[发明专利]一种应用于虹膜识别的匹配方法及系统

说明书

技术领域

本发明涉及一种应用于虹膜识别的匹配方法及系统，属于虹膜生物识别技术领域。

背景技术

生物识别是用生物特征识别个人身份的一种技术。生物特征包括指纹、手形、视网膜、虹膜、脸等形体特征以及签名、声音、步态、击键等行为特征。在这些生物特征中，虹膜识别是最有发展潜力的技术之一。由于其精确、稳定、可靠、安全的独特性，预计到2020年，虹膜识别将成为最常用的身份识别技术。

虹膜是位于角膜和晶状体之间的薄薄的一圈括约肌，它有多层结构：最底下的是含有很多色素细胞的上皮层；位于上皮层上部的是含有血管，色素细胞核肌肉的基质层，基质色素的密度决定了虹膜的颜色；外部可见的虹膜有两个不同的区域：外部睫状区和内部瞳孔区，这两个区域通常颜色不同，并且被睫状区分开，显现出纹理图案。每个人的虹膜纹理都是不同的。

自1985年以来，基于个体虹膜生物特征的身份识别技术和方法相继在不同的文献中被报道(1992年DAUGMA；1997年WILDES；2002年HUANG，LUO等；2002年MA等)，这些技术和方法的主要区别在于：

图像预处理和图像增强算法；

图像中感兴趣区域的分割算法；

特征定义及其提取过程；

匹配方法；

识别过程大体上分为以下几个过程：首先，获取人眼图像。然后分离出人眼，再用复杂的图像处理算法定位出虹膜的内外边界。另外，采用去噪算法去除图像中的眼睑、眼睫毛和反光点，从而去除其对编码分析的影响。一旦虹膜被定位分割出来，就用数学算法对其进行编码，该编码保存了虹膜独特的特性。虽然在不同的时间和不同的条件下，任何两幅图像都不会完全相同，该算法能验证出这两幅虹膜图像是否属于同一个人。

在这些步骤中，虹膜的编码与匹配时虹膜识别中重要的一步，编码是指将输入图像的虹膜纹理特征用计算的方式合适的表示出来，这样计算机才能对虹膜进行对比匹配操作。

ground-truth表征集是专有名词，在机器学习中，术语“ground truth”指的是用于有监督训练的训练集的正确分类；ROC曲线是专有名词，受试者工作特征曲线(receiver operating characteristic curve，简称ROC曲线)，又称为感受性曲线(sensitivity curve)。

发明内容

本发明所要解决的技术问题是提供一直稳定性高的应用于虹膜识别的匹配方法。

本发明解决上述技术问题的技术方案如下：一种应用于虹膜识别的匹配方法，具体包括以下步骤：

步骤1：加载一对完成编码的虹膜图像，获得一个虹膜图像表征集，所述虹膜图像表征集中包括多个图像表征；

步骤2：初始化虹膜图像表征集的偏移参数S；

步骤3：初始化虹膜图像表征集的描述符指数D；

步骤4：在当前的偏移参数S和描述符指数D下进行计算相似度，得到一个相似度；

步骤5：判断所有描述符指数D是否都已进行计算，如果是，执行步骤6；否则，将描述符指数D加1，执行步骤4；

步骤6：判断所有偏移参数S是否都已进行计算，如果是，执行步骤7；否则，将偏移参数S加1，执行步骤3；

步骤7：得到多个相似度，构成相似度集合，并得到最大相似度；

步骤8：根据最大相似度，动态加载对应图像表征个数的多个置信水平阈值；

步骤9：将每个置信水平阈值分别与其他所有置信水平阈值进行比较，判断是否有半数以上的置信水平阈值相同，如果是，执行步骤10；否则，执行步骤11；

步骤10：输出正匹配结果，证明两个虹膜图像属于同一虹膜，结束；

步骤11：输出负匹配结果，证明两个虹膜图像不属于同一虹膜，结束。

每对虹膜模板采用一个或多个特征来表征，每个特征对应一个置信水平，如果采用N个特征，那么就会有对应的N个置信水平，分别对N个置信水平比较，此时，当有N/2个及以上个数量的置信水平相同时，将这两个模板判断为正匹配，否则为负匹配。

本发明的有益效果是：本发明对log-Gabor滤波器滤波器输出的幅值和相位都进行了编码，这可以增加分类器的置信水平从而提高匹配过程的稳定性。利用一个二值分类器来判断两个编码是否源于相同的人眼，该二值分类器从离线的相位编码得到多级置信值。每次对两个编码进行匹配时，根据它们的幅值元素，我们从置信值集中选择一个最适合的值，本算法对不同的编码对匹配时会自调整，使得分类的性能更好。

在上述技术方案的基础上，本发明还可以做如下改进。