一种基于虹膜识别的食堂刷卡方法及系统与流程

本发明涉及虹膜识别技术领域，特别是一种基于虹膜识别的食堂刷卡方法及系统。

背景技术：

目前，学校食堂使用的刷卡装置普遍都是采用的非接触式的ic卡食堂刷卡装置，这种刷卡装置具有电子化、便利化的优点，无需现金交易，有效的避免了现金交易中找零带来的麻烦。

随着信息技术和模式识别技术的发展，生物特征识别技术也应用到了付款消费之中，丰富了支付的方法，简化了支付的流程。指纹式食堂刷卡装置内置了指纹识别芯片，运用指纹支付方法实现支付，通过指纹识别技术找到指纹中携带的特征点等特征信息，在预先采集到的学校师生指纹库中与之匹配，将指纹信息与师生信息及校园ic卡账户一一对应，构建一个师生账户数据库，从而通过刷指纹就可以实现扣除应付餐费。指纹式食堂刷卡装置在原有的ic卡食堂刷卡装置的基础上做出了改进，可以防止因未带ic卡而无法就餐、ic卡被折断或遗失ic卡后被人盗刷饭卡的状况发生，而且更加的便利化，大大缩短了排队打饭进餐时间。但上述指纹式食堂刷卡装置还有诸多不足，具体表现在：指纹式食堂刷卡装置属于接触式的设备，长期使用会导致设备磨损，灵敏度降低，如果手上粘有其他物质会影响识别效果从而导致无法支付，而且由于每个人的指纹携带的特征信息少，所以指纹识别的误识率比其他生物识别技术高，安全性能还有待提升。

技术实现要素：

为解决上述技术问题，本发明的目的在于提供一种能有效的提高支付效率与安全性，缩短排队进餐时间，有力的解决了其他校园刷卡支付方式带来问题的基于虹膜识别的食堂刷卡方法及系统。

对于本发明一种基于虹膜识别的食堂刷卡方法，其采用的技术手段为：

输入应付饭菜价格；

采集付费者整个眼部的图像；

从采集到的整个眼部图像中提取出所需的虹膜图像；

从所述虹膜图像中提取虹膜图像特征，并根据虹膜图像特征生成特征向量；

将生成的特征向量与师生虹膜与ic卡账户数据库中包含全校教职工及学生虹膜信息的虹膜特征库进行比对，找出对应的虹膜编号；

根据虹膜编号，从师生虹膜与ic卡账户数据库中的ic账户库中找出对应的ic卡账户编号，并按照输入的应付饭菜价格在所述ic卡账户编号对应的账户下执行扣费。

进一步的，所述师生虹膜与ic卡账户数据库包含：

虹膜特征库：包括用于标识全校教职工及学生虹膜信息的特征向量和与特征向量一一对应的虹膜编号；

ic账户库：包括全校教职工及学生的ic卡账户编号、姓名、登记照、消费信息及充值信息；

所述虹膜编号与ic卡账户编号相互对应。

进一步的，从采集到的整个眼部图像中提取出所需的虹膜图像，其过程如下：

步骤1：输入二进制眼部图像bw，临近距离d；

步骤2：计算二进制图像bw的质心(α，β)，设圆心o(α，β)；

步骤3：设定可能的搜索位置(α+i*d，β+j*d)，i，j∈{-1，0，1}；

应用圆心检测算法求取各个搜索位置的最佳圆心和半径，并采用迭代法进行精确，直至d等于0时，将得到的圆心坐标o(α，β)，半径r作为最佳圆心和半径，从而确定瞳孔和虹膜之间的边界，将虹膜图像从整个眼部图像中提取出来。

进一步的，提取出所需的虹膜图像后，将所述虹膜图像作归一化处理，并做clahe图像增强处理。

进一步的，从所述虹膜图像中提取虹膜图像特征后，使用laplace算子对提取的特征点作优化处理。

对于本发明一种基于虹膜识别的食堂刷卡系统，其采用的技术手段为，包括：

数字键盘输入器：用于供食堂工作人员输入应付饭菜价格，并将输入的应付饭菜价格发送至微处理器；

虹膜采集器：用于截取付费者整个眼部的图像，并发送给微处理器；

师生虹膜与ic卡账户数据库：用于存储标识全校教职工及学生虹膜信息的特征向量、与特征向量一一对应的虹膜编号、全校教职工及学生的ic卡账户编号、姓名、登记照、消费信息及充值信息；

微处理器：用于从采集到的整个眼部图像中提取出所需的虹膜图像，从虹膜图像中提取虹膜图像特征，并根据虹膜图像特征生成特征向量，并将生成的特征向量发送给学校财务中心服务器，以及将接收到的扣费信息显示输出；

学校财务中心服务器：用于调用师生虹膜与ic卡账户数据库对接收到的特征向量进行匹配，并在匹配成功后对相应的ic卡账户扣费，以及将扣费信息反馈给微处理器。

进一步的，所述微处理器包括：

虹膜图像获取模块：从采集到的整个眼部图像中提取出所需的虹膜图像；

虹膜特征提取模块：用于从虹膜图像中提取虹膜图像特征，并根据虹膜图像特征生成特征向量；

虹膜特征匹配模块：用于将特征向量与调用的师生虹膜与ic卡账户数据库进行比对，实现特征向量与虹膜编号的匹配。

进一步的，所述微处理器还包括：虹膜图像预处理模块，所述虹膜图像预处理模块用于对所述虹膜图像作归一化处理，并做clahe图像增强处理。

进一步的，一种基于虹膜识别的食堂刷卡系统还包括射频卡读卡器，所述射频卡读卡器用于对普通饭卡进行识别。

进一步的，一种基于虹膜识别的食堂刷卡系统还包括：

led数字显示器：用于将接收到的扣费信息显示输出；

微型内存条：用于对微处理器运算过程中得到的虹膜图像、特征向量进行暂时存储；

语言提示器：用于根据微处理器的控制指令输出扣费成功语音提示；

指示灯：用于显示电源、联网以及消费状态。

本发明的有益效果是：

(1)虹膜识别技术相比传统的生物识别方法，精度最高，且每个人的虹膜是唯一的，难以改变。

(2)基于虹膜识别的食堂刷卡装置的虹膜采集属于非接触式的，相比接触式的指纹采集设备而言，不需经常更换虹膜采集设备，只需根据需求可以选择性的更新软件，性价比更高。

(3)ic卡食堂刷卡装置具有易折断、易丢失、易消磁、易被盗刷等不利因素，而所述基于虹膜识别的食堂刷卡装置则完全不必担心此类问题

(4)基于虹膜识别的食堂刷卡方法，将虹膜特征向量直接与ic账户绑定，不会出现被他人盗号消费的状况，安全性更高

(5)虹膜采集装置在提取虹膜图像时直接截取眼部图像，相比一般的虹膜采集器拍摄的虹膜图像中包含了大量的面部图像，截取效率更佳。

(6)使用clahe(限制对比度自适应直方图均衡)来增强虹膜图像，可以检测到更多的虹膜特征点，从而确保了识别的精度。

(7)采用选择性取点的方式利用圆形检测算法进行迭代，可以快速的将虹膜从眼部图像中分割出来，有效的提高了运算速度。

(8)应用laplace算子对提取的特征点作优化处理，有效提高了特征提取速率。

附图说明

图1为一种基于虹膜识别的食堂刷卡系统(背面)结构示意图；

图2为一种基于虹膜识别的食堂刷卡系统(正面)结构示意图；

图3为一种基于虹膜识别的食堂刷卡系统连接框图；

图4为图3中微处理器内部框图；

图5为一种基于虹膜识别的食堂刷卡方法流程图；

图中：1—数字键盘输入器，2—语音提示器，3—led数字显示器，4—指示灯，5—电源开关按钮，6—互联网接口，7—电源线，8—虹膜采集器，9—微处理器，10—射频卡读卡器。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

如图1-3所示，一种基于虹膜识别的食堂刷卡系统包括：数字键盘输入器1、语音提示器2、led数字显示器3、指示灯4、电源开关按钮5、互联网接口6、电源线7、虹膜采集器8、微处理器9、射频卡读卡器10、微型内存条、学校财务中心服务器和师生虹膜与ic卡账户数据库。其中，数字键盘输入器1、语音提示器2、led数字显示器3、指示灯4、电源开关按钮5、互联网接口6、电源线7、虹膜采集器8、微处理器9、射频卡读卡器10、微型内存条均属于刷卡装置的一部分，刷卡装置通过电源线7供电，通过互联网接口6实现与学校财务中心服务器的连接。其中，虹膜采集器8包括红外摄像头，镜筒，镜筒长度为10cm。学校财务中心服务器和师生虹膜与ic卡账户数据库包括虹膜特征库和ic账户库，虹膜特征库包括用于标识全校教职工及学生虹膜信息的特征向量和与特征向量一一对应的虹膜编号；ic账户库括全校教职工及学生的ic卡账户编号、姓名、登记照、消费信息及充值信息，虹膜编号与ic卡账户编号相互对应。

如图4所示，微处理器包括虹膜图像获取模块、虹膜图像预处理模块、虹膜特征提取模块、虹膜特征匹配模块。

如图5所示，一种基于虹膜识别的食堂刷卡方法过程如下：

步骤1：学生或老师在食堂排队进餐，食堂工作人员通过数字键盘输入器输入应付饭菜价格。

步骤2：采集付费者眼部图像。微处理器在接收到数字键盘输入器输入应付饭菜价格后，控制语音提示器进行语音提示：请您正对虹膜采集器镜筒。学生将眼睛正对虹膜采集器镜筒，红外摄像头自动对焦并拍摄眼部图像，同时将拍摄的眼部图像转化为二进制图像后发送给微处理器进行处理。

步骤3：提取虹膜图像。该过程在微处理器中的虹膜图像获取模块中进行。应用改进后的圆形检测算法确定瞳孔和虹膜之间的边界，这里的改进后的圆形检测算法指的是减少搜索位置，仅选取周围其他点具有对称分布特点的点作为搜索点，并一次迭代找出最佳的圆心obest和半径r，具体步骤为：

a：输入二进制眼部图像bw，临近距离d；

b：计算二进制图像bw的质心(α，β)，设圆心o(α，β)；

c：设定可能的搜索位置(α+i*d，β+j*d)，i，j∈{-1，0，1}；

应用圆心检测算法求取各个搜索位置的最佳圆心和半径，并采用迭代法进行精确，直至d等于0时，将得到的圆心坐标o(α，β)，半径r作为最佳圆心和半径，从而确定瞳孔和虹膜之间的边界，将虹膜图像从整个眼部图像中提取出来。

迭代过程如下：

如果o＝obest，那么d＝d-1；

若d≠0，继续应用圆形检测算法计算obest和半径r；

若d＝0；得到圆心坐标o(α，β)，半径r；

圆形检测方法如下：

设上述步骤b中的搜索位置为(xi，yi)，考虑以(xi，yi)为圆心，r为半径绘制圆c。考虑c上的任意边缘点p＝(xc，yc)，则以(xc，yc)为圆心，r为半径的点必经过(xi，yi)。要找到所需的圆，可以应用投票决策技术(即霍夫变换)。在这个过程中，每判断出一个点在c上，则将累加器h(xc，yc，r)的值加1，对于n个边缘点(xi，yi)：i＝1，2，3，…，n，定义

g(xc，yc，xi，yi，r)＝(xi-xc)²+(yi-yc)²(3)

其中，式(3)用于判断选取的点是否在圆c上，当式(1)中取得最大值时，对应的(xc，yc，r)即为圆心横纵坐标及半径。

步骤4：虹膜图像归一化及clahe图像增强。该步骤在微处理器的虹膜图像预处理模块中进行。将虹膜图像作归一化处理，并做clahe(限制对比度自适应直方图均衡)图像增强处理，以期获得更多的特征点。

步骤5：提取虹膜图像特征，使用laplace算子优化后生成特征向量。该过程在微处理器的虹膜特征提取模块内进行，该算法是这样实现的：

构建积分图像i，给定图像i中的一个点x(i，j)，在点x处，hessian矩阵

其中lxx(x，σ)是高斯二阶微分在点x处与图像i的卷积，lxy(x，σ)是在点x处与图像i的卷积，lyy(x，σ)是高斯二阶微分在点x处与图像i的卷积。

hessian矩阵的行列式det(h)用于查找特征点。

再运用拉普拉斯算子对特征点进行优化处理。f(x，y)表示特征点

最后要构建特征点描述算子，通过计算特征点的haar小波变换来确定特征点方向，在每个特征点周围取一个矩形区域，以特征点为中心将矩形区域按特定方向划分成4*4个子块，则每个子区域可由下式计算特征点描述算子v：

v＝[∑dx，∑dy，∑|dx|，∑|dy|](6)

其中dx，dy分别是x，y的小波响应，因此，每个兴趣点的特征向量的长度为4*4*4＝64。

步骤6：将特征向量与虹膜编号匹配，执行对应ic卡账户扣费。该过程在学校财务中心服务器中完成。学校财务中心服务器接接收到特征向量后，调用师生虹膜与ic卡账户数据库中的信息对特征向量进行匹配。判断是否匹配时，通过计算两个特征向量的欧氏距离来确定匹配度，欧氏距离越短，代表两个特征点的匹配度越好。将最小融合规则应用于获得的距离矢量，以获得与数据库中每个人虹膜特征向量匹配分数，将匹配分数与设定的阈值进行比较，大于该阈值则认为匹配成功。当匹配成功后，该特征向量对应一个虹膜编号，由于虹膜编号与ic卡账户编号存在唯一对应关系，因此可以根据虹膜编号获取消费者的ic卡账户编号，从而在该账户下执行扣费。扣费成功后，学校财务中心服务器将扣费成功信息反馈至微处理器，微处理器向led数字显示器中显示消费金额与卡内余额，同时与语音提示刷卡成功。

应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。