第6卷 第1期
2008年3月南京工程学院学报(自然科学版)J o u r n a l o f N a n j i n g I n s t i t u t e o f T e c h n o l o g y (N a t u r a l S c i e n c e E d i t i o n )V o l .6,N o .1M a r .,2008 文章编号:1672-2558(2008)01-0050-04
邵 洁
(上海电力学院，上海,200090)
摘 要：随着信息技术的高速发展，传统的门禁系统已逐渐显示出其安全性弱和便捷性差的缺点，生物特征以其高精确性和高稳定性逐渐成为门禁系统采用的热点.针对目前最精确的生物识别方法———虹膜识别，设计并实现了一种基于虹膜的门禁系统，经小规模局域网测试显示，达到了良好的识别效果. 关键词：门禁系统；虹膜定位；虹膜识别
中图分类号:T P 391.41 文献标识码:A
T h e D e s i g na n dA c t u a l i z a t i o n o f I r i s A c c e s s C o n t r o l S y s t e m
S H A OJ i e
(S h a n g h a i U n i v e r s i t y o f E l e c t r i c P o w e r ,S h a n g h a i 200090,C h i n a )
A b s t r a c t :W i t ht h e r a p i dd e v e l o p m e n t o f i n f o r m a t i o n t e c h n o l o g y ,t h e w e a k n e s s o f t h e t r a d i t i o n a l m e t h o d s f o r a c c e s s c o n t r o l s y s t e m s i n t e r m s o f s a f e t y a n dc o n v e n i e n c e i s i ne v i d e n c e .H o w e v e r ,m e t h o d s a d o p t i n g b i o m e t r i c m e a s u r e m e n t s a r em o r e a c c u r a t e a n d r e l i a b l e ,t h u s b e i n g m o r e e f f e c t i v e i nt h i s c a s e .T h i s p a p e r i n t r o d u c e s a n e wa c c e s s c o n t r o l s y s t e mb a s e d o n i r i s r e c o g n i t i o n w h i c hi s p r e s e n t l y t h e m o s t a c c u r a t e b i o m e t r i c r e c o g n i t i o n m e t h o d .T h e s m a l l -s c a l e L A Nt e s t o f t h i s m e t h o d i s i n d i c a t i v e o f i t s e f f e c t i v e r e c o g n i t i o n .
K e yw o r d s :a c c e s s c o n t r o l s y s t e m ;i r i s l o c a t i o n ;i r i s r e c o g n i t i o n
收稿日期:2007-10-20；修回日期:2008-02-20
基金项目：上海高校选拔培养优秀青年教师科研专项基金项目(Z -2006-51)
作者简介：邵 洁(1981-)，女，硕士，助教，主要从事图像处理与计算机视觉方面的研究. 清砂机E -ma i l :w i n d b a b y .c @g m a i l .c o m
门禁系统，又称为出入管理控制系统，是一种管理人员进出的数字化管理系统.常见的门禁系统有密码门禁系统、非接触I C 卡(感应式I C 卡)门禁系统、生物识别门禁系统等.传统的密码门禁系统和I C 卡门禁系统由于其本身的安全性弱、便捷性差已经面临淘汰，而生物特征以其稳定、便捷、不易伪造等特点逐渐成为门禁系统采用的热点.在众多的生物识别特征中，虹膜特征唯一、稳定且采集方式为非接触式，是目前已知的精确度最高的生物识别特征[1]，误识率仅为1∶1200000.
1 虹膜识别原理
人的眼睛包含巩膜、虹膜和瞳孔三部分.巩膜为眼球外围的白部分，约占总面积的30%，虹膜存在于巩膜和瞳孔之间，其颜并不具有广泛的区别性，而其中相互交错的类似于斑点、细丝、冠状、条纹、隐窝等丰富的纹理信息才是识别中需要提取的特征.
虹膜识别系统由三个部分构成：预处理、特征提取、模式匹配.目前，具有代表性的研究成果有
第6卷第1期
邵 洁：虹膜门禁系统的设计与实现D a u g m a n [2]的利用G a b o r 滤波器进行相位编码和W i l d e s [3]的图形登记技术以及B o l e s [4]提出的小波变换过零点检测方法等.
1.1 预处理
通过摄像机采集到的眼睛图像(图1)中通常包含少量脸部区域、眼睫毛、瞳孔、虹膜、巩膜等几大部分，因此，预处理的第一步———虹膜定位的目标是确定虹膜在采集到的原始图像中的位置.虹膜与瞳孔的分界线被称为虹膜的内边缘，而其与巩膜间分界线称为外边缘.一般来说，可以将虹膜的内外边缘近似为圆形[2-5]或椭圆形[6]进行处理，本文采用了前种假设，因此，虹膜定位就转化为其内外圆圆心及半径的确定问题.首先，为了确定内圆圆心与半径，采用掩模为n ×n 大小的中值滤波器对原始图像进行滤波,n 的大小根据原始图像大小决定，本文取n=15.假设滤波后图中具有最小灰度值的点坐标为(x 0,y 0),x 0、y 0分别为图像在x 轴和y 轴上投影得到的像素最小值的坐标.取T h r e s h o l d=g (x 0,y 0)
+T 为阈值对图像二值化,T 为容限度，试验中取T=10(图2).
二值化图像中除瞳孔外仍存在一些较大的噪声，因此可以采用较大尺寸的掩模进行中值滤波，本文选用的尺寸为35×35.设第二次中值滤波后的图像中拥有最多灰度值为1的像素所在的行为y i n ′，拥有最多灰度值为1的像素所在的列为x i n ′，则坐标(x i n ′,y i n ′)为瞳孔(即虹膜内边缘)的假定圆心.r x =y i n ′行中“1”的数量/2,r y =x i n ′列中“1”的数量/2.取m a x (r x ,r y )
为瞳孔假定半径.为使瞳孔边缘确定完全被包含在内，将假定半径向外扩大10个像素点，再对假定半径内的点采用S o b e l 算子进行边缘检测.
甲醇灶
以假定圆心(x i n ′,y i n ′)为中心划定一个5×5大小的正方形，正方形内部像素坐标为(x c ,y c ),(x i ,y i )为图像进行S o b e l 边缘检测后得到的瞳孔边界±5像素范围内的点.将参数适当离散化后，枚举出图像中所有圆心和半径满足要求的圆，计算每个圆经过的边界点的数目，用投票法确定瞳孔的圆心(x i n ,y i n )和半径r i n .投票过程用H o u g h 变换实现，其定义为[7]:
H (x c ,y c ,r )=∑m
i =1h (x i ,y i ,x c ,y c ,r )(1)
h (x i ,y i ,x c ,y c ,r )=1 d (x i ,y i ,x c ,y c ,r ) <ε0其他(2)
d (x i ,y i ,x c ,y c ,r )=(x i -x c )2+(y i -y c
)2-r 2(3)如果边缘点(x i ,y i )到圆心(x c ,y c )的距离和半径r 的差值小于阈值ε，则认为(x i ,y i )在(x c ,y c
,r )确定的圆上，使H (x c ,y
c ,r )具有最大值的(x c ,y c
,r )为虹膜内边缘参数.外边缘可通过相似算法得到.最终定位图像如图3所示.51
南京工程学院学报(自然科学版)2008年3月
在获取虹膜图像的过程中，受各种外界因素的影响，虹膜图像大小不等且有旋转、平移等现象出现.为了下一步的特征提取，需要把定位后的虹膜区域经过坐标变换归一化展开为极坐标，再将极坐标系中的圆环状虹膜图像沿半径方向展开成矩形，使矩形的行对应半径，列对应所取的角度.为了提高后期特征提取和模式匹配的准确性，对标准化后的图像又进行了直方图均衡化处理，同时利用高斯低通滤波器滤除了图像中的高频噪声.
大灯高度可调1.2 特征提取
虹膜的局部细节一般是沿着半径方向的，也就是说在归一化以后的图像中是沿着垂直方向的，因此本
系统采用基于结构特征的方法进行虹膜特征提取.在特征提取之前，先在图像横向和纵向分别采用均值合并法将图像压缩至80×70像素大小(原图像大小为320×280).再利用L O G滤波器提取局部特征区域：原始图像函数为i(x,y)，经过高斯—拉普拉斯算子得到滤波后的二值图像为j(x,y).定义
j(x,y)=
12G·i(x,y)≥0
02G·i(x,y)<0
(4) j(x,y)中值为1的区域即为所提取的灰度特征区，每一个灰度特征区都是由虹膜内部具有一定差的斑痕经过锐化得到的边缘点的组合.将每个特征区的中心定为特征点，即第n个特征区域D n对应的特征点位置(x n c,y n c)为
阻焊油墨
x n c=∑x n
黑猎蝽A n
, x n∈D n, y n c=
∑y n
A n
, y n∈D n(5)
A n=∑
i(x,y)
k, k=
1i(x,y)∈D n
0i(x,y)D n
(6)
根据得到的特征点进行编码，编码长度为80×70=5600，图像中像素点i(x,y)的值对应第80x+y 个码值.规定特征点的码值为`1'，其他点的码值为`0'.
1.3 匹配识别
在进行精确的模式匹配之前，首先进行待测虹膜特征和库中虹膜特征点数量的比较，若其特征点总数量之差高于一定阈值，或对应同一扫描线的特征点数量之差高于一定阈值，则表明两个虹膜不匹配，否则可进入下一步精确匹配.这样可以大大节省虹膜匹配的操作时间，当虹膜库中图像数量较大时更显出其优越性.针对提取后的虹膜特征可以采用方差倒数加权欧式距离分类法、H a m m i n g距离法[2]等进行模式匹配.本系统直接采用最简单的“与或”法进行匹配.
P D1=∑70
道岔施工j=1∑80
i=1
A i j∧
B i j, P D2=∑70
j=1
∑80
i=1
A i j∨
B i j(7)
式中:A i j、B i j分别为待测图像和库中已知图像的编码值;P D1为两编码“位与”后编码中`1'的个数;P D2为两编码“位或”后编码中`1'的个数.取P D1和P D2平均值为最后比较的编码距离，距离最小的图像为匹配图像.
2 算法试验验证
首先用本文方法对C A S I A虹膜数据库中400幅分辨率为320×280的图像进行试验，得到的结果与经典法进行比较(如表1所示).从表1中的数据对比可以看出，本系统采用的识别方法虽然在正确率上略低52
第6卷第1期邵 洁：虹膜门禁系统的设计与实现
53于经典法，但花费时间大大缩短，更适合于实际应用.同时，本系统还进行了小规模的局域网实时虹膜采集和测试，在采集了46名测试者的虹膜特征存入数据库后，一次完成的随机测试识别率达到98%，仅一人未识别出，二次识别后识别率即达到100%.试验结果说明本系统具有良好的识别效果.
表1 不同算法的识别率和时间
方法正确识别率特征提取时间/s匹配时间/m s
D a u g m a n[2]97.430.594.7
Wi l d e s[3]94.870.32279.3
本文方法92.140.113.8
3 结语
本文提出了一种快速虹膜识别方法，与经典识别法相比，识别时间大大缩短.同时算法中还改进了虹膜定位方法，使其在精确定位的基础上对噪声干扰和亮度变化不敏感，具有较好的实时性.由于它的高可靠性和稳定性，基于虹膜的门禁系统必然具有广阔的应用前景.
参考文献:
[1] 李澎.生物特征识别技术之虹膜识别[J].中国自动识别技术,2007,2(1):62-63.
[2] D A U G M A NJ.H i g hc o n f i d e n c er e c o g n i t i o no f p e r s o nb y r a p i dv i d e o a n a I y s i s o f i r i s t e x t u r e[C]//E u r o p e a nC o n v e n t i o no nS e c u r i t y a n D e t e c-
t i o n.B r i g h t o n:I N S P E C,1995:244-251.
[3] W I L D E SP.I r i s r e c o g n i t i o n:a ne m e r g i n g b i o m e t r i ct e c h n o l o g y[J].P r o c e e d i n g f o r I E E E,1997,85(9):1347-1363.
[4] B O L E SW W.Ah u m a ni d e n t i f i c a t i o nt e c h n i q u e u s i n gi m a g e o f t h ei r i s a n dw a v e l e t t r a n s f o r m[J].I E E ET r a n s a c t i o no nS i g n a l P r o c e s s i n g,
1998,46(4):1185-1188.
[5] 张超，袁晓燕，施鹏飞.虹膜内外边缘的快速定位算法[J].计算机工程与应用,2005(27):60-61.
[6] A I-Z u b i RT,A B U-A I-N a d i DI.A u t o m a t e dp e r s o n a l i d e n t i f i c a t i o ns y s t e m b a s e d o nh u m a ni r i s a n a l y s i s[J].P a t t e r nA n a l A p p l i c,2007,10
(2):147-164.
[7] 冈萨雷斯.数字图像处理[M].2版.北京：电子工业出版社,2003:93-98.
