本发明涉及一种应用于虹膜识别的摄像机。
背景技术：
虹膜识别技术是生物识别的一种。人的眼睛由巩膜、虹膜、瞳孔三部分构成。虹膜位于巩膜和瞳孔之间，包含了最丰富的纹理信息，占据65％。外观上看，由许多腺窝、皱褶、色素斑等构成，是人体中最独特的结构之一。虹膜的形成由遗传基因决定，人体基因表达决定了虹膜的形态、生理、颜色和总的外观。人发育到八个月左右，虹膜就基本上发育到了足够尺寸，进入了相对稳定的时期。除非极少见的反常状况、身体或精神上大的创伤才可能造成虹膜外观上的改变外，虹膜形貌可以保持数十年没有多少变化。另一方面，虹膜是外部可见的，但同时又属于内部组织，位于角膜后面。要改变虹膜外观，需要非常精细的外科手术，而且要冒着视力损伤的危险。虹膜的高度独特性、稳定性及不可更改的特点，是虹膜可用作身份鉴别的物质基础。在包括指纹在内的所有生物识别技术中，虹膜识别是当前应用最为方便和精确的一种。虹膜识别技术被广泛认为是二十一世纪最具有发展前途的生物认证技术，未来的安防、国防、电子商务等多种领域的应用，也必然的会以虹膜识别技术为重点。这种趋势已经在全球各地的各种应用中逐渐开始显现出来，市场应用前景非常广阔。
目前市场上专门用于虹膜识别的摄像机没有，目前市面上所有的公司都在用安防相机或者工业相机，但是他们都存在如下问题：对于安防相机，图像解析力不够，移动存在拖影，拍摄距离需要非常近，图像预处理效果不适合用于虹膜识别，图像采集成功率比较低；对于工业相机，图像解析力不够，拍摄位置要求非常高，图像预处理效果不适合用于虹膜识别，图像采集成功率比较低，并且单价非常高；对于电动变焦相机，距离一般也比较近，聚焦速度慢；对于一般变焦机芯，聚焦策略和光线干扰很大，也不适合用于虹膜识别。
技术实现要素：
本发明旨在提供一种应用于虹膜识别的摄像机，以解决市场上没有专门用于虹膜识别的摄像机的问题。为此，本发明采用的具体技术方案如下：
一种应用于虹膜识别的摄像机，可包括：自动变焦镜头系统、图像传感器、带通滤光片和控制板，所述自动变焦镜头系统包括镜头和用于控制镜头移动的马达，所述带通滤光片为只允许波长为770nm-870nm的光通过的滤光片，所述带通滤光片设置于图像传感器的前端以进行带通滤光，所述马达和所述图像传感器与所述控制板电连接，所述控制板根据预设算法控制马达和图像传感器进行相应操作，以对经过了带通滤光的图像进行预处理，进而得到适于虹膜识别的图像。
进一步地，预设算法包括自动白平衡、自动曝光和自动聚焦。
更进一步地，所述自动白平衡用于将图像调整成黑白模式。
更进一步地，所述自动聚焦是通过移动马达查找图像传感器采集的图像的清晰度评估值的最大值，其中，所述清晰度评估值通过采用清晰度评估函数获取。
又更进一步地，所述采用清晰度评估函数获取清晰度值的具体过程为：图像传感器采集的图像经过4个滤波器进行过滤，过滤后取绝对值进行累加，根据画面像素亮度来衰减滤波器的输出，再过去掉边缘的干扰值，获取17*15个窗口的统计值；4个滤波器包括2个水平滤波器和2个垂直滤波器，将水平滤波器和垂直滤波器输出的统计值h1、h2、v1、v2进行融合，具体公式如下：
fv1_n＝α*h1_n+(1-α)*v1_n，
fv2_n＝β*h2_n+(1-β)*v2_n，
其中，α和β是两个融合的参数；融合完后，再根据各个窗口的权重做加权计算，算出最终的清晰度评估值，公式为：
又更进一步地，通过移动马达查找图像传感器采集的图像的清晰度评估值的最大值采用爬坡算法，具体过程为：根据人眼的可能位置，取其最大概率的人眼位置作为爬坡算法的起点，聚焦触发前，将马达移动到该最大概率的人眼位置；然后再往预估方向的位置小步长移动，根据对应的清晰度评估值的变化比例，判断方向是否正确；同时根据相邻两点的清晰度评估值的比例，调整移动的步长，进行移动；根据移动过程中的清晰度评估值的下降比例，判断是否停止该方向移动；返回到移动过程中清晰度评估值最大的位置，即最清晰的位置。
进一步地，所述最大概率的人眼位置为距离镜头2米。
进一步地，所述镜头的具体参数为：30倍光学变焦、像面为1/3英寸和焦距为4.3-129毫米。
进一步地，所述控制板还包括通信接口，所述通信接口用于与外部虹膜识别系统进行通信连接。
更进一步地，所述通信接口为rj45和/或usb。
进一步地，所述控制板的图像信号处理芯片为海思hi3516a。
进一步地，所述图像传感器的型号为sonyimx290。
本发明采用上述技术方案，具有的有益效果是：本发明聚焦速度快，采集的图像清晰度高，适合用作虹膜识别系统的虹膜图像采集装置。
附图说明
图1是根据本发明实施例的应用于虹膜识别的摄像机的示意性框图；
图2是镜头和滤光片的示意图；
图3是图1所示的应用于虹膜识别的摄像机中的3a算法的流程图；
图4是图3中的自动聚焦(af)的图像清晰度评估的流程图；
图5是图3中的自动聚焦(af)的爬坡算法的流程图；
图6示出了本发明的应用于虹膜识别的摄像机的具体应用。
具体实施方式
为进一步说明各实施例，本发明提供有附图。这些附图为本发明揭露内容的一部分，其主要用以说明实施例，并可配合说明书的相关描述来解释实施例的运作原理。配合参考这些内容，本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点。图中的组件并未按比例绘制，而类似的组件符号通常用来表示类似的组件。
现结合附图和具体实施方式对本发明进一步说明。如图1所示，一种应用于虹膜识别的摄像机可包括自动变焦镜头系统1、图像传感器2和控制板3。自动变焦镜头系统1包括镜头11和用于控制镜头11移动的马达12。优选地，镜头11的具体参数为：30倍光学变焦、像面为1/3英寸和焦距为4.3-129毫米。这使得可以采集到2.5米外清晰的虹膜图像；同时也可以解决不同距离的虹膜清晰度问题。在一个具体实施例中，自动变焦镜头系统1采用日本腾龙30倍光学变焦的一体机镜头系统。镜头11上粘贴有带通滤光片13(参见图2)，例如通过绿胶与镜头相黏合。带通滤光片13只允许波长为770nm-870nm的光通过，以避免环境光源对虹膜图像获取的干扰。当然了，在其他实施方式中，也可以与镜头厂商合作，将此带通滤光片集成于镜头内，只要设置于图像传感器的前端即可实现本发明目的。此外，本设计采用不可见光(850nm)的led灯作为辅助光源，再通过滤光片，过滤掉770nm-870nm以外的所有光源，这样在采集虹膜的时候，人眼不会感觉到不适感，同时又能解决光照的问题。马达12与控制板3电连接，以便于控制板3对其进行控制。控制板3中可设置有专门用于驱动镜头的马达驱动芯片31，例如ms41908。马达12为摄像机中的常用马达，其具体机构在此不再进行描述。图像传感器2可以是ccd图像传感器或cmos图像传感器，其具体结构为本领域技术人员所熟知，这里不再进行描述。在一个具体实施例中，图像传感器采用星光级的sonyimx290。图像传感器2与控制板3电连接，以便于控制板3对其进行控制。控制板3还可包括图像信号处理芯片32，图像信号处理芯片32用于根据预设算法控制马达12(通过马达驱动芯片31)和图像传感器2(通过图像传感器驱动模块(未示出))进行相应操作以对图像进行预处理，进而得到适于虹膜识别的图像。预设算法可包括自动白平衡awb、自动曝光ae和自动聚焦af。其具体流程将在下面进行详细描述。在一个具体实施例中，控制板3的图像信号处理芯片32采用海思高性价比的图像信号处理芯片hi3516。当然，控制板3的图像信号处理芯片也可以采用其它图像信号处理芯片。此外，控制板3还包括通信接口33，通信接口33用于与外部虹膜识别系统进行通信连接。优选地，所述通信接口为rj45和/或usb。即，可以以太网或usb的方式将本发明采集的图像和视频数据传送给后端的虹膜识别系统。通常，控制板3还可包括外部存储装置34，例如sd卡，以存储图像和视频数据等。
如图3所示，本发明的3a(自动白平衡awb、自动曝光ae和自动聚焦af)算法流程为：图像传感器2采集的图像输入图像信号处理芯片32，通过自动曝光算法控制图像传感器驱动模块，调整图像传感器2的曝光参数(例如，曝光时间和增益)，控制光圈大小，得到所需曝光度的图像，然后通过自动白平衡算法，将图像调整成黑白模式，最后通过自动聚焦算法，控制马达移动，使镜头自动聚焦，得到所需清晰度的图像。
自动聚焦算法一般分为两部分，一部分是采用清晰度评估函数获取清晰度评估值的算法，另一部分是通过移动马达查找该清晰度评估值的最大值算法。具体地，所述自动聚焦是通过移动马达查找图像传感器采集的图像的清晰度评估值fv的最大值，其中，清晰度评估值fv通过采用清晰度评估函数获取。
如图4所示，清晰度评估值fv通过采用清晰度评估函数获取的具体过程为：首先，图像传感器采集并预过滤后的图像经过4个滤波器进行过滤，过滤后取绝对值进行累加，根据画面像素亮度来衰减滤波器的输出，再过去掉边缘的干扰值，获取17*15个窗口的统计值。其中，4个滤波器包括2个水平滤波器和2个垂直滤波器。其次，将水平滤波器和垂直滤波器输出的统计值h1、h2、v1、v2进行融合，具体公式如下：
fv1_n＝α*h1_n+(1-α)*v1_n，
fv2_n＝β*h2_n+(1-β)*v2_n，
其中，α和β是两个融合的参数。最后，融合完后，再根据各个窗口的权重做加权计算，算出最终的清晰度评估值，公式为：
通过移动马达查找该清晰度评估值fv的最大值采用爬坡算法，具体过程如图5所示。爬坡算法的基本思路是：
第一步：根据人眼的可能位置，取其最大概率的人眼位置(目前我们测试最佳位置在2米，如图6所示)作为爬坡算法的起点，聚焦触发前，将马达移动到该最大概率的人眼位置。
第二步：往预估方向的位置小步长移动，根据清晰度评估值fv的变化比例是否大于预设值，判断方向是否正确；例如当变化比例大于5％时，移动的方向可以确定下来，否则向相反方向移动；
第三步：根据两点的清晰度评估值fv的比值，调整移动的步长，若比值小于预设值，增大移动的步长，若较小，则减小移动的步长，然后按照调整后的移动步长进行移动；
第四步：根据移动过程中的清晰度评估值fv的下降比例(或下降点数)，判断是否停止该方向移动；
第五步：返回到移动过程中清晰度评估值fv最大的位置，即最清晰的位置。
异常处理流程：在移动过程中，都会对移动的距离做范围限制，主要为提高速度，如果偏移限制范围，算法会进入全局搜索处理，这个搜索过程的耗时会相对会长，但一般出现这种情况的概率小于3％。
尽管结合优选实施方案具体展示和介绍了本发明，但所属领域的技术人员应该明白，在不脱离所附权利要求书所限定的本发明的精神和范围内，在形式上和细节上可以对本发明做出各种变化，均为本发明的保护范围。