虹膜识别技术深度解析

虹膜识别技术是一种我们既熟悉又陌生，十分科幻神秘，又比较常见的感知识别技术，我们常常在科幻作品中看到它，甚至在日常生活中也可能会遇见它，虹膜识别技术号称是最精准最不可作伪的感知识别技术，这就更增添了它的神秘感。

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。

脊椎动物眼球角膜和晶状体间呈球状有色彩的膜。为血管膜的一部分、中央是瞳孔。虹膜前面被覆一层内皮;中层为富于血管和色素细胞的疏松结缔组织。色素的多少可使虹膜呈现不同的颜色，无色素时为蓝色，当色素由少至多时，虹膜可出现灰色、棕色及棕黑色；虹膜后面衬有两层色素上皮，其内层上皮分化为平滑肌。肌纤维由内向外呈放射状排列的称瞳孔开肌、受交感神经支配、司瞳孔放大;围绕瞳孔缘呈环状排列的称瞳孔括约肌。受副交感神经支配,司瞳孔缩小。、

虹膜的特性

唯一性

每个虹膜所包含的信息都不相同，出现形态完全相同的虹膜组织的可能性远远低于其他组织。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。虹膜的纤维组织细节复杂而丰富，并且它的形成与胚胎发生阶段该组织局部的物理化学条件有关，具有极大的随机性，即便使用克隆技术也无法复制某个虹膜。同卵双胞胎的虹膜纹理信息不同，同一个人左右眼的虹膜纹理都不会相互认同。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。

    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。

防伪性

虹膜是人眼的可见部分，处在巩膜的保护下，具有极强的生物活性。例如，瞳孔的大小随光线强弱变化；视物时有不自觉的调节过程；有每秒可达十余次的无意识瞳孔缩放；在人体脑死亡、处于深度昏迷状态或眼球组织脱离人体时，虹膜组织即完全收缩，出现散瞳现象。这些生物活性与人体生命现象同时存在，共生共息，所以想用照片、录像、尸体的虹膜代替活体的虹膜图像都是不可能的，从而保证了生理组织的真实性

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。

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。

唯一性，稳定性，防伪性，而这些都是包括二维码，RFID等其他感知识别技术所无法比拟的，加上虹膜作为唯一可以从外部直接观测的人体内部组织，自身蕴含丰富信息，虹膜识别成为了一项非常重要的，特别适用于保密性要求高的环境的感知识别技术

虹膜识别技术原理

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。

    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，并将拍摄到的图像通过图像采集卡传输到计算机中存储。虹膜图像的获取是虹膜识别中的第一步，同时也是比较困难的步骤，需要光、机、电技术的综合应用。因为人们眼睛的面积小，如果要满足识别算法的图像分辨率要求就必须提高光学系统的放大倍数，从而导致虹膜成像的景深较小，所以现有的虹膜识别系统需要用户停在合适位置，同时眼睛凝视镜头(Stop and Stare)。另外东方人的虹膜颜色较深，用普通的摄像头无法采集到可识别的虹膜图像。不同于脸像、步态等生物特征的图像获取，虹膜图像的获取需要设计合理的光学系统，配置必要的光源和电子控制单元。

由于虹膜图像获取装置自主研发的技术门槛高，限制了国内虹膜识别研究的开展。中国科学院自动化研究所在1999年研制出国内第一套自主知识产权的虹膜图像采集系统，其特点是小巧、灵活、低成本、图像清晰。经过不断地更新换代，自动化所最新开发的虹膜成像仪已经可以在20―30cm距离范围通过语音提示、主动视觉反馈等技术采集到合格的虹膜图像。

图像预处理

图像预处理是指由于拍摄到的眼部图像包括了很多多余的信息，并且在清晰度等方面不能满足要求，需要对其进行包括图像平滑、边缘检测、图像分离等预处理操作。

虹膜图像预处理过程通常包括虹膜定位、虹膜图像归一化、图像增强三个部分。

虹膜定位

一般认为，虹膜的内外边界可以近似地用圆来拟合。内圆表示虹膜与瞳孔的边界，外圆表示虹膜与巩膜的边界，但是这两个圆并不是同心圆。通常，虹膜靠近上下眼皮的部分总会被眼皮所遮挡，因此还必须检测出虹膜与上下眼皮的边界，从而准确地确定虹膜的有效区域。虹膜与上下眼皮的边界可用二次曲线来表示。虹膜定位的目的就是确定这些圆以及二次曲线在图像中的位置。常用的定位方法大致分为两类，一是，边缘检测与Hough变换相结合的方法；二是，基于边缘搜索的方法。这两种方法共同的缺点是运算时间长，因此出现了一些基于上述两种策略的改进方法，但是速度并没有数量级的提高。定位仍然是虹膜识别过程中运算时间最长的步骤之一。

虹膜图像归一化

虹膜图像归一化的目的是将虹膜的大小调整到固定的尺寸。到目前为止，虹膜纹理随光照变化的精确数学模型还没有得到。因此，从事虹膜识别的研究者主要采用映射的方法对虹膜图像进行归一化。如果能够对虹膜纹理随光照强度变化的过程建立数学模型或者近似模拟这个过程，将会对虹膜识别系统性能的提高有很大帮助。

图像增强

图像增强的目的是为了解决由于人眼图像光照不均匀造成归一化后图像对比度低的问题。为了提高识别率，需要对归一化后的图像进行图像增强。

特征提取

特征提取是指通过一定的算法从分离出的虹膜图像中提取出独特的特征点，并对其进行编码。以下为主流的虹膜特征提取和识别方法。

一是，基于图像的方法，将虹膜图像看成是二维的数量场，像素灰度值就构成联合分布，图像矩阵之间的相关性就度量了相似度。

二是，基于相位的方法，这种方法认为图像中的重要细节，如点、线、边缘等“事件”的位置信息，大多包含在相位中，所以在特征提取时舍弃反映光照强度和对比度的幅值信息。

三是，基于奇异点的方法，虹膜图像中的奇异点分两种，过零点和极值点。

四是，基于多通道纹理滤波统计特征的方法，虹膜图像可以看成是二维纹理，在频域中的不同尺度和方向上会有区分性强的统计特征可供识别，这也是纹理分析中常用的方法。

五是，基于频域分解系数的方法，图像可以看成是由很多不同频率和方向的基组成，通过分析图像在每个基投影值的大小分布可以深入认识图像中具有规律性的信息。

六是，基于虹膜信号形状特征的方法，虹膜信号形状特征包括两方面的信息，虹膜曲面凹凸起伏的二维形状信息和沿着虹膜圆周的一维形状信息。

七是，基于方向特征的方法，方向（Direction）或者朝向（Orientation）是一个相对值，对光照、对比度变化的鲁棒性较强，而且可以描述局部灰度特征，是一种比较适合虹膜图像特征表达的形式。

八是，基于子空间的方法，子空间的方法需要在较大规模的训练数据集上根据定义的最优准则找到若干个最优基，然后将原始图像在最优基上的投影系数作为降维的图像特征。

特征匹配

特征匹配是指根据当前采集的虹膜图像进行特征提取得到的特征编码与数据库中事先存储的虹膜图像特征编码进行比对、验证，从而达到识别的目的。