眼睛定位的基于虹膜的身份验证系统

文摘

安全已成为人们担忧的主要问题。生物识别技术是机器人的方法识别一个人基于生理或行为的独特性。威胁开始,试图获得一个无用的人。一个人验证系统定位面部地标和提取生物统计学特性面临身份验证。这包括图像获取、分割、归一化、模式生成和匹配。生物统计的面部外形的数据库客户构建眼周区域。分割过程中起着重要作用的准确性在虹膜识别系统的性能。分割是通过识别义务执行的地区获得的图像。图像必须平和发展的准确性。噪声图像中分离通过使用特定的过滤器。 This segmented image is to be normalized and Feature extraction takes place. The output of feature extraction will be in the form of bit template which will be compared to find for a match.

关键字

生物识别系统、分割、归一化、特征提取。

介绍

利用生物特征进行身份鉴定要求一个特定的生物因素是唯一的对每个人来说,它可以计算,随着时间的推移,这是不变的。生物识别技术,如签名、照片、指纹、声纹和视网膜血管模式都有值得注意的缺点。虽然签名和照片是便宜和容易获得和存储,他们是不可能自动识别与保证,很容易伪造的。电子记录声纹是容易改变一个人的声音,他们可以伪造。指纹或手印需要身体接触,他们也可以伪造和彩色文物。雷竞技网页版

另一方面人类虹膜作为眼睛的内脏器官和免受外部环境,但它很容易从内部可见一米的距离使它完美的生物识别系统的缓解速度、可靠性和自动化。

识别开始于收购的形象和分段虹膜、瞳孔定位眼睛,用同心圆的中心。分割图像归一化去除噪音使用Doughman橡胶板模型和经历虹膜特征提取生成模板和使用汉明距离比较。

二世。相关工作

有大专文凭充足数量的连接添加虹膜认证系统受害许多不同的技术。Gorazd Vrček,彼得同行[1]授予私人验证系统支持虹膜模式。虹膜有时部分涂眼眼睑和睫毛。以减少误拒绝在这种情况下,额外的风险算法所需面积单位发现眼皮和睫毛的位置,和排除这些位在随后的样板。但这遇到误判在分割步骤,例如虹膜分割的不成功,和,因此,无法使用额外的步骤。

滨Miyazawa, Koichi Ito Takafumi青木,Koji小林把学历Hiroshi及其[2]提出了一种算法程序对虹膜识别牺牲部分原因牺牲图像匹配的图像匹配技术在第二阶段部分离散傅里叶变换(阶)的照片。部分虹膜图像部分的就业可以实现实现极其正确的虹膜识别与一个简单的匹配算法程序。以缩减虹膜信息的维度,并防止虹膜图像的可见性,二维傅里叶的概念部分代码(FPC)代表虹膜数据介绍。这种方法的一个严重的缺点是,第二FPC不包含振幅谱和实际的虹膜图像不能重建第二FPC。这导致问题在“有效区域提取”阶段和“位移对齐”阶段以来,这两个阶段应该在抽象中执行图像域。

李妈妈,Tieniu Tan,高级会员,IEEE,通过王会员,IEEE,德信张[3]关注最后一个问题,描述了一个全新的主题从一幅虹膜识别序列。每一个图像在输入序列的标准,选择一个透明的虹膜图像从这样一个序列ensuant识别评估。然而,它需要额外的验证受害真实图片。虹膜样本的数量和类别采用实验地区的单位一个便宜的大小。因此,结论受害应用数学引导技术支持这样的一套知识面积单位有利于每个分析和应用程序。

s . p . Narote a . s . Narote l . m . Waghmare[4]提出了分割算法程序用于定位虹膜的生物事件强有力的虹膜识别算法的方法。在虹膜识别虹膜定位起着重要。binarising策略决定了自动阈值决定了学生中心支持一个条形图的灰度图像。执行算法的程序可能是一个简单的自动分割算法程序从图像中提取虹膜。副学士提供足够的和可接受的精度。但患有陷阱就像眼睑和睫毛工件似乎没有想到,这降低了虹膜识别系统的性能。

Sepehr Attarchi,卡里姆法耶兹,可并阿明Asghari[5]提到一个完全独特的虹膜分割采用技术先进的映射过程和在新的先进域授予最佳拟合线。副学位强度阈值技术,机灵的边缘检测器提取的地区的学生。实际虹膜内外边界被重新映射发现原始域的最佳拟合线。较低的一部分虹膜使用流行的方法。智能成果采用先进的映射过程和最佳拟合线在新的先进的领域。

Ghassan j·穆罕默德,香港BinRong和安·a . Al-Kazzaz Maan尤尼斯阿卜杜拉[6]副学位计划经济的虹膜定位技术支持角度积分投影执行(AIPF)发现虹膜边界在虹膜的照片。算法程序采用边界点检测和曲线拟合。首先,近似瞳孔中心。然后,2套径向边界点的面积单位检测虹膜内外边界受害AIPF技术。该算法程序采用边界点检测与曲线拟合,它不需要意识到所有的边界点,因此其定位速度非常快。

Belhassen Akrout,实施Khanfir Kallel, Chokri mountainamar和Boulbaba本丘比特[7]计划签名提取虹膜认证是基于灰度条形图提取的学生,第二个是基于椭圆和抛物HOUGH变换确定虹膜的刺痛,高和下眼睑,第三是第二物理学家小波密码虹膜,最终在距离用于身份验证。但捕获的角度关注也取决于位置和旋转的程度上认证的顶峰带来什么问题尽管虹膜相比属于类似的眼睛。当前使用的身份验证技术包含虹膜限制由于高价。

Makram Nabti艾哈迈德Bouridane[8]建议使用多尺度边缘检测受害波最大值为虹膜定位,后跟一个物理学家匹配滤波器组分解特征提取而支付的计算各种虹膜的打码。算法规划区内单位有效的和坚固的。获得的结果清楚地表明,该系统是可靠的,安全的,可以简单地执行在必要的地方人的虹膜的识别。因此目前的技术达到更高的精度。但在系统的多峰性更少的压力。

莲花Polash保罗。Maruf Monwar[9]提到了虹膜识别系统由肄业证书自动分割,标准化。最后,部分信息提取和数量从1 d Log-Gabor过滤器四层密码虹膜的独特的模式为位操作生物模板。玩距离用于虹膜分类模板适用一次受害2眼睛灰度图片的数据库测试,以验证声称虹膜识别技术的性能。加密方法只需要一个1 d Log-Gabor过滤器生成正确的识别。

k·马苏德,m . y . Javed博士和a . Basit[10]副学位计划经济的定位技术是授予发现瞳孔和虹膜边界受害条形图的虹膜图像。2小虹膜部分用于极性转换缩减过程时间和延长系统的效能。波返工是用于特征向量生成。旋转的虹膜获得酬金的而不是在虹膜代码变化。条形图主要基于技术已经计划了虹膜定位。

三世。问题陈述

本文提出了一种机制来缩减,提高了分割的价值使某些性能。这种新方法的目的是形成系统广泛使用。目前系统领域单位价格昂贵所以只用于必要的国际机场等地。

四、方法流程

验证系统捕获实时和标识注意区域时,注意划分的半张脸的形象。这个分裂的虹膜图像进行定位。这个输出归一化,那么经历展开和加密。这个结果与内的虹膜信息如果匹配发现别的人记录不是一个授权的人,不展示。

4.1图像采集

使用数码相机和图像捕获是转移到文件进行处理。图像进行预处理。从获得的图像,处理确定所需区域。k - means聚类算法用于识别。Eucledian距离度量是由

d代表的距离和x, y代表点。这给x和y坐标点之间的距离和n代表点的数量。在算法的平方欧氏距离度量。这是欧几里得一样但不涉及平方根。这是的平方的总和之间的区别的x和y坐标点。

4.2市场细分

一旦确定了该地区图像分为象限独自段眼。本地化的任务由虹膜的内外边界。都是圆形的,但问题在于,他们不是cocentric。两个圆必须单独评估。识别后的瞳孔中心同心圆被吸引到强度的变化确定。最后一圈了虹膜外边界。

4.3归一化

两个相同的虹膜图像可能是非常不同的结果我)图像文件的大小。(二)瞳孔的大小。3)虹膜的取向。应对这个问题,图像被转换从笛卡尔到双无量纲归一化极参考形式如下所示

4.4编码和匹配

随着面具代码生成模板代码。比较两个虹膜模板使用汉明距离。伽柏过滤器是用于编码和汉明距离匹配。汉明距离发生对抗旋转转移矛盾,如果小于阈值虹膜匹配发现如果大于阈值不匹配的虹膜数据库。

诉结果和讨论

MATLAB是一个交互式的环境和高级语言,使执行计算密集型任务的速度比与传统编程语言如C、c++和FORTRAN。这也包括了图形用户界面。MATLAB支持结构数据类型。由于MATLAB中所有变量数组,更充分的名字是“结构数组”,数组的每个元素具有相同的字段名称。微积分的MATLAB支持元素通过引入函数处理,或函数引用,实现在. m文件中或匿名/嵌套函数。

身份验证系统是通过一个图形用户界面。这是作为输入表单,允许用户选择执行选项。操作从数据库获取图像执行区域识别结果给出了确定区域的图像。

这个经历分割和归一化。极地坐标用于生成模板与阈值进行比较。取得了较好的结果。

六。结论

本文介绍了一种基于分割算法和启发式方法降低成本通过使用数码相机。这样可以确保集群的性能通过增加速度用于识别眼睛区域。图片放置在文件的集合是用来识别所需的区域进而凸显了白色区域的图像和其他地区都是黑色的。这也适用于单色和彩色图像。捕获的图像文件在一个标准的姿势。

数据乍一看

图1 图2 图3 图4

图5 图6 图7

引用

1. Gorazd Vrček彼得•同行“人类Iris-based验证系统”,IEEE 2009。
2. 滨Miyazawa,学生会员,IEEE Koichi Ito会员,IEEE, Takafumi青木,会员,IEEE, Koji小林,会员,IEEE,和Hiroshi只是“一种有效的虹膜识别方法使用分阶段图像匹配”,IEEE模式分析与机器智能,30卷,2008年10月10号。
3. 李妈妈,Tieniu Tan,高级会员,IEEE,通过王会员,IEEE,德信张,“个人识别基于虹膜纹理分析”,IEEE模式分析与机器智能,2003年12月25日的问题:12页:1519 - 1533。
4. s . p . Narote a . s . Narote l . m . Waghmare”自动虹膜图像定位在EyeImages用于个人身份”,IEEE 2006。
5. Sepehr Attarchi,卡里姆法耶兹,可并阿明Asghari”,一个快速和准确的个人基于人类虹膜识别方法分析”,IEEE 2008。
6. Ghassan j·穆罕默德,香港BinRong和安·A . Al-Kazzaz Maan尤尼斯阿卜杜拉,“一种新的定位方法对虹膜识别基于角积分投影函数”,2009年第一次国际研讨会在教育技术和计算机科学。
7. Belhassen Akrout,实施Khanfir Kallel, Chokri Benamar Boulbaba本·埃莫,“一个新的签名方案提取虹膜认证”,2009年6 thinternational多会议系统、信号和设备。
8. Makram Nabti艾哈迈德Bouridane”,一种有效的虹膜识别系统基于小波最大值和伽柏过滤器银行”,IEEE 2007。
9. 莲花Polash保罗。Maruf Monwar,“生物识别人类虹膜识别”,IEEE 2007。
10. k·马苏德,m . y . Javed博士和a .巴西“虹膜识别使用小波”,IEEE 2007。