摘要：佩戴彩色隐形眼镜进行虹膜身份认证是当今最常用的攻击虹膜识别系统手段之一。对此，本文结合虹膜与彩色隐形眼镜固有特性，提出一种基于亮度变化统计的活体虹膜检测算法。算法首先对虹膜区域进行分割、预处理，预处理后的虹膜图像以瞳孔中心为起点，提取虹膜ROI区域内多方向亮度变化累积特征之和，最后进行活体虹膜判别。结果表明，该算法在抵御彩色隐形眼镜攻击上具有较高的有效性和鲁棒性。
关键词：虹膜识别；活体检测；彩色隐形眼镜；亮度变化特征
1 引言
身份认证系统如今已参与到人类生产生活的各个方面，由于虹膜纹理的特殊性[1]，使其成为近年来身份识别技术开发的重点[2]。但攻击者可以通过佩戴彩色隐形眼镜等方式轻易地欺骗虹膜身份识别系统进入内部，对合法用户的信息安全造成威胁[3]。活体虹膜检测研究兴起于近十几年[4][5]，而目前针对彩色隐形眼镜的活体防伪算法研究较少。Connell等人[6]依据结构光测量人眼对结构光条的形变程度判断是否佩戴彩色隐形眼镜，虹膜的三维结构接近平面，而佩戴隐形眼镜的三维结构近似球面。还有一些文章将虹膜活体检测转化为判断三维点云形状和瞳孔收缩特性的思路[7][8]，以上方法借助除相机以外的额外辅助设备对人眼区域进行结构、形状等信息进行收集，并将其作为活体检测依据。此外，贾皓丽等人[9]认为假的虹膜的外圈纹理比虹膜内圈纹理丰富，通过对虹膜内外圈纹理丰富性进行量化即能判断真伪，这种建立在单纯的图像视觉上的研究无需额外设备，但上文所处理的图像中彩色隐形眼镜的纹理十分清晰，这是在实际中难以完全做到的，在出现离焦或者彩色隐形眼镜无细致纹理的情况下无法进行活体检测。因此，本文提出了一种基于单帧虹膜图像区域亮度变化信息的、针对彩色隐形眼镜攻击的活体检测算法。该算法对虹膜区域进行分割、预处理，突出佩戴彩色隐形眼镜人眼与活体人眼的差异，进而提取多方向的亮度变化累积特征，实现活体检测。实验表明，本文算法可有效地检测彩色隐形眼镜攻击，并且在眼球出现一定程度离焦、受试者化妆和佩戴不同纹理彩色隐形眼镜的情况下依然有效，鲁棒性较高。
2 本文方法
本文通过对多位受试者红外虹膜图像观察并统计分析，发现佩戴彩色隐形眼镜的人眼与活体人眼在虹膜区域存在差别。一般正常人的瞳孔的直径大小都具有规律性[10]，其横径平均值在2.5mm-5.0mm范围内，而彩色隐形眼镜的内圈直径在7mm~8.5mm范围之内，大大的超过了常人瞳孔尺寸。如图1(a)所示，为避免视线遮挡，彩色隐形眼镜着色区域位于虹膜外廓，在红外相机采集的图像中，着色区域亮度与虹膜自然亮度存在较大差异，而如图1(b)所示未佩戴彩色隐形眼镜的虹膜区域亮度保持一致，无上述特性。据此，可利用虹膜外边缘亮度变化累积特征对二者进行区分。
.png)
（a） （b）
图1 彩色隐形眼镜着色区域分布（a）佩戴彩色隐形眼镜样本（b）活体样本
2.1 算法框架
本文算法主要分为4个步骤，依次为虹膜分割，特征区域预处理，特征提取以及分类器构建，如图2所示。
.png)
图2 活体检测算法框架
由于佩戴彩色隐形眼镜的人眼与活体人眼的差异体现在眼球区域，因此首先将单帧红外人眼图像中的虹膜分割出来，排除其他区域对算法干扰；接下来进行预处理，将活体与伪造样本差异性进一步扩大，最后以瞳孔中心为起点，进行多方向虹膜亮度变化累积特征提取，最后进行活体检测。虹膜分割可以借鉴虹膜识别的相关研究，这里不再赘述。
2.2 预处理
因虹膜与彩色隐形眼镜可能存在亮度接近的情况，在原图上直接进行特征提取过于困难，为提取并量化虹膜外边缘亮度跳变累积特征，本文对其进行一维高斯线性滤波、灰度级量化与形态学运算，加强彩色隐形眼镜特征在虹膜上的表达。
（1）一维高斯横向滤波
本文在佩戴彩色隐形眼镜的虹膜区域内部，着色区与未着色区的对比度扩大。因此预处理部分首先使用一维高斯核与虹膜图像相卷积（公式（1））：
（1）
.png)
是长度为2K+1的一维高斯核系数，为输入图像，由公式（1）可知，经过卷积得到的受高斯核作用域范围内像素的影响，且随距离中心像素点越近，作用强度越大。
（2）图像增强
高斯滤波后虹膜着色区与非着色区亮度对比度得到增强但亮度级依然在0-255区间内分布。为后文特征提取便捷，本文结合眼球区域特点进行三级灰度量化与形态学运算进行图像增强。
本文将亮度值255作为第一级灰度，将虹膜内部着色区与非着色区动态分割得到第二级灰度与第三级灰度。利用形态学腐蚀运算将孤立亮点填充。至此，对虹膜区域预处理后，得到了眼球的增强图像。
2.3 多方向亮度变化累积特征提取
当攻击者佩戴彩色隐形眼镜时，虹膜环状分区域内自然形成了着色区与非着色区，而未佩戴彩色隐形眼镜的眼球则无着色区。二者的区别体现在虹膜内环至外环的亮度跳变并在着色区的亮度有一定的保持性，此差异在本文进行虹膜区域增强后更加显著。为了对此特性进行量化并使特征更加稳定，以瞳孔中心为初始点，对虹膜下半区域的七个方向（如-72°，-45°，-18°，0°，18°，45°，72°）进行亮度变化累积特征提取。45°方向的特征提取算法伪代码如图3所示，其它方向类似。
对特征进行学习，可以得到分类器参数。
.png)
图3 45°方向特征提取算法
3实验结果及分析
为对本文算法性能进行评价，选取了多种情况的红外光线下的人眼样本以及佩戴了多种样式彩色隐形眼镜的攻击样本组成实验数据库，其中包括常规人眼样本、一定程度离焦人眼样本，带妆人眼样本，部分遮挡人眼样本，平滑纹理彩色隐形眼镜样本、点状纹理彩色隐形眼镜样本、带状纹理的彩色隐形眼镜本等。活体样本共212张，佩戴彩色隐形眼镜样共212张。样本示例如图4所示。
图4 实验数据示例（第一行为活体，第二行佩戴彩色隐形眼镜）
本文在活体检测各环节算法效果如图5所示，可以发现佩戴了彩色隐形眼镜，存在由从瞳孔中心到外边缘的灰度跳变，且在跳变后的着色区域存在同一级灰度的累积。
.png)
图5 预处理及特征提取示意图
本文对上述用于测试的活体人眼以及佩戴彩色隐形眼镜的攻击样本虹膜区域亮度变化信息进行特征量化，特征分布如图6所示。由于活体虹膜不受彩色隐形眼镜着色区的影响，即不存在明显的由虹膜内圈至外圈的亮度变化，这使得本文量化特征在活体虹膜上基本分布于50以下，而佩戴了彩色隐形眼镜的样本则必然受到着色区的影响产生亮度变化，使得量化特征基本分布于75以上。在本文基于单帧虹膜区域亮度变化信息的活体检测算法下，对数据库中活体人眼和佩戴彩色隐形眼镜的攻击样本准确度评价如表1所示。由实验数据可得，一定程度的离焦以及样本眼部带妆对本文算法准确率影响较小，当彩色隐形眼镜呈现出不同纹理特征时并没有对活体检测准确率产生大的影响。由此可以得出，本文算法准确率较高鲁棒性较强。
.png)
4总结
本文针对虹膜身份识别中佩戴彩色隐形眼镜的攻击问题，实现了一种基于单帧虹膜图像ROI区域亮度变化信息的活体检测算法，利用虹膜外边缘亮度变化累积特征对活体与佩戴从彩色隐形眼镜的人眼进行区分，具有强鲁棒性和较高准确率。
5 致谢
本文受国家重点研发计划“异构身份联盟与监管基础科学问题研究”(2017YFB0802300)资助。
参考文献
[1]Chen J, Shen F, Chen D Z,et al.Iris Recognition Based on Human-Interpretable Features[J].IEEE Transactions on Information Forensics&Security,2016,11(7):1476-1485.
[2]何孝富.活体虹膜识别的关键技术研究[D].上海:上海交通大学,2007.
[3]J.Daugman,Anti-spoofing("liveness detection"),<http://www.cl.cam.ac.uk/~jgd1000/>.
[4]He X, An S, Shi P. Statistical textural analysis based approach for fake iris detection using support vector machine[C]//Proc.of International Conference on Biometrics, 2007:540-546.
[5]Antonelli A, Cappelli R, Maio D, et al. Fake finger detection by skin distortion analysis [J].IEEE Transactions on Information Forensics and Security,2006,1(3):360-373.
[6]Connell J, Ratha N, Gentile J, et al. Fake iris detection using structured light[C]// 2013 IEEE International Conference on Acoustics, Speech and Signal Processing. IEEE, 2013: 8692-8696.
[7]Hughes K, Bowyer K W. Detection of contact-lens-based iris biometric spoofs using stereo imaging[C]// 46th Hawaii International Conference on System Sciences. IEEE, 2013: 1763-1772.
[8]Puhan N B, Sudha N, Hegde S. A new iris liveness detection method against contact lens spoofing[C]// 2011 IEEE 15th International Symposium on Consumer Electronics (ISCE). IEEE: 71-74.
[9]贾皓丽, 沈建新, 邢文元. 基于Gabor滤波的虹膜活体检测[J]. 计算机应用与软件, 2012(11):137-138.
[10]肖惠,滑东红,杨廷欣, 等.中国成年人头面部尺寸的研究[J].人类工效学,1998 :26-27,30-31,72.
本文受国家重点研发计划“异构身份联盟与监管基础科学问题研究”(2017YFB0802300)资助。