虹膜技術誰發明

㈠ 虹膜識別技術的發展的怎麼樣呢

原標題：2018年全球生物識別技術行業市場規模及趨勢分析 生物特徵識別技術多元化發展

全球生物特徵識別技術應用范圍不斷擴大

全球生物特徵識別技術最早運用於法庭科學的司法鑒定，多是對靜態圖像(指紋圖像、臉形圖像)的事後採集和識別。到20世紀90年代末和21世紀初，特別是9.11恐怖事件之後，由於國際反恐斗爭的需要，對靜態、動態圖像的事前事後採集和實時鑒別，已成為防範安全風險的主要技術手段。

此後，生物識別技術不再局限於安全防範領域，逐漸在機場、銀行和各種電子器具上進行了更多實際應用，國外許多高新技術公司試圖用眼睛虹膜、指紋、面貌特徵等取代人們手中的信用卡或密碼。

2018年全球生物識別技術行業市場規模將超160億美元

由於具備顯著優勢，生物識別技術開始在金融、電信、信息安全、電子政務等領域普及，全球生物識別技術行業市場規模不斷擴張。據前瞻產業研究院發布的《中國生物識別技術行業市場調研與投資預測分析報告》統計數據顯示，2010年全球生物識別技術行業市場規模已達60.5億美元。2014年全球生物識別技術行業市場規模突破了百億美元，到了2016年全球生物識別技術行業市場規模達到了120.8億美元，同比增長10.32%。截止至2017年全球生物識別技術行業市場規模增長至131.5億美元，同比增長8.86%。初步測算2018年全球生物識別技術行業市場規模將超160億美元。

2010-2018年全球生物識別技術行業市場規模統計及增長情況預測

數據來源：前瞻產業研究院整理

全球生物識別技術行業三大發展趨勢分析

全球生物識別技術發展主要呈現出三大趨勢：

首先是技術多元化。指紋識別技術由於其技術的穩定性，一直是生物特徵識別領域的應用熱點，但由於其易被復制的缺陷，已無法滿足生物特徵識別的應用需求。近年來，隨著人臉、虹膜和靜脈等識別技術取得重大突破，其產品得到了廣泛的應用。未來，生物特徵識別技術也將繼續多元化發展。

其次，多生物特徵融合技術廣泛應用。由於客觀條件變化的不可估計性，單生物特徵識別技術往往會遇到難以克服的特例。而且在安全性要求極高的應用領域，單生物特徵識別的性能很難達到預期的效果。因此，多生物特徵識別技術越來越受到人們的關注。多生物特徵識別技術利用了多個生物特徵，結合數據融合技術，不僅提高了識別的准確性，而且擴大了多生物特徵識別系統的應用范圍，降低了多生物特徵識別系統風險，是未來生物特徵識別應用領域的必然趨勢。

最後，深度學習技術成熟應用。與傳統的機器學習演算法相比，深度學習演算法有更強的大數據擬合能力，目前被廣泛應用於人臉識別、語音識別和計算機視覺等方面。不過，深度學習演算法需要大量數據來保證在測試集上得到比較好的推廣性，如何解決這一問題將成接下來研究重點。

㈡ 誰了解目前國內與國外 在虹膜識別方面的技術差別! 另外,國內那些公司做的不錯

目前國內致力於虹膜識別產品的企業大多為代理國外產品或利用國外核心技術進行系統集成，就虹膜識別產品的核心技術——虹膜識別演算法和圖像採集設備而言，國內能夠掌握的企業寥寥無幾。北京中科虹霸科技有限公司擁有全套自主知識產權，是同時掌握虹膜識別核心演算法和嵌入式虹膜識別產品研製技術的企業，達到國際先進水平。
中科虹霸以中科院自動化所虹膜識別技術為依託組建，其虹膜識別核心演算法是中科院自動化所模式識別國家重點實驗室10多年累積的科研成果，曾榮獲2005年度國家技術發明二等獎，並在分別於2008年和2010年舉行的國際虹膜識別演算法公開競賽NICE.Ⅰ和NICE.Ⅱ中以優異性能兩度奪魁（詳情請瀏覽網址http://nice1.di.ubi.pt/和http://nice2.di.ubi.pt/）。公司主創人員由中科院自動化研究所的科技骨乾和專家組成，擁有一支由高級專業技術人才組成的研究、開發和技術支持隊伍（專業技術人員占公司總人數的60%以上，其中，博士佔15%，碩士佔25%），他們在產品研發和應用工程領域既有深入的學術研究，也有豐富的實踐經驗，能夠勝任復雜系統的開發、維護和技術支持工作。
截至目前，中科虹霸和自動化所共申請虹膜專利25項，其中發明專利18項，實用新型專利4項，外觀專利3項，並獲得軟體著作權，知識產權涵蓋虹膜識別軟硬體系統等各個環節。
中科虹霸於2007年成功推出國內第一款嵌入式、網路化虹膜識別設備，配備獨特的主動視覺反饋裝置，用戶界面友好，使用方便，速度快，該設備同時也是國際第一款配備液晶屏用於用戶反饋的虹膜識別儀。
中科虹霸所採用的核心演算法和國際最高水平的演算法（英國劍橋大學Daugman 教授的方法）在識別率方面已經不相上下，測試結果已公開發表在IEEE Transactions on Image Processing （IEEE T-IP）等國際權威學術刊物上。在分別於2008年和2010舉辦的國際虹膜識別演算法公開競賽NICE.I和NICE.Ⅱ中，中科院自動化所的演算法以優異性能兩度奪魁。另外，在對該演算法進行了嚴格測試並取得滿意效果的基礎上，美國的Sarnoff公司和英國的IrisGuard公司先後購買了該演算法的授權許可。
中科虹霸的虹膜識別儀採用主動視覺反饋方法，擁有獨特優勢。非接觸式虹膜採集設備中需要有反饋裝置引導用戶實現對准。目前市面上的其他虹膜識別產品全部是採用盲動式視覺反饋方法，即採用類似鏡子的反饋設備輔助用戶對準的反饋方式難以實現虹膜圖像採集的「所見即所得」，因為用戶直接根據鏡面成像進行對准，而由於存在用戶用眼習慣不同、左右眼的主副眼分工、攝像機和鏡面的位置有差異等因素，會導致鏡面成像和實際攝像機成像的差異，結果就出現用戶自己認為對准了但實際上採集不到合適的圖像的現象，導致虹膜識別效率的降低。而中科虹霸的虹膜識別採集設備採用了主動視覺反饋方法，即把攝像機採集到的真實內容用圖像顯示的形式反饋給用戶，用戶能夠非常容易地調整人眼和攝像機的相對位置，跟前面的被動視覺反饋不同，用戶看到的就是採集的結果，從而實現真正的「所見即所得」。

㈢ 世界上第一款使用虹膜識別技術的手機是哪一部

我知道挺早的是去年的vivo
x5pro，不過只是噱頭，沒什麼實際作用，然後諾基亞的一款好像是950支持，使用的好像還不錯，接著就是今年的三星note7，已經很好用了，比指紋快而且安全

㈣ 虹膜識別技術發展現在怎麼樣

識別靈敏度不夠，精確度不夠。在實驗階段用過，三星手機就有出這個功能。
現在用來體驗不好。但會是以後的一個發展方向。因為虹膜復制可能性小。重復概率在千萬分之一

㈤ 虹膜識別技術的發展怎麼樣

追溯至19世紀80年代。1885年，ALPHONSEBERTILLON將利用生物特徵識別個體的思路應用在巴黎的刑事監獄中，當時所用的生物特徵包括：耳朵的大小、腳的長度、虹膜等。1987年，眼科專家ARAN SAFIR和LEONARDFLOM首次提出利用虹膜圖像進行自動虹膜識別的概念，到1991年，美國洛斯阿拉莫斯國家實驗室的JOHNSON實現了一個自動虹膜識別系統。1993年，JOHNDAUGMAN實現了一個高性能的自動虹膜識別原型系統。今天，大部分的自動虹膜識別系統使用DAUGMAN核心演算法。虹膜是位於眼睛黑色瞳孔和白色鞏膜之間的圓環狀部分，總體上呈現一種由里到外的放射狀結構，由相當復雜的纖維組織構成，包含有很多相互交錯的類似於斑點、細絲、冠狀、條紋、隱窩等細節特徵，這些特徵在出生之前就以隨機組合的方式確定下來了，一旦形成終生不變。虹膜識別的准確性是各種生物識別中最高的。·採集從直徑11mm的虹膜上，Dr.Daugman的演算法用3.4個位元組的數據來代表每平方毫米的虹膜信息，這樣，一個虹膜約有266個量化特徵點，而一般的生物識別技術只有13個到60個特徵點。266個量化特徵點的虹膜識別演算法在眾多虹膜識別技術資料中都有講述，在演算法和人類眼部特徵允許的情況下，Dr. Daugman指出，通過他的演算法可獲得173個二進制自由度的獨立特徵點。在生物識別技術中，這個特徵點的數量是相當大的。·演算法：第一步是通過一個距離眼睛3英寸的精密相機來確定虹膜的位置。當相機對准眼睛後，演算法逐漸將焦距對准虹膜左右兩側，確定虹膜的外沿，這種水平方法受 到了眼瞼的阻礙。演算法同時將焦距對准虹膜的內沿（即瞳孔）並排除眼液和細微組織的影響。 單色相機利用可見光和紅外線，紅外線定位在700-900mm的范圍內（這是IR技術的低限，美國眼科學會在他們對macularcysts研究中使用同樣的范圍。） 在虹膜的上方，演算法通過二維Gabor子波的方法來細分和重組虹膜圖象，第一個細分的部分被稱為phasor，要理解二維gabor子波的原理需要很深的數學知識。·精確度：虹膜識別技術是精確度最高的生物識別技術，具體描述如下：兩個不同的虹膜信息有75%匹配信息的可能性是1:106等錯率：1:1200000兩個不同的虹膜產生相同虹膜代碼的可能性是1:1052。·錄入和識別：虹膜的定位可在1秒鍾之內完成，產生虹膜代碼的時間也僅需1秒的時間，資料庫的檢索時間也相當快。處理器速度是大規模檢索的一個瓶頸，另外網路和硬 件設備的性能也制約著檢索的速度。由於虹膜識別技術採用的是單色成像技術，因此一些圖像很難把它從瞳孔的圖像中分離出來。但是虹膜識別技術所採用的演算法允許圖像質量在某種程度上有所變化。相同的虹膜所產生的虹膜代碼也有25%的變化，這聽起來好像是這一技術的致命弱點，但在識別過程中，這種虹膜代碼的變化只佔整個虹膜代碼的10%，它所佔代碼的比例是相當小的。

㈥ 什麼是虹膜技術

虹膜儀/虹膜機也叫數字式虹膜相機，是光、電、機一體化的產品。虹膜機的核心部件是電荷耦合器件(CCD)圖像感測器，它使用一種高感光度的半導體材料製成，能把光線轉變為電荷，通過模數轉換器晶元轉換成數字信號，數字信號經過壓縮以後由相機內部的閃速存儲器或內置硬碟卡把所攝的影像保存起來。因而可以輕而易舉地把數據傳輸給計算機，並藉助於計算機的處理手段，根據需要和想像來修改圖像。

由於電腦的普及，虹膜機的優越性在保健預防上越來越顯現，醫葯保健品行業中有不少人都在使用虹膜機，或正在准備虹膜機。虹膜機分辯率固然重要，其實虹膜機上的還有一些參數也不能忽視，比如說虹膜儀/虹膜機上的白平衡的作用，有一些人是不太清楚，有的人認為有無白平衡不那麼重要，也有的不知白平衡是什麼東西。在此我初淺談一點對白平衡認識與虹膜使用者聊聊。

在我們使用老虹膜機，或使用過沒有白平衡的虹膜機時，你會發現熒光燈的光人眼看起來是白色的，但拍攝出來的圖像色彩卻有點偏綠；同樣，如果是在白熾燈下，拍出圖像的色彩就會明顯偏紅，這就是我們常說偏色。圖像偏色是由於環境光的色溫作用而造成，在不同光源下，因色溫不同，拍攝出來的照片會偏色。人的眼睛之所以把它們都看成白色的，是因為人眼對色溫進行了修正。人們一直想如果能夠使相機拍攝出的圖像色彩和人眼所看到的色彩完全一樣就好了。但是，由於CCD感測器本身沒有這種功能，因此就有必要對它輸出的信號進行一定的修正，這種修正就叫做白平衡。利用白平衡功能來作修正，其原理是控制光線中紅、綠、藍（RGB）三原色的明亮度，使影像中最大光位達到純白，便能令其它色彩准確。所以白平衡控制就是通過圖像調整，使在各種光線條件下拍攝出的照片色彩和人眼所看到的景物色彩完全相同。

簡單地說白平衡就是無論環境光線如何，仍然把"白"定義為"白"的一種功能。顏色實質上就是對光線的解釋，在正常光線下看起來是白顏色的東西在較暗的光線下看起來可能就不是白色，還有熒光燈下的"白"也是"非白"。對於這一切如果能調整白平衡，則在所得到的照片中就能正確地以"白"為基色來還原其他顏色。現在大多數的商用級數碼相機均提供白平衡調節功能。正如前面提到的白平衡與周圍光線密切相關，因而，啟動白平衡功能時閃光燈的使用就要受到限制，否則環境光的變化會使得白平衡失效或干擾正常的白平衡。

對於虹膜數碼相機，雖然白平衡可以在圖像處理軟體中進行調整，但如果您對圖象軟體不是很熟悉，或者不願太麻煩調整，您最好還是選擇具有較好的白平衡功能的虹膜數碼相機。

專業的虹膜儀/虹膜機既有自動進行白平衡的，也有手動進行的。即使是自動進行，其修正能力也各不相同。當然您選擇的虹膜儀/虹膜機最好能夠具有手動和自動兩種方式，多種模式控制白平衡，這樣你在拍照片時，可以根據環境光來使用好虹膜儀/虹膜機上的白平衡。轉載自(http://www.iridology.com.cn)

㈦ 人臉識別技術是什麼時候發明的、

人臉識別最初在20世紀60年代已經有研究人員開始研究，真正進入初級的應用階段是在90年代後期，發展至今其技術成熟度已經達到較高的程度。整個發展過程可以分為機械識別、半自動化識別、非接觸式識別及互聯網應用階段。

人臉識別技術是指利用分析比較的計算機技術識別人臉。人臉識別是一項熱門的計算機技術研究領域，其中包括人臉追蹤偵測，自動調整影像放大，夜間紅外偵測，自動調整曝光強度等技術。
人臉識別技術屬於生物特徵識別技術，是對生物體（一般特指人）本身的生物特徵來區分生物體個體。
人臉識別技術是基於人的臉部特徵，對輸入的人臉圖像或者視頻流 . 首先判斷其是否存在人臉 , 如果存在人臉，則進一步的給出每個臉的位置、大小和各個主要面部器官的位置信息。並依據這些信息，進一步提取每個人臉中所蘊涵的身份特徵，並將其與已知的人臉進行對比，從而識別每個人臉的身份。
廣義的人臉識別實際包括構建人臉識別系統的一系列相關技術，包括人臉圖像採集、人臉定位、人臉識別預處理、身份確認以及身份查找等；而狹義的人臉識別特指通過人臉進行身份確認或者身份查找的技術或系統。
生物特徵識別技術所研究的生物特徵包括臉、指紋、手掌紋、虹膜、視網膜、聲音（語音）、體形、個人習慣（例如敲擊鍵盤的力度和頻率、簽字）等，相應的識別技術就有人臉識別、指紋識別、掌紋識別、虹膜識別、視網膜識別、語音識別（用語音識別可以進行身份識別，也可以進行語音內容的識別，只有前者屬於生物特徵識別技術）、體形識別、鍵盤敲擊識別、簽字識別等。
功能模塊
人臉捕獲與跟蹤功能
人臉捕獲是指在一幅圖像或視頻流的一幀中檢測出人像並將人像從背景中分離出來，並自動地將其保存。人像跟蹤是指利用人像捕獲技術，當指定的人像在攝像頭拍攝的范圍內移動時自動地對其進行跟蹤。
人臉識別比對
人臉識別分核實式和搜索式二種比對模式。核實式是對指將捕獲得到的人像或是指定的人像與資料庫中已登記的某一對像作比對核實確定其是否為同一人。搜索式的比對是指，從資料庫中已登記的所有人像中搜索查找是否有指定的人像存在。
人臉的建模與檢索
可以將登記入庫的人像數據進行建模提取人臉的特徵，並將其生成人臉模板（人臉特徵文件）保存到資料庫中。在進行人臉搜索時（搜索式），將指定的人像進行建模，再將其與資料庫中的所有人的模板相比對識別，最終將根據所比對的相似值列出最相似的人員列表。
真人鑒別功能
系統可以識別得出攝像頭前的人是一個真正的人還是一幅照片。以此杜絕使用者用照片作假。此項技術需要使用者作臉部表情的配合動作。
圖像質量檢測
圖像質量的好壞直接影響到識別的效果，圖像質量的檢測功能能對即將進行比對的照片進行圖像質量評估，並給出相應的建議值來輔助識別。

㈧ 虹膜識別技術的發展歷程

追溯至19世紀80年代。1885年，ALPHONSEBERTILLON將利用生物特徵識別個體的思路應用在巴黎的刑事監獄中，當時所用的生物特徵包括：耳朵的大小、腳的長度、虹膜等。
1987年，眼科專家ARAN SAFIR和LEONARDFLOM首次提出利用虹膜圖像進行自動虹膜識別的概念，到1991年，美國洛斯阿拉莫斯國家實驗室的JOHNSON實現了一個自動虹膜識別系統。
1993年，JOHNDAUGMAN實現了一個高性能的自動虹膜識別原型系統。今天，大部分的自動虹膜識別系統使用DAUGMAN核心演算法。
虹膜是位於眼睛黑色瞳孔和白色鞏膜之間的圓環狀部分，總體上呈現一種由里到外的放射狀結構，由相當復雜的纖維組織構成，包含有很多相互交錯的類似於斑點、細絲、冠狀、條紋、隱窩等細節特徵，這些特徵在出生之前就以隨機組合的方式確定下來了，一旦形成終生不變。虹膜識別的准確性是各種生物識別中最高的。
·採集
從直徑11mm的虹膜上，Dr.Daugman的演算法用3.4個位元組的數據來代表每平方毫米的虹膜信息，這樣，一個虹膜約有266個量化特徵點，而一般的生物識別技術只有13個到60個特徵點。266個量化特徵點的虹膜識別演算法在眾多虹膜識別技術資料中都有講述，在演算法和人類眼部特徵允許的情況下，Dr. Daugman指出，通過他的演算法可獲得173個二進制自由度的獨立特徵點。在生物識別技術中，這個特徵點的數量是相當大的。
·演算法：
第一步是通過一個距離眼睛3英寸的精密相機來確定虹膜的位置。當相機對准眼睛後，演算法逐漸將焦距對准虹膜左右兩側，確定虹膜的外沿，這種水平方法受 到了眼瞼的阻礙。演算法同時將焦距對准虹膜的內沿（即瞳孔）並排除眼液和細微組織的影響。 單色相機利用可見光和紅外線，紅外線定位在700-900mm的范圍內（這是IR技術的低限，美國眼科學會在他們對macularcysts研究中使用同樣的范圍。） 在虹膜的上方，演算法通過二維Gabor子波的方法來細分和重組虹膜圖象，第一個細分的部分被稱為phasor，要理解二維gabor子波的原理需要很深的數學知識。
·精確度：
虹膜識別技術是精確度最高的生物識別技術，具體描述如下：兩個不同的虹膜信息有75%匹配信息的可能性是1:106等錯率：1:1200000兩個不同的虹膜產生相同虹膜代碼的可能性是1:1052。
·錄入和識別：
虹膜的定位可在1秒鍾之內完成，產生虹膜代碼的時間也僅需1秒的時間，資料庫的檢索時間也相當快。處理器速度是大規模檢索的一個瓶頸，另外網路和硬 件設備的性能也制約著檢索的速度。由於虹膜識別技術採用的是單色成像技術，因此一些圖像很難把它從瞳孔的圖像中分離出來。但是虹膜識別技術所採用的演算法允許圖像質量在某種程度上有所變化。相同的虹膜所產生的虹膜代碼也有25%的變化，這聽起來好像是這一技術的致命弱點，但在識別過程中，這種虹膜代碼的變化只佔整個虹膜代碼的10%，它所佔代碼的比例是相當小的。

㈨ 虹膜識別的原理是什麼

原理：人的眼睛結構由鞏膜、虹膜、瞳孔晶狀體、視網膜等部分組成。虹膜是位於黑色瞳孔和白色鞏膜之間的圓環狀部分，其包含有很多相互交錯的斑點、細絲、冠狀、條紋、隱窩等的細節特徵。

而且虹膜在胎兒發育階段形成後，在整個生命歷程中將是保持不變的。這些特徵決定了虹膜特徵的唯一性，同時也決定了身份識別的唯一性。因此，可以將眼睛的虹膜特徵作為每個人的身份識別對象。

(9)虹膜技術誰發明擴展閱讀

優點：

1、便於用戶使用；

2、可能會是最可靠的生物識別技術；

3、不需物理的接觸；

4、可靠性高。

快捷方便：擁有本系統，不需要攜帶任何證件，就能實現門控，可單向亦可雙向；既可以被授權控制一扇門，也可以控制開啟多扇門；

授權靈活：本系統根據管理的需要，可任意調整用戶許可權，隨時了解用戶動態，包括客戶身份、操作地點、功能及時間次序等，實現實時智能管理；

缺點：

1、很難將圖像獲取設備的尺寸小型化；

2、設備造價高，無法大范圍推廣；

3、鏡頭可能產生圖像畸變而使可靠性降低；

4、兩大模塊：硬體和軟體；

5、一個自動虹膜識別系統包含硬體和軟體兩大模塊：虹膜圖像獲取裝置和虹膜識別演算法。分別對應於圖像獲取和模式匹配這兩個基本問題。

㈩ 誰說有了虹膜儀專利，就是虹膜儀創始人（發明人）

專利的發明人是指在該專利技術點上做出實質性貢獻的人。

但要注意的是，一個產品（如虹膜儀）當然不是用一個專利就能保護的，虹膜儀是一個領域，其有數以百萬的專利，其中很多專利技術在解決不同的技術問題，有些是為同一個問題提出的不同解決方案。

如此多的專利中，只有極少數那些被市場接受，而且專利申請寫的很好的專利才有價值。即，作為發明人沒什麼，我個人已經申請了40件以上的專利，但不一定我能獲利。