虹膜识别安防应用系统

虹膜识别安防应用系统（精选7篇）

虹膜识别安防应用系统 第1篇

关键词：身份鉴别,生物特征,虹膜识别,二维Gabor小波

到摄像头前抬一下眼皮,一秒钟之后保险柜的门就自动打开了,这种我们以前只能在科幻电影里看到的镜头现在已通过采用虹膜识别技术成为现实。21世纪是信息技术、网络技术的世纪,生物认证技术,作为20世纪末期才开始蓬勃发展的高新技术,必将在社会生活中占据越来越重要的位置,从根本上改变人类的生活方式。虹膜、指纹、DNA这些人体本身的特点,将逐步取代现有的密码、钥匙、成为人们习惯的生活方式,同时,最大限度的保证个人资料的安全,最大限度的防止各种类型的刑事、经济犯罪活动。

1 虹膜识别的生物学基础

所谓生物特征识别(BIOMETRICS)技术是指通过计算机利用人体所固有的生理特征或行为特征来进行个人身份鉴定。生理特征与生俱来,多为先天性的;行为特征则是习惯使然,多为后天性的。我们将生理和行为特征统称为生物特征。常用的生物特征包括:指纹、掌纹、虹膜、脸像、声音、笔迹等。鉴别人的身份是一个非常困难的问题,传统的身份鉴别方法把这个问题转化为鉴别一些标识个人身份的事物,这包括两个方面:1)身份标识物品,比如钥匙、证件、ATM卡等;2)身份标识知识,比如用户名和密码。在一些安全性要求严格的系统中,可以将这两者结合起来,比如ATM机要求用户同时提供ATM卡和密码。这些传统的身份鉴别方法存在明显的缺点:个人拥有的物品容易丢失或被伪造,个人的密码容易遗忘或记错。更为严重的是这些系统无法区分真正的拥有者和取得身份标识物的冒充者,一旦他人获得了这些身份标识事物,就可以拥有相同的权力。与传统的身份鉴定手段相比,基于生物特征识别的身份鉴定技术的优点是:1)不易遗忘或丢失;2)防伪性能好,不易伪造或被盗;3)“随身携带”,随时随地可用。

虹膜识别技术,由于其在采集、精确度等方面独特的优势,必然会成为未来社会的主流生物认证技术。

眼睛的外观图由巩膜、虹膜、瞳孔三部分构成。巩膜即眼球外围的白色部分,约占总面积的30%;眼睛中心为瞳孔部分,约占5%;虹膜位于巩膜和瞳孔之间,包含了最丰富的纹理信息,占据65%。外观上看,由许多腺窝、皱褶、色素斑等构成(见图1),是人体中最独特的结构之一。虹膜的形成由遗传基因决定,人体基因表达决定了虹膜的形态、生理、颜色和总的外观。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,两个不同的虹膜产生相同Iris Code(虹膜代码)的可能性是1:1052。比其他任何生物认证技术的精确度高几个到几十个数量级。

从直径11mm的虹膜上,Dr.Daugman的算法用3.4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。在生物识别技术中,这个特征点的数量是相当大的。

2 虹膜识别系统

系统通过一个距离眼睛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,算法通过二维Gabor小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,要理解二维Gabor小波的原理需要很深的数学知识。

虹膜定位后,经过规范化处理,将虹膜数据投射到无量纲的新坐标系中,形成了点阵排列的虹膜纹理数据,提取虹膜纹理特征进行识别时,主要提取纹理幅度信息和相位信息,其中纹理的相位信息最重要。

3 图像识别

二维Gabor小波属于二维连续小波变换。在无双量纲的新坐标系空间中,将增强后的虹膜图像I(x,y)分成数目固定的小块,用一族频率、相位不同的二维Gabor小波对块进行滤波,提取局部相位信息,其实现公式如下:

Gabor小波的尺寸为M1×N1,(x0,y0)为每个子块图像的中心位置,记录每个子块滤波结果模的最大值所对应的小波编号(index)。根据上式得到的局部相位信息的值为复数,如果实部大于等于0,则相应的特征码为1,否则置0;如果虚部大于等于0,则相应的特征码为1,否则置0。这样在系统中依靠Gabor小波族作为局部的粗量化器,形成(hRe,hml)码字,则每个子块图像的码字为index+hRe+hml,将虹膜图像的子块图像的码字依次排序,最后得到虹膜特征码。

对于取得的虹膜特征向量(由于采用二维分析法所以得到的特征值为向量)我们通过分析和计算来进行虹膜识别,这是一个匹配模式问题,本篇文章介绍一种方差倒数加权欧氏距离分类器来进行识别,将未知虹膜的特征向量同已经取得分析好的已知虹膜的特征向量作比较,当且仅当它的特征向量与第k类特征向量的方差倒数加权欧氏距离WED最小时,输入虹膜被分类为第k类虹膜。加权欧氏距离按下面的公式计算:

其中fi表示未知样本的第i个特征;鄣i(k)表示第k类虹膜的第i个特征的均值和方差;n表示特征总数。

4 虹膜特征提取算法的实现

图像处理中把数字化的二维图像作为二维矩阵来研究,基于矩阵运算的Matlab可以很自然的扩充到图像处理应用领域,Matlab含有功能强大的适用于图像处理的工具箱。常用的有图像处理工具箱,小波工具箱以及数字信号处理工具箱。同时,Matlab还提供了对多种图像格式的读写和显示的支持,这使得在Matlab的集成环境中进行图像处理的实验模拟非常方便。

利用Matlab作为工具,使用工具相结合自己编写的程序代码,可以实现基于全局、局部特征相融合的特征提取方法。通过虹膜图像预处理获得虹膜中心点的坐标及其内、外边缘半径r1和r2将圆环带的虹膜图像通过插值运算展开城矩形带。在特征提取中对矩形带进行多通道Gabor变幻,并为了突出局部斑点特征对滤波后的图像进行了非线性转换和基元距描述,再在f=16-1频率段提取160Bytes方向能量局部特征,最后分别融合Gabor全局特征和Gaboe方向能量特征进行虹膜识别,这样就可以获得虹膜纹理的编码。

5 总结与展望

和常用的指纹识别相比,虹膜识别技术操作更简便,检验的精确度也更高。除了白内障等原因外,即使是接受了角膜移植手术,虹膜也不会改变。虹膜识别技术的这些优点,使其具备了广泛的应用前景。从普通家庭门卫、单位考勤到银行保险柜、金融交易确认,应用后都可有效简化通行验证手续、确保安全。如果手机加载“虹膜识别”,即使丢失也不用担心信息泄露。首都机场的出入境检验检疫处已经应用了面部识别系统,也部分采用了虹膜识别技术,因此将逐步实现自动入关、报关。虹膜识别系统更是成了各大航空公司、各大金融机构以及其他保密机构(如航天局)等国家重点安全机构的热点关注对象。与世界的发展趋势一样,虹膜识别技术也必将在不久的将来在中国掀起应用的高潮。

参考文献

[1]谷建清,郭永彩,高潮,等.二维Gabor小波在虹膜识别中的应用[J].仪器仪表学报,2005(S2).

[2]王蕴红,朱勇,谭铁牛;基于虹膜识别的身份鉴别[J].自动化学报,2002(01).

[3]崔景泰.小波分析导论[M].西安:西安交通大学出版社,1998.

[4]郝江伟.MATLAB实例教程[M].北京:中国电力出版社,1998.

[5]高斌秀.虹膜识别方法研究[D].沈阳工业大学,2006.

[6]王玥.基于MATLAB的虹膜识别系统研究[D].武汉理工大学,2007.

[7]王林,练秋生.虹膜定位算法研究[J].电视技术,2006(07).

[8]马义德,邵宇,王升哲,等.虹膜识别预处理算法研究[C].第十二届全国图象图形学学术会议论文集,2005.

监狱虹膜识别AB门禁系统 第2篇

应用解决方案

摘要：“科技强警”的战略方针，正深刻地改变着传统的警务工作方式。监所门禁建设是“金盾工程”的重要内容之一，是实现监所管理现代化、保障监所安全的必要基础。

关键词：监狱虹膜门禁系统[0篇] 虹膜AB联动门禁系统[0篇] 虹膜门禁系统[0篇] 虹膜识别系统[1篇] 监狱管理方案[0篇] 方案原创：广州创展虹膜生物技术有限公司（苏生）

前言

随着社会科技经济的高速发展，监狱与金融部门的安保要求越来越高，特别是对于关押犯人的监控区域与办理现金业务的银行营业等场所，尾随工作人员进行越狱、盗窃、抢劫已经是监狱、银行犯罪中最常见的犯罪手段之一，即在工作人员打开进入第一道门或营业柜台内的门后，犯罪分子会挟持工作人员冲入第一道门或柜台进行犯罪。因此，此类场所一般的防盗门与门禁系统很难起到防作用，尾随抢劫的案例频繁发生，解决这个问题已成为公安部门与金融部门预防犯罪的当务之急。

智能防尾随虹膜识别AB联动门禁系统的出现则为此类特殊场所提供了一种简便易行、同时十分有效的安防措施，可有效的防止此类通过尾随进行犯罪的发生，已经广泛应用于银行、监狱等高安全需要场所。

方案简介

“科技强警”的战略方针，正深刻地改变着传统的警务工作方式。监所门禁建设是“金盾工程”的重要内容之一，是实现监所管理现代化、保障监所安全的必要基础。

我国监狱目前时常发生的死亡、越狱事件，监狱安防技术亟待完善的重要性越来越受到社会的重视和关注，全新的监狱安防理念和技术应运而生。本方案根据某省大型监狱实际运用案例进行剖析阐述，介绍一个全新的数字化监狱安防系统。数字化监狱通道管理系统的建设可由视频监控、出入口管理、周界报警、巡更管理、监舍对讲和进出通道管理、服狱人员定位等几部分组成全程实时监控系统。

犯人越狱逃跑或非正常死亡，通常是犯罪分子或内部人员采用尾随或胁迫工作人员的方式逃出关押现场或进入机要场所进行犯罪活动，无论犯罪分子采取哪一种方式，要想逃出或进入现场，必须得先通过一至二道安全门。员工进入第一道门后必须要按照规范锁好第一道门才能进入第二道门，如进入第一道门后没按要求关好此道门，员工将不能进入第二道门，如何防止犯罪的发生，关键在于如何很好的控制安全门通道的权限以及将发生的警情迅速地传达给保卫部门或公安部门。

防尾随反胁迫联动虹膜门禁系统是指系统中的两道门具有互锁联动的功能，即当一道门被打开时，另一道门被锁闭，只有当两道门都关上时，通过身份验证，才能打开其中的一道门。同时，AB门之间设立成通障缓冲区，带有探测报警系统同时联动视频监控，试图非法通过此区域者必将触及本报警系统，未接近另一道门的情况下提前发现警情，从而进一步加强了尾随盗窃、越狱的发生。

本公司推出的这套监狱防尾随虹膜识别联动门禁系统，根据犯罪分子采用尾随或胁迫方式出入关押现场进行不法活动的常用手段，结合某省大型监狱实际运用结果进一步剖析阐述，针对安全通道门的控制以及系统报警设计，是一种切合监狱门禁安全控制系统需求的虹膜系统产品，并在实际过程中得到运用于完善。

这套方案的价值就在于能够使监狱部门工作人员的日常操作更加规范，在规范操作的基础上，实现防止尾随、胁迫出入监管场所的目的，有效预防犯人越狱与非正常死亡事件的发生。

监狱作为一个安全系数要求较高的特殊区域，安全管理主要针对监狱大门、各监舍门、各通道、活动场所等控制和管理至关重要。

1、系统主要硬件组成部分：门禁控制器、虹膜识别仪、双签探测器、刷卡摄像机、通障闸机、视频监控器、电锁门磁等。

系统功能

1、双门双向互锁功能，要进出监狱通道的人员进行有效的虹膜识别才能通过两道门，进出每一道门都需要进行虹膜识别身份认证，其中任何一道门出现非法进出行为时均不能通过。一道门开启的情况下，另一道门被锁闭；当警情发生时，可紧急封门按钮，实现两道门的同时强制锁闭；当探测系统产生报警信号时，两道门同时强制封闭，此时无论采用何种措施均打不开门，只有当警报解除后，监狱控制中心通过管理软件来解除封闭，门才可以正常打开。通过管理电脑对进出人员的权限、进出时间以及进入方式进行管理，既安全又方便，起到双保险作用。

2、防尾随管理：第一道门与第二道门之间设立缓冲通障区，加强人员进出控制力度，防止尾随者潜入非法通过其中一道门。通过第一道门后必须按照规定区域合法（限定人次刷卡识别）通过此缓冲区才可以打开第二道门，否则将被探测器捕捉后导致视频监控报警、双门互锁，从而无法通行，这种方式会大大降低防尾随进出的情况。

3、刷卡摄像功能：在缓冲区域人员刷有效卡时，通道控器会自动拍摄刷卡者头像，抓拍图像保存在管理中心数据库留作案底，待出来的时候摄像机再次抓拍图像保存在中心数据库，跟第一次抓拍的图像进行对比，如果所有信息吻合,管理中心工作人员才可放行。

4、移动探测报警功能：为了进一步提高防尾随功能，在AB门通道之间缓冲区安装红外微波双签探测器，防止尾随者非法通过缓冲通障区域试，否则就会触及到探测报警，门禁控制器驱动双门锁死，同时驱动视频监控报警，监控室人员迅速做出相应处理，检查尾随人员的真实身份。

5、反胁迫功能：遇到突发事件时监狱工作人员可能遭到罪犯的挟持被逼迫开门放行，此种情况下工作人员可以在读卡器上或虹膜仪上输入反胁迫码放行，在放行的同时报警信号已经通过通道控器传到管理中心，通知监狱相关人员做好营救准备。

6、时段设置：24小时内可实现多个宵禁功能（时间可自由设置），常开或者常闭，刷卡开启门禁均无效，必须由值班干警确认后，手动开启门禁放行，此功能可以从时间因素上加强安防措施管理。

7、系统自检功能：当出现自然或人为故意造成的通讯线路故障、损坏门体、锁体、识别终端异常、控制器断电、后备电池欠压等情况时系统管理端会及时产生相应的报警信号，使工作人员迅速做出相应处理。

8、远程实时监控功能：AB联动门禁系统与缓冲区域通障系统在非法或异常识别通行的情况下，不但在本办公区域内均能实现对此的远程甚至异地的监控与相应的应对行为。

9、AB门禁系统与缓冲区域闸机系统的报警信号皆有声光设备接入，所有报警信号均能及时转化为声音与可视结果提示工作人员，如对讲、扬声器、警报器、视频监控等，从而更加方便直观的处理各种警情事态。

系统综述

本着“严进严出”的原则，所有大门进出均采用最先进的虹膜识别仪验证通过才能通过大门。在发生火警或其他紧急情况时，可通过门禁管理机械按钮或软件实现所有门禁系统全开和全锁功能。在门禁系统断电后，所有门锁必须由干警手工打开。

根据监狱管理工作的实际要求，采用AB联动门的管理模式，实现双门联动互锁，并在AB门之间制作一缓冲区域。

正常状态进监管区时，虹膜识别开启A门，进入防尾随缓冲区域，再刷卡开启闸机，通过再次虹膜识别开启B门，进入内部区域。出监管区时，刷卡后由中心进行第三方验证，由中心查看监控视频中的人员是否符合出门权限，如有权限，则中心通过管理软件远程控制予以开启B门，进入防尾随缓冲区域，刷卡开启闸机，如果不刷卡从闸机上跳跃过去，移动探测系统马上会发出报警，同时联动视频监控并锁死AB两道门，杜绝了不合法通过缓冲区就想出A门的可能。只有合法通过缓冲区，才能通过A门，进出流程如下图所示。

系统主要特点

1、本系统进出身份验证终端均采用现今最先进的识别技术产品-虹膜生物识别仪，其识别精度为指纹的6-10倍，误识率不到指纹的千分之一，拒识率不到指纹的十分之一，故障率平均不到指纹的十分之一，识别速度为指纹的5-10倍，因此是目前最为理想的选择对象。

基本技术参数：

1）、误识别率：单眼识别100万分之一以下,双眼识别10亿分之一以下。

2）、虹膜识别时间(从合适位置采集完成虹膜图像到输出识别结果)0.1秒，虹膜识别时间(从采集虹膜图像到输出识别结果)单眼识别小于1秒，双眼识别小于3秒；虹膜注册时间(从采集虹膜图像到注册完成)单眼注册小于3秒双眼注册小于5秒。

3）、注册1万个虹膜档案，存储10万条识别信息。

4）、声光引导无接触式识别距离20-50CM。

5）、工作环境温度：-20℃~+60℃。

6）、脱机、联机使用均可，挂式或台式可选。

2、反潜缓冲区设置双签探测分别与虹膜门禁系统以及视频监控联动系统，从而构成了门禁系统与监控系统的有机结合。非法通过者触动探测器后会立马驱动门禁系统锁死双门，同时驱动视频监控报警，从而使工作人员及时看到现场情况。本探测器为红外加微波双重探测技术合成，是目前适合小空间最为先进的探测产品，双重探测，把错报率降到最低。

3、全程实时视频、声光监控跟踪，系统所有非法行为均能产生可视可听的报警信号，为工作人员提供最大化的基本判断条件。

虹膜识别安防应用系统 第3篇

生物识别技术是利用人体生物特征进行身份认证的—种技术。生物特征是惟一的、可以测量或可自动识别和验证的生理特性或行为方式，分为生理特征和行为特征。用于生物识别的生理特征有手形、指纹、脸形、虹膜、视网膜、脉搏、耳廓等；行为特征有签字、声音、按键力度、步态等。

众所周知，安全领域主要使用3种不同类型的鉴别：通行字、PIN或个人信息；卡式钥匙、智能卡、令牌（类似SecurID卡）；生物特征。

生物识别技术是目前最为方便与安全的识别技术，不需要记住复杂的密码，也不需随身携带钥匙、智能卡之类的东西。生物识别技术认定的是人本身，没有什么能比这种方式更安全、更方便。由于每个人的生物特征具有与其他人不同的惟一性和在一定时期内不变的稳定性，不易伪造和假冒，所以利用生物识别技术进行身份认定，安全、可靠、准确。基于这些特征，人们已经发展了指纹识别、手形识别、面部识别、发音识别、虹膜识别、签名识别等多种生物识别技术。此外，生物识别技术产品均借助于现代计算机技术实现，很容易配合电脑和安全、监控、管理系统整合，实现自动化管理，因此这些技术被广泛地应用于安防领域，下面我们对目前应用比较广泛、在安防领域发挥重要作用的生物识别技术加以介绍。

指纹识别技术

每个人的指纹皮肤纹路在图案、断点和交义点上各不相同，是惟一的，并且终生不变，依靠这种惟一性和稳定性，就可以把—个人同他的指纹对应起来，通过将他的指纹和预先保存的指纹进行比较，便可验证他的真实身份，这就是指纹识别技术。识别指纹主要从总体特征和局部特征两个方面展开。总体特征是指那些用人眼直接就可以观察到的特征，包括纹行、核心点、三角点和纹数等内容。局部特征是指指纹上的节点的特征，这些具有某种特征的节点称为特征点。两枚指纹经常会具有相同的总体特征，但它们的局部特征点却不可能完全相同。指纹纹路并不是连续的、平滑笔直的，而是经常出现中断、分叉或打折。这些断点、分叉点和转折点就是特征点。特征点可以细分为终结点、分叉点、分歧点、孤立点、环点和短纹等类型，其中最典型的是终结点和分叉点。正是这些特征点提供了指纹惟一性的确认信息。

优点

指纹是人体独一无二的特征，复杂度足以提供用于准确鉴别的特征；扫描指纹的速度很快，使用方便；读取指纹时，用户必须将手指与指纹采集头直接接触，增强识别可靠性；指纹采集设施可以更加小型化，识别更加方便。

缺点

些群体的指纹特征很少，难以成像；采集头留下用户的指纹痕迹有被人复制、冒用的可能性；指纹不随人的生命状态改变，安全性有限。

应用

指纹识别技术是目前应用最广泛的生物识别技术，被广泛地应用在银行的金库、部队的枪械库，机房的出入口控制等。

面部识别技术

面像识别技术是通过对面部特征和特征之间的关系来进行识别的一种生物识别技术。面像识别技术包含面像检测、面像跟踪与面像比对等部分。

面像检测是指在动态的场景与复杂的背景中，判断是否存在面像并分离出面像。面像检测分为参考模板、人脸规则、样本学习、肤色模型与特征等方法。

面像跟踪指对被检测到的面像进行动态目标跟踪。—般采用基于模型的方法或基于运动与模型相结合的方法，此外，肤色模型跟踪也是—种简单有效的手段。

面像比对则是对被检测到的面像进行身份确认或在面像库中进行目标搜索。其本质是采样面像与库存面像的依次比对并找出最佳匹配对象，因此，面像的描述决定了面像识别的具体方法与性能。

面像识别技术的方法分类目前主要有特征向量与面纹模板两种描述方法，特征向量法先确定眼虹膜、鼻翼、嘴角等面像五官轮廓的大小、位置、距离、角度等属性，然后计算出其几何特征量，这些特征量形成描述该面像的特征向量；面纹模板法则在库中存储若干标准面像模板或面像器官模板，在比对时，采样面像所有像素与库中所有模板采用归一化相关量度量进行匹配。

识别的步骤：

建立面像档案：从摄像头采集面像文件或取照片文件，生成面纹编码，即特征向量；获取当前面像，可以从摄像头捕捉面像或取照片输入，生成其面纹；将当前面像的面纹编码与档案中的面纹编码进行检索比对；确认面像身份或提出身份选择。

上述整个过程都自动、连续、实时地完成。而且系统只需要普通的处理设备。

优点

面像识别是一种理想的生物识别方法，可以广泛地应用于各种领域。与其他识别方式相比，具有以下突出特点：

精确性，其精确性可以和最好的指纹识别系统相比，性能／成本比高，只需要通用的ＰＣ硬件及相应的软件，费用较低；主动性，可以不需要使用者的主动参与或被动配合，可以自动用在隐蔽的场合；防伪性，可以防止照片欺诈；用户易接受，简单易用，对用户无特殊要求；可跟踪性良好，对每次事件都保存一条有时间／日期的面部图像；具有自学习的功能；系统能够动态地更新数据库中用户的头像，从而保证在用户的面像及环境的变化下仍然能够快速准确地识别。

缺点

使用者面部的位置与周围的光环境都可能影响系统的精确性；面像识别技术的改进依赖于提取特征的技术与比对技术的提高；对于头发、饰物、年龄变大以及其他变化引起的差异，可能需要通过人工智能来补充；无法区分双胞胎或多胞胎。

应用

面相识别技术可以广泛地应用于海关、机场、车站、码头等人员流动性大、强制性弱、需要考虑提供人性化服务的场所，对于发现和追踪犯罪嫌疑人起到事半功倍的作用。

虹膜识别技术

虹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。虹膜是围绕瞳孔呈现绚丽色彩的一层生理薄膜，是包裹在眼球上的彩色环状物，每一个虹膜都包含一个独—无二的基于像冠、水晶体、细丝、斑点、结构、凹点、射线、皱纹和条纹等特征的结构。眼睛的虹膜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IrisCode（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，但对从虹膜获得的信息量来说是十分巨大的。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。

虹膜在录入和识别的整个过程十分简单。虹膜定位可在１秒钟之内完成，产生虹膜代码的时间也仅需１秒的时间，即便是在有成千上万个虹膜信息数据库中进行检索，所用时间也不多。

优点

无需特别动作便于使用；是目前假认率最低的的生物识别技术；用户位于设备之前，而无须物理接触。

缺点

很难将图像获取设备的尺寸小型化；因聚焦的需求而要求昂贵的摄像头；需要近距离识别；需要一个较好的光源。

应用

虹膜识别技术可以使用在安全要求比较高的场所，如金库、机要室、重要领导人办公室等，还可以使用在不方便用手开关门的场所，比如放置贵重物品的仓库。

生物识别技术有着不可比拟的精确性，但生物特征受环境和时间的影响也会出现错误数据，我们通常使用两种不同的方法来评价生物识别的准确率：假认可率（FAR将非授权用户识别为合法用户的比率）和假拒绝率（FRR将授权用户识别为非法用户的比率）。两种方法都把注意力集中在系统允许授权用户有限进入的能力上。不过，这些措施也可能会有很大差异，取决于如何调整生物特征匹配装置的灵敏度。例如，提升灵敏度，这有助于降低假认可率，不过也提高了假拒绝率。由于FAR和FRR是相互依存的，各机构应当按具体应用场合确定必需的安全等级：可分为低、中和高3个档次。一般说来，安全级别高的场所应选择假认率低的识别方法，安全级别低的场所可以选择假拒绝率低的识别方法。

把生物识别技术应用于隐蔽监视是最具挑战性的研究领域之一，利用生理特征识别和行为特征识别技术，自动识别进入监控区域的被怀疑对象或擅自闯入如安全区的被怀疑对象，对于增强现有安防系统反恐防暴的预警能力、充分利用全国的安防信息网络资源建立各种侦控信息综合分析、处理及辅助决策系统，提高信息的综合应用与共享水平起到积极的推进作用。

实物保护门禁系统虹膜识别技术改造 第4篇

1 现有虹膜识别技术介绍

秦山第二核电厂目前使用LG4000系列虹膜识别系统。系统的主要组成为虹膜识别仪i CAM4100、虹膜控制器i CU4000、录入存储数据的服务器, 控制门的门禁控制器组成。放在前端的虹膜识别仪i CAM4100只是一个识别装置, 它自身不带有处理虹膜信息的能力, 需要后端的虹膜控制器i CU4000 (一台i CU4000可管理4台i CAM4100) 进行处理后, 再通过门禁控制器对门进行操作。i CAM4100与服务器, i CU4000之间的通讯遵循TCP/IP协议, 它们之间的数据传输由网络线完成。i CU4000与门禁控制器的通讯遵循维根协议, 由维根线来连接。门禁控制器与门之间的连接由电子门锁线来完成。如图1。

2 虹膜识别系统的改造升级

改造升级后的设备采用LG7000系列虹膜识别系统。虹膜识别仪i CAM7101与现有系统一样通过网络交换机与服务器相接, 虹膜识别仪i CAM7101通过网络线与虹膜控制器i CU7000进行连接。系统中1台虹膜控制器i CU7000只控制一台虹膜识别仪i CAM7101。改造升级后, 需在原有线路的基础上增加四台虹膜控制器i CU7000并用网络线连接。门禁控制器由虹膜控制器i CU7000管理, 门禁控制器和虹膜识别仪i CAM7101之间的传输通过维根协议。门禁控制器与门锁之间的连接由电子门锁线来完成。如图2。

3 改造方案的优点与不足

该方案在改造过程中保持了现有系统的整体布线风格, 不会影响到现有的建筑体系, 只需在相应的虹膜识别仪i CAM7101增加虹膜控制器i CAM7000即可。增加的虹膜控制器i CU7000之间的通讯也无需特意布线, 对于现有的系统能起到完美的替代作用。但由于系统结构变化而增加的虹膜控制器, 需在改造中腾出额外空间, 同时也增加了设备维护成本。

4 结束语

改造升级后的虹膜识别系统能良好地运行在实物保护门禁系统上, 更新的虹膜识别设备也提高了系统的稳定性, 从运行情况看, 达到了系统改造的预期目标。

参考文献

虹膜识别安防应用系统 第5篇

1机器视觉技术概述

所谓的机器视觉技术, 其实就是利用计算机实现人的视觉功能, 是可以利用计算机代替人眼认识客观三维世界的一种技术。从特点上来讲, 机器视觉技术具有较高的测量精度和灵敏度, 并且具有抗电磁干扰能力强、噪声低等有点, 能够在恶劣环境条件下得到使用。将该技术引入到图像采集处理系统中, 则能够利用机器代替人眼进行判断和测量, 可以利用图像摄取装置完成目标检测, 然后将检测得到的信号转换为数字信号, 并利用图像处理系统完成信号的判断和处理。

2机器视觉技术在虹膜识别中的创新应用

利用机器视觉技术, 无需与被观测对象接触就能够完成被检测对象的特征的准确提取, 所以不会对被观测者造成损伤。因此, 可以在虹膜识别中进行机器视觉技术的创新应用, 从而增强虹膜识别的安全可靠性。

2.1虹膜图像的采集

利用机器视觉技术进行虹膜识别时, 首先需要完成虹膜图像的采集。具体来讲, 就是需要完成虹膜图像的清晰、准确采集, 并且将图像信息以数字化形式存储, 从而为后续图像识别打下良好的基础。而机器视觉系统中包含光源、光学系统和图像捕捉系统, 能够从15-46mm距离完成虹膜图像的采集。在图像捕捉的过程中, 用户需要在摄像头前进行眼睛位置的移动, 以便获得虹膜最佳的对焦位置。此时, 摄像头将连续完成虹膜图像的采集, 而系统也会提示用户进行眼镜位置的移动。直至成像有足够锐度时, 系统将会完成虹膜图像样本的自动采集。在图像存储上, 机器视觉系统中包含有图像采集卡, 其具有接收图像信号和实现A/D转换的功能, 能够完成图像信号的放大和数字化输出。而该功能模块还能够实现摄像机的同步或异步拍摄控制, 能够通过PC机内部总线完成数字数据的高速传输, 传输速率能够达到130MBPS。

2.2虹膜图像的提取

实际上, 利用视觉识别系统初步采集的图像是人眼图像, 想要实现虹膜识别还有完成图像的预处理, 以便从人眼图像中完成虹膜区域图像的提取。具体来讲, 就是需要先进行虹膜定位, 然后对图像进行归一化处理。所谓的虹膜定位, 实际上就是从人眼图像中完成虹膜区域图像的分割。从原理上来看, 由于瞳孔和虹膜在交界处会形成内边界和外边界, 所以只要完成虹膜内外边界的查找, 就能够实现虹膜区域的提取。使用微积分算法, 可以使用圆形边缘检测器完成虹膜内外边缘的反复查找, 从而获得最佳匹配的两个圆。通过将曲线积分路径转换为弧形, 并且完成相应信息参数的调整, 就可以完成上下眼睑的边缘检测。在图像归一化处理方面, 需要从虹膜内边界中心右侧水平半径开始沿着逆时针方向将环形虹膜展开, 从而得到矩形虹膜。在此基础上, 通过对虹膜大小进行标准化处理, 则能够完成虹膜不同心和虹膜与瞳孔不同心的问题的处理。经过处理, 得到的图像的虹膜边界与瞳孔边界线应该为水平线。

2.3虹膜图像的识别

完成虹膜图像的归一化处理后, 系统还要进行虹膜图像特征的提取, 从而实现虹膜识别。具体来讲, 就是需要使用2DGabor滤波器完成虹膜纹理的局部量化和编码, 从而实现纹理二维信息的处理。除了使用该种方法, 使用机器视觉技术也可以在不同分辨率下完成虹膜图像的分解, 然后将分解后的图像与对应图像进行比较。值得注意的是, 在进行虹膜图像特征提取时, 需要确保图像缩放、位移和旋转的不变形。如果获得的特征无法实现虹膜复杂纹理的全面反映, 还要从频率域和空间分别展开分析, 以便进行纹理信息的完整表达。所以, 虹膜特征提取过程就是一个数据分析和处理的过程, 能够将大量原始图像数据转换为若干特征, 并且从中进行具有代表性的特征的提取, 继而为图像的分类处理打下基础。在虹膜分类中, 系统将使用神经网络方法和CASIA (中科院自动化所提供的公开免费虹膜数据库) 完成虹膜分类机制的构建。利用反复训练和调整得到的决策函数, 则能够完成识别模式和已知库中模式的比较, 继而实现虹膜图像的识别。

3结论

总之, 机器视觉技术在农业、工业等多个领域都得到了应用。而在虹膜识别上实现该技术的创新应用, 则能够促使该技术进一步向着高精度、实时在线和智能化检测的方向发展, 并且也能够使生物识别技术得到进一步发展。

摘要：随着计算机技术的发展, 机器视觉技术也在各个行业和领域得到了应用。而在虹膜识别中进行该技术的创新应用, 则能够推动生物特征识别技术的发展。基于这种认识, 本文对机器视觉技术在虹膜识别中的创新应用问题展开了研究, 以期为关注这一话题的人们提供参考。

关键词：机器视觉技术,虹膜识别,创新应用

参考文献

[1]田启川, 刘正光.虹膜识别综述[J].计算机应用研究, 2014, 25 (05) :1295-1300.

[2]田捷, 杨鑫.生物特征识别技术理论与应用[M].电子工业出版社, 2014.

[3]张曼.形变虹膜图像的鲁棒特征表达与匹配[D].中国科学院大学, 2013.

[4]孙哲南.虹膜图像特征表达方法研究[D].中国科学院研究生院, 2014.

[5]张慧.基于纹理分析和颜色特征的虹膜图像分类[D].中国科学院研究生院, 2013.

[6]李星光.虹膜图像质量评价研究[D].中国科学技术大学, 2013.

虹膜识别安防应用系统 第6篇

虹膜具有唯一性、稳定性、可采集性、非侵犯性等优点, 因此, 虹膜识别是近年来兴起的一种身份识别方法, 也被认为是最有前景和最为安全的生物特征识别方法[1]。在虹膜识别技术的应用进程当中, 虹膜识别算法是重点, 虹膜图像采集装置的研制和虹膜识别系统的开发也是不可或缺的。传统的虹膜识别系统多是基于计算机的, 由安装在计算机中的图像采集卡采集人眼图像, 然后在计算机上进行后端处理。而随着计算机和数字图像处理技术的发展和产品需求的不断扩大, 要求虹膜识别设备便携式和智能化。借助于飞速发展的可编程器件, 基于DSP (Digital Signal Processor) 的虹膜识别系统成为发展的主要方向。

虹膜识别系统包括虹膜图像的获取, 虹膜识别算法以及虹膜匹配结果的显示。本文研究基于TMS320DM642的虹膜识别系统, 该系统程序运行环境为C64x系列DSP的实时操作系统DSP/BIOS, 使用类/微驱动模型的程序框架, 虹膜识别算法在DSP/BOIS内核下, 采用多任务调度。

2硬件的设计与实现

虹膜识别系统的硬件由虹膜图像采集装置和虹膜图像处理装置2部分组成[2]。虹膜图像采集装置主要指的是CCD摄像机及相应的配套设施。虹膜图像存储及传输装置主要是以DSP为核心的嵌入式系统。人体虹膜在红外光的照射下, 经过CCD摄像头转换成模拟图像信号, 再经过视频解码器转换成数字信号, 经缓冲进入DSP的外部存储器SDRAM进行图像数据的存储, 进而通过算法对图像进行处理。

2.1采集装置的设计

虹膜采集设备的设计是虹膜识别系统的重点和难点之一。本文设计出一套小型低价非接触式, 且获取的虹膜图像能满足试验要求的装置。

在照明控制方面, 由于红外光对人眼无刺激, 且红外光与CCD摄像头配合可实现夜视功能, 本文采用两支波长为950nm的红外LED射灯, 把它们分别置于镜头左右进行照明, 以使光照均匀。采用高精密近距广角光学镜头, 可以在镜头前 5cm-7cm 范围内, 捕捉到被采集者虹膜的纹理图像, 实现虹膜图像的非接触获取。为了避免杂光对虹膜图像质量的影响, 将CCD以及光源制作成一个封闭的壳体, 采集装置示意图如图1所示。采集到的图像为 720×480像素的8位灰度图像, 能够满足实验要求。图2为该装置获取的人眼虹膜图像。

2.2图像采集处理装置及流程

图3为系统硬件框图。硬件上选用了TI公司推出的TMS320DM642为中心处理芯片, DM642运算速度可达到4000-8000MIPS, 主频能达到600MHz, 具有强大的运算能力, 可以进行实时的多视频处理和图像处理[3]。

C64x系列的DSP系统给出了类/微 (class/mini drivermodel) 驱动模型的驱动程序结构, 通过对外围设备设计驱动程序, 为高层应用程序提供统一的接口来操作底层硬件。类/微驱动模型结构如图4所示, 该模型在功能上将驱动程序分为依赖硬件层 (微驱动) 和不依赖硬件层 (类驱动) 两层, 并在两层之间给出通用接口。上层的应用程序不直接控制微驱动, 而是通过类驱动对其进行控制[4]。每一个类驱动在应用程序代码中表现为一个API函数, 并通过标准微驱动的接口与微驱动进行通信。

视频采集处理运行流程如图5所示。首先使用FVID_create函数建立GIO_capture和GIO_play两个视频通道, 再以GIO_capture通道的FVID_control函数发出cmd_start, 采集到1帧视频数据, 应用程序以GIO_capture通道的FVID_alloc函数向驱动程序申请采集到的数据帧, 进行处理后再以FVID_exchange函数将修改后的数据帧返回驱动程序, 最后再调用GIO_play通道的FVID_control函数发出cmd_display命令将数据帧输出, 由图5可以看到, 应用程序调用的这些FVID_xxx接口函数会自动由类驱动程序层层向下映射, 到达迷你驱动层程序, 而迷你层程序可以直接操纵底层硬件设备, 来完成整个视频的采集、处理和显示的过程。

3软件的设计和实现

本系统的虹膜识别算法程序代码是在CCS平台上基于DSP/BIOS调试实现的并在DSP/BIOS调度下按任务、中断的优先级排队等待执行[5]。系统软件流程如图6所示。

系统引用DSP/BIOS的一种线程类型TSK来实现。将整个虹膜识别系统分为三个任务:虹膜图像采集任务 (Task1) 、虹膜图像预处理任务 (Task2) 和虹膜特征提取及匹配任务 (Task3) 。Task1、Task2、Task3三任务之间通过两个单向的数据流管道PIP0和PIP1进行数据交换, 其关系如图7所示。

打开DSP/BIOS配置工具, 创建三个任务对象Task1、Task2、Task3和两个数据管道对象PIP0、PIP1, 如图8所示。

在对应的属性窗口中设置Task2模块的优先级为3, 连接函数为processing () ;Task3模块的优先级为2, 连接函数为register () 。Task1通过外部中断采集到虹膜图像, Task1将采集的图像数据写入管道PIP0。Task2在Task1空闲周期执行, 当PIP0中有数据写入时Task2被唤醒, 取出数据帧, 调用processing () 函数对虹膜图像进行预处理, 处理后的数据写入PIP1。如果PIP0中没有数据Task2自动挂起。Task2处理后的数据通过PIP1传递给Task3。Task3唤醒后, 调用register () 函数通过外接开关电路判断是注册还是登录, 匹配结果通过LCD进行显示。本文选用4MB的FLASH存储器, 存储空间的开始地址0x90000000。FLASH所以对应的地址空间为 (0x90000000—0x903FFFFF) 。系统将FLASH引导程序放在第0页, 将所有的软件代码存放在第2页即0x90100000开始的地址, 将注册的虹膜编码存放在第6页即0x90300000开始的地址。最后将所有程序代码转换为.HEX文件, 拷贝到FLASH存储器中的第2页, 整个系统上电后可自动运行, 实现了虹膜的脱机识别。

4实验结果与分析

本文通过采集装置获取的人眼图像为720×480像素的8位灰度图像, 归一化后的虹膜图像为512×64, 如图9所示。

人眼在自然张开状态下虹膜区域会受到眼睑、眼毛不同程度的遮挡, 这使得可用虹膜纹理区域减少[6]。如果在特征提取时, 仍然使用整个归一化的虹膜图像, 所提取到的虹膜纹理特征便会受到眼睑眼毛等噪声干扰, 使提取特征的准确性和稳定性有所下降, 进而影响识别的准确性。所以在提取特征时, 本文选取不受遮挡的虹膜区域进行特征提取与识别, 虹膜的应用区域为归一化图像的1/4, 这样不仅可以提高识别的准确性, 也加快了系统的运行效率。

本文通过采集装置对100人的虹膜样本进行实验, 识别率可达到99.8%, 对一幅虹膜图像处理的时间与上位机相比稍有逊色, 但也只需不足200ms的时间, 而进行一对一的虹膜特征匹配, 只需要0.0099ms。

5结束语

在基于DSP开发平台上应用DSP/BIOS内核以及多任务调度的工作模式, 实现了虹膜脱离上位机的识别系统。实验结果证明, 基于DSP的虹膜识别系统的虹膜识别率也可达到99.8%, 改变虹膜算法的运行平台不影响虹膜的识别率。在运行时间DSP虽逊色于上位机, 但通过减小虹膜的应用区域和简单的程序代码优化, 以及DSP/BIOS内核的应用, 也使得系统的整体运行效率有所提高。

参考文献

[1]吴惠敏, 郑晓势, 赵彦玲.虹膜识别技术综述.大众科技, 2008, (1) :41-43

[2]李刚, 基于DSP的虹膜识别系统: (硕士学位论文) .哈尔滨:哈尔滨工程大学, 2004.

[3]Texas Instruments Incorporated.TMS320C64x Optimizing C/C++Compiler User's Guide.www.ti.com.2002.

[4]TMS320DM642 Video/Imaging Fixed-Point Digital Signal Processor.SPRS200J?JULY 2002?REVISED AUGUST2005.

[5]王军宁, 何迪, 马娟等.DSP/BIOS用户手册和驱动开发.北京:清华大学出版社, 2007.

虹膜识别安防应用系统 第7篇

关键词：卡口,高清,机动车,检测技术

1 概 况

高清卡口系统,又称公路车辆智能监测记录系统,主要采用线圈、视频等方式检测经过的目标,通过工业级摄像机抓拍通过道路的目标图像,自动识别车牌号码、车辆类型、车身颜色、厂商标志等信息,并将这些信息传输至中心平台。通过中心平台的处理,实现黑名单车辆布控、通行车辆查询等功能,还可根据这些基础数据进行深度的数据挖掘:包括行车轨迹分析、跟车关联性分析、车辆经常出没点分析、区域关联性分析、旅行时间分析、车辆区间测速等。

1.1 背 景

随着我国经济的快速发展,人口往城市集中的趋势越来越明显,据有关统计,至2011年机动车保有量已经超过了2亿辆(其中汽车数量超过9000万辆)。车流和人流越来越大的同时,盗抢机动车辆、车辆走私、肇事或作案后驾车逃逸等与道路和机动车相关的犯罪行为也随之上升,这是智慧城市安全防范领域所面临新的、严峻的挑战。

运用基于模式识别技术的治安卡口系统对于社会治安具有重大的现实意义。由于高清治安卡口系统能利用特定控制系统抓拍高清晰的图片,自动识别车辆的特征信息,大大缩短对机动车的追查时间,为进行车辆动态布控、实时报警提供了科学依据,特别是通过卡口系统获得的海量数据挖掘,进一步协助公安干警更快速锁定目标,提升打击违法犯罪的能力和战斗力。

1.2 卡口系统概述

早期卡口系统的主要特征是用线圈检测车辆的运动情况,采用标清摄像机进行抓拍,应用也主要是对超速车辆处罚。但问题也随之出现:标清图像分辨率较低,仅为704×576,既看不清前排的司乘人员,也看不清车头及整车的细节特征。

随着技术的进步,系统开始采用高清摄像机,采用200万像素的高清摄像机和基于图像识别的技术,为识别前排司乘人员提供了可能,卡口系统也开始逐渐成为平安城市、智慧城市建设的重要组成部分,其应用的重点也由原来的违法处罚变成治安综合监测。并将监测的目标由原来的机动车逐渐延伸到机动车、非机动车与行人。

2007年以后,高清卡口系统开始逐渐替代标清卡口系统,特别是在2010年后,新建卡口系统大部分为200万像素及以上的高清卡口系统。

图1为高清卡口系统现场图及部分实际抓拍图片示例。

一般来说,目前基于模式识别的高清卡口系统能够实现的功能比较多,除了能高清抓拍通行机动车辆与行人、检测车速和采集交通流量外,还能检测交通事件(如停车、逆行、压线、变道等),包括车辆的车型、颜色、制造厂商的标志、车牌颜色和号码等的自动识别,以及车辆前排司乘人员特征捕获,也可以识别非机动车与行人主体颜色等特征[3],因此有广泛的用途。

2 系统主要技术分析

2.1 系统结构

一般,按高清卡口系统的前端不同,可将系统分为如图2-图5所示的四种主流的结构形式。

图2“一体化抓拍识别单元加主机”结构的特点是检测、识别均在一体化摄像机中完成,该结构目前具有较好的领先优势;图3“智能抓拍单元加DSP主机”结构的特点是检测、识别由摄像机与主机合作完成;图4“高清抓拍单元加“嵌入式”主机“结构的特点是检测、识别均由主机完成;最后一种图5的“工控机解决方案”结构,功耗较和故障率较高,对较差的环境适应性较弱,预计今后会被逐步淘汰。

可以看出,各种结构有其自身的特点,但“高清”、“嵌入式”和“智能”是目前高清卡口系统的热点技术。其中,一体化抓拍识别单元的综合功耗最低,但由于所有运算处理部件都集中在摄像机中,因此性能也相对低一些。图3和图4两种嵌入式解决方案虽然性能相对较高,但成本也相对高。

显然,高清、集成、一体化和融合将是高清卡口系统技术发展的趋势,随着技术的不断发展,一体化抓拍单元处理能力的逐渐提升,一体化处理模块的优势将会越来越明显。

2.2 目标检测技术

目前有以下一些比较常用的目标检测技术。

1) 线圈检测技术

线圈是比较常见的、成熟的车辆检测方式,该技术利用电磁感应原理,当车辆经过线圈时,导致线圈电感值减小,电感值的变化引起检测器中LC振荡电路的振荡频率变化。根据公式:

$f=\frac{1}{2\text{π}\sqrt{LC}}$

$\Delta f=\frac{1}{2\text{π}\sqrt{L{}_{2}C}}-\frac{1}{2\text{π}\sqrt{L{}_{1}C}}$

式中,L1为无车辆经过时线圈的电感量,L2为车辆经过时线圈的电感量。通过精确检测振荡电路的频率变化就可以判断是否有车辆经过,且响应时间可以在20ms以内,有些专业的高速车辆检测器的响应时间小于5ms。线圈检测技术对机动车的检测率可达到99%以上。

但线圈检测也具有一定的局限性,如不能检测非机动车与行人,当大车后跟小车、以及拥堵时会产生漏检等。

2) 视频检测技术

视频检测技术通过分析视频图像来检测感兴趣的目标,可以检测机动车、非机动车与行人。常见的有视频虚拟线圈检测和连续视频流检测跟踪技术两种。

(1) 视频虚拟线圈检测

这是一种最为常见的视频检测技术,它利用背景差分算法、检测运动前景。首先通过初始多帧视频图像的自学习建立一个背景模型,然后对当前帧图像与背景模型进行差分运算,消除背景的影响,从而获取运动目标的前景区域。根据背景差分运算中运动目标检测的结果,有选择性地更新背景模型,并保存背景模型。过滤噪声,判断车辆是否到达触发位置,如没有,则进行下一帧图像检测,如果到达则触发。

由于这种技术分析区域小,又没有跟踪运动物体的连续运动轨迹,容易受外界环境变化的影响,如风、雪、雨、雾等。特别是夜间灯光反射、白天阴影、雨天路面等的影响。因此检测率相对较低、误触发相对较高。

(2) 连续视频流检测跟踪

这种技术相对比较复杂,难度也比较高。它需要对视频流进行连续检测,应用不同的技术方法(例如基于目标特征的方法、基于模型分类的方法等)区分目标,连续跟踪运动目标的运动轨迹,可以获得比较好的机动车、非机动车与行人检测效果。但它对处理器的性能要求较高,采用的技术水平对检测性能与指标的影响也比较大。

针对机动车道目前一般采用线圈检测或者“线圈+视频”的检测方式,这里的“线圈+视频”是指线圈故障后自动转视频检测,在线圈恢复工作后自动转回线圈检测。针对机非混合车道以及非机动车道则采用视频检测。在这样的系统建设中,并没有发挥出目标检测技术最大的效能,机动车道一般只能检测到机动车而不能检测到非机动车与行人,机非混合车道中的机动车检测率则偏低。

2.3 软件算法分析

卡口系统的前端软件涉及计算机图像处理、模式识别、神经网络、机器自动学习、图像分类、图像视觉、数据结构、网络通讯、数据库等领域的知识。其中最主要的是视频检测技术、特征识别技术以及事件检测技术。

(1) 视频检测技术

视频检测技术关注的是高捕获率与稳定性,需要能适应各种气候环境,对于运动目标的连续跟踪,不仅仅与软件算法有关,也需要硬件性能的支撑。

(2) 特征识别技术

特征识别技术稍显复杂一些。以车牌识别为例,软件处理需经历:车牌定位->车牌旋转校正->车牌结构识别->车牌图像二值化->字符切割->字符模式识别->结果比较输出的过程。

与车牌识别相比,车身颜色识别、车辆厂商标志识别以及车型分类的识别更加复杂些,它们与成像大小及成像控制技术有密切的关系,特别在夜间,成像效果差导致识别效果也差。但车身颜色和车辆厂商标志的识别对案件的侦破中具有很高的实用意义。

(3) 事件检测技术

事件检测技术是指基于车辆的事件检测,例如:停车检测、拥堵检测、压线、不按规定车道行驶等,或指另外的一些事件,例如:打架、聚集等。这些需根据经验和规律建立相应的行为模式库,将目标的行为与模式库进行匹配而检测。至于其他的事件,例如:烟雾火灾等,则可以直接检测特征或匹配模式库做出判断。

软件算法是高清卡口系统的核心,近年来取得了快速的发展。一方面是由于算法本身技术的进步,另一方面也得益于计算机技术的快速发展,芯片处理速度的提升为各种复杂算法应用成为可能,使得视频检测的捕获率与车牌识别率都获得了较大的提高。

3 结 语

本文是根据我们长期从事公安领域大量视频监控项目的实践,以及对收集到的国内外有关文献资料的研究分析,总结和提炼出目前智慧城市安防领域中、处于技术前沿的高清卡口系统的一些情况介绍,包括高清卡口系统的分类、组成和体系架构,涉及的主要检测技术等。

随着科学技术的发展,以及智慧城市关于与民生息息相关的安全的考量,我们相信目前刚刚进入起步阶段的高清卡口系统一定会得到进一步的重视和快速的发展。

参考文献

[1]许海波,罗以宁,米兰.基于线圈与车辆号牌识别技术的治安卡口系统[J].四川大学学报:自然科学版,2006,4(43):925-938.

[2]徐舰.高清视频监控卡口系统前端设计浅析[J].城市道桥与防洪,2011(6):270-274.

[3]田岩.智能卡口系统在沿海高速公路的应用[J].山西建筑,2012,7(38):287-288.

[4]Yung N H C,Lai A H S.An Effective Video Analysis Method for De-tecting Red Light Runners[J].IEEE Transactions on Vehicular Tech-nology,2001,50(4):1074-1084.

[5]张文溥.视频车辆检测技术及发展趋势[J].中国人民公安大学学报:自然科学版.2010(1):91-94.

[6]王栓.基于差分图像的多运动目标的检测与跟踪[J].中国图象图形学报,1999,4(6):470-475.

[7]韩超.视频车辆检测技术背景及国内外研究现状[J].无线互联科技,2012(3).

[8]高曙明.自动特征识别技术综述[J].计算机学报,1998,3(21):281-288.