随着经济与科技的高速发展,个人信息的安全性越来越受到重视,这使得生物识别技术快速发展并逐渐成熟。在智能移动终端中实现可见光下的虹膜身份识别是其中热度较高的研究课题之一。因此本文将适用于可见光条件的移动端虹膜识别系统作为课题背景,研究虹膜图像质量评价与虹膜定位方法。虹膜图像质量评价与虹膜定位是虹膜识别系统中的重要步骤。智能移动终端所获取的可见光图像易受干扰而无法准确定位,即使定位成功,所获图像的纹理信息也可能因光照问题而无法满足识别需求。为解决上述问题,本文利用智能移动终端的视频采集功能,面向多帧序列虹膜图像,提出一种结合图像质量评价与虹膜区域定位的级联型框架,在实现虹膜图像质量评价的同时完成虹膜区域定位,以保证虹膜定位的准确性和虹膜纹理信息的可靠性。该方法首先采用Tenegrad清晰评价函数对图像进行虹膜图像质量评价,排除因运动或者失焦引起的模糊图像。然后建立一个HOG+SVM分类模型实现虹膜初定位,从人眼图像中初步定位虹膜区域,排除人脸面部与眉毛等非虹膜区域。再采用小波变换提取出虹膜区域的小波系数,构成特征向量输入BP神经网络进行虹膜纹理质量评价,以排除虹膜纹理不清晰图像。最后采用拟合圆法和混合测地线演化法精确定位虹膜的内外边缘。选取UBIRIS.v2虹膜图库对本文算法进行测试,该图库在可见光条件下采集,图库包含了移动端虹膜识别系统在实际应用中可能遇到的各种干扰图像,可用于测试本文算法的适用性。选取图库中100人的9帧图像构成900幅虹膜图像构建虹膜图像序列进行测试,以仿真智能移动终端采集所得的视频序列图像。实验结果表明,本文方法的定位准确率为94%,运行效率提高了55%。另外,为进一步证实本文方法的有效性,利用iphone8的后置摄像头拍摄一段视频,从中截取9帧图像,测试结果表明本文方法可排除其中受干扰的虹膜图像并且选择优质虹膜图像完成准确定位。