申请/专利权人：北京中科虹霸科技有限公司

申请日：2017-07-05

公开（公告）日：2020-11-20

公开（公告）号：CN107437064B

主分类号：G06K9/00(20060101)

分类号：G06K9/00(20060101);G06K9/62(20060101)

优先权：

专利状态码：有效-授权

法律状态：2020.11.20#授权;2017.12.29#实质审查的生效;2017.12.05#公开

摘要：本发明公开了一种基于频谱分析的虹膜活体检测方法，所述方法包括活体虹膜频谱分布特征训练过程和虹膜活体检测过程。本发明利用活体虹膜与打印虹膜的频谱分布特征差异，训练出区别于打印虹膜的活体虹膜的频谱分布特征，实现活体虹膜与打印虹膜的分类，在身份认证过程中有效的防止仿冒活体虹膜的假体攻击现象，适用于维护用户信息安全。本发明设置多种虹膜活体检测判决机制，可根据实际需求配置。

主权项：1.一种基于频谱分析的虹膜活体检测方法，所述方法包括活体虹膜频谱分布特征训练过程S1和虹膜活体检测过程S2；其中，活体虹膜频谱分布特征训练过程S1包括如下子步骤：构建活体虹膜数据库作为训练库，对训练库中的图像进行预处理，裁剪出眼部区域；利用频谱变换方法提取眼部区域特征，得出眼部频谱图；采用图像处理方法得到眼部频谱图的二值化的差值图像；进行区域分析得出眼部频谱分析图；叠加训练库中所有图像的眼部频谱分析图，统计活体虹膜频谱能量分布图；对活体虹膜频谱能量分布图进行多级分解，得出多级活体虹膜频谱能量分布图；所述虹膜活体检测过程S2包括如下子步骤：S21：对测试图像进行预处理，采用人眼检测方法定位眼睛位置，裁剪出眼部图像；S22：利用快速傅里叶变换的频谱变换方法提取眼部区域的频谱特征，得到眼部频谱图；S23：对眼部频谱图进行图像处理，包括滤波、差值处理和二值化处理，得到眼部频谱图的二值化的差值图像；S24：根据训练所得的多级活体虹膜频谱能量分布图，选取判决机制进行活体检测；S25：输出活体检测结果；其中，所述判决机制设置为如下步骤：S2411：进行弱活体虹膜检测，利用训练所得弱活体虹膜频谱能量分布图，对虹膜活体检测过程S2中步骤S23所得二值化的差值图像进行滤波处理，并进行连通域分析，保留连通域面积较大的区域；S2412：判断是否为弱活体虹膜，如果是，则继续进行强活体虹膜检测，进入步骤S2413，否则判为检测到假体，发出报警，虹膜活体检测过程终止；S2413：进行强活体虹膜检测，利用训练所得强活体虹膜频谱能量分布图，对步骤S2411滤波处理后的图像进行滤波处理，并进行连通域分析，保留连通域面积较大的区域；S2414：判断是否为强活体虹膜，如果是，则判为活体虹膜，输出检测结果，虹膜活体检测过程终止，否则返回步骤S21对下一幅测试图像进行虹膜活体检测；或者，所述判决机制还可以设置为如下步骤：S2421：进行强活体虹膜检测，利用训练所得强活体虹膜频谱能量分布图，对虹膜活体检测过程S2中步骤S23所得二值化的差值图像进行滤波处理，并进行连通域分析，保留连通域面积较大的区域；S2422：判断是否为强活体虹膜，如果是，则判为活体虹膜，输出检测结果，虹膜活体检测过程终止，否则继续进行弱活体虹膜检测，进入步骤S2423；S2423：进行弱活体虹膜检测，利用训练所得弱活体虹膜频谱能量分布图，对步骤S2421滤波处理后的图像进行滤波处理，并进行连通域分析，保留连通域面积较大的区域；S2424：判断是否为弱活体虹膜，如果是，则对下一帧图像进行虹膜活体检测，返回虹膜活体检测过程S2中的步骤S21对下一幅测试图像进行活体虹膜检测，否则判为检测到假体，发出报警，虹膜活体检测过程终止。

全文数据：基于频谱分析的虹膜活体检测方法技术领域[0001]本发明涉及数字图像处理、模式识别和统计学习等技术领域，具体涉及基于频谱分析的虹膜活体检测方法。背景技术[0002]虹膜识别通过分析不同虹膜之间的纹理差异对人的身份进行识别和认证，具有唯一性高、稳定性强、非侵犯性等优点，已被成功应用于机场、海关、银行等场合的身份鉴定。然而，随着普及程度的逐渐提高，虹膜识别系统也面临着各种人工伪造技术的威胁和攻击。如果虹膜识别系统不能准确地对伪造虹膜数据进行检测和报警，将对授权用户造成潜在损失。[0003]因此，如何快速有效地实现虹膜识别系统中虹膜活体检测仍然是一个亟待解决的问题。发明内容[0004]本发明目的是针对现有技术中存在的问题，提供一种快速有效的虹膜活体检测方法。[0005]—种基于频谱分析的虹膜活体检测方法，所述方法包括活体虹膜频谱分布特征训练过程S1和虹膜活体检测过程S2。[0006]所述活体虹膜频谱分布特征训练过程S1包括如下子步骤:构建活体虹膜数据库作为训练库，对训练库中的图像进行预处理，裁剪出眼部区域;利用频谱变换方法提取眼部区域特征，得出眼部频谱图；采用图像处理方法得到眼部频谱图的二值化的差值图像;进行区域分析得出眼部频谱分析图；叠加训练库中所有图像的眼部频谱分析图，统计活体虹膜频谱能量分布图；对活体虹膜频谱能量分布图进行多级分解，得出多级活体虹膜频谱能量分布图。[0007]所述虹膜活体检测过程S2包括如下子步骤:对测试图像进行预处理，裁剪出眼部图像;利用频谱变换方法提取眼部区域特征，得出眼部频谱图;采用图像处理方法得到眼部频谱图的二值化的差值图像;根据训练所得的多级活体虹膜频谱能量分布图，选取判决机制进行活体检测;输出活体检测结果。[0008]优选的，所述活体虹膜频谱分布特征训练过程S1包括如下具体步骤：[0009]S11:对训练库中的图像进行预处理，采用人眼检测方法定位眼睛位置，裁剪出眼部图像；[0010]S12:利用快速傅里叶变换的频谱变换方法提取眼部区域的频谱特征，得到眼部频谱图；[0011]S13:对眼部频谱图进行图像处理，包括滤波、差值处理和二值化处理，得到眼部频谱图的二值化的差值图像；[0012]S14:采用连通域分析方法对二值化的差值图像进行区域分析，保留连通域面积较大的区域，得到频谱分析图；[0013]S15:叠加训练库中所有图像的眼部频谱分析图，统计活体虹膜频谱能量分布图；[0014]S16:对活体虹膜频谱能量分布图进行多级分解，得出强、弱活体虹膜频谱能量分布图。'[0015]、，其中，步骤S16的多级分解方法为:设置阈值和13,其中ab，将活体虹膜频谱能量分布图数值大于b的区域标记为1，否则标记为〇，将此标记图像记为弱活体虹膜频谱能量分布图；将活体虹膜频谱能量分布图数值大于a的区域标记为i，否则标记为〇，将此标记图像记为强活体虹膜频谱能量分布图。[0016]优选的，所述虹膜活体检测过程S2包括如下具体步骤：[0017]S21:对测试图像进行预处理，采用人眼检测方法定位眼睛位置，裁剪出眼部图像；[0018]S22:利用快速傅里叶变换的频谱变换方法提取眼部区域的频谱特征，得到眼部频谱图；[0019]S23:对眼部频谱图进行图像处理，包括滤波、差值处理和二值化处理，得到眼部频谱图的二值化的差值图像；[0020]S24:根据训练所得的多级活体虹膜频谱能量分布图，选取判决机制进行活体检测；[0021]S25:输出活体检测结果。[0022]优选的，所述虹膜活体检测过程S2中步骤S24的判决机制设置为如下步骤：[0023]S2411:进行弱活体虹膜检测，利用训练所得弱活体虹膜频谱能量分布图，对步骤S23所得二值化的差值图像进行滤波处理，并进行连通域分析，保留连通域面积较大的区域；[0024]S2412:判断是否为弱活体虹膜，如果是，则继续进行强活体虹膜检测，进入步骤S2413,否则判为检测到假体，发出报警，虹膜活体检测过程终止；[0025]S2413:进行强活体虹膜检测，利用训练所得强活体虹膜频谱能量分布图，对步骤S2411滤波处理后的图像进行滤波处理，并进行连通域分析，保留连通域面积较大的区域；[0026]S2414:判断是否为强活体虹膜，如果是，则判为活体虹膜，输出检测结果，虹膜活体检测过程终止，否则返回步骤S21对下一幅测试图像进行虹膜活体检测。[0027]优选的，所述虹膜活体检测过程S2中步骤S24的判决机制还可以设置为如下步骤：[0028]S2421:进行强活体虹膜检测，利用训练所得强活体虹膜频谱能量分布图，对步骤S23所得二值化的差值图像进行滤波处理，并进行连通域分析，保留连通域面积较大的区域；[0029]S2422:判断是否为强活体虹膜，如果是，则判为活体虹膜，输出检测结果，虹膜活体检测过程终止，否则继续进行弱活体虹膜检测，进入步骤S2423;[0030]S2423:进行弱活体虹膜检测，利用训练所得弱活体虹膜频谱能量分布图，对步骤S24M滤波处理后的图像进行滤波处理，并进行连通域分析，保留连通域面积较大的区域；[0031]S2424:判断是否为弱活体虹膜，如果是，则对下一帧图像进行虹膜活体检测，返回步骤S21对下一幅测试图像进行虹膜活体检测，否则判为检测到假体，发出报警，虹膜活体检测过程终止。[0032]优选的，判决机制的步骤S2422在判为不是活体虹膜之后，累计连续判为不是活体虹膜的次数，当该次数超过预定阈值时，直接判为假体，发出报警，虹膜活体检测过程终止。[0033]优选的，步骤S13与步骤S23的滤波处理包括两次滤波过程，采用半径为1个像素的滤波器对图像进行一次滤波，采用半径为24个像素的滤波器对图像进行二次滤波。[0034]优选的，步骤S13与步骤S23的差值处理方法为对一次滤波、二次滤波图像逐像素做差，取绝对值，再乘以缩放系数。[0035]本发明的有益效果是:本发明利用活体虹膜与打印虹膜的频谱分布特征差异，训练出区别于打印虹膜的活体虹膜的频谱分布特征，实现活体虹膜与打印虹膜分类，在身份认证过程中检测出仿冒活体虹膜的假体攻击现象，适用于维护用户信息安全。本发明设置多种虹膜活体检测判决机制，可根据实际需求配置。[0036]应当理解，前述大体的描述和后续详尽的描述均为示例性说明和解释，并不应当用作对本发明所要求保护内容的限制。附图说明[0037]参考随附的附图，本发明更多的目的、功能和优点将通过本发明实施方式的如下描述得以阐明，其中：[0038]图1示出本发明一种基于频谱分析的虹膜活体检测方法流程图；[0039]图2a示出本发明一种基于频谱分析的虹膜活体检测第一实施例虹膜活体检测方法；[0040]图2b示出本发明一种基于频谱分析的虹膜活体检测第二实施例虹膜活体检测方法；[0041]图2c示出本发明一种基于频谱分析的虹膜活体检测第三实施例虹膜活体检测方法；[0042]图3a根据本发明虹膜活体检测示意性示出活体虹膜；[0043]图3b根据本发明虹膜活体检测示意性示出打印虹膜；[0044]图3c为根据本发明虹膜活体检测示出的活体虹膜3a对应的频谱图；[0045]图3d为根据本发明虹膜活体检测示出的打印虹膜3b对应的频谱图。具体实施方式[0046]通过参考示范性实施例，本发明的目的和功能以及用于实现这些目的和功能的方法将得以阐明。然而，本发明并不受限于以下所公开的示范性实施例;可以通过不同形式来对其加以实现。说明书的实质仅仅是帮助相关领域技术人员综合理解本发明的具体细节。[0047]在下文中，将参考附图描述本发明的实施例。在附图中，相同的附图标记代表相同或类似的部件，或者相同或类似的步骤。[0048]图1为基于频谱分析的虹膜活体检测方法的基本步骤，如图1所示，所述方法包括活体虹膜频谱分布特征训练过程S1和基于频谱分析的虹膜活体检测过程S2,所述活体虹膜频谱分布特征训练过程S1包括如下具体步骤：[0049]步骤S11为对训练库中的图像进行预处理，采用人眼检测方法定位眼睛位置，裁剪出眼部区域。[0050]步骤S12为利用快速傅里叶变换的频谱变换方法提取眼部区域的频谱特征，得到眼部频谱图，并进一步做图像增强处理，设置图像增强阈值T1，将眼部频谱图中小于预设阈值的点的像素值设置为n。[0051]步骤S13为对眼部频谱图进行图像处理，包括滤波、差值处理和二值化处理，得到眼部频谱图的二值化的差值图像。根据频谱图的对称性，可以只对频谱图的上半区域进行滤波处理。滤波处理方法包括均值滤波和中值滤波等，具有两次滤波过程，采用半径为丄个像素的滤波器对图像进行一次滤波，采用半径为24个像素的滤波器对图像进行二次滤波。差值处理方法为对一次滤波、二次滤波图像逐像素做差，取绝对值，再乘以缩放系数。[0052]步骤S14为采用连通域分析方法对二值化的差值图像进行区域分析，保留连通域面积较大的区域，得到频谱分析图。[0053]步骤S15为叠加训练库中所有图像的眼部频谱分析图，统计活体虹膜频谱能量分布图。活体虹膜频谱能量分布图表示活体虹膜频谱能量出现的频数，活体虹膜频谱能量分布图中某一位置的数值越大，表示该位置出现活体虹膜频谱能量的概率越高。也就是说，活体虹膜的频谱能量集中在活体虹膜频谱能量分布图数值较高的区域范围内；打印虹膜的频谱能量不在活体虹膜频谱能量分布图数值较高的区域范围内，并且打印虹膜的频谱能量分布图中存在多个聚集的能量区域。[00M]步骤S16为对活体虹膜频谱能量分布图进行多级分解，设置为两级，得出强、弱活体虹膜频谱能量分布图。具体方法为设置阈值a和b，其中ab，将活体虹膜频谱能量分布图数值大于b的区域标记为1，否则标记为〇，将此标记图像记为弱活体虹膜频谱能量分布图；将活体虹膜频谱能量分布图数值大于a的区域标记为1，否则标记为0，将此标记图像记为强活体虹膜频谱能量分布图。[0055]弱活体虹膜频谱能量分布图中数值为1的区域表示活体虹膜以及部分打印虹膜的频谱能量出现的位置，弱活体虹膜频谱能量分布图中数值为0的区域表示打印虹膜的频谱能量出现的位置。[0056]强活体虹膜频谱能量分布图中数值为1的区域表示活体虹膜的频谱能量出现的位置，强活体虹膜频谱能量分布图中数值为0的区域表示打印虹膜以及部分活体虹膜的频谱能量出现的位置。[0057]所述基于频谱分析的虹膜活体检测过程S2包括如下具体步骤：[0058]步骤S21为对测试图像进行预处理，采用人眼检测方法定位眼睛位置，裁剪出眼部图像。如果未检测到眼睛，可对下一幅测试图像进行预处理。[0059]步骤S22为利用快速傅里叶变换的频谱变换方法提取眼部区域的频谱特征，得到眼部频谱图，并进一步做图像增强处理，设置图像增强阈值n，将眼部频谱图中小于预设阈值的点的像素值设置为T1。[0060]步骤S23为对眼部频谱图进行图像处理，包括滤波、差值处理和二值化处理，得到眼部频谱图的二值化的差值图像。根据频谱图的对称性，可以只对频谱图的上半区域进行滤波处理。滤波处理方法包括均值滤波和中值滤波等，具有两次滤波过程，采用半径为1个像素的滤波器对图像进行一次滤波，采用半径为24个像素的滤波器对图像进行二次滤波。差值处理方法为对一次滤波、二次滤波图像逐像素做差，取绝对值，再乘以缩放系数。[0061]步骤S24为根据训练所得的多级活体虹膜频谱能量分布图，选取判决机制进行活体检测，所述判决机制包括3种。[0062]f骤S25为输出活体检测结果，在虹膜识别身份认证过程中，如果输出为活体虹膜，则当前用户可以继续进行虹膜注册和虹膜识别，如果输出为假体，则无权进行虹膜注册和虹膜识别。[0063]实施例1[0064]第1种判决机制针对出现假体攻击比较频繁的应用场景，通过第一级检测策略的弱活体虹膜检测首先检测出是否为假体，这样能够排除大量假体攻击的情况，之后对于少数判为弱活体的虹膜再进行第二级检测策略的强活体虹膜检测，最终检测出是否为活体虹膜。这种检测策略的有益效果在于只通过第一级检测策略即可检测出假体攻击的情况，在身份认证过程中，能够快速高效的对假体攻击行为发出报警，保证身份认证的安全性。具体步骤如图2a的S2411〜S2414:[0065]S2411:进行弱活体虹膜检测，利用训练所得弱活体虹膜频谱能量分布图，对步骤S23所得二值化的差值图像进行滤波处理，并进行连通域分析，保留连通域面积较大的区域；[0066]S2412:判断是否为弱活体虹膜，如果是，则继续进行强活体虹膜检测，进入步骤S2413,否则判为检测到假体，发出报警，虹膜活体检测过程终止；[0067]S2413:进行强活体虹膜检测，利用训练所得强活体虹膜频谱能量分布图，对步骤S2411滤波处理后的图像进行滤波处理，并进行连通域分析，保留连通域面积较大的区域；[0068]S2414:判断是否为强活体虹膜，如果是，则判为活体虹膜，输出检测结果，虹膜活体检测过程终止，否则返回步骤S21对下一幅测试图像进行虹膜活体检测。[0069]实施例2[0070]第2种判决机制针对不常出现假体攻击的应用场景，通过第一级检测策略的强活体虹膜检测首先检测出是否为活体虹膜，剩下少部分无法判为活体虹膜的图像再进行第二级检测策略的弱活体虹膜检测，最终检测出是否为假体。这种检测策略的有益效果在于只通过第一级检测策略即可检测出活体虹膜，赋予用户相应的权限进行身份认证，对于活体虹膜用户身份认证过程减少了算法的计算复杂度。具体步骤如图2b的S2421〜S2424:[0071]S2421:进行强活体虹膜检测，利用训练所得强活体虹膜频谱能量分布图，对步骤S23所得二值化的差值图像进行滤波处理，并进行连通域分析，保留连通域面积较大的区域；[0072]S2422:判断是否为强活体虹膜，如果是，则判为活体虹膜，输出检测结果，虹膜活体检测过程终止，否则继续进行弱活体虹膜检测，进入步骤S2423;[0073]S2423:进行弱活体虹膜检测，利用训练所得弱活体虹膜频谱能量分布图，对步骤S2421滤波处理后的图像进行滤波处理，并进行连通域分析，保留连通域面积较大的区域；[0074]S2424:判断是否为弱活体虹膜，如果是，则对下一帧图像进行虹膜活体检测，返回步骤S21对下一幅测试图像进行虹膜活体检测，否则判为检测到假体，发出报警，虹膜活体检测过程终止。[0075]实施例3[0076]第3种判决机制与第2种判决机制相比，对于活体虹膜的判断更为严苛，即在第一级检测策略的强活体虹膜检测之后，如果连续判断为不是强活体虹膜的次数超过预设阈值，则直接判为打印虹膜，并发出报警信息，不再对当前用户的下一帧图像进行活体检测。具体步骤如图2C的S2431〜S2436:[0077]S2431:进行强活体虹膜检测，利用训练所得强活体虹膜频谱能量分布图，对步骤S23所得二值化的差值图像进行滤波处理，并进行连通域分析，保留连通域面积较大的区域；[0078]S2432:判断是否为强活体虹膜，如果是，则判为活体虹膜，输出检测结果，虹膜活体检测过程终止，否则进入步骤S2433;[0079]S2433:累计连续判断为不是活体虹膜的次数；[0080]S2434:判断连续判断为不是活体虹膜的次数是否超过阈值，如果超过则判为检测到假体，发出报警，虹膜活体检测过程终止，否则继续进行弱活体虹膜检测，进入步骤S2435；[0081]SM35:进行弱活体虹膜检测，利用训练所得弱活体虹膜频谱能量分布图，对步骤S2431滤波处理后的图像进行滤波处理，并进行连通域分析，保留连通域面积较大的区域；[0082]S2436:判断是否为弱活体虹膜，如果是，则对下一帧图像进行虹膜活体检测，返回步骤S21对下一幅测试图像进行虹膜活体检测，否则判为检测到假体，发出报警，虹膜活体检测过程终止。[0083]图3a〜图3d为活体虹膜与打印虹膜的频谱图示例，其中，图3a为活体虹膜，图3b为来自图3a所示活体虹膜的打印虹膜，图1、图3d分别为图3a、图3b的快速傅里叶变换频谱图，可以看出活体虹膜与打印虹膜的频谱分布存在很大差异:活体虹膜的频谱图中的高频分量分布较为集中，同活体虹膜的频谱相比，打印虹膜具有更多的中、高频频率分量，图3d中有规律的分布在频谱四周的四个亮点即为打印过程所产生的频率特征。因此根据频谱分布差异可以区分活体虹膜与打印虹膜，首先过滤掉活体虹膜频谱出现的位置，之后根据剩余能量区域的个数进行判断，设置阈值，如果剩余能量区域的个数高于阈值，则判为打印虹膜，否则判为活体虹膜。[0084]结合这里披露的本发明的说明和实践，本发明的其他实施例对于本领域技术人员都是易于想到和理解的。说明和实施例仅被认为是示例性的，本发明的真正范围和主旨均由权利要求所限定。'

权利要求：1.一种基于频谱分析的虹膜活体检测方法，所述方法包括活体虹膜频谱分布特征训练过程S1和虹膜活体检测过程S2;其中，活体虹膜频谱分布特征训练过程31包括如下子步骤:构建活体虹膜数据库作为训练库，对训练库中的图像进行预处理，裁剪出眼部区域;利用频谱变换方法提取眼部区域特征，得出眼部频谱图；采用图像处理方法得到眼部频谱图的二值化的差值图像;进行区域f析得出眼部频谱分析图；叠加训练库中所有图像的眼部频谱分析图，统计活体虹膜频谱能量分布图；对活体虹膜频谱能量分布图进行多级分解，得出多级活体虹膜频谱能量分布图；所述虹膜活体检测过程S2包括如下子步骤:对测试图像进行预处理，裁剪出眼部图像；利用频谱变换方法提取眼部区域特征，得出眼部频谱图；采用图像处理方法得到眼部频谱图的二值化的差值图像;根据训练所得的多级活体虹膜频谱能量分布图，选取判决机制进行活体检测;输出活体检测结果。2.根据权利要求1所述的一种基于频谱分析的虹膜活体检测方法，其特征在于，所述活体虹膜频谱分布特征训练过程S1包括如下具体步骤：S11:对训练库中的图像进行预处理，采用人眼检测方法定位眼睛位置，裁剪出眼部图像；S12:利用快速傅里叶变换的频谱变换方法提取眼部区域的频谱特征，得到眼部频谱图；S13:对眼部频谱图进行图像处理，包括滤波、差值处理和二值化处理，得到眼部频谱图的二值化的差值图像；S14:采用连通域分析方法对二值化的差值图像进行区域分析，保留连通域面积较大的区域，得到频谱分析图；S15:叠加训练库中所有图像的眼部频谱分析图，统计活体虹膜频谱能量分布图；S16:对活体虹膜频谱能量分布图进行多级分解，得出强、弱活体虹膜频谱能量分布图。3.根据权利要求2所述的活体虹膜频谱分布特征训练过程S1中步骤s丨6的多级分解方法为:设置阈值a和b，其中ab，将活体虹膜频谱能量分布图数值大于b的区域标记为丨，否则标记为0,将此标记图像记为弱活体虹膜频谱能量分布图;将活体虹膜频谱能量分布图数值大于a的区域标记为丨，否则标记为〇，将此标记图像记为强活体虹膜频谱能量分布图。4.根据权利要求丨所述一种基于频谱分析的虹膜活体检测方法，其特征在于，所述虹膜活体检测过程S2包括如下具体步骤：S21:对测试图像进行预处理，采用人眼检测方法定位眼睛位置，裁剪出眼部图像；S22:利用快速傅里叶变换的频谱变换方法提取眼部区域的频谱特征，得到眼部频谱图；S23:对眼部频谱图进行图像处理，包括滤波、差值处理和二值化处理，得到眼部频谱图的二值化的差值图像；S24:根据训练所得的多级活体虹膜频谱能量分布图，选取判决机制进行活体检测；S25:输出活体检测结果。5.根据权利要求4所述的虹膜活体检测过程S2中的步骤S24，其特征在于，所述判决机制设置为如下步骤：S2411:进行弱活体虹膜检测，利用训练所得弱活体虹膜频谱能量分布图，对虹膜活体检测过程S2中步骤S23所得二值化的差值图像进行滤波处理，并进行连通域分析，保留连通域面积较大的区域；S2412:判断是否为弱活体虹膜，如果是，则继续进行强活体虹膜检测，进入步骤S2413，否则判为检测到假体，发出报警，虹膜活体检测过程终止；S2413:进行强活体虹膜检测，利用训练所得强活体虹膜频谱能量分布图，对步骤52411滤波处理后的图像进行滤波处理，并进行连通域分析，保留连通域面积较大的区域；S2414:判断是否为强活体虹膜，如果是，则判为活体虹膜，输出检测结果，虹膜活体检测过程终止，否则返回权利要求4中的步骤S21对下一幅测试图像进行虹膜活体检测。6.根据权利要求4所述的虹膜活体检测过程S2中步骤S24，其特征在于，所述判决机制还可以设置为如下步骤：S2421:进行强活体虹膜检测，利用训练所得强活体虹膜频谱能量分布图，对虹膜活体检测过程S2中步骤S23所得二值化的差值图像进行滤波处理，并进行连通域分析，保留连通域面积较大的区域；S2422:判断是否为强活体虹膜，如果是，则判为活体虹膜，输出检测结果，虹膜活体检测过程终止，否则继续进行弱活体虹膜检测，进入步骤S2423;S2423:进行弱活体虹膜检测，利用训练所得弱活体虹膜频谱能量分布图，对步骤S2421滤波处理后的图像进行滤波处理，并进行连通域分析，保留连通域面积较大的区域；S2424:判断是否为弱活体虹膜，如果是，则对下一帧图像进行虹膜活体检测，返回虹膜活体检测过程S2中的步骤S21对下一幅测试图像进行活体虹膜检测，否则判为检测到假体，发出报警，虹膜活体检测过程终止。7.根据权利要求6所述的虹膜活体检测过程S2，其特征在于，所述判决机制的步骤SM22在判为不是活体虹膜之后，累计连续判为不是活体虹膜的次数，当该次数超过预定阈值时，直接判为假体，发出报警，虹膜活体检测过程终止。8.根据权利要求2或4所述的一种基于频谱分析的虹膜活体检测方法，其特征在于，所述活体虹膜频谱分布特征训练过程S1中步骤S13和虹膜活体检测过程S2中步骤S23的滤波处理包括两次滤波过程，采用半径为1个像素的滤波器对图像进行一次滤波，采用半径为24个像素的滤波器对图像进行二次滤波。9.根据权利要求2或4所述的一种基于频谱分析的虹膜活体检测方法，其特征在于，所述活体虹膜频谱分布特征训练过程S1中步骤S13和虹膜活体检测过程S2中步骤S23的差值处理方法为对基于频谱分析的虹膜活体检测方法所述的一次滤波、二次滤波图像逐像素做差，取绝对值，再乘以缩放系数。

百度查询： 北京中科虹霸科技有限公司 基于频谱分析的虹膜活体检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD