虹膜識別技術進展與趨勢

李海青 孫哲南 譚鐵牛 何召鋒, 馬 力

1(中國科學院自動化研究所 北京 100190)2(北京中科虹霸科技有限公司 北京 100190)(hqli@nlpr.ia.ac.cn)

?

虹膜識別技術進展與趨勢

李海青1孫哲南1譚鐵牛1何召鋒1,2馬 力2

1(中國科學院自動化研究所 北京 100190)2(北京中科虹霸科技有限公司 北京 100190)(hqli@nlpr.ia.ac.cn)

虹膜識別具有很高的精度和穩定性，已廣泛應用在金融、邊防和門禁等領域.經過20多年的發展，虹膜識別在成像裝置和識別算法方面均取得了顯著的進展.一方面，虹膜成像裝置的成像距離越來越遠、成像范圍越來越大、重量體積越來越小，明顯提高了虹膜識別系統的易用性.另一方面，大規模的應用促進了許多低質量虹膜圖像處理、快速分類檢索、跨設備識別和安全隱私保護方法的研究.未來幾年，虹膜識別將在技術、應用和行業等方面呈現出以下六大發展趨勢：從近紅外到多光譜、從人工設計到數據驅動、從人配合機器到機器配合人、從固定設備到移動互聯、從可控環境到復雜場景、從各行其是到標準規范.

虹膜識別；虹膜成像裝置；虹膜分割；質量評價；特征分析；跨設備識別

在信息交互日益密切、人員流動愈發頻繁的當今社會，身份識別與人們的生命和財產安全更加緊密地聯系在一起.小到個人隱私保護，大到社會福利和穩定，身份識別都扮演著重要的角色.相對于傳統身份特征信息，生物特征技術具有安全、穩定、便捷等優點，已被廣泛應用于金融、邊防、海關、電子商務、社會福利、門禁等重要領域.由于極高的精度和穩定性，虹膜識別技術受到用戶的青睞，具有巨大的市場發展潛力.

1 原 理

虹膜是眼睛內的環狀器官，位于透明的角膜和晶狀體之間，可以根據外界光照自動調節瞳孔的大小，從而調節眼睛的進光量.虹膜主要由基質層和色素上皮層構成，其中富含黑色素細胞、血管、神經和肌纖維.這種復雜的結構造就了虹膜豐富的顏色和紋理圖案，如斑點、條紋、細絲和隱窩等.虹膜紋理的形成不僅與基因有關，還與胚胎所處的母體環境有關，所以即使是同卵雙胞胎的虹膜紋理也很不一樣.

虹膜紋理具有很多適合用于身份識別的優良特性：

1) 唯一性.生理學研究表明，虹膜紋理的細節特征是由胚胎發育環境的隨機因素決定的，這種紋理細節的隨機分布特性為虹膜的唯一性奠定了生理基礎.即使雙胞胎、同一人左右眼的虹膜圖像之間也具有顯著的差異.

2) 穩定性.虹膜從嬰兒胚胎期的第3個月開始發育，到第8個月其主要紋理結構已經形成.除非經歷危及眼睛的外科手術，虹膜紋理幾乎終生不變[1].同時，由于角膜的保護作用，發育完全的虹膜不易受到外界的傷害.

3) 非接觸性.虹膜是外部可見的內部器官，通過非接觸(甚至遠距離)的采集裝置就能獲取合格的虹膜圖像.相對于指紋等需要接觸采集的生物特征更加衛生、方便.

4) 防偽性.清晰虹膜紋理的獲取需要專門的虹膜成像裝置和用戶的配合，所以一般情況下(相對于指紋和人臉)很難盜取其他人的虹膜圖像.

2 國內外研究進展

虹膜識別技術主要包括“感”和“知”兩大部分.“感”是指通過成像裝置獲取虹膜圖像；“知”是指通過圖像處理和模式識別算法從虹膜圖像中提取區分性特征，進而得到身份識別結果.20世紀90年代初美國的科研單位和企業開始研發虹膜識別技術，我國在20世紀90年代后期開始自主研發虹膜識別技術.經過20多年的發展，虹膜識別的“感”和“知”方面均取得了顯著的進展.

2.1 虹膜成像裝置

在“感”方面，虹膜成像裝置的成像距離越來越遠、成像范圍越來越大、重量體積越來越小.

早期虹膜成像裝置受限于低分辨的傳感器，拍攝距離很近，例如日本OKI公司在2001年發布的IrisPass-H的有效成像距離僅4 cm.隨著傳感器和光學鏡頭的不斷提升，主流虹膜成像裝置的有效成像距離已提高到30 cm左右.最近10年，多種遠距離虹膜成像裝置進一步延伸了虹膜識別的可用距離，例如美國AOptix公司的InSight系統和中國科學院自動化研究所的虹膜成像系統分別可以實現1.5～2.5 m和2.4～3 m遠的虹膜清晰成像，而美國卡耐基梅隆大學最近正在研制成像距離為12 m的裝置.

除拍攝距離近之外，早期虹膜成像裝置的拍攝范圍也很小，需要用戶的高度配合，不能自動適應各種身高.為擴大成像范圍，常用的技術包括自動變焦、自動對焦、PTZ云臺和攝像機陣列等.IrisGuard公司的IG-AD100使用自動變焦和自動對焦技術擴大景深.OKI的IRISPASS-M和松下公司的BM-ET500采用了PTZ云臺調節攝像機的俯仰角，從而適應不同身高的用戶.攝像機陣列一般應用在遠距離虹膜成像系統中，如Sarnoff公司的IOM系統和中國科學院自動化研究所的SIR系統.上述技術僅考慮成像而不考慮后續的圖像處理，而新興的計算成像方法(如波前編碼和光場相機)同時考慮成像和圖像處理，有望突破現有技術瓶頸，大幅提升成像范圍.

得益于視覺傳感和計算技術的飛速發展，虹膜成像裝置逐漸改變了原有笨重的體型，變得越來越輕巧實用.2013年，AOptix開發了1款手機外置虹膜、人臉、指紋圖像采集模塊，可與iPhone進行無縫連接.2014年，EyeLock推出的myris產品僅鼠標大小，適合家居和辦公使用.2015年5月，富士通發布了1款可使用虹膜識別解鎖、登錄網絡賬戶和支付的智能手機，極大增強了手機數據的安全性.中科虹霸也將于2016年初正式發布多款集成了虹膜識別的手機和平板電腦.預計在未來幾年，輕巧的虹膜成像裝置將掀起虹膜識別智能移動設備的熱潮.

2.2 虹膜識別算法

在“知”方面，虹膜識別算法針對當前復雜、大規模的應用場景，在低質量圖像處理、快速分類檢索、跨設備識別和安全隱私等問題上提出了許多新的解決方案.

復雜應用場景中的光照多變、用戶配合度低，虹膜成像裝置經常采集到低質量虹膜圖像.當前虹膜識別算法主要從圖像質量評價、虹膜區域分割和特征分析3個方面提高系統的魯棒性和精度.圖像質量評價算法從單因子(如離焦模糊、運動模糊和遮擋)評價發展到多因子綜合評價[2].虹膜區域分割中使用的曲線模型由圓、橢圓等簡單模型[3]發展到樣條曲線[4]、水平集[5]等復雜模型.特征分析中的濾波器參數由依靠經驗值設定發展到自動從訓練數據中學習[6-7].大規模虹膜數據、先進機器學習算法和高性能計算平臺正不斷為圖像質量評價、虹膜區域分割和特征分析提供新的思路和方法，使我們有望突破低質量虹膜圖像處理的瓶頸，大幅提升現有虹膜識別系統的性能.

大規模的生物特征識別應用帶來了許多新的挑戰，例如快速檢索和跨設備識別.截止2015年12月，由印度政府主導的UID身份識別項目已注冊了超過9.4億印度公民的虹膜數據.雖然虹膜識別一般使用二值特征，其檢索速度遠快于其他生物特征模態，但在上億規模的數據庫上依然難以實現實時檢索.除設計更快的特征比對方法外，另一種可行的加速方法是根據虹膜的紋理特征將特征模板粗分類為若干個子集，識別時先將測試圖像的特征模板與特定的子集進行比對[8].大規模虹膜識別項目必將使用多個廠商的虹膜成像裝置，因此不同成像裝置采集到的圖像在對比度、分辨率和噪聲含量等方面都有較大差異，增加了類內變化.為減少跨設備帶來的精度下降，可以從圖像層、特征層和編碼層入手，即處理圖像減小表觀差異，或設計對不同設備均有效的特征描述子，實現多源異質虹膜圖像的魯棒識別[9].

隨著虹膜識別在互聯網環境中的廣泛應用，數據的安全和隱私問題日益凸顯.虹膜識別系統主要存在2個易攻擊點: 圖像源和特征模板.活體檢測方法用于保證圖像源的真實性.大部分活體檢測采用基于紋理分析的方法，例如頻域分析、局部二值模式和層次化視覺詞典等[8].但是每種活體檢測算法只能處理少數特定的攻擊源，例如基于紋理分析的方法對打印和美瞳假體有效，但可能對高清視頻回放攻擊失效.不同于可以修改的密碼，虹膜紋理是幾乎終生不變的，所以對生物特征模板的保護比密碼保護更重要也更具挑戰.主要有2個指標用于衡量生物特征模板的隱私性和安全性，即不可逆性和不可鏈接性.不可逆性是指從保護后的生物特征模板無法反推出原始的生物特征模板.不可鏈接性是指保護后的不同特征模板之間具有很低的相關性.但是，現有的生物特征模板保護方法在滿足不可逆性和不可鏈接性要求下，會對識別性能產生不利影響[10].因此，加強生物特征識別的隱私保護和數據安全還需要更多的理論研究和實踐探索.

3 發展趨勢

未來幾年，虹膜識別技術將呈現出以下六大發展趨勢：

1) 從近紅外到多光譜：虹膜假體給虹膜識別系統帶來了一定的安全隱患.多光譜成像分析可以從物理材質的光學特性上區分活體和假體，是虹膜活體檢測技術的突破口之一.而且，多光譜成像挖掘了多層次的生物特征信息，有利于識別精度的提高.

2) 從人工設計到數據驅動：傳統的虹膜識別算法多采用人工設計邏輯規則和算法參數，導致算法泛化性能欠佳，不能滿足大規模應用場景.數據驅動的機器學習方法從大量訓練樣本中自動學習最優參數，可以顯著提高算法精度、魯棒性和泛化性能.

3) 從人配合機器到機器配合人：虹膜識別設備的人機交互智能化程度將進一步提升，用戶體驗明顯改善，從而實現非干擾的虹膜識別, 使得更多用戶愿意使用虹膜識別技術.

4) 從固定設備到移動互聯：隨著移動終端成為人們工作生活的重要平臺，虹膜識別技術有望成為智能手機、平板電腦的標配，成為人們便捷進入金融支付、社保福利、證券服務、教育培訓、信息系統等互聯網應用的安全入口.

5) 從可控環境到復雜場景：在銀行、門禁和考勤等可控場景中，虹膜可以取得很高的識別率，但在通關和監控等復雜場景下，其性能顯著下降.如何解決復雜場景下光照變化、遮擋和密集人群帶來的諸多挑戰，是目前研究人員主要考慮的問題.

6) 從各行其是到標準規范：虹膜識別技術日漸成熟，國內外相關企業如雨后春筍般涌現.但不同產品的設備接口、圖像質量、數據格式和測試方法等都千差萬別.國際和國內正緊鑼密鼓地開展標準制定工作.這將引導虹膜識別產業規范化發展，為虹膜識別的大規模應用掃清壁壘.

[1]Daugman J. How iris recognition works[J]. IEEE Trans on Circuits and Systems for Video Technology, 2004, 14(1): 21-30

[2]Kalka N D, Zuo Jinyu, Schmid N A, et al. Estimating and fusing quality factors for iris biometric images[J]. IEEE Trans on Systems, Man and Cybernetics, Part A: Systems and Humans, 2010, 40(3): 509-524

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

[4]He Zhaofeng, Tan Tieniu, Sun Zhenan, et al. Toward accurate and fast iris segmentation for iris biometrics[J]. IEEE Trans on Pattern Analysis and Machine Intelligence, 2009, 31(9): 1670-1684

[5]Shah S, Ross A. Iris segmentation using geodesic active contours[J]. IEEE Trans on Information Forensics and Security, 2009, 4(4): 824-836

[6]Liu Nianfeng, Zhang Man, Li Haiqing, et al. DeepIris: Learning pairwise filter bank for heterogeneous iris verification[J]. Pattern Recognition Letters, Available online 31 October 2015

[7]Sun Zhenan, Wang Libin, Tan Tieniu. Ordinal feature selection for iris and palmprint recognition[J]. IEEE Trans on Image Processing, 2014, 23(9): 3922-3934

[8]Sun Zhenan, Zhang Hui, Tan Tieniu, et al. Iris image classification based on hierarchical visual codebook[J]. IEEE Trans on Pattern Analysis and Machine Intelligence, 2014, 36(6): 1120-1133

[9]Pillai J K, Puertas M, Chellappa R. Cross-sensor iris recognition through kernel learning[J]. IEEE Trans on Pattern Analysis and Machine Intelligence, 2014, 36(1): 73-85

[10]Patel V M, Ratha N K, Chellappa R. Cancelable biometrics: A review[J]. IEEE Signal Processing Magazine, 2015, 32(5): 54-65

李海青

助理研究員，主要研究方向為生物特征識別、計算機視覺和機器學習.

hqli@nlpr.ia.ac.cn

孫哲南

研究員，主要研究方向為生物特征識別、人工智能和機器學習.

znsun@nlpr.ia.ac.cn

譚鐵牛

研究員，主要研究方向為生物特征識別、圖像與視頻理解和信息取證與安全.

tnt@nlpr.ia.ac.cn

何召鋒

副教授，主要研究方向為生物特征識別、計算機視覺和機器學習.

hezhf@irisking.com

馬 力

教授級高級工程師，主要研究方向為生物特征識別、語義網和人工智能.

mali@irisking.com

Progress and Trends in Iris Recognition

Li Haiqing1, Sun Zhenan1, Tan Tieniu1, He Zhaofeng1,2, and Ma Li2

1(InstituteofAutomation,ChineseAcademyofSciences,Beijing100190)2(BeijingIrisKingCompanyLimited,Beijing100190)

Iris recognition is very accurate and stable and has been widely applied in finance, border control and access control, etc. Much progress has been achieved both in iris imaging and recognition algorithms in the past two decades. On one hand, iris imaging devices are with further standoff distance, larger capture volume and smaller size, which greatly improves the ease of use of iris recognition systems. On the other hand, large scale applications promote the research in low quality iris image processing, fast classification and retrieval, cross-sensor recognition, data security and privacy protection. In the next several years, iris recognition will present the following six trends in technology, application and industry: from near infrared to multispectral illumination, from rule based to data driven algorithm development, from passive to active user interaction, from fixed and standalone devices to mobile and connected devices, from constrained to complex applications, from disordered to standardized industry.

iris recognition; iris imaging devices; iris segmentation; quality assessment; feature analysis; cross-sensor recognition

2015-12-30

國家自然科學基金項目(61403389)；北京市新星計劃基金項目(Z141101001814090)

TP391