一種虹膜圖像采集方法及裝置的制造方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種圖像識別技術(shù)領(lǐng)域，特別涉及一種虹膜圖像采集方法及裝置。
【背景技術(shù)】
[0002]虹膜在胎兒發(fā)育階段形成后，在整個生命歷程中是保持不變的。這決定了虹膜特征的唯一性，同時也決定了身份識別的唯一性。因此，可以將眼睛的虹膜特征作為每個人的身份識別對象。目前生物特征識別技術(shù)中，虹膜識別是最安全、最穩(wěn)定的技術(shù)之一。可應(yīng)用于安防設(shè)備(如門禁等)，以及需要高度保密的場所。例如，在好萊塢大片中，通過掃描眼睛視網(wǎng)膜開啟保密房間或保險箱的場景。
[0003]虹膜識別主要分為虹膜圖像采集、圖像預(yù)處理、特征提取、識別認證這四個步驟。而虹膜圖像采集是虹膜識別的第一步，也是至關(guān)重要的一個環(huán)節(jié)。由于虹膜的直徑非常小，而采集的虹膜圖像又要求必須有足夠多的像素，所以虹膜圖像獲取是非常困難的?，F(xiàn)有技術(shù)方案中無法準確、清晰的采集足夠多的虹膜像素，增大了后續(xù)虹膜信息處理的難度，因此現(xiàn)有技術(shù)中采集虹膜圖像的方法采集的虹膜圖像清晰度不足。

【發(fā)明內(nèi)容】

[0004]基于此，為解決上述傳統(tǒng)技術(shù)中虹膜圖像采集清晰度不足的問題，特提出了一種高效、快速的虹膜圖像采集方法。
[0005]一種虹膜圖像獲取方法，包括:
[0006]通過攝像頭獲取目標圖像，查找所述目標圖像中包含的人眼區(qū)域；
[0007]在所述人眼區(qū)域與所述目標圖像的中心的距離大于或等于第一閾值時，根據(jù)所述人眼區(qū)域與所述目標圖像的中心的位移展示提示信息或移動攝像頭；
[0008]獲取所述人眼區(qū)域包含的瞳孔像素數(shù)量，計算所述瞳孔像素數(shù)量與所述目標圖像包含的全局像素數(shù)量的比值；
[0009]根據(jù)所述比值對所述攝像頭進行變焦，獲取虹膜圖像。
[0010]進一步的，所述方法還包括:利用特征識別算法查找所述目標圖像中包含的人眼區(qū)域。
[0011]進一步的，所述獲取所述人眼區(qū)域包含的瞳孔像素數(shù)量的步驟還包括:
[0012]獲取所述人眼區(qū)域中的像素點的灰度值，根據(jù)所述人眼區(qū)域中的像素點的灰度值的中間值設(shè)定第二閾值；
[0013]查找所述人眼區(qū)域中灰度值小于第二閾值的像素點的數(shù)量。
[0014]進一步的，在所述查找人眼區(qū)域中灰度值小于第二閾值的像素點的數(shù)量步驟還包括:
[0015]根據(jù)圓形形狀匹配算法對所述人眼區(qū)域進行干擾濾除處理，濾除掉形狀不是圓形且所述人眼區(qū)域中灰度值小于第二閾值的像素點。
[0016]進一步的，所述根據(jù)所述比值對所述攝像頭進行變焦還包括:
[0017]獲取所述攝像頭的最大變焦倍數(shù)；
[0018]判斷所述比值與所述攝像頭最大變焦倍數(shù)的乘積是否小于第三閾值，若是，則展示提示信息。
[0019]此外，為解決上述傳統(tǒng)技術(shù)中虹膜圖像采集清晰度不足的問題，提供了一種高效、快速的虹膜圖像采集的裝置。
[0020]一種虹膜圖像采集裝置，其特征在于，包括:
[0021]人眼區(qū)域查找模塊，用于通過攝像頭獲取目標圖像，查找所述目標圖像中包含的人眼區(qū)域；
[0022]信息展示模塊，用于在所述人眼區(qū)域與所述目標圖像的中心的距離大于或等于第一閾值時，根據(jù)所述人眼區(qū)域與所述目標圖像的中心的位移展示提示信息或移動攝像頭；
[0023]瞳孔像素數(shù)量獲取模塊，用于獲取所述人眼區(qū)域包含的瞳孔像素數(shù)量，計算所述瞳孔像素數(shù)量與所述目標圖像包含的全局像素數(shù)量的比值；
[0024]焦距調(diào)節(jié)模塊，用于根據(jù)所述比值對所述攝像頭進行變焦，獲取虹膜圖像。
[0025]進一步的，所述裝置還包括特征識別模塊，用于利用特征識別算法查找所述目標圖像中包含的人眼區(qū)域。
[0026]進一步的，所述瞳孔像素數(shù)量獲取模塊還用于獲取所述人眼區(qū)域中的像素點的灰度值，根據(jù)所述人眼區(qū)域中的像素點的灰度值的中間值設(shè)定第二閾值；查找所述人眼區(qū)域中灰度值小于第二閾值的像素點的數(shù)量。
[0027]進一步的，所述瞳孔像素數(shù)量獲取模塊還用于根據(jù)圓形形狀匹配算法對所述人眼區(qū)域進行干擾濾除處理，濾除掉形狀不是圓形且所述人眼區(qū)域中灰度值小于第二閾值的像素點。
[0028]進一步的，所述虹膜圖像獲取模塊還用于獲取所述攝像頭的最大變焦倍數(shù)；判斷所述比值與所述攝像頭最大變焦倍數(shù)的乘積是否小于第三閾值，若是，則展示提示信息。
[0029]上述虹膜圖像獲取方法及裝置，用戶利用計算機設(shè)備將人眼區(qū)域定位到目標圖像的中心，可以保證采集的人眼像素點數(shù)量完整，再從中分離出瞳孔像素點，計算瞳孔像素數(shù)量與目標圖像中的全局像素數(shù)量的比值，通過調(diào)節(jié)攝像頭的焦距改變比值就可以獲得足夠多像素的虹膜圖像，為后續(xù)虹膜信息處理奠定了良好的基礎(chǔ)，從而提高了采集的虹膜圖像的清晰度。
【附圖說明】
[0030]為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。
[0031]其中:
[0032]圖1為一個實施例中一種虹膜圖像采集方法的流程圖；
[0033]圖2為一個實施例中目標圖像與人眼區(qū)域相對位置的示意圖；
[0034]圖3為另一個實施例中目標圖像與人眼區(qū)域相對位置的示意圖；
[0035]圖4為一個實施例中一種虹膜圖像采集裝置的結(jié)構(gòu)示意圖。
【具體實施方式】
[0036]下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。
[0037]為解決上述提到的傳統(tǒng)技術(shù)中采集到的虹膜圖像清晰度不足的技術(shù)問題，在一個實施例中，如圖1所示，特提出了一種虹膜圖像采集的方法，該方法可依賴于計算機程序?qū)崿F(xiàn)，可運行于基于馮諾依曼體系且安裝有固定攝像頭或可旋轉(zhuǎn)攝像頭的計算機系統(tǒng)上。該計算機系統(tǒng)可以是智能手機、筆記本電腦、平板電腦等安裝有固定攝像頭或可旋轉(zhuǎn)攝像頭的計算機設(shè)備。
[0038]具體的，該虹膜圖像獲取方法包括:
[0039]步驟S102:通過攝像頭獲取目標圖像，查找目標圖像中包含的人眼區(qū)域。
[0040]目標圖像為用戶利用攝像頭拍攝的圖像，在虹膜提取的應(yīng)用場景中，即為通過攝像頭拍攝的人體面部的圖像。該圖像包含多種面部信息，如人眼區(qū)域、鼻子區(qū)域、嘴巴區(qū)域等。其中人眼區(qū)域可視為圓形，包含眼球、眼瞼及附屬物(眉毛，睫毛等)等區(qū)域，而眼球區(qū)域又分為鞏膜(眼白)、瞳孔(虹膜位于瞳孔內(nèi)部)及角膜等幾個主要部分。
[0041]在本實施例中，通過利用特征識別算法查找目標圖像中包含的人眼區(qū)域。
[0042]特征識別算法是一種圖像處理技術(shù)，基本原理是通過提取兩個或多個圖像的點特征、邊緣特征或者區(qū)域特征等特征基元，對特征進行參數(shù)描述，然后運用所描述的參數(shù)進行諸如矩陣的運算、梯度的求解、傅立葉變換或者泰勒展開等數(shù)學(xué)運算來完成匹配，最終能夠在一幅圖像中識別出具有一定特征的目標。
[0043]基于圖像特征的匹配方法可以克服利用圖像灰度信息進行匹配的缺點。由于圖像的特征點比像素點要少很多，大大減少了匹配過程的計算量；同時，特征點的匹配度量值對位置的變化比較敏感，可以大大提高匹配的精確程度；而且，特征點的提取過程可以減少噪聲的影響，對灰度變化，圖像形變以及遮擋等都有較好的適應(yīng)能力。所以基于圖像特征的匹配在實際中的應(yīng)用越來越廣泛。
[0044]目前常見的識別匹配算法是基于幾何形狀的特征匹配方法，利用該技術(shù)可以快速識別出眼睛、眉毛、鼻子、嘴等各種器官在面部圖像中的位置。