一种基于耳廓几何参数的个人身份鉴别方法

摘要

一种基于耳廓几何参数的个人身份鉴别方法，采用摄像机或摄像头与计算机相连获取数字信息，包括工艺步骤有：由头部图象确定眼瞳孔的位置；确定头部图象的坐标原点，并对头部图象进行角度修正；确定嘴的位置；确定脸两侧边界的位置；确定耳廓下边界点、上边界点、外边界点和特定边界点的位置；计算耳廓相对宽度和相对高度，获得耳特征参量；进行耳特征匹配。本发明具有获取图象方便、设备造价低，利用的特征稳定，识别准确等优点。

说明书

技术领域

本发明属于基于人体生物特征识别的个人身份鉴别技术，特别涉及耳特征的测量与识别。

背景技术

身份确认是每个人经常遇到的一个基本问题。身份鉴别主要用在银行、海关、公安、电子商务、电子政务、网络安全等一切需要验证个人身份的场合。

传统身份验证主要有如下两种方式：(1)通过各种证件，如身份证、工作证、信用卡、储蓄卡、电话卡等；(2)通过个人识别号码和密码。其主要缺点是容易被窃取，而且前者容易丢失，后者容易忘记，都不够保险。

基于人体生物特征识别的身份确认所依据的是人类自身所固有的生理或行为特征，因此，与传统的身份识别方法比较，更加安全可靠，使用方便。

目前，生物特征识别技术备受世界各国的重视，特别是在“911”恐怖袭击之后，以美国为首的西方国家都将生物特征识别作为关系国家安全的关键技术加以发展。美国连续发布了三个法案，强调在边检、执法、民用航空等领域应用生物特征识别技术。2003年6月，在国际民用航空组织(ICAO)发布的规划中，也建议其188个成员国在护照上加入生物特征识别技术。大部分西方国家已经立法支持ICAO这项规划。我国幅员辽阔，人口众多，是未来生物特征识别技术的应用大国，开展生物特征识别技术的研究对信息安全和国家的战略安全具有重要意义。

生物特征识别主要包括指纹识别、虹膜识别、人脸识别、掌纹识别等，耳识别是一种新的生物特征识别技术，99年才开始有相关的研究论文发表。耳识别与其它生物特征识别比较有其独特的优势，与指纹识别和掌纹识别比较，它具有非接触信息采集方式容易被人接受的优点；与虹膜识别比较，它具有信息采集方便、采集设备成本低廉的优点；与人脸识别比较，它具有生物特征稳定不变的优点。

现有的人耳自动识别技术主要依据通过摄象机拍摄的耳廓图象中耳廓形状和耳廓结构这两个特征。主要有以下几个基本类型：第一种方法是测量耳廓的形状，并与已存在耳廓图库里的标准耳廓进行相似性对比，由于耳廓图象的采集受摄象机拍摄距离，拍摄角度的影响，耳廓在图象中的大小和角度是不确定的。因此，尽管有各种对比方法，但是计算过程都比较复杂。第二种方法是测量耳廓的结构，在耳廓图象中建立一个坐标系，并根据这个坐标系来测量耳廓若干个结构点的位置，并根据这些结构点的位置组成一组特征向量。通过计算两个特征向量的距离来确定两个耳廓的相似度。这里的一个重要问题是，如何准确地定位坐标系的原点和方向。目前给出的方法还不够精确和稳定，与图象预处理效果有直接关系。第三种方法是采用一些数学手段，计算耳郭图象的整体信息，包括了耳廓形状和结构信息。这种方法的计算量通常很大。

现有识别方法存在的主要问题是：

(1)人耳的一个显著特征、也是人们直观最容易发觉的特征是耳廓的大小和相对头部的夹角(例如兜风耳相对头部的夹角就比较大)。而这一特征在目前的人耳识别方法研究中并没有被利用。

(2)在耳廓形状和结构测量中，参考坐标的确定十分重要，目前的参考坐标确定方法还不够精确和稳定，直接影响耳廓形状和结构测量结果，导致耳识别率不高。

发明内容

针对上述耳识别方法存在的不足，本发明提供一种基于耳廓几何参数的个人身份鉴别方法，本发明方法包括以下步骤：

步骤一：由头部图象确定眼瞳孔的位置

通过摄象机拍摄头部正面图象，通过差分方法从头部图象中分割出头部区域图象，去除背景信息，在头部图象中找到两个眼睛，即瞳孔中心的位置。

步骤二：确定头部图象的坐标原点，并对头部图象进行角度修正

将两个瞳孔中心连线与摄象机水平轴之间的夹角作为调整旋转角，两个瞳孔中心连线的中点位置作为头部图象的坐标原点，经旋转后，使瞳孔中心连线成为水平轴，即实现头部图象的角度修正。

将两个瞳孔之间连线的中点坐标定位为图象坐标原点。

步骤三：确定嘴的位置，确定脸两侧边界的位置

从头部坐标原点，即两个瞳孔中点出发，沿纵坐标向下搜索并找到嘴的位置，并计算嘴与瞳孔之间的垂直距离。

从纵坐标嘴的位置出发，分别沿左右两个方向搜索，找到人脸两侧的边界点。

步骤四：确定耳廓下边界点，上边界点、外边界点和特定边界点的位置

从人脸两侧的边界点出发，分别向上搜索(如果耳廓较长，可能要补充向下搜索)，找到耳廓下部与人脸的交界点，即为耳廓的下边界点。从耳廓下边界点出发，分别向上搜索，获得耳廓上边界点、外边界点和特定边界点。上边界点是耳廓最高点，而不是与头部交界点。外边界点是耳廓最外的边界点。特定边界点是为了反映耳廓的形状，在耳廓下半部分选择的一些边界点，例如沿垂直方向，从耳廓高度的一半到下边界点之间作等分线，这些等分线与耳廓边界的交点即为一种特定边界点的选取方法。

步骤五：计算耳廓相对宽度和相对高度，获得耳特征参量

将耳廓上边界点与下边界点的垂直距离(即耳廓的绝对高度)与瞳孔与嘴的垂直距离之比定义为耳廓的相对高度。

将耳廓的外边界点与下边界点的水平距离(即耳廓的绝对宽度)与左右两个瞳孔之间的水平距离之比定义为耳廓的相对宽度。

将耳廓下半部分一些特定边界点与下边界点的水平距离与左右两个瞳孔之间的水平距离之比定义为耳形的相对宽度。

将瞳孔与嘴之间的垂直距离与两个瞳孔之间水平距离之比定义为嘴相对高度。

将与嘴在一个水平线上的脸两侧边界点之间的距离与两个瞳孔之间的水平距离之比定义为脸相对宽度。

上述参数作为耳识别的特征参量。

步骤六：耳特征匹配

本发明与其它生物特征识别方法相比，具有如下几个方面的优势：

(1)图象获取方便，不需要人过多的配合，只是眼睛正视摄象机即可。而虹膜图象采集需要测试者与图象采集设备之间保持较密切的配合，反复地调整，瞪大眼睛以便尽可能暴露人眼虹膜部分，对于初试者、特别是眼睛较小的人常感到不适应；指纹图象采集需要测试者与传感器接触，一些人会感到不卫生，特别是需要测试者的手指是清洁的，不潮湿的，不过分干燥的等一些条件。

(2)图象获取设备造价低廉，寿命长，只需要普通的摄象机。而虹膜识别需要专用的摄象机，其设备造价都比较昂贵。指纹识别传感器存在寿命问题。

(3)本发明所利用的耳特征和人脸结构特征是相对稳定的，而人脸采集方式尽管与本发明相同，但人脸识别受面部表情，毛发等因素的影响，使所利用的特征不够稳定可靠。

附图说明

图1为耳识别系统流程图；

图2为瞳孔检测模板示意图，其中d为内圆直径，D为外圆直径；

图3为头部图象坐标系示意图；其中O为坐标原点，A为嘴中心位置，B为人脸侧面边界点，C为人脸与耳交界点即耳廓下边界点，D为耳廓外边界点，E为耳廓上边界点；

图4为嘴检测模板示意图；

图5为脸侧面边界检测模板示意图。

具体实施方式

本发明提出的人耳识别方法流程图如图1所示，具体实施步骤如下：

步骤一：由头部图象确定眼瞳孔的位置

第一，获取头部图象

拍摄正面人头部图象，两眼平视，使两眼大致在一条水平线上，暴露耳廓部分和人眼部分，使两个耳廓大致对称。拍摄图象时，除拍摄对象之外，没有其他人或移动物体在拍摄视线中。

第二，分割头部区域图象

头部图象包含了背景信息，背景信息将影响特征的提取，因此，必须从图象中分割出去。按照第一步的要求，拍摄图象的背景是静止不变的。在拍摄人头图象之前，先拍摄一次背景图象。当拍摄人头图象时，与事先拍摄的背景图象相减，即可从人头图象中分割出人头轮廓。

第三，获取人眼瞳孔位置

在人头轮廓所包含的头部区域中，包含的头发，人脸和耳廓。其中头发，眼眉，睫毛，胡须和瞳孔具有较低的灰度，可以作为提取瞳孔的一个特征。而瞳孔除了具有较低的灰度级之外，还具有与上述其他部位不同的特征，即瞳孔是一个圆，瞳孔的周围是一个环形的虹膜，虹膜的灰度高于瞳孔。这一特征是唯一的，可用来确定瞳孔的位置。

为此设计一个环形的模板，如图2所示。其中d为内圆直径，D为外圆直径。内环直径的设计原则是略小于瞳孔直径的平均值。当人与摄象机的位置确定之后，瞳孔的大小也基本在一个范围内。由于人与摄象机的距离变化不会使人头在拍摄的图象中有显著的变化，因此，瞳孔的直径也不会有明显的变化。

用该模板逐点扫描分割后的人头图象，分别计算模板内圆区域(即d范围内)和环形区域(即D-d范围内)各像素灰度的平均值g和G，如果在整幅图象内存在一像素点，使模板在该点计算出的灰度差G-g达到最大值，则该点像素落在瞳孔内。用此方法可以获得两个瞳孔的中心位置。

步骤二：确定头部图象的坐标原点，并对头部图象进行角度修正

第一，纠正头部在与摄象机成像面平行的平面内的倾斜

当头部在与摄象机成像面平行的平面内倾斜时，造成左右眼不在一条水平线上。为此纠正方法如下：计算右眼与左眼瞳孔中心纵坐标之差Δy和横坐标之差Δx，获得两个瞳孔之间的倾角α：

$>>\alpha >=>arctan>>\Delta y>\Delta x>>>s>$

如果α大于零，表明右眼高于左眼，否则左眼高于右眼。

以右眼高于左眼为例，将图象中所有像素向下平移Δy’的距离：

Δy′＝xtanα

其中x为当前图象的水平位置。

第二，确定头部图象坐标原点

为了测量各特征点的位置，需要一个坐标系。根据两个眼瞳孔的横坐标位置，可以定义头部图象的横坐标原点为

$>>>x>0>>=>>1>2>>\Delta x>>s>$

坐标系的纵坐标原点y₀位于眼瞳孔纵坐标一条水平线上。

头部图象坐标系如图3所示，其中O为坐标原点，A为嘴中心位置，B为人脸侧面边界点，C为人脸与耳交界点即耳廓下边界点，D为耳廓外边界点，E为耳廓上边界点。

步骤三：确定嘴的位置，确定脸两侧边界的位置

第一，确定嘴的中心位置

根据人脸布局规则，嘴位于所建立的坐标原点正下方，呈扁平变平形状，颜色较脸部暗淡，在图象中表现为其灰度级低于周围区域，这是与鼻子相区别之处。

为此设计一个嘴检测模板，如图4所示。其中O为模板中心坐标。模板沿纵向被分成L₁，L₂，L₃三个区域。其中L₁的高度略大于嘴闭合时的平均高度，宽度略小于嘴闭合时的平均宽度，根据实验确定。分别计算三个区域各像素灰度平均值P(L₁)、P(L₂)、P(L₃)，

如果P(L₂)＜P(L₁)，或者P(L₃)＜P(L₁)，则将检测模板中心坐标所对应的图象像素标记为0。

如果P(L₂)＞P(L₁)，并且P(L₃)＞P(L₁)，计算P(L₂)和P(L₃)中的较低灰度级P_min＝min{P(L₂)，P(L₃)}，计算灰度差ΔP＝P_min-P(L₁)。将检测模板中心坐标所对应的图象像素标记为ΔP。从坐标原点出发，在图象范围内，沿纵坐标轴向下搜索，将模板强度值ΔP或0标记在所搜索的各点像素位置上，得到一个灰度差序列

{ΔP₁，ΔP₂，ΔP₃，…ΔP_i，…ΔP_m}

取该序列中的最大值

ΔP_max＝max{ΔP₁，ΔP₂，ΔP₃，…ΔP_i，…ΔP_m}

所对应的像素为嘴的中心位置，如图3中的A所示。

第二，确定侧脸边界的位置

从嘴中心位置出发，分别沿水平方向向左右搜索，寻找脸两侧边界的位置。以向右侧搜索为例进行说明，如图3所示

脸侧面边界的特点是边界方向趋向垂直，即与横坐标夹角大于45°。这是与嘴相区别之处。为此设计一个方向边界检测模板，如图5所示。其中O为模板中心位置，纵坐标轴将模板分为L₁和L₂两部分。分别计算两个区域各像素灰度平均值P(L₁)和P(L₂)，得到两个区域灰度差

ΔP＝|P(L₁)-P(L₂)|

从图3所示的嘴中心A出发，沿水平方向向右逐点扫描，计算模板灰度差ΔP，将模板中心所对应的图象像素值用模板灰度差取代，从而获得一个灰度差序列

{ΔP₁，ΔP₂，ΔP₃，…ΔP_i，…ΔP_m}

取该序列中的最大值

ΔP_max＝max{ΔP₁，ΔP₂，ΔP₃，…ΔP_i，…ΔP_m}

所对应的像素坐标为脸侧面边界的位置，如图3中的B所示。

步骤四：确定耳廓下边界点，上边界点、外边界点和特定边界点的位置

第一，做边缘检测，提取耳廓边界信息

前面三个步骤都是在灰度图象下进行特征点测量的。其中步骤一确定了眼的位置，步骤三确定了脸侧面边界点的位置。根据一般规律，耳廓最高端的位置略高于眼，耳廓最低端的位置高于脸侧面边界点B的位置。耳廓左端点不超过眼与脸侧面边界点B中间点的位置。耳廓右端的位置不超过头部轮廓右边界。根据上面的几个点，可以确定一个耳廓的大致区域，对这个区域进行边缘检测，获得耳廓的边界。

采用经典的边缘检测算子，例如Canny算子，能够检测到上述区域的边缘，再通过阈值进行两值化，即将灰度图象转化为0和1的二值图象，1表示的是耳廓的边界。

第二，确定耳廓下边界点

这里耳廓下边界点指的是耳廓与脸侧面交界点，而不是指耳垂下边界点。由于每个人的耳垂结构差异较大，因此，一些人的耳垂下边界点实际上就是这里所说的耳廓的下边界点。

人在正面平视拍摄图象时，嘴的位置通常低于耳廓下边界点的位置。因此，步骤三给出的脸侧面边界点B的位置应该位于耳廓下边界点之下。有了这样一个先验知识，只需要从图3中的B点向上搜索，即可找到耳廓下边界点C的位置。

根据第一步获得的耳廓边界图，从B点出发，沿着边界线向上搜索，如果边界线不出现分叉点，继续向上搜索。如果边界线出现分叉点，表明该点为耳廓下边界点，如图3中的C点所示。

第三，确定耳廓的外边界点，上边界点，特定边界点

根据第二步，当出现分叉点时，左侧分叉点为脸侧面边界点，右侧分叉点为耳廓边界点。因此沿着右侧分叉点搜索，每搜索一点，记录相应的坐标，直到再次搜索到分叉点为止。在所记录的坐标序列中，按照横坐标和纵坐标分别排列顺序，横坐标最靠近右侧的一点为耳廓外边界点，如图3中的D点。纵坐标最靠近上端的一点为耳廓上边界点，如图3中的E点。

为了提高耳廓大小的测量精度，并且考虑到耳廓下半部分形状变化的多样性，在耳廓的下半部分选择一些边界点，并测量这些边界点与下边界点之间的水平距离，实现方法同上。

步骤五：计算耳廓相对宽度和相对高度，获得耳特征参量

当测量耳廓大小时，受如下两个因素的制约。首先，当拍摄距离不同时，耳廓在所拍摄图象中的大小是不相同的。其次，头部在其与摄象机所形成的平面内变化是难以控制和量化的，因此，耳廓的高度将随着头部倾角不同而变化。为此给出如下解决方案。

人脸在无任何表情、两眼平视前方的状态下，两个瞳孔之间的水平距离是一个相对不变量，瞳孔与嘴的垂直距离也是一个相对不变量。这两个距离可以作为衡量耳廓大小的一个参照系。

当拍摄距离和头部倾角不同时，耳廓相对头部的比例关系并不发生变化。利用这样一个比例关系，可以测量耳廓相对大小。

将耳廓上边界点与下边界点的垂直距离(即耳廓的绝对高度)与瞳孔与嘴的垂直距离之比定义为耳廓的相对高度。

将耳廓的外边界点与下边界点的水平距离(即耳廓的绝对宽度)与左右两个瞳孔之间的水平距离之比定义为耳廓的相对宽度。

将耳廓下半部分一些特定边界点与下边界点的水平距离与左右两个瞳孔之间的水平距离之比定义为耳形的相对宽度。

将瞳孔与嘴之间的垂直距离与两个瞳孔之间水平距离之比定义为嘴相对高度。

将与嘴在一个水平线上的脸两侧边界点之间的距离与两个瞳孔之间的水平距离之比定义为脸相对宽度。

步骤六：耳特征匹配

由上述一组耳廓特征参数构成耳廓的特征向量。

$>>A>=>\begin{array}{}>>>>a>1>\; >>>>>a>2>\; >>>>>a>3>\; >>>>>a>4>\; >>>>>a>5>\; >>>>>a>6>\; >>>>>a>7>\; >\end{array}>>>s>$

其中：

a₁表示嘴相对高度，a₂表示脸相对宽度，a₃表示耳廓相对高度，a₄表示耳廓相对宽度，a₅表示耳廓下1/2高度处的相对宽度，a₆表示耳廓下1/3高度处的相对宽度，a₇表示耳廓下边界点处的相对宽度(当没有耳垂时，两点重合)。上述耳廓下半部分相对宽度的计算，并不一定是三个，根据需要，还可以取更多个。

设在特征数据库中的耳识别特征向量为

$>>B>=>\begin{array}{}>>>>b>1>\; >>>>>b>2>\; >>>>>b>3>\; >>>>>b>4>\; >>>>>b>5>\; >>>>>b>6>\; >>>>>b>7>\; >\end{array}>>>s>$

假定每个特征参数具有相同的权重，则两个特征向量的欧几里德距离判别函数为

$>>d>=>>1>7>\sqrt{>>\Sigma >>i>=>1>>7>{}^{}}>>s>$

该距离越小，表明两个特征向量越贴近。根据实验，可以确定当该距离小于某个阈值(例如0.5)，即可认为两者达到匹配。