吳岸雄

（肇慶學(xué)院，廣東 肇慶526061）

基于支持向量機(jī)的虹膜識別方法

吳岸雄

（肇慶學(xué)院，廣東 肇慶526061）

提出了一種基于支持向量機(jī)的虹膜識別算法，通過對虹膜紋理采用小波變換來實(shí)現(xiàn)特征提取，最后通過支持向量機(jī)完成匹配。實(shí)驗(yàn)結(jié)果表明，該算法識別率高并可有效地應(yīng)用于虹膜身份鑒別系統(tǒng)中。

虹膜識別；小波變換；支持向量機(jī)

隨著大數(shù)據(jù)和互聯(lián)網(wǎng)+走進(jìn)大眾的生活，公民個(gè)人信息的安全變得越來越重要，個(gè)人身份鑒別方法特別是對鑒別人體生物特征的有效方法具有極高的研究價(jià)值。據(jù)有關(guān)資料分析顯示，至今，基于各種生物特征的身份鑒定技術(shù)，包括指紋、人臉、聲音，鑒定錯(cuò)誤率最低的是虹膜識別技術(shù)。因?yàn)槿说暮缒び泻芏鄡?yōu)點(diǎn)，例如具有獨(dú)特性、唯一性、穩(wěn)定性、采集可行性以及非侵犯性等優(yōu)勢，因此在當(dāng)今生物識別技術(shù)領(lǐng)域被譽(yù)為“最具發(fā)展前途”的技術(shù)之一。利用虹膜識別身份的鑒定技術(shù)是走在世界前沿的先進(jìn)技術(shù)。為了有效了解紅膜識別身份鑒定技術(shù)，可從以下幾種技術(shù)算法進(jìn)行分析：

Daugman[2]虹膜識別算法速度快、準(zhǔn)確度高，目前利用虹膜識別商用的系統(tǒng)采用的是這個(gè)算法，對虹膜進(jìn)行量化和編碼使用的是2D-Gabor濾波器?？墒沁@種算法有缺點(diǎn)，即是會(huì)增加特征提取的運(yùn)算時(shí)間，因?yàn)樾枰幚砑y理的二維信息；Wildes[3]計(jì)算量比較大，因?yàn)檫@種算法是采用用高斯型濾波器分解采集到的虹膜圖像，而且是在不同分辨率下，然后存儲(chǔ)比較結(jié)果；Boles識別率比較低，因?yàn)檫@種算法對灰度值的變化比較敏感，這種算法是運(yùn)用小波變換過零檢測這種具有創(chuàng)新性的虹膜識別算法，且取得結(jié)果僅存在于幾個(gè)有效的小樣本內(nèi)。

本文提出一種虹膜識別身份鑒定算法，運(yùn)用的是支持向量機(jī)。通過分析仿真實(shí)驗(yàn)結(jié)果可知，本文所提出的這種虹膜識別身份鑒定算法具有安全性高、錯(cuò)誤率低、社會(huì)適用性強(qiáng)以及識別率高等優(yōu)勢。

1 虹膜圖像預(yù)處理方法的分析與探討

虹膜識別系統(tǒng)是由虹膜內(nèi)外邊界定位、對采集虹膜進(jìn)行圖像預(yù)處理、認(rèn)證識別以及特征提取這幾個(gè)關(guān)鍵部分構(gòu)成。詳見虹膜識別系統(tǒng)示意圖（見圖1）.

圖1 虹膜識別系統(tǒng)示意圖

1.1 對虹膜定位進(jìn)行分析

所謂“虹膜定位”是指對采集到的虹膜圖像進(jìn)行兩個(gè)邊界的定位，內(nèi)邊界和外邊界，內(nèi)邊界虹膜于瞳孔二者存在的現(xiàn)實(shí)界限，而鞏膜于虹膜的邊界則稱為外邊界，為了方便研究人員進(jìn)行研究，當(dāng)今研究者將外邊界、內(nèi)邊界客觀存在的兩條邊界大致規(guī)定為兩個(gè)圓的概念，要研究的就是找出這兩個(gè)圓的半徑和圓心，就可以確定這個(gè)圓了。用另一句話說就是：虹膜定位就是在人眼圖像中確定兩對圓心和半徑。

1.2 對歸一化的分析探討

在進(jìn)行虹膜采集時(shí)，通過對不同個(gè)體眼睛內(nèi)虹膜圖像進(jìn)行采集，并施行虹膜定位，這時(shí)人們會(huì)發(fā)現(xiàn)不同人眼虹膜圖像區(qū)域存在大小不一的客觀現(xiàn)象，而若同個(gè)人在不同光線強(qiáng)度、環(huán)境因素或其他客觀情況干擾下，均會(huì)呈現(xiàn)虹膜區(qū)域大小存在不同的結(jié)果。因此，為了達(dá)到方便之后的認(rèn)證識別目的，必須按照相同的維數(shù)進(jìn)行落實(shí)。通常情況下采集到的虹膜具有極坐標(biāo)良好的特征，因此為了提高本文次論文的準(zhǔn)確性、客觀性以及真實(shí)性，筆者選用了極坐標(biāo)轉(zhuǎn)換方法。

沿著采集到的虹膜內(nèi)邊界向外，選取n個(gè)相同圓心的圓，n具有特定不變性質(zhì)的。而后落實(shí)在同心圓上選取m個(gè)采樣點(diǎn)的操作，并注意在每個(gè)同心圓上均進(jìn)行m點(diǎn)選取采樣，從而在選取結(jié)束后得到矩陣n乘以m，其中n與m均為常數(shù)，并在虹膜圖像中呈現(xiàn)全部選取采樣點(diǎn)從始至終保持一致的現(xiàn)象，按照這種方法便可以達(dá)到虹膜區(qū)域歸一化目的。通過將瞳孔視為中心，將選取的 150°、210°、330°、390°，虹膜區(qū)域按照逆時(shí)針方向進(jìn)行選?。ㄈ鐖D2a）。之后把選取的虹膜區(qū)域展開，如下圖2（b）。這樣處理后會(huì)排除掉上眼皮部分遮擋虹膜區(qū)域。

圖2 虹膜

2 對特征提取的分析與探討

當(dāng)今具有一定識別價(jià)值且研究較廣的虹膜識別身份鑒定算法均采用Gabor小波變換算法來進(jìn)行虹膜特征的提取。為了把編碼的過程盡可能地簡化，把編碼的時(shí)間縮短，本論文采用最簡單的Haar小波。

經(jīng)過大量具有時(shí)效性的樣本實(shí)驗(yàn)分析可知，在尺度23上是虹膜問題特征分量較為集中的區(qū)域，因此可利用三層小波對歸一化虹膜紋理圖像（40×256）進(jìn)行分解處理，并選擇第三層對角細(xì)節(jié)HH3（5×32），并按照類似于1--60個(gè)特征的形式對虹膜特征進(jìn)行編碼。在進(jìn)行有效的編碼后，將虹膜紋理圖像按照分解為八段并保持每段為40×32的形式對40×256的虹膜紋理進(jìn)行分解，并按照三層小波分解方法對每一段紋理進(jìn)行細(xì)分，而后按照每樣四幅的要求對三層小波分解成果進(jìn)行5×4大小均等的HL、LH的子圖，從而達(dá)到將虹膜局部紋理特征有效表現(xiàn)并凸顯的目的。同5×32HH分解量進(jìn)行有機(jī)結(jié)合，由此達(dá)到共同構(gòu)成320位（5×32+8×5×4+=320）特征碼的目的。

3 對認(rèn)證識別的分析與討論

基于Haar可得到有效的虹膜特征編碼，加之行之有效的分類算法以及科學(xué)有效的分析，并對得到的虹膜特征編碼通過訓(xùn)練分類達(dá)到落實(shí)工作目的。隨著社會(huì)的不斷發(fā)展，以及科學(xué)技術(shù)的創(chuàng)新與進(jìn)步，歐氏距離分類法、海明距離分類法是當(dāng)今大部分虹膜識別身份鑒定算法研究應(yīng)用較為廣泛的方法。筆者對虹膜碼訓(xùn)練分類是采取支持向量機(jī)（Support Vector Machine SVM）方法來進(jìn)行分類研究的。這種結(jié)構(gòu)風(fēng)險(xiǎn)最小化的兩種分類方法，因?yàn)榫哂行阅茌^好的優(yōu)勢，所以在虹膜識別模式等許多領(lǐng)域應(yīng)用較廣。

3.1 對支持向量機(jī)進(jìn)行分析與探討

以結(jié)構(gòu)風(fēng)暴最小化（Structural RiskMinimization，SRM）原理為學(xué)習(xí)依據(jù)，是支持向量機(jī)通用的學(xué)習(xí)方法，通過觀察圖3可知，線性可分兩類樣本可通過空心點(diǎn)與實(shí)心點(diǎn)進(jìn)行表示。依據(jù)SRM的相關(guān)規(guī)定，具有最優(yōu)超平面P的SVM學(xué)習(xí)結(jié)果，可有效將兩類訓(xùn)練樣本進(jìn)行科學(xué)高效的分離，并可保持分離間隔最大化。其中支持向量（Suppott V ector）就是距離這兩類樣本中P最近的樣本，從而在此基礎(chǔ)上實(shí)現(xiàn)了最優(yōu)分類超平面的正確性。

圖3 支持向量機(jī)

假定訓(xùn)練集{xi，yi}，i=1，…，l，yiεRπ在線性可分情況下被一個(gè)超平面 ω × x+b=0 ωεRπ，bεR，分開，這樣SVM可以看成是對如下問題的求解：

該約束優(yōu)化問題可以用Lagrange方法求解可以解出：

3.2 對訓(xùn)練分類進(jìn)行分析與探討

解一個(gè)有大量約束的二次規(guī)劃問題，其實(shí)就是SVM的虹膜碼訓(xùn)練算法，這種訓(xùn)練算法較為高效，具有一定可行性，SVM參數(shù)就是通過訓(xùn)練得來。借鑒模式是當(dāng)今現(xiàn)在對虹膜身份鑒定識別應(yīng)用的最為廣泛的模式方法，可以通過對判斷聲稱是xi的x是否為真進(jìn)行分析。其中，f（x）就是輸入x的類別判別的函數(shù)式，若存在f（x）=1，就可以判定這是同一人的虹膜；而f（x）=-1，則可以判定這并不是同通過一個(gè)人的虹膜。

4 對實(shí)驗(yàn)結(jié)果的分析探討

運(yùn)用CASIA虹膜圖像數(shù)據(jù)庫是本論文主要的材料依據(jù)，選取男人62人、女人18人共80人形式108只眼睛上存在的不同虹膜圖像樣本，且每只眼睛均具有320×380分辨率的7幅、8位灰度圖像。

為了確保虹膜識別的正確性，在虹膜系統(tǒng)身份鑒別系統(tǒng)內(nèi)存在兩個(gè)重要統(tǒng)計(jì)性指標(biāo)即拒絕率FRR（漏報(bào)）、接受率FAR（虛警）。在系統(tǒng)中因其可將冒充者進(jìn)行生物系統(tǒng)識別的生物特征擁有者作為錯(cuò)誤接受，而被系統(tǒng)拒絕者則稱為生物特征的錯(cuò)誤拒絕。

徑向基函數(shù)即RBF是本文SVM核函數(shù)選擇基礎(chǔ)函數(shù)，并對SVM與歐氏距離其他外部條件一樣的前提下進(jìn)行了必要的比較，并得出如圖4所示的海明距離識別效果，從而得出SVM是最好的結(jié)果。

圖4 EER基向量數(shù)目分布曲線

5 結(jié)束語

通過對以上試驗(yàn)結(jié)果的研究分析可知，文中所深入分析的虹膜識別法是在支持向量機(jī)基礎(chǔ)上得出的，因此具有識別率高、識別速度快、識別較為精準(zhǔn)等方面的極大優(yōu)勢，因此在對傳統(tǒng)虹膜識別方法進(jìn)行改進(jìn)基礎(chǔ)上，可較為高效的應(yīng)用在虹膜身份鑒別相關(guān)系統(tǒng)內(nèi)。

[1]T Mansfield，G Kelly，D Chandler et.Biometric Product Test ing Final Report[R].issue 1.0，National Physical Laboratory of UK，2001.

[2]J Daugman.High confidence recognition of person by rapid video analysis of iris texture[C].In European Convention on Security and Detection ，Brighton，UK:NSPEC，1995.

[3]P Wildes.Iris recognition：An emerging biometric technology[C].In Proceeding of the IEEE，1997.

A Recognition Method of Iris Based on SVM

WU An-xiong
（Zhaoqing University，Zhaoqing Guangdong 526061，China）

A algorithm based on the SVM of iris recongnition is proposed.Feature is extracted with an appropriate scale wavelet，then SVM is used to match two iris codes.Experinental results showed that developed system with high identificaltion rate could be used for a personal identification system in an efficient and effective manner.

iris recognition；wavelet transform；support vector machine（SVM）

TP391.4

A

1672-545X（2017）09-0135-03

2017-06-17

吳岸雄（1979-），男，湖南漣源人，碩士研究生，實(shí)驗(yàn)師，研究方向：圖像處理和虹膜識別。