[发明专利]一种面向移动端的轻量级虹膜识别系统

说明书

一种面向移动端的轻量级虹膜识别系统，该系统包括：预处理模块：对红外摄像头捕捉到的虹膜图像进行平滑处理、镜片检测和白洞填充；虹膜定位模块：对虹膜图像进行粗定位与精确定位，粗定位获得瞳孔的圆心、半径，精确定位获得虹膜内外边界点，由边界点拟合圆来实现虹膜区域归一化，采用掩膜来记录噪声所在位置；编码模块：编码虹膜图像，对归一化的虹膜区域采用Gabor滤波器进行特征提取，得到特征图，选取所述特征图中指定位置的点进行编码；注册与识别模块：对虹膜图像进行注册，将虹膜编码、掩膜与注册人信息绑定并存储在数据库中；并用于对虹膜图像进行识别。该系统解决了移动端虹膜识别精度低和资源消耗大的问题。

技术领域

本发明属于生物特征识别领域，具体为基于灰度梯度的微积分算子与基于灰度差值的边缘点查找相结合，设计并提出了一种面向移动端的轻量级虹膜识别系统。

背景技术

社会的信息化发展越来越迅猛，在提高了人类的生活质量的同时，也在不断地侵犯人们的隐私。越来越多的人需要一种安全、可靠的方式对自己信息进行保护。传统用户密码形式已经很难满足需求，人类身份识别成为了一种越来越重要，也越来越具有挑战性的工作。当前最受瞩目的识别方式是生物特征识别。与其他传统的身份识别手段相比，人体的生物特征很难被盗用，也很难被丢失遗忘，具有很高的安全性。近期为了不受新型冠状病毒肺炎的攻击，几乎所有人都带上了口罩，这给依靠人脸识别设备确认身份的用户带来一个难题——识别失效。虹膜识别成为生物识别认证领域密切关注的课题。

围绕虹膜识别课题，研究人员提供了多种解决方案，随着存储技术与芯片技术等的发展，移动端设备的存储与运算能力大大提升，这为运算需求较高的图像处理等操作提供了可能。

虹膜识别主要包括图像采集、定位与归一化、特征表达、虹膜匹配。其核心内容为虹膜定位，传统基于霍夫圆检测的方法计算量巨大且对于睫毛、眉毛等干扰因素的鲁棒性较差；基于神经网络的虹膜识别方法在移动端部署仍面临内存与CPU资源的消耗问题；基于圆模板的微积分算法可以快速检测到虹膜边缘，但其准确性仍存在不足。为解决此问题，设计并实现基于粗定位与精确定位相结合的虹膜定位方法，该方法既保持了虹膜识别的高准确性又大大提高了虹膜识别的效率，对于计算与存储能力相对较弱的移动端设备具有良好的兼容性。

面向移动端的轻量级虹膜识别系统，具有在移动端设备实现虹膜注册与认证的能力，此外还加入了佩戴眼镜的检测，以避免眼镜折光对于虹膜纹理的影响。传统的基于微积分算子的虹膜定位过程中，虹膜图像中的噪声难以辨别，这使得识别率大打折扣，本系统通过虹膜边缘点精确定位来捕获虹膜边界附近的噪声并加入了镜片检测来更好地贴近移动端用户。

发明内容

本发明克服了现有虹膜识别技术中高精度识别资源消耗大的问题，提供了一种易于移植、可扩展性强的基于粗定位与精确定位相结合的虹膜定位方法及系统。

本发明提供一种面向移动端的轻量级虹膜识别系统，包括：

预处理模块：用于对红外摄像头捕捉到的虹膜图像进行平滑处理，并进行镜片检测和白洞填充；

虹膜定位模块：用于对虹膜图像进行虹膜粗定位与精确定位，粗定位获得虹膜与瞳孔的圆心、半径，精确定位获得虹膜内外边界点，由边界点拟合圆来实现虹膜区域归一化，采用掩膜来记录噪声所在位置；

编码模块：用于实现虹膜图像的编码，构建过程需要对归一化的虹膜区域采用Gabor滤波器对进行特征提取，得到特征图，选取所述特征图中指定位置的点进行编码；

注册与识别模块：对所述虹膜图像进行注册，将虹膜编码、掩膜与注册人信息绑定并存储在数据库中；并用于对捕捉到的虹膜图像进行识别，判断当前虹膜图像所对应个体是否在数据库中已注册。

例如，在本发明实施例中的一种面向移动端的轻量级虹膜识别系统，其中，所述预处理模块的过程包括：

步骤11：获得相机捕捉到图像的内存位置，检测图像是否符合要求；