虹膜识别技术 虹膜扫描技术.doc

虹膜识别技术虹膜扫描技术膜识别技术是利用虹膜终身不变性和差异性的特点来识别身份的, 虹膜识别技术与相应的算法结合后, 可以到达十分优异的准确度, 即使全人类的虹膜信息都录入到一个数据中, 出现认假和拒假的可能性也相当小,但是这项技术的无法录入问题已经成了它同其它识别技术抗衡的最大障碍。不管怎样, 虹膜识别技术的高精度使它能够在众多识别技术中占有一席之地。所有虹膜识别技术都是以 John Daugman 博士的专利和研究为基础的。虹膜眼睛的虹膜是由相当复杂的纤维组织构成, 其细部结构在出生之前就以随机组合的方式决定下来了, 虹膜识别技术将虹膜的可视特征转换成一个 512 个字节的 Iris Code ( 虹膜代码), 这个代码模板被存储下来以便后期识别所用, 512 个字节, 对生物识别模板来说是一个十分紧凑的模板, 但它对从虹膜获得的信息量来说是十分巨大的。从直径 11mm 的虹膜上, Dr. Daugman 的算法用 个字节的数据来代表每平方毫米的虹膜信息, 这样, 一个虹膜约有 266 个量化特征点, 而一般的生物识别技术只有 13 个到 60 个特征点。 266 个量化特征点的虹膜识别算法在众多虹膜识别技术资料中都有讲述, 在算法和人类眼部特征允许的情况下, Dr. Daugman 指出, 通过他的算法可获得 173 个二进制自由度的独立特征点。这在生物识别技术中,所获得特征点的数量是相当大的。算法第一步是通过一个距离眼睛 3 英寸的精密相机来确定虹膜的位置。当相机对准眼睛后,算法逐渐将焦距对准虹膜左右两侧, 确定虹膜的外沿, 这种水平方法受到了眼睑的阻碍。算法同时将焦距对准虹膜的内沿(即瞳孔)并排除眼液和细微组织的影响。单色相机利用可见光和红外线,红外线定位在 700-900mm 的范围内(这是 IR 技术的低限, 美国眼科学会在他们对 macular cysts 研究中使用同样的范围。) 在虹膜的上方,如上图所示,算法通过二维 Gabor 子波的方法来细分和重组虹膜图象, 第一个细分的部分被称为 phasor , 要想明白二维 gabor 子波的原理需要懂得很深的数学知识。精确度由于虹膜代码( Iris Code ) 是通过复杂的运算获得的, 并能提供数量较多的特征点, 所以虹膜识别技术是精确度最高的生物识别技术,具体描述如下: · 两个不同的虹膜信息有 75% 匹配信息的可能性是 1:10 6 · 等错率: 1:12