一种基于虹膜识别的ATM取现系统的制作方法

本发明涉及取现系统技术领域，具体涉及一种基于虹膜识别的atm取现系统。

背景技术：

相关技术中，atm取现方式仅限于插卡取现及提前预约的无卡取现。两者都有各自的限制，如磁条损坏无法取现、atm机吞卡、将卡遗忘、忘记密码等，而且atm机不适合老年人或其他视力模糊不清者使用。用户在忘记带卡或者在卡丢失的情况下，亦难以取得现金。另外，银行卡背面的磁条存在安全漏洞，使得盗刷现象频现。除此之外，一张卡仅限一人取现使用，若要多人使用同一账户，则需办理附属卡或一卡一折等，而且附属卡也要收取年费等费用，造成资源浪费。

技术实现要素：

针对上述问题，本发明提供一种基于虹膜识别的atm取现系统。

本发明的目的采用以下技术方案来实现：

提供了一种基于虹膜识别的atm取现系统，包括虹膜信息现场采集装置、带虹膜识别器的atm机、虹膜中央存储数据库，所述虹膜中央存储数据库与带虹膜识别器的atm机双向通信，其用于将申请使用该atm取现系统的用户的虹膜信息数据化，并且有效保存，为虹膜识别提供有效数据；所述虹膜信息现场采集装置与虹膜识别器连接，用于现场采集进行取现的用户的虹膜图像和用户身份证信息，并将该虹膜图像和用户身份证信息发送至虹膜识别器进行虹膜识别。

本发明的有益效果为：将虹膜识别运用在atm取现的过程中，在减少插卡、输密码、取卡等过程中的繁琐步骤的同时保证用户取现方便、安全。

附图说明

利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1本发明的框图示意图；

图2是本发明虹膜识别器的框图示意图。

附图标记：

虹膜信息现场采集装置1、虹膜识别器2、atm机3、虹膜中央存储数据库4、虹膜图像去噪单元10、虹膜图像分割单元20、虹膜信息提取单元30、虹膜信息验证单元40。

具体实施方式

结合以下实施例对本发明作进一步描述。

参见图1，本实施例提供的一种基于虹膜识别的atm取现系统，包括虹膜信息现场采集装置1、带虹膜识别器2的atm机3、虹膜中央存储数据库4，所述虹膜中央存储数据库4与带虹膜识别器2的atm机3双向通信，其用于将申请使用该atm取现系统的用户的虹膜信息数据化，并且有效保存，为虹膜识别提供有效数据；所述虹膜信息现场采集装置1与虹膜识别器2连接，用于现场采集进行取现的用户的虹膜图像和用户身份证信息，并将该虹膜图像和用户身份证信息发送至虹膜识别器2进行虹膜识别。

优选地，所述虹膜识别器2对虹膜识别成功时，atm机3的界面进入银行卡选择页面。

优选地，所述虹膜识别器2对虹膜识别失败时，atm机3的界面进入密码输入页面。

本发明上述实施例中，将虹膜识别运用在atm取现的过程中，在减少插卡、输密码、取卡等过程中的繁琐步骤的同时保证用户取现方便、安全。

优选地，如图2所示，所述虹膜识别器2包括依次连接的虹膜图像去噪单元10、虹膜图像分割单元20、虹膜信息提取单元30、虹膜信息验证单元40；所述虹膜图像去噪单元10用于对采集的虹膜图像进行中值滤波处理；所述虹膜图像分割单元20用于对滤波后的虹膜图像进行分割处理，获取虹膜区域；所述虹膜信息提取单元30用于提取虹膜区域中的虹膜信息；所述虹膜信息验证单元40用于根据用户身份证信息在虹膜中央存储数据库4中查找到对应该用户的标准虹膜信息，将提取的虹膜信息与该标准虹膜信息进行比对验证，输出虹膜识别结果。

优选地，选取3×3滤波窗口对虹膜图像进行中值滤波处理，具体包括：

(1)确定滤波的初始位置(μ,ν)，设t(μ,ν)表示虹膜图像的灰度值矩阵中(μ,ν)处像素的灰度值，则滤波窗口在(μ,v)处的灰度值表示为：

(2)移动滤波窗口，从而将滤波窗口原第二列对应行的灰度值赋给第一列，原第三列对应行的灰度值赋给第二列，读取虹膜图像对应移动前滤波窗口后一列像素的灰度值作为移动后的滤波窗口的第三列灰度值；

(3)将第三列灰度值按从小到大的顺序进行排列，计算当前位置滤波窗口的中间灰度值，并将计算得到的中间灰度值赋给所述的对应移动前滤波窗口后一列像素，定义当前位置滤波窗口的中间灰度值的计算公式为：

式中，表示当前位置滤波窗口的中间灰度值，max(t1)表示当前位置滤波窗口中第一行灰度值的最大值，mid(t2)表示当前位置滤波窗口中第二行灰度值的中值，min(t3)表示当前位置滤波窗口中第三行灰度值的最小值；

(4)重复步骤(2)和(3)，直至完成虹膜图像的设定滤波处理范围内的所有像素被赋值。

本优选实施例通过移动滤波窗口对虹膜图像进行去噪，并定义了当前位置滤波窗口的中间灰度值的计算公式，改进了中值滤波算法，采用改进的中值滤波算法进行虹膜图像的滤波处理，能够快速地确定赋给处理像素的中间灰度值，减少中值滤波算法中像素灰度值排序的次数，从而可以在保留虹膜区域边缘信息的前提下提高对虹膜图像进行滤波处理的速度，便于后续虹膜的快速识别，提高atm取现系统的工作效率。

优选地，对滤波后的虹膜图像进行分割处理，具体包括：采用改进的sobel边缘检测算法对虹膜图像进行边缘检测；基于数学形态学，采用6×6方形结构元素对边缘检测得到的虹膜区域进行腐蚀处理，采用5×5圆形结构元素对虹膜区域进行膨胀处理。

本优选实施例结合sobel边缘检测算法和数学形态学对虹膜图像进行处理，能够在保证不会产生全局几何失真的前提下将虹膜区域中被边缘检测断开的区域重新连通，便于虹膜图像中虹膜信息的获取和识别。

优选地，采用改进的sobel边缘检测算法对虹膜图像进行边缘检测时，具体执行：

(1)采用0°、45°、90°、135°四个方向的模板对虹膜图像进行卷积运算，采用下述定义的灰度梯度值的计算公式计算虹膜图像中各像素的灰度梯度值：

式中，r(μ,ν)表示虹膜图像中像素(μ,ν)的灰度梯度值，t(μ,ν)表示虹膜图像的像素(μ,v)的灰度值，*表示卷积运算；

uk(k＝1,2..,4)为边缘算子，其中u1为0°边缘算子、u2为45°边缘算子、u3为90°边缘算子、u4为135°边缘算子，其中，

(2)将各个像素的灰度梯度值与设定的阈值进行比较，若像素的灰度梯度值大于设定的阈值，将该像素作为检测点；

(3)对所有的检测点进行过滤处理，采用30×30的矩形滤波窗口对各检测点进行处理，得到各检测点对应矩形滤波窗口中最大梯度值，若检测点(μ,ν)满足下列判定公式，则将该检测点置为背景点：

式中，rμ,v表示检测点(μ,ν)对应矩形滤波窗口中的最大梯度值，min(rμ,v)表示检测点(μ,ν)对应矩形滤波窗口中的最大梯度值，ω为设定的调整因子，ω的取值范围为[0.7,,0.9]；

(4)将剩余的检测点作为边缘点。

本优选实施例中，对sobel边缘检测算法进行改进，采用四个方向的模板对虹膜图像进行卷积处理，并重新定义了灰度梯度值的计算公式，能够在保证边缘检测效果以及较低的卷积运算量的前提下，提高对虹膜图像进行分割处理的速度，对采用改进的sobel边缘检测算法处理后得到的检测点进一步进行过滤处理，去除边缘检测可能形成的伪边缘，从而能够进一步提高虹膜图像分割的精度，为后续虹膜信息的精确提取和虹膜信息的对比验证奠定良好的基础，有利于实现虹膜的高精度识别，保证用户通过atm取现系统进行取现的安全性。

最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。