剛開學,初步定方向和師姐做一些關於虹膜的項目,總結了一篇關於虹膜的小綜述:
[1]李海青 孫哲南 譚鐵牛 何召鋒 馬力.虹膜識別技術進展與趨勢[J].信息安全研究,2016,2(1).
如果有任何想法歡迎交流:[email protected]
提升算法的三個大方向
1.改變評價指標:
將單一的評價指標改變爲多因子的評價指標。通過增加評價指標的難度,使得在這種多因子的複雜的評價體系下有着較其它傳統算法有着更爲優秀的表現。
2.提升虹膜分割曲線模型的複雜度
3.特徵分析
—————————————————
目標
提高低質量虹膜圖像的處理能力,突破瓶頸
—————————————————
挑戰:
1.快速檢索
-
存在問題
- 搜索數據過於龐大,難以實現實時檢索
-
解決思路
- 設計更快的特徵比對方法(特徵、比對、速度或實時性)
- 根據虹膜的紋理將特徵模版進行粗分類,分類得到若干個子集。在測試圖像與特徵模版進行匹配時,先與特定的幾個模版子進行匹配。
2.跨設備識別(爲了減少跨設備帶來的精度的下降)
- 存在問題
- 由於不同設備獲取得到的圖像具有不同的對比度、分辨率、噪聲含量,增加了類內的變化。這會導致在跨設備識別時帶來識別精度的下降。
- 解決思路
- 可以從處理圖像層、特徵層、編碼層入手,通過處理圖像,減小圖像的表現差異。
- 設計對不同設備都適用、有效的特徵描述子。實現多模異源虹膜圖像的魯棒識別。
—————————————————
Iris Recognition易受攻擊的點
1.圖像源
- 活體檢測:用於保證源圖像的真實性。大部分活體檢測採用基於紋理分析的方法,例如頻域分析、局部二值模式和層次化視覺詞典等。
2.特徵模版
—————————————————
安全問題
由於虹膜等生物特徵具有唯一性,因此他是非常需要保護的特徵,對於對生物特徵模版的保護比密碼保護更重要也更具挑戰。主要有2個指標用於衡量生物特徵模版的隱私性和安全性。即不可逆性和不可鏈接性。
- 不可逆性:從保護後的生物特徵模版無法反推出原始的生物原始的生物特徵模版。
- 不可鏈接性:保護後的不同特徵模版之間具有很低的相關性。
但是問題在於現有的生物特徵模版保護方法在滿足不可逆性和不可鏈接性要求下,會對識別性能產生影響。