虹膜识别方法及相应装置制造方法及图纸

技术编号:19122565 阅读:29 留言:0更新日期:2018-10-10 05:26
本发明专利技术提供了一种虹膜识别方法及用于实现该方法的虹膜识别装置。该虹膜识别方法包括:接收用户的一张或多张包含虹膜的图像;对所接收的图像进行预处理,以获得多个特征图像数据模板;从多个特征图像数据模板中的每个特征图像数据模板中提取局部梯度特征向量,其中所述局部梯度特征向量描述虹膜的纹理走向和形态;以及基于局部梯度特征向量来识别所述用户。本发明专利技术还提供了一种计算机存储介质。

【技术实现步骤摘要】
虹膜识别方法及相应装置
本专利技术总体上涉及身份识别
,更具体地涉及一种虹膜识别方法以及实现这种方法的相应装置。
技术介绍
近年来,在个人身份认证中提出了种种利用虹膜、指纹、面部等的生物测定学信息的技术。利用虹膜认证的个人认证技术开始被用于门禁考勤、枪炮金库、身份证护照、社保体系、重要设施的出入管理、ATM机、PC登录等安全认证要求高的领域。但是由于虹膜的精细性和视觉隐藏生物特性,目前的虹膜识别技术在诸如采集高质量虹膜图像、评价虹膜图像质量、虹膜自适应处理等方面仍然存在困难,从而导致识别效率低下。例如,由于相机拍照会有对焦过程,拍摄的虹膜图像从焦点到四周会呈现如图1所示的同心圆滤波图。这种脱焦的模糊图像由于丢失了虹膜本来具有的丰富纹理信息,大大降低了虹膜纹理特征的鉴别特性,从而降低了虹膜的识别效率。此外,由于在拍摄虹膜图像时头部和眼球很可能自主旋转,导致虹膜特征的极坐标起始位置会有一定的偏移,从而在一定程度上降低识别效率。此外,近年来在虹膜特征提取中采用的代表性方法有LocalBinaryPatterns(LBP),CharacterizingKeyLocalVariations(QSW),WeberLocalDescriptor(WLD),LocalPhaseQuantization(LPQ)等基于统计编码的方法以及OrdinalMeasures,DiscreteCosineTransform(DCT),GaborWavelet,LogGabor(LG)等基于滤波变换编码的方法。基于Gabor滤波和编码的方法由于对较强的纹理描述能力而得到较为广泛的应用,但是这种能力往往需要像素级的滤波操作并且要输出与原图像等尺寸的滤波图然后再进行二值化编码,因此计算复杂度比较高、特征维度也比较高,特别是在注册人数较多的时候,识别匹配时间复杂度会很高。
技术实现思路
为了解决上述问题,本专利技术提供了一种具有高识别效率的虹膜识别方法。根据本专利技术的第一方面,提供了一种虹膜识别方法。该虹膜识别方法包括:接收用户的一张或多张包含虹膜的图像;对所接收的图像进行预处理,以获得多个特征图像数据模板;从多个特征图像数据模板中的每个特征图像数据模板中提取局部梯度特征向量,其中所述局部梯度特征向量描述虹膜的纹理走向和形态;以及基于局部梯度特征向量来识别所述用户。在一个实施例中,该虹膜识别方法还包括:从多个特征图像数据模板中的每个特征图像数据模板中提取Gabor特征向量,其中所述Gabor特征向量描述虹膜的纹理细节。基于局部梯度特征向量来识别所述用户包括:将提取的Gabor特征向量和局部梯度特征向量组合为与所述用户相对应的联合特征向量,使得能够基于联合特征向量来识别所述用户。在一个实施例中,从多个特征图像数据模板中的每个特征图像数据模板中提取局部梯度特征向量包括:将每个特征图像数据模板划分为预定尺寸大小的一系列小块;求每个小块的灰度均值;根据每个小块的灰度均值确定每个小块之间的水平梯度和垂直梯度,并根据水平梯度和垂直梯度的绝对值大小将每个小块编码成水平梯度特征码和垂直梯度特征码;由每个特征图像数据模板的所有小块的水平梯度特征码形成水平梯度特征码向量;由每个特征图像数据模板的所有小块的垂直梯度特征码形成垂直梯度特征码向量;以及将水平梯度特征码向量与垂直梯度特征码向量连接成一个向量,以作为所述局部梯度特征向量。在一个实施例中,该虹膜识别方法还包括:将局部梯度特征向量或联合特征向量与所述用户相关联地存储在特征库中。在一个实施例中,该虹膜识别方法还包括:将局部梯度特征向量或联合特征向量与特征库中预先存储的预定特征向量进行匹配,以对所述用户进行识别。在一个实施例中,对所接收的图像进行预处理包括:对所接收的一张或多张图像中的每张图像进行图像质量评价,以选择满足预定清晰度要求的一张或多张图像。在一个实施例中,所述图像质量评价是无参考质量评价。在一个实施例中,对所接收的图像进行预处理还包括:采用全变分模型成像约束对所选择的满足预定清晰度要求的一张或多张图像进行分割。在一个实施例中,采用全变分模型成像约束对所选择的满足预定清晰度要求的一张或多张图像进行分割包括:针对所选择的满足预定清晰度要求的一张或多张图像中的每张图像:以瞳孔中心为圆心,由内而外地径向计算所述图像中的每一个同心圆环窄带内的所有像素灰度值的全变分数值;以及确定全变分数值梯度变化最大的点作为虹膜的最大半径点。在一个实施例中,对所接收的图像进行预处理还包括:对分割后的一张或多张图像中的每一张图像进行归一化处理,以得到一张或多张矩形虹膜图像;以及从归一化后的一张或多张矩形虹膜图像的每一张图像中去除遮挡虹膜的区域,以得到用于特征提取的一张或多张虹膜图像。在一个实施例中,对所接收的图像进行预处理还包括:判断用于特征提取的一张或多张虹膜图像中的每一张图像是否满足预定虹膜纹理辨识度要求;以及从满足预定虹膜纹理辨识度要求的图像中选择虹膜纹理辨识度最高的一张图像。在一个实施例中,对所接收的图像进行预处理还包括:将用于特征提取的一张或多张虹膜图像中的每一张图像或者虹膜纹理辨识度最高的图像分别左右循环移动预定角度,以得到所述多个特征图像数据模板。在一个实施例中,所述预定角度在-15°到+15°的范围内。根据本专利技术的第二方面,提供了一种虹膜识别装置。该虹膜识别装置包括:通信接口;至少一个处理器;以及存储器,所述存储器存储所述至少一个处理器可执行的指令,所述指令在被所述至少一个处理器执行时使得所述虹膜识别装置:接收用户的一张或多张包含虹膜的图像;对所接收的图像进行预处理,以获得多个特征图像数据模板;从多个特征图像数据模板中的每个特征图像数据模板中提取局部梯度特征向量,其中所述局部梯度特征向量描述虹膜的纹理走向和形态;以及基于局部梯度特征向量来识别所述用户。在一个实施例中,所述指令在被所述至少一个处理器执行时还使得所述虹膜识别装置:从多个特征图像数据模板中的每个特征图像数据模板中提取Gabor特征向量,其中所述Gabor特征向量描述虹膜的纹理细节。基于局部梯度特征向量来识别所述用户包括:将提取的Gabor特征向量和局部梯度特征向量组合为与所述用户相对应的联合特征向量,使得能够基于联合特征向量来识别所述用户。在一个实施例中,从多个特征图像数据模板中的每个特征图像数据模板中提取局部梯度特征向量包括:将每个特征图像数据模板划分为预定尺寸大小的一系列小块;求每个小块的灰度均值;根据每个小块的灰度均值确定每个小块之间的水平梯度和垂直梯度,并根据水平梯度和垂直梯度的绝对值大小将每个小块编码成水平梯度特征码和垂直梯度特征码;由每个特征图像数据模板的所有小块的水平梯度特征码形成水平梯度特征码向量;由每个特征图像数据模板的所有小块的垂直梯度特征码形成垂直梯度特征码向量;以及将水平梯度特征码向量与垂直梯度特征码向量连接成一个向量,以作为所述局部梯度特征向量。在一个实施例中,所述指令在被所述至少一个处理器执行时还使得所述虹膜识别装置:将局部梯度特征向量或联合特征向量与所述用户相关联地存储在特征库中。在一个实施例中,所述指令在被所述至少一个处理器执行时还使得所述虹膜识别装置:将局部梯度特征向量或联合特征向量与特征库中预先存储的预定特本文档来自技高网
...
虹膜识别方法及相应装置

【技术保护点】
1.一种虹膜识别方法,包括:接收用户的一张或多张包含虹膜的图像;对所接收的图像进行预处理,以获得多个特征图像数据模板;从多个特征图像数据模板中的每个特征图像数据模板中提取局部梯度特征向量,其中所述局部梯度特征向量描述虹膜的纹理走向和形态;以及基于局部梯度特征向量来识别所述用户。

【技术特征摘要】
2017.03.18 CN 20171016357821.一种虹膜识别方法,包括:接收用户的一张或多张包含虹膜的图像;对所接收的图像进行预处理,以获得多个特征图像数据模板;从多个特征图像数据模板中的每个特征图像数据模板中提取局部梯度特征向量,其中所述局部梯度特征向量描述虹膜的纹理走向和形态;以及基于局部梯度特征向量来识别所述用户。2.根据权利要求1所述的虹膜识别方法,还包括:从多个特征图像数据模板中的每个特征图像数据模板中提取Gabor特征向量,其中所述Gabor特征向量描述虹膜的纹理细节,以及其中,基于局部梯度特征向量来识别所述用户包括:将提取的Gabor特征向量和局部梯度特征向量组合为与所述用户相对应的联合特征向量,使得能够基于联合特征向量来识别所述用户。3.根据权利要求1或2所述的虹膜识别方法,其中,从多个特征图像数据模板中的每个特征图像数据模板中提取局部梯度特征向量包括:将每个特征图像数据模板划分为预定尺寸大小的一系列小块;求每个小块的灰度均值;根据每个小块的灰度均值确定每个小块之间的水平梯度和垂直梯度,并根据水平梯度和垂直梯度的绝对值大小将每个小块编码成水平梯度特征码和垂直梯度特征码;由每个特征图像数据模板的所有小块的水平梯度特征码形成水平梯度特征码向量;由每个特征图像数据模板的所有小块的垂直梯度特征码形成垂直梯度特征码向量;以及将水平梯度特征码向量与垂直梯度特征码向量连接成一个向量,以作为所述局部梯度特征向量。4.根据权利要求1至3中任一项所述的虹膜识别方法,还包括:将局部梯度特征向量或联合特征向量与所述用户相关联地存储在特征库中。5.根据权利要求1至3中任一项所述的虹膜识别方法,还包括:将局部梯度特征向量或联合特征向量与特征库中预先存储的预定特征向量进行匹配,以对所述用户进行识别。6.根据权利要求1至5中任一项所述的虹膜识别方法,其中,对所接收的图像进行预处理包括:对所接收的一张或多张图像中的每张图像进行图像质量评价,以选择满足预定清晰度要求的一张或多张图像。7.根据权利要求6所述的虹膜识别方法,其中,所述图像质量评价是无参考质量评价。8.根据权利要求6或7所述的虹膜识别方法,其中,对所接收的图像进行预处理还包括:采用全变分模型成像约束对所选择的满足预定清晰度要求的一张或多张图像进行分割。9.根据权利要求8所述的虹膜识别方法,其中,采用全变分模型成像约束对所选择的满足预定清晰度要求的一张或多张图像进行分割包括:针对所选择的满足预定清晰度要求的一张或多张图像中的每张图像:以瞳孔中心为圆心,由内而外地径向计算所述图像中的每一个同心圆环窄带内的所有像素灰度值的全变分数值;以及确定全变分数值梯度变化最大的点作为虹膜的最大半径点。10.根据权利要求8或9所述的虹膜识别方法,其中,对所接收的图像进行预处理还包括:对分割后的一张或多张图像中的每一张图像进行归一化处理,以得到一张或多张矩形虹膜图像;以及从归一化后的一张或多张矩形虹膜图像的每一张图像中去除遮挡虹膜的区域,以得到用于特征提取的一张或多张虹膜图像。11.根据权利要求10所述的虹膜识别方法,其中,对所接收的图像进行预处理还包括:判断用于特征提取的一张或多张虹膜图像中的每一张图像是否满足预定虹膜纹理辨识度要求;以及从满足预定虹膜纹理辨识度要求的图像中选择虹膜纹理辨识度最高的一张图像。12.根据权利要求10或11所述的虹膜识别方法,其中,对所接收的图像进行预处理还包括:将用于特征提取的一张或多张虹膜图像中的每一张图像或者虹膜纹理辨识度最高的图像分别左右循环移动预定角度,以得到所述多个特征图像数据模板。13.根据权利要求12所述的虹膜识别方法,其中,所述预定角度在-15°到+15°的范围内。14.一种虹膜识别装置,包括:通信接口;至少一个处理器;以及存储器,所述存储器存储所述至少一个处理器可执行的指令,所述指令在被所述至少一个处理器执行时使得所述虹膜识别装置:接收用户的一张或多张包含虹膜的图像;对所接收的图像进行预处理,以获得多个特征图像数据模板;从多个特征图像数据模板中的每个特征图像数据模板中提取局部梯度特征向量,其中所述局部梯度特征向量描述虹膜的纹理走向和形态;以及基于局部梯度特征向量来识别所述用户。15.根据权利要求14所述的虹膜识别装置,其中,所述指令在被所述至少一个处理器执行时还使得所述虹膜识别装置:从多个特征图像数据模板中的每个特征图像数据模板中提取Gabor特征向量,其中所述Gabor特征向量描述虹膜的纹理细节,以及其中,基于局部梯度特征向量来识别所述用户包括:将提取的Gabor特征向量和局部梯度特征向量组合为与所述用户相对应的联合特征向量,使得能够基于联合特征向量来识别所述用户。16.根据权利要求14或15所述的虹膜识别装置,其中,从多个特征图像数据模板中的每个特征图像数据模板中提取局部梯度特征向量包括:将每个特征图像数据模板划分为预定尺寸大小的一系列小块;求每个小块的灰度均值;根据每个小块的灰度均值确定每个小块之间的水平梯度和垂直梯度,并根据水平梯度和垂直梯度的绝对值大小将每个小块编码成水平梯度特征码和垂直梯度特征码;由每个特征图像数据模板的所有小块的水平梯度特征码形成水平梯度特征码向量;由每个特征图像数据模板的所有小块的垂直梯度特征码形成垂直梯度特征码向量;以及将水平梯度特征码向量与垂直梯度特征码向量连接成一个向量,以作为所述局部梯度特征向量。17.根据权利要求14至16中任一项所述的虹膜识别装置,其中,所述指令在被所述至少一个处理器执行时还使得所述虹膜识别装置:将局部梯度特征向量或联合特征向量与所述用户相关联地存储在特征库中。18.根据权利要求14至16中任一项所述的虹膜识别装置,其中,所述指令在被所述至少一个处理器执行时还使得所述虹膜识别装置:将局部梯度特征向量或联合特征向量与特征库中预先存储的预定特征向量进行匹配,以对所述用户进行识别。...

【专利技术属性】
技术研发人员:黄欢赵刚
申请(专利权)人:上海荆虹电子科技有限公司
类型:发明
国别省市:上海,31

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1