一种基于ARM平台的动态人脸虹膜采集方法

摘要

本发明公布了一种基于ARM平台的动态人脸虹膜采集方法，包括如下步骤：配置如下采集设备，虹膜粗定位，虹膜精定位，对定位的虹膜进行图像采集，对虹膜图像进行归一化处理，对归一化处理后的虹膜图像进行局部直方图均衡化处理，对虹膜图像特征进行提取，采用分块方式对特征进行编码，提取局部相位信息，以得到虹膜特征码。本发明可以在拍到人脸的基本上运用模糊算法图像处理技术，形成一张清楚的人脸图像，这样就可以把人脸与虹膜识别两种生物识别技术有机的结合在一起，即是人脸与虹膜同时识别，这种方式是在同一颗ARM处理器上完成，这样也解决了目前生物识别不能达到百分之百的弊端，即面部与虹膜识别互相弥补，达到最优状态。

主权项

一种基于ARM平台的动态人脸虹膜采集方法，其特征在于，包括如下步骤：1)、配置如下采集设备，该采集设备包括：显示屏、图像采集单元、虹膜摄像头、云台、红外光源和RAM处理器；所述显示屏与RAM处理器连接，显示屏显示RAM处理器给出的识别结果；图像采集单元与RAM处理器连接，图像采集单元获取用户图像并传给RAM处理器；虹膜摄像头固定在所述云台上，虹膜摄像头获取用户虹膜图像并传给RAM处理器；RAM处理器连接云台和虹膜摄像头，RAM处理器接收用户图像和用户虹膜图像并控制云台在竖直方向上转动，用于调整固定在云台上的虹膜摄像头的角度，虹膜摄像头对准用户的眼睛区域，获取虹膜图像，用于虹膜识别；红外光源与RAM处理器连接，为虹膜摄像头提供红外光源；2)、虹膜粗定位，通过RAM处理器控制虹膜摄像头对人眼虹膜内边缘圆心和半径的进行粗定位；3)、虹膜精定位，当人眼虹膜的圆心和半径大致确定之后，虹膜摄像头根据虹膜的圆形结构特征，依次对虹膜的内外边缘进行精定位；其计算公式如下：$\underset{(R_0-\mathrm{\Delta R}<R<R_0+\mathrm{\Delta R})}{\max }|G_0\left(R\right)\times \frac{\partial }{\partial R}\underset{D}{\int \int }\frac{D(x,y)}{2\mathrm{\pi R}}\mathrm{d\delta }|---\left(2\right)$其中，D(x，y)为利用Canny算子获得的灰度边缘图像，G₀(R)表示高斯函数，R0表示粗定位后的瞳孔半径,ΔR表示搜索范围；R0的值根据虹膜内外径的大致比例关系来确定；4)、对定位的虹膜进行图像采集，以获得虹膜图像；5)、对虹膜图像进行归一化处理，即将每幅虹膜图像调整为与原始虹膜图像相同的尺寸和对应的位置；6)、对归一化处理后的虹膜图像进行局部直方图均衡化处理；其计算公式如下：$S\left(r_k\right)=T\left(r_k\right)=\frac{1}{N}\underset{i=0}{\overset{k}{\Sigma }}N\left(r_i\right)$其中，设虹膜图像的灰度级为r_k，直方图均衡化使用一个灰度函数作为变换函数，灰度函数设为T(r)，设虹膜图像中总的像素数目N，输入直方图做修正，则得到均衡化后的虹膜图像灰度分布函数为S(r)；虹膜图像中灰度级r_k为灰度级r_i的像素总数；7)、对虹膜图像特征进行提取；首先，用选16个Gabor滤波通道，即选择中心频率为2槡2、4槡2、8槡2和16槡2，以及0°、45°、90°和135°四个方向，通过Gabor滤波器的对称性可知，构成了不同方向和频率下的Gabor滤波器；通过下述公式对虹膜图像进行处理，从而得到各个通道上的滤波结果；$F_{\mathrm{kj}}(x,y)=H_{\mathrm{kj}}\otimes I(x,y)$其中，H_kj表示卷积，I(x，y)表示处理后虹膜图像；k表示第k个尺度，j表示第j个方向，F_kj(x，y)表示卷积后结果；8)、通过步骤6)对虹膜图像进行滤波处理后，获得子块滤波模的最大值所小波号；并采用分块方式对特征进行编码，提取局部相位信息，以得到虹膜特征码；具体为：设整个虹膜图像(x，y)被分M×N大小的若干个子块，各子块滤波模的大小与滤波器模板大小一样，对局部相位信息值进行计算，得到一个复数；如果这个复数的实部大于等于0，则表示该特征码为1，否则为0；如果这个复数的虚部大于等于0，则表示该特征码为1，否则为0。