[发明专利]基于频谱分析的虹膜活体检测方法

说明书

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。

技术领域

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

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。

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

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。

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。

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。

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。

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：

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。

其中，步骤S16的多级分解方法为：设置阈值a和b，其中a＞b，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。

优选的，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；