一种基于动态虹膜图像的识别方法及装置与流程

本发明涉及生物识别领域中的虹膜识别技术领域，具体而言，涉及一种基于动态虹膜图像的识别方法及装置。

背景技术：

现有的虹膜比对方法是通过逐一比对，或建立虹膜索引编码与检索机制来缩小比对范围，在这个范围内进行虹膜匹配。但是，目前的虹膜索引编码是提取虹膜的一些主要、简化的特征进行编码，虽然可以缩小匹配范围，但是依旧有很高的重复性。而且归一化的虹膜图像里包含了一些无效部分这就给虹膜索引编码与检索的过程增加了难度。因为虹膜图像在采集时虹膜会受睫毛、眼睑、瞳孔变化等因素影响造成虹膜特征缺失，从而导致比对准确性的降低。因此，如何解决上述问题是目前亟需解决的技术难题。

技术实现要素：

本发明提供的一种基于动态虹膜图像的识别方法及装置，旨在改善上述问题。

本发明提供的基于动态虹膜图像的识别方法，包括：获取n张虹膜图像，其中所述n为大于或等于2的整数；从所述n张虹膜图像中筛选满足预设规则的m张所述虹膜图像，其中，所述m为小于或等于所述n的整数；对所述m张所述虹膜图像进行预处理，生成对应的所述m张虹膜编码图像并记录每张虹膜编码图像对应的瞳孔大小变化值；对所述m张虹膜编码图像进行比对，获取所有所述虹膜编码图像中均出现的有效区域；将所述有效区域作为稳定区域进行标记，并生成稳定区域特征序列，并将所述稳定区域特征序列作为检索编码；对所述m张虹膜编码图像进行比对，获取所述虹膜编码图像中随瞳孔变化出现和/或消失的变化区域；将所述变化区域作为参考区域，并生成参考区域特征序列，并将所述参考区域特征序列作为参考编码。

可选地，所述的对所述m张虹膜编码图像进行比对，获取所有所述虹膜编码图像中均出现的有效区域，包括：对所述m张虹膜编码图像进行比较并结合瞳孔与虹膜特征的变化，获取所有所述虹膜图像中客观存在的稳定特征区域；基于所述稳定特征区域生成稳定区域特征序列。

可选地，所述的对所述m张虹膜编码图像进行比较并结合瞳孔与虹膜特征的变化，获取所有所述虹膜图像中客观存在的稳定特征区域，包括：将所述m张虹膜编码图像按照瞳孔大小变化值大小进行排序；将所述m张虹膜编码图像进行比对，获取所述m张虹膜编码图像与所述瞳孔的变化不一致的特征量；将所述特征量标记为客观不存在的虹膜特征区域；记录瞳孔收缩或扩张与所述虹膜特征变化的趋势；获取所述m张虹膜编码图像中的客观存在但不稳定的特征区域；获取两两所述虹膜编码图像进行比对的结果；从所述结果中筛选出特征区域最多的比对结果；将所述比对结果作为稳定特征区域。

可选地，所述的将所述有效区域作为稳定区域并生成稳定区域特征序列，并将所述稳定区域特征序列作为检索编码，之后还包括：将满足预设要求的所述m张虹膜编码图像进行比对；获取比对后的并集，并生成特征序列，将所述特征序列作为综合模板；将所述检索编码、所述参考编码与所述综合模板关联并进行存储。

可选地，所述的将所述检索编码、所述参考编码与所述综合模板关联并进行存储，之后还包括：结合所述检索编码和所述参考编码与数据库内预先存储的比对编码进行比对，获取满足预设相似度的综合模板；将所述综合模板与数据库内预先存储的综合模板进行比对，以获取比对结果。

本发明提供的基于动态虹膜图像的识别装置，包括：虹膜图像采集模块，用于获取n张虹膜图像，其中所述n为大于或等于2的整数；第一虹膜图像预处理模块，用于从所述n张虹膜图像中筛选满足预设规则的m张所述虹膜图像，其中，所述m为小于或等于所述n的整数；第二虹膜图像预处理模块，用于对所述m张所述虹膜图像进行预处理，生成对应的所述m张虹膜编码图像并记录每张虹膜编码图像对应的瞳孔大小变化值；获取有效区域数据模块，用于对所述m张虹膜编码图像进行比对，获取所有所述虹膜编码图像中均出现的有效区域；标记稳定区域模块，用于将所述有效区域作为稳定区域进行标记，并生成稳定区域特征序列，并将所述稳定区域特征序列作为检索编码；获取变化区域数据模块，用于对所述m张虹膜编码图像进行比对，获取所述虹膜编码图像中随瞳孔变化出现和/或消失的变化区域；标记参考区域模块，用于将所述变化区域作为参考区域，并生成参考区域特征序列，并将所述参考区域特征序列作为参考编码。

可选地，所述第二虹膜图像预处理模块包括：第一子模块，用于对所述m张虹膜编码图像进行比较并结合瞳孔与虹膜特征的变化，获取所有所述虹膜图像中客观存在的稳定特征区域；第二子模块，用于基于所述稳定特征区域生成稳定区域特征序列。

可选地，所述第一子模块具体用于：将所述m张虹膜编码图像按照瞳孔大小变化值大小进行排序；将所述m张虹膜编码图像进行比对，获取所述m张虹膜编码图像与所述瞳孔的变化不一致的特征量；将所述特征量标记为客观不存在的虹膜特征区域；记录瞳孔收缩或扩张与所述虹膜特征变化的趋势；获取所述m张虹膜编码图像中的客观存在但不稳定的特征区域；获取两两所述虹膜编码图像进行比对的结果；从所述结果中筛选出特征区域最多的比对结果；将所述比对结果作为稳定特征区域。

可选地，所述标记稳定区域模块，之后还包括：数据比对模块，用于将满足预设要求的所述m张虹膜编码图像进行比对；综合模板生成模块，用于获取比对后的并集，并生成特征序列，将所述特征序列作为综合模板；数据库模块，用于将所述检索编码、所述参考编码与所述综合模板关联并进行存储。

可选地，所述数据库模块，之后还包括：特征序列获取模块，用于结合所述检索编码和所述参考编码与数据库内预先存储的比对编码进行比对，获取满足预设相似度的综合模板；特征序列比对模块，用于将所述综合模板与数据库内预先存储的综合模板进行比对，以获取比对结果。

上述本发明提供的一种基于动态虹膜图像的识别方法及装置的有益效果是：利用多幅虹膜图像寻找特征重复区域作为稳定区域内的虹膜编码图像生成的稳定特征序列作为检索编码，具有高排他性，从而排除绝大多数数据库内的虹膜模板，大大缩小范围。以及在注册和识别时利用多幅虹膜图像进行融合，可以弥补睫毛、眼睑、瞳孔变化等造成的虹膜特征缺失，从而获得较为完成的虹膜图像和综合模板，以提高比对精度。以及通过建立瞳孔变化趋势与特征变化趋势关系，从而可以更好的判断特征的有效性。以及通过多张虹膜的比对寻找到重复区域，并对记录重复区域的概率可以更灵活的设置安全级别。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。

图1为本发明实施例提供的一种电子设备的结构框图；

图2为本发明第一实施例提供的基于动态虹膜图像的识别方法的流程图；

图3为图2所示的基于动态虹膜图像的识别方法中的瞳孔变化示意图；

图4为图2所示的基于动态虹膜图像的识别方法中的瞳孔变化示意图；

图5为本发明第二实施例提供的基于动态虹膜图像的识别方法的流程图；

图6为本发明第三实施例提供的基于动态虹膜图像的识别装置的功能模块示意图；

图7为本发明第四实施例提供的基于动态虹膜图像的识别装置的功能模块示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。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。

如图1所示，为本发明实施例提供的一种电子设备的结构框图。所述电子设备300包括基于动态虹膜图像的识别装置、存储器302、存储控制器303、处理器304及外设接口305。

所述存储器302、存储控制器303、处理器304及外设接口305各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述基于动态虹膜图像的识别装置包括至少一个可以软件或固件(firmware)的形式存储于所述存储器302中或固化在所述电子设备300的操作系统(operatingsystem，os)中的软件功能模块。所述处理器304用于执行存储器302中存储的可执行模块，例如所述基于动态虹膜图像的识别装置包括的软件功能模块或计算机程序。

其中，存储器302可以是，但不限于，随机存取存储器(randomaccessmemory，ram)，只读存储器(readonlymemory，rom)，可编程只读存储器(programmableread－onlymemory，prom)，可擦除只读存储器(erasableprogrammableread－onlymemory，eprom)，电可擦除只读存储器(electricerasableprogrammableread－onlymemory，eeprom)等。其中，存储器302用于存储程序，所述处理器304在接收到执行指令后，执行所述程序，前述本发明实施例任一实施例揭示的流过程定义的服务器200所执行的方法可以应用于处理器304中，或者由处理器304实现。

处理器304可能是一种集成电路芯片，具有信号的处理能力。上述的处理器304可以是通用处理器，包括中央处理器(centralprocessingunit，简称cpu)、网络处理器(networkprocessor，简称np)等；还可以是数字信号处理器(dsp)、专用集成电路(asic)、现成可编程门阵列(fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述外设接口305将各种输入/输入装置耦合至处理器304以及存储器302。在一些实施例中，外设接口305、处理器304以及存储控制器303可以在单个芯片中实现。在其他一些实例中，他们可以分别由独立的芯片实现。

请参阅图2，是本发明第一实施例提供的基于动态虹膜图像的识别方法的流程图。所述基于动态虹膜图像的识别方法应用于服务器，下面将对图2所示的具体流程进行详细阐述。

步骤s101，获取n张虹膜图像，其中所述n为大于或等于2的整数。

步骤s102，从所述n张虹膜图像中筛选满足预设规则的m张所述虹膜图像，其中，所述m为小于或等于所述n的整数。

其中，所述预设规则可以是符合质量要求，所述符合质量要求是指符合国标的质量要求，其内容包括清晰度或瞳孔虹膜扩张比等。在此，不作具体限定。

在本实施例中，所述m为大于1且小于或等于所述n的整数。

步骤s103，对所述m张所述虹膜图像进行预处理，生成对应的所述m张虹膜编码图像并记录每张虹膜编码图像对应的瞳孔大小变化值。

其中，所述预处理可以是对所述m张所述虹膜图像进行对齐、分割和归一化等处理，在此，不作具体限定。

其中，所述瞳孔大小变化值可以是瞳孔－虹膜半径比，其中，瞳孔－虹膜半径比是指瞳孔半径与虹膜半径的比，通过瞳孔－虹膜比排除因镜头距离、变焦倍数对瞳孔半径的影响，从而可以准确的体现瞳孔变化的情况。

虹膜编码图像是指，排除睫毛，眼睑等遮挡因素，提取图像中可用于识别的有效信息，并对有效信息编码的图像。提取方法有2dgabor滤波器，小波过零检测，高斯拉普拉斯变换等，在此不作具体限定。

作为一种实施方式，通过图像处理算法对所述m张所述虹膜图像进行预处理，并进行滤波处理，以生成对应的所述m张虹膜编码图像，并记录每张虹膜编码图像对应的瞳孔－虹膜半径比。

步骤s104，对所述m张虹膜编码图像进行比对，获取所有所述虹膜编码图像中均出现的有效区域。

其中，所述的归一化后的所述虹膜编码图像，是指步骤s103中对所述m张所述虹膜图像进行预处理后的虹膜编码图像，即所述m张虹膜编码图像。

其中，所述有效区域是指虹膜图像分割后，排除睫毛，眼睑等所有受遮挡像素之后的区域，即具有相同特征的有效区域。

作为一种实施方式，先对所述m张虹膜编码图像进行比较并结合瞳孔与虹膜特征的变化，获取所有所述虹膜图像中客观存在的稳定特征区域；再基于所述稳定特征区域生成稳定区域特征序列。具体地，先将所述m张虹膜编码图像按照瞳孔大小变化值的大小进行排序；再将所述m张虹膜编码图像进行比对，获取所述m张虹膜编码图像与所述瞳孔的变化不一致的特征量；接着再将所述特征量标记为客观不存在的虹膜特征区域，例如，在通过对m张虹膜编码图像进行比对时，且在瞳孔收缩(或扩张)的过程中，m张虹膜编码图像中部分特征的变化和瞳孔的变化不具备一致性，将所述特征判定为客观不存在的特征区域，从而将其标记为客观不存在的特征区域。其中，所述一致性是指特征会随瞳孔的收缩(或扩张)变化而发生对应性变化，比如特征随瞳孔收缩(扩张)一直增大(或缩小)。

其中，所述客观不存在的特征区域可能是因为在采集时受环境影响而引入的随机噪声造成的，如图3中的b区域。然后记录瞳孔收缩或扩张与所述虹膜特征变化的趋势，如，瞳孔半径为20的时候特征区域为30，或者是如瞳孔半径为30的时候特征区域为25，那么这个特征区域随瞳孔半径增大的趋势而减小。接着再获取所述m张虹膜编码图像中的客观存在但不稳定的特征区域，例如，在通过对m张虹膜编码图像进行比对时且在瞳孔收缩或扩张的过程中，m张虹膜编码图像中部分特征的变化和瞳孔的变化虽然具备一致性，但并不是每幅虹膜编码图像中都出现，将其判断为客观存在但不稳定的特征区域，这类特征区域可能是因为采集时受外部干扰影响导致在某个时刻不能够被采集到。如图4所示c区域。最后将所述比对结果作为稳定特征区域。例如，可以通过排除m张虹膜编码图像对应的客观不存在特征区域和不稳定特征区域后，对m张虹膜编码图像中的两两虹膜编码图像进行比对，以求交集获得m/2个结果，再从这些结果中筛选出特征区域最多的比对结果作为稳定特征区域，并基于所述稳定特征区域生成稳定区域特征序列，以及将所述稳定区域特征序列作为检索编码。从而可以较多的保存虹膜客观存在且稳定的特征。

其中，所述特征区域最多是指所述两两比对求交集其中一组所得的结果中出现特征的区域相对其他两两比对求交集所得的结果出现特征的数量最多，总面积最大的特征区域。

需要说明的是，睫毛和眼睑附近的虹膜特征区域并不属于所述客观不存在的特征区域，因为睫毛具有一定的浮动性，可能因为风吹动而遮挡虹膜区域；或眼睑开合程度对虹膜特征区域造成的遮挡。

步骤s105，将所述有效区域作为稳定区域进行标记，并生成稳定区域特征序列，并将所述稳定区域特征序列作为检索编码。

步骤s106，对所述m张虹膜编码图像进行比对，获取所述虹膜编码图像中随瞳孔变化出现和/或消失的变化区域。

其中，所述变化区域是指随瞳孔变化达到一定数值而消失或出现的区域。

步骤s107，将所述变化区域作为参考区域，并生成参考区域特征序列，并将所述参考区域特征序列作为参考编码。

在本实施例中，作为一种实施方式，将随瞳孔变化达到一定数值而消失或出现的变化区域作为参考区域进行标记，并生成参考区域特征序列，并将所述参考区域特征序列作为参考编码。

上述步骤是指除了客观存在、客观存在不稳定以及客观不存在三种虹膜特征外。本实施例可以结合一些实际上稳定，但是可能被混淆为客观存在而不稳定的虹膜特征进行参考比对。比如隐窝在瞳孔扩大或缩小到一定程度后，会发生消失或出现的现象。而隐窝作为一个比较重要的个性化的参考特征在前面的稳定区域选取过程中被排除了，不利于提高识别的精度。

请参阅图5，是本发明第二实施例提供的基于动态虹膜图像的识别方法的流程图。所述基于动态虹膜图像的识别方法应用于服务器，下面将对图5所示的具体流程进行详细阐述。

步骤s201，获取n张虹膜图像，其中所述n为大于或等于2的整数。

步骤s202，从所述n张虹膜图像中筛选满足预设规则的m张所述虹膜图像，其中，所述m为小于或等于所述n的整数。

步骤s203，对所述m张所述虹膜图像进行预处理，生成对应的所述m张虹膜编码图像并记录每张虹膜编码图像对应的瞳孔－虹膜半径比。

步骤s204，对所述m张虹膜编码图像进行比对，获取所有所述虹膜编码图像中均出现的有效区域。

步骤s205，将所述有效区域作为稳定区域进行标记，并生成稳定区域特征序列，并将所述稳定区域特征序列作为检索编码。

步骤s206，对所述m张虹膜编码图像进行比对，获取所述虹膜编码图像中随瞳孔变化出现和/或消失的变化区域。

步骤s207，将所述变化区域作为参考区域，并生成参考区域特征序列，并将所述参考区域特征序列作为参考编码。

步骤s201至步骤s207的具体实施方式请参照第一实施例中所对应的步骤，在此，不再赘述。

步骤s208，将满足预设要求的所述m张虹膜编码图像进行比对。

作为一种实施方式，先排除所述客观不存在的虹膜特征区域，例如，将步骤s205中所标记的所述客观不存在的虹膜特征区域进行排除，然后再求并集，将所述并集内的所有虹膜编码图像作为目标虹膜编码图像。最后通过对所述m张虹膜编码图像进行比对寻找重复区域，标记所有重复区域和重复概率。

步骤s209，获取比对后的并集，并生成特征序列，将所述特征序列作为综合模板。

作为一种实施方式，将步骤s208中所获取的重复区域和重复概率和记录瞳孔收缩或扩张与虹膜特征变化的趋势一并作为所述综合模板。

步骤s210，将所述检索编码、所述参考编码与所述综合模板关联并进行存储。

将所述检索编码、所述参考编码与所述综合模板关联并存储在数据库中。其中所述数据库可以是本地数据库，也可以是数据库服务器。在此，不作具体限定。

步骤s211，结合所述检索编码和所述参考编码与数据库内预先存储的比对编码进行比对，获取满足预设相似度的综合模板。

其中，所述预设相似度的数值可以是90％至100％，所述预设相似度的数值的具体选取可以根据实际需求进行选取，在此，不作具体限定。

作为一种实施方式，先通过结合所述检索编码和所述参考编码与数据库内预先存储的比对编码进行比对，从而排除大多数不匹配的对象。

步骤s212，将所述综合模板与数据库内预先存储的综合模板进行比对，以获取比对结果。

作为一种实施场景，当进行识别时，通过将预先存储的所述综合模板与待识别人员虹膜生成的所述综合模板进行比对，以获取比对结果。

作为一种实施方式，通过所述综合模板与数据库内预先存储的综合模板进行比对，根据预设的安全级别选择对应重复概率的模板进行匹配。例如，若选择低安全度时，只选择100％重复出现的区域进行比对，为提高安全级别则可选择100％重复和90％重复的区域进行比对，以此类推，在此，不作具体限定。比对时还可根据以及通过建立瞳孔变化趋势与特征变化趋势关系，从而可以更好的判断特征的有效性，来选择有效的特征进行比对。如识别时因为环境影响造成瞳孔变化使得某些特征不能被采集到，那么我们可以根据所述变化趋势忽略或减小这部分特征的权重，在此不做具体限定。

例如，还可以通过利用瞳孔收缩或扩张与虹膜特征变化的趋势对特征点进行判别。当待识别的所述综合模板中的特征与数据库内预先存储的所述综合模板记录的特征变化趋势相同时，判定为是可信特征；当识别特征不符合数据库内预先存储的所述综合模板记录的特征变化趋势时，判定为是不可信特征。通过所述比对结果来判断是否通过，如比对通过即获得权限，比对不通过将被拒绝。

请参阅图6，是本发明第三实施例提供的基于动态虹膜图像的识别装置的功能模块示意图。所述基于动态虹膜图像的识别装置400包括虹膜图像采集模块410、第一虹膜图像预处理模块420、第二虹膜图像预处理模块430、获取有效区域数据模块440、标记稳定区域模块450、获取变化区域数据模块460和标记参考区域模块470。

虹膜图像采集模块410，用于获取n张虹膜图像，其中所述n为大于或等于2的整数。

第一虹膜图像预处理模块420，用于从所述n张虹膜图像中筛选满足预设规则的m张所述虹膜图像，其中，所述m为小于或等于所述n的整数。

第二虹膜图像预处理模块430，用于对所述m张所述虹膜图像进行预处理，生成对应的所述m张虹膜编码图像并记录每张虹膜编码图像对应的瞳孔－虹膜半径比。

其中，所述第二虹膜图像预处理模块430包括：第一子模块431和第二子模块432。

其中，所述第一子模块431，用于对所述m张虹膜编码图像进行比较并结合瞳孔与虹膜特征的变化，获取所有所述虹膜图像中客观存在的稳定特征区域。

其中，所述第一子模块431具体用于：将所述m张虹膜编码图像按照瞳孔－虹膜半径比大小进行排序；将所述m张虹膜编码图像进行比对，获取所述m张虹膜编码图像与所述瞳孔的变化不一致的特征量；将所述特征量标记为客观不存在的虹膜特征区域；记录瞳孔收缩或扩张与所述虹膜特征变化的趋势；获取所述m张虹膜编码图像中的客观存在但不稳定的特征区域；获取两两所述虹膜编码图像进行比对的结果；从所述结果中筛选出特征区域最多的比对结果；将所述比对结果作为稳定特征区域。

第二子模块432，用于基于所述稳定特征区域生成稳定区域特征序列。

获取有效区域数据模块440，用于对所述m张虹膜编码图像进行比对，获取所有所述虹膜编码图像中均出现的有效区域。

标记稳定区域模块450，用于将所述有效区域作为稳定区域进行标记，并生成稳定区域特征序列，并将所述稳定区域特征序列作为检索编码。

获取变化区域数据模块460，用于对所述m张虹膜编码图像进行比对，获取所述虹膜编码图像中随瞳孔变化出现和/或消失的变化区域。

标记参考区域模块470，用于将所述变化区域作为参考区域，并生成参考区域特征序列，并将所述参考区域特征序列作为参考编码。

请参阅图7，是本发明第四实施例提供的基于动态虹膜图像的识别装置的功能模块示意图。所述基于动态虹膜图像的识别装置500包括虹膜图像采集模块510、第一虹膜图像预处理模块520、第二虹膜图像预处理模块530、获取有效区域数据模块540、标记稳定区域模块550、获取变化区域数据模块560、标记参考区域模块570、数据比对模块580、综合模板生成模块590、数据库模块591、特征序列获取模块592和特征序列比对模块593。

虹膜图像采集模块510，用于获取n张虹膜图像，其中所述n为大于或等于2的整数。

第一虹膜图像预处理模块520，用于从所述n张虹膜图像中筛选满足预设规则的m张所述虹膜图像，其中，所述m为小于或等于所述n的整数。

第二虹膜图像预处理模块530，用于对所述m张所述虹膜图像进行预处理，生成对应的所述m张虹膜编码图像并记录每张虹膜编码图像对应的瞳孔－虹膜半径比。

其中，所述第二虹膜图像预处理模块530包括：第一子模块531和第二子模块532。

其中，所述第一子模块531，用于对所述m张虹膜编码图像进行比较并结合瞳孔与虹膜特征的变化，获取所有所述虹膜图像中客观存在的稳定特征区域。

其中，所述第一子模块531具体用于：将所述m张虹膜编码图像按照瞳孔－虹膜半径比大小进行排序；将所述m张虹膜编码图像进行比对，获取所述m张虹膜编码图像与所述瞳孔的变化不一致的特征量；将所述特征量标记为客观不存在的虹膜特征区域；记录瞳孔收缩或扩张与所述虹膜特征变化的趋势；获取所述m张虹膜编码图像中的客观存在但不稳定的特征区域；获取两两所述虹膜编码图像进行比对的结果；从所述结果中筛选出特征区域最多的比对结果；将所述比对结果作为稳定特征区域。

第二子模块532，用于基于所述稳定特征区域生成稳定区域特征序列。

获取有效区域数据模块540，用于对所述m张虹膜编码图像进行比对，获取所有所述虹膜编码图像中均出现的有效区域。

标记稳定区域模块550，用于将所述有效区域作为稳定区域进行标记，并生成稳定区域特征序列，并将所述稳定区域特征序列作为检索编码。

获取变化区域数据模块560，用于对所述m张虹膜编码图像进行比对，获取所述虹膜编码图像中随瞳孔变化出现和/或消失的变化区域；

标记参考区域模块570，用于将所述变化区域作为参考区域，并生成参考区域特征序列，并将所述参考区域特征序列作为参考编码。

数据比对模块580，用于将满足预设要求的所述m张虹膜编码图像进行比对。

其中，所述数据比对模块580具体用于：排除所述客观不存在的虹膜特征区域；通过对所述m张虹膜编码图像进行比对寻找重复区域，标记所有重复区域和重复概率。

综合模板生成模块590，用于获取比对后的并集，并生成特征序列，将所述特征序列作为综合模板。

数据库模块591，用于将所述检索编码、所述参考编码与所述综合模板关联并进行存储。

特征序列获取模块592，用于结合所述检索编码和所述参考编码与数据库内预先存储的比对编码进行比对，获取满足预设相似度的综合模板。

特征序列比对模块593，用于将所述综合模板与数据库内预先存储的综合模板进行比对，以获取比对结果。

综上所述，本发明提供的一种基于动态虹膜图像的识别方法及装置的有益效果是：利用多幅虹膜图像寻找特征重复区域作为稳定区域内的虹膜编码图像生成的稳定特征序列作为检索编码，具有高排他性，从而排除绝大多数数据库内的虹膜模板，大大缩小范围。以及在注册和识别时利用多幅虹膜图像进行融合，可以弥补睫毛、眼睑、瞳孔变化等造成的虹膜特征缺失，从而获得较为完成的虹膜图像和综合模板，以提高比对精度。以及通过建立瞳孔变化趋势与特征变化趋势关系，从而可以更好的判断特征的有效性。以及通过多张虹膜的比对寻找到重复区域，并对记录重复区域的概率可以更灵活的设置安全级别。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read－onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。