虹膜识别平台在侦查中身份认定的应用研究

齐志坤 姜 囡 徐浩森

（中国刑事警察学院，辽宁 沈阳 110854）

一、引言

虹膜识别技术作为生物特征识别中重要组成部分，其在近几年不断优化完善并广泛应用于安防工程等领域。虹膜是在眼球表面上瞳孔与巩膜相间的圆环状色素膜部分，外观呈现出由里及外的放射裂纹状，同时在纹理间交织错落有斑点纹理[1]。虹膜在活体状态下可随着瞳孔直径的变化而进行伸缩，其主要由纤维状组织所构成，具有错综复杂的纹理结构[2]（如图1）。通过眼科及相关医学领域的学者对虹膜解剖结构的研究，身份识别研究者可以更为客观、科学地认知虹膜特征纹理形成。目前，根据对虹膜形态的固有认知并结合实际情况，在司法鉴定领域将虹膜的结构特征分为：放射状沟线、向心构、轮廓卷、隐窝和色素点五大类[3]。虹膜是在一个人的胚胎时期所随机形成的，不同的人其虹膜结构各不相同，且每个人独特的虹膜结构在一生中几乎不会改变。具备精度高、比对速度快、防伪能力强、非接触采集等优点的虹膜识别技术成为了当前生物特征识别领域的研究热点[4]。

图1 人眼中虹膜结构图

自20 世纪80 年代英国剑桥Daugman 等人[5]提出的虹膜识别框架以来，虹膜识别技术已历时30 多年的发展与应用，并不断趋于完善。进入21 世纪，人工智能领域发展迅速，John Daugman 博士[6]通过采用基于数字编码信息来描述虹膜纹理的方法，标志着虹膜识别领域新的实用阶段的到来。通过2D Gabor 滤波器提取虹膜纹理特征进行特征编码，并引入汉明距离比对来实现判断虹膜同一匹配与否的操作[6]。基于描述虹膜纹理特征的识别思想，使得机器学习进入到虹膜识别领域，并产生了许多相近的虹膜识别方法。中科院谭铁牛等人[7]提出采用多通道Gabor 滤波器的方法，将虹膜模板中的滤波均值和方差作为特征进行编码，在利用距离分类器完成识别匹配。近年来信息智能化领域快速发展，深度学习方法尤其是CNN 被广泛地应用于在自然图像识别、检测、分割等经典的计算机视觉领域。深度学习的巨大成功促进了虹膜识别的发展，相关研究人员相继提出了很多基于深度学习的虹膜分割和特征提取算法[8]。相比于其他生物特征，其简洁快速的响应方式，受到了基层公安干警的一致好评。

在公安部2019 年下发的《关于开展虹膜信息采集应用工作的通知》中，明确要求了各地公安机关关于开展建设虹膜识别核查子系统的工作内容。目前公安虹膜识别规模化应用依靠成熟的采集识别技术和设备，已具备了坚实的技术基础和设备基础。虽然在当前公安侦查工作中虹膜识别技术取得长足的发展，但受传统技术固有问题以及其他因素影响，导致其只能作为侦查工作的辅助手段。但在近两年疫情防控常态化的形势下，虹膜身份核查系统便捷、高效、无接触的应用特点，体现尤为明显。针对侦查实践中高效、精准的工作特点，在新侦查模式[9]下利用虹膜识别对人员进行身份认定时，需保证技术手段能适应不同的识别环境以及收集的数据信息安全可靠。为进一步发挥虹膜识别技术助力侦查工作的效能，针对公安行业侦查工作的特点，分析规模化虹膜识别应用所面临的问题，本文对在警务工作中的虹膜识别平台构建方案中识别技术、平台架构和信息安全保障三个方面进行改进，推动虹膜识别技术在公安工作领域的实践应用。

二、虹膜识别关键技术

（一）虹膜识别模式概述

虹膜图像采集、虹膜图像预处理、虹膜识别匹配是实现虹膜识别的三大环节。虹膜图像采集包括红外光学设备采集图像、虹膜主体的活体检测以及虹膜图像的质量评价；虹膜图像预处理的实现主要依次通过虹膜内外圆轮廓定位、虹膜图像增强、虹膜图像归一化处理三个分支所实现；虹膜识别匹配是利用识别算法来实现，包括虹膜特征的提取和编码匹配两部分。图2 为虹膜识别流程示意图。

图2 虹膜识别流程结构图

虹膜图像预处理是从包含眼周信息的人眼图像中分割出虹膜图像并进行归一化处理的过程：先定位虹膜内外圆，再分割去除眼睑、睫毛、巩膜等干扰信息，并归一化处理所分离出来的虹膜圆环[10]。定位分割出的虹膜圆环可以看作可伸缩的弹性模板，可被任意地压缩和拉伸转换成不同大小的虹膜环形区域[11]。虹膜的归一化将面积不同的环状虹膜区域映射成一个固定的维度大小的矩形区域，通过数字图像处理中消除、平移、缩放、旋转等操作，将虹膜区域转化为矩形区域，以消除虹膜大小和分辨率的影响。虹膜的归一化处理可有效地提升虹膜识别的鲁棒性，便于精准比对。图3 为Daugman 的虹膜弹性圈模型示意图。图4 为虹膜图像归一化仿真处理操作流程[5]。

图3 虹膜弹性圈示意图

图4 虹膜图像归一化仿真处理操作示意图

虹膜识别匹配通过虹膜特征提取和虹膜特征编码两个环节来实现虹膜身份认证。虹膜特征提取通过基于预处理后的虹膜模板提取特定的鲁棒信息来表达和描述当前虹膜模板，并编码为计算机能够存储和读取的格式来实现[12]。传统虹膜识别模式中，虹膜特征通过2D-Gabor 描述、局部二值模式以及哈尔小波变换等方法，且需要根据不同类型的虹膜图像选择相适应的特征提取器。虹膜特征编码是一个通过既定的算法从分离出的虹膜区域中提取出描述虹膜特征信息后，采用有效的特征提取算法对其进行数据编码，使其转化为可进行比较鉴别的数学描述，最后形成虹膜特征模板的过程[13]。基于虹膜的局部纹理特征能够更为细节地反映出纹理的具体细节差异这一特性，目前主流算法是Daugman 虹膜识别模式与Boles 虹膜识别系统。传统虹膜识别算法虽然在识别精度上能满足识别要求，但由于程序复杂任存在识别时间长、对光照鲁棒性弱等问题。

（二）基于人工智能神经网络改进的虹膜识别模式

随着深度学习在计算机视觉处理方面的应用与发展，基于人工智能神经网络的改进型虹膜识别技术应运而生。基于人工智能神经网络的改进型虹膜识别技术相较于传统模式的虹膜识别技术，不仅能够自动提取相应的虹膜图像特征，其识别速度更快，且对于依据不同质量评价标准建立的虹膜数据库有着更强的泛化能力。目前通过结合虹膜的生理特点，基于计算机视觉理论对CNN 卷积神经网络做出相应的改进，出现了许多优秀的深度学习虹膜识别框架以及一些其他实用型研究。其中K.Nguyen 等人[14]通过对近年来主流的CNN 模型如AlexNet、VGG、Inception、ResNet、DenseNet 和经典的识别算法如Daugman 模型在虹膜识别方面的性能表现进行分析，并分别在CASIA-Iris-Thousand 虹膜数据集上幵展了训练与测试，详请参考图5[14]。

图5 不同模型在CASIA-Iris-Thousand 虹膜数据集训练效果比较

DenseNet 网络通过特征拼接的方式，降低了训练参数数量的同时，加强了特征复用并缓解梯度下降的问题，使得网络具有正则效果。因此识别效果最佳的网络模型是DenseNet，在轻量化网络中准确率98.8%的水平。

DenseNet 又称为密卷积神经网络，是Huang[15]等人在2017 年提出的深度网络模型，该网络模型通过密卷积连接和多特征复用的优势，将跃迁连接方式应用到每一个特征层中，即低级的特征层提取到的全部特征通过跨连接和连接的方式全部输入到高级特征层中，高级特征层对输入的图像特征进行卷积后再以同样的方式输入到下一个特征层中。这种模型结构使得虹膜图像特征得到充分利用，并且对于其高级特征层可更好地把收集到的图像特征信息进行降冗与融合，增加了网络模型的抗干扰性能与抗过拟合能力。DenseNet 的结构主要包含DenseBlock 和Transition layer 两类模块，在其前端和后端分别放置一个卷积层和全连接层旨在增大特征提取视野进行更好地分类判别，其结构参考图6。其中，DenseNet 网络结构DenseBlock 模块中包含6 个bottleneck 模块通过稠密连接的方式连接起来，参考图7。

图6 DenseNet网络整体流程结构示意图

图7 DenseBlock 模块流程结构图

每一个bottleneck 中有一个1*1 的卷积核和一个3*3 的卷积核，目的在于降低上一特征层输入维度的同时进行本卷积层的特征获取。DenseBlock 模块内的稠密连接指任一层的输入特征包含了模块内前面所有层的输出特征，卷积层输入计算公式为：L2=k0+k（1）L3=k0+2*k（2）L4=k0+3*k（3）L5=k0+4*k（4）。公式中L2、L3、L4、L5分别表示每一层之间的输入；k0 表示初始的特征输入通道数目；k表示不同层级间通道的增长率。通过公式看出，DenseNet通过将每一个bottleneck 模块中的卷积层前面所有层的输出特征通过拼接得到当前层的输入特征，对每一层级提取得到的虹膜特征进行高频复用，增强不同层级的特征融合效果。Transition layer 模块由一个归一化层，激励层、卷积层和池化层串联构成。DenseNet 网络结构首先采用大尺寸卷积核对输入图像进行初步的下采样和降维，再利用多个DenseBlock 与Transition layer 依次进行实现多级联特征提取融合，最后根据提取到的特征完成分类。

改进型虹膜识别模式在传统虹膜识别模式的基础上，将传统虹膜特征提取手段替换为以DenseNet 为代表的神经网络，采用将不同层的虹膜特征通过多级融合的方式增强对虹膜特征反复利用，提升其虹膜识别性能。在提升虹膜识别精准度的同时，对于不同虹膜数据库数据的泛化能力更快，且在识别速度上更具有优势，详请参考图8。传统的虹膜识别模式中的特征提取算法虽然已经取得一定成果，但仍面临着小样本虹膜数据库导致的泛化能力不足、鲁棒性不强、运行时间较长等挑战。现有虹膜识别技术结合深度学习理论成果的改进与完善，对于基于虹膜信息身份识别平台的构建，推动虹膜识别技术在公安侦查工作的应用进程具有重要意义。

图8 改进型虹膜识别模式流程结构图

（三）改进的虹膜识别技术应用优势

中科院自动化所的虹膜图像库（CASIA-Iris）被广泛用作虹膜识别算法的实验。其中CASIA-Interveral 虹膜数据集中的图像是通过虹膜采集仪采集到的规范化虹膜图像；CASIA-Lamp 虹膜数据由在自然光照明下，通过红外相机采集得到的规范化虹膜图像组成的虹膜数据集。在两个虹膜数据集中分别选取50 类，每类各6 张共计300 张虹膜图像作为仿真实验验证数据集。

为了验证基于神经网络代替传统特征提取方法的虹膜识别方法的有效性，以正确识别率（CRR）和识别时间作为评价指标。分别采用以基于轻量级人工智能神经网络——DenseNet 的虹膜识别技术和以Daugman 虹膜识别模式与Boles 虹膜识别系统的主流虹膜识别算法对不同光源下的两类虹膜图像进行特征提取与分类。不同特征提取方法对应的识别效果如表1 所示。

表1 不同数据库不同特征提取算法分类性能比较

图9 给出了随着类别数的增加，虹膜识别精度的变化情况。由图5 可知，传统虹膜识别方法与基于Densenet 的虹膜识别方法在分类性能上相差不大，但传统的虹膜识别方法受虹膜采集时外部光照的影响较大。对于常规采集手段获得的虹膜图像，Daugman 虹膜识别框架与基于DenseNet 的虹膜识别方法在识别正确率上相差不大，但对自然光下采集到的虹膜图像，基于DenseNet 的虹膜识别方法识别性能略高一些。且随着类别数的增加，传统的虹膜识别方法在识别精度呈现下降趋势，而基于DenseNet的虹膜识别方法识别性能稳定不会受到虹膜类别数的影响，识别精度高且鲁棒性好。

图9 不同特征提取算法的识别精确度比较

三、基于虹膜识别身份信息认定平台的构建

虹膜统一服务平台以改进型虹膜识别技术为核心，通过公安系统的内部网络和互联网络实现信息交互，结合虹膜中心数据仓库和多级数据库进行身份认证，为公安侦查工作提供身份信息情报服务。

（一）平台架构体系的建设

虹膜服务平台的重点建设是通过快速准确的虹膜识别，为各级公安机关提供快速的身份信息查验服务。针对公安侦查实践工作中所遇到的问题，不断优化平台逻辑架构体系，构建改进型虹膜识别服务平台包括两个方面的内容。

1.虹膜信息数据库的建设。针对采集到的虹膜图像响应速度较慢、存储数据过于集中等问题，采用各地公安机关按照行政级别分级和人员对象按照风险等级分级两种标准并行的建库方式。建立全国虹膜中心库和重点人员虹膜中心库，各省份建立二级基础虹膜库和二级重点人员虹膜库，地市级公安机关相应建立三级基础虹膜库和三级重点人员虹膜库，区县分局、派出所、监狱等公安特殊区域负责管辖范围内的人员虹膜采集工作。图10 为虹膜数据库架构体系建设示意图。

图10 虹膜数据库架构体系建设示意图

虹膜中心库将被采集人的其他生物信息与虹膜数据进行捆绑，并将被采集人的身份信息进行分类管理。实际工作中，利用重点人员虹膜库进行便捷高效的筛查工作，利用基础虹膜库进行全方位的比对匹配工作。虹膜和其他生物识别信息结合紧密，在虹膜数据库建设过程中预留有其他生物信息的数据接口与其他生物信息进行交互。

2.虹膜识别应用端的架构。虹膜识别平台是公安内网和互联网信息相交互的空间，为公安工作人员提供高性能身份信息鉴别服务，可实现准确便捷的身份认证功能[16]。结合公安工作，以提供便捷高效的虹膜识别认证服务为原则，在构建虹膜识别平台过程中，包含四层体系架构的建设内容，图11 为虹膜识别平台架构体系示意图。

图11 虹膜识别平台架构体系建设示意图

一是应用层架构的建设。应用层作为虹膜识别服务平台的应用前端，面向操作者，可为其提供更加高速便捷的一键式管理服务。要求界面整洁明了，操作程序功能目的性突出，包括基本身份信息管理、生物特征信息管理、使用权限管理、设备管理和识别认证管理等功能方面的完善，并结合公安工作需要对应用前段不断进行优化。一个良好的应用层架构会增加用户的适用性，推动公安工作更进一步发展。

二是服务层架构的建设。服务层又称作数据仓储服务器，是虹膜图像等生物信息输入后的存储器。其结构主要包括人员基本数据库和生物特征数据库，并且保留了任务管理器和验证服务两大功能。另外，为了日后结合其他生物特征信息进行交叉比对，服务器架构还需要预留端口实现数据交互、数据共享等功能。为方便用户及时获取其他信息，应当注意保留web 端口[17]。

三是传输层架构的建设。传输层作为连接公安内网和设备网络的连接桥梁，负责图像数据传输的任务。其主要的任务是形成“公安内网—Mina 服务（Apache 开源的一款网络通信应用框架）—设备网”网络连接体系，便于用户及时进行数据交互，进行多源身份查验。基于保留HTTP（超文本传输协议）端口、TCP/IP 协议的基础上，要设立信息防范应急程序，注重信息安全的保障。

四是终端层架构的建设。终端层是虹膜识别平台的输入端，面向基层公安机关工作人员进行虹膜采集、评价、信息上传等工作。终端层在硬件上体现为远距离虹膜采集设备和近距离虹膜采集仪两种，分别对应体现为核查和采集两种功能。公安机关在日常工作中通过常规虹膜采集设备对公民虹膜身份信息进行采集，构建多级虹膜信息数据库。相关工作人员在侦查抓捕过程中利用便携式虹膜采集仪，可及时核查犯罪嫌疑人员的身份信息，提升公安工作绩效。图12 分别为常规红外虹膜采集设备和便携式虹膜采集设备。

图12 常规红外虹膜采集设备（左一）便携式虹膜采集与识别设备（左二）

虹膜采集系统中的红外线虹膜采集仪与二代身份证采集设备相连接，在2 秒内仪器便会自动捕获与分割出被采集者清晰的虹膜图像，并上传至虹膜图像数据库进行识别比对。同时，系统对于采集不合格的虹膜图像会及时提醒重新采集。虹膜采集终端保留是采集者身份信息路录入系统，面向操作用户的前段需要简洁清晰，方便广大公安机关基层工作人员操作。

（二）虹膜信息安全保障

信息数据的安全性问题是每一种生物识别技术都要意识到的问题。虹膜的模板可能被窃取或篡改，虹膜图像可以被打印冒用[18]。虹膜识别的信息安全隐患包括虹膜原始图像的泄露和虹膜特征模板的复原[19]。虹膜图像的特征模板虽然不是原始的虹膜图像，但基于相同的虹膜识别算法依然可实现对身份信息的匹配识别。虹膜识别技术广泛应用于公安工作领域，虹膜识别数据库的容量也会越来越庞大。数据一旦泄露后果十分严重。基于公安机关在侦查过程中信息安全问题的研究，结合三个方面进行保障。

1.人员保障管理。公安机关内部要着手推进信息安全保障工作，建立健全信息安全管理制度，完善安全保障体系。为保证信息的安全性，平台登录以及核查信息的获取应当采用常规验证结合生物特征信息验证等多种手段并用方式进行，如公安数字证书+人脸识别、公安数字证书+指纹验证、终端独立安全码+人像语音验证等方式。同时，开展责任教育培训，提高相关工作人员的信息安全意识，加强对第三方安全管理也尤为重要。

2.信息技术支撑。通过采用由算法和密钥所构成的数据加密处理技术，增加公安信息安全的防护。算法是将储备的数据与密钥结合在一起后，转换成复杂的密文，密文是难以在普通攻击下被破解的，有它的存在大大提高网络信息的安全。密钥主要作为数据算法，可进行编码或者解码。整个数据加密的过程当中，与数字签名的基础技术进行整合，让整个计算机信息系统的安全性进一步提高[20]。基于数据加密的方法，一般将数据密钥和图像的特征信息覆盖绑定，转化为密码数据传输，起到保护信息数据的作用。基于数据混淆的方法，是通过对图像信息采用某种特定的数据混淆算法进行形变，传输完成后进行数据复原的一种数据加密方式。图13 为虹膜数据加密传输结构。

图13 虹膜数据加密传输结构示意图

3.构建安全传输框架。为保障数据信息安全和识别响应速度，基于数据加密的传输架构可应用到虹膜信息安全的保障中。区块链技术是计算机及信息安全技术的新型应用模式，其通过块链式数据结构来验证和存储数据，并综合运用分布式节点共识机制来实现对数据信息的安全传输、访问、存储和共享等功能。在有效防止了数据信息的篡改、伪造的同时减少了数据异构，确保数据信息的安全性、真实性和可用性[20]。基于整体安全信息传输框架，采用分布式节点，针对不同类型的虹膜数据形式对各级虹膜库中存储的虹膜及身份信息设置安全节点，以此保障虹膜信息安全。

四、虹膜识别平台在侦查中的应用场景

当前随着全国公安工作领域内成体系化的虹膜识别系统逐步建立，虹膜识别技术的应用价值将会得到进一步的提升与拓展[21]。结合侦查工作的实际情况，针对虹膜识别术的应用优势，规模化的虹膜识别技术的运用将会为三个方面的公安侦查与反恐实战警务带来转变。

（一）抓捕过程中对犯罪嫌疑人快速认定

建立虹膜数据信息库的同时，会相应地录入被采集者的身份信息，一个完整的虹膜身份核查系统随之而生。在当前疫情防控常态化要求下的公安侦查工作中，对于被怀疑人员的身份信息可通过虹膜身份核查系统进行核查和验证，因为每个人虹膜自身独特的纹理结构，所以可有效地杜绝假冒身份现象的发生。同时依靠对于重点人员虹膜库的信息内容，在侦查抓捕实践活动过程中，通过对被抓捕嫌疑人员及时进行身份认定来防止错抓情况发生，提高抓捕绩效，有效阻止犯罪案件的再次发生。

（二）盗抢案件的串并案侦查

随着社会技术的发展，人民群众对于安全保障的需求与日俱增，虹膜识别技术已广泛应用于高端安全保卫行业中[22]。连续性盗抢案件的发生会给社会公共安全带来极大的危害性，使得社会整体安全感下降。同一认定法、物证连结法、综合类比法、传递关系推理法是公安侦查工作中侦办系列盗窃案件的常用方法[22]。在侦查系列性通过破解虹膜安防系统进行盗窃案件时，要有利用安防设备中留存的虹膜图像进行串并案侦查的意识，掌握串并的方法。作为侦查人员，将现场虹膜设备存留的犯罪嫌疑人虹膜图像输入到各级虹膜信息库中进行比对，可迅速查清相似犯罪嫌疑身份。利用相似犯罪嫌疑人员的信息进行人员的同一判断，从而实现对案件的串并侦查。

（三）重点监管场所人员预警

当前疫情防控处于常态化，出门佩戴口罩已经转变为一种社会生活习惯，这对基于视频监控研判的身份识别技术造成干扰。虹膜识别以其无接触、高精准度等优势可作为重点监管场所人员预警的补充。通过将虹膜采集技术广泛推广开来，在地铁口、车站、大型商场等人员流动密集场所设立虹膜识别记录端口，实现对不法分子的重点监控，可在当前形势下精准预警暴恐事件的发生并震慑犯罪分子，保护人民群众生命财产的安全，维护社会的繁荣与稳定。

结语

针对近两年疫情防控常态化和信息化侦查模式的需求特点，提出基于DenseNet 网络模型代替传统的特征提取方法，使得改进后的虹膜识别算法增加了光照鲁棒性，对在不同光源下采集到的虹膜图像具备较好的识别准确度和稳定性。结合虹膜识别技术在公安侦查工作中的需求特点，采用多级分类下基础人员信息库与重点关注人员信息库并行的虹膜信息库建设方案。并通过对虹膜识别应用平台应用架构的相关内容进行补充，增加了虹膜识别身份信息平台的功能适用性。在信息安全保障方面，提出基于块链式分布节点来存储和验证虹膜数据信息，保障了虹膜的信息安全。同时分析了改进后的虹膜识别信息平台在公安侦查工作中的应用前景。结论表明，改进后的虹膜识别身份信息平台在身份识别准确度和信息保障安全性方面，更能满足公安工作信息化的发展需求，应进一步推动虹膜识别在公安侦查工作领域的落地应用。