CN105447450B - 虹膜识别中判断左右虹膜的方法和装置 - Google Patents

Abstract

本发明公开了一种虹膜识别中判断左右虹膜的方法和装置，属于虹膜识别领域，该方法包括：在虹膜图像上截取包括上睫毛和眼角的子图像；统计所述子图像左半侧和右半侧的上睫毛密集度；比较所述子图像左半侧和右半侧的上睫毛密集度的大小，若左半侧的上睫毛密集度大于右半侧的上睫毛密集度，则虹膜图像为右眼虹膜图像，否则为左眼虹膜图像。该方法简单方便，准确率高，适用范围广。

Description

虹膜识别中判断左右虹膜的方法和装置

技术领域

本发明属于虹膜识别领域，特别是指一种虹膜识别中判断左右虹膜的方法和装置。

背景技术

目前，基于指纹、人脸和虹膜的身份识别技术被广泛应用。其中，虹膜识别以虹膜的高度唯一性、稳定性和不可更改的特性，被公认为生物特征识别中最安全、最准确的身份识别方法。

虹膜识别中，事先将用户的虹膜图像存储到数据库中，然后采集虹膜图像，将采集到的虹膜图像与预先存储的虹膜图像进行比对，若比对通过，则虹膜识别通过，若比对不通过，则虹膜识别不通过。但是，传统的虹膜识别中，对同一个人的左右眼虹膜图像不作区分，统一存入该人的虹膜数据库中，在将采集到的虹膜图像与预先存储的虹膜图像进行比对时，需要将采集到的虹膜图像与预先存储的左右眼虹膜图像逐一比对，有一个比对通过，则虹膜识别通过。

如果虹膜数据库分左右眼虹膜图像进行存储，并且能够判断采集到的虹膜的左右眼属性，虹膜比对时只需根据该虹膜左右属性选择相应的左眼或者右眼虹膜数据库进行比对，势必大大减少比对时间。

为达到上述目的，出现了可以判断采集到的虹膜的左右眼属性的方法，其工作原理为：通过检测两个虹膜的相对位置给出虹膜的左右属性值，在图像中相对偏左的虹膜为右眼虹膜，相对偏右的虹膜为左眼虹膜。但是这种方法存在着如下缺陷：

首先，采集到的虹膜图像必须是双目虹膜图像，对单目虹膜图像不适用，应用范围窄；其次，当对虹膜图像进行定位(定位是指从拍摄的原始图像上定位出眼睛的位置)时，若定位出现错误或者遗漏，那么也不能判断出虹膜图像的左右眼属性。

发明内容

本发明提供一种虹膜识别中判断左右虹膜的方法和装置，该方法简单方便，准确率高，适用范围广。

为解决上述技术问题，本发明提供技术方案如下：

一种虹膜识别中判断左右虹膜的方法，包括：

在虹膜图像上截取包括上睫毛和眼角的子图像；

统计所述子图像左半侧和右半侧的上睫毛密集度；

比较所述子图像左半侧和右半侧的上睫毛密集度的大小，若左半侧的上睫毛密集度大于右半侧的上睫毛密集度，则虹膜图像为右眼虹膜图像，否则为左眼虹膜图像。

一种虹膜识别中判断左右虹膜的装置，包括：

截取模块，用于在虹膜图像上截取包括上睫毛和眼角的子图像；

统计模块，用于统计所述子图像左半侧和右半侧的上睫毛密集度；

比较模块，用于比较所述子图像左半侧和右半侧的上睫毛密集度的大小，若左半侧的上睫毛密集度大于右半侧的上睫毛密集度，则虹膜图像为右眼虹膜图像，否则为左眼虹膜图像。

本发明具有以下有益效果：

本发明中，首先截取出包括上睫毛和眼角的子图像，然后统计子图像左半侧和右半侧的上睫毛密集度，并根据它们的大小判断虹膜图像是左眼虹膜图像还是右眼虹膜图像。

本发明能够判断虹膜图像是左眼虹膜图像还是右眼虹膜图像，能够适用于双目虹膜识别和单目虹膜识别中，适用范围广。

并且，本发明只需要通过虹膜图像自身的特性(上睫毛的密集度)即可判断左右，不需要结合其他的额外信息(如两个虹膜的相对位置信息)，简单方便，准确率高。

综上所述，本发明简单方便，准确率高，适用范围广。

附图说明

图1为本发明的虹膜识别中判断左右虹膜的方法的一个实施例的流程图；

图2为外眼角和上睫毛的位置关系图；

图3为瞳孔定位和截取子图像的示意图；

图4为对比度拉伸变换曲线和效果图；

图5为二值化图像；

图6为本发明的虹膜识别中判断左右虹膜的装置的一个实施例的示意图。

具体实施方式

为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。

一方面，本发明实施例提供一种虹膜识别中判断左右虹膜的方法，如图1所示，包括：

步骤101：在虹膜图像上截取包括上睫毛和眼角的子图像。

本实施例通过上睫毛的密集度判断是左眼虹膜还是右眼虹膜，因此需要定位并截取出包括上睫毛的子图像，在截取时，为了将上睫毛全部截取出来，需要将眼角也包括在子图像中，眼角是指人体眼部的上眼皮与下眼皮结合处的夹角，包括内眼角和外眼角。

步骤102：统计子图像左半侧和右半侧的上睫毛密集度。

本发明实施例主要依据上睫毛信息给出虹膜图像的左右属性。观察虹膜图像，可统计得到外眼角区域的上睫毛的数量比内眼角区域的上睫毛数量多，并且一般情况下，外眼角区域的上睫毛长度比内眼角区域上睫毛长度长，即外眼角区域的上睫毛密集度大于内眼角区域上睫毛密集度，如图2所示(图2中，2a为右眼虹膜图像，外眼角在左侧，内眼角在右侧，方框内的区域为外眼角区域；2b为左眼虹膜图像，外眼角在右侧，内眼角在左侧，方框内的区域为外眼角区域)。统计子图像左半侧和右半侧的上睫毛密集度，并将它们进行比较，即可判断出虹膜图像是左眼虹膜图像还是右眼虹膜图像。

步骤103：比较子图像左半侧和右半侧的上睫毛密集度的大小，若左半侧的上睫毛密集度大于右半侧的上睫毛密集度，则虹膜图像为右眼虹膜图像，否则为左眼虹膜图像。

本步骤中，若左半侧的上睫毛密集度大于右半侧的上睫毛密集度，则外眼角在左半侧，并且由于采集到的虹膜图像为镜像图像，其方向与实际的实际人脸相反，即实际人脸中左侧的部分在成像后的虹膜图像上就是右侧部分，因此该虹膜图像为右眼虹膜图像。反之亦然。

本发明实施例中，首先截取出包括上睫毛和眼角的子图像，然后统计子图像左半侧和右半侧的上睫毛密集度，并根据它们的大小判断虹膜图像是左眼虹膜图像还是右眼虹膜图像。

本发明实施例能够判断虹膜图像是左眼虹膜图像还是右眼虹膜图像，能够适用于双目虹膜识别和单目虹膜识别中，适用范围广。

并且，本发明实施例只需要通过虹膜图像自身的特性(上睫毛的密集度)即可判断左右，不需要结合其他的额外信息(如两个虹膜的相对位置信息)，简单方便，准确率高。

综上所述，本发明实施例简单方便，准确率高，适用范围广。

本发明实施例可以使用多种方法统计子图像左半侧和右半侧的上睫毛密集度，具体的实施例可以为：

对子图像进行二值化处理，得到二值化图像，以区分出上睫毛区域。二值化就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的只有黑和白的视觉效果。由于上睫毛的颜色比周围的皮肤、虹膜和巩膜区域的颜色深，因此可以通过二值化处理分别给上睫毛区域和上睫毛周围区域设置不同的值，区分出上睫毛区域。

另外，在截取子图像时，一般会将瞳孔的一部分包括在子图像中，在二值化时，瞳孔部分也会进行二值化，又由于瞳孔与上睫毛的颜色接近，二值化后上睫毛和瞳孔的取值相同，在后续处理时，需要将瞳孔区域排除在外(因为瞳孔一般为圆形，很容易区分出来，而且一般虹膜识别中经常用瞳孔来定位，可以直接使用这个定位结果将通孔区域排除即可)。

统计二值化图像左半侧和右半侧的上睫毛区域中的像素点个数。本实施例以上睫毛区域的面积来表示上睫毛密集度，上睫毛区域的面积可以通过上睫毛区域中的像素点个数来表示。例如，若二值化后上睫毛区域为0，则统计左半侧和右半侧的灰度值为0的像素点个数即可(当然，如前所述，需要排除瞳孔区域)。

比较子图像左半侧和右半侧的上睫毛密集度的大小进一步为：

比较二值化图像左半侧和右半侧的上睫毛区域中的像素点个数的大小，若左半侧的上睫毛区域中的像素点个数大于右半侧的上睫毛区域中的像素点个数，则虹膜图像为右眼虹膜图像，否则为左眼虹膜图像。

本发明实施例通过二值化来区分出上睫毛区域，以上睫毛区域中的像素点个数来表示上睫毛密集度，简单直观，计算方便。

本发明实施例中，在虹膜图像上截取包括上睫毛和眼角的子图像之后，对子图像进行二值化处理，得到二值化图像，以区分出上睫毛区域，在此之前还可以包括：

对子图像进行对比度拉伸变换。对比度拉伸变换能够增加上睫毛周围的皮肤、虹膜和巩膜区域的差异，使得后续的二值化处理更加准确。

并且，对比度拉伸变换函数可选择如下表达式：

其中，r表示对比度拉伸变换之前的亮度，m为变换的灰度阈值，s表示对比度拉伸变换之后的亮度，E控制该函数的斜率。

进一步的，在虹膜图像上截取包括上睫毛和眼角的子图像进一步为：

以瞳孔圆心为中心，向上下左右分别取若干个像素(像素的大小根据实际情况而定)，得到包含上睫毛的矩形子图像。本实施例中，若在进行本实施例之前，已经对瞳孔进行了定位(包括瞳孔圆心和半径)，可以直接使用已经定位的瞳孔位置来截取子图像，当然，若在本实施例之前还没有定位瞳孔位置，也可以在本步骤之前定位瞳孔。

本实施例使用瞳孔圆心向上下左右分别取若干个像素的方法截取子图像，简单方便。

并且，本上述各个实施例中的左半侧和右半侧的划分可以有多种方法，例如，将子图像按子图像自身的长度方向均匀划分为左半侧和右半侧；再例如，将子图像按瞳孔圆心均匀划分为左半侧和右半侧；再例如，将子图像按上睫毛的长度方向(如图5所示，上睫毛的长度方即为5a和5b中的水平方向)均匀划分为左半侧和右半侧，这样可以避免采集镜头倾斜或眼球倾斜导致的偏差。

本发明实施例中，可以使用多种方法进行二值化，优选的：

使用Otsu阈值处理对子图像进行二值化处理，得到二值化图像，其中，上睫毛位置处设为0，即上睫毛位置处为黑色，其他区域为白色(瞳孔也为黑色)。

二值化处理的目的在于区分出上睫毛区域，由于人眼图像因人、光照、采集设备等因素的不同，成像图像也差异很大，所以图像二值化阈值也存在较大差异。本实施例选择Otsu阈值处理，通过自适应阈值处理(自适应阈值处理是指二值化的阈值使根据图像自动选取的，能够使得二值化更准确)，从而提高了二值化的准确度。

下面以一个优选的实施例对本发明进行阐述：

1、瞳孔定位

瞳孔特征表现为黑色圆斑，可以采用径向对称变换等方法进行快速定位(径向对称变换处理图像为原始图像缩小4倍后的图像)。在瞳孔定位的基础上，根据瞳孔圆心位置向上取u个像素，向下取d个像素，左右各取lr个像素，截取上睫毛区域，如图3所示(图3中，3a为单目虹膜图像上瞳孔定位结果，3b为单目虹膜图像上截取的子图像，3c为双目虹膜图像上瞳孔定位结果，3d为双目虹膜图像上截取的子图像)。值的注意的是，截取图像仍在缩小后的图像上处理，截取位置像素个数的选取可根据各数据库统计得到，lr应当使得子图像的最左边和最右边将外眼角和内眼角包括在内，u应当使得子图像的最上边将上睫毛的最高点包括在内，d应当使得子图像的最下边将外眼角和内眼角的最低点包括在内。

径向对称变化的一个具体实现方法如下：

(1)将待处理的虹膜图像缩放到原图像的1/4大小，并对缩小后的图像进行同态滤波。

(2)对归一化后的sobel算子卷积同态滤波后的图像，计算得到梯度图像g_x和g_y，以及梯度幅值图像g，忽略梯度幅值较小的梯度值。

(3)对半径r＝5…25

a)初始化为O_r和M_r为零阵

b)计算P_-、O_r(P_-(p))和M_r(P_-(p))，其中；

O_r(P_-(p))＝O_r(P₊(p))-1

M_r(P_{_}(p))＝M_r(P_{_}(p))-||g(p)||

c)计算F_r(p)，其中k_r＝9.9，α＝2，并由半径r选取高斯滤波器A_r，作用于F_r(p)，得到S_r；

M_r(P_-(p))＝M_r(P_-(p))-||g(p)||

d)找到S_r中投票值的最小值，点的坐标(x_min,y_min)，以及对应的半径r，记录到矩阵S中

(4)找到矩阵S中对应所有半径r的投票最小值，以及对应点的坐标(x_pupil,y_pupil)和半径r_pupil，放大4倍后，即为瞳孔定位圆心和半径。

2、对比度拉伸变换

经统计，上睫毛灰度值与瞳孔相近，靠近外眼角上睫毛密集，靠近内眼角上睫毛较稀疏，考虑上睫毛的特性，本实施例采用对比度拉伸，减少皮肤、虹膜和巩膜的影响。对比度拉伸变换函数选择如下表达式：

其中，r表示输入图像的亮度，m为变换的灰度阈值，s表示变换后的亮度，E控制该函数的斜率。在径向对称变换定位瞳孔结果的基础上，统计瞳孔左右两侧边界处的平均灰度得到m的取值。经过大量的实验，E＝3时拉伸结果比较理想。图4显示m＝50，E＝3的变换曲线以及图像变换前和变换后的对比(图4中，4a为对比度拉伸变换的曲线图，4b为对比度拉伸变换之前的图像，4c为对比度拉伸变换之后的图像)。

3、图像二值化

二值化处理的目的在于分割出上睫毛区域(当然同时也将子图像中的瞳孔区域分割出来了)，由于人眼图像因人、光照、采集设备等因素的不同，成像图像也差异很大，所以图像二值化阈值也存在较大差异。本发明选择Otsu阈值处理，通过自适应阈值处理，从而提高分割的准确度。由上图对比度拉伸后的图像经过Otsu阈值分割后，如图5所示。

4、左右眼判断

图5中(5a为二值化图像，5b为分成左半侧和有半侧的二值化图像，5b中已经把瞳孔区域排除在外)，统计在径向对称变换定位瞳孔结果的基础上，计算瞳孔两侧L和R区域中黑色的像素点的个数(这里将瞳孔部分的黑色除去不统计)，分别记为sumL和sumR，则左右眼睛判断依据如下表达式：

注，采集的为镜像图像，故上图中表示的L和R与实际图像中的相对位置相反。

由于以瞳孔为中心，分别计算瞳孔两侧的睫毛数量，该处理会影响斜视摄像头采集图像的判断，主要是眼球偏向外眼角的图像。因此，优选以二值化图像中睫毛的中心为中心(如图5中5b中的竖直黑线)，统计黑色的像素点的个数，即值为0的像素点的个数。

另一方面，本发明实施例提供一种虹膜识别中判断左右虹膜的装置，如图6所示，包括：

截取模块11，用于在虹膜图像上截取包括上睫毛和眼角的子图像；

统计模块12，用于统计子图像左半侧和右半侧的上睫毛密集度；

比较模块13，用于比较子图像左半侧和右半侧的上睫毛密集度的大小，若左半侧的上睫毛密集度大于右半侧的上睫毛密集度，则虹膜图像为右眼虹膜图像，否则为左眼虹膜图像。

本发明实施例能够判断虹膜图像是左眼虹膜图像还是右眼虹膜图像，并且能够适用于双目虹膜识别和单目虹膜识别中，适用范围广，简单方便，准确率高。

本发明实施例的统计模块可以使用各种方法统计子图像左半侧和右半侧的上睫毛密集度，具体的，统计模块包括可以包括：

二值化单元，用于对子图像进行二值化处理，得到二值化图像，以区分出上睫毛区域；

统计单元，用于统计二值化图像左半侧和右半侧的上睫毛区域中的像素点个数；

比较模块进一步用于：

比较二值化图像左半侧和右半侧的上睫毛区域中的像素点个数的大小，若左半侧的上睫毛区域中的像素点个数大于右半侧的上睫毛区域中的像素点个数，则虹膜图像为右眼虹膜图像，否则为左眼虹膜图像。

本发明实施例通过二值化来区分上睫毛区域，以上睫毛区域中的像素点个数来表示上睫毛密集度，简单直观，计算方便。

本发明实施例中，截取模块之后，二值化单元之前还包括：

变换模块，用于对子图像进行对比度拉伸变换。

对比度拉伸变换能够增加上睫毛周围的皮肤、虹膜和巩膜区域的差异，使得后续的二值化处理更加准确。

进一步的，截取模块进一步用于：

以瞳孔圆心为中心，向上下左右分别取若干个像素，得到包含上睫毛的矩形子图像。

本实施例使用瞳孔圆心向上下左右分别取若干个像素的方法截取子图像，简单方便。

本发明实施例中，二值化单元可以有各种实施方式，优选的：

使用Otsu阈值处理对子图像进行二值化处理，得到二值化图像，其中，上睫毛位置处设为0。本实施例提高了二值化的准确度。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (6)

1.一种虹膜识别中判断左右虹膜的方法，其特征在于，包括：

采用径向对称变换对虹膜图像进行瞳孔定位，得到瞳孔圆心和半径；

以瞳孔圆心为中心，向上下左右分别取若干个像素，得到包含外眼角、内眼角和整个上睫毛的矩形子图像；

对所述矩形子图像进行二值化处理，得到二值化图像，以区分出上睫毛区域；

根据瞳孔定位结果，从二值化图像上去除瞳孔区域；

统计所述二值化图像左半侧和右半侧的上睫毛区域中的像素点个数；

比较所述二值化图像左半侧和右半侧的上睫毛区域中的像素点个数的大小，若左半侧的上睫毛区域中的像素点个数大于右半侧的上睫毛区域中的像素点个数，则虹膜图像为右眼虹膜图像，否则为左眼虹膜图像。

2.根据权利要求1所述的虹膜识别中判断左右虹膜的方法，其特征在于，所述以瞳孔圆心为中心，向上下左右分别取若干个像素，得到包含外眼角、内眼角和整个上睫毛的矩形子图像之后，所述对所述子图像进行二值化处理，得到二值化图像，以区分出上睫毛区域之前还包括：

对所述子图像进行对比度拉伸变换。

3.根据权利要求1所述的虹膜识别中判断左右虹膜的方法，其特征在于，所述对所述子图像进行二值化处理，得到二值化图像，以区分出上睫毛区域进一步为：

使用Otsu阈值处理对所述子图像进行二值化处理，得到二值化图像，其中，所述上睫毛位置处设为0。

4.一种虹膜识别中判断左右虹膜的装置，其特征在于，包括：

截取模块，用于采用径向对称变换对虹膜图像进行瞳孔定位，得到瞳孔圆心和半径；以瞳孔圆心为中心，向上下左右分别取若干个像素，得到包含外眼角、内眼角和整个上睫毛的矩形子图像；

二值化单元，用于对所述子图像进行二值化处理，得到二值化图像，以区分出上睫毛区域；

统计单元，用于根据瞳孔定位结果，从二值化图像上去除瞳孔区域；统计所述二值化图像左半侧和右半侧的上睫毛区域中的像素点个数；

比较模块，用于比较所述二值化图像左半侧和右半侧的上睫毛区域中的像素点个数的大小，若左半侧的上睫毛区域中的像素点个数大于右半侧的上睫毛区域中的像素点个数，则虹膜图像为右眼虹膜图像，否则为左眼虹膜图像。

5.根据权利要求4所述的虹膜识别中判断左右虹膜的装置，其特征在于，所述装置还包括：

变换模块，用于对所述子图像进行对比度拉伸变换。

6.根据权利要求4所述的虹膜识别中判断左右虹膜的装置，其特征在于，所述二值化单元进一步用于：

使用Otsu阈值处理对所述子图像进行二值化处理，得到二值化图像，其中，所述上睫毛位置处设为0。