JP4738488B2 - 画像品質メトリックを有する虹彩認識システム - Google Patents

Description

本出願は、２００６年３月３日に出願された米国仮出願第６０／７７８，７７０号の利益を主張する。
本出願は、２００５年１月２６日に出願された米国仮出願第６０／６４７，２７０号の利益を主張する２００６年１月２５日に出願された米国特許出願第１１／２７５，７０３号の一部継続出願である。

本出願は、２００５年１月２６日に出願された米国特許出願第１１／０４３，３６６号の一部継続出願である。
本出願は、２００６年３月１０日に出願された米国特許出願第１１／３７２，８５４号の一部継続出願である。

本出願は、２００７年２月７日に出願された米国特許出願第１１／６７２，１０８号の一部継続出願である。
本出願は、２００７年２月１５日に出願された米国特許出願第１１／６７５，４２４号の一部継続出願である。

米国政府は、本発明における権利を有する場合がある。
本発明は、認識システムに関し、特に、バイオメトリック認識システムに関する。より詳細には、本発明は、虹彩認識システムに関する。

関連出願は、２００３年９月５日に出願された米国特許出願第１０／６５５，１２４号の一部継続出願である２００４年１１月３日に出願された米国特許出願第１０／９７９，１２９号、および、２００６年５月９日に出願された米国特許出願第１１／３８２，３７３号を含むことができ、それらは、参照により本明細書に組み込まれる。

２００６年３月３日に出願された米国仮出願第６０／７７８，７７０号は参照により本明細書に組み込まれる。
２００６年１月２５日に出願された米国特許出願第１１／２７５，７０３号は参照により本明細書に組み込まれる。

２００５年１月２６日に出願された米国仮出願第６０／６４７，２７０号は参照により本明細書に組み込まれる。
２００５年１月２６日に出願された米国特許出願第１１／０４３，３６６号は参照により本明細書に組み込まれる。

２００６年３月１０日に出願された米国特許出願第１１／３７２，８５４号は参照により本明細書に組み込まれる。
２００７年２月７日に出願された米国特許出願第１１／６７２，１０８号は参照により本明細書に組み込まれる。

２００７年２月１５日に出願された米国特許出願第１１／６７５，４２４号は参照により本明細書に組み込まれる。

本発明は、信頼性のある動作のために、収集された目画像の品質を評価するための画像品質メトリックを実装する虹彩認識システムである。画像品質の低い画像は、用途に基づいて排除されるか、または、フラグが付けられてもよい。

本システムは、バイオメトリクス、虹彩認識システム、画像品質メトリクス、認証、アクセス制御、監視、識別、ならびにセキュリティおよびサーベイランスシステムに関連してもよい。本システムは、特に、虹彩認識技法を実行する前に含まれてもよい前処理手順を扱う。

全体の目検出システムが図１に示される。図１は、本明細書で述べるように、内部に顔のある画像を目ファインダ６２に提供することができるカメラ６１を示す。目ファインダ６２は、１つの目または両目の画像を提供してもよく、画像は、虹彩画像評価、および、必要である場合可能な修復のために前処理モジュール６０に進む。虹彩画像が、品質メトリックのセットを満たさず、虹彩画像を修復することができない場合、目画像は、排除され、新しい目画像取り込みが、目ファインダ６２によって追求されてもよい。別の実施形態では、虹彩画像が、品質メトリックのセットを満たさない場合、目画像はフラグを立てられ、その後の処理が、画像品質評価に基づいて構成されてもよい。取り込まれるか、または、修復されたときに、虹彩画像が、品質メトリックのセットを満たす場合、画像が、虹彩セグメンテーションブロック６３に転送されてもよい。ブロック６３内の１次元の極セグメンテーション（１Ｄ ＰＯＳＥ）システムを使用して、セグメンテーションが実施されてもよい。ＰＯＳＥは、画像（たとえば、３２０×２４０ピクセル）が目に見える瞳孔を有し、画像内で、虹彩が部分的に目に見える可能性があるという仮定に基づいてもよい。ＰＯＳＥは、完全に目に見える瞳孔に関して動作することができるわけではなく、瞳孔のわずかの部分は、目蓋によって曖昧にされる。虹彩と瞳孔との間の内側境界における瞳孔セグメンテーション、および、虹彩と強膜との間および虹彩と目蓋との間の外側境界におけるセグメンテーションが存在してもよい。区分化された画像を有する出力は、マッピング／正規化および特徴抽出のためのブロック６４に進んでもよい。ブロック６４からの出力は、符合化ブロック６５に進んでもよく、符合化ブロック６５は、１と０によって記録されるブロック６５に画像バーコードなどの出力を提供してもよい。画像のコーディングは、ブロック６６における目情報の記憶のための基礎を提供してもよく、目情報は、目に関連する、虹彩および瞳孔の情報などの目情報の、ブロック６７における、登録、索引付け、照合などのために使用されてもよい。

本システムは、品質制御手順として、目画像の品質をリアルタイムに評価してもよい。この手法は、質の悪い画像収集が、再取り込みによって訂正されることを可能にし、システム内で構成された取り込み時間窓内で考えられる最良の画像の収集を容易にする。この収集は、虹彩識別精度および虹彩認識システムの完全性を改善する可能性がある、より品質の良い虹彩画像を提供するプロセスをもたらす場合がある。

本発明の目的は、虹彩画像品質を評価するためのルールを規定し、虹彩画像の低い品質を補うか、または、画像品質評価に基づいて処理ステップを再構成する弁別器としてこれらのルールを使用することである。ループ内に人がいる場合、主観的評価を使用して目画像の品質を最終的に評価することは、ある程度簡単である場合がある。しかし、実際には、主観的評価は、誤りをもたらし、そのため、現在開発中の自動化虹彩認識システムからみて、実用的でない傾向がある場合がある。さらに、人の目にとって良い品質として知覚されるものは、本プロセスによる信頼性のある認識を必ずしも保証しない。そのため、画像品質は、首尾よい虹彩認識処理に重要な特定の基準に基づいて評価されてもよい。指紋バイオメトリクスと同様に、虹彩認識システムは、目の画像品質に著しく依存する、広い範囲で変動する照合性能因子を有する場合がある。虹彩パターンおよび目の姿勢は、照合器精度に直接影響を及ぼす可能性がある。したがって、使用可能な認識システムは、たとえ虹彩パターンが解析されても、画像評価用の有効な虹彩画像品質メトリックを必要とする可能性がある。

自動化虹彩認識システムは、虹彩局在化、虹彩マップ特徴抽出、符合化、および登録／照合を含む主要なコンポーネントを有してもよい。画像収集において、目を取り込むデジタル画像は、種々の照明照度下で、かつ、雑音を含む環境で、複数の分解能、目の向き、および目の移動位置で得られてもよい。特徴抽出プロセスは、虹彩パターンの固有のテクスチャを取り込み、エンコーダは、照合プロセスを促進させるために、情報を符合化して虹彩バーコードにしてもよい。照合は、データベース内のバーコードの複数のテンプレートに対して、虹彩バーコードにおいて照合される多数のビットを計算することを伴ってもよい。こうしたシステムの性能は、虹彩認識プロセスの種々の段階に著しく依存する可能性があり、また、次に、これらのプロセスはそれぞれ、取り込まれた虹彩画像の品質に依存する可能性がある。客観的画像品質メトリックは、虹彩処理段階のそれぞれにおいて種々の役割を果たすことができる。多くのアーチファクトが、これらのプロセスの１つまたは複数に影響を及ぼす可能性がある。

理想的な条件下で完璧に取り込まれた虹彩パターンは、固有の虹彩バーコードで取り込まれることができる虹彩のテクスチャを明確に示す場合がある。しかし、閉眼、オブスキュレーション、角度ずれした目、閉塞、電子雑音内に埋没した不完全な収集、不均一な照明、異なるセンサ波長感度、瞳孔の拡大、および鏡面光反射などの多くの因子によって、取り込まれた虹彩マップが、理想的な品質から程遠くなる可能性がある。スミア、ぼけ、焦点ずれ（対応する虹彩テクスチャが収集シーンの異なる深さにある）、および低い分解能は、非常に品質の低い画像の取り込みをもたらすと共に、虹彩セグメンテーションおよび／または特徴抽出ならびに符合化に悪い影響を及ぼす可能性がある。

本明細書では、画像の品質を評価し、虹彩認識のために処理される前に、虹彩画像の品質または状態を客観的にかつ自動的に評価することができる定量的尺度を生み出し、品質改善のために画像を前処理するための共通枠組みが規定されてもよい。

デジタル目画像は、収集、伝送、および再生中に、いろいろな歪みを受ける場合があり、歪みはどれも、虹彩認識性能の低下をもたらす可能性がある。こうした脆弱性に対処するための、本システムは、虹彩認識のために処理される前に、虹彩画像の品質を自動的に評価することができる定量的尺度を有し、定量的な虹彩画像品質メトリック（ＩＩＱＭ）の適切なセットを生み出してもよい。本システムは、定量的な虹彩画像品質メトリック（ＩＩＱＭ）の適切なセットを実装するための装置および手法を含んでもよい。ＩＩＱＭは、収集性能に基づいて画像特徴に対して規定されてもよい。画像の品質は、主観的虹彩プロセスと十分に相関があるべきである。ＩＩＱＭは、前処理手順に一体化されて、虹彩認識プロセスが始動される前に、虹彩画像の品質が評価されてもよい。これらのメトリックを用いた評価に基づいて、入力画像が受け入れられるか、低下を扱うために、処理が再構成されるか、または、虹彩の新たな取り込みが要求されてもよい。

種々の虹彩画像品質メトリックが留意されてもよい。自動虹彩品質測定をサポートするメトリックは、まつ毛／目蓋閉塞、瞳孔拡大、照度、ＳＮＲ、動きぼけ、光学的焦点ずれ、センサ雑音、鏡面反射、ピクセルカウント、虹彩テクスチャ鮮明度などを含んでもよい。

画像解析の性能を改善するために、画像鮮明度のモデル化に対する関心が存在する場合がある。画像品質メトリックは、虹彩認識プロセスを実行する前の、虹彩画像評価用の信頼性のある汎用ツールであるように見える。その結果、虹彩画像品質メトリックと共に使用するために、基準のセットが規定されてもよい。第１の基準は、ぼけを含み、ぼけは、粗いウェーブレット係数から精密なウェーブレット係数までの高周波数歪みを使用して、または、ビット間の不一致を測定するために、同じ虹彩の２つのパッチの得られるコードの排他的論理和をとって測定されてもよい。ぼけは、焦点ずれに関連する場合がある。第２の基準は、焦点ずれを含み、焦点ずれは、虹彩マップ内の高周波数を測定することによって評価されてもよい。第３の基準は、閉眼を含み、閉眼は、虹彩内側境界プロファイルを使用して評価されてもよい。第４の基準は、虹彩オブスキュレーションを含み、虹彩オブスキュレーションは、目蓋曲線と虹彩内側境界との間の面積の積分を計算することによって評価されてもよい。第５の基準は、角度ずれした目（すなわち、凝視した目(gazed eye)）の検出を含み、角度ずれした目の検出は、虹彩外側境界形状当てはめにおいて評価されてもよい。第６の基準は、反射を含み、反射は、虹彩曲線当てはめと高コントラスト閾値処理を使用して評価されてもよい。第７の基準は、過剰な瞳孔端部拡大を含み、過剰な瞳孔端部拡大は、瞳孔縁検出の限界を評価することによって求められてもよい。

図２は、図１の前処理モジュール６０の図である。虹彩画像は、モジュール６０に入り、ぼけモジュール３１、焦点ずれモジュール３２、閉眼モジュール３３、オブスキュレーションモジュール３４、角度ずれ検出モジュール３５、反射モジュール３６、および過剰拡大モジュール３７などの測定モジュールに進んでもよい。これらのモジュールの測定出力は、評価器３８に進んでもよく、評価器３８は、受信した測定値に応じて、虹彩画像１２が、セグメンテーションなどのさらなる処理のための出力４１として受け入れられるかどうかを判定してもよい。画像１２は、受け入れられない場合、排除されるか、または、修復可能な不一致を有すると考えられてもよい。修復可能な不一致を有する場合、さらなる処理のために、出力４１としての画像１２を受け入れられるように調節するか、または、引き継がれた低下を扱うために、処理の一部を再構成するための修復器３９に、画像１２が進んでもよい。

客観的画像品質メトリクスは、歪んだ画像がそれと比較される、影響を受けない画像の利用可能性に応じて分類されてもよい。虹彩画像１２の品質向上は、ピクセル処理、コントラスト均衡化、ヒストグラムイクオライゼーション、画像復元、画像ブラインドぼけ除去、虹彩テクスチャ復元のための適応フィルタリング、および姿勢正規化を含んでもよいことが留意されてもよい。

図３ａ、３ｂ、および３ｃは、修復器３９によって虹彩画像１２を調節する例を示す。図３ａは、目または虹彩の良好な画像１２である。図３ｂは、ぼけた画像１２である。図３ｃは、目または虹彩の調節された、または、修復された画像１２である。修復的処理には種々の種類の技法が使用されてもよい。セグメンテーションなどのさらなる処理のために良好な画像をもたらすために、ぼけの原因を知ることは、おそらく、処理によってぼけの原因を逆転することによって、画像１２からぼけを除去する基礎を提供することができる。

ぼけは、虹彩認識の性能に著しく影響を及ぼす可能性がある画像歪みの最も一般的な形態のうちの１つであってよい。ぼけの影響が、たいてい、虹彩マップ特徴抽出および虹彩の符合化に関して明白であることを、経験が示す場合がある。虹彩セグメンテーション手順は、虹彩のセグメンテーションを依然として可能にする、虹彩と強膜または瞳孔との間の十分なコントラストの存在により、影響を受けないことが多い。ぼけ現象は、画像のスペクトル領域の高周波数におけるエネルギーの減少として説明されてもよい。虹彩画像のぼけは、多くの異なる形態で起こる場合がある。光学的焦点ずれ、対象者の動き、およびズームするためのカメラの変位は、目収集中の、何らかの技術的制約の直接的な結果であるぼけ歪みを導入する可能性がある。

動きぼけおよびスミア作用に関して、解決策を、粗いウェーブレット係数から精密なウェーブレット係数までの高周波数歪みに基づかせて、２項分解の複数の段階における線形周波数歪みフィルタ出力を比較して、段階間の不一致を測定することによってぼけが検出されてもよい。ぼけが、虹彩照合性能に影響を及ぼすことがわかったため、目的は、これらの検出手順を自動化することであってよい。ぼけの検出は、ぼけ画像と影響を受けない画像を構成するもののある程度のモデル化を必要とする。仮説は、画像スミアが、画像品質高周波数特徴および多変量回帰分析を使用した検出に利用することができる統計的証拠を残すということになり得る。

別の手法では、虹彩テクスチャ高周波数成分を評価するのではなく、２つの異なる局在化パッチを使用し、局在化パッチの排他的論理和をとって、２つのパッチの対応するビット間の不一致を測定することによって、得られる虹彩コードが直接評価されてもよい。殆どない不一致に関する相互照合が、ぼけ作用を示すべきであり、またその逆も同様である。他の標準的な品質尺度を使用して、２つのパッチ間の相似性が測定されてもよい。虹彩マップがぼければぼけるほど、局在化パッチの相似性が高まる。パッチ強度間のＭＳＥ、２つのパッチの相関、２つのパッチ間の統計的相似性、２つのパッチ間のコントラスト差、または、２つのパッチ間のピーク信号対雑音比を測定することによって２つのパッチの相似性を測定することが考えられるであろう。Ｌ（ｘ，ｙ）とＲ（ｘ，ｙ）が第１パッチと第２パッチを提示するとすれば、これらのメトリックは、以下のように定式化されてもよい。
ＭＳＥ尺度：

式中、Ｎ（Ｒ）は、各パッチ内のピクセルの数である。
相関尺度：

式中、

である。
統計的相似性

式中、

は、パッチ内の画像強度の平均値である。最後に加えるに、メトリック

を使用してコントラスト相似性を測定することができる。
高周波数およびぼけメトリックが留意されてもよい。画像が角度ずれした姿勢から取り込まれたか、または、正面姿勢から取り込まれたかに無関係に、たとえ小さな動きぼけでも、性能を著しく低下させることが示される場合がある。

本システムは、高周波数エネルギー損失をもたらす、振幅および位相による虹彩パターン内の局所周波数成分の歪みを、ぼけが引き起こすという観測結果に基づいて、虹彩マップに関するぼけの作用を定量化する手法を提供してもよい。本解決策は、粗いウェーブレット係数から精密なウェーブレット係数までの高周波数歪みに基づかされてもよい。本手法を使用して、２項分解の複数の段階における線形周波数歪みフィルタ出力を比較して、スケール間の不一致を測定し、位相に関する影響を測定することによってぼけが検出されてもよい。フェーザ情報だけを使用して虹彩が符号化される場合、振幅に関するいずれの影響も、全く影響しないはずであることが留意されてもよい。高周波数歪み尺度が全く報告されない場合、虹彩画像は、ぼけ低下作用を既に受けてしまっている。一方、不一致尺度が有意である場合、歪みが起こっており、元の信号は、ぼけ作用が無い状態で、その虹彩高周波数成分全てを含んでしまったことが意味される。

多分解能解析は、虹彩テクスチャパターンなどの局在化信号特徴を表現する好都合な方法を提供する場合がある。それは、多分解能解析が、空間領域と周波数領域の両方において、信号内の局在化情報を提示する重要な方法として広く認められているからである。本明細書で提示される解決策用の枠組みとして、ウェーブレット分解が展開されることができるのは、こうした理由からである。虹彩画像内の周波数成分が変動する性質を持つため、ウェーブレット分解は、フーリエ変換に比べて適している場合がある。本手法では、虹彩パターン特徴の付近における異なるスケールの高周波数成分の振る舞いは、画像内のぼけ量を測定するために調べられてもよい。本手法は、画像が、対称線形フィルタを用いた畳み込みによってぼけるとき、フーリエ領域内の低周波数情報は、必ずしも変化しないという事実に基づいてもよい。しかし、局所高周波数フェーザおよび振幅情報は、フィルタリングメカニズムによって影響を受ける場合がある。本エンコーダは、位相情報に基づいてもよく、そして、いずれのぼけも、符合化される虹彩コードに直接影響を及ぼすであろう。

図４は、ぼけ測定値を提供するモジュール３１の図を示す。虹彩画像１２の信号は、ローパスフィルタ１３に入り、レベル１構造尺度λ_１モジュール１６に進んでもよい。フィルタ１３の出力は、ローパスフィルタ１４に進み、レベル２構造尺度λ_２モジュール１７に進んでもよい。フィルタ１４の出力は、ローパスフィルタ１５に進み、レベルｎ構造尺度λ_ｎモジュール１８に進んでもよい。フィルタ１４とフィルタ１５との間に位置するいくつかのローパスフィルタ、および、構造尺度λ_２モジュール１７と構造尺度λ_ｎモジュール１８との間に位置する同じ数の構造尺度λモジュールが類似の接続機構と共に存在してもよい。それぞれのローパスフィルタの遮断周波数は、特定の周波数帯を調査するために設定されてもよい。同様に、それぞれの構造尺度λモジュールからの出力ｗ_１ ２１、ｗ_２ ２２、…およびｗ_ｎ ２３は、回帰結合モジュール２４に進んでもよい。モジュール２４の出力は、画像１２内のぼけまたは不一致の尺度であってよい。虹彩マップの粗いウェーブレット係数と精密なウェーブレット係数との間の特定の不一致尺度は、式

によって示されてもよい。虹彩画像の品質の歪み（不一致）尺度は、虹彩画像の粗いウェーブレット係数と精密なウェーブレット係数との間の構造的差、換言すれば、各スケールにおける観測画像とそのフィルタリングされたものとの間の構造的差に基づいて測定されてもよい。

分散の積に対するバイアス無し分散の内積は、構造的相似性を定量化するのに使用されてもよい。不安定性を回避するために、いずれかの分散が０である場合、量は、

に修正されてもよい。式中、σ_ｎは、スケールｎにおける分散であり、σ_ｎ−１は、スケール（ｎ−１）における分散であり、共分散項は、

として規定されてもよい。ついでながら、ぼけ画像品質評価、また、指定された虹彩画像ＲＯＩの統計的正規化に関して構造的比較が行われてもよいことが留意されてもよく、そのため、式（１）は式（２）を意味してもよい。

より精密なレベルの要素は、次元一貫性のためのデシメーション演算の前に比較されてもよい。これらの局所統計量は、カーネルＬ×Ｌ四角形窓内で計算されてもよく、カーネルＬ×Ｌ四角形窓は、虹彩マップを表す定義済み関心領域（ＲＯＩ）にわたって畳み込まれる。カーネルＬの幅は、典型的な虹彩テクスチャサイズを表すように選択されてもよい。各スケールにおいて、局所窓内で測定される局所統計量および歪みが計算されてもよい。各レベルにおいて、単一の全体的な不一致の品質尺度が必要とされてもよい。歪み尺度を評価するために、平均値または中央値を使用して、尺度の予想平均値が利用されてもよい。本明細書の他の手法では、粗いスケールの画像と、より精密なスケールのフィルタリングされた画像との間の統計的な差を比較するために、さらなる古典的メトリックが含まれてもよい。これは、回帰分析が、最終決定をもたらす、最も寄与の大きい指標を記述する可能性があるため可能である。さらに、ＲＯＩの選択は、虹彩テクスチャを示すエリアだけに限定されることが推奨される。複数のＲＯＩは、回帰分析内で適切に重み付けされるように別々に処理されてもよい。虹彩の内側境界であるように、虹彩エリアのそれぞれが識別されてもよい。

さらに、取り込まれた虹彩の一部の定義済みサンプルに基づいて訓練された複数のスケールの選択された品質メトリックに関して多変量回帰手法を使用して、異なるスケールの結果が組み合わされてもよい。

その後、品質指標を結合して、最終決定尺度にする回帰手法が採用されてもよい。本メトリック指標は、−１から１まで変わるように、式（２）内で既にスケーリングされてもよい。そのため、

である、ＬＳ解に基づく重み付けベクトルが規定されてもよい。式中、Ｄ^＋＝（Ｄ^ＴＤ）^−１Ｄ^Ｔ、各虹彩サンプルと各品質指標についての品質指標要素の行列の擬似逆行列である。ベクトル

は、訓練されたセットについて得られる指標であってよい。
本手法は、適度の精度で、ぼけた画像と影響を受けない画像を区別することができることを、試験が示しているように見える。

異なる実施形態では、同じウェーブレット概念を使用して、２つの局在化パッチ（すなわち、左と右の虹彩−強膜境界における虹彩領域）が分解され、全てのレベルにおいて２つの分解係数が比較されてもよい。その後、回帰結合が、上記例と同様に、これらの構造尺度の出力に適用されて、レベル間ではなく、２つのパッチ間の不一致が測定されてもよい。この構成では、ローパスフィルタは全く必要とされない。

異なる例では、虹彩テクスチャを評価する代わりに、局在化パッチを使用し、局在化パッチの排他的論理和をとって、ビット間の不一致を測定することによって虹彩コードが直接評価されてもよく、排他的論理和は、式
ｍ_ｂ＝Σ［Ｍ（φ_Ｒ）］ＸＯＲ［Ｍ（φ_Ｒ＋Δφ）］≦η_ｇ
で補助されてもよい。

動きぼけおよびスミア作用は、焦点ずれに関連する可能性がある。焦点ずれは、画像のピクセルが全ての方向にスミアを発生し、ぼけ作用として測定される可能性があるため、事実上等方性である。焦点ずれは、中央値フィルタを使用して、ごま塩タイプ雑音をなくした後、虹彩マップ内の高周波数コンテンツを測定することによって評価されてもよい。局所位相技法が留意されてもよい。本手法は、本明細書に提供される排他的論理和式を含んでもよい。

閉眼および虹彩マップの露光は、主に、セグメンテーションモデル化に影響を及ぼす可能性がある。それは、セグメンテーションモデル化が、瞳孔全体を抽出して、瞳孔を囲む虹彩テクスチャの解析を可能にすることが期待されるからである。目が十分に開いていないか、または、瞳孔領域の一部が目に見えない場合、こうした状態は、虹彩縁の局在化に影響を与えるか、または、アルゴリズムのモデル化の仮定の一部を変更する可能性がある。

閉眼は、虹彩内側境界プロファイルを使用して評価されてもよい。検出された曲線が楕円に似た形状からどれだけ離れているかを測定する適合度パラメータ、および、閉眼がどれだけ存在するかを測定するために定義されるパラメータを含む、いくつかのパラメータが、推定される境界プロファイルを評価するために定式化されてもよい。

閉眼は、瞳孔プロファイルを使用して評価されてもよい。推定される瞳孔プロファイルを評価するために、いくつかのパラメータが定式化されてもよい。定式化は、式

を組み込んでもよい。上記式において、曲線ｆ（ｘ，ｙ）は、ブロブの境界を表し、Ｆ（ｘ，ｙ）は、推定される当てはめ形状の境界曲線であり、Ｆ_Ｃ（ｘ，ｙ）は、モデル形状のモーメント中心である。上記式のＮは、曲線ｆ（ｘ，ｙ）の長さを表す。演算子ｕ（）は、階段関数であり、ε≪１は、許容誤差因子である。

別の方法は、推定されるモデル曲線内のブロブの割合を測定することである。当てはめメトリックは、基本的に、推定される形状表面カバリジの比またはブロブ表面にわたるモデルとブロブの表面の交差であってよい。

式中、Ｓ_ｂｌｏｂは、ブロブの表面である。虹彩品質メトリックは、虹彩基準を含んでもよい。閉眼は、瞳孔プロファイルを使用して評価されてもよい。パラメータは、本明細書で述べるように、境界楕円プロファイルに関して推定される瞳孔プロファイルを評価し、瞳孔パラメータのカバリジを評価するために定式化されてもよい。

長く密なまつ毛の存在または通常の目蓋の閉鎖による、オブスキュレーションおよび閉塞は、認識システムのセグメンテーションおよび符合化方式に著しく影響を及ぼす可能性がある。虹彩オブスキュレーションは、目蓋曲線と虹彩内側境界との間の面積の積分を計算することによって評価されてもよい。目蓋−まつ毛オブスキュレーション評価は、目が十分に開いており、そのとき、瞳孔のほとんどが目に見えるが、依然として、目蓋またはまつ毛が虹彩テクスチャを覆い隠していることを仮定してもよい。この基準の評価は、虹彩ならびに目蓋および／またはまつ毛の縁を同時に検出する方法を提供する本ＰＯＳＥセグメンテーション技法に引き継がれてもよい。式

を用いて、まつ毛／目蓋検出曲線および内側虹彩境界または瞳孔境界の下のエリア表面の積分を計算することによって虹彩オブスキュレーションが、評価されるか、または、測定されてもよい。

角度ずれおよび目の凝視は、虹彩認識システムにおいてかなりの関心事である場合がある。角度ずれした目の収集が、ここでは、他の目の収集と同じである可能性があるため、目の凝視は、必ずしも本システムにおいて別個の問題として考えられない。前方を見ない、または、直接に収集システムを見ない角度ずれした目は、一部の関連する虹彩検出メカニズムにとって問題となる場合がある。角度ずれ（凝視した目）は、虹彩外側境界形状当てはめにおいて評価されてもよい。

角度ずれした目も扱うように、本虹彩認識プロセスが設計されてもよいが、特別処理が画像解析に捧げられるように、このＩＩＱＭの評価を行うことが望まれてもよい。角度ずれ（凝視した目）を評価するのに使用される本手法は、円形状に対する虹彩の外側境界の形状適合度を測定してもよい。ここで、式

が留意されてもよい。
強い鏡面反射は、関心事であり、光っている領域のコントラストに影響を及ぼし、そのため、セグメンテーション手法ならびに虹彩テクスチャ内の特徴に影響を及ぼす可能性がある。反射量は、虹彩曲線当てはめおよび高コントラスト閾値処理を使用して評価されてもよい。

瞳孔拡大は、虹彩認識性能に影響を及ぼす可能性がある。しかし、良いセグメンテーション技法は、こうした拡大をある程度まで扱う可能性がある。瞳孔端部拡大は、瞳孔縁検出の限界を評価することによって検出されてもよい。瞳孔の縁は、通常の範囲の瞳孔拡大動作について設定された定義済み範囲の限度内で検出されてもよいことが予想される。全ての角度において、限度に達する場合、これは、検出された縁が、瞳孔の実際の縁を反映せず、限度の再定義が必要であることを示す場合がある。

一部のセグメンテーション手法は、瞳孔拡大を克服するように設計されてもよい。しかし、場合によっては、瞳孔拡大が、セグメンテーションに影響を及ぼすのに十分に意味のあることが留意されてきた。瞳孔拡大を評価する本手法は、以下の通りであってよい。虹彩マップは、虹彩の内側境界の領域であり、外側境界に達することなく、虹彩の主要なセグメントをカバーするのに十分に延在してもよい。内部境界推定中に、マップ構造に影響を与える可能性があるあらゆるオブスキュレーションまたは雑音干渉を回避するために、マップが、外側境界より小さい領域に意図的に限定されてもよい。瞳孔の縁は、通常の範囲の瞳孔拡大動作について規定された定義済み範囲の限度内で検出されてもよいことが予想される。全ての角度において、再び限度に達する場合、これは、検出された縁が、瞳孔の実際の縁を反映せず、限度の再定義が必要らしいことを示す場合がある。

本明細書では、内容の一部が、仮定的または予言的であるが、別の方法または時制で述べられてもよい。
本発明は、少なくとも１つの例示的な例に関して述べられたが、本明細書を読むことによって、多くの変形および変更が当業者に明らかになるであろう。したがって、添付特許請求の範囲は、全てのこうした変形および変更を含むために、従来技術を考慮して、できる限り広い範囲で解釈されるという意図がある。

画像品質メトリクス用の前処理モジュールを組み込む全体の虹彩認識システムの図である。 画像品質メトリクス用の前処理モジュールの図である。 通常の目画像を示す図である。 ぼけた目画像を示す図である。 回復された、ぼけた目画像を示す図である。 虹彩画像不一致を測定する機構の図である。

Claims (3)

1. 虹彩画像品質メトリックシステムであって、
   虹彩画像の虹彩コードから２つの異なる局所化されたパッチを得る虹彩画像源（１２）と、
   前記画像源に接続される品質処理モジュール（６０）とを備え、
   前記品質処理モジュールは、虹彩画像の１以上の品質評価を提供するためのものであり、
   少なくともひとつの品質評価は、前記２つのパッチの排他的論理和（XOR）をとり、前記２つのパッチの相互照合されるビット間の不一致を測定し、そして不一致の量が設定量より大きいか否かを決定するステップを含み、前記不一致の量が設定量より大きい場合は、前記虹彩画像は前記１以上の品質に関係してさらなる処理に対して妥当である、
   システム。
2. 虹彩画像モジュール（１２）と、
   前記虹彩画像モジュールに接続される虹彩画像品質測定モジュール（３１，３２，３３，３４，３５，３６，３７）と、
   前記虹彩画像モジュールに接続される評価器（３８）と、を備え、
   前記品質測定モジュールから虹彩画像の品質測定値を受信し、前記虹彩画像が、さらなる処理のために、許容可能であるか、許容可能でないかを示すためのものであり、そして許容可能でない虹彩画像が排除されるべきか、さらなる処理のために修復されるべきかを示すためのものであり、
   前記虹彩画像の前記品質測定は、虹彩画像の虹彩コードから２つの異なる局在化されたパッチを得て、前記２つのパッチの排他的論理和（XOR）をとり、前記２つのパッチの相互照合されるビット間の不一致を測定し、そして不一致の量が設定量より大きいか否かを決定するステップを含み、前記不一致の量が設定量より大きい場合は前記虹彩画像は前記１以上の品質に関係してさらなる処理に対して許容可能である、
   虹彩画像前処理システム。
3. 虹彩画像を受信するステップと、
   前記虹彩画像の少なくとも１つの品質を測定するステップと、
   前記少なくとも１つの品質を評価するステップを含み、それにより、前記虹彩画像が、さらなる処理のために前記少なくとも１つの品質に対して妥当であるか否かを決定し、
   前記虹彩画像の少なくとも１つの品質を測定するステップは、
   虹彩画像の虹彩コードから２つの異なる局在化されたパッチを得るステップと、
   前記２つのパッチの排他的論理和（XOR）をとるステップと、
   前記２つのパッチの相互照合されるビット間の不一致を測定するステップと、
   不一致の量が設定量より大きいか否かを決定するステップを含み、前記不一致の量が設定量より大きい場合、前記虹彩画像は前記１以上の品質に関係してさらなる処理に対して妥当である、
   画像の品質を評価する方法。

Images