基于生物活体识别技术的虹膜识别门禁管理系统方案
基于生物活体识别技术的虹膜识别门禁管理系统方案
2017-05-27 09:03
基于生物活体识别技术的虹膜识别门禁管理系统方案
1概述
本项目是基于生物活体识别技术的安全门禁管理系统，涉及重要区域的人员出入管理与控制。系统中所有人员身份的验证方式均采用虹膜识别技术方式。
本方案采用的多奥虹膜识别门禁系统，其主要技术为美国 Iritech公司开发的虹膜识别算法与韩国LG公司出品的虹膜识别仪及应用系统的结合，是一套先进、成熟的门禁监控系统。
2 工程概述
2.1 防范目的
在一些诸如金库、机房等重要的场所，对人员的出入控制要求非常严格，安装虹膜门禁系统实施权限控制，防止出现无关人员或越权人员进出受限区域，记录并管理出入人员的出入信息，以达到安全、科学、规范的管理目的。
2.2 先进性
多奥虹膜识别门禁系统的采用了活体生物识别技术，利用虹膜特征的精准性、唯一性、不可替代性、不能复制、必须本人才能识别和高速识别（0.03秒）等决定了其技术的先进性。虹膜采集装置可以在20-60cm的距离处的采集虹膜图像，避免了由于身体接触，安全卫生。对诸如单眼、近视眼、戴近视镜、墨镜等人员仍能正常快速识别。虹膜采集装置的红外LED灯技术标准符合美国和欧洲的眼睛安全标准，无辐射、无伤害。
2.3 安全性
为使整个系统充分发挥其较高的安全性能，从以下几个方面确保系统安全可靠：
1）非接触性：无伤害；
2）精确唯一：不可替代；
3）高速识别：不受隐形、墨镜影响；
4）使用方便：不必担心丢失、遗忘；
2.4 可靠性
可靠性是本方案设计时要考虑到的首要因素，具体考虑几方面：
1）一次注册虹膜信息，达到长期使用；
2）一个系统可控制多个门禁，按照权限设置能否进入；
3）可追述性，实时查询出入记录；
4）虹膜识别机自身可存储几万条出入记录，实时传输给服务器备份。
2.5 操作、维护简易性
多奥生物识别系统硬件与软件部分均考虑到人性化设计，各模块子系统相对独立。相关人员只需一次注册，保存至系统服务器即可永久使用，并可对其信息进行相应修改或删除。人员虹膜采集时间只需要十几秒钟，识别过程可在3秒钟内完成。使用与维护极其简便，大大提高了工作效率，降低了维护成本。
3 多奥虹膜识别门禁系统系统组成与介绍
3.1 硬件系统
3.1.1 服务器PC
服务器PC应放置在一个受保护或者受控的区域内，其基本配置要求请参见下表：
项目配置
操作系统Windows 2000 / Windows XP
中央处理器CPUP4 2.4或更高配置
内存1G或更高配置
硬盘80G或更高配置
接口1个串行通讯口、光驱、网卡
显示器、键盘和鼠标
3.1.2光学注册单元 (DAHM-MJ-MB)
注册光学单元即虹膜注册机，用于在系统中采集人员虹膜信息，此设备根据指令采集人员虹膜信息，并将其自动保存在系统服务器中的数据库中。注册光学单元通常放置在桌面、台面或挂、嵌于墙体。
项目配置
重量3kg
电源12DC 或 24V AC
功耗12W
操作距离300~400 mm
虹膜识别时间（取像后）约1.5s
尺寸212 X 216 X 55 mm
通讯接口TCP/IP接口和Wiegand
最大安装距离与注册工作站服务器PC最长距离100m
操作温度-10℃~40℃
操作湿度30%~80%
3.1.3识别与控制单元(DAHM-MJ-MB)
识别单元与门禁系统相连接即可控制人员的出入。只有事先采集过虹膜信息并被分配了相应权限的人员方可识别通过，验证成功后，识别单元会给门禁系统一个信号，门方能打开。未进行注册人员或注册过未分配权限人员不能识别通过。
识别与控制单元的规格配置与注册单元同，参加上表。
3.2 软件系统
3.2.1监控管理软件
监控管理软件实际上是多奥虹膜识别系统的核心部分，它包含了虹膜识别的核心算法以及全部的管理、设置、处理、查询、比对等功能。监控管理软件包括4个主要管理系统软件以及3个辅助工具软件。4个管理系统软件即注册系统软件、管理系统软件、监视
系统软件以及服务器系统软件。3个辅助工具软件即数据库配置工具软件、识别控制单元控制器设置工具软件、光学单元语音提示信息下载工具软件。这7个系统和工具软件可以根据需要分别安装在不同的计算机上，也可以安装在同一台计算机上，无论是分开安装还是统一安装，这些软件之间均是通过网络地址进行通讯及数据交换的，其通讯协议遵循TCP/IP网络协议。之所以采用这种分别打包安装的方式，主要是根据其各自不同的功能为方便用户统一管理、调配的需要而定的。
3.3 系统网络拓扑图
3.4 系统配置单
序号设备名称规格及型号品牌数量单位备注
1虹膜识别仪DAHM-MJ-RW多奥19台
2系统管理软件DAHM-MJ-SF多奥1套
3数据库服务器T168联想1套也可自行采购
4施工环境及要求
4.1 设备安装建议
1)注册单元
注册单元可摆放在控制室内的桌面或平台上，随意性较大。
2)识别单元
为方便施工，建议识别单元采用墙体表面安装方式，即将识别设备固定在墙面上。识别单元大致尺寸为高350mm宽250mm，在安装之前应首先注意位置和空间的预留，并且为了为了系统安全性，要求此设备的走暗线，因此要事先考虑在墙体穿洞走线的问题。识别单元需要走的线包括三种：电源线、信号线、网线。并且要考虑到
4.2 中控室环境建议
1)中控室环境建议
中控室的温度宜为16 ~30℃，相对湿度为30%~75%；λ
中控室内设备的排列，应便于维护与操作，并应满足安全、消防的规定要求；λ
2)供电建议
系统的供电电源应采用220V、50Hz的单相交流电源，并应配置专门的配电箱。当电压波动超出+5%~-10%范围时，应设稳压电源装置。稳压装置的标称功率不得小于系统使用功率的1.5倍；同时建议购置不间断电源（UPS）功率大于负载的两倍，持续供电时间应在1小时以上；λ
前端设备由中控室引专线统一供电；λ
3)接地建议
系统的接地，宜采用一点接地方式。接地母线应采用铜质线。接地线不得形成封闭回路，不得与强电的电网零线短接或混接；λ
系统采用专用接地装置时，其接地电阻不得大于4Ω；采用综合接地网时，其接地电阻不得大于1Ω；λ
5方案实施及组织管理
5.1 设备及系统安装
我公司承接整个系统的设备安装指导工作。由公司指派专人负责整个安装指导工作及合作协调。
1)安装指导工作包括：全部门禁系统设备（中央站、控制器、电控锁、门磁开关等）的安装指导；协调工作包括：指派专人负责工程实施中的来往文件、备忘接收；参加会议；与各方接洽等工作以确保工程实施顺利进行。
5.2系统调试
在系统及设备安装完毕后，我方向用户提交一份详细的调试程序及各控制设定点，得到用户的同意后，进行系统调试。
1)校线：对所有接线进行严格校正，检查无误后进行下一步工作。
2)硬件调试
◆注册机、识别机运行调试；
◆门磁开关、出门按钮的输入设备进行校验；
3)网络调试
4)系统联调
◆整个门禁系统通电调试，全部通信无误；
◆软件各项软件工作正常；
5.2 完工验收
工程完工后，双方协商系统验收日期。验收工作严格按合同中规定的技术性能指标进行，验收合格后双方签署验收合格证明。
6技术服务
6.1 培训
培训方式为现场培训，从项目施工开始之日起即开始对系统人员的跟踪培训。在系统调试完成后，再进行系统全面培训。
6.2维护和保修
1)系统质量保修期为：设备交货后18个月或系统调试验收后12个月；
2)在质量保修期内向用户免费提供对设备正常运行的所有服务，必要的材料和设备；
3)任何时候，接到用户通知24小时内派遣有丰富经验的工程师到现场进行维修。
虹膜识别技术
前言随着社会的发展，身份识别的重要性正日益显现，而传统的身份识别方式由于其固有的局限性已远远不能满足要求，钥匙、卡片和身份证等容易丢失和仿造，密码则容易遗忘，更为严重的是这些传统识别方式无法区分真正的拥有者和取得身份标识物的冒充者，一旦他人获得了这些身份标识物，就可以拥有相同的权力。在需求的驱动下，基于人脸、指纹、虹膜、手形、笔迹等生物特征的识别技术应运而生。 虹膜识别技术是近几年兴起的生物认证技术。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、生理特性、颜色和总的外观，是最可靠的人体生物终身身份标识。虹膜识别就是通过这种人体生物特征来识别人的身份。在包括指纹在内的所有生物特征识别技术中，虹膜识别是当前应用最为精确的一种。虹膜识别技术以其高精确度、非接触式采集、易于使用等优点得到了迅速发展，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，现在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。 1.什么是虹膜 人眼的外观由巩膜、虹膜、瞳孔三部分构成，巩膜即眼球外围的白色部分，眼睛中心为瞳孔部分，虹膜位于巩膜和瞳孔之间，包含了最丰富的纹理信息。外观上看，虹膜由许多腺窝、皱褶、色素斑等构成，是人体中最独特的结构之一。 虹膜作为身份标识具有许多先天优势： 1) 唯一性，由于虹膜图像存在着许多随机分布的细节特征，造就了虹膜模式的唯一性。英国剑桥大学John Daugman教授提出的虹膜相位特征证实了虹膜图像有244个独立的自由度，即平均每平方毫米的信息量是3.2比特。实际上用模式识别方法提取图像特征是有损压缩过程，可以预测虹膜纹理的信息容量远大于此。并且虹膜细节特征主要是由胚胎发育环境的随机因素决定的，即使克隆人、双胞胎、同一人左右眼的虹膜图像之间也具有显著差异。虹膜的唯一性为高精度的身份识别奠定了基础。英国国家物理实验室的测试结果表明：虹膜识别是各种生物特征识别方法中错误率最低的。 2) 稳定性，虹膜从婴儿胚胎期的第3个月起开始发育，到第8个月虹膜的主要纹理结构已经成形。除非经历危及眼睛的外科手术，此后几乎终生不变。由于角膜的保护作用，发育完全的虹膜不易受到外界的伤害。 3) 非接触，虹膜是一个外部可见的内部器官，不必紧贴采集装置就能获取合格的虹膜图像，识别方式相对于指纹、手形等需要接触感知的生物特征更加干净卫生，不会污损成像装置，影响其他人的识别。 4) 便于信号处理，在眼睛图像中和虹膜邻近的区域是瞳孔和巩膜，它们和虹膜区域存在着明显的灰度阶变，并且区域边界都接近圆形，所以虹膜区域易于拟合分割和归一化。虹膜结构有利于实现一种具有平移、缩放和旋转不变性的模式表达方式。 5) 防伪性好，虹膜的半径小，在可见光下中国人的虹膜图像呈现深褐色，看不到纹理信息，具有清晰虹膜纹理的图像获取需要专用的虹膜图像采集装置和用户的配合，所以在一般情况下很难盗取他人的虹膜图像。此外眼睛具有很多光学和生理特性可用于活体虹膜检测。 2. 虹膜识别过程 虹膜识别通过对比虹膜图像特征之间的相似性来确定人们的身份，其核心是使用模式识别、图像处理等方法对人眼睛的虹膜特征进行描述和匹配，从而实现自动的个人身份认证。 虹膜识别技术的过程一般来说分为：虹膜图像获取、图像预处理、特征提取和特征匹配四个步骤。
指纹识别系统(文献综述)
指纹识别方法的综述 摘 要: 对在指纹的预处理和特征提取、指纹分类、指纹的匹配过程中的方向图、滤波器、神经网络等关 键性原理和技术做了详细的说明,并对在各个过程中用到的方法做了进一步的比较,讨论了各种方法的优越性。 0 引 言 自动指纹识别是上世纪六十年代兴起的,利用计算机取代人工来进行指纹识别的一种方法。近年 来,随着计算机技术的飞速发展,低价位指纹采集仪的出现以及高可靠算法的实现,更使得自动指纹识 别技术越来越多地进入到人们的生活和工作中,自动指纹识别系统的研究和开发正在成为国内外学术 界和商业界的热点。相对于其他生物特征鉴别技术例如语音识别及虹膜识别,指纹识别具有许多独到 的优点,更重要的是它具有很高的实用性和可行性,已经被认为是一种理想的身份认证技术,有着十分 广泛的应用前景,是将来生物特征识别技术的主流。 1 指纹取像 图 1 是一个自动指纹识别系统AFIS(Automated Fingerprint Identification System) 的简单流程。 → → → ↓ ↑ ———— 将一个人的指纹采集下来输入计算机进行处理是指纹自动识别的首要步骤。指纹图像的获取主要利用设备取像,方便实用,比较适合AFIS 。利用设备取像的主要方法又利用光学设备、晶体传感器和超声波来进行。光学取像设备是根据光的全反射原理来设计的。晶体传感器取像是根据谷线和脊线皮肤与传感器之间距离不同而产生的电容不同来设计的。超声波设备取像也是采用光波来取像,但由于超声波波长较短,抗干扰能力较强,所以成像的质量非常好。 2 图像的预处理与特征提取 无论采取哪种方法提取指纹,总会给指纹图像带来各种噪声。预处理的目的就是去除图像中的噪 音,把它变成一幅清晰的点线图,以便于提取正确的指纹特征。预处理是指纹自动识别过程的第一步, 它的好坏直接影响着指纹识别的效果。常用的预处理与特征提取( Image Preprocessing and Feature Ex 2 t raction) 方法的主要步骤包括方向图计算、图像滤波、二值化、细化、提取特征和后处理。当然这些步骤 可以根据系统和应用的具体情况再进行适当变化。文献[ 1 ]提出了基于脊线跟踪的方法能够指纹取像 图像预处理 特征提取 指纹识别 数据库管理
虹膜识别技术综述
虹膜识别技术综述 ——生物认证技术 姓名： 班级： 专业： 教师：
【引言】 生物认证技术又称为生物识别技术，是通过计算机利用人体所固有的生理特征或行为特征来进行个人身份鉴定。这是我们已经熟知的概念，然而，生物认证技术是一个很广泛的学术研究范围，我们需要深入了解的则是其下的各个研究分支，而其中的虹膜识别技术则是非常重要的一个分支，同时这种技术也是应用非常广泛的生物认证与识别技术之一 【知识简介】 首先，我们来了解一下虹膜—— 人眼睛的外观图由巩膜、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。另一方面，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，虹膜识别技术可以说是当前应用最为方便和精确的一种技术。它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。
【个人理解】 虹膜其实和我们人体的指纹一样，具有高度的“特异性”，这是作为“认”的根本与基础，同时它也同样具有良好的“稳定性”，这就意味着它具有防伪性，它奠定了“证”的可靠性! 许多资料包括刚才的简介中都提到这样类似的话“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”。在我看来，其实这就是一种高度可信的“防伪性能”，因为特别是在一般商业用途中，伪造（或者称之为“修改”）虹膜的代价可能远远高于骗取识别系统的信任所带来的利益，换句话说这就是“得不偿失”！ 虽然我们可能对指纹识别更为熟悉一些，但是实质上虹膜识别的精确性丝毫不逊于指纹识别！——根据各种资料的介绍，我得到了这样一种认知：“虹膜结构是非常复杂而精细的”，对于在鲜活人体上的虹膜与虹膜之间而言，它们的区别可以说是非常大的（超过了指纹间特征点的区别程度），就像一个完全独立于其他任何事物的精细工艺品，要“确认”它非常容易，同时要发现“雷同”的却基本是不可能的！在我看来，这就是虹膜可以作为真正识别身份的生物特征并且这种识别技术应用越来越广泛，实用性与适用性越来越强的原因！
虹膜识别DAUGMAN核心算法介绍
虹膜识别DAUGMAN核心算法介绍 眼睛的虹膜是由相当复杂的纤维组织构成，其细部结构在出生之前就以随机组合的方式决定下来了，虹膜识别技术将虹膜的可视特征转换成一个512个字节的Iris Code(虹膜代码)，这个代码模板被存储下来以便后期识别所用，512个字节，对生物识别模板来说是一个十分紧凑的模板，但它对从虹膜获得的信息量来说是十分巨大的。 一、采集： 从直径11mm的虹膜上，Dr.Daugman的算法用3.4个字节的数据来代表每平方毫米的虹膜信息，这样，一个虹膜约有266个量化特征点，而一般的生物识别技术只有13个到60个特征点。266个量化特征点的虹膜识别算法在众多虹膜识别技术资料中都有讲述，在算法和人类眼部特征允许的情况下，Dr.Daugman指出，通过他的算法可获得173个二进制自由度的独立特征点。在生物识别技术中，这个特征点的数量是相当大的。 二、算法： 第一步是通过一个距离眼睛3英寸的精密相机来确定虹膜的位置。当相机对准眼睛后，算法逐渐将焦距对准虹膜左右两侧，确定虹膜的外沿，这种水平方法受到了眼睑的阻碍。算法同时将焦距对准虹膜的内沿（即瞳孔）并排除眼液和细微组织的影响。 单色相机利用可见光和红外线，红外线定位在700-900mm的范围内（这是IR技术的低限，美国眼科学会在他们对macular cysts研究中使用同样的范围。）在虹膜的上方，算法通过二维Gabor子波的方法来细分和重组虹膜图象，第一个细分的部分被称为phasor，要理解二维gabor子波的原理需要懂得很深的数学知识。 三、精确度： 由于虹膜代码(Iris Code)是通过复杂的运算获得的，并能提供数量较多的特征点，所以虹膜识别技术是精确度最高的生物识别技术，具体描述如下：·两个不同的虹膜信息有75%匹配信息的可能性是1:106 ·等错率：1:1200000 ·两个不同的虹膜产生相同Iris Code（虹膜代码）的可能性是1:1052 四、录入和识别： 整个过程其实是十分简单的，虹膜的定位可在1秒钟之内完成，产生虹膜代码(Iris Code)的时间也仅需1秒的时间，数据库的检索时间也相当快，就是在有成千上万个虹膜信息数据库中进行检索，所用时间也不多，有人可能会对如此快的速度产生质疑，其实虹膜识别技术的算法还受到了现有技术的制约。我们知道，处理器速度是大规模检索的一个瓶颈，另外网络和硬件设备的性能也制约着检索的速度。当然，由于虹膜识别技术采用的是单色成像技术，因此一些图像很难把它从瞳孔的图像中分离出来。但是虹膜识别技术所采用的算法允许图像质量在某种程度上有所变化。相同的虹膜所产生的Iris Code（虹膜代码）也有25%
关于虹膜识别方法的课程大作业
用户较少配合情况下的虹膜识别方法研究 用户较少配合情况下的虹膜识别技术具有易于市场推广、方便快捷等优点，已成为虹膜识别技术的发展趋势。由于眼睑遮挡、运动模糊、高亮点等多种干扰和噪声影响，非理想条件下采集的虹膜图像中虹膜通常不是完整的，模糊或发生形变。这种情况下的虹膜识别具有很高的挑战性。本文首先阐述了在CASIA—IrisV4虹膜数据库中的虹膜定位方法。该方法二值化虹膜图像保留瞳孔高亮点信息，并通过横纵向投影初步确定瞳孔位置。然后在限定范围内采用Canny边缘检测和圆Hough变换拟合虹膜内外轮廓。 用户较少配合情况下虹膜识别技术研究背景 虹膜表面高低不平，有许多皱纹、凹陷、条纹、斑点以及隐窝等细节特征，包含丰富的纹理信息。正常情况下，虹膜纹理一旦形成，终生不变。人眼立体机构中，虹膜位于角膜之后；水晶体之前。虹膜有天然的保护膜。虹膜纹理极少因意外伤害被破坏，亦不会磨损。人为改变虹膜纹理几乎不可行，还有失明的危险。此外，因光照不同瞳孔的大小发生变化是检测虹膜活体组织的显著特征。这些生理特点为虹膜成为身份认证生物特征提供了生理学理论依据。 但是，现有的虹膜识别系统要求用户高度配合，即在特定光照
条件下，虹膜采集仪与人眼的距离在固定范围内，并且用户视线直视虹膜采集设备等条件下进行虹膜采集。有的虹膜识别系统甚至在虹膜识别之前，需要教授用户如何才能让虹膜采集仪获取适合的虹膜图像，使得虹膜识虹膜图像别系统正常工作。这一过程不仅耗时而且枯燥，反复采集虹膜图像使用户感到厌烦，因此，用户较少配合情况下的虹膜识别技术的呼声越来越高。 虹膜图像预处理 较少配合情况下，在降质虹膜图像中提取的虹膜特征的分类表征能力不理想。虹膜识别中的预处理算法的性能准确性尤为关键，直接影响虹膜匹配的准确性。 虹膜识别流程 虹膜识别主要分三个阶段：虹膜图像采集、虹膜图像预处理和虹膜特征提取与匹配。每个阶段对最终的识别效果的影响都至关重要。首先，虹膜采集得到虹膜图像。然后是预处理阶段，包括在虹膜图像中定位虹膜位置与内外边缘，检测虹膜区域中被眼睑、睫毛与高亮点遮挡的部分，归一化虹膜图像以及虹膜图像增强。最后是虹膜图像特征提取与匹配，在预处理后的虹膜图像上，提取能够唯
虹膜识别算法研究及实现
摘要 在当今信息化时代，如何精确鉴定个人的真实身份、保护信息安全，已成为一个急待解决的关键性问题。传统的身份认证极易伪造和丢失，难以满足急速发展的社会需求，目前最为便捷、安全的解决方案就是生物体识别技术。它不仅简洁快速，而且安全、可靠、准确。同时更易于配合网络和安全、监控、管理系统整合，实现自动便捷管理。虹膜识别是一种基于人体生理特征的生物体特征识别技术，与人体纹理、掌纹、脸相、音频、步频、血液等特征识别相比，具有唯一、高稳定、识别率高、检测方便等优点，因此虹膜识别技术己成为当前身份鉴别研究的热门领域。 本论文详细阐述了虹膜识别技术的研究背景和现状、虹膜生理结构和虹膜识别系统的构成。较深入的研究了虹膜识别算法，实现了三个步骤，即虹膜数字图像预处理、特征码提取和模式匹配。本论文的研究工作主要集中在对虹膜数字图像预处理的归一化和模式匹配两方面的研究。 在虹膜数字图像预处理的归一化过程中，采用一种基于Dangman橡皮片的辐射线段的归一化方式，将环型区域改变成为矩形区域。这种方式采用若千条线段表示两个非同心圆周之间的区域，只要设定这些线段上的点数就可以起到很好的归一化成果，并且仅出一种分析模型。更加定位搜索的效率，节约时间，简化定位的过程。采取Hough变换算子对虹膜进行精定位。 在特征提取及编码匹配过程中，本论文首先将归一化后的2D虹膜数字图像转换为1D灰度信号，从而减小了运算量;然后运用1D Gabor小波对构造的1D 灰度信号进行分析，选取一定尺度上的小波变换结果进行量化，生成二进制的特征向量，从而提高了虹膜识别技术的效率;最后通过改进的Hamming距离移位匹配，实现了识别中的旋转不可逆性。 本论文通过使用中科院自动化研究所的虹膜数据库(CASIA-IRISV1)的虹膜数字图像进行实验。经过一定工作量的科学实验对这一算法进行了验证。实验结果：本论文选取的CASIA-a中心波长为20像素效果最好。最好的模板大小为
虹膜识别技术的应用
华侨大学厦门工学院《信息安全技术》课程论文 题目：虹膜识别技术的研究与应用 专业、班级：通信工程X班 学生姓名：XXX 学号：120230XXXX 指导教师：XXX 分数: 2015 年XX月XX 日
《虹膜识别技术的研究与应用》 摘要 本文介绍了当前最有发展前景的生物特征识别技术，即虹膜识别技术，详细介绍了虹膜识别的主要步骤，虹膜图像的获取、预处理、特征提取与编码和分类。最后，针对虹膜识别技术存在的主要问题分析了虹膜识别的发展方向及应用前景。 关键词：虹膜识别；身份鉴别；生物特征 1.识别技术的简介 身份是指从行政法律或经济社会方面确定个人的地位或权利。身份识别就是验证个人的真伪，以防范冒名顶替者的违法犯罪活动。目前，身份识别主要靠各种证件(如身份证、智能卡等)、个人识别码(如口令、密码等)及生物特征识别。由于证件容易被剽窃、转移或丢失，识别码容易被忘记、破解，所以生物特征识别是目前最为方便与安全的识别技术。它不需要随身携带任何证件，记住任何密码，是一种方便、快捷、可靠的识别方法。生物特征识别是通过人体所固有的生理特征或行为特征对个人身份进行鉴定的技术。常见的生物特征有指纹、掌纹、虹膜、视网膜、脸形、声音、笔迹、DNA、人体气味等。其中，虹膜识别是一种重要的个人身份识别手段。 眼睛中心为瞳孔部分，虹膜位于巩膜和瞳孔之间，包含了最丰富的纹理信息。外观上看，虹膜由许多腺窝、皱褶、色素斑等构成，是人体中最独特的结构之一。虹膜作为身份标识具有许多先天优势。第一，唯一性，由于虹膜图像存在着许多
随机分布的细节特征，造就了虹膜模式的唯一性。英国剑桥大学John Daugman 教授提出的虹膜相位特征证实了虹膜图像有244个独立的自由度，即平均每平方毫米的信息量是3.2比特。实际上用模式识别方法提取图像特征是有损压缩过程，可以预测虹膜纹理的信息容量远大于此。并且虹膜细节特征主要是由胚胎发育环境的随机因素决定的，即使克隆人、双胞胎、同一人左右眼的虹膜图像之间也具有显著差异。虹膜的唯一性为高精度的身份识别奠定了基础。英国国家物理实验室的测试结果表明：虹膜识别是各种生物特征识别方法中错误率最低的。第二，稳定性，虹膜从婴儿胚胎期的第3个月起开始发育，到第8个月虹膜的主要纹理结构已经成形。除非经历危及眼睛的外科手术，此后几乎终生不变。由于角膜的保护作用，发育完全的虹膜不易受到外界的伤害。第三，非接触，虹膜是一个外部可见的内部器官，不必紧贴采集装置就能获取合格的虹膜图像，识别方式相对于指纹、手形等需要接触感知的生物特征更加干净卫生，不会污损成像装置，影响其他人的识别。第四，便于信号处理，在眼睛图像中和虹膜邻近的区域是瞳孔和巩膜，它们和虹膜区域存在着明显的灰度阶变，并且区域边界都接近圆形，所以虹膜区域易于拟合分割和归一化。虹膜结构有利于实现一种具有平移、缩放和旋转不变性的模式表达方式。第五，防伪性好，虹膜的半径小，在可见光下中国人的虹膜图像呈现深褐色，看不到纹理信息，具有清晰虹膜纹理的图像获取需要专用的虹膜图像采集装置和用户的配合，所以在一般情况下很难盗取他人的虹膜图像。此外眼睛具有很多光学和生理特性可用于活体虹膜检测。 2.虹膜识别技术的原理 2.1 虹膜识别的过程 虹膜识别通过对比虹膜图像特征之间的相似性来确定人们的身份，其核心是使用模式识别、图像处理等方法对人眼睛的虹膜特征进行描述和匹配，从而实现自动的个人身份认证。虹膜识别的主要步骤包括虹膜图像的获取、预处理、特征提取与编码和分类。 2.2 虹膜图像获取 虹膜图像获取是指使用特定的数字摄像器材对人的整个眼部进行拍摄，并将
2017年面向大数据的人工智能技术综述报告
面向大数据的人工智能技术综述报告 【摘要】 本文通过分析人工智能技术当前的主流分类及所采用的核心技术，对其现状进行梳理，据此总结出目前所存在的问题及难点，并在上述研究和分析的基础上，探讨在大数据快速发展的背景下，人工智能技术的发展趋势和关键技术领域，就面向大数据的人工智能技术未来发展的相互关系和潜力进行一些初步探讨，提出可以利用大数据完善人工智能技术的建议。 【关键词】面向大数据；人工智能；发展趋势 引言 2016年正好是人工智能诞生60周年，它从科学成果逐渐转化为商业应用成果，并在人们的生活中逐渐起到越来越重要的作用。近年来，人工智能技术日益融入金融、科研等各个领域，随之而来的是大量的新型信息数据和资料的产生。当人工智能遇上大数据，究竟会引爆怎样一种改变世界的力量？是更大的数据让人工智能凸显出独立性，还是更强的算法成就了机器的自我学习？ 对于进入机器学习的时代，应用需求已经超越了原来普通的编程和数据库所能提供的解决范畴，面对空前庞大的数据量，通过人工智能技术将可能提供智能化的处理服务解决方案。面对大量的数据，如何进行整合处理，将大数据用于实时分析并对未来预测，使当下获取到的数据信息能进行有利于现有行为的分析预测，转化为有利的资源，俨然成为新的思潮。 １.研究背景 1.1 大数据和人工智能的概念 什么是大数据？是技术领域发展趋势的一个概括，这一趋势打开了理解世界和制定决策的新办法之门。根据技术研究机构IDC的预计，大量新数据无时不刻不在涌现，它们以每年50%的速度在增长，或者说每两年就要翻一番多。并不仅仅是数据的洪流越来越大，而且全新的支流也会越来越多。比方说，现在全球就有无数的数字传感器依附在工业设备、汽车、电表和板条箱上。它们能够测定方位、运动、振动、温度、湿度、甚至大气中的化学变化，并可以通信。将这些通
虹膜识别原理
虹膜识别原理 1 虹膜的结构和生理特点 人眼从外观图上看由巩膜、虹膜、瞳孔三部分构成。如图1所示。中心较黑的部分是瞳孔区，瞳孔随入射光线强度的变化，会产生收缩或扩张，从而牵动虹膜变化;两侧颜色较浅的部分是巩膜区(即通常所说的眼白);位于瞳孔和巩膜之间的区域即为虹膜，总体上呈现一种由里到外的放射状结构，虹膜与巩膜、瞳孔的边界均为近似圆形，是图像匹配时可以利用的重要几何信息。 图1 人眼外观图 虹膜在结构上分为四层，由内到外依次是:色素细胞沉积的上皮层、控制瞳孔缩放的肌纤维层、包含丰富毛细血管的基质层和结构较基质层更为致密的前界层(虹膜外部的可见部分就是指它，分为中心瞳孔区和环绕睫状层，形貌高度细节化，包含了极为丰富的信息)。虹膜表面高低不平，有皱壁和凹陷，凹陷又称隐窝。 近瞳孔处的皱壁特别显著，称虹膜皱壁或领状韧带，它是虹膜小动脉环的位置标志。虹膜后表面较平坦，由于虹膜内血管分布不均匀，使虹膜表面出现许多规则的放射形条纹。在近瞳孔边缘处，有一条租细不匀的黑边，是虹膜背面的色素
上皮层向前延伸的结果，此黑边当瞳孔扩大时变窄，瞳孔缩小时增宽，如图2所示。 图2 虹膜纹理结构图 虹膜纹理用于身份识别具有以下的生理和医学特征: (1) 虹膜纹理具有稳定性和不变性。人眼的虹膜是人体唯一的外部可见的内部器官，得到了眼睑和角膜的有效保护，在正常情况下几乎不可能受到外部损害; 而且，在人出生一年以后，在正常的社会生活环境中，除非发生病变，否则终生不再变化，具有可靠的稳定性。 (2) 虹膜纹理具有绝对的唯一性。每个人的虹膜都拥有独特的机构纹理，胚胎生物学界的科学家发现，虹膜的基本结构是由遗传基因决定的，不同的遗传基因决定了不同的虹膜基本结构，虹膜形成之前和虹膜发育期间的胚胎环境决定了虹膜的细微结构。可以这么说，自然界没有两个完全相同的胚胎环境。而且，新生儿的出生的第一年是虹膜色素细胞的发育沉淀期，新生儿不同的生长环境和不同的营养状况决定了不同虹膜在同一光线下表现出不同细微纹理:以上诸多条件的制约造成了一个人的左右眼或者即使是孪生子的虹膜也几乎不可能相同，因此从生物学的角度来说，人眼的虹膜纹理具有唯一性。
表情识别技术综述
表情识别技术综述 摘要：表情识别作为一种人机交互的方式，成为研究的热点。基于对表情识别的基本分析，文章重点介绍了面部表情识别的国内外研究情况和面部表情特征的提取方法。 关键词：表情识别；特征提取；表情分类。 前言：进入21世纪，随着计算机技术和人工智能技术及其相关学科的迅猛发展，整个社会的自动化程度不断提高，人们对类似于人和人交流方式的人机交互的需求日益强烈。计算机和机器人如果能够像人类那样具有理解和表达情感的能力，将从根本上改变人与计算机之间的关系，使计算机能够更好地为人类服务。表情识别是情感理解的基础，是计算机理解人们情感的前提，也是人们探索和理解智能的有效途径。如果实现计算机对人脸表情的理解与识别将从根本上改变人与计算机的关系，这将对未来人机交互领域产生重大的意义。 正文：一、面部表情识别的国内外研究情况 面部表情识别技术是近几十年来才逐渐发展起来的，由于面部表情的多样性和复杂性，并且涉及生理学及心理学，表情识别具有较大的难度，因此，与其它生物识别技术如指纹识别、虹膜识别、人脸识别等相比，发展相对较慢，应用还不广泛。但是表情识别对于人机交互却有重要的价值，因此国内外很多研究机构及学者致力于这方面的研究，并己经取得了一定的成果。 进入90年代，对面部表情识别的研究变得非常活跃，吸引了大量的研究人员和基金支持。美国、日本、英国、德国、荷兰、法国等经济发达国家和印度、新加坡都有专门的研究组进行这方面的研究。其中MIT的多媒体实验室的感知计算组、CMu、Ma州大学的计算机视觉实验室、Standford大学、日本城蹊大学、大阪大学、ArR研究所的贡献尤为突出。 国内的清华大学、哈尔滨工业大学、中科院、中国科技大学、南京理工大学、北方交通大学等都有专业人员从事人脸表情识别的研究，并取得了一定的成绩。在1999年的国家自然科学基金中的“和谐人机环境中情感计算理论研究”被列为了重点项目。同时中国科学院自动化所、心理所以及国内众多高校也在这方面取得了一定的进展。2003年，在北京举行了第一届中国情感计算与智能交互学术会议，会议期间集中展示了国内各研究机构近几年来从认知、心理、模式识别、系统集成等多种角度在情感计算领域取得的研究成果，一定程度上弥补了我国这方面的空白。国家“863”计划、“973”项目、国家自然科学基金等也都对人脸表情识别技术的研究提供了项目资助。 二、面部表情特征的提取方法 表情特征提取是表情识别系统中最重要的部分，有效的表情特征提取工作将使识别的性能大大提高，当前的研究工作也大部分是针对表情特征的提取。 目前为止的人脸面部表情特征提取方法大都是从人脸识别的特征提取方法别演变而来，所用到的识别特征主要有:灰度特征、运动特征和频率特征三种阎。灰度特征是从表情图像的灰度值上来处理，利用不同表情有不同灰度值来得到识别的依据。运动特征利用了不同表情情况下人脸的主要表情点的运动信息来进行识别。频域特征主要是利用了表情图像在不同的频率分解下的差别，速度快是其显著特点。在具体的表情识别方法上，分类方向主要有三个:整体识别法和局部识别法、形变提取法和运动提取法、几何特征法和容貌特征法。 整体识别法中，无论是从脸部的变形出发还是从脸部的运动出发，都是将表情人脸作为一个整体来分析，找出各种表情下的图像差别。其中典型的方法有:基于特征脸的主成分分析(prineipalComponentAnalysis，pCA)法、独立分量分析法(Indendent ComPonent Analysis，ICA)、Fisher线性判别法(Fisher’s Linear Discriminants，FLD)、局部特征分析(LoealFeatureAnalysis，LFA)、Fishe诞动法(Fisher^ctions)、隐马尔科夫模型法(HideMarkovModel，HMM)和聚类分析法。
虹膜识别技术原理_虹膜识别技术优缺点
虹膜识别技术原理_虹膜识别技术优缺点 虹膜是一种在眼睛中瞳孔内的织物状各色环状物，每一个虹膜都包含一个独一无二的基于像冠、水晶体、细丝、斑点、结构、凹点、射线、皱纹和条纹等特征的结构，据称，没有任何两个虹膜是一样的。虹膜识别技术是人体生物识别技术的一种。 虹膜识别技术是基于眼睛中的虹膜进行身份识别，应用于安防设备（如门禁等），以及有高度保密需求的场所。例如，在好莱坞大片中，通过扫描眼睛视网膜开启保密房间或保险箱的炫酷场景，大家一定还记忆犹新吧！使用虹膜识别技术，为需要高度保密的场所提供了高度安全保障。下面介绍虹膜识别技术原理及虹膜识别技术优缺点。 虹膜识别技术原理虹膜是瞳孔周围的环状颜色组织，它有丰富而各不相同的纹理图案，构成了虹膜识别的基础。虹膜识别技术是通过一种近似红外线的光线对虹膜图案进行扫描成像，并通过图案象素位的异或操作来判定相似程度。虹膜识别过程首先需要把虹膜从眼睛图像中分离出来，再进行特征分析。理论上找到两个完全相同的虹膜的概率是120万分之一。这也是目前已知的所有生物识别技术中最为精确的。 虹膜识别就是通过对比虹膜图像特征之间的相似性来确定人们的身份。虹膜识别技术的过程一般来说包含如下四个步骤： 1．虹膜图像获取 使用特定的摄像器材对人的整个眼部进行拍摄，并将拍摄到的图像传输给虹膜识别系统的图像预处理软件。 2．图像预处理 对获取到的虹膜图像进行如下处理，使其满足提取虹膜特征的需求。 虹膜定位：确定内圆、外圆和二次曲线在图像中的位置。其中，内圆为虹膜与瞳孔的边界，外圆为虹膜与巩膜的边界，二次曲线为虹膜与上下眼皮的边界。 虹膜图像归一化：将图像中的虹膜大小，调整到识别系统设置的固定尺寸。
虹膜识别技术
指纹识别、人脸识别技术正在趋于成熟，也正在被应用到更丰富的场景，逐渐改变我们生活的方方面面。但在大多使用场景中，很多人发现原来指纹可以复制，双胞胎、整容等因素又让人脸识别傻傻分不清楚……某种程度上对指纹识别、人脸识别的安全性提出了挑战。技术永远存在bug，那么要实现精准识别，还能通过什么样的不可替代的生物体特征？答案可能是虹膜识别。 人类一直有一个关于“精准身份识别”的梦想，人脸、指纹、虹膜这些不可替代的生物体特征陆续被技术所用。指纹识别、人脸识别的准确度受到质疑的时候，不得不提到虹膜识别。虹膜识别，可能是一项更具有安全性的技术。 一、什么是虹膜识别： 简单来说，人的眼睛结构由巩膜、虹膜、瞳孔三部分构成。虹膜是位于黑色瞳孔和白色巩膜之间的圆环状部分，是眼球中瞳孔周围的深色部分，其包含有很多相互交错的斑点、细丝、冠状、条纹等等细节特征。而平时我们常见的近视眼、白内障、红眼病对虹膜也完全不会造成破坏，这些特征决定了虹膜特征以及身份识别的唯一性。 虹膜识别技术则是人体生物识别技术的一种，被广泛认为是21世纪最具有发展前途的生物认证技术，可用于未来的安防、国防、电子商务等多种领域的应用。虹膜识别算法程序的开发者是一位名叫 John Daugman 的美国数学家，他被业内称作是虹膜识别算法理论的开创者。 二、虹膜识别技术受追捧的另一个因素是：安全 因为人眼的虹膜在出生 6 个月后即发育成熟，之后就会保持终生不变，更不会出现如指纹磨损、面容变化导致设备拒识本人的情况，而且眼球剥离人体后虹膜会随瞳孔放大而失去活性，很难被伪造。相较于指纹0.8%、人脸识别2%左右的误识率，虹膜识别误识率可低至百万分之一。 在国内，早期虹膜识别技术被广泛用于煤矿行业的考勤。西安中媒科技、北京中科虹霸是当时最大的两家虹膜识别设备提供商，前者的技术来源于西安交大，后者主要成员来自于中科院自动化所。它们都具备技术研发的基础，同时也做代理国外产品的生意，比如中媒科技就是LG在中国的最大代理商，后来中媒科技由于内部出现问题分支出两家公司：西安中虹智能科技、西安凯虹电子科技，同样是做代理。 三、国内的虹膜识别技术主要来源于中科院自动化所和上海交通大学图像所 它们分别衍生了前文所提到的中科虹霸和聚虹光电两家公司，这两家公司在虹膜识别技术的研究时间都超过10年，业内人士称之为：北中科，南聚虹。 国内虹膜技术的研发方向是针对东亚人的黑色虹膜识别，黑色虹膜由于纹理少，表面色素多，光线原因导致不稳定性又强等因素，是被虹膜识别理论创立者 Daugman 公认的最难识别的，这也决定着黑色虹膜在可见光下是不能看到的，必须用到红外光识别。中国恰恰又是黑色虹膜最大样本市场。所以，这两家目前在煤矿、电力、安全等领域都有落地的案例。 四、虽然目前来看，国内虹膜行业呈现的状态很混乱，行业不规范，但虹膜识别的应用场景却非常广阔，尤其是与医疗、社保、信用、金融相关涉及信息安全、身份验证的领域
人脸识别技术综述
龙源期刊网 https://www.360docs.net/doc/db12389057.html, 人脸识别技术综述 作者：唐勇 来源：《硅谷》2011年第09期 摘要：人脸识别是模式识别领域中一个具有实际应用价值和广阔应用前景的研究课题。 系统的对主流人脸识别算法进行综述，总结现阶段人脸识别研究的困难，并对未来人脸识别的发展方向进行展望。 关键词：人脸识别；光照补偿；人脸检测 中图分类号： TP316文献标识码：A文章编号：1671－7597（2011）0510029－01 0 引言 在信息技术飞速发展的今天，电子商务、电子银行、网络安全等应用领域急需高效的自动身份认证技术。当前，我国的各种管理系统大部分都使用证件、磁卡、IC卡和密码等传统技 术保障系统安全，在一定程度上无法避免伪造、丢失、窃取或遗忘，存在极大的安全隐患。基于人体生物特征的身份鉴别方法，如指纹识别、虹膜识别、人脸识别等利用生物特征的普遍性、唯一性、永久性、可接受性、防卫性进行身份识别可以避免上述已有的身份鉴别技术缺陷。 1 人脸识别常用算法 随着社会对人脸识别系统的迫切需求人脸识别研究再次成为热门课题。2008年我国在奥 运会的历史上是第一次采用人脸识别这种生物识别系统为之提供安全保障。目前常见的人脸识别基本算法可分为以下几类： 1.1 基于几何特征的人脸识别方法[2]。这类方法是通过人脸面部拓扑结构几何关系的先验知识，利用基于结构的方法在知识的层次上提取人脸面部主要器官特征，将人脸用一组几何特征矢量表示，识别归结为特征矢量之间的匹配。基于几何特征的识别方法具有存储量小、对光照不敏感等优点。但这种方法抽取稳定的特征比较困难，对强烈的表情变化和姿态变化鲁棒性较差，适合用于粗分类。 1.2 基于特征脸的人脸识别方法。特征脸法是人脸识别中常用的一种方法。该方法的主要是从人脸图像的全局特征出发，运用Karhunen Loeve变换理论，在原始人脸空间中求得一组正交向量，并以此构成新的人脸空间，使所有人脸的均方差最小，达到降维的目的。特征脸方法易受角度、光照、表情等干扰导致识别率下降。
生物特征识别技术概述(一)
生物特征识别技术概述(一) 【摘要】生物特征识别技术是利用人的生理特征或行为特征，来进行个人身份的鉴定。文章论述了现有的各种生物特征识别技术的原理、特征、应用的优缺点，介绍了生物特征识别技术的标准化工作和发展趋势。 【关键词】身份鉴别；生物特征识别；标准化 网络信息化时代的一大特征就是个人身份的数字化和隐性化。如何准确鉴定一个人的身份，保护信息安全是当今信息化时代必须解决的一个关键性社会问题。目前，我国的各种管理大部分使用证件、磁卡、IC卡和密码，这些手段无法避免伪造或遗失，密码也很容易被窃取或遗忘。这些都给管理者和使用者带来很大不方便。生物特征身份鉴别方法可以避免这些麻烦。因此，这一技术已成为身份鉴别领域的研究热点。 所谓生物特征识别技术就是，通过计算机与各种传感器和生物统计学原理等高科技手段密切结合，利用人体固有的生理特性和行为特征，来进行个人身份的鉴定。生理特征与生俱来，多为先天性的；行为特征则是习惯使然，多为后天性的。将生理和行为特征统称为生物特征。并非所有的生物特征都可用于个人的身份鉴别。身份鉴别可利用的生物特征必须满足以下几个条件：第一，普遍性：即必须每个人都具备这种特征。第二，唯一性：即任何两个人的特征是不一样的。第三，可测量性：即特征可测量。第四，稳定性：即特征在一段时间内不改变。当然，在应用过程中，还要考虑其他的实际因素，比如：识别精度、识别速度、对人体无伤害、被识别者的接受性等等。现在常用的生物特征有：人脸识别、虹膜识别、手形识别、指纹识别、掌纹识别、签名识别、声音识别等。下面将分别介绍各种生物特征识别技术：一、生物识别技术介绍 常用的生理特征有脸像、指纹、虹膜等；常用的行为特征有步态、签名等。声纹兼具生理和行为的特点，介于两者之间。 （一）基于生理特征的识别技术 1.指纹识别。指纹识别技术是通过取像设备读取指纹图像，然后用计算机识别软件分析指纹的全局特征和指纹的局部特征，特征点如嵴、谷、终点、分叉点和分歧点等，从指纹中抽取特征值，可以非常可靠地通过指纹来确认一个人的身份。 指纹识别的优点表现在：研究历史较长，技术相对成熟；指纹图像提取设备小巧；同类产品中，指纹识别的成本较低。其缺点表现在：指纹识别是物理接触式的，具有侵犯性；指纹易磨损，手指太干或太湿都不易提取图像。 2.虹膜识别。虹膜识别技术是利用虹膜终身不变性和差异性的特点来识别身份的，虹膜是一种在眼睛中瞳孔内的织物状的各色环状物，每个虹膜都包含一个独一无二的基于水晶体、细丝、斑点、凹点、皱纹和条纹等特征的结构。虹膜在眼睛的内部，用外科手术很难改变其结构；由于瞳孔随光线的强弱变化，想用伪造的虹膜代替活的虹膜是不可能的。目前世界上还没有发现虹膜特征重复的案例，就是同一个人的左右眼虹膜也有很大区别。除了白内障等原因外，即使是接受了角膜移植手术，虹膜也不会改变。虹膜识别技术与相应的算法结合后，可以到达十分优异的准确度，即使全人类的虹膜信息都录入到一个数据中，出现认假和拒假的可能性也相当小。 和常用的指纹识别相比，虹膜识别技术操作更简便，检验的精确度也更高。统计表明，到目前为止，虹膜识别的错误率是各种生物特征识别中最低的，并且具有很强的实用性，386以上计算机CCD摄像机即可满足对硬件的需求。 3.视网膜识别。人体的血管纹路也是具有独特性的，人的视网膜上面血管的图样可以利用光学方法透过人眼晶体来测定。用于生物识别的血管分布在神经视网膜周围，即视网膜四层细胞的最远处。如果视网膜不被损伤，从三岁起就会终身不变。同虹膜识别技术一样，视网膜扫描可能具有最可靠、最值得信赖的生物识别技术，但它运用起来的难度较大。视网膜识别
虹膜识别算法的纹理分析
Iris Recognition Algorithms Based on Texture Analysis Richard Yew Fatt Ng Computer Vision and Intelligent Systems (CVIS) Group Universiti Tunku Abdul Rahman, Malaysia richng01@https://www.360docs.net/doc/db12389057.html, Yong Haur Tay Computer Vision and Intelligent Systems (CVIS) Group Universiti Tunku Abdul Rahman, Malaysia tayyh@https://www.360docs.net/doc/db12389057.html,.my Kai Ming Mok Computer Vision and Intelligent Systems (CVIS) Group Universiti Tunku Abdul Rahman, Malaysia mokkm@https://www.360docs.net/doc/db12389057.html,.my Abstract Iris recognition has become a popular research in recent years due to its reliability and nearly perfect recognition rates. Iris recognition system has three main stages: image preprocessing, feature extraction and template matching. An innovative method is proposed to extract iris features based on texture analysis. Iris textures are analyzed to capture the discriminating frequency information. Specific filters with different center frequency are applied to three different zones to extract the texture of the iris. Different weightings are given to each zone depending on its contribution to the recognition. The encoded binary templates are compact in size and can avoid the visibility of the individual iris images. The templates are suitable for implementing iris recognition devices using DSP (Digital Signal Processor). The proposed method was evaluated using CASIA iris image database version 1.0 [1]. Experimental results show that the proposed approach has achieved high accuracy of 98.62%. 1. Introduction Biometric identification is an emerging technology which gains more attention in recent years. Iris has distinct phase information which spans about 249 degrees of freedom [2,3]. This advantage let iris recognition be the most accurate and reliable biometric identification. The three main stages of an iris recognition system are image preprocessing, feature extraction and template matching. The iris image needs to be preprocessed to obtain useful iris region. Image preprocessing is divided into three steps: iris localization, iris normalization and image enhancement. Iris localization detects the inner and outer boundaries of iris. Eyelids and eyelashes that may cover the iris region are detected and removed. Iris normalization converts iris image from Cartesian coordinates to Polar coordinates. The iris image has low contrast and non-uniform illumination caused by the position of the light source. All these factors can be compensated by applying local histogram equalization. The paper proposed an innovative method for feature extraction and template matching stages. The iris region is divided into three zones according to the characteristic of the iris texture. Texture of the iris in each zone is analyzed in terms of the discriminating frequency information. Log Gabor filters with different center frequency are chosen accordingly to extract iris most significant texture features. Different weightings are selected for each zone based on its contribution to the recognition. The encoded binary templates are compact in size and can prevent the visibility of individual iris images. The templates can be stored and processed effectively using DSP technology. Iris segmentation method is presented in next section. Section 3 discusses iris normalization and image enhancement algorithms. Section 4 and Section 5 describe details of the proposed feature extraction and template matching stages. Experimental results and discussions are illustrated in Section 6 while the conclusion is drawn in the last section. 2. Iris segmentation This section discusses the iris segmentation method. It includes iris inner and outer boundaries localization, upper and lower eyelids detection and