EDN China > 其它文章 > 医疗电子 > 视频诊断与监控 > 正文
? 2016博客大赛-不限主题,寻找电子导师,大奖升级??

(多图) 基于虹膜的人体特征识别方法研究

来源:今日电子/作者:湖南工学院 俞斌?? 2007年12月19日 ?? 收藏0

  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,而且在灰度级上有一个明显的突变,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。

灰度直方图

图4 灰度直方图

  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。

虹膜长半径

图5 虹膜长半径

  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。

  

公式? (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长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。

环形的虹膜图像部分

图6 环形的虹膜图像部分

  为了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(Hamming Distance)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。简单来说,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。

公式?(3)

  其中Ai和Bi为待比较的两端代码,+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 0.1 附

近;而不同虹膜的特征码进行比对时,HD 分布的峰值将在 0. 5 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,主要由拒判率、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,表示未授权的人(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,说明未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。

拒判率和误判率之间的关系

图7 拒判率和误判率之间的关系

  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。


上一页12下一页
?? ?? ??


打开微信“扫一扫”,打开网页后点击屏幕右上角分享按钮

1.扫描左侧二维码
2.点击右上角的分享按钮
3.选择分享给朋友
?? ??

虹膜? 人体特征识别? CCD?

相关文章

我来评论
美国的游客
美国的游客 ??? (您将以游客身份发表,请登录 | 注册)
?
有问题请反馈