虹膜识别技术的最新进展综述.doc

虹膜识别技术的最新进展综述 　　摘要：文章介绍了虹膜识别技术的历史、发展和现状，详细阐述了最新的虹膜识别技术文献的创新点及工作进展，最后得出结论：采取适当的方法会在较短时间内找到较为准确的虹膜内、外边缘，这对提高虹膜识别的效率有较为明显的影响。 　　关键词：虹膜识别；噪声；收敛算法；生物识别；效率 　　中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2015）22-0117-02 　　Abstract： This paper introduces the history， development and present situation of iris recognition technology， and expounds the innovation points and work progress of the latest iris recognition technology. Finally， the conclusion is drawn that the appropriate method can find more accurate iris inner and outer edge， which can improve the efficiency of iris recognition. 　　Key words： iris recognition； noise； convergence algorithm； biometric； efficiency 　　生物识别技术是一种根据人的身体特征来进行身份识别的技术。一般来说，人体特征包括掌纹、声音、指纹、人脸、虹膜等，且这些特征具有唯一性、不可复制等特点。生物识别的过程就是指将所采集到的人体特征转变为数字信号，并利用有效的匹配机制来实现个人身份的识别。而且，生物识别技术是通过人体的固有特征来进行验证，不需要去死记硬背一些诸如账户、密码等难记的数字信息。因此，该技术为个人、企业及政府等在网上交易、隐私保护、反恐等诸多方面提供了方便和安全保障。在许多国家，生物识别技术已经处于安全议程讨论的最前沿[1]，因为该技术是一种高度准确的身份确认手段，这为许多安全性和身份管理问题提供了一个非常有效的解决方案。近十年，生物识别行业的市场份额在不断增加，主要原因包括： 　　1）技术上的进步； 　　2）成本的显著降低； 　　3）针对身份识别的立法要求的推动作用。 　　作为一种可行的替代方案，生物识别技术提升了地方、区域和国家的安全检查站的安全级别，它必将在未来的身份识别领域发挥越来越重要的作用。 　　在人体的许多生物特征中，虹膜是最持久、最具抗干扰性的特征之一。作为身份识别的特征，虹膜具有很多优点，如唯一性、稳定性、非侵犯性等。与人脸、声音等其他身份识别方法相比，虹膜识别具有更低的错误率[2]。虹膜识别技术被普遍认为是二十一世纪最具有发展潜力的生物识别技术，未来的安防、国防、电子商务等多种领域的应用，将会更多地依赖虹膜识别技术。这种趋势已经在世界各地的许多应用中逐渐显现出来，市场应用前景非常广阔。 　　1 虹膜分割的研究现状 　　虹膜识别技术根据对目标人物的约束程度可分为两种：有条件虹膜识别[3，4]和隐蔽式虹膜生物识别（Covert iris biometric recognition， CIBR）[5]。前者需要目标人物的积极配合，如目标人物需站在成像设备前，并保持大约三秒钟的注视时间。虽然通过这种方式获得的图像质量较高，但它却限制了虹膜识别技术的应用范围（如犯罪、恐怖活动等）。后者不能期望目标人物的合作，虽然以该方式获取的图像质量不高，但它却具有很强的应用性。因此，研究者已经把更多的兴趣和注意力放到了CIBR上。因为CIBR是在不可控的数据获取环境中进行的，所以它采集的虹膜图像具有以下的部分特征： 　　1）远距离拍摄、目标人物运动都会引起图像模糊。 　　2）当目标人物的头或身体没有位于垂直的位置时，会得到旋转的虹膜图像数据。 　　3）眼睑、眼睫毛、阴影的遮挡。 　　4）带有镜面反射的虹膜。 　　5）带有漫反射的虹膜。 　　6）目标人物戴眼镜时，眼镜经常会遮挡住人眼的一部分。 　　7）目标人物戴隐形眼镜时，隐形眼镜会遮挡虹膜纹理，并使之变形。 　　8）采集的图像只含有部分的虹膜信息或不含有虹膜信息。 　　与有条件虹膜识别相比，CIBR中的干扰因素更多，因此，适用于有条件虹膜识别的方法（虹膜分割、特征提取和匹配）不一定适用于CIBR。为了克服这些干扰因素的影响，研究者已经加大了对CIBR的研究力度。 　　虹膜分割是虹膜识别的一个关键环节，定位质量的高低将直接影响后续的特征提取和匹配。目前，研究者们已