基于自適應(yīng)閾值分割算法的虹膜識別系統(tǒng)設(shè)計

李丹陽，夏穎，馬銘哲，李天雪，佘?，r，于慶文

基于自適應(yīng)閾值分割算法的虹膜識別系統(tǒng)設(shè)計

李丹陽，夏穎，馬銘哲，李天雪，佘海瑀，于慶文

（齊齊哈爾大學(xué) 通信與電子工程學(xué)院，黑龍江 齊齊哈爾 161006）

在疫情環(huán)境下，為解決傳統(tǒng)生物識別技術(shù)對公共場所出入人員的管控過程中易導(dǎo)致的交叉感染的問題，提出了人眼虹膜的身份識別方法?；诤缒ぷR別技術(shù)的安全管控系統(tǒng)中包括外部攝像鏡頭捕捉人眼圖像、內(nèi)部虹膜圖像預(yù)處理、提取特征和與數(shù)據(jù)庫比對匹配四個部分。從硬件和軟件兩方面入手來說明系統(tǒng)的設(shè)計架構(gòu)和程序設(shè)計等內(nèi)容，采用虹膜識別相關(guān)經(jīng)典算法，得到人眼虹膜圖像。實驗仿真結(jié)果顯示，該方法避免了識別時的接觸和交叉感染等問題，身份識別的準(zhǔn)確性、可靠性得到了提高，對于疫情期間人員管控有積極的作用。

虹膜識別；Canny算子；自適應(yīng)閾值分割；圖像識別

生物特征識別技術(shù)是計算機應(yīng)科學(xué)中，對生物體行為特性、生理特性進行納入與對比的一種技術(shù)，該技術(shù)的使用需要提前建立生物特征數(shù)據(jù)庫，并根據(jù)對前后生物特征的對比，完成對生物身份的識別。目前，人眼定位與人臉識別是生物特征識別技術(shù)方面的兩大熱門研究方向。本文主要通過對生物識別技術(shù)的研究與應(yīng)用，實現(xiàn)對人體眼部特征的準(zhǔn)確識別與標(biāo)注。

1 虹膜識別系統(tǒng)概述

1.1 系統(tǒng)簡介

隨著信息技術(shù)的發(fā)展，身份識別的難度和重要性問題尤為突出。密碼、身份證、指紋等傳統(tǒng)的識別方式具有局限性，不能滿足當(dāng)下社會的需要。除此之外，在疫情防控期間，互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能等越來越多的前沿技術(shù)產(chǎn)品大顯身手，包括人臉識別、指紋識別等技術(shù)，但存在感染的風(fēng)險。面部識別和虹膜識別技術(shù)都屬于非接觸式的識別，但是疫情期間戴上口罩無法進行人臉驗證，在公共場合摘下口罩驗證又難免發(fā)生交叉感染。與之相比，虹膜識別技術(shù)更為安全可靠，它更具有生理方面的優(yōu)勢，適用于車站等人流密度大的公共場所，也更適用于當(dāng)前疫情的防控。

1.2 環(huán)境搭建

為實現(xiàn)對虹膜識別系統(tǒng)的設(shè)計，本文將各種硬件與算法運行軟件運用了進來，系統(tǒng)框圖如圖1所示。其中，硬件主要用來進行虹膜圖像獲取，包括攝像機獲取人虹膜圖像、電腦硬件進行圖像保存以及軟件安裝等。軟件主要用來進行系統(tǒng)算法設(shè)計，用于進行虹膜圖像處理與識別，共同完成對虹膜識別系統(tǒng)的設(shè)計。

圖1 系統(tǒng)框架圖

1.3 硬件安裝配置

攝像頭為TC421HD寬動態(tài)攝像頭，它由1/3AR0331sensor及其外圍電路組成。該攝像頭具有30fps高幀率、可調(diào)分辨率為1920*1080P，寬動態(tài)為125dB動態(tài)范圍；外置6G+650濾光片。該攝像頭是一個獨立運行的系統(tǒng)，具有逆光補償、強光抑制和捕獲高清圖片等功能，不降幀不模糊，因此該系統(tǒng)可在明亮、昏暗及夜間等條件下使用。

攝像頭通過抓拍捕獲人像，保存外界目標(biāo)人臉關(guān)鍵信息，匯總至感光原件上成像。將圖片信息存入后臺并進行圖像數(shù)字基本預(yù)化處理，然后進行圖像幀存，記錄每1s內(nèi)傳輸?shù)膱D片幀數(shù)，再經(jīng)過軟件處理后，通過微機接口連接所編寫程序再傳送至圖像處理器，并通過虹膜識別技術(shù)以虹膜獨有的特征進行身份識別，使其特征點與微機內(nèi)存數(shù)據(jù)進行比對，進行特征提取，最終將編碼后的圖像通過顯示器顯示出來。硬件框圖如圖2所示。

圖2 硬件框圖系統(tǒng)

為了解決原有虹膜識別在光條件因素中存在的問題，在強光源（太陽光等）照射的高亮區(qū)域和沒有光照射的陰影或逆光等較暗場合，運用相應(yīng)的強光抑制算法，使圖像中亮暗區(qū)域進行飽和改變，通過改變攝像機的動態(tài)范圍，達(dá)到強光被減弱，弱光被增強，不會因光強的強弱而抓拍不到明暗處關(guān)鍵細(xì)節(jié)，從而達(dá)到預(yù)期效果獲得高質(zhì)量圖片信息，再進行圖像處理，將信息存儲起來，運用編碼算法，使高清圖像呈現(xiàn)在顯示器上[1]。圖像成像流程圖如圖3所示。

圖3 圖像成像流程圖

1.4 軟件設(shè)計

虹膜識別的軟件系統(tǒng)框架如圖4所示，由圖4可知虹膜識別系統(tǒng)軟件設(shè)計主要包括5個步驟，分別為圖像采集、圖像預(yù)處理、虹膜定位、圖像分割和虹膜識別。

圖4 軟件系統(tǒng)框架圖

2 算法流程設(shè)計

2.1 圖像采集

圖像采集包括使用相機等進行實驗對象的虹膜圖像信息采集，用來進行后期的系統(tǒng)身份識別使用[2]。安裝相機，打開應(yīng)用程序，設(shè)置圖像采集路徑，點擊動態(tài)采集按鈕，采集虹膜原圖圖像，如圖5所示，使用畫圖軟件做一個基本的虹膜檢測區(qū)域的標(biāo)注，如圖6所示，發(fā)現(xiàn)內(nèi)圓基本完整，外圓上半部分圖像信息嚴(yán)重缺失，所以虹膜檢測需要標(biāo)注內(nèi)、外圓檢測邊緣，并且需要補全外圓圖像信息，需要對原圖進行預(yù)處理。

圖5 虹膜原圖圖像

圖6 標(biāo)注虹膜檢測區(qū)域

2.2 圖像預(yù)處理

圖像預(yù)處理就是對圖像像素的增強，以便于后期進行準(zhǔn)確的識別，通過對比度增強和高斯濾波進行圖像的初步優(yōu)化。如式(1)所示，對比度表示灰度圖像素值從黑到白的漸變層次。

2.3 虹膜定位

2.4 圖像分割

區(qū)域生長法根據(jù)相鄰區(qū)域灰度差、區(qū)域形狀和區(qū)域灰度分布統(tǒng)計遍歷分割圖像，計算圖像的生長點，如式(5),(6),(7)所示。

采用自適應(yīng)的虹膜分割算法，其普通歸一化和圖像分割魯棒性強，需要根據(jù)自適應(yīng)閾值對原圖像進行二值化，結(jié)合圖像邊緣檢測的灰度通道圖，通過一階中心矩計算瞳孔中心點的位置，進而分割出虹膜內(nèi)圓和外圓，再對原圖像進行直方圖均衡化，以內(nèi)圓為中心，用不同角度和不同半徑的扇形對圖像進行掃描，求出不同半徑扇形圓弧區(qū)灰度值和之差的最大值所對應(yīng)的半徑[9]，根據(jù)半徑和內(nèi)圓中心找出邊緣檢測的特征點，再通過這些點進行內(nèi)外圓的擬合實現(xiàn)圖像分割。

圖7 虹膜圖像自適應(yīng)分割

2.5 虹膜識別

系統(tǒng)實現(xiàn)后，利用系統(tǒng)進行試驗者虹膜的檢測識別，并講檢測識別結(jié)果與特征庫中的特征進行對比，由此即可完成對不同虹膜的身份信息識別與確定。

3 結(jié)果分析

在軟硬件組裝調(diào)試后，本文對虹膜圖像的采集進行了一系列的實驗研究。在此期間建立了一個初步虹膜圖像的數(shù)據(jù)庫，也是初步樣本庫，其中包含了本小組成員5個人的虹膜圖像，即10個虹膜圖像樣本[10]。在此基礎(chǔ)上，針對不同光源和不同鏡頭距離，對虹膜圖像進行采集。在不同光源下共采集了20個虹膜圖像，在不同鏡頭距離下共采集15個虹膜圖像。在最新的一輪測試中，已經(jīng)能夠獲取較為高分辨率的虹膜圖像，并且達(dá)到了虹膜圖像處理分辨率的要求，同時根據(jù)實際的情況操作進行了多次實驗和實驗結(jié)果的比較，其結(jié)果如下。

3.1 不同光源下的實驗結(jié)果

為了測試虹膜識別系統(tǒng)在不同環(huán)境光源下的采集圖像情況，共設(shè)置四組不同的光源進行采集，分別為：A組為正常光源下采集虹膜圖像，共有5個樣本；B組為采用LED照明進行采集虹膜圖像，共有5個樣本，C組為正常光源下逆光采集虹膜圖像，共有5個樣本，D組采用LED照明逆光采集虹膜圖像，共有5個樣本。實驗結(jié)果如表1所示。

表1 不同光源實驗結(jié)果

虹膜圖像的獲取一直都是研究過程的重點也是難點。在表1中可以看出，虹膜圖像的采集對于光源有較高的要求，正常光源下采集的圖像邊緣較為模糊，不能很好得進行識別圖像，在LED照明下，獲取的虹膜圖像清晰。這是因為本文所采用的攝像頭支持逆光拍攝，所以在逆光情況下并不影響獲取圖像的效果。

3.2 不同鏡頭距離下的實驗結(jié)果

圖8 人眼距鏡頭10cm

圖9 人眼距鏡頭15cm

圖10 人眼距鏡頭20cm

3.3 實驗結(jié)論

通過以上3幅圖的實驗結(jié)果所獲取的虹膜圖像，可以觀察到，在人眼距離鏡頭10cm時，為最佳獲取虹膜圖像的距離，在人眼距離鏡頭15cm和20cm時，虹膜圖像模糊、分辨率低。這是由于現(xiàn)有攝像頭的景深過小，如果人眼距離鏡頭太遠(yuǎn)，會導(dǎo)致所獲取的虹膜圖像模糊，虹膜紋理不夠清晰，虹膜紋理編碼的分辨率降低。綜上所述10cm為最佳獲取圖像距離，可將10cm作為現(xiàn)實生活中的虹膜身份識別距離，對人們進行身份的識別。

4 結(jié)束語

在公共場所進行身份識別時手部接觸或摘下口罩會加大交叉感染的風(fēng)險，且傳統(tǒng)生物特征識別易受環(huán)境中光線不明、部分遮擋等環(huán)境因素影響，從而無法快速、準(zhǔn)確地進行身份識別和管控。本文設(shè)計的虹膜識別系統(tǒng)可對人眼部虹膜信息進行采集，將攝像頭拍攝的圖像傳送到電腦中進行圖像處理，通過調(diào)試、訓(xùn)練將提取出的紋理特征信息與數(shù)據(jù)庫中的圖像進行比對匹配，完成對出入人員的身份識別，如果匹配成功則將在液晶屏中出現(xiàn)“same person”，如果匹配未成功則將在液晶屏中出現(xiàn)“different person”來顯示并沒有此人信息。本文設(shè)計的虹膜識別系統(tǒng)具有一定的作用，可在疫情大環(huán)境下對人們進行身份的識別，幫助減少疫情的感染。

[1] 盧貺，宋霞. 基于STM32微處理器的人眼虹膜識別系統(tǒng)設(shè)計[J]. 湖南工業(yè)職業(yè)技術(shù)學(xué)院學(xué)報，2021, 21(01): 78-80.

[2] 李欣. 虹膜識別系統(tǒng)綜合實驗設(shè)計[J]. 實驗技術(shù)與管理，2021, 38(01): 75-77, 81.

[3] 王君. 多生物特征融合的礦井人員身份識別[J]. 科技通報，2021, 37(03): 44-49.

[4] 李晶晶. 虹膜圖像內(nèi)外邊緣定位算法研究[J]. 通信技術(shù)，2010, 43(05): 178-180．

[5] 彭姣. 基于虹膜技術(shù)的研究與設(shè)計[J]. 電腦知識與技術(shù)，2017, 13(05): 130-131.

[6] 方紅光. 實物保護門禁系統(tǒng)虹膜識別技術(shù)改造[J]. 電子技術(shù)與軟件工程，2015(13): 142．

[7] 黃惠芳，胡廣書. 虹膜識別算法的研究及實現(xiàn)[J]. 紅外與激光工程，2002, 31(05): 404-409.

[8] 張琪. 基于虹膜和人臉融合的移動端身份識別[D]. 北京：中國科學(xué)院大學(xué)（中國科學(xué)院人工智能學(xué)院），2018.

[9] 秦前清，楊宗凱. 實用小波分析[M]. 西安：西安電子科技大學(xué)出版社，1994.

[10] 趙靜. 基于自適應(yīng)閾值分割及邊緣檢測的虹膜內(nèi)邊緣定位算法[J]. 科技信息，2012(16): 41-42.

Design of iris recognition system based on adaptive threshold segmentation algorithm

LI Dan-yang，XIA Ying，MA Ming-zhe，LI Tian-xue，SHE Hai-yu，YU Qing-wen

(College of Communication and Electronic Engineering, Qiqihar University, Heilongjiang Qiqihar 161006, China)

In the epidemic environment, in order to solve the problem of cross infection caused by traditional biometric technology in the control of people entering and leaving public places, this paper proposes an identification method of human iris, which has the advantages of accuracy, uniqueness and non-contact. The security control system based on iris recognition technology includes four parts: external camera lens capturing human eye image, internal iris image preprocessing, feature extraction and comparison and matching with database. This paper explains the design architecture and program design of the system from two aspects of hardware and software, and obtains the human iris image by using the classical algorithms related to iris recognition. The experimental simulation results show that this method avoids the problems of contact and cross infection during identification, improves the accuracy and reliability of identification, and plays a positive role in personnel management and control during the epidemic.

iris recognition；canny operator；adaptive threshold segmentation；image recognition

2021-10-20

黑龍江省教育廳面上項目“基于眾包數(shù)據(jù)的WLAN室內(nèi)定位技術(shù)研究”（135209240）資助

李丹陽（2000-），女，黑龍江七臺河人，本科，主要從事通信多媒體研究，1503265339@qq.com。

TP391.41

A

1007-984X(2022)03-0026-06