基于虹膜識別技術的身份驗證模型

柯呈通　廖桂華

摘 要： 文章從虹膜識別的實際應用著手，重點分析特征編碼的存儲和海明距閾值的選定，以提高匹配精度，縮短匹配時間。身份驗證模型中，所有實驗虹膜圖像均來源于CASIA-Iris-Syn圖像庫，已注冊用戶的虹膜特征信息將保存在xls文件中；同時計算已注冊的虹膜圖像與其所屬個體中所有圖像的海明距離平均值，并以這些平均值最大值再一次與0.3一起求得的平均值作為閾值來匹配新虹膜圖像。實驗證明，這種方法能有效地提高匹配速度，降低錯誤接受率。

關鍵詞： 虹膜識別； CASIA圖像庫； 身份驗證； 生物識別

中圖分類號：TP391 文獻標志碼：A 文章編號：1006-8228（2016）10-15-04

Authentication model based on iris recognition technology

Ke Chengtong， Liao Guihua

（School of Science and Technology， Zhejiang International Studies University， Hangzhou， Zhejiang 310012， China）

Abstract： Starting with the practical application of the iris recognition， this paper focused on analysis of feature code storage and Hamming distance threshold selected to improve the matching accuracy， and shorten the matching time. In this authentication model， all of the testing iris images were from CASIA-Iris-Syn； the registered user's iris feature information was saved in the XLS file； the average of Hamming distance between the registered image and all the other images which belong to the same person， was calculated firstly， and then the max of them would be used to take average with 0.3 together， this new average would be the threshold to match a new iris image. The experimental results show that this method can effectively improve the matching speed and reduce the false acceptance rate.

Key words： iris recognition； CASIA image database； authentication； biological recognition

0 引言

虹膜識別[1-3]主要應用于身份驗證，適用于眾多場合，特別是重要信息（如銀行賬戶）的保密及安防、登機或海關安檢，電子支付，還可以用于輔助犯罪可疑人員的跟蹤等場合。

虹膜識別技術在現實生活中已經有了實際的應用[4]，如從1996年開始的歷屆奧運會組委會都應用虹膜技術進行運動員的身份登記工作，并對射擊項目的槍支進行安全管理；在阿富汗，超過200萬難民登記了自己的虹膜信息，使人道主義物資的分配過程大為簡化；在阿聯酋，該國政府啟用了一個大型的虹膜數據庫登記被逐出境的外國人來防止其非法入境。

虹膜識別的研究分為兩個不同的方向，一個是虹膜圖像的獲取，側重于硬件的設計實現，虹膜圖像的獲取裝置需保證提供高質量的虹膜圖像；另一個是識別算法，以盡可能的提高識別率。本文著重分析識別算法，并設計出一個原型系統。

虹膜識別除虹膜圖像獲取外，分為4個模塊，虹膜內外邊界定位和切割、歸一化、特征提取及編碼和特征匹配。虹膜內外邊界定位時先采用canny算子檢測邊沿，再使用huogh變換來檢測內外邊界圓，同時標記上下眼瞼和睫毛噪聲區域，并將虹膜區域切割出來；然后對虹膜區域進行歸一化處理，特征提取及編碼，最后對提取的特征編碼與系統存儲的特征信息進行匹配，若匹配成功，則提示“匹配成功！”，否則，提示“匹配不成功！”。本文僅從虹膜特征數據的存儲、特征匹配及模型的實現角度進行詳細闡述。

1 虹膜特征數據的存儲

當使用用戶的虹膜信息進行身份驗證時，將當前用戶提供的虹膜信息與系統中保存的虹膜信息進行比對，比對成功則表明驗證通過。只有驗證通過的用戶才能繼續后續的操作，否則，拒絕該用戶的操作請求。

虹膜特征信息的存儲是一項重要的問題。可以根據實際應用需要決定存儲虹膜信息的量。用于如銀行賬戶、登機安檢、海關安檢等身份驗證時，系統中存有大量的虹膜信息；用于個人保險柜等場合進行身份驗證時，一般存儲單個人的虹膜信息。考慮到一般性，本原型系統保存4條虹膜信息。

1.1 虹膜特征信息存儲方案

大部分應用在進行賬號密碼驗證時，賬號密碼通常存放在數據庫中，這已經是很成熟的技術。經過多次實驗并分析，考慮到本原型系統存儲的是代表虹膜圖像特征的“0”、“1”序列，并考慮到原型系統的運行速度和存儲數據的方便直觀性，同時兼顧matlab的操作方便型，選用了將虹膜特征信息存儲在xls數據表的方案。

1.2 虹膜特征信息存儲格式

虹膜特征信息的存儲格式，決定哪些數據需要保存在xls數據表中。

數據表中存儲的數據與以下幾個因素有關。

⑴ 匹配算法使用的參數

在匹配算法中使用了虹膜特征模板和對應的噪聲掩模兩個參數，因此需要將這兩個參數存放在數據表中。

⑵ 特征編碼信息與圖像來源的映射關系

為了能夠直觀的對應最終的匹配對象，需在數據表存儲虹膜特征編碼信息與圖像來源的映射關系，因此，還需存儲與該特征編碼信息所對應的圖像路徑信息。

⑶ 與特征編碼信息相對應的圖像來源所屬的個體信息

考慮到一個生物個體可能對應多張虹膜圖像，一張虹膜圖像對應一個特征編碼，則需要標定與特征編碼信息相對應的圖像屬于哪個生物個體。因此，還需存儲與該特征編碼信息所屬個體，即CASIA圖像庫[5]中的圖片編號信息。

以上需要存儲的數據體現在數據表上為以下字段：

template-用于標記每個眼睛圖像的特征模板；

mask-噪聲掩模；

personid-人眼特征信息的來源編號，若personid相同，則表明虹膜信息來自同一個個體；

picpath-表示圖像地址；

由于在excel中二進制數據首尾的0會被省略，因此這里把template和mask所在列的數據格式設置為文本格式，picpath同樣也設置為文本格式， personid所在列的數據格式設為數值。

另外，為了與數據庫表中存儲的每條數據含義相對應，為每條數據都設置了一個id，命名為irisid，設置為數值類型。

綜合以上分析，數據表中存儲了irisid，template，mask，personid和picpath，共5個字段，如圖1所示。

1.3 虹膜特征信息的存取

⑴ 存數據

鑒于excel中的template和mask數據列的格式為文本格式，在存儲數據時，必須將其作為字符串存儲，而特征編碼后得出的template和mask是二維數組，因此首先需要將其轉換為字符串，然后將數據存放到excel文件中。

⑵ 讀取數據

從excel文件中取出的template和mask數據屬于字符串類型數據，需要先轉換成數組，然后再用于比較。

2 閾值的選擇與特征匹配

⑴ 閾值選擇

選用CASIA-Iris-Syn圖像庫中人員編號為000，001，002和003中的40張圖像，類內海明距計算結果40個，類間的海明距計算結果60個，將計算得到的類內海明距和類間海明距進行分析發現：類內海明距大都小于0.3，少部分大于0.3；而類間海明距大都大于0.3，少部分小于0.3；類內海明距與類間海明距有交叉。

若選用0.3作為特征匹配的閾值，可以將類間的圖像很好的進行分類，從而降低錯誤接受率。但是實驗過程中，發現：以0.3作為閾值時，錯誤接受率和錯誤拒絕率都比較高，在信息安全要求較高的場合可能導致比較嚴重甚至很嚴重的后果。因此需降低此閾值，以降低錯誤接受的概率。

另一方面，需將錯誤拒絕率降低到合理的范圍，類內海明距是一個重要的考核因素，類內海明距越大，錯誤拒絕率越低。但根據前面的實驗結果可知，若增大海明距閾值則必將抬高錯誤接受率，因而海明距閾值不能設置太高，以類內海明距平均值為界保證盡可能小的錯誤拒絕率。

綜合考慮以上因素，以各類內海明距平均值的最大值與類間劃分的海明距0.3的平均值作為匹配的閾值。實驗結果表明，以此閾值進行匹配時可以很好的降低錯誤接受率。

⑵ 特征匹配

將選擇圖像的特征編碼后，與圖1所示的xls文件中的特征編碼逐條進行比對，若計算得到的海明距在給定閾值的范圍內，則認為是可能匹配成功的，記下此次匹配的海明距和對應圖像的位置，繼續獲取下一條可能匹配成功特征編碼進行海明碼的計算，取最小的海明距所對應的圖像作為新的可能匹配成功的圖像，循環進行直到結束，得到海明距最小的匹配圖像；否則取出下一條特征編碼進行匹配；若與xls文件中的最后一條特征記錄也匹配不成功，則認為是匹配不成功。

算法描述如下：

編碼讀入虹膜圖像的特征信息；

lineno=1；

min_rd=設定的閾值；

while（lineno<=excel文件的總行數）

取出第lineno行的特征信息；

計算讀入虹膜圖像的特征信息與特征模板之間的海明距rd；

if（rd< min_rd）

min_rd=rd；

line=lineno

end

lineno=lineno+1；

end

if（min_rd<=設定的閾值）

找到最佳匹配圖像，即excel文件中第lineno行登記的虹膜圖像，輸出匹配的圖像信息，并提示“匹配成功！”；

else

沒有找到，提示“匹配不成功！”

end

⑶ 其他處理

根據上述的分析，取各個體類內海明距平均值的最大值與0.3求平均，作為海明距閾值，因此，需要對注冊圖像所屬個體中的圖像分別計算與注冊圖像之間的海明距，可以在初次登記圖像特征的時候，隨機的獲取該個體的8-10張圖片，并將各自的特征碼記錄在xls表中，并計算海明距和平均海明，以求得閾值。

3 身份驗證模型展示

模板圖像庫中存放已注冊登記的個體虹膜圖像，該模型系統中存放了4張已注冊登記的虹膜圖像，分別是：S6000S00.jpg，S6001S00.jpg，S6002S00.jpg和S6003S00.jpg。待匹配的圖像均來源于CASIA-Iris-Syn圖像庫。

模型實現最終反映在UI交互界面上，如圖3所示。

4 實驗結果分析

為000-003這四組人眼圖像中的所有圖像獲取特征編碼，計算與所注冊圖像特征編碼之間的海明距，共組類內海明距，組類間海明距。先登記注冊S6000S00，S6001S00，S6002S00，S6003S00這四張圖像，將其信息記錄在irisdata.xls文件中，然后根據前面設定的閾值將四組圖像所屬個體的所有圖像都進行匹配測試，測試結果為：10張圖像被錯誤拒絕，0張圖像被錯誤接受，錯誤拒絕率較高，但是錯誤接受率效果好。在安全性要求比較嚴格的場合有較大的優勢。

5 結束語

本文設計實現了一個使用虹膜特征作為身份驗證信息的模型系統，分析了虹膜特征數據的xls文件存儲格式，虹膜特征匹配的閾值選擇依據，并最終進行實現。實驗結果表明：該模型系統中設計的閾值選擇方法可以收獲很好的錯誤接受率效果，但是錯誤拒絕率效果欠佳，需調整閾值的選擇或研究更好的算法以提高錯誤拒絕率效果。

參考文獻（References）：

[1] 鄭慧.基于虹膜的身份識別系統[D].北京郵電大學碩士學位

論文，2010.2.

[2] 何玉峰.虹膜識別預處理算法的研究及實現[D].成都電子科

技大學碩士學位論文，2013.6.

[3] 周嘯.虹膜識別關鍵技術研究及實現[D].南京航空航天大學

碩士學位論文，2010.12.

[4] 百度百科.虹膜識別技術[EB/OL].http：//baike.baidu.com/

link？url=-309pS6dkF90ru4-T0wjktpWWpz2zTD3cuG7h

MLiB1Czd8dr1594qw6yuDFEdzwwTOHi84M4ZjXXVap6DNZbNa#5.

[5] iris database.http：//biometrics.idealtest.org/findTotalDbBy

Mode.do？mode=Iris.