目 录
摘要....................................................................................................................................................I
Abstract.............................................................................................................................................II
1 概述.............................................................................................................................................1
1.1 技术背景和价值.....................................................................................................................1
1.2 虹膜识别技术.........................................................................................................................2
2 人眼图像预处理.........................................................................................................................3
2.1 虹膜采集.................................................................................................................................3
2.2 质量评价.................................................................................................................................4
2.3 预处理.....................................................................................................................................5
3 瞳孔定位.....................................................................................................................................5
3.1 快速定位.................................................................................................................................6
3.2 精确定位.................................................................................................................................6
4 虹膜识别.....................................................................................................................................8
4.1 归一化相关系数在虹膜匹配中的应用.................................................................................8
4.2 多视角下的特征融合匹配算法................................................................................................9
5 未来展望.....................................................................................................................................9
参考文献.........................................................................................................................................11
致 谢...............................................................................................................................................12I
摘要
随着互联网技术的发展，越来越多的人察觉到信息保护的重要性。因此身份
识别也己进入到社会的方方面面。传统的密码验证，如数字密码，字符密码，甚
至数字、字符组合密码渐渐满足不了人们的对于隐私保护的要求。因此生物识别
的身份认证得到了越来越多的应用，生物识别技术对于每个人来说都是独一无二
的，具有可靠的身份信息。常见的有指纹识别，人脸识别，虹膜识别另外还包括
掌纹识别和人体静脉识别。其中虹膜识别相比与其他的生物特征有着更加明显的
优势，速度快，稳定性强，非接触的无侵犯性，以及其他生物识别的更独特的生
物特征信息。
关键词 ：虹膜识别；瞳孔定位；特征融合II
Abstract
With the development of Internet technology, more and more people realize the
importance of information protection. Therefore, identity recognition has entered all
aspects of society. Traditional password verification, such as digital password,
character password and even combination password, can not meet people's
requirements for privacy protection gradually. Therefore, biometric identity
authentication has been more and more applied. Biometric technology is unique for
everyone and has reliable identity information. Common methods include fingerprint
recognition, face recognition, iris recognition, palmprint recognition and human vein
recognition. Compared with other biometrics, iris recognition has more obvious
advantages, such as fast speed, strong stability, non-contact and non-invasive, as well
as more unique biometric information of other biometrics.
Key words：Iris recognition; pupil location; feature fusion1
1 概述
1.1 技术背景和价值
随着信息高速化发展，由人们的生活活动所产生的信息数据总量越来越大，
从而引发一系列的数据隐私安全问题。当人们浏览网络的时候会发现许多的网页
都会有验证信息，需要输入个人信息。我们知道手机己经扮演着越来越重要的角
色。所以手机里面保存着相当多的私人信息，这些信息如果被网上的不发分子或
者黑客盗取将会严重影响到人们的生活质量。由此信息保护手段便产生了，如密
码，指纹，手机登录扫描二维码。更有胜者一些网站为了防止简单的暴力破解，
实行了图片验证码，如一幅排版随意，内容不清晰的图片，需要人为阅读从而得
到正确的结果这样做是为了防止机器识别。隐私保护，密码信息验证己经出现在
生活的各个角落。
但是这些简单的密码始终都存在一定的安全隐患。随着计算机技术的发展，
计算机性能爆炸式提升，这些密码在将来将毫无作用。但是随着研宄发现，人体
的生物特征信息独一无二，每个人的基因密码都不相同，因此根据基因的表征形
式的不同，科研人员设计出了生物识别方法。
生物特征识别技术由于其便利高效隐私的特性越来越受到人们的关注。普通
老百姓如今能够接触到的有指纹识别、掌纹识别、人脸识别、虹膜识别、视网膜
识别等方法，这些都是现如今较为流行的生物识别技术，另外还有耳形识别，静
脉识别等。据不完全统计，上述生物识别技术占到了全球信息验证总量的 95％
以上。
由此可见在未来生物识别将会拥有越来越多的市场，从而形成一个具有发展
潜力的朝阳产业。将会在如下方面有所体现
１．成为公安部门、安保行业的一个强有力手段；
２．满足农业从事人员的管理、考勤等管理；
３．自助式政府、金融、电子商务交易等各种管理需求；
４．只能电子设备的身份识别系统。2
而虹膜识别因为其高稳定性，不可复制性是一种可靠的生物特征识别技术，
且其中存在许多理论技术有待突破，因此虹膜识别具有很好的科研前景。[1]
1.2 虹膜识别技术
虹膜识别即识别虹膜中的纹理。主要方法是将虹膜中的特征信息提取并匹配，该特征对
于每一个人而言是独一无二。根据每个人的特征不同便可以对人的身份进行识别。
1.2.1 发展状况
探求人类如何从视觉获取信息，对人眼的研究源于 19 世纪 90 年代，但视觉测量的研究
开始的比较晚。最初是通过对测试者的询问来确定眼睛注视点(主观感知法) 。1901 年，Dodge
和 Cline 使用有记载的第一台眼动仪，成功地利用角膜反射法，客观、定量地测量了眼睛运
动。1931 年，M.A. Tinker 用光记纹鼓摄取双眼运动的图像，同时记录水平、垂直方向运动
的图像，利用角膜反射点的位置变化对人眼视线进行估计。
20 世纪 60 年代以来，随着微电子技术和红外技术的飞速发展，才出现了一些比较实用
的方法，发展的态势十分迅猛。美国和欧洲的一些发达国家在这方面的研究较为先进[9]，而
且已进入实用化和商业化阶段。美国在 20 世纪 80 年代末向市场推出的商用 Erica 系统(The
Eye gaze response interface computer aid)是一种基于红外电视和图像处理方法的应用系统。
它直接由眼睛来控制输入，用于帮助只能控制眼睛肌肉的重度残废人进行控制、通信和娱乐
等，具有处理速度高、实用性强等优点，深受广大残疾人的欢迎。由此可见，眼动测量的研
究及应用已深入到日常生活领域中。根据英国 Derby 大学行为科学研究所的 Divid Wooding
教授建立的眼动仪数据库网站(http Hibs．derby．ac．uk/emed/)对当前世界上生产眼动仪厂
家的数量作出统计，得出约有 44 家，其中比较成熟的眼动仪公司有德国的 SMI 眼动仪、加
拿大的 SR 眼动仪、美国的 ASL 眼动仪以及瑞典的 Tobii 眼动仪。
国内对眼动测量的研究起步较晚，专门研究始于 70 年代末、80 年代初，主要的研究单
位有北京航天医学研究所、浙江大学、中科院上海生理所，但它们利用引进国外设备作实验
为主要研究方式，自己对这方面的研究开展并不多。90 年代，西安电子科技大学通过用红
外摄像法的原理获取双眼的图像，对瞳孔中心位置进行检测，用 FPGA 设计完成数据由并行
到串行的转换，采用了 ASIC 设计技术成功的研制了头盔式眼动仪，对缩小同发达国家之间
的差距、推动相关学科的发展和国防现代化建设有重要意义。
1.2.2.识别原理
虹膜采集是采用 850nm 近红外摄像头获取图像。在此波段下所拍摄的虹膜图像具有清
晰的纹理，且瞳孔与虹膜界限分明，这为图像分割与识别提供了便利的条件。虹膜是位于瞳3
孔和巩膜之间的圆环状区域，是由一种随瞳孔直径变化而伸缩的纤维状组织构成的，具有丰
富的纹理信息。瞳孔的半径会随着光线的强弱而变化。光线越强，瞳孔为了减少光线的射入
将会收缩;反之瞳孔将会扩张。因此虹膜部分将会随着瞳孔变化而变化。经生物学家研究发
现，人体的虹膜部分自婴幼儿成长到一定程度之后将会趋于成熟稳定，直至人体死亡，除非
在生活中受到重创，否则都不会发生变化。并且即使是同一个人的左右眼，其虹膜纹理也不
同，更不用说一个双胞胎了。因此自然界不可能存在完全相同的两个虹膜。虹膜集众多优点
于一体，其具有稳定性和唯一性。无需接触采集设备，虹膜只需要眼睛看向摄像头即可采集，
是非侵犯性，且其纹理之丰富，不容易伪造具有高度防伪性。因此虹膜识别在以后的生活中
将会被应用得越来越广泛。[2]
2 人眼图像预处理
预处理的好坏对瞳孔和虹膜分割，以及归一化甚至最终的匹配模块将会产生
很大的影响。正如前面所言，眼睑，睫毛，光照强度和反光区域造成了虹膜图像
的噪声区域，可能导致分割过程的失败。错误的分割会在生物识别中严重降低系
统的最终准确性。所以图像的预处理对图像分割的影响是巨大的。为了能方便后
续瞳孔，虹膜的定位。在此步骤中对图像预处理包括裁剪，图像平滑，图像锐化，
图像增强，线性拉伸等一系列步骤。良好的预处理算法可以有效剔除虹膜图像的
噪声，裁剪掉图像中头发，眼睫毛，眉毛，反光区等噪声。
2.1 虹膜采集
虹膜采集是虹膜识别系统的第一阶段，关系到后面的所有过程。因此在虹膜
采集过程，对于采集到的图像的要求要尽可能的高，便于后续步骤的进行。虹膜
采集是在 850nm 近红外光线下进行的。因此得到的近红外图片区别于常规的可见
光图片，属于灰度图像的范畴。瞳孔和虹膜所组成的圆形半径很小并且瞳孔的大
小在其中是随着光照可变化的。但是据医学资料所知，虹膜半径一般在瞳孔半径
的 1. 4-3 倍之间。并且不同的地区的人，瞳孔和虹膜所表现的特性也不尽相同。
如亚洲地区的黄色人种，其虹膜多呈褐色，颜色较暗，虹膜中的纹理也不很明显，
而欧洲地区的白色人种，其瞳孔和虹膜和巩膜的对比度则更大一些，其中纹理的
颜色相较于虹膜颜色区别更为明显。这就为算法的识别提供了挑战，尽可能的实
现比较完善的算法，能够为虹膜识别提高准确率。
另外提出几种简单的方法用于在采集过程中提高虹膜识别的正确率：4
1.保持眼球在摄像头的镜片的焦距之上，并保持相对静止状态，避免运动模
糊；
2.保证眼球是正视摄像头，这样能够获得较为规则，质量较高的虹膜图
3.另外调整近红外光线至合适亮度，从而获得最优的对比度。[3]
2.2 质量评价
虹膜质量评价，是在虹膜识别阶段前必经的一个步骤。虹膜质量评价体系是
为了建立一个通过计算质量指标所得分数来判断所得虹膜图像质量好坏的系统。
通常情况下，该系统将会根据图像分割后得到的数据指标，自行计算并反馈结果，
从而对采集图像进行筛选。该系统若使用恰当，则有助于提高后续虹膜特征匹配
阶段的性能。根据国家标准，虹膜质量评价体系包含多种评价标准。包括可用虹
膜区域、清晰度、灰度利用率，虹膜－巩膜对比度，虹膜－瞳孔对比度等大量的
评价指标。
2.2.1 清晰度
其中对整个虹膜识别过程中影响最大的是清晰度的判断。在虹膜识别中，其
清晰度的判断尤为重要。图像的模糊一般分为运动模糊和离焦模糊。其中运动模
糊出现的原因即摄像头与瞳孔产生了一定的相对运动，导致拍摄的图像有明显的
晃动边缘轨迹。另外一种即离焦模糊，其原因就是虹膜距离摄像头的距离大于或
者小于摄像头的焦距，而得不到最清晰的图像。这两种模糊都是需要避免的。
2.2.2 多维度评价
瞳孔虹膜边界圆度：在医学上来看，瞳孔并不是一个标准的圆形。因此瞳孔
和虹膜的边界对后续的虹膜识别也有一定的影响。当然，瞳孔的非圆形包括先天
生理畸变以及拍摄的角度问题等。
瞳孔－虹膜边界圆度是利用瞳孔边界像素点距离的傅里叶级数展开的。
灰度利用率：是虹膜图像像素值的一个侧面反映，用于统计源图像中虹膜环
的像素值分布。是虹膜图像的像素方面的一个数字指标。要求虹膜图像曝光合适，
及近红外光线强度合适。
边缘预留度：表示虹膜圆心的点相对于整个图像边缘的距离。该指标要求采
集图像过程中，眼球与图像边界有足够的距离，以便瞳孔虹膜归一化时图片上不
至于有太多的黑色像素。从而提高虹膜图片识别准确率5
正面注视方位角：要求瞳孔视线与摄像头的拍摄角度所形成的夹角尽可能的
小。该要求的目的即是为了获得更加规则的瞳孔圆。如果拍摄角度偏差较大，所
得到的瞳孔将不会满足瞳孔边界圆度这一个条件。
2.3 预处理
对于瞳孔虹膜定位的来说，去除噪声是很有必要的。如眉毛、眼睫毛、瞳孔
反射的光斑来说都是噪声。因此为了提高瞳孔和虹膜定位的准确率，采用一些预
处理操作。
2.3.1 裁剪
首先对图像二值化，由于图像中的眼睫毛和瞳孔部分甚至是眉毛的分布聚集，且
像素值较低。因此对二值化图像从上至下遍历，对每一行像素求和，于是得到一
组频数数组。
列裁剪，对于行裁剪得到的图片采用同样的方法，也可以找到对应的瞳孔的位置。
这一次由于经过裁剪，去掉了眉毛的干扰影响。为了更加精确的定位虹膜，从而
使得虹膜识别更准确。使用质心，从而可以将虹膜区域划分的更为精确。根据行
裁剪之后的图片求其质心，为此必须将其黑白像素的值互换。
2.3.2 拟合
在进行虹膜实验的时候，我们注意到，虹膜的掩码具有重要的作用。掩码能
使得程序对某一特定的区域进行处理;通常称之为 ROIo ROI 的获取可以人为的定
制，也可以依靠程序自己计算并选取;即使是在虹膜识别的最后阶段，掩码也是
必不可少的。因此眼睑的边界拟合是有必要的。根据图中可以知道，上下眼睑的
曲线形式与抛物线比较相似，这就给了一定的启发。于是用最小二乘法拟合眼睑，
这样所能拟合的二次曲线是最贴合虹膜的。二次函数还有一个好处，即拟合比其
他的曲线函数简单很多。通常一个二次曲线只需要是三个点就可以拟合成功。
3 瞳孔定位
人脸识别流程主要是按照人脸检测，特征提取，人脸比较即分类识别的顺序
对人脸进行判断。人脸的检测就是对图像的轮廓进行特定算法从而判断有无人
脸，特征提取就是将人脸的特征通过计算机代码表示出来，人脸比对主要是将要
识别的面部与已有的面部进行比较来确定是否是同一个人。人脸检测和特征提取
是人脸识别的两个重要组成部分。[4]6
3.1 快速定位
人脸检测的方法整体上可以分为两个部分，一部分是统计的方法，另一部分
是基于知识的方法。统计的方法的检测是将人脸当作训练样本进行训练，利用计
算机对采集的图像进行大量的训练学习，最终对人脸区域进行检测判断。基于知
识的方法是通过人脸的五官，肤色，纹理等特征信息利用已有的经验对人脸进行
检测。人脸识别系统组成要素
3.1.1 统计的方法
统计的方法是将训练样本进行训练后，进行人脸区域的检测。基于统计方法
有特征空间法、人工神经网络方法(ArtificialNeural Network ANN)、隐马尔可
夫模型(Hidden Markov ModelsHMM)。特征空间法依据人脸特征空间的规律模型
得到人脸的模型参数，从而对人脸进行检测。人工神经网络方法是对人工神经网
络隐藏层进行训练学习，能够将人脸图像区域快速地找出。隐马尔可夫模型[3]
是用于通过对测试的图像区域进行一系列的操作获取 HMM 的参数模型，通过获
取的模型参数进行人脸的检测。
3.1.2 基于知识的方法
基于知识的方法需要依靠已有的经验对其人脸检测。基于知识的人脸检测方
法有关键特征点、肤色模型、模板匹配方法。关键特征点主要是对人脸主要轮廓
及五官的位置，相对距离进行人脸的检测。肤色模型主要是利用人脸肤色的不同
依据肤色特征差异获取肤色模型，对人脸进行检测。模板匹配需要先建立一个模
板库，将测试样本与模板库进行相似性的度量，从而实现人脸的检测。基于知识
的方法需要依据先验的知识，统计的方法需要大量的训练学习，两者相比较而言
统计的方法更具有广泛的应用性，可发展性。[5]
3.2 精确定位
人脸检测主要是确定待识别的身份中是否存在人脸，如何进行身份的识别就
是特征提取的过程中所需要考虑的问题，特征提取主要是对人脸区域中的特征进
行提取然后与已获取的人脸特征进行判别比较是否为同一人。特征提取的方法较
多，主要从几个方面来讲述。
3.2.1 基于模板匹配的方法
模板匹配的方法[5]主要思想是将待识别的面部与模板库中面部的特征相匹7
配，匹配度较高的则将待识别的人脸划分为模板库中的人脸。模板匹配的方法又
可以从静态和弹性两种，静态的方法就是将模板库中的人脸的整体灰度图像或者
局部灰度图像与待识别的样本特征进行匹配，如果待识别的样本因表情或者其他
因素与没有此模式的模板库进行比较则识别效果极具下降，弹性模板匹配算法取
代了静态模板方法。弹性的模板匹配算法主要思想是将人脸看作是一个二维的网
格拓扑。通过模板库中人脸模板与待识别的图像之间的节点所对应的特征向量对
比匹配，找出最相似的人脸模板，则将待识别人脸归为最相似的那一类。弹性匹
配模板的优点是对于光照以及变换的角度不敏感，缺点是需要对每个人脸的模型
图进行存储，识别速度较慢。[6]
3.2.2 基于几何特征的方法
几何特征的识别算法主要思想是从局部方面将已有人脸的鼻子、嘴巴、眼睛
等五官的相对位置以及之间的距离分布的特征与待识别的人脸的五官的相对位
置和距离分布的特征进行判别比较。几何特征相对模板匹配来说识别方法简单，
较易被研究者接受理解，缺点是从局部方面来对特征分布情况进行比较，不能全
面的体现人脸的特征，对于遮挡物等情况识别效果较差。
3.2.3 基于子空间方法
子空间的方法[7]主要是对人脸进行整体部分的特征提取，子空间代表性方
法主要有主成分分析方法(Principal Componet Analysis,PCA),主要思想是通过
K-L 变换消除人脸分量之间的相关性，得到一组正交的基底，最大值的基底与人
脸形状相似，从而将人脸从高维数据降到低维中。PCA 方法的优点是可以很好地
表示人脸的信息，缺点是对人脸进行区分有些困难。线性判别分析方法(Linear
Discriminate Analysis ,LDA)与主成分分析方法比较的优点是能够对人脸进行
很好的分类识别。LDA 的主要思想是将同类数据尽量聚集在一起，不同数据尽量
分散开，缺点是会出现小样本的问题。
3.2.4 基于机器学习的方法
随着科技的发展，我们会获得大量的数据，而计算机就是对数据的一个处理。
机器学习主要是利用人脸中相应的数据学习形成一个模型，对于待识别的样本模
型会做出相应的人脸判别。主要有人工神经网络法，支持向量机法(Support
Vector Machine,SVM)[8]，人工神经网络方法主要是通过不同的神经元构成输8
入，隐藏，输出的网络层，机器通过不断的学习训练得出人脸的规律和隐性的表
达，这个方法的主要优点是能对人脸进行隐性的表达，且鲁棒性较好。缺点是运
算过程涉及的神经元较多，运行时间较长。支持向量机主要是一种结构风险最小
化的二分类方法，通过机器学习将人脸进行升维然后对高维空间人脸数据进行线
性可分。优点是可解决非线性问题，维数高的问题。缺点是只可解决小样本问题，
同时消耗大量的内存。
4 虹膜识别
虹膜识别技术具有随机的细节特征和纹理特征，且保持相当高的稳定性；具
有内在的隔离和保护能力，不需要接触式采集等生理方面的有点，有着广泛的市
场前景和科学研究价值。
图像检测匹配一直是图像处理领域的重要的一块内容。人们在这方面都提出
了很多的相关算法。虹膜图像中包含有丰富的纹理特征，许多纹理分析的方法都
需要提取虹膜特征。虹膜纹理属于较为复杂的纹理，采用传统方法匹配效果总是
不尽人意。另外现在主流的方法则是采用Ｇａｂｏｒ方法提取虹膜的纹理特征，
但是对于Ｇａｂｏｒ而言，其参数的好坏有着重大的意义，参数选错了得不到较
好地特征值。因此必须通过大量的实验并分析，才能提取到较好的虹膜纹理图像。
在虹膜的分类和匹配上比较常用的算法有汉明距离匹配法和方差倒数加权欧式
距离分类法，这些算法都能获得较好地效果。当然也有不用Ｇａｂｏｒ滤波方法
的匹配算法。
4.1 归一化相关系数在虹膜匹配中的应用
在信号处理中经常要研究两个信号的相似性，或者一个信号经过一段延迟后
自身的相似性，以实现型号的检测和识别提取。归一化相关系数因为其对信号强
度线性变化不敏感以及在匹配精度方面的优点，在恶劣环境图像匹配方面有较为
广泛的应用。通常的图像处理也可以视作是信号来对其进行处理。
在虹膜识别当中，将相关性当作一种测量两幅图像是否相关的一种工具，因
此一定有一个确定的值，但是在表现形式上能够显示来自同一个人的同一只眼睛
的图像具有相关性。因此为了测量两幅虹膜图像的相关性，从而找到两幅图像之
间的互相关性，则需要采用类似于卷积的方法进行试验。Tossy Thomas 利用了
互相关方法对人眼图像做了计算。9
4.2 多视角下的特征融合匹配算法
由于虹膜纹理不同于人脸，指纹之类的生物特征纹理图像，虹膜所具备的更
复杂的纹理特征。包括目前虹膜采集过程中复杂的物理环境，如光线的要求，虹
膜于摄像头的距离要求、眼睑及眼睫毛的遮挡，以及细微的晃动造成的虹膜纹理
模糊等，这些因素都会对匹配过程造成重大的影响。另外由于不同时刻，瞳孔还
会有收缩和扩张的情况，导致同一个人的同一只眼睛的虹膜会产生较大的差异。
传统的特征提取算法对于虹膜这类复杂纹理的图像的特征提取的效果是很难让
人满意的。而通过 Gabor 小波类似于哺乳动物视觉神经元，在局部空间内有很好
地提取信息的性能，由于 Gabor 小波具有良好的方向选择性、多尺度性以及对于
光照，角度等变化的不敏感性，使得 Gabor 小波在图像处理和模式识别中得到了
广泛的应用。
Gabor 小波是由 Gabor 函数变换而来，通过设置其尺度参数来达到旋转和伸
缩的效果从而生成一系列的复函数系，具有良好的视频局部化特征和多分辨率性
能，能够提取图像的细微变化。John Daugman 将二维的 Gabon 滤波器应用到图
像处理算法当中对于图像的分析有良好的效果
典型的虹膜识别方法大多数采用 Gabon 滤波器提取虹膜纹理进而匹配 a
Nadia Othman 等人通过设计三组 Gabon 滤波器模板，将滤波器的实部和虚部分
别作用到归一化虹膜图像得到 6 个不同视角下的特征纹理图像，并对其进行 0, 1
编码，采用异或计算对待匹配图像和数据库进行匹配，实验结果良好并且对光照
强度，噪声等影响有一定的鲁棒性。然而由于 Gabon 本身的多参数特性导致了多
视角下的虹膜特征具有冗余信息并存在部分非有效特征。特征属性太多往往会降
低分类结果准确率。针对此问题 Wang F H 提出了改进方法。对多视角多模态下
的 Gabon 特征，利用幅值信息进行融合，对融合后特征进行相位编码，并运用海
明距离匹配，既提高了匹配速度，又节约存储空间。本文借鉴 Wang F H 提出了
基于权重的虹膜特征图像融合识别算法。根据 Nodia Othman 的算法得到的不同
尺度的特征图像，计算出不同的权重从而将特征图像融合，达到保留重要的特征，
舍弃冗余的细节的目的。最终提高图像分类正确率。
5 未来展望 10
现如今生物识别技术己经不仅仅局限于人体生物识别。在一些大型的动物体
上也己经有了一些应用，如牛，羊和猪的生物特征的应用。在这一方面，国外的
研究进展较国内而言相对较快。根据我国政策可知，大型家畜个体识别是政府农
业主管部的一项重大要求，它是家畜注册、家畜运动记录、国家家畜群管理、支
付家畜补贴、追踪疾病、家畜健康管理的基础!川。许多国家以耳标为基础建立
了国家层面的数据库来跟踪家畜。随着时代的发展，人们逐渐关心食品的安全。
在食品的供应链当中，若能够对公众公开食品来源信息，那么人们便能了解食品
在供应链中的供应情况。此时生物特征识别则能在供应链中发挥出至关重要的作
用。例如在肉质产品中，根据食物含有的特定的特征信息、作为标识，并将每一
份信息入库，在公众需要查询的时候便可以从数据库中获得相应的数据信息。这
将大大保证了食品的安全性 o
虹膜识别，指纹识别等生物特征识别技术也可以用于农业信息系统的管理。
如粮食仓库的管理系统。正如现在公司企业的安保系统，对于公司重要的区域，
在门禁系统当中可以加入虹膜识别验证环节，保证重要区域信息的安全性。粮食
是国家发展的重要的一个环节，因此对于和粮食相关的系统，区域以及粮食存储
的仓库，需要采用更加稳定的粮食仓库管理系统，该系统需要的稳定性更高，更
精确，不易破解。因此虹膜识别在这方面是具有优势的。
综上所述，虹膜识别在农业，和农业生产当中可以发挥重要的作用，将为我
国物联网发展提供助力。 11
参考文献
[1] 张萌,王萌.试论人脸识别在新型智慧城市建设中的应用[J].科学咨询
(教育科研),2020(02):47.
[2] 王鹏程.人脸识别技术在教学环境中的应用研究[J].电脑知识与技
术,2019,15(33):203-205.
[3] 罗丹丹. 基于指纹和人脸识别的安全专用门禁系统的设计与应用[D].
电子科技大学,2019.
[4] 闫飞.智能视频监控系统中的人脸识别技术[J].设备管理与维
修,2019(14):189-191.
[5] 蒋小军.人脸识别技术应用探究[J].现代信息科技,2019,3(14):91-92.
[6] 高卓宇 . 人 脸 识 别 技 术 的 基 本 原 理 与 应 用 [J]. 电子制
作,2019(14):41-42+37.12
致 谢
本论文从选题到完成，每一步都是在导师×××老师的指导下完成的，倾注
了导师大量的心血。×××老师严以律已、宽以待人的崇高风范深深地感染了我，
使我明白了很多待人接物和为人处世的道理，在此谨向我的导师表达我最崇高的
敬意和感谢！感谢×××老师、×××老师、×××老师对我的教育和培养，他
们悉心指导我的学习与研究，为我提供了良好的学习条件，向各位老师表达深深
的感谢！感谢我的同学×××、×××、×××四年来对我的学习和生活的关心
与帮助，感谢我的朋友对我的支持，最后感谢我的父母，感谢他们对我的支持与
理解！
还木有评论哦，快来抢沙发吧~