基于红外灯闪烁的虹膜活体检测方法与流程

本发明涉及活体检测技术领域，特别涉及一种基于红外灯闪烁的虹膜活体检测方法。

背景技术：

现有的虹膜防伪方法存在以下缺陷:

1、频谱分析的方法，对于高清打印的虹膜图像或存在运动模糊的虹膜图像，该方法无法准确判断；2、反光信息分析的方法，对于佩戴隐形眼镜的打印虹膜图像，该方法将失效；3、纹理分析的方法，在虹膜图像处于模糊与清晰的分界区域附近，该方法无法准确判断是否为活体；4、检测瞳孔收缩的方法，该方法需要强光刺激瞳孔，从而引起瞳孔收缩达到活体检测的目的，用户体验差，难以被用户接受。

技术实现要素：

为了解决上述技术问题，本发明提出了一种基于红外灯闪烁的虹膜活体检测方法，通过虹膜识别设备的红外灯和摄像头进行活体检测，在以所述基于红外灯闪烁的虹膜活体检测方法进行活体检测前需要先建立闪烁规则库，建立所述闪烁规则库的步骤包括：

s11设计至少一组红外灯闪烁规则；

s12对每一组s11所述的闪烁规则采集真人的活体特征向量，将所述真人的活体特征向量作为该组闪烁规则的活体特征模板；

s13将每一组闪烁规则与对应的活体特征模板绑定，保存到闪烁规则库中。

所述基于红外灯闪烁的虹膜活体检测方法包括步骤：

s1从闪烁规则库中随机选取一组闪烁规则；

s2以步骤s1所述闪烁规则控制虹膜采集设备的红外灯，采集当前虹膜识别对象的活体特征向量；

s3计算所述步骤s2所述活体特征向量和步骤s1所述闪烁规则对应的活体特征模板的余弦相似性，若所述余弦相似性大于等于预设阈值，则当前虹膜识别对象活体检测通过，否则不通过活体检测。

本发明基于红外灯闪烁的虹膜活体检测方法的改进在于，步骤s12或步骤s2采集所述活体特征向量的步骤包括：

s121虹膜识别设备控制红外灯以当前闪烁规则进行闪烁，并控制每一颗摄像头采集视频；

s122按照预设规则取n帧所述视频的预设帧，计算每一预设帧整张图像的平均灰度，得到n帧所述预设帧的平均灰度向量g(g1,g2,g3,…,gn)，检测每一预设帧虹膜和瞳孔区域反光点个数，得到n帧所述预设帧的反光点个数向量l(l1,l2,l3,…,ln)，将平均灰度向量g(g1,g2,g3,…,gn)和反光点个数向量l(l1,l2,l3,…,ln)对应元素相乘得到初步活体特征向量e(e1,e2,e3,…,en)，即e1=l1*g1,e2=l2*g2,e3=l3*g3,…,en=ln*gn；

s123将初步活体特征向量e(e1,e2,e3,…,en)进行归一化处理，得到活体特征向量f(f1,f2,f3,…,fn)。

本发明基于红外灯闪烁的虹膜活体检测方法的进一步改进在于，步骤s122所述预设规则是提取视频的前n帧图像。

本发明基于红外灯闪烁的虹膜活体检测方法的进一步改进在于，步骤s123所述归一化处理采用l2-norm的方法。

本发明基于红外灯闪烁的虹膜活体检测方法的进一步改进在于，活体检测时能够以所述闪烁规则控制的所述红外灯至少有两颗。

本发明基于红外灯闪烁的虹膜活体检测方法的进一步改进在于，所述摄像头至少有1颗。

本发明基于红外灯闪烁的虹膜活体检测方法可以基于虹膜识别设备原有的红外灯和摄像头实现活体检测，无需添加硬件设备，成本低，对虹膜识别设备的通用性好，本发明无需用户主动配合，对于用户也没有异常刺激，能够有效抵挡照片攻击、视频攻击、3d眼球模型攻击，活体检测准确率高，在未提升硬件成本的前提下达到了较好的技术效果。

附图说明

图1是活体检测流程示意图。

图2是建立闪烁规则库流程图。

图3是采集活体特征向量流程图。

具体实施方式

下面结合附图对本发明进行进一步详细描述。

本发明提出了一种基于红外灯闪烁的虹膜活体检测方法，所述方法实现步骤如图1所示，包括：

s11用户进行虹膜识别触发活体检测

当用户在虹膜识别设备上进行虹膜识别时，通过虹膜识别设备的红外灯和摄像头进行活体检测，优选的，本实施例中用于活体检测的红外灯和摄像头也用于采集虹膜图像进行虹膜识别，所述虹膜识别设备共有两颗虹膜摄像头；在其他实施例中，虹膜识别设备上也可配置只用作活体检测的红外灯合摄像头。

s12从闪烁规则库中随机选择一种闪烁规则

所述闪烁规则库中包括至少一组闪烁规则，本实施例中所述闪烁规则库中共有5组闪烁规则；活体检测时能够以所述闪烁规则控制的红外灯至少有两颗，本实施例中虹膜识别设备上共有两颗所述红外灯；每一组闪烁规则中包括虹膜识别设备上每一颗红外灯的闪烁动作，本实施例中一组闪烁规则包括两颗红外灯各自的闪烁动作；所述红外灯的闪烁动作包括红外灯状态组合和周期长度，所述红外灯具有两种状态：点亮、熄灭，所述红外灯状态组合包括多个红外灯状态以及每一个红外灯状态的持续时长，红外灯完成一个状态组合所需时间为闪烁动作的一个周期长度，红外灯周期执行闪烁动作。

s13以所述闪烁规则采集当前识别对象的活体特征向量：

所述采集活体特征向量的方法如图3所示，包括步骤：

s31虹膜采集设备控制红外灯以当前闪烁规则进行闪烁，摄像头采集视频：根据当前选定的闪烁规则，控制虹膜识别设备上的两颗红外灯分别执行所述闪烁规则中相应的闪烁动作，红外灯闪烁期间，所述虹膜识别设备上的两颗虹膜摄像头分别拍摄预设时长的视频；s32计算所述视频的活体特征向量：分解计算两个所述视频的单摄像头活体特征向量，单摄像头活体特征向量的计算方法是：按照预设规则对每一颗摄像头所采集的视频取n帧预设帧，优选的，本实施例中所述预设规则是提取视频的前n帧，计算来自同一视频的每一预设帧整张图像的平均灰度，得到n帧所述预设帧的平均灰度向量g(g1,g2,g3,…,gn)，检测所述每一预设帧虹膜和瞳孔区域反光点个数，得到n帧所述预设帧的反光点个数向量l(l1,l2,l3,…,ln)，将平均灰度向量g(g1,g2,g3,…,gn)和反光点个数向量l(l1,l2,l3,…,ln)对应元素相乘得到初步活体特征向量e(e1,e2,e3,…,en)，即e1=l1*g1,e2=l2*g2,e3=l3*g3,…,en=ln*gn；s33归一化活体特征向量:将初步活体特征向量e(e1,e2,e3,…,en)进行归一化处理，得到单摄像头活体特征向量f(f1,f2,f3,…,fn)，优选的，本实施例中采用l2-norm的方法进行归一化；虹膜识别设备上所有颗摄像头对应的单摄像头活体特征向量f(f1,f2,f3,…,fn)的集合组成当前闪烁规则对应的活体特征向量。

s14对比活体特征模板，计算活体检测分数

将两个单摄像头活体特征向量组成的当前闪烁规则对应的活体特征向量与当前闪烁规则的活体特征模板比对，计算活体检测分数，所述活体检测分数是根据当前闪烁规则对应的活体特征向量与当前闪烁规则的活体特征模板之间的余弦相似性得出，由于本实施例中所述虹膜识别设备具有两颗虹膜摄像头，因此当前闪烁规则对应的活体特征向量与当前闪烁规则的活体特征模板中均包括两个单摄像头活体特征向量，因此所述活体检测分数是指两个单摄像头活体特征向量与模板对应向量的余弦相似性之和，当虹膜识别设备具有多个摄像头时，所述活体检测分数也可以使用单摄像头活体特征向量余弦相似性经由其他计算方法得到，比如计算各单摄像头活体特征向量与模板余弦相似性的平均数作为活体检测分数，所述活体特征模板的建立方法如图2所示，包括步骤：s21设计n组闪烁规则，建立闪烁规则库；s22从闪烁规则库中选择一组未采集活体特征模板的闪烁规则；s23以所述闪烁规则采集真人活体特征向量，并保存为活体特征模板，所述采集真人活体特征向量的过程和步骤s13中所述采集活体特征向量的方法相同；s24将所述活体特征模板与当前闪烁规则绑定，保存到闪烁规则库中。

s15判断活体检测分数是否高于阈值，得出活体检测结果。

显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。