电子装置、虹膜辨识方法以及计算机可读介质与流程

本发明涉及一种虹膜辨识技术，且特别涉及一种可以提升虹膜辨识准确度的电子装置、虹膜辨识方法以及计算机可读介质。

背景技术：

目前的消费型电子装置(如，平板计算机、智能手机…等)希望能够通过生物特征识别技术(如，虹膜辨识、指纹辨识)来让特定使用者进行启动，从而保护消费型电子装置中的数据及隐私。在虹膜辨识技术中，提取人眼的虹膜图像十分容易因为环境变化而影响到虹膜图像的质量。举例来说，受到不同角度、强度的阳光投射后可能导致虹膜图像部分纹理的改变、因户外光线过强而导致虹膜图像过曝而让纹理消失、或因图像对比度过强而导致虹膜图像中的细节纹理消失…等情况，从而降低电子装置对虹膜图像的辨识准确度。

因此，如何有效地提升虹膜辨识的准确度，将是本领域技术人员重要的课题之一。

技术实现要素：

本发明提供一种电子装置、虹膜辨识方法以及计算机可读介质，其利用虹膜图像产生对应的特征标示框，并通过预设的虹膜图像及经提取的虹膜图像以双向交叉比对方式以有效地进一步提升虹膜辨识的准确度。

本发明的电子装置包括处理器以及图像提取器。处理器获得第一虹膜图像，依据第一虹膜图像以计算出非均匀排列的多个第一特征标示框，并利用第一特征标示框以从第一虹膜图像获得第一图像特征。图像提取器用以提取第二虹膜图像。处理器通过图像提取器获得第二虹膜图像，利用第一特征标示框以从第二虹膜图像获得第二图像特征，将第一图像特征及第二图像特征进行比对以获得第一辨识结果。处理器依据第二虹膜图像以计算出非均匀排列的多个第二特征标示框，并利用第二特征标示框以从第二虹膜图像获得第三图像特征。处理器利用第二特征标示框以从第一虹膜图像获得第四图像特征，将第三图像特征及第四图像特征进行比对以获得第二辨识结果。并且，处理器依据第一辨识结果及第二辨识结果判断第一虹膜图像及第二虹膜图像的相似程度。

在本发明的虹膜辨识方法包括：获得第一虹膜图像，依据第一虹膜图像以计算出非均匀排列的多个第一特征标示框，并利用第一特征标示框以从第一虹膜图像获得第一图像特征。提取第二虹膜图像。利用第一特征标示框以从第二虹膜图像获得第二图像特征，将第一图像特征及第二图像特征进行比对以获得第一辨识结果。依据第二虹膜图像以计算出非均匀排列的多个第二特征标示框，并利用第二特征标示框以从第二虹膜图像获得第三图像特征，利用第二特征标示框以从第一虹膜图像获得第四图像特征，将第三图像特征及第四图像特征进行比对以获得第二辨识结果。依据第一辨识结果及第二辨识结果判断所第一虹膜图像及第二虹膜图像的相似程度。

本发明的非易失性计算机可读介质用以存储多个程序代码，其中这些程序代码适于载入处理器中，并以执行如上所述的虹膜辨识方法。

基于上述，本发明实施例所述的电子装置通过检测第一虹膜图像(如，注册阶段时输入的虹膜图像)中部分图像区域是否具备较强纹理特征而产生对应的特征标示框，并利用此特征标示框来判断第一虹膜图像与第二虹膜图像(如，经提取的虹膜图像)是否相近。并且，本实施例同时通过第二虹膜图像产生对应的特征标示框，并利用此特征标示框来判断第一虹膜图像与第二虹膜图像的相似程度。如此一来，处理器可以通过双向交叉比对第一虹膜图像及第二虹膜图像的相似程度的方式，藉以提升虹膜辨识的准确性及容错性。

为让本发明的上述特征和优点能更明显易懂，下文特举实施例，并配合附图作详细说明如下。

附图说明

图1是依照本发明一实施例说明一种电子装置的方块图。

图2是依照本发明一实施例说明一种虹膜辨识方法的流程图。

图3是依照本发明一实施例说明一种第一虹膜图像及第二虹膜图像的双向交叉比对方法的示意图。

图4是依照本发明一实施例说明特征定位单元及交叉比对单元的示意图。

图5是依照本发明另一实施例说明多个第一虹膜图像及第二虹膜图像的双向交叉比对方法的示意图。

图6是依照本发明一实施例说明一种电子装置的错误拒绝率-错误接受率的曲线图。

【符号说明】

100：电子装置

110：图像提取器

120：处理器

130：存储器

140：显示器

410：特征定位单元

411：虹膜图像正规化单元

412：特征标示框分析单元

420：交叉比对单元

421：注册判断单元

422、423：接收单元

424、425：分析单元

426、427：比对单元

428：交叉分析单元

610、620、630：曲线

m1～m3：存储单元

a1、a2：辨识结果

im1、im2、im1x、im2x、im1_1～im1_3im2_1～im2_3：虹膜图像

cr：判断结果

ic1～ic4：图像特征

mb1_1～mb1_n、mb2_1～mb2_n：特征标示框

s210～s250：虹膜辨识方法的步骤

具体实施方式

图1是依照本发明一实施例说明一种电子装置100的方块图。电子装置100包括图像提取器110、处理器120、存储器130以及显示器140。在本实施例中，处理器120耦接至图像提取器110，用以获得第一虹膜图像im1及第二虹膜图像im2。处理器120获得第一虹膜图像im1的方式可以是图像提取器110在第一时间点时所提取的第一虹膜图像im1，或者是使用者预先存储于存储器130的图像数据(如，具有使用者的人眼图像的照片或图像)。处理器120获得第二虹膜图像im2的方式可以是图像提取器110在第一时间点后的第二时间点时所提取的第二虹膜图像im2。处理器120更可以用以判断第一虹膜图像im1及第二虹膜图像im2的相似程度以提供判断结果cr。

存储器130耦接至图像提取器110及处理器120，用以存储多个第一特征标示框及多个第二特征标示框。显示器140耦接至处理器120，用以接收判断结果cr，并将判断结果cr呈现于显示器140。

在本实施例中，电子装置100可以例如是笔记型计算机、平板计算机、智能手机、个人数字助理(personaldigitalassistant，pda)，并不限于此。图像提取器110可以例如是照相机、红外线或可见光摄影机等具有提取或拍摄图像功能的电子装置，并不限于此。使用者可以利用图像提取器110来提取或拍摄自身或他人的人眼图像，以获得人眼图像中的虹膜图像(如，第一虹膜图像im1或第二虹膜图像im2)。另一方面，处理器120可以例如是中央处理单元(centralprocessingunit，cpu)，或是其他可编程的一般用途或特殊用途的微处理器(microprocessor)、数字信号处理器(digitalsignalprocessor，dsp)、可编程控制器、特殊应用集成电路(applicationspecificintegratedcircuit，asic)或其他类似元件或上述元件的组合，但不限于此。存储器130可以例如是可变电阻式存储器(resistiverandom-accessmemory，rram)、铁电随机存取存储器(ferroelectricram，feram)、磁阻随机存取存储器(magnetoresistiveram，mram)、相变式随机存取存储器(phasechangeram，pram)、导通微信道存储器(conductivebridgeram，cbram)，但不限于此。显示器140可以例如是液晶显示面板(liquid-crystaldisplay，lcd)或有机发光二极管面板(organiclight-emittingdiode，oled)等具有显示功能的装置。

在本实施例中，第一虹膜图像im1及第二虹膜图像im2分别可以例如是使用者在注册阶段(亦即第一时间点)时输入的虹膜图像(如，注册虹膜图像)及经图像提取器110在第二时间点时所提取的虹膜图像(如，测试虹膜图像)。第一虹膜图像im1及第二虹膜图像im2分别可以是灰阶图像或彩色图像，但本发明实施例并不限于此。上述的注册阶段可以例如是当使用者欲启动或解锁电子装置100前，预先在第一时间点时，通过图像提取器110来提取或拍摄自身或他人的人眼图像，或者，使用者也可以预先在第一时间点时，将自身或他人的人眼图像存储至存储器130，以使处理器120可以通过图像提取器110或存储器130来获得人眼图像中的虹膜图像(如，第一虹膜图像im1)，以供后续启动或解锁电子装置100时的参考样本。

以下请同时参照图1、图2以及图3，图2是依照本发明一实施例说明一种虹膜辨识方法的流程图，图3是依照本发明一实施例说明一种第一虹膜图像及第二虹膜图像的双向交叉比对方法的示意图。在步骤s210中，处理器120可以通过图像提取器110或从使用者预先存储于存储器130的人眼图像来获得第一虹膜图像im1。处理器120可以依据第一虹膜图像im1来计算出非均匀排列的多个第一特征标示框mb1_1～mb1_n。接着，处理器120可以利用这些第一特征标示框mb1_1～mb1_n以从第一虹膜图像im1来获得第一图像特征ic1。

详细来说，在本实施例中，处理器120可以针对第一虹膜图像im1中的多个图像区域依序地进行检测，以判断各个图像区域是否具备较强纹理特征。举例来说，若处理器120判断第一虹膜图像im1中所检测的图像区域的特征值大于临界值时，则表示所述图像区域具备较强纹理特征，处理器120可以依据所述图像区域的特征值来计算出所述图像区域的特征标示框，并接续检测下一个图像区域。相对的，若处理器120判断第一虹膜图像im1中所检测的图像区域的特征值小于临界值时，则表示所述图像区域不具备较强纹理特征，处理器120可以忽略所述图像区域的特征值，并接续检测下一个图像区域。藉此，在第一虹膜图像im1中，处理器120可以依据特征值大于所述临界值的图像区域来计算出非均匀排列的多个第一特征标示框mb1_1～mb1_n。处理器120可以利用这些第一特征标示框mb1_1～mb1_n以从第一虹膜图像im1来获得第一图像特征ic1。

在步骤s220中，使用者可以例如是在阳光下或户外环境中，利用图像提取器110来提取第二虹膜图像im2(如，使用者的人眼图像)，但并不限于此。

在步骤s230中，处理器120可以通过图像提取器110来获得第二虹膜图像im2(如，使用者在阳光下或户外环境中所拍摄的人眼图像)。值得一提的是，在本实施例中，处理器120可以利用这些第一特征标示框mb1_1～mb1_n以从第二虹膜图像im2来获得第二图像特征ic2。处理器120可以将上述的第一图像特征ic1及第二图像特征ic2进行比对以获得第一辨识结果a1。其中，在图3中，第一图像特征ic1具有18个由第一虹膜图像im1获得的虹膜图像特征，第二图像特征ic2中具有18个由第二虹膜图像im2获得的虹膜图像特征。

具体来说，处理器120可以依序对应的比对第一图像特征ic1中的18个虹膜图像特征及第二图像特征ic2中的18个虹膜图像特征中相似的局部特征，以判断出第一图像特征ic1及第二图像特征ic2中各个对应的虹膜图像特征的相似程度。处理器120可以依据各个对应的虹膜图像特征的相似程度来获得第一辨识结果a1。在第一辨识结果a1中，符号o表示所述直行的第一图像特征ic1中的虹膜图像特征与第二图像特征ic2中的虹膜图像特征实质上相似，符号x表示所述直行的第一图像特征ic1中的虹膜图像特征与第二图像特征ic2中的虹膜图像特征实质上不相似。

在步骤s240中，处理器120可以依据第二虹膜图像im2来计算出非均匀排列的多个第二特征标示框mb2_1～mb2_n。接着，处理器120可以利用这些第二特征标示框mb2_1～mb2_n以从第二虹膜图像im2来获得第三图像特征ic3。

详细来说，在本实施例中，处理器120可以针对第二虹膜图像im2中的多个图像区域依序地进行检测，以判断各个图像区域是否具备较强纹理特征。举例来说，若处理器120判断第二虹膜图像im2中所检测的图像区域的特征值大于临界值时，则表示所述图像区域具备较强纹理特征，处理器120可以依据所述图像区域的特征值来计算出所述图像区域的特征标示框，并接续检测下一个图像区域。相对的，若处理器120判断第二虹膜图像im2中所检测的图像区域的特征值小于临界值时，则表示所述图像区域不具备较强纹理特征，处理器120可以忽略所述图像区域的特征值，并接续检测下一个图像区域。藉此，在第二虹膜图像im2中，处理器120可以依据特征值大于所述临界值的图像区域来计算出非均匀排列的多个第二特征标示框mb2_1～mb2_n。处理器120可以利用这些第二特征标示框mb2_1～mb2_n以从第二虹膜图像im1来获得第三图像特征ic3。

在本实施例中，处理器120可以利用这些第二特征标示框mb2_1～mb2_n以从第一虹膜图像im1来获得第四图像特征ic4。处理器120可以将上述的第三图像特征ic3及第四图像特征ic4进行比对以获得第二辨识结果a2。其中，在图3中，第三图像特征ic3具有18个由第二虹膜图像im2获得的虹膜图像特征，第四图像特征ic4中具有18个由第一虹膜图像im1获得的虹膜图像特征。

具体来说，处理器120可以依序对应的比对第三图像特征ic3中的18个虹膜图像特征及第四图像特征ic4中的18个虹膜图像特征中相似的局部特征，以判断出第三图像特征ic3及第四图像特征ic4中各个对应的虹膜图像特征的相似程度。处理器120可以依据各个对应的虹膜图像特征的相似程度来获得第二辨识结果a2。在第二辨识结果a2中，符号o表示所述行的第三图像特征ic3中的虹膜图像特征与第四图像特征ic4中的虹膜图像特征实质上相似，符号x表示所述行的第三图像特征ic3中的虹膜图像特征与第四图像特征ic4中的虹膜图像特征实质上不相似。

在步骤s250中，处理器120可以依据所述第一辨识结果a1及第二辨识结果a2来判断出第一虹膜图像im1及第二虹膜图像im2的相似程度。处理器120可以将所述第一辨识结果a1及第二辨识结果a2所分别计算出的相似程度进行平均，以获得双向交叉比对后的计算结果。举例来说，若所述双向交叉比对后的计算结果为接近1的数值时，表示第一虹膜图像im1及第二虹膜图像im2的图像特征实质上相似。相对的，若所述交叉比对后的计算结果为接近0的数值时，表示第一虹膜图像im1及第二虹膜图像im2的图像特征实质上不相似。

在本实施例中，上述的非均匀排列意指处理器120仅依据第一虹膜图像im1及第二虹膜图像im2中，特征值大于所述临界值的图像区域(亦即具备高纹理特征的图像区域)来计算出多个第一特征标示框mb1_1～mb1_n及第二特征标示框mb2_1～mb2_n，而处理器120将会忽略掉特征值小于所述临界值的图像区域(亦即不具备高纹理特征的图像区域)。相较于已知技术是通过将虹膜图像中的图像区域平均划分成预设等分后，直接计算出所述虹膜图像的特征标示框的方式，本实施例的非均匀排列的多个第一特征标示框mb1_1～mb1_n及第二特征标示框mb2_1～mb2_n可以使后续的双向交叉比对方法更能够提升虹膜辨识的准确性及容错性。

以下请同时参照图1至图4，图4是依照本发明一实施例说明特征定位单元及交叉比对单元的示意图。在本实施例中，处理器120还包括特征定位单元410及交叉比对单元420。其中，特征定位单元410耦接至交叉比对单元420。特征定位单元410包括虹膜图像正规化单元411以及特征标示框分析单元412。交叉比对单元420包括注册判断单元421、接收单元422、423、分析单元424、425、比对单元426、427、交叉分析单元428、存储单元m1～m3。其中，上述的特征定位单元410及交叉比对单元420可以例如是软件或固件模块所构成，但本发明并不限于此。

在本实施例中，特征定位单元410可以接收第一虹膜图像im1及第二虹膜图像im2。特征定位单元410可以利用虹膜图像正规化单元411来将第一虹膜图像im1及第二虹膜图像im2进行正规化及比对特征计算。

进一步来说，本实施例的虹膜图像正规化单元411可以藉由微积分运算子(integrodifferentialoperator)或霍夫变换(houghtransform)运算方法来获得第一虹膜图像im1及第二虹膜图像im2中的虹膜区域分割信息，并将所述虹膜区域分割信息经由橡胶板模型(rubbersheetmodel)变换至极坐标，以获得经正规化后的第一虹膜图像im1x及第二虹膜图像im2x，以进一步的排除瞳孔对于虹膜辨识的影响。

虹膜图像正规化单元411可以将第一虹膜图像im1x及第二虹膜图像im2x进一步的利用莫莱小波(gaborwavelet)、局部二值模式(localbinarypattern)或方向梯度直方图(histogramoforientedgradient)等变换方式，来获得第一虹膜图像im1x及第二虹膜图像im2x中较为明显或突出的图像特征(如，第一虹膜图像im1及第二虹膜图像im2的边框或细部的纹理)。

在本实施例中，特征标示框分析单元412耦接至虹膜图像正规化单元411，以接收经正规化后的第一虹膜图像im1x及第二虹膜图像im2x。特征标示框分析单元412可以将第一虹膜图像im1x及第二虹膜图像im2x分别经由边界强化或纹理量化的处理方法来获得多个第一特征标示框mb1_1～mb1_n及多个第二特征标示框mb2_1～mb2_n。

特征标示框分析单元412可以利用索贝尔算子(sobeloperator)、高斯拉普拉斯(laplacianofgaussian)或纹理能测量量(textureenergymeasure)等纹理量化的处理方法，来获得第一虹膜图像im1x及第二虹膜图像im2x的纹理强弱量化数据。并且，特征标示框分析单元412可以依据所述纹理强弱量化数据来获得多个第一特征标示框mb1_1～mb1_n及多个第二特征标示框mb2_1～mb2_n。

另一方面，交叉比对单元420可以利用注册判断单元421来判断电子装置100是否操作于注册阶段。当注册判断单元421判断电子装置100操作于注册阶段时，虹膜图像正规化单元411可以将第一虹膜图像im1x存储至存储单元m2，并且特征标示框分析单元412可以将多个第一特征标示框mb1_1～mb1_n存储至存储单元m1。

相对的，当注册判断单元421判断电子装置100未操作于注册阶段时，虹膜图像正规化单元411可以将第二虹膜图像im2x存储至存储单元m3。在此同时，接收单元422可以接收存储于存储单元m1的多个第一特征标示框mb1_1～mb1_n，并且接收单元423可以接收特征标示框分析单元412所提供的多个第二特征标示框mb2_1～mb2_n。

在本实施例中，分析单元424可以接收多个第一特征标示框mb1_1～mb1_n、第一虹膜图像im1x以及第二虹膜图像im2x。值得一提的是，分析单元424可以利用这些第一特征标示框mb1_1～mb1_n以从第一虹膜图像im1x获得第一图像特征ic1。分析单元424也可以利用这些第一特征标示框mb1_1～mb1_n以从第二虹膜图像im2x获得第二图像特征ic2。

相对的，在本实施例中，分析单元425可以接收多个第二特征标示框mb2_1～mb2_n、第一虹膜图像im1x以及第二虹膜图像im2x。值得一提的是，分析单元425可以利用这些第二特征标示框mb2_1～mb2_n以从第二虹膜图像im2x获得第三图像特征ic3。分析单元425也可以利用这些第二特征标示框mb2_1～mb2_n以从第一虹膜图像im1x获得第四图像特征ic4。

在本实施例中，比对单元426可以接收第一图像特征ic1及第二图像特征ic2，比对单元426可以将第一图像特征ic1及第二图像特征ic2进行比对以获得第一辨识结果a1。另一方面，比对单元427可以接收第三图像特征ic3及第四图像特征ic4，比对单元427可以将第三图像特征ic3及第四图像特征ic4进行比对以获得第二辨识结果a2。

交叉分析单元428可以接收第一辨识结果a1及第二辨识结果a2，并且交叉分析单元428可以依据第一辨识结果a1及第二辨识结果a2来判断第一虹膜图像im1及第二虹膜图像im2的相似程度，以提供判断结果cr。需注意到的是，在图4中，特征定位单元410及交叉比对单元420中的各个单元的操作方法及比对方法皆相同或相似于图2中的步骤s210～s250，在此则不多赘述。

图5是依照本发明另一实施例说明多个第一虹膜图像及第二虹膜图像的双向交叉比对方法的示意图。在本实施例中，使用者依照自身的需求或使用的状况，来决定图像提取器110提取第一虹膜图像im1及第二虹膜图像im2的数量。详细来说，在本实施例中，处理器120可以在第一时间点时，通过图像提取器110或从使用者预先存储于存储器130的人眼图像来获得多个第一虹膜图像im1_1～im1_3。相对的，处理器120可以在第二时间点时，通过图像提取器110来获得多个第二虹膜图像im2_1～im2_2。藉此，本实施例可以藉由前一实施例的双向交叉比对方法来比对多个第一虹膜图像im1_1～im1_3及第二虹膜图像im2_1～im2_2的相似程度。但本发明并不限于上述所举例的数量。

图6是依照本发明一实施例说明一种电子装置的错误拒绝率-错误接受率的曲线图。在图6中，横轴表示为电子装置100的错误拒绝率(falserejectionrate，frr)，纵轴表示为电子装置100的错误接受率(falseacceptancerate，far)。电子装置100的错误拒绝率-错误接受率的曲线图包括仅通过均匀比对方法来进行虹膜辨识的曲线610、仅通过检测注册虹膜图像的较强纹理特征的比对方法来进行虹膜辨识的曲线620以及本发明所提出的虹膜辨识方法的曲线630。在本实施例中，电子装置100可以利用处理器120来检测第一虹膜图像im1(如，注册阶段时输入的虹膜图像)中部分图像区域是否具备较强纹理特征而产生对应的特征标示框，并利用此特征标示框来判断第一虹膜图像im1与第二虹膜图像im2(如，经提取的虹膜图像)是否相近。并且，本实施例同时可以通过第二虹膜图像im2产生对应的特征标示框，并利用此特征标示框来判断第一虹膜图像im1与第二虹膜图像im2的相似程度。如此一来，在测试时间区间中，本实施例的虹膜辨识方法可以通过双重交叉比对第一虹膜图像im1及第二虹膜图像im2的相似程度的方式，以使曲线630相较于曲线610及曲线620具有较低的错误拒绝率及错误接受率。

在本实施例中，使用者可以通过非易失性可读式计算机介质来执行上述的虹膜辨识方法。此非易失性可读式计算机介质可以是用以存储多个程序代码(如，执行上述相关功能的程序代码，但并不限于此)，并且这些程序代码可以载入至处理器中，以使此处理器执行上述的相关功能。顺带一提的是，此非易失性可读式计算机介质可以例如是光盘、通用串行总线(universalserialbus，usb)以及任何具有非易失性特性的存储器装置，但并不限于此。

综上所述，本发明电子装置可以通过处理器来检测第一虹膜图像(如，注册阶段时输入的虹膜图像)中部分图像区域是否具备较强纹理特征而产生对应的特征标示框，并利用此特征标示框来判断第一虹膜图像与第二虹膜图像(如，经提取的虹膜图像)是否相近。并且，本实施例同时可以通过第二虹膜图像产生对应的特征标示框，并利用此特征标示框来判断第一虹膜图像与第二虹膜图像的相似程度。如此一来，处理器可以通过双向交叉比对第一虹膜图像及第二虹膜图像的相似程度的方式，藉以提升虹膜辨识的准确性及容错性，以进一步降低错误拒绝率及错误接受率。

虽然本发明已以实施例公开如上，然其并非用以限定本发明，本领域技术人员，在不脱离本发明的精神和范围内，当可作些许的更动与润饰，故本发明的保护范围当视所附权利要求书界定范围为准。