CN1237474C - 虹膜识别系统和方法 - Google Patents

Abstract

一种虹膜识别系统，包括：一个模式转换器用于选择注册或识别模式；一个图象输入装置用于获取虹膜图象；一个图象控制单元，用于在注册模式下注册一组从图象输入装置中获取的虹膜图象实例作为基准虹膜图象，在识别模式下当图象输入到图象输入装置时检索相应的基准虹膜图象；一个虹膜基准虹膜图象存储器，用于存储注册的基准虹膜图象；以及一个主控单元，用于控制图象输入装置、模式转换器、图象控制单元和虹膜基准虹膜图象存储器，从而把它们相互协调。

Description

虹膜识别系统和方法

技术领域

本发明涉及一种用于识别人的虹膜辨识技术，更确切地说涉及一种虹膜识别系统和方法，以及用于实现该虹膜识别方法的计算机可读存储介质存储的计算机可执行指令，它使用每个人在各种环境下的虹膜图象作为参考，能提高虹膜辨识的精确性。

技术背景

近来，使用指纹、声音、虹膜和静脉图案的各种生物测定学识别技术都已开发出来。其中，虹膜识别技术是安全领域公认能提供最高安全识别可靠性的。

题为“基于虹膜分析的生物测定学个人识别系统”，国际公布号为WO94/9446的专利披露了这种虹膜识别技术。

该现有技术披露的虹膜识别技术采取的方式是，获取一幅眼睛的图象，以适于分析的数字化形式进行分析，界定并分离图象的虹膜部分，分析界定的图象区域以产生虹膜的编码，将该虹膜编码存储为一个基准编码，再将当前编码与基准编码通过异或逻辑运算进行比较以获得一个汉明间距。汉明间距用于确定一个人的身份并计算该判断的置信级数。

但是，该现有技术有一些缺陷，难于对虹膜识别一致地采用极坐标系，因为瞳孔2遇到强光时会缩小，遇到弱光时会放大(见图1a)，并且对光线的缩小/放大程度是因人而异的，因为每个人的瞳孔括约肌、瞳孔扩张肌、眼内压力等都有自己的特征，也就难以预测虹膜1的和特征要素在瞳孔2扩张时如何变化(见图1b)。参照图1b，当将具有特征要素3的虹膜图象与参考图象之一进行比较时，可能会认为没有相同的参考图象。

而且，因为现有的虹膜识别技术将虹膜图象分成环形的分析部分，所以在该技术用于眼睛暴露得相对于西方人小的亚洲人时，其识别精确性会降低相当多。如果为了这个问题缩小分析区带，安全可靠性就被严重削弱了。

此外，现有虹膜识别技术没有能防止因无机物的伪虹膜造成的误识别的算法。

发明内容

本发明致力于解决上述现有技术的问题。

本发明的一个目的是提供能减少误识别的虹膜识别系统和方法，通过在不同照明环境下得到同一虹膜的几个参考虹膜图象并将当前虹膜数据与这些参考虹膜图象的每个反复地比较来减少误识别。

本发明的另一个目的是通过将虹膜图象分成多个有各自优先级的块，以降序由具有最高优先级的块分析虹膜图象，从而提供能不受眼睛暴露程度影响地降低分析拒绝率的虹膜识别系统和方法。

本发明还有一个目的是提供由计算机可读存储介质存储的计算机可执行指令，以实现该虹膜识别方法。

为了达到以上目的，本发明的虹膜识别系统包括：一个模式转换器用于选择一种注册和识别模式；一个图象输入装置用于获取虹膜图象；一个图象控制单元用于注册一组从图象输入装置中获取的虹膜图象实例，作为注册模式的基准虹膜图象，并在识别模式下虹膜图象出现在图形输入装置中时检索相应的基准虹膜图象；一个虹膜基准虹膜图象存储器用于存储注册的基准虹膜图象；以及一个主控单元用于控制图象输入装置、模式转换器、图形控制单元和虹膜基准虹膜图象存储器，以相互协调它们。

为了达到以上目的，本发明的虹膜识别方法包括的步骤有：通过输入装置获得一组人眼的虹膜图象；将这些虹膜图象分成至少一个级别；将这些虹膜图象注册到相应的级别作为每只人眼的基准虹膜图象；将这些基准虹膜图象存储到存储器介质中；获得一个人的一组虹膜样例用于识别；通过将每个虹膜样例与相应级别的基准虹膜图象近比较，检索目标基准虹膜图象；确定虹膜样例是否被识别或拒绝。

为了达到以上目的，计算机可读存储器介质存储的计算机可执行指令用于实现一种虹膜识别方法，该虹膜识别方法的过程包括：通过输入装置获得一组人眼的虹膜图象；将这些虹膜图象分成至少一个级别；将这些虹膜图象注册到相应的级别作为每只人眼的基准虹膜图象；将这些基准虹膜图象存储到存储器介质中；获得一个人的一组虹膜样例用于识别；通过将每个虹膜样例与相应级别的基准虹膜图象近比较，检索目标基准虹膜图象；确定虹膜样例是否被识别或拒绝。

附图简述

收入本说明书并且构成本说明书一部分的附图示意了本发明的一个实施例，与说明书一起解释了本发明的原理。

图1a和图1b显示了现有虹膜识别系统识别失败的可能性；

图2是一个方框图，显示了一个对应本发明的一优选实施例的虹膜识别系统。；

图3显示了在图2所示的虹膜识别系统中将输入的虹膜图象与基准虹膜图象进行比较的过程；

图4a和图4b显示了虹膜图象是如何分级的；

图5显示被垂直分割并赋予优先级的虹膜的图表视图；

图6显示划分到图5的每一区带中的虹膜块的图表视图；

图7a到7d显示了注册模块如何获得虹膜图象的瞳孔中心；

图8a是显示标准图象亮度轴上的辅助数据的图表；

图8b是显示标准图象亮度轴上的主数据的图表；

图8c是显示标准图象亮度轴上的否主数据的图表；

图8d是显示标准图象亮度轴上的补偿3的辅助数据的图表；

图9的流程图示出本发明的虹膜识别方法中基准虹膜图象注册过程；

图10a的流程图是图9中基准虹膜图象注册过程中的图象拍摄步骤；

图10b的流程图是图10a中图象拍摄步骤中的亮度补偿例程；

图10c的流程图是图9中基准虹膜图象注册过程中的虹膜图象分割例程；

图11的流程图是本发明的虹膜识别方法的识别过程。

实施本发明的最佳模式

下面参照附图描述本发明的优选实施例。

图2显示了本发明的一个优选实施例的虹膜识别系统。

如图2所示，该虹膜识别系统包括一个图象输入装置10，一个模式转换器20，一个主控单元(MCU)30，一个虹膜基准虹膜图象存储器40，以及一个图象控制单元50。

图象输入装置10包括用于获取虹膜图象的图象摄取机和图象处理模块(图中未显示)。

模式转换器20包括一个键盘(图中未显示)，用户用它选择样本注册和样本识别模式，注册模式用于注册输入的虹膜图象作为基准虹膜图象，识别模式用于通过与先前注册的基准虹膜图象进行比较来识别输入的虹膜图象。

虹膜基准虹膜图象存储器40在MCU30的控制下存储注册的虹膜样本。

图形控制单元50包括：一个样本注册装置51，用于从在不同亮度环境中出现在图象输入装置10下的虹膜获取一组虹膜样例，以及在样本注册模式下将这些虹膜样例注册为每个人的基准虹膜图象；一个图象分析模块52，用于在识别模式下将来自图象输入装置10的当前图象与基准虹膜图象进行比较，并分析它们的相似性以确认身份；以及一个亮度调节模块53，用于检测输入图象的亮度，并在亮度高于或低于预定值时调节虹膜周围的亮度。

MCU30控制图象控制单元50，以便图象控制单元50的注册模块51在注册模式下将来自图象输入装置10的虹膜样例分级，将它们注册为参考虹膜，并将注册的基准虹膜图象存储在虹膜基准虹膜图象存储器40中，而且以便在识别模式下图象控制单元50的图象分析模块52将来自图象输入装置10的当前图象与基准虹膜图象进行比较，并分析当前图象和基准虹膜图象的相似性以确认身份。并且，MCU30还控制图形控制单元50的亮度调节模块53，以便亮度调节模块53检测输入图象的亮度，从而在亮度高于或低于预定值时调节射入虹膜的进光量。

MCU30可以构成得把虹膜基准虹膜图象存储器40和图形控制单元50集成在一起。

亮度调节模块53调节图象输入装置10的目镜(图中未显示)周围的可见光线的强度，从而可以调节要被获取作为虹膜样例或当前虹膜图象的眼睛的瞳孔直径。并且，亮度调节模块53还能在调节的可见光低于预定光强时通过发出不可见光线调节光强度。

注册模块51从单个虹膜取得几个具有各自半径的虹膜样例，将这些虹膜样例注册为根据瞳孔半径分级的相应级别的基准虹膜图象，并将注册的基准虹膜图象存储在虹膜基准虹膜图象存储器40中。

图3所示的是将输入的虹膜图象与存储在虹膜基准虹膜图象存储器40中的基准虹膜图象进行比较的过程。图4a和4b所示的是虹膜图象是如何分级的。

参照图4a和4b，虹膜图象是根据虹膜中瞳孔扩张的尺寸进行区分的，图中的r是瞳孔半径，d是虹膜半径(d＞r)。亦即，级别是由常量“r”决定的，它增长的最大值在虹膜半径“d”之内。整个级别范围β可用如下表达式表示：

其中，n是级别的数量，x是每个级别的范围。

$\frac{1}{5}\≤(\mathrm{\β}=\frac{\left|d\right|-\left|r\right|}{\left|r\right|})\≤\frac{4}{5}$

$x=\frac{\mathrm{\β}}{n}$

图5显示被垂直分割并赋予优先级的虹膜的图表视图，图6显示划分到图5的每一区带中的虹膜块的图表视图。

如图5所示，虹膜图象以预定的间隔被垂直地基于水平轴x上下分割，每一区带都在注册模块51中被赋予一个相应的优先级(例如，A1＞A2＞A3……A10＞A11＞A12)。优先级是从靠近水平轴x的区带到接触虹膜外边界的区带以降序分配的，使得紧挨水平轴x下的区带具有最高优先级。而且，优先级是交替分配的，向下的顺序是A1、A2、A4、A5、A7、A10，向上的顺序是A3、A6、A8、A9、A11、A12。

参照图6，这些区带被穿过瞳孔中央的垂直线(y轴)水平分割，使得每一区带形成对称的两块。每一块由区带的垂直宽度、虹膜外半径和瞳孔半径组成，使得具有最高优先级的块由区带宽度和从X_a到X_d的长度组成。一个块的最大水平长度可由下面的不等式表示：

|X_d|＜|maxX|＜|X_a|(仅当，|X_a|＞|X_d|时)

这样，块的最大尺寸maxT就可以用下面等式计算了：

maxT＝(|X_a|-|X_d|)y其中y是每个区带的垂直宽度。

注册模块51通过计算取虹膜图象象素亮度(1_a，1_b)的平均值得出的平均亮度(1_ma，1_mb)确定瞳孔边界。平均亮度由下面的公式1计算：

＜公式1＞

当I_min＜I_b＜I_max时

$I_{\mathrm{mb}}=\frac{1}{N_b}\mathrm{\Σ}{I}_b$

而 $I_{\mathrm{ma}}=\frac{1}{N_a}{\mathrm{\ΣI}}_a$ ，其中I_a(I_b)是象素亮度，I_ma(I_mb)是平均亮度，N_a(N_b)是执行次数，I_min是亮度最小下限。

图7a到图7d显示了注册模块如何获得虹膜图象的瞳孔中心。

参照图7，一旦取得了虹膜图象，就会在虹膜图象的瞳孔边界上随机选择两点S(x₁，y₁)和E(x₂，y₂)，以便通过画连接S点和E点的线创建一个片段SE。然后，从片段SE的中心划一条想象的垂直线通过边界上的一点C(x₃，y₃)。瞳孔的一个随机中心点I_i(x₀，y₀)通过下面的等式2a计算：

＜公式2a＞

$a=\frac{1}{2}\sqrt{{(x_1-x_2)}^2+{(y_1-y_2)}^2}$

$c=\frac{1}{2}\sqrt{{(x_1+x_2-{2x}_3)}^2+{(y_1+y_2-{2y}_3)}^2}$

$d=\frac{1}{2c}(a^2-c^2)$

$D={\tan }^{-1}\left(\frac{y_1-y_2}{x_1-x_2}\right)-\frac{\mathrm{\π}}{2}$

$x_0=d\·\cos D+\frac{1}{2}(x_1+x_2)$

$y_0=-(d\·\sin D+\frac{1}{2}(y_1+y_2)$

注册模块51用公式2a计算瞳孔的一组候选的中心点I_i并抽取所有半径都在这个级别范围β中的候选中心点(x_0i，y_0i)。这些候选中心点用于获得最终瞳孔中心点T_p(x_p，y_p)。最终瞳孔中心点T_p由下面的公式2b计算：

＜公式2b＞

$x_p=\frac{1}{n}\mathrm{\Σ}{x}_{0i},y_p=\frac{1}{n}{\mathrm{\Σy}}_{0i}$

而且，基于最终瞳孔中心点T_p，瞳孔边界的坐标(x_m，y_m)可由下面的公式2c计算。

图8a到图8d表示虹膜图象中的数据分布以及这些数据是如何补偿的。

在每个块根据块中的象素密度分级为主要、辅助、否主数据之后，虹膜图象以块为单位存储到存储器介质40中。在这种情况下，虹膜图象数据是以对虹膜中心的绝对坐标存储的。

如图8a所示，虹膜图象中亮度较标准亮度弱的区域被设定为辅助数据，辅助数据中具有相同亮度的以及象素密度大于预定密度值的任何部分成为主数据(见图8b)。否主数据是虹膜中亮度大于标准亮度的区域里象素密度小于预定值的部分(见图8c)。

基于预定亮度水平，辅助数据被分成两部分，以便将邻近最低亮度水平的部分作为较高亮度水平部分，并将邻近标准亮度的部分作为较低亮度水平部分，使得辅助数据与一个较高或较低亮度水平部分的信息存储在一起。而且，在预定亮度水平分界线上下形成了一个补偿区域(见图8d)，使得暗虹膜图象的数据水平能通过异或和逻辑乘法计算得到补偿。

辅助数据与相应的绝对坐标、表示数据属于何种水平的布尔信息和关于布尔值的水平相依性的补偿信息存储在一起。

例如，补偿信息是一个布尔数据类型，使得当图象的亮度水平的相连部分跨两个水平或接触两个中的一个时，其值就是1。

亦即，辅助数据是虹膜图象负识别因子的局部象素密度ρ_m大于预定亮度标准点的象素密度η(ρ_m＞η)的区域。

辅助数据的较高和较低水平(L₁)在 ${\mathrm{\&rho;}}_m\&GreaterEqual;\frac{1}{2}\mathrm{\&eta;}$ 时是1，在 ${\mathrm{\&rho;}}_m<\frac{1}{2}\mathrm{\&eta;}$ 时是0。

当辅助数据满足条件 $\frac{2}{5}\mathrm{\&eta;}\&le;{\mathrm{\&rho;}}_m\&le;\frac{3}{5}\mathrm{\&eta;}$ 时，补偿水平(L₂)是1或0。

主数据是虹膜象素数量(Sp)超过标准象素数量(P_max)的区域。

亦即，Sp＝π{(x₁-x₀)²+(y₁-y₀)²}≥P_max

其中X_max≥(x₁-x₀)，Y_max≥(y₁-y₀)，P_max是标准象素数，X_max是以象素为单位计的x轴长度的上限，Y_max是象素为单位计的y轴长度的上限，x₀和y₀是极坐标系统中心点的坐标，x₁和y₁是极坐标系统的边界坐标。

下面参照图9和图10a、10b和10c说明根据本发明的一个优选实施例注册基准虹膜图象的过程。

参照图9，一旦MCU30被模式转换器20设置为注册模式且虹膜图象通过图象输入装置20输入时，图象控制单元50的注册模块51就在步骤S110中取得几个具有不同瞳孔半径的虹膜样例，并将这些实例根据瞳孔半径划分到至少一个级别中，然后在步骤S130中判断得到的图象数量是否大于0。如果得到的图象数量是0，则注册模块51在步骤S310中输出这个结果并结束注册算法。如果步骤S130中图象数量大于0，则在步骤S150中计数器N从1增加到8。同时，注册模块51垂直地分割每个图象，从而在步骤S170中形成一组区带。接着，注册模块51在步骤S190中判断区带是否成功地形成。如果区带成功形成了，变量B1将被设置成TRUE。如果变量B1被设置成TRUE，则注册模块51在步骤S210中划分区带以形成对称的块，然后在步骤S250中将这些虹膜图象数据以块为单位存储到存储器介质40中。处理虹膜图象时，注册模块51还将在步骤S270和S290中步增图象存储计数器(I)和图象计数器(N)。

图10a的流程图说明了基准虹膜图象注册过程中的图象拍摄例程。

如图10a所示，一旦虹膜图象在步骤S112中输入变量就被初始化的状态，而亮度调节模块53调节要注册的虹膜周围的可见光密度(Q＝N×qi，其中qi是亮度常数的上限)并在步骤S114中补偿可见光的密度，使得眼睛的瞳孔半径在S113中得到调节，注册模块51在步骤S115中获取有效的图象。然后，注册模块51在步骤S117中分析获取的图象，判断它是否适合作为基准虹膜图象。如果该虹膜图象不适合，算法将进入步骤S115。如果适合作为基准虹膜图象，则注册模块51在步骤S118中将这些虹膜图象根据瞳孔半径分级，并在步骤S119中判断是否存在属于存储介质40中相同级别的同样的图象。如果存在相同图象，则注册模块确定该图象是合适的，并在在步骤S120中和步骤S121中将变量S和N加1。在步骤S119中，如果不存在相同图象，则注册模块51只给变量N加1。

图10b的流程图说明了图10a中步骤S114的亮度补偿例程。

在亮度补偿例程中，注册模块51在步骤S114-1中分析当前图象的亮度Q，然后在步骤S114-2中判断当前图象的亮度Q是否小于预定的标准亮度M。如果当前图象的亮度Q小于标准亮度，则亮度调节模块53在步骤S114-3发射红外光线以调节图象亮度。

图10c的流程图说明了图9中虹膜图象注册过程的步骤S170中的虹膜图象分割例程。

在虹膜图象分割例程中，注册模块51在步骤S171中使用公式1定义瞳孔边界，在步骤S172中使用公式2a～2b定义瞳孔中心点。然后，注册模块51在步骤173中基于瞳孔中心点和瞳孔边界定义虹膜的尺寸。定义了虹膜的尺寸后，注册模块51在步骤S174中垂直地分割虹膜图象以形成一组区带。

图11的流程图说明了本发明的虹膜识别方法的识别过程。

参照图11，一旦在步骤S410中MCU30被模式转换器设置成识别模式并且至少输入了一幅虹膜图象，图象控制单元50的图象分析模块52就在步骤S420中判断虹膜图象是否能与基准虹膜图象比较。如果虹膜图象不能用于比较，识别算法将返回到步骤S410。如果步骤420中的图象能用于比较，图象分析模块将在步骤S430中从存储器介质40检索相应的参考虹膜级别，并在步骤S440中判断存储器介质40中是否存在相应的虹膜级别。如果不存在相应的虹膜级别，则图象分析模块在步骤S530中输出否定消息并结束识别过程。

在步骤S440中，如果存储器介质中存在相应虹膜级别，则图象分析模块52在步骤S450中开始将当前虹膜图象与属于相应虹膜级别的基准虹膜图象进行比较。比较数据时，图象分析模块52在步骤S470中创建垂直条并设置数据块以便将当前虹膜图象与基准虹膜图象以块为单位进行比较。亦即，当前虹膜图象的主要、辅助和否主数据分别被比较。在这种情况下，比较是以优先级的降序根据相应的绝对坐标进行的。

在步骤S470中，如果分割的条不合适，则图象分析模块52在步骤S510中判断亮度Q是否等于或大于预定值。如果步骤S510中的条件满足，图象分析模块52将在步骤S520中显示合格的结果。

另一方面，如果步骤S470中的区带合适，则图象分析模块52将在步骤S480中对每一块的主要、辅助和否主数据分析相等性(q1＝Q)，而在步骤S490中分析区带相依性(qx)。在这种情况下，区带的相依性按照数据块的区带优先级加权。然后，如果当前虹膜图象满足步骤S510中的Q＞Min的条件，图象分析模块52将在步骤S520中输出识别结果。另一方面，如果当前图象不满足条件，图象分析模块52将在步骤S530中输出否定的结果。最终结果由等式表达，并包括对辅助数据补偿水平的适用范围，这是一种绝对的要素。

如上所述，在本发明的优选实施例的虹膜识别系统和方法中，注册模式下输入的虹膜图象被作为基准虹膜图象以几种状态存储，它们有不同的瞳孔尺寸以便把每个基准虹膜图象分属于一个级别。当输入要确认的虹膜图象时，输入的虹膜图象将在识别模式下与属于相应级别的基准虹膜图象进行比较。输入的虹膜图象首先只被当作候选图象，即便相同中存在相应的基准虹膜图象。当输入图象的瞳孔半径与参考虹膜级别的不同时，便不作更多的分析，以期大大减少误识别的可能。

误识别率可表达如下：

$e={\left(2^{\frac{{\mathrm{ACS}}_p}{B}}\right)}^{-1}$

其中，S_p是虹膜象素的数量，A是对该虹膜的虹膜特征因子的百分比，B是平均象素数，C是区带优先级与虹膜曝光量的百分比值。

虽然本发明是参考最实用的优选实施例进行说明的，但可以理解的是，本发明并不局限于所披露的实施例，相反，可以覆盖包含在其精神的和权利要求书的范围内的各种修改和等效方案。

Claims (80)

1.一种虹膜识别系统，包括：

一个模式转换器，用于选择注册和识别模式；

一个图象输入装置，用于获取虹膜图象；

一个图象控制单元，该图象控制单元包括：一个注册模块，用于在注册模式下注册一组从图象输入装置中获取的虹膜图象实例作为基准虹膜图象，以及一个图象分析模块，用于在识别模式下当图象输入到图象输入装置时检索相应的基准虹膜图象并分析当前图象和检索图象的相似性；

一个虹膜基准虹膜图象存储器，用于存储注册的基准虹膜图象；以及

一个主控单元，用于控制图象输入装置、模式转换器、图象控制单元和虹膜基准虹膜图象存储器，从而把它们相互协调。

2.如权利要求1所述的虹膜识别系统还包括一个亮度调节模块，用于检测输入图象的亮度和调节图象输入装置目镜周围的亮度。

3.如权利要求2所述的虹膜识别系统，其特征在于，虹膜样例有不同的瞳孔半径。

4.如权利要求3所述的虹膜识别系统，其特征在于，瞳孔半径的调节是通过亮度调节模块使用可见光线调节图象输入装置目镜周围亮度实现的。

5.如权利要求4所述的虹膜识别系统，其特征在于，亮度调节模块在亮度低于预定阈值时还使用不可见的光线调节亮度。

6.如权利要求1所述的虹膜识别系统，其特征在于，注册模块取得具有预定瞳孔半径的实例，将这些实例分到至少一个级别中，并将这些实例作为基准虹膜图象与级别信息一起存储。

7.如权利要求6所述的虹膜识别系统，其特征在于，属于一个级别的每个基准虹膜图象被垂直地分割以形成一组水平的区带，这些水平区带又被一条通过瞳孔中央的垂直线分割形成一组对称的块。

8.如权利要求7所述的虹膜识别系统，其特征在于，级别是通过以虹膜半径范围内的预定间隔分割小瞳孔半径与最大瞳孔半径间的距离来定义的。

9.如权利要求6所述的虹膜识别系统，其特征在于，基准虹膜图象是以关于瞳孔中心点的绝对坐标来存储的。

10.如权利要求7所述的虹膜识别系统，其特征在于，水平区带具有以预定顺序分配的级别。

11.如权利要求10所述的虹膜识别系统，其特征在于，块的尺寸是根据块在虹膜半径内的位置决定的。

12.如权利要求11所述的虹膜识别系统，其特征在于，块包括由象素密度定义的主要的、辅助的和否主数据。

13.如权利要求12虹膜识别系统，其特征在于，辅助数据的亮度小于预定的标准亮度，主数据是象素密度大于辅助数据中预定的标准象素密度的数据。

14.如权利要求12所述的虹膜识别系统，其特征在于，否主数据是象素密度小于那些亮度大于预定标准亮度的数据中的预定标准象素密度的数据。

15.如权利要求13所述的虹膜识别系统，其特征在于，辅助数据以预定亮度水平为基础分成较高和较低水平的部分。

16.如权利要求15所述的虹膜识别系统，其特征在于，较高水平部分是在预定亮度水平和最低亮度水平之间定义的，较低水平部分是在预定亮度水平和标准亮度水平之间定义的，从而辅助数据就以较高或较低水平之一被存储。

17.如权利要求16所述的虹膜识别系统，其特征在于，在预定亮度水平周围定义了一个补偿区域，从而模糊虹膜图象的数据水平就可以通过使用这个补偿水平进行异或和逻辑乘计算来补偿。

18.如权利要求9所述的虹膜识别系统，其特征在于，瞳孔的中心点是以如下顺序计算的：获得一组随机瞳孔中心Ii，从随机瞳孔中心点中抽取一些候选瞳孔中心点，用这些候选瞳孔中心点计算最终瞳孔中心点T_p(x_p，y_p)。

19.如权利要求18所述的虹膜识别系统，其特征在于，随机瞳孔中心点Ii的获得方式是：在实际瞳孔边界上随机选择两点S(x₁，y₁)和E(x₂，y₂)，通过划一条连接S点和E点的连线创建片段SE，从片段SE的中心划一条垂线与瞳孔边界交于一点C(x₃，y₃)，然后以弧SE和点C为基础计算随机瞳孔中心点。

20.如权利要求18所述的虹膜识别系统，其特征在于，随机瞳孔中心点Ii(x₀，y₀)由下列公式得到：

$a=\frac{1}{2}\sqrt{{(x_1-x_2)}^2+{(y_1-y_2)}^2}$

$c=\frac{1}{2}\sqrt{{(x_1+x_2-{2x}_3)}^2+{(y_1+y_2-{2y}_3)}^2}$

$d=\frac{1}{2c}(a^2-c^2)$

$D=\mathrm{ta}{n}^{-1}\left(\frac{y_1-y_2}{x_1-x_2}\right)-\frac{\mathrm{\&pi;}}{2}$

$x_0=d\&CenterDot;\cos D+\frac{1}{2}(x_1+x_2)$

$y_0=-(d\&CenterDot;\sin D+\frac{1}{2}(y_1+y_2)$

21.如权利要求20所述的虹膜识别系统，其特征在于，候选的瞳孔中心点具有整个级别范围β内的半径。

22.如权利要求21所述的虹膜识别系统，其特征在于，最终瞳孔中心点T_p(x_p，y_p)是由下列各式计算得到：

$x_p=\frac{1}{n}\mathrm{\&Sigma;}{x}_{0i}$

$y_p=\frac{1}{n}\mathrm{\&Sigma;}{y}_{0i}$

23.如权利要求22所述的虹膜识别系统，其特征在于，注册模块用下列等式确定瞳孔边界：

当I_min＜I_b＜I_max时

$I_{\mathrm{mb}}=\frac{1}{N_b}\mathrm{\&Sigma;}{I}_b$

而 $I_{\mathrm{ma}}=\frac{1}{N_a}\mathrm{\&Sigma;}{I}_a,$ I_a(I_b)是象素亮度，I_ma(I_mb)是平均亮度，N_a(N_b)是执行次数，I_min是亮度最小下限。

24.如权利要求1所述的虹膜识别系统，其特征在于，图象分析模块在虹膜图象被置于图象输入装置前时检索目标级别，并且如果该目标级别存在则检索基准虹膜图象。

25.如权利要求24所述的虹膜识别系统，其特征在于，图象分析模块将当前虹膜图象分割成一组水平区带，对称地划分区带以创建数据块，并将数据块与主要的、辅助的和否主数据一起编码。

26.如权利要求25所述的虹膜识别系统，其特征在于，图象分析模块将当前虹膜图象与目标基准虹膜图象进行比较，并分析数据的相似性和区带相依性。

27.如权利要求26所述的虹膜识别系统，其特征在于，图象分析模块以相似性和区带相依性分析的结果为基础确定当前虹膜图象是否满足预定的安全条件。

28.如权利要求27所述的虹膜识别系统，其特征在于，图象分析模块采用不止一张的具有不同瞳孔半径的虹膜图象以防止误识别或伪造的无机虹膜。

29.如权利要求28所述的虹膜识别系统，其特征在于，瞳孔半径是通过用可见光调节图象输入装置目镜周围的亮度来调节的。

30.如权利要求29所述的虹膜识别系统，其特征在于，如果调节的亮度比预定亮度低则目镜周围的亮度还由不可见光调节。

31.如权利要求24所述的虹膜识别系统，其特征在于，如果目标级别不存在则图象分析模块立即输出否定结果。

32.如权利要求24所述的虹膜识别系统，其特征在于，如果目标级别存在则图象分析模块缩放当前图象到相应虹膜图象尺寸。

33.如权利要求32所述的虹膜识别系统，其特征在于，图象分析模块将当前图象和目标基准虹膜图象以块为单位根据块的绝对位置进行比较。

34.如权利要求33所述的虹膜识别系统，其特征在于，图象分析模块根据顺序密度将块内的数据分为主要、辅助和否主数据并赋予区带优先级。

35.如权利要求34所述的虹膜识别系统，其特征在于，图象分析模块通过反映区带优先级分析块的相应的主要、辅助和否主数据的相似性，确定其相似性是否满足预定的安全条件，并输出分析出的识别结果。

36.如权利要求35所述的虹膜识别系统，其特征在于，图象分析模块根据该块的区带优先级对块赋予相似性权重。

37.如权利要求36所述的虹膜识别系统，其特征在于，图象分析模块将主要、辅助和否主数据的数据相似性作为绝对要素反映到最终结果中。

38.如权利要求35所述的虹膜识别系统，其特征在于，图象分析模块将较高和较低水平的数据的相似性和辅助数据的补偿水平反映到最终结果中。

39.如权利要求38所述的虹膜识别系统，其特征在于，图象分析模块将辅助数据的补偿水平的反映程度与最终结果一起输出。

40.一种虹膜识别方法，其步骤包括：

(a)通过输入装置拍摄一组人眼虹膜图象；

(b)将这些虹膜图象划分到至少一个级别中去；

(c)将这些虹膜图象注册到相应的级别中作为每只人眼的基准虹膜图象；

(d)将这些基准虹膜图象存储到存储介质中；

(e)接收一个人的一组虹膜样例进行识别；

(f)通过将每个虹膜样例与相应级别中的基准虹膜图象进行比较检索目标基准虹膜图象；

(g)确定虹膜样例是否被识别或拒绝。

41.如权利要求40所述的虹膜识别方法，还包括在步骤(a)后选择同一人眼的不同瞳孔半径的虹膜图象的步骤。

42.如权利要求41所述的虹膜识别方法，还包括调节瞳孔半径以拍摄具有不同瞳孔半径的虹膜图象的步骤。

43.如权利要求42所述的虹膜识别方法，其特征在于，瞳孔半径是通过控制图象输入装置目镜周围的亮度来调节的。

44.如权利要求43所述的虹膜识别方法，其特征在于，亮度是通过在目镜周围照射可见光调节的。

45.如权利要求44所述的虹膜识别方法，其特征在于，如果亮度低于预定的标准亮度则亮度还能通过照射不可见光调节。

46.如权利要求40所述的虹膜识别方法，其特征在于，级别是依据瞳孔半径定义的。

47.如权利要求40所述的虹膜识别方法，其特征在于，步骤(d)包括下列步骤：

(d1)基于通过瞳孔中央的水平线垂直划分每个虹膜图象以形成一组区带；

(d2)通过对称地划分区带创建数据块；

(d3)以块为单位将虹膜图象进行编码；

(d4)将该虹膜图象存储为基准虹膜图象。

48.如权利要求46所述的虹膜识别方法，其特征在于，级别是通过以虹膜半径范围内的预定间隔分割小瞳孔半径与最大瞳孔半径间的距离来定义的。

49.如权利要求48所述的虹膜识别方法，其特征在于，基准虹膜图象是以瞳孔中心点为原点的绝对坐标来存储的。

50.如权利要求49所述的虹膜识别方法，其特征在于，虹膜图象是与区带信息一起存储的。

51.如权利要求50所述的虹膜识别方法，其特征在于，区带信息包含参考优先级。

52.如权利要求51所述的虹膜识别方法，其特征在于，区带被一条通过瞳孔中央的垂直线对称地划分以创建一组块。

53.如权利要求52所述的虹膜识别方法，其特征在于，块根据自己在瞳孔和虹膜边界间的位置有不同的尺寸。

54.如权利要求53所述的虹膜识别方法，其特征在于，块包括由象素密度分类的主要、辅助和否主数据。

55.如权利要求52所述的虹膜识别方法，其特征在于，辅助数据在一个亮度小于预定标准亮度的区域，主数据是象素密度大于预定值的辅助数据的部分。

56.如权利要求54所述的虹膜识别方法，其特征在于，否主数据是亮度大于预定标准亮度的区域中象素密度大于预定标准值的部分。

57.如权利要求55所述的虹膜识别方法，其特征在于，辅助数据被基于预定的划分亮度水平分为较高和较低亮度水平的部分，从而辅助数据与较高或较低亮度水平部分上的信息一起存储。

58.如权利要求57所述的虹膜识别方法，其特征在于，辅助数据具有一个在预定的亮度区分水平线附近形成的补偿水平部分，使得模糊的虹膜图象的数据水平得到该补偿水平的补偿。

59.如权利要求49所述的虹膜识别方法，其特征在于，瞳孔中心点是以如下顺序计算的：获得一组随机瞳孔中心Ii，从随机瞳孔中心点中抽取一些候选瞳孔中心点，用这些候选瞳孔中心点计算最终瞳孔中心点T_p(x_p，y_p)。

60.如权利要求59所述的虹膜识别方法，其特征在于，随机瞳孔中心点Ii的获得方式是：在实际瞳孔边界上随机选择两点S(x₁，y₁)和E(x₂，y₂)，通过划一条连接S点和E点的连线创建片段SE，从片段SE的中心划一条垂线与瞳孔边界交于一点C(x₃，y₃)，然后以弧SE和点C为基础计算随机瞳孔中心点。

61.如权利要求60所述的虹膜识别方法，其特征在于，随机瞳孔中心点Ii(x₀，y₀)由下列公式得到：

$a=\frac{1}{2}\sqrt{{(x_1-x_2)}^2+{(y_1-y_2)}^2}$

$c=\frac{1}{2}\sqrt{{(x_1+x_2-{2x}_3)}^2+{(y_1+y_2-{2y}_3)}^2}$

$d=\frac{1}{2c}(a^2-c^2)$

$D=\mathrm{ta}{n}^{-1}\left(\frac{y_1-y_2}{x_1-x_2}\right)-\frac{\mathrm{\&pi;}}{2}$

$x_0=d\&CenterDot;\cos D+\frac{1}{2}(x_1+x_2)$

$y_0=-(d\&CenterDot;\sin D+\frac{1}{2}(y_1+y_2)$

62.如权利要求61所述的虹膜识别系统，其特征在于，候选的瞳孔中心点具有整个级别范围β内的半径。

63.如权利要求62所述的虹膜识别系统，其特征在于，最终瞳孔中心点T_p(x_p，y_p)是由下列各式计算得到：

$x_p=\frac{1}{n}\mathrm{\&Sigma;}{x}_{0i}$

$y_p=\frac{1}{n}\mathrm{\&Sigma;}{y}_{0i}$

64.如权利要求63所述的虹膜识别系统，其特征在于，瞳孔边界是用下列等式确定的：

当I_min＜I_b＜I_max时

$I_{\mathrm{mb}}=\frac{1}{N_b}\mathrm{\&Sigma;}{I}_b$

而 $I_{\mathrm{ma}}=\frac{1}{N_a}\mathrm{\&Sigma;}{I}_a,$ 其中I_a(I_b)是象素亮度，I_ma(I_mb)是平均亮度，N_a(N_b)是执行次数，I_min是亮度最小下限。

65.如权利要求40所述的虹膜识别方法，还包括在虹膜图象出现时检索一个目标级别以及当目标级别存在时在该级别中检索目标基准虹膜图象的步骤。

66.如权利要求65所述的虹膜识别方法，其特征在于，出现的图象被分割成一组水平区带，并且这些区带被划分为对称的块，这些块与主要、辅助和否主数据一起编码。

67.如权利要求66所述的虹膜识别方法，其特征在于，出现的图象与目标基准虹膜图象进行比较，并用数据的相似性和区带相依性进行分析。

68.如权利要求67所述的虹膜识别方法，其特征在于，拍摄了不止一张的具有不同瞳孔半径的虹膜图象以防止误识别或伪造的无机虹膜。

69.如权利要求68所述的虹膜识别方法，其特征在于，瞳孔半径是通过用可见光控制眼睛周围的亮度来调节的。

70.如权利要求69所述的虹膜识别方法，其特征在于，如果调节的亮度比预定亮度低则亮度还由不可见光调节。

71.如权利要求65所述的虹膜识别方法，其特征在于，如果目标级别不存在则立即输出否定结果。

72.如权利要求71所述的虹膜识别方法，其特征在于，目标基准虹膜图象是在与当前虹膜图象相应的级别中检索的。

73.如权利要求72所述的虹膜识别方法，其特征在于，如果目标级别存在，当前图象将被缩放到相应的图象尺寸。

74.如权利要求73所述的虹膜识别方法，其特征在于，当前图象和目标基准虹膜图象是以块为单位根据块的绝对位置进行比较的。

75.如权利要求74所述的虹膜识别方法，其特征在于，块数据根据顺序密度将数据分为注要、辅助和否主数据并被赋予区带优先级。

76.如权利要求75所述的虹膜识别方法，其特征在于，相应的主要、辅助和否主数据的相似性是通过反映区带优先级分析的，从而确定其相似性是否满足预定的安全条件，并输出分析结果。

77.如权利要求76所述的虹膜识别方法，其特征在于，根据块的区带优先级对块赋予相似性权重。

78.如权利要求77所述的虹膜识别方法，其特征在于，主要、辅助和否主数据的数据相似性被作为绝对要素反映到最终结果中。

79.如权利要求78所述的虹膜识别方法，其特征在于，较高和较低水平的数据的相似性和辅助数据的补偿水平被反映到最终结果中。

80.如权利要求79所述的虹膜识别方法，其特征在于，辅助数据的补偿水平的反映程度与最终结果一起输出。

Images