监狱虹膜识别AB门禁系统

监狱虹膜识别AB门禁系统（共8篇）

篇1：监狱虹膜识别AB门禁系统

监狱虹膜识别AB门禁系统

应用解决方案

摘要：“科技强警”的战略方针，正深刻地改变着传统的警务工作方式。监所门禁建设是“金盾工程”的重要内容之一，是实现监所管理现代化、保障监所安全的必要基础。

关键词：监狱虹膜门禁系统[0篇] 虹膜AB联动门禁系统[0篇] 虹膜门禁系统[0篇] 虹膜识别系统[1篇] 监狱管理方案[0篇] 方案原创：广州创展虹膜生物技术有限公司（苏生）

前言

随着社会科技经济的高速发展，监狱与金融部门的安保要求越来越高，特别是对于关押犯人的监控区域与办理现金业务的银行营业等场所，尾随工作人员进行越狱、盗窃、抢劫已经是监狱、银行犯罪中最常见的犯罪手段之一，即在工作人员打开进入第一道门或营业柜台内的门后，犯罪分子会挟持工作人员冲入第一道门或柜台进行犯罪。因此，此类场所一般的防盗门与门禁系统很难起到防作用，尾随抢劫的案例频繁发生，解决这个问题已成为公安部门与金融部门预防犯罪的当务之急。

智能防尾随虹膜识别AB联动门禁系统的出现则为此类特殊场所提供了一种简便易行、同时十分有效的安防措施，可有效的防止此类通过尾随进行犯罪的发生，已经广泛应用于银行、监狱等高安全需要场所。

方案简介

“科技强警”的战略方针，正深刻地改变着传统的警务工作方式。监所门禁建设是“金盾工程”的重要内容之一，是实现监所管理现代化、保障监所安全的必要基础。

我国监狱目前时常发生的死亡、越狱事件，监狱安防技术亟待完善的重要性越来越受到社会的重视和关注，全新的监狱安防理念和技术应运而生。本方案根据某省大型监狱实际运用案例进行剖析阐述，介绍一个全新的数字化监狱安防系统。数字化监狱通道管理系统的建设可由视频监控、出入口管理、周界报警、巡更管理、监舍对讲和进出通道管理、服狱人员定位等几部分组成全程实时监控系统。

犯人越狱逃跑或非正常死亡，通常是犯罪分子或内部人员采用尾随或胁迫工作人员的方式逃出关押现场或进入机要场所进行犯罪活动，无论犯罪分子采取哪一种方式，要想逃出或进入现场，必须得先通过一至二道安全门。员工进入第一道门后必须要按照规范锁好第一道门才能进入第二道门，如进入第一道门后没按要求关好此道门，员工将不能进入第二道门，如何防止犯罪的发生，关键在于如何很好的控制安全门通道的权限以及将发生的警情迅速地传达给保卫部门或公安部门。

防尾随反胁迫联动虹膜门禁系统是指系统中的两道门具有互锁联动的功能，即当一道门被打开时，另一道门被锁闭，只有当两道门都关上时，通过身份验证，才能打开其中的一道门。同时，AB门之间设立成通障缓冲区，带有探测报警系统同时联动视频监控，试图非法通过此区域者必将触及本报警系统，未接近另一道门的情况下提前发现警情，从而进一步加强了尾随盗窃、越狱的发生。

本公司推出的这套监狱防尾随虹膜识别联动门禁系统，根据犯罪分子采用尾随或胁迫方式出入关押现场进行不法活动的常用手段，结合某省大型监狱实际运用结果进一步剖析阐述，针对安全通道门的控制以及系统报警设计，是一种切合监狱门禁安全控制系统需求的虹膜系统产品，并在实际过程中得到运用于完善。

这套方案的价值就在于能够使监狱部门工作人员的日常操作更加规范，在规范操作的基础上，实现防止尾随、胁迫出入监管场所的目的，有效预防犯人越狱与非正常死亡事件的发生。

监狱作为一个安全系数要求较高的特殊区域，安全管理主要针对监狱大门、各监舍门、各通道、活动场所等控制和管理至关重要。

1、系统主要硬件组成部分：门禁控制器、虹膜识别仪、双签探测器、刷卡摄像机、通障闸机、视频监控器、电锁门磁等。

系统功能

1、双门双向互锁功能，要进出监狱通道的人员进行有效的虹膜识别才能通过两道门，进出每一道门都需要进行虹膜识别身份认证，其中任何一道门出现非法进出行为时均不能通过。一道门开启的情况下，另一道门被锁闭；当警情发生时，可紧急封门按钮，实现两道门的同时强制锁闭；当探测系统产生报警信号时，两道门同时强制封闭，此时无论采用何种措施均打不开门，只有当警报解除后，监狱控制中心通过管理软件来解除封闭，门才可以正常打开。通过管理电脑对进出人员的权限、进出时间以及进入方式进行管理，既安全又方便，起到双保险作用。

2、防尾随管理：第一道门与第二道门之间设立缓冲通障区，加强人员进出控制力度，防止尾随者潜入非法通过其中一道门。通过第一道门后必须按照规定区域合法（限定人次刷卡识别）通过此缓冲区才可以打开第二道门，否则将被探测器捕捉后导致视频监控报警、双门互锁，从而无法通行，这种方式会大大降低防尾随进出的情况。

3、刷卡摄像功能：在缓冲区域人员刷有效卡时，通道控器会自动拍摄刷卡者头像，抓拍图像保存在管理中心数据库留作案底，待出来的时候摄像机再次抓拍图像保存在中心数据库，跟第一次抓拍的图像进行对比，如果所有信息吻合,管理中心工作人员才可放行。

4、移动探测报警功能：为了进一步提高防尾随功能，在AB门通道之间缓冲区安装红外微波双签探测器，防止尾随者非法通过缓冲通障区域试，否则就会触及到探测报警，门禁控制器驱动双门锁死，同时驱动视频监控报警，监控室人员迅速做出相应处理，检查尾随人员的真实身份。

5、反胁迫功能：遇到突发事件时监狱工作人员可能遭到罪犯的挟持被逼迫开门放行，此种情况下工作人员可以在读卡器上或虹膜仪上输入反胁迫码放行，在放行的同时报警信号已经通过通道控器传到管理中心，通知监狱相关人员做好营救准备。

6、时段设置：24小时内可实现多个宵禁功能（时间可自由设置），常开或者常闭，刷卡开启门禁均无效，必须由值班干警确认后，手动开启门禁放行，此功能可以从时间因素上加强安防措施管理。

7、系统自检功能：当出现自然或人为故意造成的通讯线路故障、损坏门体、锁体、识别终端异常、控制器断电、后备电池欠压等情况时系统管理端会及时产生相应的报警信号，使工作人员迅速做出相应处理。

8、远程实时监控功能：AB联动门禁系统与缓冲区域通障系统在非法或异常识别通行的情况下，不但在本办公区域内均能实现对此的远程甚至异地的监控与相应的应对行为。

9、AB门禁系统与缓冲区域闸机系统的报警信号皆有声光设备接入，所有报警信号均能及时转化为声音与可视结果提示工作人员，如对讲、扬声器、警报器、视频监控等，从而更加方便直观的处理各种警情事态。

系统综述

本着“严进严出”的原则，所有大门进出均采用最先进的虹膜识别仪验证通过才能通过大门。在发生火警或其他紧急情况时，可通过门禁管理机械按钮或软件实现所有门禁系统全开和全锁功能。在门禁系统断电后，所有门锁必须由干警手工打开。

根据监狱管理工作的实际要求，采用AB联动门的管理模式，实现双门联动互锁，并在AB门之间制作一缓冲区域。

正常状态进监管区时，虹膜识别开启A门，进入防尾随缓冲区域，再刷卡开启闸机，通过再次虹膜识别开启B门，进入内部区域。出监管区时，刷卡后由中心进行第三方验证，由中心查看监控视频中的人员是否符合出门权限，如有权限，则中心通过管理软件远程控制予以开启B门，进入防尾随缓冲区域，刷卡开启闸机，如果不刷卡从闸机上跳跃过去，移动探测系统马上会发出报警，同时联动视频监控并锁死AB两道门，杜绝了不合法通过缓冲区就想出A门的可能。只有合法通过缓冲区，才能通过A门，进出流程如下图所示。

系统主要特点

1、本系统进出身份验证终端均采用现今最先进的识别技术产品-虹膜生物识别仪，其识别精度为指纹的6-10倍，误识率不到指纹的千分之一，拒识率不到指纹的十分之一，故障率平均不到指纹的十分之一，识别速度为指纹的5-10倍，因此是目前最为理想的选择对象。

基本技术参数：

1）、误识别率：单眼识别100万分之一以下,双眼识别10亿分之一以下。

2）、虹膜识别时间(从合适位置采集完成虹膜图像到输出识别结果)0.1秒，虹膜识别时间(从采集虹膜图像到输出识别结果)单眼识别小于1秒，双眼识别小于3秒；虹膜注册时间(从采集虹膜图像到注册完成)单眼注册小于3秒双眼注册小于5秒。

3）、注册1万个虹膜档案，存储10万条识别信息。

4）、声光引导无接触式识别距离20-50CM。

5）、工作环境温度：-20℃~+60℃。

6）、脱机、联机使用均可，挂式或台式可选。

2、反潜缓冲区设置双签探测分别与虹膜门禁系统以及视频监控联动系统，从而构成了门禁系统与监控系统的有机结合。非法通过者触动探测器后会立马驱动门禁系统锁死双门，同时驱动视频监控报警，从而使工作人员及时看到现场情况。本探测器为红外加微波双重探测技术合成，是目前适合小空间最为先进的探测产品，双重探测，把错报率降到最低。

3、全程实时视频、声光监控跟踪，系统所有非法行为均能产生可视可听的报警信号，为工作人员提供最大化的基本判断条件。

系统线路图

篇2：监狱虹膜识别AB门禁系统

随着社会科技经济的高速发展，监狱与金融部门的安保要求越来越高，特别是对于关押犯人的监控区域与办理现金业务的银行营业等场所，尾随工作人员进行越狱、盗窃、抢劫已经是监狱、银行犯罪中最常见的犯罪手段之一，即在工作人员打开进入第一道门或营业柜台内的门后，犯罪分子会挟持工作人员冲入第一道门或柜台进行犯罪。因此，此类场所一般的防盗门与门禁系统很难起到防作用，尾随抢劫的案例频繁发生，解决这个问题已成为公安部门与金融部门预防犯罪的当务之急。

智能防尾随虹膜识别AB联动门禁系统的出现则为此类特殊场所提供了一种简便易行、同时十分有效的安防措施，可有效的防止此类通过尾随进行犯罪的发生，已经广泛应用于银行、监狱等高安全需要场所。方案概述

“科技强警”的战略方针，正深刻地改变着传统的警务工作方式。监所门禁建设是“金盾工程”的重要内容之一，是实现监所管理现代化、保障监所安全的必要基础。

我国监狱目前时常发生的死亡、越狱事件，监狱安防技术亟待完善的重要性越来越受到社会的重视和关注，全新的监狱安防理念和技术应运而生。本方案根据某省大型监狱实际运用案例进行剖析阐述，介绍一个全新的数字化监狱安防系统。数字化监狱通道管理系统的建设可由视频监控、出入口管理、周界报警、巡更管理、监舍对讲和进出通道管理、服狱人员定位等几部分组成全程实时监控系统。

犯人越狱逃跑或非正常死亡，通常是犯罪分子或内部人员采用尾随或胁迫工作人员的方式逃出关押现场或进入机要场所进行犯罪活动，无论犯罪分子采取哪一种方式，要想逃出或进入现场，必须得先通过一至二道安全门。员工进入第一道门后必须要按照规范锁好第一道门才能进入第二道门，如进入第一道门后没按要求关好此道门，员工将不能进入第二道门，如何防止犯罪的发生，关键在于如何很好的控制安全门通道的权限以及将发生的警情迅速地传达给保卫部门或公安部门。

防尾随反胁迫联动虹膜门禁系统是指系统中的两道门具有互锁联动的功能，即当一道门被打开时，另一道门被锁闭，只有当两道门都关上时，通过身份验证，才能打开其中的一道门。同时，AB门之间设立成通障缓冲区，带有探测报警系统同时联动视频监控，试图非法通过此区域者必将触及本报警系统，未接近另一道门的情况下提前发现警情，从而进一步加强了尾随盗窃、越狱的发生。这套监狱防尾随虹膜识别联动门禁系统，根据犯罪分子采用尾随或胁迫方式出入关押现场进行不法活动的常用手段，结合某省大型监狱实际运用结果进一步剖析阐述，针对安全通道门的控制以及系统报警设计，是一种切合监狱门禁安全控制系统需求的虹膜系统产品，并在实际过程中得到运用于完善。

这套方案的价值就在于能够使监狱部门工作人员的日常操作更加规范，在规范操作的基础上，实现防止尾随、胁迫出入监管场所的目的，有效预防犯人越狱与非正常死亡事件的发生。

监狱作为一个安全系数要求较高的特殊区域，安全管理主要针对监狱大门、各监舍门、各通道、活动场所等控制和管理至关重要。

1、系统主要硬件组成部分：门禁控制器、虹膜识别仪、双签探测器、刷卡摄像机、通障闸机、视频监控器、电锁门磁等。

2、系统功能：

（1）双门双向互锁功能，要进出监狱通道的人员进行有效的虹膜识别才能通过两道门，进出每一道门都需要进行虹膜识别身份认证，其中任何一道门出现非法进出行为时均不能通过。一道门开启的情况下，另一道门被锁闭；当警情发生时，可紧急封门按钮，实现两道门的同时强制锁闭；当探测系统产生报警信号时，两道门同时强制封闭，此时无论采用何种措施均打不开门，只有当警报解除后，监狱控制中心通过管理软件来解除封闭，门才可以正常打开。通过管理电脑对进出人员的权限、进出时间以及进入方式进行管理，既安全又方便，起到双保险作用。

（2）防尾随管理：第一道门与第二道门之间设立缓冲通障区，加强人员进出控制力度，防止尾随者潜入非法通过其中一道门。通过第一道门后必须按照规定区域合法（限定人次刷卡识别）通过此缓冲区才可以打开第二道门，否则将被探测器捕捉后导致视频监控报警、双门互锁，从而无法通行，这种方式会大大降低防尾随进出的情况。

（3）刷卡摄像功能：在缓冲区域人员刷有效卡时，通道控器会自动拍摄刷卡者头像，抓拍图像保存在管理中心数据库留作案底，待出来的时候摄像机再次抓拍图像保存在中心数据库，跟第一次抓拍的图像进行对比，如果所有信息吻合,管理中心工作人员才可放行。

（4）移动探测报警功能：为了进一步提高防尾随功能，在AB门通道之间缓冲区安装红外微波双签探测器，防止尾随者非法通过缓冲通障区域试，否则就会触及到探测报警，门禁控制器驱动双门锁死，同时驱动视频监控报警，监控室人员迅速做出相应处理，检查尾随人员的真实身份。（5）反胁迫功能：遇到突发事件时监狱工作人员可能遭到罪犯的挟持被逼迫开门放行，此种情况下工作人员可以在读卡器上或虹膜仪上输入反胁迫码放行，在放行的同时报警信号已经通过通道控器传到管理中心，通知监狱相关人员做好营救准备。

（6）时段设置：24小时内可实现多个宵禁功能（时间可自由设置），常开或者常闭，刷卡开启门禁均无效，必须由值班干警确认后，手动开启门禁放行，此功能可以从时间因素上加强安防措施管理。

（7)系统自检功能：当出现自然或人为故意造成的通讯线路故障、损坏门体、锁体、识别终端异常、控制器断电、后备电池欠压等情况时系统管理端会及时产生相应的报警信号，使工作人员迅速做出相应处理。

(8)远程实时监控功能：AB联动门禁系统与缓冲区域通障系统在非法或异常识别通行的情况下，不但在本办公区域内均能实现对此的远程甚至异地的监控与相应的应对行为。

篇3：监狱虹膜识别AB门禁系统

目前基于DSP的嵌入式虹膜识别系统大多利用DSP+ARM的形式实现[3],ARM负责图像采集和结果显示,DSP负责数值计算。由于TMS320DM642已经具有图像采集和显示功能,所以本文提出了一种基于单一TMS320DM642的嵌入式虹膜识别系统的设计方案,不仅节约了产品成本,还缩短了开发周期,降低了开发难度。

1 虹膜识别系统总体结构

1.1 虹膜识别系统

本文设计的系统共有三种工作模式可供选择,分别为注册模式、匹配模式以及删除模式。在系统上电后,首先进行系统初始化,然后进入待机状态,在用户按下键盘选择工作模式后,系统由待机状态进入工作状态:(1)进行虹膜图像采集;(2)对所采集图像进行质量评价,如果图像质量不合格,则重新进行虹膜图像采集,如果图像质量合格,即对虹膜图像进行预处理、特征提取和编码;(3)根据用户选择的工作模式进行相应操作。当用户选择注册模式时,系统直接将虹膜特征编码写入虹膜特征数据库中,提示用户注册成功;当用户选择匹配模式时,系统将当前虹膜特征编码与虹膜特征数据库中的虹膜特征编码进行一对多的匹配,直到匹配成功为止,如果虹膜特征数据库中没有相匹配的信息,则提示用户匹配失败;当用户选择删除模式时,系统将当前虹膜特征编码与虹膜特征数据库中的虹膜特征编码进行一对多的匹配,如果匹配成功时,则删除该虹膜特征编码,否则提示用户删除失败。虹膜识别工作流程如图1所示。

1.2 系统硬件结构

本文使用的平台是TI公司的TMS320DM642开发平台。TMS320DM642(以下简写为DM642)是一款专门为图像处理和视频处理定制的DSP[4],大大简化了图像处理平台硬件的开发。在主频720 MHz下处理速度达到5 760 MIPS,非常适合在数据量非常大的图像处理中应用。

DM642片上集成了3个Video Port(VP)接口,可以配置为多种格式数字视频流的输入输出和流捕捉模式。摄像头采集的模拟视频信号经TVP5150转换为数字信号,通过VP2口读入DM642;虹膜识别结果由DM642的VP0口输出数字信号经SAA7121H转换为模拟视频信号在监视器显示。本文设计中采集配置为有效数据区的像素大小为768×576,采用隔行扫描技术,Y、Cr、Cb的比例关系为4:2:2。视频图像采集通过EDMA将视频端口内部FIFO中的视频数据读入SDRAM中的图像存储目的地址[5]。SDRAM中存储系统运行时的临时程序代码和图像数据,Flash中存储系统引导程序、系统软件和虹膜特征数据库。电源为DM642提供+1.4 V的内核电源电压和+3.3 V的数字电源电压。系统硬件架构如图2所示。

1.3 系统软件结构

基于DM642的嵌入式虹膜识别软件系统是在CCS3.3集成开发环境下,基于DSP/BIOS嵌入式操作系统开发的。DSP/BIOS是TI公司专为其TMS320C6000系列、TMS320-C5000系列和TMS320C28x系列DSP平台所设计开发的、一款尺寸可裁剪的实时多任务操作系统内核[6]。DSP BIOS提供4种不同的线程,优先级从高到低分别是硬件中断(HWI)、软件中断(SWI)、任务(TSK)和空闲循环(IDL)。为了完成各个线程之间的同步、互斥和通信,DSP/BIOS还定义了两类对象:邮箱信号(MBX)和旗语信号(SEM)。邮箱用于实现两个线程之间的数据交换,旗语则用于线程之间的同步和互斥。

本系统中共有HWIINT4和HWIINT5两个硬件中断。HWIINT4用于响应键盘按键中断并且记录下用户所按的键,系统会根据用户按键的键值对全局变量KEY进行赋值。当按键是注册时,KEY=0;当按键是匹配时,KEY=1;当按键为删除时,KEY=2。HWIINT5用于响应EDMA中断,表示一帧图像采集完成。系统中共有7个任务:TSKCapture用于虹膜图像采集;TSKEvaluation用于虹膜图像质量评价;TSKProcess用于虹膜图像预处理、特征提取和编码;TSKRegister用于虹膜系统注册;TSKMatch用于虹膜系统匹配;TSKDelete用于虹膜系统删除;TSKDisplay用于视频显示。系统进程调度如图3所示。

2 虹膜识别算法

虹膜识别算法主要包括:(1)虹膜图像预处理;(2)虹膜图像特征提取与编码;(3)编码匹配。

2.1 虹膜图像预处理

虹膜图像预处理主要包括虹膜内外圆定位、定位图像归一化和图像增强三个部分。

本文采用参考文献[7]的定位方法,定位结果如图4所示。

在采集虹膜图像时,采集设备与被采集者的相对位置会发生变化,使得采集到的人眼图像的大小、位置、角度有差异。所以必须将虹膜图像进行归一化以减小由这些差异带来的误差。归一化就是将虹膜纹理区域中的点一一映射到极坐标系中。

由于采集虹膜图像时需要增强光照,将会引起虹膜纹理的明暗程度不同,给后续步骤造成影响。因此,为了提高识别效果,需要对归一化的虹膜图像进行增强。本文采用直方图均衡化实现虹膜图像增强。

2.2 虹膜图像特征提取与编码

虹膜图像特征提取与编码是虹膜识别中最关键的一步,直接关系到虹膜识别的准确率。

2D-Gabor在空域和频域的局部特性与视觉细胞很相似,可以模拟视觉简单细胞的二维感受视野轮廓,同时又具有良好的频率和方向选择性,能提供最佳的时域和频域分辨率。因此本文采用2D-Gabor滤波对虹膜图像进行特征提取。

2D-Gabor滤波器最早由Jhon Daugman博士于1985年提出[8],目前基于2D-Gabor滤波器的虹膜算法已经成为虹膜识别的主流算法。由于虹膜本身的形状近似为环状,在虹膜图像归一化中已经将虹膜纹理信息映射到极坐极系中。为了方便表达和降低复杂度,将Gabor滤波器用极坐标表示为:

式中,(r0,θ0)为滤波器的中心,α、β为滤波器的尺度,ω为调制频率。

采用一组不同尺度和不同方向的Gabor滤波器对归一化后的虹膜图像进行特征提取。其中尺度较小的滤波器注重了虹膜局部的细小纹理,但会受到睫毛噪声的干扰;尺度较大的滤波器提取的是虹膜全局的轮廓信息,可以忽略掉细节干扰但是不能完整地表达虹膜的纹理。如何调节两者之间的平衡是虹膜图像特征提取的难点和重点。根据Gabor滤波器参数设置原理,构建合适的多通道Gabor滤波器,做到全局性和局部性兼顾。构造一组共16个不同尺度的Gabor滤波器组(α∈{},β∈{})完成滤波器的构建工作。将滤波器组与图像进行多通道滤波。

由于Gabor滤波器分成实部和虚部两部分,因此滤波后采样点位置的值也存在实部和虚部,按照实部和虚部的相角大小可以分别得到两位编码,如式(2)所示。经过该种编码后虹膜纹理特征变成0、1的编码序列。

2.3 编码匹配

虹膜识别系统作为生物识别系统中的一种,其主要作用是判断被检测的虹膜特征编码与数据库中模板的相似度。当相似度达到某一程度则认为两幅虹膜图像来自同一个体,允许用户登录,否则拒绝。本文采用海明距HD(Hamming Distance)作为虹膜特征编码匹配的判决标准。

两个不同序列的二进制编码的海明距计算方法如下:

式中,Aj、Bj(j=1,2,3,…,N)表示A和B序列中每一位的编码;XOR表示二进制位的“异或”算子,即Aj等于Bj时结果为0,不等时为1;N为编码的长度。HD体现了编码A和B之间的差异,HD越小,则A和B相同的编码位越多,代表两个虹膜相似度越大。

3 实验结果

实验所用的虹膜图像全部由实验室搭建的采集设备拍摄,目前拍摄了20人,每人左右眼在不同的时期各拍摄6张,共计240张虹膜照片,照片为8 bit灰度图像,768×576像素大小。虹膜照片效果如图4(a)所示。

为了验证本系统工作的有效性,选取不同的HD阈值进行判别,统计类内的拒判次数和类间的误判次数,分别得到误判率(FRR)和误认率(FAR)。本实验共进行600次类内和3 000次类间的判别实验。表1列出了不同HD阈值下误认率和误判率。

当选择合格的HD阈值时,嵌入式虹膜识别系统具有非常高的识别率,且系统识别时间在1.5 s以内,达到了快速高效的识别效果。

嵌入式虹膜识别系统与基于PC的虹膜识别系统相比具有体积更小、成本更低、实用性更强、可靠性更高等优点,是未来虹膜识别系统的主要发展方向。本文设计的基于DM642的嵌入式虹膜识别系统可以广泛地应用于银行、机场、海关等需要身份识别的场合。

参考文献

[1]徐露.虹膜识别若干关键问题研究[D].沈阳:沈阳工业大学,2008.

[2]DAUGMAN J.How iris recognition works[J].IEEE Transactionson Circuits and Systems For Video Technology,2004,14(1):21-30.

[3]周涛,解梅.基于ARM和DSP的虹膜识别系统的设计[J].计算机技术与发展,2008,10(18):13-15.

[4]Texas Instruments Inc.TMS320DM642 video/imaging fixed-point digital signal processor[EB/OL].[2002-07-20].http://www.ti.com/lit/ds/symlink/tms320dm642.

[5]Zhao Xin,Xie Mei.A practical design of iris recognitionsystem based on DSP[C].Intermational Conference onIntelligent Human-machine Systems and Cybernetics.UnitedStates:IEEE Computer Society,2009:66-70.

[6]彭启琮,管庆.DSP集成开发环境[M].北京:电子工业出版社,2004.

[7]叶永强,沈建新,周啸.基于瞳孔灰度特征的快速定位[J].光电工程,2010,37(3):127-132.

篇4：监狱虹膜识别AB门禁系统

记者：作为公司的负责人，您能否为我们详细解读一下，虹膜识别技术产生的背景及对于用户的贡献？

王晓鹏：21世纪是一个信息产业爆发式增长的世纪，更是一个由传感器和网络组成的物联网世纪。随着身份识别和认证技术的蓬勃发展，指纹、面部、DNA、虹膜等人体不可消除的生物特征，正逐步取代密码、钥匙，成为保护个人和组织信息安全，防止刑事、经济犯罪活动最有力的“精确制导武器”。

虹膜识别技术最早由两名美国眼科医生于上个世纪的1986年提出。1991年，世界上第一个虹膜特征提取技术专利由英国剑桥大学约翰•道格曼教授获得。他的研究证明：这项技术能够广泛适用于人类所有的民族、种族。在所有的生物识别技术里，虹膜识别是最适合大规模应用的身份识别技术。虹膜是眼睛中瞳孔和巩膜（眼睛白色部分）之间的环形区域。虹膜生物识别系统依赖于对虹膜纹理模式的检测和识别。虹膜的纹理特征是胎儿在子宫内发育过程中随机发展形成，并在生命的头两年稳固下来（有证据表明胎儿的虹膜在生命的头几个月就已经形成并稳固下来）。即使是同一个人，左右眼睛的虹膜也是不同的，同卵双胞胎儿的虹膜也是完全不同的。

在所有与眼睛相关的生物识别技术中，虹膜图像采集（虹膜成像）对眼睛的侵扰是最小的。经常被误认为眼底视网膜扫描的虹膜成像技术，采用基于商用CCD、CMOS成像传感器技术的数码相机来采集高清虹膜特征图像，因此不需要采集者和采集设备之间的直接身体接触。在目前所有的虹膜图像采集系统中，所使用的光源和成像平面镜都不会对人眼做扫描，不会让人有不舒服以及压迫感。

记者：贵公司在高新科技的本土化方面有何贡献？

王晓鹏：早在2003年我所在的由英国巴斯大学Don Monro教授带领的信号与图像处理SIPG实验室就已经开始从事对虹膜识别算法进行改进的前沿性研究，并在识别精度、比对速度和识别效率发明专利等方面均取得了重大突破。从2006年开始，我们将该技术正式命名为MIRLIN，开始全球商业化拓展。2009年MIRLIN获得Frost&Sullivan颁布的全球虹膜生物识别系统技术创新奖。当时国内真正掌握该项技术核心算法的机构屈指可数，到目前为止，我们的技术仍然比国内同行领先5年。

2009年，在对国内市场做了大半年的深入调研以后，我和一位伦敦政治经济学院LSE毕业的朋友一拍即合，开始寻找资本将该技术引入中国。 很快，我们在2009年底获得天使投资，创办了北京释码大华科技有限公司。

在过去的两年里，公司从最早的两个人迅速扩张到了一个近20人的团队，80%以上是核心研发人员，平均年龄30岁。在原有MIRLIN技术的基础上，我们加入了很多本土化的资源与优势，使我们所掌握的虹膜识别技术已经具备了产业化和大规模生产的条件。我们现在平均每3个月推出一款新产品，已有从ES—100，ES—200，到ES—500一系列十余款嵌入式和分体式虹膜识别产品。在产品的功能性方面，我们更多地考虑了用户使用方便和工业设计的问题，识别距离更远，用户配合度更低，同时成本大为降低。在专利方面，除之前已经注册的WO、PCT国际专利，我们也先后向中国国家知识产权局SIPO申报了5项专利，作为对专有技术的法律保护后盾。

记者：这项技术可以运用于哪些具体的单位和个人？

王晓鹏：随着信息技术的发展，身份识别的难度和重要性越来越突出。密码、身份认证等传统的身份识别方法由于其局限性—易丢失、易被伪造、易被破解等，已不能满足当代社会的需要。基于生物特征的身份识别技术由于具有稳定、便捷、不易伪造等优点，近几年已成为身份识别的热点。

在所有生物特征识别技术中，虹膜识别是当前应用最为精确的一种。到目前为止，虹膜识别的错误率是各种生物特征识别中最低的。虹膜识别技术以其高准确性、非接触式采集、易于使用等优点在国内得到了迅速发展。我公司的虹膜产品已在中国农业银行、北京首都国际机场、总后医院、监狱、公司考勤等安全系统中被广泛应用。

美国的专业评级机构IBG对虹膜识别技术市场的评估是：这个市场正以每年28%的速度增长，未来五年这个市场的规模将达到上百亿的规模。

现在我们的产品和技术已被广泛应用于对安全性能有较高要求的国家保密机构的身份认证、反恐军事安全、基础出入境管理、VIP快速通道、金库门禁、银行柜员授权及保险箱、虹膜ATM机系统、网银及手机虹膜支付、生物护照以及电子客票实名制身份验证、考场身份认证、监狱门禁控制，以及别墅、酒店、会所门禁等领域。虹膜可以替代个人的密码，识别个人的身份，100%确保本人使用，防止抵赖和造假。

国际上，阿联酋UAE是最早大规模启动虹膜边检的国家，每天虹膜比对高达27亿次；今年年初墨西哥成为第一个正式启用虹膜居民身份证的国家，普及人口近1.2亿；印度也从2009年开始精心酝酿其全国虹膜边检计划，一旦实施将是世界上最大的虹膜识别应用项目。

记者：在生物识别技术领域，贵公司的产品和技术区别于同类的明显优势在哪里？

王晓鹏：作为以技术为主的公司，我们的优势就在于我们的核心技术的先进性。 我们使用过多种标准虹膜数据库进行测试，与业界其他算法进行比较，我们的虹膜识别技术拥有如下优势:

1.高可靠性

通常业界对虹膜算法性能和准确性的评判标准是看所谓的识别终端操作特性ROC曲线（Receiver Operating Curve），它反映的是错误接纳率FAR（False Accept Rate错误允许非法人的通过）和错误否决率FRR（False Reject Rate错误禁止合法的人通过）两大参数的关联。两条曲线的交点等同误差率EER（Equal Error Rate）是衡量虹膜识别算法可靠性的一个公认的重要指标。在单眼识别情况下，我们的等同误差率为EER2.36×10-8,在双眼识别情况下，EER可达到10-16，在业内领先。

2.高速性

EyeSmart虹膜识别专利算法能提供四倍于现有虹膜识别产品的速度，能够进行每秒250万次的匹配，特别适合国家级和省市级的大规模数据库使用。

3.高效性

我们采用25种不同的头部旋转技术支持被采集者很自由地接受虹膜采集。在采集虹膜数据的过程中，被采集者只需对准镜头瞟一眼，根据个人感觉舒适的方式来使用，就可以完成整个采集过程。这比起国内其他同类产品在采集过程中需要高度僵硬的配合来说，具有明显的用户体验优势。

4.高压缩率

经过多年的研究我们发现，每个虹膜其实只需579字节大小的特征模板便可表征虹膜识别所需的特征，同时保持与ISO 19794—6国际虹膜图像标准的兼容性。这比市场上同类技术产品节省了60%～75%的存储空间，这也意味着同样的存储空间我们的技术可以多容纳2～3倍的终端用户。

5.高容错性

我们的算法可以在多种照明噪音环境下有效探测和采集虹膜，室内室外均适合，小眼睛人群也可以用。

6.远距离以及行动中成像功能

我们早在2006年就与美国某公司‘Iris on the Move’平台成功对接，允许用户以步行的速度通过虹膜安检，而无需驻足，采集距离3米，每秒通过率达20人左右，100%识别正确。目前我们研发的自适应虹膜成像设备，最远精确虹膜成像距离为15米，已投入美国商业市场。

记者：“十二五”期间，我国政府将“致力于推动经济社会各领域信息化”。能否为我们展望一下，虹膜识别技术在未来中国的发展前景！

王晓鹏：据国际生物识别技术组织预测：未来5年虹膜识别技术的全球市场规模约为12.6亿美金，年均增长率27%～35%之间。我认为未来的5年，随着技术应用面的扩大，以及物联网、电子支付等的普及应用，中国虹膜识别市场将会呈几何速度递增，达到上50亿人民币的规模。

我个人觉得，“十二五”期间，以智慧城市和物联网建设为大环境，政府在安全、生物识别方面的投入会大大加强；同时随着高端智能手机、平板电脑的普及，虹膜识别技术在个人消费领域很可能发生本质的突破，普及到个人。将虹膜身份识别与个人智能手持终端集成在一起，可以开展诸如开机、密码保护、文件加密、网上银行、金融支付、购买机票、电子商务等业务。这一突破无疑将为人们的生活带来意想不到的便捷和效率，但是这项技术在系统的集成方面还需要一个过程，需要与运营商、核心技术算法供应商、设备生产商等进行融合；另外在产品的微型化发展方面也需要更多的技术支撑。

后记：成立于2010年的北京释码大华科技有限公司由于掌握了虹膜识别的核心技术，现已成为国内处于该领域最前沿的科技先驱。由该公司开发的专利虹膜图像处理技术已成功推动了远距离和运动中虹膜图像的采集。这为极大促进更低用户配合下，进行更准确身份识别的研究、运用，提供了先进的技术支撑。

篇5：监狱虹膜识别AB门禁系统

身份识别在现代社会已经成为各行业领域中关注的焦点, 社会在发展, 而身份的真实性是保证行业运行安全的基础, 而城市交通中, 为了保证系统安全稳定的运行, 更需要进行准确的身份识别, 其不仅关系到对乘客的身份鉴别, 更关系到整体车辆、机组及工作人员的安全。而传统的身份识别方式正面临着安全性能的挑战, 因而容易丢失, 另外账户以及口令容易出现遗忘, 卡片等信息容易出现仿造等一系列安全隐患。而这些问题都可以通过人体这种生物特性予以避免, 而虹膜特征具有稳定、永久、唯一、安全的特性。并且在所有生理特征中, 虹膜特征最为可靠稳定。其错误率是各种生物特征识别中最低的。所以, 虹膜识别将广泛应用于地铁、高铁、海关机场安检等领域。

文章主要在信息采集系统中增添了一种新型技术, 即将虹膜识别技术应用其中, 通过对该种采集系统的设计, 进行现场身份信息采集和数据录入分析, 可便于工作人员携带, 随时随地检查乘客身份。

1 原理分析

1.1识别技术

人眼睛结构主要由三部分构成, 即巩膜、虹膜以及瞳孔。虹膜是瞳孔与巩膜间的环形可视部分, 其表面包含了丰富的信息, 如腺窝以及色素斑和皱褶, 在人体中结构最为独特。虹膜的生理特征受到遗传基因的控制, 因而在生物身份标识识别中, 虹膜最为可靠。虹膜识别的步骤主要有四步, 首先对虹膜图像进行有效提取, 并进行预处理, 其次提取其纹理特征, 最后对虹膜进行分类。

1.2 获取图像

利用面部虹膜组合成像装置, 该系统准确, 对眼睛位置进行追踪定位, 同时最快速高效的获得高质量目标图像, 即虹膜纹理图。

1.3 识别算法

提取虹膜特征前, 需要对各类不稳定因素, 即对采集信息造成不利的各类因素进行预处理, 预处理主要有三个部分:即对虹膜进行定位, 对虹膜进行归一化, 最后增强图像。 (如图1)

1.3.1虹膜定位

对图像进行两次二值化处理, 粗定位虹膜的内外边缘, 然后使用圆形边缘检测器对虹膜的内外边缘进行精确定位。主要定位算法有:Daunman的圆周差分方法、Wildes等采用的Hough变换的方法和梯度最优算法[3]。Wildes的梯度最优算法, 能更好的提取虹膜图像。

1.3.2 虹膜图像归一化

由于瞳孔随光照的变化会影响虹膜大小。虹膜归一化可将虹膜区域的大小调整到固定的尺寸, 减少由于瞳孔缩放所造成的影响。

1.3.3 图像增强

对虹膜图像展开时, 可以采用Bresenham直线算法对原始图像扫描线上的点进行插值。对展开后的虹膜图像进行局部的直方图均衡化, 从而实现图像的增强[3], 减少非均匀光照的影响。

1.3.4 虹膜特征提取与匹配

采用Daunman的二维Gabor复小波所具有的较好的方向和频率选择性来进行虹膜图像的纹理特征提取, Daunman采用汉明距的方法来进行特征匹配。

汉明距方法如下式:

式中, N为编码长度[2]。

2 系统组成

传感器在信号采集系统中具有重要的作用, 主要对虹膜相关信息进行准确定位, 定位完全后进行采集;而采集后的图像需要进行处理, 处理系统的作用是预处理虹膜图像信息, 并针对有用信息进行提取;最后数据分析系统用于创建用户模板, 对其信息进行存储、注册与用户身份识别, 如图2所示。

3 硬件设计

虹膜信息采集系统的硬件包括:虹膜采集模块 (选用OV7110作为图像传感器, 输出Y分量-灰度值, 采集虹膜纹理) 、虹膜识别模块 (图像处理部分采用ADSP-BF533型DSP) 、嵌入式核心处理器 (采用了三星公司S3C2410处理器) 、存储单元、用户接口单元和通信接口单元 (串行口、以太网口及USB接口, 扩展出的USB接口用于外接鼠标, 并支持Win CE的USB同步功能) 。

系统硬件组成框图如图3所示:

4 虹膜信息采集系统软件设计

软件设计主要包括:操作系统的选择 (选用Windows CE作为底层操作系统, 其图形用户界面相当出色) 及内核的定制与移植 (使用开发工具Platform Builder) 、Bootloader移植 (可以初始化硬件设备、建立内存空间映射图) 、SPI驱动程序设计和应用程序开发。通过上述功能对虹膜信息进行提取, 并设置同信息相互关联的用户姓名以及ID信息, 方便存储管理, 也方便进行身份识别。

5 结束语

文章介绍的虹膜信息采集系统, 可对人体虹膜信息以及身份信息进行采集识别, 并且在实践测试中取得了较为可靠的功能水平。不但在操作上更为简便, 便于携带, 重要的是其不会对人体产生伤害, 可以满足地铁、高铁、海关机场安检等公共交通信息系统的身份鉴别。

摘要：身份信息识别在城市轨道交通中具有重要地位, 其信息采集系统更是轨道交通运行的基础, 但是传统身份识别很容易出现错误, 身份证、钥匙以及卡片容易仿造及丢失, 口令以及密码也很容易被遗忘, 因此具有很大的局限性。文章主要针对此类问题提出了新型虹膜识别轨道交通信息采集系统, 从而实现了信息的采集录入以及后期身份的注册及证明。在进行系统硬件电路的设计中, 系统主要采用了ARM嵌入式微处理器, 并采用虹膜传感器, 从而对虹膜信息进行有效采集。该软件的开发平台使用了Windows CE。在高铁、地铁、轻轨以及海关安检等领域的身份鉴别中都能够发挥巨大的作用。

关键词：虹膜识别,城市轨道交通,ARM,Windows CE操作系统

参考文献

[1]田捷, 杨鑫.生物特征识别理论与应用[M].清华大学出版社, 2009, 3.

[2]刘铁根.嵌入式图像检测技术[M].机械工业出版社, 2008, 3.

篇6：虹膜识别，“刷眼”利器

日前，“刷眼”利器——远距离虹膜识别一体机问世了。这个家伙有什么厉害之处呢？原来，用它扫一眼就能识别出人的真实身份，使身份认证更加快速而精准。

在虹膜面前，密码都是浮云

在互联网时代，密码已经成为人们日常生活中不可或缺的部分，无论是网上支付、发微信，甚至是进家门，都少不了密码。如今，几乎到了“无码寸步难行”的地步。但是各种各样的密码，不仅难记，还容易泄露，可靠性难以保障。比起密码的可靠性，虹膜识别技术就厉害多了！

虹膜识别是目前准确度仅次于DNA的生物特征识别手段，但由于DNA检测时间较长，因此还没在实战中投入使用。因此，虹膜识别是目前已知最先进的生物识别技术。你问为啥？

这是因为，虹膜是眼睛瞳孔和眼白之间的环形区域，具有丰富的纹理特征，它在人1岁半以后就终身不变了，因此稳定性很好，并且很难被伪造。虹膜复杂的结构和丰富的纹理特征，确保了虹膜识别的准确性。

虹膜识别，法眼难逃

虹膜产品特别精确，防伪性好。由于瞳孔的大小会随外界光线强弱而变化，因此虹膜识别检测技术可以实现有效的防伪。另外，还可以通过瞳孔随光线的大小变化，检测出被测试的是活体还是死体，是真人还是照片，直接“揪出”身份造假者。此外，虹膜识别距离远，可达1米，识别时间小于1秒，误识率低于千万分之一，性能指标达到国际先进水平。因此，如果不法分子妄图通过不当手段蒙混过关，结果一定难逃虹膜识别的法眼！

据说，目前设计师结合用户的实际需求，不断丰富新一代虹膜识别产品的系列化设计方案，正在逐步推出门禁、考勤、电子商务、个人金融等系列产品。而一些单位已经采用了虹膜考勤机进行考勤，人们只要自助扫描，1秒即可完成虹膜识别考勤。

有人说，现在是“刷脸”的时代，未来，一定会是“刷眼”的时代。

篇7：虹膜识别技术综述

关键词：虹膜识别,生物特征识别,身份认证

（一）引言

一个公平、安定和高效的社会离不开安全可靠的身份认证解决方案。尤其在网络高度发达、人员交往和流动频繁的现代社会里，人们对身份识别技术提出了更高的要求。在需求的驱动下，基于人脸、指纹、虹膜、手形、笔迹等生物特征的识别技术应用而生。其中虹膜识别是一个新兴的热门发展方向，虹膜是位于人眼表面黑色瞳孔和白色巩膜之间的圆环状区域，在红外光下可以看到丰富的纹理信息，如斑点、条纹、细丝、隐窝等细节特征。在上个世纪首先是由眼科医生发现了人眼虹膜的独特性，到1993年英国剑桥大学Daugman博士提出了一套成功的虹膜特征描述和相似性判别算法，从此就开始了虹膜识别产业化的进程。现有国外的商业虹膜识别产品的核心软件大都是基于Daugman的算法，已经成功地用于大规模人群的身份鉴定，如海关的出入境检查、社会福利发放、建筑物的进出控制、银行自动提款机、电子护照和第二代身份证、公安和司法等领域。在我国这样人口众多的国家开展自主知识产权的虹膜识别研究尤其具有特别重要的战略意义。从已经公布的大规模实验室测试和实际应用的结果来看，虹膜是最可靠和最稳定的生物特征。据国内权威研究机构分析预测，预计2008年，中国生物认证市场收入将达到100亿人民币的市场规模。其中虹膜识别市场规模就将达到20亿人民币。

（二）虹膜识别系统的基本步骤及其关键技术

虹膜识别技系统的基本步骤为：(1)图像采集，用于获取虹膜图像;(2)虹膜图像预处理，进行虹膜内外边缘定位、归一化和图像增强等;(3)特征提取，得到虹膜纹理的特征编码;(4)特征匹配，将提取的虹膜特征编码与特征模板进行匹配以区分不同的虹膜。整个步骤如图2.1所示。下面将对虹膜识别所涉及的部分主要步骤及其关键技术做进一步详细的阐述。

1. 预处理

虹膜识别技术一般都是通过虹膜采集设备采集虹膜图像，然后通过预处理消除图像的噪声斑点和光照带给图像的影响。

虹膜图像预处理是虹膜识别算法的第一步，主要由虹膜内外边缘定位、虹膜图像归一化和虹膜图像增强几部分组成。下面分别介绍这几方面的研究现状。

(1）虹膜定位

虹膜定位的目的就是通过定位虹膜的内外边缘、上眼睑、下眼睑，将虹膜从原始的图像中分割出来。

为了便于处理，通常将虹膜内、外边界近似为同心圆处理。Daugman利用眼睛不同区域灰度差比较大的特点，采用圆形边缘检测器法进行虹膜的内、外边缘定位。这个算子通过在三维参数空间中搜索最大环路积分的方法确定虹膜内外边缘的圆心坐标和半径。Wild et al.的定位算法分两步：首先，通过边缘检测将图像装换成二值图像，然后利用Hough变换法进行虹膜的内外边缘定位。Daugman和Wildes et al.的方法是经典的虹膜定位方法，但是它们的缺点是定位速度慢、对图像要求比较高。

为了克服上述方法的不足，一些新的虹膜定位方法被提了出来，其中大部分都是采用由粗到细的方法进行定位，先粗略确定内边缘(或外边缘)的中心位置和半径，然后进行精确定位。得到了内外边缘(或外边缘)精确定位后，再利用内外边缘近似为同心圆的特点定位外边缘(或内边缘)。究竟是先定位内边缘，还是先定位外边缘，要根据图像的灰度分布特点来确定。

需要注意的是，因为不同的图像采集设备的虹膜图像的灰度分布特点差异比较大、没有统一的图像标准，所以，目前的虹膜定位算法都是针对特定的图像采集设备设计的，几乎没有那种方法能够同时用于多种类型的虹膜图像。

(2）虹膜图像归一化

分割出来的虹膜图像还需要进行虹膜的归一化消除图像获取时的旋转、尺度变化，以及消除睫毛遮盖等带来的影响。

Daugman采用极坐标归一的方法进行处理，它的本质是属于线性映射;Wildes et al.采用映射函数将输入虹膜图像与数据库中的模板进行逐点映射，以补偿虹膜的缩放和旋转，这种方法的本质属于一种仿射变换;中科院自动化所的马力和张德馨分别采用线性映射、分段线性映射和非线性映射进行虹膜归一化，并对对归一化的视觉效果进行比较，同时分别给出了在不一样的映射下的识别结果。

(3）虹膜图像的增强

对归一化后的图像进行增强处理是为了克服由于光照不足或不均，造成的图像对比度过低或图像的亮度不均等现象。

在这方面进行研究的主要是中科院自动化的研究者，其方法大致相同，步骤为：首先估计图像的背景光照，然后利用背景光照对图像进行光照调整，最后对图像进行均衡化。中科院的黄俊洲还研究了基于超分辨率的虹膜图像增强算法。

2. 虹膜特征提取与匹配

在虹膜图像预处理后进行的是虹膜识别中最重要的两步，即虹膜的特征提取和特征匹配。最初的特征提取方法主要有Daugman提出二维Gabor变换法和Wilds et al.提出的高斯-拉普拉斯滤波器法，后来随着虹膜识别研究的升温，许多新的方法被引入，促进了虹膜识别技术的发展。下面介绍目前常用的虹膜特征提取与匹配的方法：

(1) Daugman提出的用极坐标形式的二维Gabor变换进行虹膜特征提取，也就是用二维Gabor变换对虹膜图像进行滤波;然后，根据滤波值的正负，对滤波结果的实部和虚部分别进行符号量化并得到长度为256个字节的虹膜编码。然后采用Hamming距离进行特征匹配。

(2) Wilds et al.提出的用各向同性的高斯-拉普拉斯滤波器对图像进行分解，在实际工作中使用类似高斯状滤波器的二维小模板对虹膜图像进行滤波，并构成4层普拉斯金字塔的方法进行特征提取。Wilds et al.的特征匹配算法较为复杂，主要是计算输入图像和输出图像的均值和方差等统计信息，然后将两幅图像的协方差作为相关性系数，最后用Fisher线性判断确定两幅图像的匹配结果。

(3) Boles提出把虹膜图像的小波变换过零点信息作为虹膜特征，首先把虹膜图像转换成一维信号，然后利用二进制小波变换(三次样条小波)的过零点进行特征编码，并利用过零点的位置和相邻过零点之间的幅值进行特征匹配。

(4)中科院自动化所模式识别国家重点实验室的科研人员提出的基于多通道空间滤波的识别方法、基于Gaussian-Hermite矩描述的识别方法和基于局部变化分析的识别方法。

综上所述，已有的各种虹膜识别方法，都有各自的优缺点，没有一种是业界公认的通用方法。而且，大部分都利用小波变换这一数学工具，采用某种特征表示方法最终完成虹膜识别。

（三）虹膜识别的发展现状

核心算法方面，现在世界主要的公司基本都采用的是John Daugman的核心算法。国内在2000年前在虹膜识别方面一直没有自己的核心知识产权，中科院于2000年初，在国家模式识别重点实验室16周年的研究基础上，结合谭铁牛、王阳生的研究成果开发了虹膜识别的核心算法，成了世界上仅有的掌握虹膜核心算法的公司之一。同时相对于世界上其他公司的核心算法，中科院的核心算法速度更快，占用的内存空间更小，整体性能更优。

在硬件采集设备方面，国外现在领先的是日本的松下公司和OKI公司，秉承日本企业一贯在制造业和光学产品制造方面的领先优势，松下公司和OKI公司基本上为全球几家最重要的产品提供配套的硬件采集设备。在国内，中科院于2000年研制出了具备完全知识产权的硬件采集设备，但是由于国内在光学制造方面的弱点，无法生产出世界先进的硬件设备。于是在2003年，通过于OKI公司的战略合作，中科院自动化所下属的产业转化公司：北京中科模式科技有限公司推出了具有世界领先水平的手持式硬件采集设备，基本上克服了阻碍虹膜识别的技术应用障碍。2006年中科院在远距离(3米以上)虹膜采集设备上也有所突破，努力向远距离无干扰的虹膜识别方向发展。

在应用开发上，国外的公司已经有了比较成熟的在各个行业的应用系统，2000年前，国际上对中国实施虹膜产品的禁运，从2000年以后开始，北京中科模式科技有限公司经过两年的攻关，在2002年推出了重点针对机场，民航，银行等高度机密的虹膜识别的应用系统，填补了国内企业在虹膜识别技术应用方面的空白。

（四）虹膜识别的技术难点及其发展方向

1. 虹膜识别的技术难点

虽然，近年来虹膜识别技术在硬件和软件方面都有了很大发展，但是，为了使这项技术尽快地从实验研究和小范围使用阶段进入大规模推广阶段，还需要克服以下三个方面的技术难点：

(1)图像采集。目前，图像采集方面的问题主要是图像采集设备对光线要求比较高，图像采集设备的易用性比较差。所以要想获取高质量的虹膜图像需要用户的良好配合，另外硬件成本也比较高。

(2)虹膜识别算法的通用性不强。由于目前各种图像采集装置的工作原理、硬件条件存在显著的差异，所以，还没有一个统一的、被广泛接受的虹膜图像库供研究者使用。为了进行算法研究，相当一部分科研人员都研制了自己的图像采集设备，并在由自己的图像采集设备所采的图像库上进行算法研究。由于不同的图像采集设备采到的图像的灰度分布特征存在差异，而虹膜定位和特征提取算法又非常依赖于特定的灰度分布特征，因而，同一个虹膜识别算法很难成功地应用于不同类型的虹膜图像。

(3)虹膜识别的速度很慢。虹膜识别中的特征数是相当多的，具有大约266项可检测到的特征。小范围特定人群的虹膜识别(如公司内部的考勤机、机要部门的门禁)由于数据量小，此时，一般的模式分类方法理论上是可用的。但如果待识别的对象数量特别大(如银行的ATM机)，识别的速度将变慢到人们不可忍受的程度。

2. 主要发展方向

目前的各种虹膜识别系统由于自身的缺陷使它们远远不能满足虹膜识别的需要，针对目前虹膜识别技术存在的各种缺陷，目前虹膜识别技术的主要研究方向有：

(1）虹膜图像提取设备的研究

在虹膜图像提取设备设计过程中应考虑使系统采集到的图像质量免受杂光，距离等外来因素的干扰，掌握提高系统人机接口的友好性以及降低采集设备的成本这个虹膜识别技术的发展趋向。

从硬件方面，可以设计景深较大的光学镜头组，引入自动变焦技术和辅助定位技术来提高系统的易用性;从软件方面，可以利用超分辨率技术和图像增强技术来提高图像质量，通过语音提示或者视频的方式提醒用户配合采集设备。在安全级别要求较高的应用环境中，虹膜图像的活体检测也是一个重要的方面，防止假冒者盗用他人的虹膜图像。

(2）虹膜数据库的建立与虹膜图像的标准化

目前，具有国际标准的可共享资源的大型虹膜数据库亟待建立。同时，为了规范虹膜图像的数据格式，统一硬件提供商、软件开发商和系统集成商之间的数据接口，促进各种计算机应用之间的数据共享，方便研究人员之间的交流，支撑虹膜识别产品的评测，应该尽早投入力量开展虹膜识别标准化方面的工作。

(3）虹膜特征的提取研究

在以往常采用简单的分解虹膜纹理图像低频部分来提取虹膜纹理特征的方法中，很大可能会丢失中频，高频部分的特征信息。所以，提取出来的特征数就相对较少，不利于后期进行有效的分类识别。如果采用对所有子带进行分解的完全树形结构小波分解的方法，虽能提取出虹膜纹理图像的大部分特征信息，但是势必增加计算量，影响后期分类识别的速度。由此，采用高效的特征提取方法如一些非线性特征提取方法既保留虹膜尽可能多的信息，又能达到对数据降维的效果是虹膜特征提取的关键。

(4）虹膜识别技术研究

经定位、归一化和图像增强后的虹膜图像由于图像提取质量不高、定位不够精确或提取的特征不完全等各种原因，决定了虹膜图像的匹配大部分情况下只能采用一些模糊的识别方法，如神经网络、支持向量机等机器学习的方法。因此，各种机器学习方法在虹膜识别方面的应用应是今后虹膜识别中一个重要的研究课题。

（五）总结

虹膜识别是目前生物识别技术中易操作、精度高、最有市场前景的技术。在虹膜识别技术逐渐步入实用阶段的过程中，我们不但要看到在这方面所取得的进步与发展，更要清楚地认识到虹膜识别的发展趋势，提高系统人机接口的友好性，降低采集设备的成本，以备更广泛，安全地应用于实践。本文从介绍虹膜识别技术的应用出发，重点分析了目前虹膜识别系统的主要步骤及其关键技术，概括了虹膜识别技术的发展近况，提出了目前存在的主要问题及其以后的发展方向。

参考文献

[1]J.Daugman.High confidence personal identification by rapid video analysis of iris texture[J].The IEEE1992International Carnahan Conference on Security Technology, Atlanta, USA, 1992:50-60.

[2]J.G.Daugman.High confidence Visual Recongnition of Persons by a Test of Statistical Independence[J].IEEE Transacations on pattern analysis and machine intelligence, 1993, Vol.15, No22:1148-1161.

[3]Richard P.Wildes.Iris Recognition:An emerging biometric technology[J].The proceedings of the IEEE.1997, Vol.85, No.9:1348-1363.

[4]Richard P.Wildes, Jane C.Asmuth, Keith J.Hanna, Stephen C.Hsu, Raymond J.Kolczynski, James R.Matey, Sterling E.Mc Bride.Automated, noninvasive iris recognition system and method[C].US Patent5572596.1996.

篇8：虹膜识别技术发展概述

随着包括网络在内的信息技术的发展, 身份识别的难度和重要性越来越突出。传统的身份识别方法已不能满足当代社会的需要, 基于生物特征的身份鉴别技术已经成为身份鉴别的热点。

虹膜识别是基于生物特征的身份鉴别技术, 它由下面几个基本单元组成:图像采集, 图像的预处理, 模式匹配和做出决策[1]。采取虹膜图像, 是虹膜识别的首要步骤;接下来要对虹膜图像进行预处理, 即对虹膜定位和归一化;在获取了归一化的虹膜图像后, 就是提取特征码, 以便对以后获取的虹膜图像匹配识别, 从而根据匹配的结果做出恰当的判断。而这又以对虹膜定位和虹膜特征提取及匹配最为重要, 下文就目前这两方面的研究作简要综述。

1 虹膜定位方法

虹膜定位的方法主要有最小二乘法、基于灰度梯度的方法、粗定位和精定位结合的方法、John Daugman的微积分方法以及Hough变换方法。田启川、刘正光 (2008) 将虹膜边界定位算法分为两大类:一类是基于灰度梯度的定位方法, 如微积分方法;一类是基于二值边界点的方法, 如最小二乘法、Hough变换[2]。

1.1 Daugman的基于灰度梯度的边界定位方法

人眼从瞳孔、虹膜到巩膜颜色的灰度有明显变化, John Daugman提出的微积分方法就是利用这种灰度变化定位虹膜边界。这种微积分方法本质是当沿特定方向增大半径时, 图像把在圆周上的积分对半径的微分最大处作为界定边界。主要考察人眼图像, 首先把它在以点 (x0, y0) 为中心、以r为半径的弧度ds上积分, 然后对不断变化的半径r的局部求导导, , 导导数数最最大大处处对对应应的的位位置置设设为为 ( (rr, , xx00, , yy00) ) , , 这这就就是是人人眼图像的界定边界。

式 (1) 中, I (x, y) 是人眼图像, Gσr是高斯型光滑函数。这种算法如果全空间搜索, 定位准确度和稳定度很高, 可以很精确地定位虹膜的内、外边界。但是它的计算量很大, 费时长, 容易受到局部干扰的影响, 时常使最优化求解陷于局部极值点。

1.2 基于二值化边缘点的边界定位方法

这类方法包括Hough变换和最小二乘法。不过使用最小二乘法, 必须首先要把边界点和非边界点分开, 然后根据二值化边缘图像进行边界定位, 即二值化定位瞳孔边界, 最小二乘法定位外边界。但是先区分边界点和非边界点难度很大, 人们往往只能去除部分非边界点, 容易造成虹膜定位的边界发生偏移, 因此这种方法的实用性差。

Hough变换是以简单的几何图形, 如直线和圆等, 作为检测对象, 即现在说的计算机视觉算法———检测具有已知形状的目标。具体的运算中运用到差分运算和二值化等, 并且把二维图像空间映射到三维参数空间。其中圆的Hough变换可以在人眼图像中检测虹膜内外半径和内外边界中心, 实现虹膜图像分割。它首先产生边界点, 即在人眼图像上采用一阶导数和阈值处理, 然后是通过边界点投票来确定虹膜边界参数。该方法相对而言, 稳定性较高, 是一种很好的定位虹膜边界方法, 但是它耗时长, 且容易受到虹膜上环状的“神经环”影响。

另外, 虹膜定位方法还有粗、精定位结合的方法。用粗定位确定虹膜的大概位置, 然后用精确定位确定虹膜边界, 这样可以提高定位速度和精度。这类方法有诸如Daugman算法和Hough变换相结合的定位检测方法、二值化图像定位虹膜内边界与Hough变换定位虹膜外边界相结合的方法等。不过在虹膜识别中, 应该优先考虑精度, 再考虑提高速度。

2 虹膜特征提取和匹配算法

2.1 Gabor变换

Gabor变换是一种短时傅立叶变换, 最早由D.Gabor提出。是在傅立叶变换中加入一个Gauss函数作为窗函数, 再给出图像等信号的时频信息, 通过Gauss函数来实现信号的时频分析。Gabor变换可以获取一些纹理特征, 但它是非正交的, 对纹理图像的处理效果不是很好。

根据Gabor变换, J.G.Daugman (1980) 提出了2D-Gabor滤波器理论, 2D-Gabor滤波器可以最大限度地获得空域和频域的联合分辨率。

2.2 傅里叶变换

连续测量的信号, 可以表示为无限叠加的不同频率的正弦波信号。傅立叶变换就是以累加方式, 来处理测量到的原始信号中不同正弦波的频率、振幅和相位。对图像的傅里叶变换, 是将图像从图像空间变换到频率空间, 这可利用傅里叶频谱特性处理。

这其中有2-D傅里叶变换和快速傅里叶变换。2-D傅里叶变换如下:

式 (2) 、 (3) 中, u和v均为频率变量。

快速傅里叶变换是对离散傅里叶变换的算法进行改进获得的。但是它不能局部化分析, 也不能时频完全分离, 使得在图像信号的处理和分析中效果不佳。

2.3 小波变换和小波包分解

小波变换是J.Morlet (1974) 首先提出的。小波变换是时间和空间频率的局部化分析, 可以聚焦原始信号的细节。在小波变换中, 时间和频率的窗函数宽度都是α函数, 对低频分析时可将时间窗加宽, 将频率窗减小;对高频分析时可将频率窗加宽, 将时间窗减小。小波变换包括1-D小波变换和2-D小波变换。

小波包分解可以根据信号特性和分析要求自动选择相应频带与信号频谱相匹配。一般说来, 小波分析是将信号分解成低频的粗略部分和高频的细节部分, 然后仅对低频信息继续分解, 得到低频信息和高频信息, 依此下去, 而不对高频信息做分解处理。小波包分解则对各频带进行分解, 既对低频信息分解, 也对高频信息分解。用小波包分解分析纹理图像时, 对低频信息分析的同时, 对图像高频信息有选择地正交分解, 这样可以得到比较全面的图像特征信息。

3 虹膜识别未来发展

虹膜识别的研究, 仍有以下问题需要解决:

(1) 实际操作中, 由于虹膜图像获取精度不高、睫毛和眼皮的遮挡会损失部分虹膜的信息, 以及虹膜图像分类算法自身的原因, 其识别率并不是很理想。

(2) 虹膜识别技术的应用应该充分考虑一些特殊因素。例如, 由于网络的日益重要, 研究应用虹膜识别技术进行网络身份认证必会成为一个重要方向。

因此, 在未来的发展趋势上, 虹膜识别的主要研究方向有: (1) 虹膜图像提取设备的研究。 (2) 虹膜数据库的建立与虹膜图像的标准化工作。 (3) 虹膜特征的提取研究。 (4) 虹膜识别技术研究。

另外, 经定位、归一化和图像增强后的虹膜图像目前常采用Hamming距离对其进行分类。Hamming距离是一种严格意义上的模式匹配, 而虹膜图像由于图像提取质量不高、定位不够精确和提取的特征不完全等各种原因, 决定了虹膜图像的匹配只能采用一些模糊的识别方法, 如神经网络、支持向量机等机器学习的方法。因此, 各种机器学习方法在虹膜识别方面的应用是今后虹膜识别中一个重要的研究课题。

参考文献

[1]康浩, 徐国治.虹膜识别系统[J].电路与系统学报, 2000, 5 (01) :12-15.

[2]田启川, 刘正光.虹膜识别综述[J].计算机应用研究, 2008, 25 (05) :1295-1300, 1314.

[3]王蕴红, 朱勇, 谭铁牛.基于虹膜识别的身份鉴别[J].自动化学报, 2002, 28 (01) :1-10.

[4]J.Daugman.High confidence visual recognition of persons by a test of statistical independence[J].IEEE Transactions on Pattern Analysis and Machine Intelligence, 1993, 15 (11) :1148-1161.