用于智能眼鏡的防偽虹膜身份認證方法
【專利摘要】本發(fā)明提供了用于智能眼鏡的防偽虹膜身份認證方法，其對外設要求低并可針對多種偽造方法進行檢測的高適應性防偽。其步驟為：（1）提取基準圖像，保存基準圖像中的用戶虹膜特征作為基準虹膜特征；（2）在環(huán)境光的基礎上產生隨機的入射光強變化序列刺激用戶眼部并采集動態(tài)用戶眼部圖像，得到眼部圖像序列、提取并保存動態(tài)眼部圖像內的用戶虹膜特征作為待測虹膜特征；（3）由用戶動態(tài)眼部圖像得到瞳孔直徑變化序列，計算瞳孔直徑變化序列與入射光強變化序列的匹配度Pass1；（4）在用戶動態(tài)眼部圖像中選取待認證圖像，從基準圖像中選取對比基準圖像，計算待認證圖像與對比基準圖像的虹膜特征的匹配度Pass2；（5）根據Pass1和Pass2，得出認證結果。
【專利說明】用于智能眼鏡的防偽虹膜身份認證方法
【技術領域】
[0001]本發(fā)明涉及領域，具體為用于智能眼鏡的防偽虹膜身份認證方法。
【背景技術】
[0002]獨立科技市場研究機構Forrester Research在一份報告《Smart Body, SmartWorld))中指出，下一次計算革命將來自由傳感器包裹著的穿戴式設備，而非智能手機和平板電腦。穿戴式計算設備是指將計算機“穿”在身上進行應用的技術，其概念最早于1955年被提出，初衷是為了在“輪盤賭”的賭博游戲中，對現(xiàn)場數(shù)據實時采集并進行預測。1991年，美國卡內基-梅隆大學(CMU)研制出供工程維修使用的可穿戴計算機VuMenl，它由一個微小的計算機和眼鏡式顯示器組成；1999年投入量產的單兵作戰(zhàn)系統(tǒng)“地面勇士”繼承并發(fā)展了 VuMenl的架構，在計算機和眼鏡式顯示器基礎上加入了網絡通信模塊；2012年，谷歌公司發(fā)布了 Google Glass，重新定義了眼鏡，也標志了智能眼鏡進入大規(guī)模日常生活實用范圍，繼谷歌之后，蘋果，三星，百度也放出了開發(fā)中的智能眼鏡的原型和相關專利申請。谷歌眼鏡預計提供許多和用戶個人信息相關的服務，如Gmail、G00gle Calendar、以及使用Google Account進行支付的業(yè)務，但是個人化服務在為使用者帶來便利的同時也加劇了用戶信息泄露的可能性，因此，需要安全性好的身份認證方式來確保用戶信息不被泄露。
[0003]目前傳統(tǒng)的身份認證方式包括密碼認證(包括密碼輸入方式，觸屏圖案解鎖方式)、聲紋認證、人臉識別技術以及虹膜識別認證等方式，其中密碼認證、聲紋認證、人臉識別技術均受谷歌眼鏡硬件限制和安全性，無法有效使用于智能眼鏡的身份認證。虹膜識別目前已廣泛應用于考勤系統(tǒng)、安檢系統(tǒng)、門禁系統(tǒng)等諸多方面，對于虹膜的防偽技術，目前已有的研究根據檢測原理的不同主要分為三個方面:一種是針對不同的偽造虹膜材質提出相應的特征檢測方法，另一種是直接根據眼球本身具有的生物特征進行檢測，第三種根據眼睛對外界刺激的反應進行檢測。
[0004]針對不同仿造材質的檢測方法對于特定的偽造方法檢測效果較好，但其較強的針對性導致其只能檢測特定的偽造方式。Daugman利用打印的偽虹膜在FFT變換后的頻譜圖上會產生4個亮點，而真實活體虹膜變換后則不存在這四個亮點[Daugman J.Recognizingpersons by their iris patterns，biometrics: personal identification in anetworked society[M].Amsterdam: Kluwer Academic Publisher，1999: 103-121];Zhuoshi Wei等利用共生矩陣(CM)提取偽造虹膜存在的紋理特征[Wei Z，Qiu X，SunZj et al.Counterfeit iris detection based on texture analysis[C]//PatternRecognition, 2008.1CPR 2008.19th International Conference on.1EEE, 2008:1-4; He X，An S， Shi P.Statistical texture analysis-based approach forfake iris detection using support vector machines[M] Advances in Biometrics.Springer Berlin Heidelberg, 2007: 540-546] ; Xiaofu He等利用虹膜統(tǒng)計特征，建立真?zhèn)魏缒さ姆诸惼鱗He X，Lu Y，Shi P.A new fake iris detection method[M]//Advancesin Biometrics.Springer Berlin Heidelberg, 2009: 1132-1139]，魯棒性強。[0005]根據生物特征進行檢測的方法往往需要額外的專業(yè)設備，如Lee etal.利用IR-LED獲取虹膜中一種組織的圖像(Purkinje) [ Lee, E.C., Park, K.R., Kim, J.: Fakeiris detection by using purkinje image.1n: Zhang, D., Jain, A.K.(eds.) ICB2006.LNCS, vol.3832，pp.397 - 403.Springer, Heidelberg (2006)];陳瑞等采集在860nm和480nm下結膜血管(conjunctival vessels)和虹膜的紋理特征，建立真?zhèn)魏缒さ姆诸惼鱗Chen, Rui, Xirong Lin, and Tianhuai Ding.〃Liveness detection for irisrecognition using multispectral images.^ Pattern Recognition Letters (2012)]。Andrzej pacut等利用生物眼的球形結構和角膜濕潤對光源會有反射作用的原理，在虹膜環(huán)形區(qū)域內的不同位置隨機產生不同數(shù)量的光源，區(qū)分打印的虹膜照片[Pacut，Andrzej,and Adam Czajka.^Aliveness detection for iris biometrics."Carnahan ConferencesSecurity Technology, Proceedings 2006 40th Annual IEEE International.1EEE,2006]。Sung Joo Lee等利用750nm和850nm入射光在虹膜和鞏膜之間的反射率不同檢測虹膜活性[Lee, Sung Joo, Kang Ryoung Park, and Jaihie Kim."Robust fake irisdetection based on variation of the reflectance ratio between the iris and thesclera." Biometric Consortium Conference, 2006 Biometrics Symposium: SpecialSession on Research at the.1EEE, 2006]。[0006]根據眼部對外界的刺激作出反應的研究包括:Eui Chul Lee等提出通過語音提示被拍攝者眼睛的轉向，建立人眼三維的距離模型[Eui Chul Lee, You Jin Ko, KangRyoung Park.Fake iris detection method using Purkinje images based on gazeposition [J].0PTICAL ENGINEERING, 2008,4 7( 6): 1-16] ? Komogortsev 結合眼部內在不可見的植物反射神經以及以視覺注意力為引導的復雜的眼部移動模式的防偽機制[Komogortsev O V, Khan J 1.Eye movement prediction by Kalman filter withintegrated linear horizontal oculomotor plant mechanical model[C] Proceedingsof the 2008 symposium on Eye tracking research & applications.ACM, 2008:229-236] oAndrzej pacut 等[Pacut, Andrzej, and Adam Czajka.^Aliveness detectionfor iris biometrics.,rCarnahan Conferences Security Technology, Proceedings2006 40th Annual IEEE International.1EEE, 2006]利用光強瞬間變大后瞳孔直徑急速變小后緩緩變大的規(guī)律，建立瞳孔直徑變化分類模型檢測眼部活性，這種方法無法識別在造假虹膜中心挖洞或者美瞳的偽造行為。
[0007]綜上所述，傳統(tǒng)的防偽方法受到硬件限制而不適用于智能眼鏡的防偽，而現(xiàn)有的虹膜認證方法雖然認證效果好但是外設要求高并易被攻擊，因此需要一種對外設要求低并可針對多種偽造方法進行檢測的高適應性防偽檢測方法。

【發(fā)明內容】

[0008]針對上述問題，本發(fā)明提供了用于智能眼鏡的防偽虹膜身份認證方法，其對外設要求低并可針對多種偽造方法進行檢測的高適應性防偽。
[0009]其技術方案是這樣的，其特征在于:其包括以下步驟:
(I)在用戶智能眼鏡初始化階段，提取在不同光照環(huán)境下的用戶眼部圖像作為基準圖像，提取并保存所述基準圖像中的用戶虹膜特征作為基準虹膜特征； (2)在環(huán)境光的基礎上產生隨機的入射光強變化序列刺激用戶眼部使瞳孔發(fā)生相應的伸縮變化，同時以0.1s的時間間隔采集動態(tài)用戶眼部圖像，得到一個隨著入射光強變化而發(fā)生變化的眼部圖像序列，同時提取并保存每一張該用戶所述動態(tài)眼部圖像內的用戶虹膜特征作為待測虹膜特征；
(3)在所述步驟(2)中提取每一張用戶所述動態(tài)眼部圖像內的用戶虹膜特征的同時采集的每一張所述用戶動態(tài)眼部圖像中瞳孔直徑，得到一個瞳孔直徑變化序列，計算所述瞳孔直徑變化序列與所述入射光強變化序列的匹配度Pass1 ；
(4)在所述步驟(2)中所采集的用戶動態(tài)眼部圖像中選取每種光強下虹膜區(qū)域最大的圖像作為待認證圖像，從全部所述步驟(I)提取的基準圖像中選取與所述待認證圖像瞳孔直徑最接近的基準圖像作為對比基準圖像，計算所述待認證圖像的待測虹膜特征與所述對比基準圖像的基準虹膜特征的匹配度Pass2 ；
(5)根據所述步驟(3)和所述步驟(4)的匹配結果Pass1和Pass2，得出認證結果。
[0010]其進一步特征在于:
所述步驟(I)、(2)中所述用戶虹膜特征的提取均包括以下步驟:①用戶虹膜區(qū)域的提??；②在所提取的虹膜區(qū)域內提取虹膜特征并將所述虹膜特征轉化為特征指紋碼；
所述用戶虹膜區(qū)域的提取依次包括以下步驟:
首先采用自適應閾值的二值化方法定位眼部圖像中的虹膜外邊緣以內的區(qū)域圖像，對眼部圖像進行第一次二值化處理，區(qū)分所述虹膜外邊緣以內的區(qū)域和虹膜外邊緣以外的區(qū)域，再采用candy算子的輪廓線提取方法提取出虹膜外邊緣輪廓，再確定虹膜圓心以及虹膜半徑，從而得到人眼圖像中實際虹膜面積、缺失的虹膜面積，若缺失的虹膜面積>40%理想虹膜面積則判斷為無法進行虹膜特征匹配并給出提示；
對上述已經經過第一次二值化的虹膜外邊緣以內的區(qū)域圖像進行第二次二值化處理，區(qū)分出瞳孔區(qū)域與虹膜區(qū)域，采用candy算子的輪廓線提取方法提出取瞳孔輪廓，進一步得到瞳孔圓心與瞳孔直徑；
在上述已經確定的虹膜外邊緣輪廓內去除已確定的瞳孔輪廓得到實際的虹膜區(qū)域，然后再對所述實際的虹膜區(qū)域圖像進行歸一化處理:先將所述實際的虹膜區(qū)域圖像轉化為灰度圖，然后選取瞳孔圓心作為極坐標極點，把所述實際的虹膜圖像笛卡爾坐標系映射到極坐標系上，實現(xiàn)位移和縮放補償，將虹膜圓環(huán)映射為長360像素、寬60像素的矩形；
最后對所述歸一化處理后的實際的虹膜區(qū)域圖像進行噪聲檢測及圖像增強處理:判斷圖像中睫毛和眼皮遮蓋住虹膜的位置，以通過瞳孔圓心中垂線為中線向兩邊展開一個扇形的遮擋掩膜，記錄后這些被遮擋住的位置不參與虹膜認證，在歸一化后，光斑一般有較高的灰度值，可利用高斯濾波去除，去掉瞳孔區(qū)域后，對虹膜圖像進行圖像增強，用于后續(xù)的虹膜特征提取；
所述在所提取的虹膜區(qū)域內提取虹膜特征并將所述虹膜特征轉化為特征指紋碼包括以下步驟:綜合考慮特征的粒度和匹配時間復雜度，將整幅所述實際的虹膜區(qū)域圖像按20*20像素分割為子區(qū)域，共54個子區(qū)域，在每個子區(qū)域上分別提取特征碼，再將所述54個子區(qū)域提取的特征碼融合為特征指紋碼；
對于每一個所述子區(qū)域，利用2D-Gabor濾波器提取虹膜的特征，2D-Gabor濾波器的空間域形式為:
【權利要求】
1.用于智能眼鏡的防偽虹膜身份認證方法，其特征在于:其包括以下步驟: (1)在用戶智能眼鏡初始化階段，提取在不同光照環(huán)境下的用戶眼部圖像作為基準圖像，提取并保存所述基準圖像中的用戶虹膜特征作為基準虹膜特征； (2)在環(huán)境光的基礎上產生隨機的入射光強變化序列刺激用戶眼部使瞳孔發(fā)生相應的伸縮變化，同時以0.1s的時間間隔采集動態(tài)用戶眼部圖像，得到一個隨著入射光強變化而發(fā)生變化的眼部圖像序列，同時提取并保存每一張該用戶所述動態(tài)眼部圖像內的用戶虹膜特征作為待測虹膜特征； (3)在所述步驟(2)中提取每一張用戶所述動態(tài)眼部圖像內的用戶虹膜特征的同時采集的每一張所述用戶動態(tài)眼部圖像中瞳孔直徑，得到一個瞳孔直徑變化序列，計算所述瞳孔直徑變化序列與所述入射光強變化序列的匹配度Pass1 ； (4)在所述步驟(2)中所采集的用戶動態(tài)眼部圖像中選取每種光強下虹膜區(qū)域最大的圖像作為待認證圖像，從全部所述步驟(1)提取的基準圖像中選取與所述待認證圖像瞳孔直徑最接近的基準圖像作為對比基準圖像，計算所述待認證圖像的待測虹膜特征與所述對比基準圖像的基準虹膜特征的匹配度Pass2 ； (5)根據所述步驟(3)和所述步驟(4)的匹配結果Pass1和Pass2，得出認證結果。
2.根據權利要求1所述的用于智能眼鏡的防偽虹膜身份認證方法，其特征在于:所述步驟(1)、(2)中所述用戶虹膜特征的提取均包括以下步驟:①用戶虹膜區(qū)域的提??；②在所提取的虹膜區(qū)域內提取虹膜特征并將所述虹膜特征轉化為特征指紋碼。
3.根據權利要求2所述的用于智能眼鏡的防偽虹膜身份認證方法，其特征在于:所述用戶虹膜區(qū)域的提取依次包括以下步驟: 首先采用自適應閾值的二值化方法定位眼部圖像中的虹膜外邊緣以內的區(qū)域圖像，對眼部圖像進行第一次二值化處理，區(qū)分所述虹膜外邊緣以內的區(qū)域和虹膜外邊緣以外的區(qū)域，再采用candy算子的輪廓線提取方法提取出虹膜外邊緣輪廓，再確定虹膜圓心以及虹膜半徑，從而得到人眼圖像中實際虹膜面積、缺失的虹膜面積，若缺失的虹膜面積>40%理想虹膜面積則判斷為無法進行虹膜特征匹配并給出提示； 對上述已經經過第一次二值化的虹膜外邊緣以內的區(qū)域圖像進行第二次二值化處理，區(qū)分出瞳孔區(qū)域與虹膜區(qū)域，采用candy算子的輪廓線提取方法提出取瞳孔輪廓，進一步得到瞳孔圓心與瞳孔直徑； 在上述已經確定的虹膜外邊緣輪廓內去除已確定的瞳孔輪廓得到實際的虹膜區(qū)域，然后再對所述實際的虹膜區(qū)域圖像進行歸一化處理:先將所述實際的虹膜區(qū)域圖像轉化為灰度圖，然后選取瞳孔圓心作為極坐標極點，把所述實際的虹膜圖像笛卡爾坐標系映射到極坐標系上，實現(xiàn)位移和縮放補償，將虹膜圓環(huán)映射為長360像素、寬60像素的矩形； 最后對所述歸一化處理后的實際的虹膜區(qū)域圖像進行噪聲檢測及圖像增強處理:判斷圖像中睫毛和眼皮遮蓋住虹膜的位置，以通過瞳孔圓心中垂線為中線向兩邊展開一個扇形的遮擋掩膜，記錄后這些被遮擋住的位置不參與虹膜認證，在歸一化后，光斑一般有較高的灰度值，可利用高斯濾波去除，去掉瞳孔區(qū)域后，對虹膜圖像進行圖像增強，用于后續(xù)的虹膜特征提取。
4.根據權利要求3所述的用于智能眼鏡的防偽虹膜身份認證方法，其特征在于:在所提取的虹膜區(qū)域內提取虹膜特征并將所述虹膜特征轉化為特征指紋碼包括以下步驟:綜合考慮特征的粒度和匹配時間復雜度，將整幅所述實際的虹膜區(qū)域圖像按20*20像素分割為子區(qū)域，共54個子區(qū)域，在每個子區(qū)域上分別提取特征碼，再將所述54個子區(qū)域提取的特征碼融合為特征指紋碼。
5.根據權利要求4所述的用于智能眼鏡的防偽虹膜身份認證方法，其特征在于:對于每一個所述子區(qū)域，利用2D-Gabor濾波器提取虹膜的特征，2D-Gabor濾波器的空間域形式為:

6.根據權利要求4或5所述的用于智能眼鏡的防偽虹膜身份認證方法，其特征在于:將54個子區(qū)域的特征碼按行列順序排列，形成該虹膜圖像54X7=378bit的特征指紋碼。
7.根據權利要求6所述的用于智能眼鏡的防偽虹膜身份認證方法，其特征在于:所述步驟(3)的具體的實施步驟如下: a.設智能眼鏡的光強變化范圍為可控變化范圍為可控變化梯度為/?，則每一階光強可以表示為
8.根據權利要求7所述的用于智能眼鏡的防偽虹膜身份認證方法，其特征在于:所述步驟(4)中從全部所述基準圖像中選取與待認證圖像瞳孔直徑最接近的基準圖像進行虹膜特征匹配:設與某帶認證圖像最接近的基準圖像特征指紋為JZ1，其中，每組特征碼為
9.根據權利要求8所述的用于智能眼鏡的防偽虹膜身份認證方法，其特征在于:所述步驟(5)中，設光強匹配的閾值為特征碼匹配的閾值為&，J if Passl > Si and Pass2 > S2,通過認證else，未通過認證
【文檔編號】G06F21/32GK103544420SQ201310355600
【公開日】2014年1月29日 申請日期:2013年8月15日 優(yōu)先權日:2013年8月15日
【發(fā)明者】宋崢, 王田子, 王春生, 馬建 申請人:馬建