一种基于椭圆检测的虹膜检测方法技术

本发明专利技术公开了一种基于椭圆检测的虹膜检测方法，一种基于椭圆检测的虹膜检测方法，包括以下步骤：步骤1：获得包含眼睛区域的图像；步骤2：对眼睛区域做椭圆检测；步骤2的具体过程为：步骤2‑1：使用ELSD算法对眼睛区域做椭圆检测：改变ELSD的敏感度，共执行N次，得到N组圆的信息；步骤2‑2：根据得到的圆信息，以圆信息中圆周点的点集构造圆周；步骤2‑3：针对点集中的每一个点，构造该点的特征向量，选取该点特征参数进行加权处理后得到特征向量，特征参数包括圆心坐标、半径、弧度、弧长、圆周点坐标；步骤2‑4：对特征向量进行分类，取个体数最多的一类作为目标类，并保存各个特征向量的圆周点坐标；步骤2‑5：利用步骤2‑4中的圆周点坐标做圆拟合。

An iris detection method based on ellipse detection

The invention discloses an iris detection method of ellipse detection based on an iris detection method based on ellipse detection, which comprises the following steps: Step 1: get the image containing the eye region; step 2: the eye ellipse detection area; the specific process of step 2: Step 2: 1 using ELSD algorithm the eye region: ellipse detection sensitivity of ELSD is changed, the implementation of the N, N group of circular information; step 2: according to the information of the 2 round in a circle, circular point sets in circumference; step 2: 3 for each point on the feature vector the structure of the point, the selection of the feature parameters were obtained after the treatment of weighted feature vectors, feature parameters include the coordinates of the center coordinates and radius, arc, arc length, circumference point; step 2 4: to classify the feature vector, the number of individuals Most of the class as the target class, the coordinate point and save the circumference of each feature vector; step 2: the use of 5 step 2 point 4 in the circumferential coordinate circle fitting.

【技术实现步骤摘要】
一种基于椭圆检测的虹膜检测方法
本专利技术涉及虹膜的提取技术，具体涉及一种基于椭圆检测的虹膜检测方法。
技术介绍
虹膜图像的提取技术具有很高的应用价值。准确，健壮，快速的眼球图像提取是人机交互，表情分析，视线控制，疲劳监控等其他计算机视觉技术应用的前提和基础。传统的虹膜提取技术一般基于脸部正面图像，利用边缘提取或者阈值分隔的技术进行处理，由于一方面对图像的明暗，阴影，光照等成像条件十分敏感，另一方面算法中涉及的主观参数过多，不易进行实时，自适应的调整，所以健壮性不强，一般仅在具有良好成像条件的特定环境（如医院的眼动分析仪，头盔式虹膜检测装置等）中应用，而在一般的大众生活类应用场景（如监控摄像头，手机摄像头等）中则不适应，会出现大量的误判，漏检等情况。因此，随着当今摄像头应用的日益普及，有必要研究和提出新的适用范围更广，健壮性更强的虹膜图像提取方法。
技术实现思路
本专利技术提出一种基于椭圆检测的虹膜检测方法，对一般环境下由普通摄像头捕获到的人脸进行眼睛的识别和定位，最终达到虹膜提取的目的，达到适应各种光照、图像质量进行高精准度提取虹膜的目的。本专利技术通过下述技术方案实现：一种基于椭圆检测的虹膜检测方法，包括以下步骤：步骤1：获得包含眼睛区域的图像；步骤2：对眼睛区域做椭圆检测；步骤2的具体过程为：步骤2-1：使用ELSD算法对眼睛区域做椭圆检测：提取图像灰度值，改变ELSD的敏感度，共执行N次，得到N组圆的信息；步骤2-2：根据得到的圆信息，以圆信息中圆周点的点集构造圆周；步骤2-3：针对点集中的每一个点，构造该点的特征向量，选取该点特征参数进行加权处理后得到特征向量，特征参数包括圆心坐标、半径、弧度、弧长、圆周点坐标；步骤2-4：对特征向量进行分类，取个体数最多的一类作为目标类，并保存各个特征向量的圆周点坐标；步骤2-5：利用步骤2-4中的圆周点坐标做圆拟合，得到最终虹膜所在的圆的参数。本专利技术的设计原理为：在任意光照、任意图像质量情况下，获得包含眼睛区域的图像，为了适应各种光照，图像质量等条件，为虹膜检测的适用范围更广、健壮性更强。本专利技术利用ELSD算法对眼睛区域做椭圆检测，在提取图像灰度值后，利用ELSD算法对眼睛区域做椭圆检测，检测的结果有三个类型，分别为直线，圆和椭圆。这里把圆和椭圆（长半轴大小改为短半轴大小，看做半径）化为都看做圆，并且舍去直线。ELSD检测算法的简单说明：ELSD全称EllipseandLineSegmentDetector，是一种运用图像梯度的方向等信息，通过对像素分类，然后对各类做筛选，判断它们是否符合直线，椭圆，圆等特征，从而来检测出圆弧，直线的方法。为适应各种光照，图像质量等条件，采用多次ELSD检测，每次ELSD检测的前置条件为改变ELSD的敏感度，这样多次进行检测后，可以得到多组圆的信息，然后筛选掉半径远远大于或小于眼睛范围和圆心远远偏离眼部中心的圆，这样就可以克服光照、图像质量的影响，找到较为精准的圆信息。由于虹膜所在的圆在整个眼部范围的特征是很强的，所以多次检测中会有很多次检测出同样圆心和半径的圆，这里对特征参数进行加权处理，将特征增加得更强，使得干扰参数和目标参数能更加明显的区分，然后再进行分类，由于前几步去除了大量干扰数据，且由于虹膜所在的圆，其圆弧很长（圆周点多），出现频率也很频繁（半径，圆心等特征多次出现），所以这里取2个类中个体数最多的一类作为目标类，并保存各个特征向量的圆周点信息（x，y），这样就可以筛选出精准的圆周点信息。最终利用圆周点信息做圆拟合，得到虹膜圆的参数。优选的，步骤2-1中，得到N组圆的信息后需要进行筛除操作，筛除操作具体为：筛除掉半径远大于或小于眼睛范围和圆心远远偏离眼部中心的圆。起到去掉干扰参数的目的。步骤2-1的具体过程为：改变ELSD的敏感度：敏感度从M1到M2，每次0.01递增，共执行N次，每改变一次ELSD的敏感度，便执行一次ELSD算法对区域做椭圆检测，检测的结果有三个类型，分别为直线、圆和椭圆，这里把椭圆的长半轴大小改为短半轴大小、并化为半径，将椭圆化为圆，并且舍去直线，共执行N次后，得到N组圆的信息。该步骤采用多次检测，获得N组圆的信息，避免光照、图像质量的影响。优选的，M1为0.7，M2为0.9，N为20。优选的，加权处理的具体过程为：将圆心坐标取平方处理、半径取三次方处理、弧度乘以1处理、弧长取平方处理、圆周点坐标乘以1处理。该加权手段可以更加准确的增强特征向量。优选的，对特征向量进行分类的方法为：使用kmeans＋＋算法将特征向量分为两个类。优选的，利用步骤2-4中的圆周点坐标做圆拟合的方法为：利用最小二乘的方法，计算参数矩阵，得到最终虹膜所在的圆的参数，圆的参数为圆心、半径。所述参数矩阵如下式1：式1：；其中圆的参数为：，式1中，Xi表示为步骤2-4中的圆周点坐标的x坐标，yi表示为步骤2-4中的圆周点坐标的y坐标，X为最终虹膜所在的圆的圆心X坐标，Y为最终虹膜所在的圆的圆心y坐标，r为最终虹膜所在的圆的半径。优选的，获得包含眼睛区域的图像的过程为：采用手机摄像头获得含有眼睛区域的图像，对采集的图像做人脸检测，得到人脸的区域数据，截取眼睛区域获得包含眼睛区域的图像。本专利技术与现有技术相比，具有如下的优点和有益效果：使用本方法无需严格的脸部正面图像，对摄像头及其成像环境的要求不高，所以能广泛的应用在一般的生活或者娱乐场景中，从而为人机交互，表情分析，视线控制，疲劳监控等其他计算机视觉应用打下坚实的基础。在本专利技术中，一方面，综合利用了人脸识别等最新的机器学习和深度学习方法，大大增加了复杂环境下进行识别和定位的健壮性，另一方面本着由初步筛选，结合人眼和虹膜的特点建立健壮的特征向量的方式，进一步提高了精度和适应性。另外，使用点集来做圆拟合的方式，得到最终筛选结果（含圆心，半径信息），也大大的提高了结果的精确度。附图说明此处所说明的附图用来提供对本专利技术实施例的进一步理解，构成本申请的一部分，并不构成对本专利技术实施例的限定。在附图中：图1为本专利技术的基本流程图。图2为采用人脸检测获得的人脸图像。图3为从图2中截取的眼睛区域。图4为椭圆检测结果。图5为圆聚类结果。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本专利技术作进一步的详细说明，本专利技术的示意性实施方式及其说明仅用于解释本专利技术，并不作为对本专利技术的限定。实施例1如图1所示，一种基于椭圆检测的虹膜检测方法，包括以下步骤：步骤1：获得包含眼睛区域的图像，如图3所示；步骤2：对眼睛区域做椭圆检测，如图4所示；步骤2的具体过程为：步骤2-1：使用ELSD算法对眼睛区域做椭圆检测：提取图像灰度值，改变ELSD的敏感度，共执行N次，得到N组圆的信息；步骤2-2：根据得到的圆信息，以圆信息中圆周点的点集构造圆周；步骤2-3：针对点集中的每一个点，构造该点的特征向量，选取该点特征参数进行加权处理后得到特征向量，特征参数包括圆心坐标、半径、弧度、弧长、圆周点坐标；步骤2-4：对特征向量进行分类，取个体数最多的一类作为目标类，并保存各个特征向量的圆周点坐标，如图5所示；步骤2-5：利用步骤2-4中的圆周点坐标做圆拟合，得到最终虹膜所在的圆的参数。本专利技术的设计本文档来自技高网...

【技术保护点】
一种基于椭圆检测的虹膜检测方法，其特征在于，包括以下步骤：步骤1：获得包含眼睛区域的图像；步骤2：对眼睛区域做椭圆检测；步骤2的具体过程为：步骤2‑1：使用ELSD算法对眼睛区域做椭圆检测：提取图像灰度值，改变ELSD的敏感度，共执行N次，得到N组圆的信息；步骤2‑2：根据得到的圆信息，以圆信息中圆周点的点集构造圆周；步骤2‑3：针对点集中的每一个点，构造该点的特征向量，选取该点特征参数进行加权处理后得到特征向量，特征参数包括圆心坐标、半径、弧度、弧长、圆周点坐标；步骤2‑4：对特征向量进行分类，取个体数最多的一类作为目标类，并保存各个特征向量的圆周点坐标；步骤2‑5：利用步骤2‑4中的圆周点坐标做圆拟合，得到最终虹膜所在的圆的参数。

【技术特征摘要】
1.一种基于椭圆检测的虹膜检测方法，其特征在于，包括以下步骤：步骤1：获得包含眼睛区域的图像；步骤2：对眼睛区域做椭圆检测；步骤2的具体过程为：步骤2-1：使用ELSD算法对眼睛区域做椭圆检测：提取图像灰度值，改变ELSD的敏感度，共执行N次，得到N组圆的信息；步骤2-2：根据得到的圆信息，以圆信息中圆周点的点集构造圆周；步骤2-3：针对点集中的每一个点，构造该点的特征向量，选取该点特征参数进行加权处理后得到特征向量，特征参数包括圆心坐标、半径、弧度、弧长、圆周点坐标；步骤2-4：对特征向量进行分类，取个体数最多的一类作为目标类，并保存各个特征向量的圆周点坐标；步骤2-5：利用步骤2-4中的圆周点坐标做圆拟合，得到最终虹膜所在的圆的参数。2.根据权利要求1所述的一种基于椭圆检测的虹膜检测方法，其特征在于，步骤2-1中，得到N组圆的信息后需要进行筛除操作，筛除操作具体为：筛除掉半径远大于或小于眼睛范围和圆心远远偏离眼部中心的圆。3.根据权利要求1所述的一种基于椭圆检测的虹膜检测方法，其特征在于，步骤2-1的具体过程为：改变ELSD的敏感度：敏感度从M1到M2，每次0.01递增，共执行N次，每改变一次ELSD的敏感度，便执行一次ELSD算法对区域做椭圆检测，检测的结果有三个类型，分别为直线、圆和椭圆，这里把椭圆的长半轴大小改为短半轴大小、并化为半径，将椭圆化为圆，并且舍去直线，共执行N次后，得到...

【专利技术属性】
技术研发人员：邹泽东，汪洋，曾强，徐一丹，
申请(专利权)人：成都通甲优博科技有限责任公司，
类型：发明
国别省市：四川,51