基于自适应阈值分割算法的虹膜识别系统设计

李丹阳，夏颖，马铭哲，李天雪，佘海瑀，于庆文

基于自适应阈值分割算法的虹膜识别系统设计

李丹阳，夏颖，马铭哲，李天雪，佘海瑀，于庆文

（齐齐哈尔大学 通信与电子工程学院，黑龙江 齐齐哈尔 161006）

在疫情环境下，为解决传统生物识别技术对公共场所出入人员的管控过程中易导致的交叉感染的问题，提出了人眼虹膜的身份识别方法。基于虹膜识别技术的安全管控系统中包括外部摄像镜头捕捉人眼图像、内部虹膜图像预处理、提取特征和与数据库比对匹配四个部分。从硬件和软件两方面入手来说明系统的设计架构和程序设计等内容，采用虹膜识别相关经典算法，得到人眼虹膜图像。实验仿真结果显示，该方法避免了识别时的接触和交叉感染等问题，身份识别的准确性、可靠性得到了提高，对于疫情期间人员管控有积极的作用。

虹膜识别；Canny算子；自适应阈值分割；图像识别

生物特征识别技术是计算机应科学中，对生物体行为特性、生理特性进行纳入与对比的一种技术，该技术的使用需要提前建立生物特征数据库，并根据对前后生物特征的对比，完成对生物身份的识别。目前，人眼定位与人脸识别是生物特征识别技术方面的两大热门研究方向。本文主要通过对生物识别技术的研究与应用，实现对人体眼部特征的准确识别与标注。

1 虹膜识别系统概述

1.1 系统简介

随着信息技术的发展，身份识别的难度和重要性问题尤为突出。密码、身份证、指纹等传统的识别方式具有局限性，不能满足当下社会的需要。除此之外，在疫情防控期间，互联网、大数据、人工智能等越来越多的前沿技术产品大显身手，包括人脸识别、指纹识别等技术，但存在感染的风险。面部识别和虹膜识别技术都属于非接触式的识别，但是疫情期间戴上口罩无法进行人脸验证，在公共场合摘下口罩验证又难免发生交叉感染。与之相比，虹膜识别技术更为安全可靠，它更具有生理方面的优势，适用于车站等人流密度大的公共场所，也更适用于当前疫情的防控。

1.2 环境搭建

为实现对虹膜识别系统的设计，本文将各种硬件与算法运行软件运用了进来，系统框图如图1所示。其中，硬件主要用来进行虹膜图像获取，包括摄像机获取人虹膜图像、电脑硬件进行图像保存以及软件安装等。软件主要用来进行系统算法设计，用于进行虹膜图像处理与识别，共同完成对虹膜识别系统的设计。

图1 系统框架图

1.3 硬件安装配置

摄像头为TC421HD宽动态摄像头，它由1/3AR0331sensor及其外围电路组成。该摄像头具有30fps高帧率、可调分辨率为1920*1080P，宽动态为125dB动态范围；外置6G+650滤光片。该摄像头是一个独立运行的系统，具有逆光补偿、强光抑制和捕获高清图片等功能，不降帧不模糊，因此该系统可在明亮、昏暗及夜间等条件下使用。

摄像头通过抓拍捕获人像，保存外界目标人脸关键信息，汇总至感光原件上成像。将图片信息存入后台并进行图像数字基本预化处理，然后进行图像帧存，记录每1s内传输的图片帧数，再经过软件处理后，通过微机接口连接所编写程序再传送至图像处理器，并通过虹膜识别技术以虹膜独有的特征进行身份识别，使其特征点与微机内存数据进行比对，进行特征提取，最终将编码后的图像通过显示器显示出来。硬件框图如图2所示。

图2 硬件框图系统

为了解决原有虹膜识别在光条件因素中存在的问题，在强光源（太阳光等）照射的高亮区域和没有光照射的阴影或逆光等较暗场合，运用相应的强光抑制算法，使图像中亮暗区域进行饱和改变，通过改变摄像机的动态范围，达到强光被减弱，弱光被增强，不会因光强的强弱而抓拍不到明暗处关键细节，从而达到预期效果获得高质量图片信息，再进行图像处理，将信息存储起来，运用编码算法，使高清图像呈现在显示器上[1]。图像成像流程图如图3所示。

图3 图像成像流程图

1.4 软件设计

虹膜识别的软件系统框架如图4所示，由图4可知虹膜识别系统软件设计主要包括5个步骤，分别为图像采集、图像预处理、虹膜定位、图像分割和虹膜识别。

图4 软件系统框架图

2 算法流程设计

2.1 图像采集

图像采集包括使用相机等进行实验对象的虹膜图像信息采集，用来进行后期的系统身份识别使用[2]。安装相机，打开应用程序，设置图像采集路径，点击动态采集按钮，采集虹膜原图图像，如图5所示，使用画图软件做一个基本的虹膜检测区域的标注，如图6所示，发现内圆基本完整，外圆上半部分图像信息严重缺失，所以虹膜检测需要标注内、外圆检测边缘，并且需要补全外圆图像信息，需要对原图进行预处理。

图5 虹膜原图图像

图6 标注虹膜检测区域

2.2 图像预处理

图像预处理就是对图像像素的增强，以便于后期进行准确的识别，通过对比度增强和高斯滤波进行图像的初步优化。如式(1)所示，对比度表示灰度图像素值从黑到白的渐变层次。

2.3 虹膜定位

2.4 图像分割

区域生长法根据相邻区域灰度差、区域形状和区域灰度分布统计遍历分割图像，计算图像的生长点，如式(5),(6),(7)所示。

采用自适应的虹膜分割算法，其普通归一化和图像分割鲁棒性强，需要根据自适应阈值对原图像进行二值化，结合图像边缘检测的灰度通道图，通过一阶中心矩计算瞳孔中心点的位置，进而分割出虹膜内圆和外圆，再对原图像进行直方图均衡化，以内圆为中心，用不同角度和不同半径的扇形对图像进行扫描，求出不同半径扇形圆弧区灰度值和之差的最大值所对应的半径[9]，根据半径和内圆中心找出边缘检测的特征点，再通过这些点进行内外圆的拟合实现图像分割。

图7 虹膜图像自适应分割

2.5 虹膜识别

系统实现后，利用系统进行试验者虹膜的检测识别，并讲检测识别结果与特征库中的特征进行对比，由此即可完成对不同虹膜的身份信息识别与确定。

3 结果分析

在软硬件组装调试后，本文对虹膜图像的采集进行了一系列的实验研究。在此期间建立了一个初步虹膜图像的数据库，也是初步样本库，其中包含了本小组成员5个人的虹膜图像，即10个虹膜图像样本[10]。在此基础上，针对不同光源和不同镜头距离，对虹膜图像进行采集。在不同光源下共采集了20个虹膜图像，在不同镜头距离下共采集15个虹膜图像。在最新的一轮测试中，已经能够获取较为高分辨率的虹膜图像，并且达到了虹膜图像处理分辨率的要求，同时根据实际的情况操作进行了多次实验和实验结果的比较，其结果如下。

3.1 不同光源下的实验结果

为了测试虹膜识别系统在不同环境光源下的采集图像情况，共设置四组不同的光源进行采集，分别为：A组为正常光源下采集虹膜图像，共有5个样本；B组为采用LED照明进行采集虹膜图像，共有5个样本，C组为正常光源下逆光采集虹膜图像，共有5个样本，D组采用LED照明逆光采集虹膜图像，共有5个样本。实验结果如表1所示。

表1 不同光源实验结果

虹膜图像的获取一直都是研究过程的重点也是难点。在表1中可以看出，虹膜图像的采集对于光源有较高的要求，正常光源下采集的图像边缘较为模糊，不能很好得进行识别图像，在LED照明下，获取的虹膜图像清晰。这是因为本文所采用的摄像头支持逆光拍摄，所以在逆光情况下并不影响获取图像的效果。

3.2 不同镜头距离下的实验结果

图8 人眼距镜头10cm

图9 人眼距镜头15cm

图10 人眼距镜头20cm

3.3 实验结论

通过以上3幅图的实验结果所获取的虹膜图像，可以观察到，在人眼距离镜头10cm时，为最佳获取虹膜图像的距离，在人眼距离镜头15cm和20cm时，虹膜图像模糊、分辨率低。这是由于现有摄像头的景深过小，如果人眼距离镜头太远，会导致所获取的虹膜图像模糊，虹膜纹理不够清晰，虹膜纹理编码的分辨率降低。综上所述10cm为最佳获取图像距离，可将10cm作为现实生活中的虹膜身份识别距离，对人们进行身份的识别。

4 结束语

在公共场所进行身份识别时手部接触或摘下口罩会加大交叉感染的风险，且传统生物特征识别易受环境中光线不明、部分遮挡等环境因素影响，从而无法快速、准确地进行身份识别和管控。本文设计的虹膜识别系统可对人眼部虹膜信息进行采集，将摄像头拍摄的图像传送到电脑中进行图像处理，通过调试、训练将提取出的纹理特征信息与数据库中的图像进行比对匹配，完成对出入人员的身份识别，如果匹配成功则将在液晶屏中出现“same person”，如果匹配未成功则将在液晶屏中出现“different person”来显示并没有此人信息。本文设计的虹膜识别系统具有一定的作用，可在疫情大环境下对人们进行身份的识别，帮助减少疫情的感染。

[1] 卢贶，宋霞. 基于STM32微处理器的人眼虹膜识别系统设计[J]. 湖南工业职业技术学院学报，2021, 21(01): 78-80.

[2] 李欣. 虹膜识别系统综合实验设计[J]. 实验技术与管理，2021, 38(01): 75-77, 81.

[3] 王君. 多生物特征融合的矿井人员身份识别[J]. 科技通报，2021, 37(03): 44-49.

[4] 李晶晶. 虹膜图像内外边缘定位算法研究[J]. 通信技术，2010, 43(05): 178-180．

[5] 彭姣. 基于虹膜技术的研究与设计[J]. 电脑知识与技术，2017, 13(05): 130-131.

[6] 方红光. 实物保护门禁系统虹膜识别技术改造[J]. 电子技术与软件工程，2015(13): 142．

[7] 黄惠芳，胡广书. 虹膜识别算法的研究及实现[J]. 红外与激光工程，2002, 31(05): 404-409.

[8] 张琪. 基于虹膜和人脸融合的移动端身份识别[D]. 北京：中国科学院大学（中国科学院人工智能学院），2018.

[9] 秦前清，杨宗凯. 实用小波分析[M]. 西安：西安电子科技大学出版社，1994.

[10] 赵静. 基于自适应阈值分割及边缘检测的虹膜内边缘定位算法[J]. 科技信息，2012(16): 41-42.

Design of iris recognition system based on adaptive threshold segmentation algorithm

LI Dan-yang，XIA Ying，MA Ming-zhe，LI Tian-xue，SHE Hai-yu，YU Qing-wen

(College of Communication and Electronic Engineering, Qiqihar University, Heilongjiang Qiqihar 161006, China)

In the epidemic environment, in order to solve the problem of cross infection caused by traditional biometric technology in the control of people entering and leaving public places, this paper proposes an identification method of human iris, which has the advantages of accuracy, uniqueness and non-contact. The security control system based on iris recognition technology includes four parts: external camera lens capturing human eye image, internal iris image preprocessing, feature extraction and comparison and matching with database. This paper explains the design architecture and program design of the system from two aspects of hardware and software, and obtains the human iris image by using the classical algorithms related to iris recognition. The experimental simulation results show that this method avoids the problems of contact and cross infection during identification, improves the accuracy and reliability of identification, and plays a positive role in personnel management and control during the epidemic.

iris recognition；canny operator；adaptive threshold segmentation；image recognition

2021-10-20

黑龙江省教育厅面上项目“基于众包数据的WLAN室内定位技术研究”（135209240）资助

李丹阳（2000-），女，黑龙江七台河人，本科，主要从事通信多媒体研究，1503265339@qq.com。

TP391.41

A

1007-984X(2022)03-0026-06