接的虹膜圆53具有半径RI和中心坐标(XI，YI)。瞳孔圆51和虹膜圆53的每个参数可以用于生成第二虹膜特征，即，诸如虹膜圆53的半径RI、瞳孔圆的半径与虹膜圆的半径RI之间的比率PIR、归一化X轴距离NDX和归一化Y轴距离NDY之类的多个参数。可以将第二虹膜特征与预先存储的参考虹膜数据中包括的参考特征进行比较，并用于生成第二相似度参数。
这样，基于与瞳孔和虹膜的大小和位置有关的信息来计算第二虹膜特征，这些信息是在获得第一虹膜特征和虹膜代码的同时确定的，并且由于第二虹膜特征的公式在计算上是简单的，所以不需要大量的计算资源来处理数据。
图6是根据一些实施例的计算相似度分数的方法的流程图。
在操作S601中，处理器201可以通过将与第一虹膜特征相对应的虹膜代码与预先存储的参考虹膜数据中包括的参考代码进行比较，来生成第一相似度参数。以下将基于图7的实施例描述在操作S601中用于生成第一相似度参数的方法的细节。
在操作S602中，处理器201可以通过将第二虹膜特征与预先存储的参考虹膜数据中包括的参考特征进行比较，来生成第二相似度参数。
处理器201可以基于通过分析虹膜图像确定的虹膜圆的中心坐标(XI，YI)和半径RI，并基于通过分析瞳孔图像确定的瞳孔圆的中心坐标(XP，YP)和半径RP，来获得第二右虹膜特征。
通过由处理器201分析左眼虹膜和瞳孔图像而获得的第二虹膜特征可以包括例如与以下项有关的信息：左眼的归一化X轴距离NDXLeft、左眼的归一化Y轴距离NDYLeft、左眼圆半径比率PIRLeft和左眼虹膜圆半径RI，Left。
此外，通过由处理器201分析右眼虹膜和瞳孔图像而获得的第二虹膜特征可以包括例如：右眼的归一化X轴距离NDXRight、右眼的归一化Y轴距离NDYRight、右眼圆半径比率PIRRight和右眼虹膜圆半径RI，Right。
归一化X轴距离NDX表示沿X轴的归一化距离，并使用以下方程(1)计算：
方程(1)
其中XI、XP和RI分别表示虹膜圆心坐标的X轴分量、瞳孔圆心坐标的X轴分量和虹膜圆半径。
此外，归一化Y轴距离NDY表示沿Y轴的归一化距离，并使用以下方程(2)计算：
方程(2)
其中YI、YP和RI分别表示虹膜圆心坐标的Y轴分量、瞳孔圆心坐标的Y轴分量和虹膜圆半径。
此外，圆半径比率PIR表示左眼和右眼的虹膜圆半径RI与瞳孔圆半径RP之间的比率，并使用以下方程(3)计算：
方程(3)
处理器201可以基于以下项获得第二相似度参数：
认证期间获得的第二虹膜特征，即左眼的归一化X轴距离NDXLeft、左眼的归一化Y轴距离NDYLeft、左眼圆半径比率PIRLeft、左虹膜圆半径RI，Left、右眼的归一化X轴距离NDXRight、右眼的归一化Y轴距离NDYRight、右眼圆半径比率PIRRight和右眼虹膜圆半径RI，Right。
第二相似度参数可以包括例如最小中心距离差参数ΔNDmin，指示瞳孔圆的中心与虹膜圆的中心之间的最小距离。例如，处理器201可以通过确定瞳孔圆的中心和虹膜圆的中心之间的最小距离，来获得最小中心距离差参数ΔNDmin。
另外，第二相似度参数可以包括例如最大中心距离差参数ΔNDmax，指示瞳孔圆的中心和虹膜圆的中心之间的最大距离。例如，处理器201可以通过确定瞳孔圆的中心和虹膜圆的中心之间的最大距离，来获得最大中心距离差参数ΔNDmax。
最小中心距离差参数ΔNDmin和最大中心距离差参数ΔNDmax分别被确定为通过使用以下方程(4)计算的距离差参数ΔND中具有最小距离和最大距离的参数：
方程(4)
此外，第二相似度参数可以包括半径差平均参数ΔRI，avg，指示归一化左眼虹膜圆半径差和归一化右眼虹膜圆半径差的平均值。
例如，处理器201可以通过计算归一化左眼虹膜圆半径差和归一化右眼虹膜圆半径差的平均值来获得半径差平均参数ΔRI，avg。例如，可以通过使用以下方程(5)来计算半径差平均参数ΔRi，avg：
方程(5)
此外，第二相似度参数可以包括例如半径比率差平均参数ΔPIRavg，指示以下二者的平均值：左眼的瞳孔圆半径与虹膜圆半径的比率之间的差；以及右眼的瞳孔圆半径与虹膜圆半径的比率之间的差。
例如，处理器201可以通过计算以下二者的平均值来获得半径比率差平均参数ΔPIRavg：左眼的瞳孔圆半径与虹膜圆半径的比率之间的差；以及右眼的瞳孔圆半径与虹膜圆半径的比率之间的差。例如，可以通过使用以下方程(6)来计算半径比率差平均参数ΔPIRavg：
方程(6)
再次参考图6，在操作S603中，处理器201可以通过使用第一和第二相似度参数来计算相似度分数。
图7是根据一些实施例的计算第一相似度参数的方法的流程图。
在操作S701中，处理器201可以通过将虹膜代码与参考代码进行比较，来计算左眼归一化汉明距离HDLeft和右眼归一化汉明距离HDRight。
例如，处理器201可以通过将从用户的左眼和右眼图像中获得的二进制虹膜代码IrisCodeProbe与预先存储的参考虹膜数据中包括的参考代码IrisCodeEnrolled进行比较，来计算左眼归一化汉明距离HDLeft和右眼归一化汉明距离HDRight。
在操作702中，处理器201可以确定左眼的比特数BitCountLeft以用于计算左眼归一化汉明距离HDLeft，并确定及右眼的比特数BitCountRight以用于计算右眼归一化汉明距离HDRight。
例如，用于计算每个归一化汉明距离参数的比特对应于用户记录图像时虹膜中未被掩盖的部分中的比特，在用户眯起眼睛时的认证期间从这部分中将获得更多信息。
在操作S703中，处理器201可以基于左眼归一化汉明距离HDLeft和右眼归一化汉明距离HDRight、以及左眼的比特数Bi tCoun tLeft和右眼的比特数BitCountRight，来生成第一相似度参数。
例如，第一相似度参数可以包括汉明距离差参数ΔHDnorm，指示左眼归一化汉明距离HDLeft与右眼归一化汉明距离HDRight之间的归一化差。
例如，处理器201可以通过使左眼归一化汉明距离HDLeft与右眼归一化汉明距离HDRight之间的差归一化，来获得汉明距离差参数ΔHDnorm。例如，可以通过使用以下方程(7)来计算汉明距离差参数ΔHDnorm：
方程(7)
此外，第一相似度参数可以包括例如汉明距离平均参数HDavg，指示左眼归一化汉明距离HDLeft和右眼归一化汉明距离HDright的平均值。
例如，处理器201可以通过计算左眼归一化汉明距离HDLeft和右眼归一化汉明距离HDright的平均值，来获得汉明距离平均参数HDavg。例如，可以通过使用以下方程(8)来计算汉明距离平均参数HDavg：
方程(8)
HDavg＝0.5·(HDLeft+HDRight)
此外，第一相似度参数可以包括例如最小总比特数参数BitCountmin，指示用于计算左眼归一化汉明距离HDleft与右眼归一化汉明距离HDright的最小总比特数。
例如，处理器201可以通过计算用于计算左眼归一化汉明距离HDleft和右眼归一化汉明距离HDright的最小总比特数，来获得最小总比特数参数BitCountmin。例如，可以通过使用以下方程(9)来计算最小总比特参数BitCountmin：
方程(9)
此外，第一相似度参数可以包括例如最大总比特数参数BitCountmax，指示用于计算左眼归一化汉明距离HDleft和右眼归一化汉明距离HDright的最大总比特数。
例如，处理器201可以通过计算用于计算左眼归一化汉明距离HDleft和右眼归一化汉明距离HDright的最大总比特数，来获得最大总比特数参数BitCountmax。例如，可以通过使用以下方程(10)来计算最大总比特数参数BitCountmax：
方程(10)
方程(9)和(10)中的MAX_BTS是可以用于表示二进制虹膜代码的最大比特数，并且可以基于实验数据来预设。
图8示出了通过使用第一和第二相似度参数来计算相似度分数的方法。
参考图8，处理器201可以基于预先存储的参考虹膜数据中包括的参考左眼虹膜代码IrisCodeLeft Enrolled和从用户的左眼和右眼的图像获得的左眼虹膜代码，来获得左眼归一化汉明距离HDLeft和左眼的比特数BitCountLeft(801)。
此外，处理器201可以基于预先存储的参考虹膜数据中包括的参考右眼虹膜代码IrisCodeRight Enrolled和从用户的左眼和右眼的图像获得的右眼虹膜代码，来获得右眼归一化汉明距离HDRight和右眼的比特数BitCountRight(802)。
处理器201可以基于左眼归一化汉明距离HDLeft和右眼归一化汉明距离HDRight、以及左眼的比特数BitCountLeft和右眼的比特数BitCountRight，来生成第一相似度参数(821)。
例如，第一相似度参数可以包括：汉明距离差参数ΔHDnorm，指示左眼归一化汉明距离HDLeft与右眼归一化汉明距离HDRight之间的归一化差；汉明距离平均参数HDavg，指示归一化汉明距离HDLeft和HDright的平均值；最小总比特数参数BitCountmin，指示用于计算归一化汉明距离HDleft和HDright的最小总比特数；以及最大总比特数参数BitCountmax，指示用于计算归一化汉明距离HDleft和HDright的最大总比特数。
另外，处理器201可以通过将从用户的左眼和右眼的图像获得的第二虹膜特征与预先存储的参考虹膜数据中包括的参考特征进行比较，来生成第二相似度参数。
为了生成第二相似度参数，处理器201可以使用预先存储的参考虹膜数据中包括的参考左眼特征和参考右眼特征，参考左眼特征例如是左眼的参考归一化X轴距离参数NDXLefr Enrolled、左眼的参考归一化Y轴距离参数NDYLeft Enrolled、参考圆半径比率参数PIRLeft Enrolled、以及参考虹膜圆半径参数RI，Left Enrolled，参考右眼特征例如是右眼的参考归一化X轴距离参数NDXRight Enrolled、右眼的参考归一化Y轴距离参数NDYRight Enrolled、参考圆半径比率参数PIRRight Enrolled、以及参考虹膜圆半径参数RI，Right Enrolled(822)。
此外，为了生成第二相似度参数，处理器201可以使用从用户的左眼和右眼的图像获得的第二左眼虹膜特征和第二右眼虹膜特征，第二左眼虹膜特征例如是左眼的归一化X轴距离参数NDXLeft Enrolled、左眼的归一化Y轴距离参数NDYLeft Enrolled、圆半径比率参数PIRLeft Enrolled、以及虹膜圆半径参数RI，Left Enrolled，第二右眼虹膜特征例如是右眼的归一化X轴距离参数NDXRight Enrolled、右眼的归一化Y轴距离参数NDYRight Enrolled、圆半径比率参数PIRRight Enrolled、以及虹膜圆半径参数RI，Right Enrolled(822)。
例如，第二相似度参数可以包括：最小中心距离差参数ΔNDmin，指示瞳孔圆与虹膜圆的中心之间的最小距离；最大中心距离差参数ΔNDmax，指示瞳孔圆与虹膜圆的中心之间的最大距离；半径差平均参数ΔRI，avg，指示归一化左眼虹膜圆半径差和归一化右眼虹膜圆半径差的平均值；以及半径比率差平均参数ΔPIRavg，指示以下二者的平均值：左眼的瞳孔圆半径与虹膜圆半径的比率之间的差；以及右眼的瞳孔圆半径与虹膜圆半径的比率之间的差。
处理器201可以基于所生成的第一和第二相似度参数来计算相似度分数。例如，可以通过使用包含第一和第二相似度参数两者的以下方程(11)来计算相似度分数。
方程(11)
其中S是相似度分数，ic是偏差因子，wi(w1至w8)是加权因子。例如，偏差因子ic和加权因子wi可以通过对包括多个用户虹膜图像的训练数据集使用逻辑回归模型来经验地获得，并且可以基于在距用户不同距离和不同捕获条件下获取的实验数据来预先确定。
图9是根据一些实施例的通过将相似度分数与阈值分数进行比较来确定是否批准用户认证的方法的流程图。
在操作S901中，处理器201可以获得第一和第二相似度参数，并且在操作S902中，处理器201可以通过使用第一和第二相似度参数来计算相似度分数。
在操作S903中，处理器201可以将计算出的相似度分数与预设阈值分数进行比较。例如，可以基于针对先前执行的测试而获取的实验数据来预设阈值分数。
作为比较的结果，当计算的相似度分数小于预设阈值分数时，在操作S904中，处理器201可以批准用户认证。
例如，当计算的相似度分数小于预设阈值分数时，处理器201可以确定预先存储的参考虹膜数据中包括的虹膜与从左眼和右眼的图像获得的虹膜相同，并批准用户认证。
另一方面，当计算的相似度分数大于或等于预设阈值分数时，在操作S905中，处理器201可以拒绝用户认证。
例如，当计算的相似度分数大于或等于预设阈值分数时，处理器201可以确定预先存储的参考虹膜数据中包括的虹膜与从左眼和右眼的图像获得的虹膜不同，并拒绝用户认证。
为了确定根据本公开的用户认证方法的准确性，在用户的眼睛被遮盖的情况下针对所提出的认证用户的方法进行了一系列测试，尤其是对在室内空间中不戴眼镜的用户进行了测试。
为了与提出的方法进行比较，另外执行了使用共识规则的认证方法和使用最小HD值选择规则的认证方法。
在使用共识规则的认证方法中，批准用户认证的条件是：左眼的汉明距离HDLeft小于预设阈值，并且右眼的汉明距离HDRight小于预设阈值。
另一方面，在使用最小HD值选择规则的认证方法中，批准用户认证的条件是满足：左眼的汉明距离HDLeft和右眼的汉明距离HDRight的最小值被确定为相似度分数，并且确定的相似度分数小于预设阈值。
对于每种认证方法，计算了认证误差百分比(即，错误不匹配率FNMR：将用户不正确地识别为另一个人的百分比；以及错误匹配率FMR：将不是用户的人错误地识别为该用户的百分比)之间的定量比率(FMR10-7％时的FNMR)。
根据所进行的测试，当使用基于共识规则的认证方法时记录的认证误差百分比比通过应用本公开的认证方法获得的结果高3.59％。
此外，当使用基于最小HD值选择规则的认证方法时记录的认证误差百分比比通过应用本公开的认证方法获得的结果高3.13％。
因此，本公开的认证方法提供了比使用共识规则的认证方法和使用最小HD值选择规则的认证方法更准确的结果，而没有显著增加所需的计算资源。
本领域普通技术人员将理解，设备的结构元件或组件的数量可以在必要时改变。另外，本领域普通技术人员应该理解，这里提出的设备的框的布置仅是示例，并且可以根据需要进行修改以在特定应用中实现更高的效率，除非有与之相反的特定描述。除非另外明确指出，否则以单数形式表示的系统元件并不排除多个元件。
尽管在本说明书中已经描述了本公开的示例性实施例，但是应当理解，在不脱离由所附权利要求限定的本公开的保护范围的情况下，可以进行各种改变和修改。

Claims (17)

1.一种基于虹膜识别的用户认证方法，所述方法包括：
获取用户的左眼和右眼的图像；
从所述图像中提取瞳孔图像和虹膜图像；
通过分析所述虹膜图像获得第一虹膜特征；
通过分析所述虹膜图像和所述瞳孔图像获得第二虹膜特征；
基于所述第一虹膜特征、所述第二虹膜特征以及预先存储的参考虹膜数据，获得相似度分数；以及
基于所述相似度分数确定是否批准用户认证，
其中，获得所述相似度分数包括：
通过将与所述第一虹膜特征相对应的虹膜代码与所述预先存储的参考虹膜数据中包括的参考代码进行比较，生成第一相似度参数；
通过将所述第二虹膜特征与所述预先存储的参考虹膜数据中包括的参考特征进行比较，生成第二相似度参数；以及
通过使用所述第一相似度参数和所述第二相似度参数，获得所述相似度分数，并且
其中，所述第二相似度参数是基于左眼和右眼的虹膜圆的半径RI、左眼和右眼的瞳孔圆的半径与左眼和右眼的虹膜圆的半径RI之间的比率PIR、左眼和右眼的归一化X轴距离NDX、以及左眼和右眼的归一化Y轴距离NDY来生成的。
2.根据权利要求1所述的方法，其中，生成所述第一相似度参数包括：
通过将所述虹膜代码与所述参考代码进行比较，计算左眼归一化汉明距离HDLeft和右眼归一化汉明距离HDRight；
确定用于计算所述左眼归一化汉明距离HDLeft的左眼比特数BitCountLeft和用于计算所述右眼归一化汉明距离HDRight的右眼比特数BitCountRight；以及
基于所述左眼归一化汉明距离HDLeft、所述右眼归一化汉明距离HDRight、所述左眼比特数BitCountLeft以及所述右眼比特数BitCountRight，生成所述第一相似度参数。
3.根据权利要求2所述的方法，其中，所述第一相似度参数包括：汉明距离差参数ΔHDnorm，所述汉明距离差参数ΔHDnorm指示所述左眼归一化汉明距离HDLeft与所述右眼归一化汉明距离HDright之间的归一化差。
4.根据权利要求2所述的方法，其中，所述第一相似度参数包括：汉明距离平均参数HDavg，所述汉明距离平均参数HDavg指示所述左眼归一化汉明距离HDLeft和所述右眼归一化汉明距离HDright的平均值。
5.根据权利要求2所述的方法，其中，所述第一相似度参数包括：最小总比特数参数BitCountmin，所述最小总比特数参数BitCountmin指示用于计算所述左眼归一化汉明距离HDLeft和所述右眼归一化汉明距离HDright的最小总比特数。
6.根据权利要求2所述的方法，其中，所述第一相似度参数包括：最大总比特数参数BitCountmax，所述最大总比特数参数BitCountmax指示用于计算所述左眼归一化汉明距离HDLeft和所述右眼归一化汉明距离HDright的最大总比特数。
7.根据权利要求1所述的方法，其中，所述第二相似度参数包括：最小中心距离差参数ΔNDmin，所述最小中心距离差参数ΔNDmin指示所述瞳孔圆的中心与所述虹膜圆的中心之间的最小距离。
8.根据权利要求1所述的方法，其中，所述第二相似度参数包括：最大中心距离差参数ΔNDmax，所述最大中心距离差参数ΔNDmax指示所述瞳孔圆的中心与所述虹膜圆的中心之间的最大距离。
9.根据权利要求7所述的方法，其中，所述第二相似度参数包括：半径差平均参数ΔRI，avg，所述半径差平均参数ΔRI，avg指示归一化左眼虹膜圆半径差与归一化右眼虹膜圆半径差的平均值，所述归一化左眼虹膜圆半径差是归一化的认证期间的左眼虹膜圆半径与预先存储的左眼虹膜圆半径之差，所述归一化右眼虹膜圆半径差是归一化的认证期间右眼虹膜圆半径与预先存储的右眼虹膜圆半径之差。
10.根据权利要求7所述的方法，其中，所述第二相似度参数包括：半径比率差平均参数ΔPIRavg，所述半径比率差平均参数ΔPIRavg指示以下二者的平均值：左眼的瞳孔圆半径与左眼的虹膜圆半径的比率之间的差、以及右眼的瞳孔圆半径与右眼的虹膜圆半径的比率之间的差。
11.根据权利要求1所述的方法，其中，通过使用方程(1)来计算所述相似度分数，
其中，S是相似度分数，ΔHDnorm表示左眼归一化汉明距离HDLeft与右眼归一化汉明距离HDRight之间的归一化差，HDavg表示左眼归一化汉明距离HDLeft和右眼归一化汉明距离HDRight的平均值，BitCountmin和BitCountmax分别表示用于计算左眼归一化汉明距离HDLeft和右眼归一化汉明距离HDRight的最小总比特数和最大总比特数，ΔNDmin和ΔNDmax分别表示瞳孔圆的中心与虹膜圆的中心之间的最小距离和最大距离，ΔPIRavg表示以下二者的平均值：左眼的瞳孔圆半径与左眼的虹膜圆半径的比率之间的差、以及右眼的瞳孔圆半径与右眼的虹膜圆半径的比率之间的差，ΔRI，avg表示归一化左眼虹膜圆半径差和归一化右眼虹膜圆半径差的平均值，ic是偏差因子，wi是加权因子，所述归一化左眼虹膜圆半径差是归一化的认证期间的左眼虹膜圆半径与预先存储的左眼虹膜圆半径之差，所述归一化右眼虹膜圆半径差是归一化的认证期间右眼虹膜圆半径与预先存储的右眼虹膜圆半径之差。
12.一种基于虹膜识别的用户认证设备，所述设备包括：
至少一个处理器，被配置为：获取用户的左眼和右眼的图像；从所述图像中提取瞳孔图像和虹膜图像；通过分析所述虹膜图像获得第一虹膜特征；通过分析所述虹膜图像和所述瞳孔图像获得第二虹膜特征；基于所述第一虹膜特征、所述第二虹膜特征以及预先存储的参考虹膜数据，获得相似度分数；以及基于所述相似度分数确定是否批准用户认证；以及
至少一个存储器，用于存储所述参考虹膜数据，
其中，获得所述相似度分数包括：
通过将与所述第一虹膜特征相对应的虹膜代码与所述预先存储的参考虹膜数据中包括的参考代码进行比较，生成第一相似度参数；
通过将所述第二虹膜特征与所述预先存储的参考虹膜数据中包括的参考特征进行比较，生成第二相似度参数；以及
通过使用所述第一相似度参数和所述第二相似度参数，获得所述相似度分数，并且
其中，所述第二相似度参数是基于左眼和右眼的虹膜圆的半径RI、左眼和右眼的瞳孔圆的半径与左眼和右眼的虹膜圆的半径RI之间的比率PIR、左眼和右眼的归一化X轴距离NDX、以及左眼和右眼的归一化Y轴距离NDY来生成的。
13.一种基于虹膜识别的用户认证方法，所述方法包括：
获取用户的左眼和右眼的图像；
从所述图像中提取瞳孔图像和虹膜图像；
通过分析所述虹膜图像获得第一虹膜特征；
通过分析所述虹膜图像和所述瞳孔图像获得第二虹膜特征；
基于所述第一虹膜特征、所述第二虹膜特征以及预先存储的参考虹膜数据，获得相似度分数；以及
基于所述相似度分数确定是否批准用户认证，
其中，计算获得所述相似度分数包括：
通过将与所述第一虹膜特征相对应的虹膜代码与所述预先存储的参考虹膜数据中包括的参考代码进行比较，生成第一相似度参数；
通过将所述第二虹膜特征与所述预先存储的参考虹膜数据中包括的参考特征进行比较，生成第二相似度参数；以及
通过使用所述第一相似度参数和所述第二相似度参数，获得所述相似度分数，并且
其中，生成所述第一相似度参数包括：
通过将所述虹膜代码与所述参考代码进行比较，计算左眼归一化汉明距离HDLeft和右眼归一化汉明距离HDRight；
确定用于计算所述左眼归一化汉明距离HDLeft的左眼比特数BitCountLeft和用于计算所述右眼归一化汉明距离HDRight的右眼比特数BitCountRight；以及
基于所述左眼归一化汉明距离HDLeft、所述右眼归一化汉明距离HDRight、所述左眼比特数BitCountLeft以及所述右眼比特数BitCountRight，生成所述第一相似度参数。
14.根据权利要求13所述的方法，其中，所述第一相似度参数包括：汉明距离差参数ΔHDnorm，所述汉明距离差参数ΔHDnorm指示所述左眼归一化汉明距离HDLeft与所述右眼归一化汉明距离HDright之间的归一化差。
15.根据权利要求13所述的方法，其中，所述第一相似度参数包括：汉明距离平均参数HDavg，所述汉明距离平均参数HDavg指示所述左眼归一化汉明距离HDLeft和所述右眼归一化汉明距离HDright的平均值。
16.根据权利要求13所述的方法，其中，所述第一相似度参数包括：最小总比特数参数BitCountmin，所述最小总比特数参数BitCountmin指示用于计算所述左眼归一化汉明距离HDLeft和所述右眼归一化汉明距离HDright的最小总比特数。
17.根据权利要求14所述的方法，其中，所述第一相似度参数包括：最大总比特数参数BitCountmax，所述最大总比特数参数BitCountmax指示用于计算所述左眼归一化汉明距离HDLeft和所述右眼归一化汉明距离HDright的最大总比特数。
CN201880073875.0A 2017-11-24 2018-11-23 基于虹膜识别的用户认证设备和方法 Active CN111344703B (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
RU2017141021 2017-11-24
RU2017141021A RU2670798C9 (ru) 2017-11-24 2017-11-24 Способ аутентификации пользователя по радужной оболочке глаз и соответствующее устройство
KR10-2018-0138307 2018-11-12
KR1020180138307A KR102554391B1 (ko) 2017-11-24 2018-11-12 홍채 인식 기반 사용자 인증 장치 및 방법
PCT/KR2018/014515 WO2019103520A1 (ko) 2017-11-24 2018-11-23 홍채 인식 기반 사용자 인증 장치 및 방법

Publications (2)

Publication Number Publication Date
CN111344703A CN111344703A (zh) 2020-06-26
CN111344703B true CN111344703B (zh) 2023-10-13

Family

ID=63923624

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201880073875.0A Active CN111344703B (zh) 2017-11-24 2018-11-23 基于虹膜识别的用户认证设备和方法

Country Status (5)

Country Link
US (1) US11449590B2 (zh)
EP (1) EP3680794B1 (zh)
KR (1) KR102554391B1 (zh)
CN (1) CN111344703B (zh)
RU (1) RU2670798C9 (zh)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110688951B (zh) 2019-09-26 2022-05-31 上海商汤智能科技有限公司 图像处理方法及装置、电子设备和存储介质
CN112580506A (zh) * 2020-12-18 2021-03-30 杭州电子科技大学 一种基于双向最小汉明距的虹膜特征点比对方法
KR102508789B1 (ko) * 2021-01-27 2023-03-14 아이리텍 잉크 홍채 인증 방법 및 홍채 인증 시스템
CN113591550B (zh) * 2021-06-17 2024-03-26 湖南大学 一种个人喜好自动检测模型构建方法、装置、设备及介质
KR102480152B1 (ko) 2021-06-28 2022-12-22 주식회사 아이리시스 홍채 인식의 경량화 방법 및 홍채 인식 프로그램을 저장한 컴퓨터로 판독가능한 기록 매체
CN116563958A (zh) * 2022-01-27 2023-08-08 北京眼神智能科技有限公司 多模态身份认证方法、装置、存储介质及设备
KR102848257B1 (ko) * 2023-01-31 2025-08-19 조선대학교산학협력단 생체정보를 이용한 출입관리 시스템
CN116052313B (zh) * 2023-02-10 2024-02-23 北京中超伟业信息安全技术股份有限公司 一种智能保密柜控制方法、装置、设备及存储介质
CN116798107B (zh) * 2023-06-16 2024-05-14 北京万里红科技有限公司 一种用于比对虹膜图像的可视化处理方法及装置
CN116522370B (zh) * 2023-07-03 2023-09-12 北京万里红科技有限公司 全同态加密认证方法、存储介质及电子设备
WO2025042311A1 (ru) * 2023-08-21 2025-02-27 Михаил Николаевич ДОЛБНЯ Способ управления и защищенного доступа к данным
CN117290834B (zh) * 2023-10-10 2024-05-10 深圳市华弘智谷科技有限公司 一种基于虹膜识别来实现精准眼动追踪的多模态识别装置

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5291560A (en) * 1991-07-15 1994-03-01 Iri Scan Incorporated Biometric personal identification system based on iris analysis
KR20080025610A (ko) * 2006-09-18 2008-03-21 한국전자통신연구원 홍채 검출 방법 및 이를 위한 장치
WO2008091401A2 (en) * 2006-09-15 2008-07-31 Retica Systems, Inc Multimodal ocular biometric system and methods
EP1986126A1 (fr) * 2007-04-26 2008-10-29 STMicroelectronics Rousset SAS Procédé et dispositif de localisation d'un iris humain dans une image
KR20090074185A (ko) * 2006-09-29 2009-07-06 오끼 덴끼 고오교 가부시끼가이샤 개인 인증 시스템 및 개인 인증방법
KR20110133271A (ko) * 2010-06-04 2011-12-12 한국전자통신연구원 홍채 형상의 검출 방법
WO2015190796A1 (ko) * 2014-06-10 2015-12-17 아이리텍 인크 실외 및 실내에서 홍채인식이 가능한 손 부착형 웨어러블 장치
CN105528573A (zh) * 2014-10-15 2016-04-27 三星电子株式会社 用户终端设备及其虹膜识别方法
WO2016117755A1 (ko) * 2015-01-23 2016-07-28 삼성전자 주식회사 디스플레이 정보를 이용한 홍채 인증 방법 및 장치
CN105874472A (zh) * 2014-02-21 2016-08-17 三星电子株式会社 具有虹膜颜色识别的多频带生物识别相机系统
EP3101578A1 (en) * 2015-06-04 2016-12-07 Samsung Electronics Co., Ltd. Electronic device for performing personal authentication and method thereof
RU2630742C1 (ru) * 2016-07-18 2017-09-12 Самсунг Электроникс Ко., Лтд. Способ, система и устройство для биометрического распознавания радужной оболочки глаза
CN107209857A (zh) * 2015-02-10 2017-09-26 三星电子株式会社 用户终端及其提供方法

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100307792B1 (ko) * 1992-10-10 2001-11-30 존 이. 시드라즈 홍채분석에근거한생물측정사람식별방법
ES2348248T3 (es) 2004-06-21 2010-12-02 Google Inc. Sistema y procedimiento multibiometricos basados en una unica imagen.
KR101308368B1 (ko) 2006-03-03 2013-09-16 허니웰 인터내셔널 인코포레이티드 홍채 품질 측정을 갖는 홍채 인식 시스템
KR20080017763A (ko) 2006-08-22 2008-02-27 연세대학교 산학협력단 스코어 레벨 결합을 통한 홍채 인식 방법
CN100517370C (zh) * 2007-04-10 2009-07-22 杭州电子科技大学 基于双眼虹膜的身份识别方法
KR101030613B1 (ko) 2008-10-08 2011-04-20 아이리텍 잉크 아이이미지에서 관심영역정보 및 인식적 정보획득방법
US8317325B2 (en) * 2008-10-31 2012-11-27 Cross Match Technologies, Inc. Apparatus and method for two eye imaging for iris identification
US9064145B2 (en) * 2011-04-20 2015-06-23 Institute Of Automation, Chinese Academy Of Sciences Identity recognition based on multiple feature fusion for an eye image
KR101302661B1 (ko) 2011-07-20 2013-09-03 한국기초과학지원연구원 신원 인식 장치 및 방법
RU110848U1 (ru) * 2011-07-26 2011-11-27 Александр Александрович Вальчук Устройство идентификации личности по радужной оболочке глаза
FR2979727B1 (fr) * 2011-09-06 2013-08-30 Morpho Identification par reconnaissance d'iris
US9195890B2 (en) 2012-12-10 2015-11-24 Sri International Iris biometric matching system
US9530052B1 (en) * 2013-03-13 2016-12-27 University Of Maryland System and method for sensor adaptation in iris biometrics
US9282237B2 (en) 2014-07-17 2016-03-08 Schlage Lock Company Llc Multifocal iris recognition device
RU2628201C1 (ru) * 2016-07-07 2017-08-15 Самсунг Электроникс Ко., Лтд. Способ адаптивного квантования для кодирования изображения радужной оболочки
JP7125950B2 (ja) * 2017-03-24 2022-08-25 マジック リープ， インコーポレイテッド 虹彩コードの蓄積および信頼性割当

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5291560A (en) * 1991-07-15 1994-03-01 Iri Scan Incorporated Biometric personal identification system based on iris analysis
WO2008091401A2 (en) * 2006-09-15 2008-07-31 Retica Systems, Inc Multimodal ocular biometric system and methods
KR20080025610A (ko) * 2006-09-18 2008-03-21 한국전자통신연구원 홍채 검출 방법 및 이를 위한 장치
KR20090074185A (ko) * 2006-09-29 2009-07-06 오끼 덴끼 고오교 가부시끼가이샤 개인 인증 시스템 및 개인 인증방법
EP1986126A1 (fr) * 2007-04-26 2008-10-29 STMicroelectronics Rousset SAS Procédé et dispositif de localisation d'un iris humain dans une image
KR20110133271A (ko) * 2010-06-04 2011-12-12 한국전자통신연구원 홍채 형상의 검출 방법
CN105874472A (zh) * 2014-02-21 2016-08-17 三星电子株式会社 具有虹膜颜色识别的多频带生物识别相机系统
WO2015190796A1 (ko) * 2014-06-10 2015-12-17 아이리텍 인크 실외 및 실내에서 홍채인식이 가능한 손 부착형 웨어러블 장치
CN105528573A (zh) * 2014-10-15 2016-04-27 三星电子株式会社 用户终端设备及其虹膜识别方法
WO2016117755A1 (ko) * 2015-01-23 2016-07-28 삼성전자 주식회사 디스플레이 정보를 이용한 홍채 인증 방법 및 장치
CN107209857A (zh) * 2015-02-10 2017-09-26 三星电子株式会社 用户终端及其提供方法
EP3101578A1 (en) * 2015-06-04 2016-12-07 Samsung Electronics Co., Ltd. Electronic device for performing personal authentication and method thereof
RU2630742C1 (ru) * 2016-07-18 2017-09-12 Самсунг Электроникс Ко., Лтд. Способ, система и устройство для биометрического распознавания радужной оболочки глаза

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Dual Iris Based Human Identification;Iftakhar Hasan，et.al;IEEE;第79-84页 *
Learning to predict gender from iris images;THOMAS V ，et.al;IEEE;第1-5页 *

Also Published As

Publication number Publication date
US20200356648A1 (en) 2020-11-12
RU2670798C9 (ru) 2018-11-26
CN111344703A (zh) 2020-06-26
US11449590B2 (en) 2022-09-20
KR102554391B1 (ko) 2023-07-11
EP3680794A1 (en) 2020-07-15
RU2670798C1 (ru) 2018-10-25
KR20190060671A (ko) 2019-06-03
EP3680794A4 (en) 2020-12-09
EP3680794B1 (en) 2024-07-17

Similar Documents

Publication Publication Date Title
CN111344703B (zh) 基于虹膜识别的用户认证设备和方法
US12223760B2 (en) Systems and methods for performing fingerprint based user authentication using imagery captured using mobile devices
Guo et al. Eyes tell all: Irregular pupil shapes reveal gan-generated faces
JP5107045B2 (ja) 目に関して取得される画像中の虹彩を表す画素を特定する方法
JP2009523265A (ja) 画像中の虹彩の特徴を抽出する方法
JP2007188504A (ja) 画像中の画素強度をフィルタリングする方法
WO2009041963A1 (en) Iris recognition using consistency information
Gupta et al. Iris recognition system using biometric template matching technology
Guo et al. Iris extraction based on intensity gradient and texture difference
KR20150135745A (ko) 얼굴 인식 장치 및 방법
Sathish et al. Multi-algorithmic iris recognition
CN112069917A (zh) 一种用于固定场景的人脸识别系统
Gupta et al. Iris recognition system for smart environments
Feddaoui et al. An efficcient and reliable algorithm for iris recognition based on Gabor filters
Pandit et al. Biometric Personal Identification based on Iris Patterns
HK40069201A (zh) 执行指纹识别的方法和系统
Thae et al. Eye Region Detection by Likelihood Combination for Improving Iris Authentication
Chaudhari et al. SURVEY OF IRIS RECOGNITION TECHNIQUES
Czajka et al. Iris recognition with compact zero-crossing-based coding
Kochher et al. Improving Far and FRR of an Iris Recognition System
Modawel et al. IMPROVING EFFECTIVENESS IN IRIS LOCALIZATION USING ACTIVE CONTOURS WITH LESS COMPUTATIONAL TIME
Bensing Boehnen A Multi-Modal Approach to Frontal and Non Frontal Facial Feature Detection
Sathish et al. Biometric Biometric Authentication System Authentication System Authentication System based on Iris Patterns ased on Iris Patterns ased on Iris Patterns
Singh et al. Multimodal Biometric Authentication Parameters on Humanbody

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
GR01 Patent grant
GR01 Patent grant