用于智能眼镜的防伪虹膜身份认证方法
【专利摘要】本发明提供了用于智能眼镜的防伪虹膜身份认证方法，其对外设要求低并可针对多种伪造方法进行检测的高适应性防伪。其步骤为：（1）提取基准图像，保存基准图像中的用户虹膜特征作为基准虹膜特征；（2）在环境光的基础上产生随机的入射光强变化序列刺激用户眼部并采集动态用户眼部图像，得到眼部图像序列、提取并保存动态眼部图像内的用户虹膜特征作为待测虹膜特征；（3）由用户动态眼部图像得到瞳孔直径变化序列，计算瞳孔直径变化序列与入射光强变化序列的匹配度Pass1；（4）在用户动态眼部图像中选取待认证图像，从基准图像中选取对比基准图像，计算待认证图像与对比基准图像的虹膜特征的匹配度Pass2；（5）根据Pass1和Pass2，得出认证结果。
【专利说明】用于智能眼镜的防伪虹膜身份认证方法
【技术领域】
[0001]本发明涉及领域，具体为用于智能眼镜的防伪虹膜身份认证方法。
【背景技术】
[0002]独立科技市场研究机构Forrester Research在一份报告《Smart Body, SmartWorld))中指出，下一次计算革命将来自由传感器包裹着的穿戴式设备，而非智能手机和平板电脑。穿戴式计算设备是指将计算机“穿”在身上进行应用的技术，其概念最早于1955年被提出，初衷是为了在“轮盘赌”的赌博游戏中，对现场数据实时采集并进行预测。1991年，美国卡内基-梅隆大学(CMU)研制出供工程维修使用的可穿戴计算机VuMenl，它由一个微小的计算机和眼镜式显示器组成；1999年投入量产的单兵作战系统“地面勇士”继承并发展了 VuMenl的架构，在计算机和眼镜式显示器基础上加入了网络通信模块；2012年，谷歌公司发布了 Google Glass，重新定义了眼镜，也标志了智能眼镜进入大规模日常生活实用范围，继谷歌之后，苹果，三星，百度也放出了开发中的智能眼镜的原型和相关专利申请。谷歌眼镜预计提供许多和用户个人信息相关的服务，如Gmail、G00gle Calendar、以及使用Google Account进行支付的业务，但是个人化服务在为使用者带来便利的同时也加剧了用户信息泄露的可能性，因此，需要安全性好的身份认证方式来确保用户信息不被泄露。
[0003]目前传统的身份认证方式包括密码认证(包括密码输入方式，触屏图案解锁方式)、声纹认证、人脸识别技术以及虹膜识别认证等方式，其中密码认证、声纹认证、人脸识别技术均受谷歌眼镜硬件限制和安全性，无法有效使用于智能眼镜的身份认证。虹膜识别目前已广泛应用于考勤系统、安检系统、门禁系统等诸多方面，对于虹膜的防伪技术，目前已有的研究根据检测原理的不同主要分为三个方面:一种是针对不同的伪造虹膜材质提出相应的特征检测方法，另一种是直接根据眼球本身具有的生物特征进行检测，第三种根据眼睛对外界刺激的反应进行检测。
[0004]针对不同仿造材质的检测方法对于特定的伪造方法检测效果较好，但其较强的针对性导致其只能检测特定的伪造方式。Daugman利用打印的伪虹膜在FFT变换后的频谱图上会产生4个亮点，而真实活体虹膜变换后则不存在这四个亮点[Daugman J.Recognizingpersons by their iris patterns，biometrics: personal identification in anetworked society[M].Amsterdam: Kluwer Academic Publisher，1999: 103-121];Zhuoshi Wei等利用共生矩阵(CM)提取伪造虹膜存在的纹理特征[Wei Z，Qiu X，SunZj et al.Counterfeit iris detection based on texture analysis[C]//PatternRecognition, 2008.1CPR 2008.19th International Conference on.1EEE, 2008:1-4; He X，An S， Shi P.Statistical texture analysis-based approach forfake iris detection using support vector machines[M] Advances in Biometrics.Springer Berlin Heidelberg, 2007: 540-546] ; Xiaofu He等利用虹膜统计特征，建立真伪虹膜的分类器[He X，Lu Y，Shi P.A new fake iris detection method[M]//Advancesin Biometrics.Springer Berlin Heidelberg, 2009: 1132-1139]，鲁棒性强。[0005]根据生物特征进行检测的方法往往需要额外的专业设备，如Lee etal.利用IR-LED获取虹膜中一种组织的图像(Purkinje) [ Lee, E.C., Park, K.R., Kim, J.: Fakeiris detection by using purkinje image.1n: Zhang, D., Jain, A.K.(eds.) ICB2006.LNCS, vol.3832，pp.397 - 403.Springer, Heidelberg (2006)];陈瑞等采集在860nm和480nm下结膜血管(conjunctival vessels)和虹膜的纹理特征，建立真伪虹膜的分类器[Chen, Rui, Xirong Lin, and Tianhuai Ding.〃Liveness detection for irisrecognition using multispectral images.^ Pattern Recognition Letters (2012)]。Andrzej pacut等利用生物眼的球形结构和角膜湿润对光源会有反射作用的原理，在虹膜环形区域内的不同位置随机产生不同数量的光源，区分打印的虹膜照片[Pacut，Andrzej,and Adam Czajka.^Aliveness detection for iris biometrics."Carnahan ConferencesSecurity Technology, Proceedings 2006 40th Annual IEEE International.1EEE,2006]。Sung Joo Lee等利用750nm和850nm入射光在虹膜和巩膜之间的反射率不同检测虹膜活性[Lee, Sung Joo, Kang Ryoung Park, and Jaihie Kim."Robust fake irisdetection based on variation of the reflectance ratio between the iris and thesclera." Biometric Consortium Conference, 2006 Biometrics Symposium: SpecialSession on Research at the.1EEE, 2006]。[0006]根据眼部对外界的刺激作出反应的研究包括:Eui Chul Lee等提出通过语音提示被拍摄者眼睛的转向，建立人眼三维的距离模型[Eui Chul Lee, You Jin Ko, KangRyoung Park.Fake iris detection method using Purkinje images based on gazeposition [J].0PTICAL ENGINEERING, 2008,4 7( 6): 1-16] ? Komogortsev 结合眼部内在不可见的植物反射神经以及以视觉注意力为引导的复杂的眼部移动模式的防伪机制[Komogortsev O V, Khan J 1.Eye movement prediction by Kalman filter withintegrated linear horizontal oculomotor plant mechanical model[C] Proceedingsof the 2008 symposium on Eye tracking research & applications.ACM, 2008:229-236] oAndrzej pacut 等[Pacut, Andrzej, and Adam Czajka.^Aliveness detectionfor iris biometrics.,rCarnahan Conferences Security Technology, Proceedings2006 40th Annual IEEE International.1EEE, 2006]利用光强瞬间变大后瞳孔直径急速变小后缓缓变大的规律，建立瞳孔直径变化分类模型检测眼部活性，这种方法无法识别在造假虹膜中心挖洞或者美瞳的伪造行为。
[0007]综上所述，传统的防伪方法受到硬件限制而不适用于智能眼镜的防伪，而现有的虹膜认证方法虽然认证效果好但是外设要求高并易被攻击，因此需要一种对外设要求低并可针对多种伪造方法进行检测的高适应性防伪检测方法。
【发明内容】
[0008]针对上述问题，本发明提供了用于智能眼镜的防伪虹膜身份认证方法，其对外设要求低并可针对多种伪造方法进行检测的高适应性防伪。
[0009]其技术方案是这样的，其特征在于:其包括以下步骤:
(I)在用户智能眼镜初始化阶段，提取在不同光照环境下的用户眼部图像作为基准图像，提取并保存所述基准图像中的用户虹膜特征作为基准虹膜特征； (2)在环境光的基础上产生随机的入射光强变化序列刺激用户眼部使瞳孔发生相应的伸缩变化，同时以0.1s的时间间隔采集动态用户眼部图像，得到一个随着入射光强变化而发生变化的眼部图像序列，同时提取并保存每一张该用户所述动态眼部图像内的用户虹膜特征作为待测虹膜特征；
(3)在所述步骤(2)中提取每一张用户所述动态眼部图像内的用户虹膜特征的同时采集的每一张所述用户动态眼部图像中瞳孔直径，得到一个瞳孔直径变化序列，计算所述瞳孔直径变化序列与所述入射光强变化序列的匹配度Pass1 ；
(4)在所述步骤(2)中所采集的用户动态眼部图像中选取每种光强下虹膜区域最大的图像作为待认证图像，从全部所述步骤(I)提取的基准图像中选取与所述待认证图像瞳孔直径最接近的基准图像作为对比基准图像，计算所述待认证图像的待测虹膜特征与所述对比基准图像的基准虹膜特征的匹配度Pass2 ；
(5)根据所述步骤(3)和所述步骤(4)的匹配结果Pass1和Pass2，得出认证结果。
[0010]其进一步特征在于:
所述步骤(I)、(2)中所述用户虹膜特征的提取均包括以下步骤:①用户虹膜区域的提取；②在所提取的虹膜区域内提取虹膜特征并将所述虹膜特征转化为特征指纹码；
所述用户虹膜区域的提取依次包括以下步骤:
首先采用自适应阈值的二值化方法定位眼部图像中的虹膜外边缘以内的区域图像，对眼部图像进行第一次二值化处理，区分所述虹膜外边缘以内的区域和虹膜外边缘以外的区域，再采用candy算子的轮廓线提取方法提取出虹膜外边缘轮廓，再确定虹膜圆心以及虹膜半径，从而得到人眼图像中实际虹膜面积、缺失的虹膜面积，若缺失的虹膜面积>40%理想虹膜面积则判断为无法进行虹膜特征匹配并给出提示；
对上述已经经过第一次二值化的虹膜外边缘以内的区域图像进行第二次二值化处理，区分出瞳孔区域与虹膜区域，采用candy算子的轮廓线提取方法提出取瞳孔轮廓，进一步得到瞳孔圆心与瞳孔直径；
在上述已经确定的虹膜外边缘轮廓内去除已确定的瞳孔轮廓得到实际的虹膜区域，然后再对所述实际的虹膜区域图像进行归一化处理:先将所述实际的虹膜区域图像转化为灰度图，然后选取瞳孔圆心作为极坐标极点，把所述实际的虹膜图像笛卡尔坐标系映射到极坐标系上，实现位移和缩放补偿，将虹膜圆环映射为长360像素、宽60像素的矩形；
最后对所述归一化处理后的实际的虹膜区域图像进行噪声检测及图像增强处理:判断图像中睫毛和眼皮遮盖住虹膜的位置，以通过瞳孔圆心中垂线为中线向两边展开一个扇形的遮挡掩膜，记录后这些被遮挡住的位置不参与虹膜认证，在归一化后，光斑一般有较高的灰度值，可利用高斯滤波去除，去掉瞳孔区域后，对虹膜图像进行图像增强，用于后续的虹膜特征提取；
所述在所提取的虹膜区域内提取虹膜特征并将所述虹膜特征转化为特征指纹码包括以下步骤:综合考虑特征的粒度和匹配时间复杂度，将整幅所述实际的虹膜区域图像按20*20像素分割为子区域，共54个子区域，在每个子区域上分别提取特征码，再将所述54个子区域提取的特征码融合为特征指纹码；
对于每一个所述子区域，利用2D-Gabor滤波器提取虹膜的特征，2D-Gabor滤波器的空间域形式为:
【权利要求】
1.用于智能眼镜的防伪虹膜身份认证方法，其特征在于:其包括以下步骤: (1)在用户智能眼镜初始化阶段，提取在不同光照环境下的用户眼部图像作为基准图像，提取并保存所述基准图像中的用户虹膜特征作为基准虹膜特征； (2)在环境光的基础上产生随机的入射光强变化序列刺激用户眼部使瞳孔发生相应的伸缩变化，同时以0.1s的时间间隔采集动态用户眼部图像，得到一个随着入射光强变化而发生变化的眼部图像序列，同时提取并保存每一张该用户所述动态眼部图像内的用户虹膜特征作为待测虹膜特征； (3)在所述步骤(2)中提取每一张用户所述动态眼部图像内的用户虹膜特征的同时采集的每一张所述用户动态眼部图像中瞳孔直径，得到一个瞳孔直径变化序列，计算所述瞳孔直径变化序列与所述入射光强变化序列的匹配度Pass1 ； (4)在所述步骤(2)中所采集的用户动态眼部图像中选取每种光强下虹膜区域最大的图像作为待认证图像，从全部所述步骤(1)提取的基准图像中选取与所述待认证图像瞳孔直径最接近的基准图像作为对比基准图像，计算所述待认证图像的待测虹膜特征与所述对比基准图像的基准虹膜特征的匹配度Pass2 ； (5)根据所述步骤(3)和所述步骤(4)的匹配结果Pass1和Pass2，得出认证结果。
2.根据权利要求1所述的用于智能眼镜的防伪虹膜身份认证方法，其特征在于:所述步骤(1)、(2)中所述用户虹膜特征的提取均包括以下步骤:①用户虹膜区域的提取；②在所提取的虹膜区域内提取虹膜特征并将所述虹膜特征转化为特征指纹码。
3.根据权利要求2所述的用于智能眼镜的防伪虹膜身份认证方法，其特征在于:所述用户虹膜区域的提取依次包括以下步骤: 首先采用自适应阈值的二值化方法定位眼部图像中的虹膜外边缘以内的区域图像，对眼部图像进行第一次二值化处理，区分所述虹膜外边缘以内的区域和虹膜外边缘以外的区域，再采用candy算子的轮廓线提取方法提取出虹膜外边缘轮廓，再确定虹膜圆心以及虹膜半径，从而得到人眼图像中实际虹膜面积、缺失的虹膜面积，若缺失的虹膜面积>40%理想虹膜面积则判断为无法进行虹膜特征匹配并给出提示； 对上述已经经过第一次二值化的虹膜外边缘以内的区域图像进行第二次二值化处理，区分出瞳孔区域与虹膜区域，采用candy算子的轮廓线提取方法提出取瞳孔轮廓，进一步得到瞳孔圆心与瞳孔直径； 在上述已经确定的虹膜外边缘轮廓内去除已确定的瞳孔轮廓得到实际的虹膜区域，然后再对所述实际的虹膜区域图像进行归一化处理:先将所述实际的虹膜区域图像转化为灰度图，然后选取瞳孔圆心作为极坐标极点，把所述实际的虹膜图像笛卡尔坐标系映射到极坐标系上，实现位移和缩放补偿，将虹膜圆环映射为长360像素、宽60像素的矩形； 最后对所述归一化处理后的实际的虹膜区域图像进行噪声检测及图像增强处理:判断图像中睫毛和眼皮遮盖住虹膜的位置，以通过瞳孔圆心中垂线为中线向两边展开一个扇形的遮挡掩膜，记录后这些被遮挡住的位置不参与虹膜认证，在归一化后，光斑一般有较高的灰度值，可利用高斯滤波去除，去掉瞳孔区域后，对虹膜图像进行图像增强，用于后续的虹膜特征提取。
4.根据权利要求3所述的用于智能眼镜的防伪虹膜身份认证方法，其特征在于:在所提取的虹膜区域内提取虹膜特征并将所述虹膜特征转化为特征指纹码包括以下步骤:综合考虑特征的粒度和匹配时间复杂度，将整幅所述实际的虹膜区域图像按20*20像素分割为子区域，共54个子区域，在每个子区域上分别提取特征码，再将所述54个子区域提取的特征码融合为特征指纹码。
5.根据权利要求4所述的用于智能眼镜的防伪虹膜身份认证方法，其特征在于:对于每一个所述子区域，利用2D-Gabor滤波器提取虹膜的特征，2D-Gabor滤波器的空间域形式为:
6.根据权利要求4或5所述的用于智能眼镜的防伪虹膜身份认证方法，其特征在于:将54个子区域的特征码按行列顺序排列，形成该虹膜图像54X7=378bit的特征指纹码。
7.根据权利要求6所述的用于智能眼镜的防伪虹膜身份认证方法，其特征在于:所述步骤(3)的具体的实施步骤如下: a.设智能眼镜的光强变化范围为可控变化范围为可控变化梯度为/?，则每一阶光强可以表示为
8.根据权利要求7所述的用于智能眼镜的防伪虹膜身份认证方法，其特征在于:所述步骤(4)中从全部所述基准图像中选取与待认证图像瞳孔直径最接近的基准图像进行虹膜特征匹配:设与某带认证图像最接近的基准图像特征指纹为JZ1，其中，每组特征码为
9.根据权利要求8所述的用于智能眼镜的防伪虹膜身份认证方法，其特征在于:所述步骤(5)中，设光强匹配的阈值为特征码匹配的阈值为&，J if Passl > Si and Pass2 > S2,通过认证else，未通过认证
【文档编号】G06F21/32GK103544420SQ201310355600
【公开日】2014年1月29日 申请日期:2013年8月15日 优先权日:2013年8月15日
【发明者】宋峥, 王田子, 王春生, 马建 申请人:马建