一种虹膜图像采集方法及装置的制造方法
【技术领域】
[0001]本发明涉及一种图像识别技术领域，特别涉及一种虹膜图像采集方法及装置。
【背景技术】
[0002]虹膜在胎儿发育阶段形成后，在整个生命历程中是保持不变的。这决定了虹膜特征的唯一性，同时也决定了身份识别的唯一性。因此，可以将眼睛的虹膜特征作为每个人的身份识别对象。目前生物特征识别技术中，虹膜识别是最安全、最稳定的技术之一。可应用于安防设备(如门禁等)，以及需要高度保密的场所。例如，在好莱坞大片中，通过扫描眼睛视网膜开启保密房间或保险箱的场景。
[0003]虹膜识别主要分为虹膜图像采集、图像预处理、特征提取、识别认证这四个步骤。而虹膜图像采集是虹膜识别的第一步，也是至关重要的一个环节。由于虹膜的直径非常小，而采集的虹膜图像又要求必须有足够多的像素，所以虹膜图像获取是非常困难的。现有技术方案中无法准确、清晰的采集足够多的虹膜像素，增大了后续虹膜信息处理的难度，因此现有技术中采集虹膜图像的方法采集的虹膜图像清晰度不足。
【发明内容】
[0004]基于此，为解决上述传统技术中虹膜图像采集清晰度不足的问题，特提出了一种高效、快速的虹膜图像采集方法。
[0005]一种虹膜图像获取方法，包括:
[0006]通过摄像头获取目标图像，查找所述目标图像中包含的人眼区域；
[0007]在所述人眼区域与所述目标图像的中心的距离大于或等于第一阈值时，根据所述人眼区域与所述目标图像的中心的位移展示提示信息或移动摄像头；
[0008]获取所述人眼区域包含的瞳孔像素数量，计算所述瞳孔像素数量与所述目标图像包含的全局像素数量的比值；
[0009]根据所述比值对所述摄像头进行变焦，获取虹膜图像。
[0010]进一步的，所述方法还包括:利用特征识别算法查找所述目标图像中包含的人眼区域。
[0011]进一步的，所述获取所述人眼区域包含的瞳孔像素数量的步骤还包括:
[0012]获取所述人眼区域中的像素点的灰度值，根据所述人眼区域中的像素点的灰度值的中间值设定第二阈值；
[0013]查找所述人眼区域中灰度值小于第二阈值的像素点的数量。
[0014]进一步的，在所述查找人眼区域中灰度值小于第二阈值的像素点的数量步骤还包括:
[0015]根据圆形形状匹配算法对所述人眼区域进行干扰滤除处理，滤除掉形状不是圆形且所述人眼区域中灰度值小于第二阈值的像素点。
[0016]进一步的，所述根据所述比值对所述摄像头进行变焦还包括:
[0017]获取所述摄像头的最大变焦倍数；
[0018]判断所述比值与所述摄像头最大变焦倍数的乘积是否小于第三阈值，若是，则展示提示信息。
[0019]此外，为解决上述传统技术中虹膜图像采集清晰度不足的问题，提供了一种高效、快速的虹膜图像采集的装置。
[0020]一种虹膜图像采集装置，其特征在于，包括:
[0021]人眼区域查找模块，用于通过摄像头获取目标图像，查找所述目标图像中包含的人眼区域；
[0022]信息展示模块，用于在所述人眼区域与所述目标图像的中心的距离大于或等于第一阈值时，根据所述人眼区域与所述目标图像的中心的位移展示提示信息或移动摄像头；
[0023]瞳孔像素数量获取模块，用于获取所述人眼区域包含的瞳孔像素数量，计算所述瞳孔像素数量与所述目标图像包含的全局像素数量的比值；
[0024]焦距调节模块，用于根据所述比值对所述摄像头进行变焦，获取虹膜图像。
[0025]进一步的，所述装置还包括特征识别模块，用于利用特征识别算法查找所述目标图像中包含的人眼区域。
[0026]进一步的，所述瞳孔像素数量获取模块还用于获取所述人眼区域中的像素点的灰度值，根据所述人眼区域中的像素点的灰度值的中间值设定第二阈值；查找所述人眼区域中灰度值小于第二阈值的像素点的数量。
[0027]进一步的，所述瞳孔像素数量获取模块还用于根据圆形形状匹配算法对所述人眼区域进行干扰滤除处理，滤除掉形状不是圆形且所述人眼区域中灰度值小于第二阈值的像素点。
[0028]进一步的，所述虹膜图像获取模块还用于获取所述摄像头的最大变焦倍数；判断所述比值与所述摄像头最大变焦倍数的乘积是否小于第三阈值，若是，则展示提示信息。
[0029]上述虹膜图像获取方法及装置，用户利用计算机设备将人眼区域定位到目标图像的中心，可以保证采集的人眼像素点数量完整，再从中分离出瞳孔像素点，计算瞳孔像素数量与目标图像中的全局像素数量的比值，通过调节摄像头的焦距改变比值就可以获得足够多像素的虹膜图像，为后续虹膜信息处理奠定了良好的基础，从而提高了采集的虹膜图像的清晰度。
【附图说明】
[0030]为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0031]其中:
[0032]图1为一个实施例中一种虹膜图像采集方法的流程图；
[0033]图2为一个实施例中目标图像与人眼区域相对位置的示意图；
[0034]图3为另一个实施例中目标图像与人眼区域相对位置的示意图；
[0035]图4为一个实施例中一种虹膜图像采集装置的结构示意图。
【具体实施方式】
[0036]下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0037]为解决上述提到的传统技术中采集到的虹膜图像清晰度不足的技术问题，在一个实施例中，如图1所示，特提出了一种虹膜图像采集的方法，该方法可依赖于计算机程序实现，可运行于基于冯诺依曼体系且安装有固定摄像头或可旋转摄像头的计算机系统上。该计算机系统可以是智能手机、笔记本电脑、平板电脑等安装有固定摄像头或可旋转摄像头的计算机设备。
[0038]具体的，该虹膜图像获取方法包括:
[0039]步骤S102:通过摄像头获取目标图像，查找目标图像中包含的人眼区域。
[0040]目标图像为用户利用摄像头拍摄的图像，在虹膜提取的应用场景中，即为通过摄像头拍摄的人体面部的图像。该图像包含多种面部信息，如人眼区域、鼻子区域、嘴巴区域等。其中人眼区域可视为圆形，包含眼球、眼睑及附属物(眉毛，睫毛等)等区域，而眼球区域又分为巩膜(眼白)、瞳孔(虹膜位于瞳孔内部)及角膜等几个主要部分。
[0041]在本实施例中，通过利用特征识别算法查找目标图像中包含的人眼区域。
[0042]特征识别算法是一种图像处理技术，基本原理是通过提取两个或多个图像的点特征、边缘特征或者区域特征等特征基元，对特征进行参数描述，然后运用所描述的参数进行诸如矩阵的运算、梯度的求解、傅立叶变换或者泰勒展开等数学运算来完成匹配，最终能够在一幅图像中识别出具有一定特征的目标。
[0043]基于图像特征的匹配方法可以克服利用图像灰度信息进行匹配的缺点。由于图像的特征点比像素点要少很多，大大减少了匹配过程的计算量；同时，特征点的匹配度量值对位置的变化比较敏感，可以大大提高匹配的精确程度；而且，特征点的提取过程可以减少噪声的影响，对灰度变化，图像形变以及遮挡等都有较好的适应能力。所以基于图像特征的匹配在实际中的应用越来越广泛。
[0044]目前常见的识别匹配算法是基于几何形状的特征匹配方法，利用该技术可以快速识别出眼睛、眉毛、鼻子、嘴等各种器官在面部图像中的位置。