[发明专利]生物特征识别方法

说明书

根据本发明的方法基于人的第一眼部区域的第一图像和人的第二眼部区域的第二图像，其中第一眼部区域包含人的一只眼睛、例如右眼，而第二眼部区域包含人的另一只眼睛、例如左眼；图像中的一个被镜像，并且镜像后的和未被镜像的图像在位置空间中和/或在特征空间中被组合，以产生叠加图像的模板。模板包含用于个人识别的生物特征。

技术领域

本发明涉及一种用于产生用于基于人的眼部区域进行个人识别的生物特征数据的方法。

背景技术

基于面部识别对人进行生物特征验证是公知的。例如可以将面部的数码照片与面部的参考相片进行比较，该面部的参考相片例如是根据ICAO(Internationale Zivilluft-fahrt-Organisation，国际民航组织)的规定按照生物特征标准ICAO 9303(PhotographGuideline，摄影指南)拍摄的。基于非规范化的图像进行个人识别也越来越普遍。例如在许多边境站，数码照片与相片之间的比较是例行的。一个人的数码照片还可以与同一个人在数据库中存储的照片相比较，以允许该人员访问设备、计算机、因特网上的应用程序等。例如在DE 198 47 261 A1中描述了一种个人生物特征识别方法。个人生物特征识别方法被认为是特别可靠的，因为其使用特定于人的特征。

在不远的过去开发了不是基于对整个面部的特征的识别、而是仅考虑人的眼部区域的个人识别方法。之所以使用眼部区域(眼周区域)进行个人识别通常也导致良好的结果，是因为在面部的该区域中与例如前额、脸颊和鼻子不同通常较少出现有光泽的表面。由P.Jonathon Phillips博士在美国国家标准和技术研究所、NIST对于基于整个面部和基于眼部区域的识别方法的性能进行了大量研究。结果在https://www.nist.gov/programs-projects/face-and-ocular-challenge-series-focs中示出并显示，即，识别率强烈取决于面部的照明情况以及取决于面部表情的一致性。为此开发了所谓的好、差和极差(G BU)测试，其比较在好、中等和差的图像对(参考图像和当前图像)中的识别率。在测试中调节个人识别的试验参数，使得利用给出的识别方法，误识率或FAR为0.001。

FAR描述了一个人被识别的概率或相对频度，尽管不是真正的人。FAR一般视为对于生物特征识别方法的质量的最重要的标准。0.001的FAR意味着，在统计平均为1000个未经授权的访问尝试中，有一个会成功。

Phillips的研究已经提出，即使使用面部识别的最好的个人识别方法在FAR为0.001时，在照明情况良好且图像对一致性好的情况下(Good)肯定识别率为0.98；在照明情况中等且图像对一致性中等的情况下(Bad)肯定识别率为0.80；而在照明情况差且图像对一致性差的情况下(Ugly)肯定识别率为0.15。在该测试的范围内还研究仅基于眼部区域(“眼周识别(periocular recognition)”)进行的个人识别的性能。识别率明显更差并且对于测试场景好、差和极差处于47％、17％和5％的量级。由此，对于基于眼部区域的个人识别、特别是在中等和差的条件下存在改进需求。

发明内容

本发明要解决的技术问题是，提供一种用于个人识别的方法，该方法特别是在照明情况中等和差的情况下实现比现有技术更好的识别率。

上述技术问题通过具有本发明的特征的方法来解决。在说明书中给出本发明的实施方式。

根据本发明的方法基于人的第一眼部区域的第一图像和人的第二眼部区域的第二图像，其中第一眼部区域包含人的一只眼睛、例如右眼，而第二眼部区域包含人的另一只眼睛、例如左眼；图像中的一个被镜像，并且镜像后的和未被镜像的图像在位置空间中和/或在特征空间中被组合，以产生叠加图像的模板。模板包含用于个人识别的生物特征。