一种通过神经网络来进行虹膜识别的方法技术

本发明专利技术适用于虹膜识别技术领域，提供一种通过神经网络来进行虹膜识别的方法，包括：设计和训练五个神经网络；通过红外摄像头拍摄样本虹膜图像，然后通过第一至第四神经网络寻找得到瞳孔的圆心和半径，以及虹膜外边界的圆心和半径，最后得到样本虹膜编码并保存；得到登陆虹膜编码；通过第五神经网络将登录虹膜编码与样本虹膜编码进行比较判断是否来源于同一个虹膜活体，如果是，则认证通过。本发明专利技术将神经网络技术应用到虹膜识别中，通过设计和训练五个神经网络以实现寻找瞳孔圆心和半径、虹膜外边界圆心和半径、虹膜特征比对，实现虹膜登录认证，优于现有虹膜识别技术。

A method of iris recognition through neural networks

The invention is applicable to the field of iris recognition technology, provides a method for iris recognition by neural network, including: the design and training of five neural networks; iris images captured by infrared camera sample, and then through the center and radius of the first to the fourth neural network to find the pupil, and the outer boundary of iris center and radius finally, get the samples of iris encoding and storage; login iris encoding; by fifth neural network login iris encoding and iris encoding were compared to determine whether the samples from the same iris in vivo, if it is, then through certification. The neural network technology is applied to the iris recognition, through the design and training of five neural networks to realize the search for the pupil center and radius of the iris outer boundary, the center and radius, iris feature matching, iris authentication, better than the existing iris recognition technology.

【技术实现步骤摘要】
一种通过神经网络来进行虹膜识别的方法
本专利技术属于虹膜识别
，尤其涉及一种通过神经网络来进行虹膜识别的方法。
技术介绍
虹膜识别技术是基于眼睛中的虹膜进行身份识别，目前应用于安防设备(如门禁等)，以及有高度保密需求的场所。人的眼睛结构由巩膜、虹膜、瞳孔晶状体、视网膜等部分组成。虹膜是位于黑色瞳孔和白色巩膜之间的圆环状部分，其包含有很多相互交错的斑点、细丝、冠状、条纹、隐窝等的细节特征。而且虹膜在胎儿发育阶段形成后，在整个生命历程中将是保持不变的。这些特征决定了虹膜特征的唯一性，同时也决定了身份识别的唯一性。因此，可以将眼睛的虹膜特征作为每个人的身份识别对象。目前虹膜识别技术还未应用到移动终端，而且现有的虹膜识别技术直接采用的是虹膜图像解析识别，虹膜识别成功率还有待提高。
技术实现思路
鉴于上述问题，本专利技术的目的在于提供一种通过神经网络来进行虹膜识别的方法，旨在解决现有虹膜识别技术识别成功率略低的技术问题。本专利技术提供的通过神经网络来进行虹膜识别的方法应用于虹膜识别系统，所述虹膜识别系统包括通用信息终端、红外光源，所述通用信息终端上设置有红外摄像头，所述方法包括下述步骤：设计和训练五个神经网络，分别为第一至第五神经网络，其中第一神经网络用于寻找瞳孔圆心；第二神经网络用于寻找虹膜外边界圆心；第三神经网络用于确定瞳孔半径，第四神经网络用于确定虹膜外边界半径；第五神经网络用于虹膜特征比对；通过红外摄像头拍摄样本虹膜图像，然后通过第一至第四神经网络寻找得到瞳孔的圆心和半径，以及虹膜外边界的圆心和半径，最后得到样本虹膜编码并保存；在登录认证时，通过红外摄像头拍摄登录虹膜图像，在登录虹膜图像上建立坐标系，然后使用二维加博滤镜进行卷积，得到登陆虹膜编码；通过第五神经网络将登录虹膜编码与样本虹膜编码进行比较判断是否来源于同一个虹膜活体，如果是，则认证通过。本专利技术的有益效果是：本专利技术将神经网络技术应用到虹膜识别中，通过设计和训练五个神经网络以实现寻找瞳孔圆心和半径、虹膜外边界圆心和半径、虹膜特征比对，实现虹膜登录认证，经试验验证，通过本专利技术方法虹膜登录认证一次性通过率达到98％以上，优于现有虹膜识别技术。附图说明图1是虹膜识别系统的结构图；图2是通过神经网络来进行虹膜识别的方法流程图；图3是图2中步骤S1的流程图；图4是神经网络设计示意图；图5是神经网络五判断示意图；图6是红外光源节能模式和高效模式的控制流程图；图7-1至7-6为红外光源和红外摄像头的位置关系图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。为了说明本专利技术所述的技术方案，下面通过具体实施例来进行说明。图1示出了一种虹膜识别系统的结构，包括通用信息终端、红外光源2，所述通用信息终端1上设置有红外摄像头3，所述通用信息处理设备，包括但不限于台式计算机、笔记本电脑、智能手机、平板电脑、智能穿戴、智能手表、智能眼镜、智能手环、车载智能设备等。具体的，通过红外光源给虹膜拍照提供照明，然后通过红外摄像头拍摄虹膜的图像，找到虹膜识别的最佳位置。本专利技术方法基于上述虹膜识别系统实现，如图2所示，具体实现时包括下述步骤：步骤S1、设计和训练五个神经网络。这五个神经网络分别为第一至第五神经网络，其中第一神经网络用于寻找瞳孔圆心；第二神经网络用于寻找虹膜外边界圆心；第三神经网络用于确定瞳孔半径，第四神经网络用于确定虹膜外边界半径；第五神经网络用于虹膜特征比对。本步骤具体实现时，如图3所示，包括下述步骤：S11、建立一个虹膜图像数据库，数据库中保存有多个用户的多张虹膜图像。数据库中存在100以上的用户，每个用户存在10张以上的虹膜图像。其中特别的，数据库中包括佩戴眼镜用户和佩戴隐形眼镜用户的虹膜图像，即使用户佩戴眼镜也可以识别出。S12、然后标定出每张虹膜图像中瞳孔的圆心和半径，以及虹膜外边界的圆心和半径。S13、根据所述虹膜图像数据库中图像尺寸设计五个神经网络，如图4所示，所述神经网络包括输入层、中间层和输出层，选定一定形状区域作为神经网络的输入层，输入层的每个节点根据像素亮度由最黑的取值到最亮的取值映射到[0,1]的区间，区域内的像素作为训练样本。一般来说，神经网络包括输入层、中间层和输出层，输入层为输入图像数据，输出层为输入层图像的判定结果。选定一定形状区域作为神经网络的输入层。如图4所示，选定矩形区域，对于第一至四神经网络，在使用1920x1080格式图像时，设计200x200的矩形区域作为神经网络的输入层，也可以设计300x300的矩形区域作为神经网络的输入层，也可以使用其它尺寸。尺寸设计可以参考覆盖虹膜外边界的最大直径。矩形区域的长宽也可以设计成不同的值。也可以使用非矩形区域作为神经网络的输入层。具体的，从数据库中取出的虹膜图像，以任意一点(x,y)为起点，截取一个尺寸与第一神经网络或者第二神经网络二的输入尺寸相同的矩形区域。将这个矩形作为神经网络的输入训练样本，为了增加样本的多样性，可以多次对同一个样本调整亮度或者对比度，也可以同时调整，也可以使用其它效果滤镜，也可以使用图像大小缩放。输入层的每个节点根据像素亮度由最黑的取值到最亮的取值映射到[0,1]的区间。对于第一至第四神经网络，可以使用三层的神经网络，也可以使用更深层的神经网络。在使用三层的神经网络时，中间层优选的可以使用15个网络节点，也可以使用20个网络节点，也可以使用其它数量的节点。五个神经网络具体训练如下：在训练第一神经网络时，当截取的训练样本中心与瞳孔圆心的距离小于等于误差半径r1时，将训练结果标定为1，表示训练样本中存在瞳孔并且位置在正中，当截取的训练样本中心与瞳孔圆心的距离大于误差半径r1，或者训练样本中没有瞳孔时，将训练结果标定为0。在训练第二神经网络时，当截取的训练样本中心与虹膜外边界圆心的距离小于等于误差半径r2时，将训练结果标定为1，表示训练样本中存在虹膜外边界并且位置在正中。当截取的训练样本中心与虹膜外边界圆心的距离大于误差半径r2，或者训练样本中没有虹膜外边界时，将训练结果标定为0。由于神经网络输出层的判定具有一定的不确定性，因此在训练第一神经网络和第二神经网络时，可以设计一个误差半径r，r的取值范围是大于等于0。根据经验r可以取5，也可以取10，也可以取其它值。训练第一和第二神经网络时的两个误差半径可以相同，也可以不同。训练好了的第一第二神经网络后，这里两个神经网络将被用来定位瞳孔的圆心和虹膜外边界的圆心。在训练第三神经网络和第四神经网络，只截取以瞳孔或者虹膜外边界的圆心为中心的图像作为输入层，为了增加样本的多样性，可以多次对同一个样本调整亮度或者对比度，也可以同时调整，也可以使用其它效果滤镜。为了产生半径不同的图像样本，可以使用图像大小缩放。输出层的每个节点标识一个半径的取值，训练一个图像样本时，其人为标定的半径值所对应的输出节点的训练结果标定为1，其余节点的训练结果标定为0。对于第三神经网络，输出层的节点数可以设计为虹膜图像样本的瞳孔半径的测量范围的像素取值的整数个数。比如训练样本集中，瞳孔的半径取值范围是[15,40]，这时输出层可本文档来自技高网...

【技术保护点】
一种通过神经网络来进行虹膜识别的方法,该方法应用于虹膜识别系统，所述虹膜识别系统包括通用信息终端、红外光源，所述通用信息终端上设置有红外摄像头，所述方法包括下述步骤：设计和训练五个神经网络，分别为第一至第五神经网络，其中第一神经网络用于寻找瞳孔圆心；第二神经网络用于寻找虹膜外边界圆心；第三神经网络用于确定瞳孔半径，第四神经网络用于确定虹膜外边界半径；第五神经网络用于虹膜特征比对；通过红外摄像头拍摄样本虹膜图像，然后通过第一至第四神经网络寻找得到瞳孔的圆心和半径，以及虹膜外边界的圆心和半径，最后得到样本虹膜编码并保存；在登录认证时，通过红外摄像头拍摄登录虹膜图像，在登录虹膜图像上建立坐标系，然后使用二维加博滤镜进行卷积，得到登陆虹膜编码；通过第五神经网络将登录虹膜编码与样本虹膜编码进行比较判断是否来源于同一个虹膜活体，如果是，则认证通过。

【技术特征摘要】
1.一种通过神经网络来进行虹膜识别的方法,该方法应用于虹膜识别系统，所述虹膜识别系统包括通用信息终端、红外光源，所述通用信息终端上设置有红外摄像头，所述方法包括下述步骤：设计和训练五个神经网络，分别为第一至第五神经网络，其中第一神经网络用于寻找瞳孔圆心；第二神经网络用于寻找虹膜外边界圆心；第三神经网络用于确定瞳孔半径，第四神经网络用于确定虹膜外边界半径；第五神经网络用于虹膜特征比对；通过红外摄像头拍摄样本虹膜图像，然后通过第一至第四神经网络寻找得到瞳孔的圆心和半径，以及虹膜外边界的圆心和半径，最后得到样本虹膜编码并保存；在登录认证时，通过红外摄像头拍摄登录虹膜图像，在登录虹膜图像上建立坐标系，然后使用二维加博滤镜进行卷积，得到登陆虹膜编码；通过第五神经网络将登录虹膜编码与样本虹膜编码进行比较判断是否来源于同一个虹膜活体，如果是，则认证通过。2.如权利要求1所述方法，其特征在于，所述设计和训练五个神经网络步骤，具体包括：建立一个虹膜图像数据库，数据库中保存有多个用户的多张虹膜图像。然后标定出每张虹膜图像中瞳孔的圆心和半径，以及虹膜外边界的圆心和半径。根据所述虹膜图像数据库中图像尺寸设计五个神经网络，所述神经网络包括输入层、中间层和输出层，选定一定形状区域作为神经网络的输入层，输入层的每个节点根据像素亮度由最黑的取值到最亮的取值映射到[0,1]的区间，区域内的像素作为训练样本，五个神经网络具体训练如下：在训练第一神经网络时，当截取的训练样本中心与瞳孔圆心的距离小于等于误差半径r1时，将训练结果标定为1，表示训练样本中存在瞳孔并且位置在正中，当截取的训练样本中心与瞳孔圆心的距离大于误差半径r1，或者训练样本中没有瞳孔时，将训练结果标定为0；在训练第二神经网络时，当截取的训练样本中心与虹膜外边界圆心的距离小于等于误差半径r2时，将训练结果标定为1，表示训练样本中存在虹膜外边界并且位置在正中。当截取的训练样本中心与虹膜外边界圆心的距离大于误差半径r2，或者训练样本中没有虹膜外边界时，将训练结果标定为0；在训练第三神经网络和第四神经网络，只截取以瞳孔或者虹膜外边界的圆心为中心的图像作为输入层，输出层的每个节点标识一个半径的取值，训练一个图像样本时，其人为标定的半径值所对应的输出节点的训练结果标定为1，其余节点的训练结果...

【专利技术属性】
技术研发人员：田露露，
申请(专利权)人：望墨科技武汉有限公司，
类型：发明
国别省市：湖北,42