[发明专利]一种虹膜活体检测方法

说明书

技术领域

本发明涉及数字图像处理、模式识别和统计学习等技术领域，特别是一种基于局部二元模式特征和自适应增强学习算法的虹膜活体检测方法。

背景技术

虹膜识别通过分析不同虹膜之间的纹理差异对人的身份进行识别和认证，具有唯一性高、稳定性强、非侵犯性等优点，已被成功地应用于机场、海关、银行等场合的身份鉴定。然而，随着普及程度的逐渐提高，虹膜识别系统也面临着各种人工伪造技术的威胁和攻击。目前，常见的人工伪造虹膜纹理技术包括：纸质打印虹膜、带有虹膜花纹的玻璃或塑料眼球、虹膜采集的视频回放以及印有彩色花纹的隐形眼镜等。如果虹膜识别系统不能准确地对这些伪造虹膜数据进行检测和报警，将对授权用户造成巨大的潜在损失。

目前国内外用于虹膜活体检测的方法并不多。英国剑桥大学的Daugman(U.S.Pat.No.5291560)提出使用虹膜图像的频谱特性进行虹膜活体检测，但是该方法仅对纸质打印伪造虹膜的检测有效。上海交通大学的史鹏飞等(CN 101059837A)提出使用灰度共生矩阵的对比度及角度二阶矩特征进行虹膜活体检测，但是该方法主要针对彩色隐形眼镜的检测。

综上所述，现有的虹膜活体检测算法仍有改进的空间，如何快速有效地实现虹膜识别系统中的虹膜活体检测仍然是一个亟待解决的难题。

发明内容

(一)要解决的技术问题

本发明的目的是针对上述现有技术中存在的问题，提供一种快速有效的虹膜活体检测方法。

(二)技术方案

为了实现上述目的，本发明基于局部二元模式特征和自适应增强学习算法的虹膜活体检测方法包括步骤：

步骤S1：收集和构建含有虹膜图像的训练图像库，对训练图像库中的虹膜图像进行预处理，得到训练图像库中的虹膜图像的感兴趣区域；利用多尺度的局部二元模式算子对训练图像库中的虹膜图像的感兴趣区域进行特征抽取；利用自适应增强学习算法优选得到分类能力最强的局部二元模式特征，同时构建用于虹膜活体检测的分类器；

步骤S2：对任意输入的测试虹膜图像进行预处理，得到测试虹膜图像的感兴趣区域，在该测试虹膜图像的感兴趣区域上抽取优选得到的局部二值模式特征，并利用训练得到的虹膜活体检测分类器判断该输入的测试虹膜图像是否来自活体虹膜。

优选地，所述步骤S1，即虹膜活体检测分类器的构建包括如下步骤：

步骤S11：收集和构建包含活体虹膜图像和人工伪造物虹膜图像的训练图像库，将活体虹膜图像作为正训练样本，将人工伪造物虹膜图像作为负训练样本，并对训练图像库中的活体虹膜图像和人工伪造物虹膜图像进行预处理，得到训练图像库中的活体虹膜图像和人工伪造物虹膜图像的感兴趣区域；

步骤S12：对所述训练图像库中的活体虹膜图像和人工伪造物虹膜图像的感兴趣区域进行归一化，将训练图像库中的活体虹膜图像和人工伪造物虹膜图像的感兴趣区域从直角坐标系转换到极坐标系，得到训练图像库中的活体虹膜图像和人工伪造物虹膜图像在极坐标系下的虹膜图像；沿着训练图像库中的活体虹膜图像和人工伪造物虹膜图像在极坐标系下的虹膜图像的水平和竖直方向将极坐标系下的虹膜图像划分成多个子区域；

步骤S13：用多尺度的局部二元模式算子在所述子区域上进行滤波，计算子区域上每个像素的局部二元模式算子特征码，并统计该子区域上每个局部二元模式算子特征码的出现概率，该概率值作为一个候选的局部二元模式特征用于虹膜活体检测；

步骤S14：利用自适应增强学习算法从所述局部二元模式特征候选集合中优选出分类能力最强的局部二元模式特征，并根据该局部二元模式特征在训练集上的分布情况构建虹膜活体检测分类器。

优选地，所述预处理是对任意输入的三类虹膜图像进行预处理，三类虹膜图像包括测试虹膜图像、活体虹膜图像和人工伪造物虹膜图像，首先使用圆模型定位所述的三类虹膜图像中虹膜内外圆边界的圆心和半径；以瞳孔圆心为原点将所述的三类虹膜图像从直角坐标系变换到极坐标系；在极坐标系下将所述的三类虹膜图像缩放到统一的大小，实现所述的三类虹膜图像的归一化；然后截取虹膜圆环中排除了上面90度和下面90度范围的区域作为感兴趣区域。

优选地，所述的自适应增强学习算法在统计每个候选局部二元模式特征φ在正负训练集上的分布密度和时，使用高斯核密度估计算法对所得密度分布进行平滑和优化，其中，高斯核密度估计的计算公式如下：