【技术实现步骤摘要】
用于虹膜识别的方法和装置
本专利技术的实施例总体上涉及生物识别领域,并且特别涉及用于虹膜识别的方法和装置。
技术介绍
随着技术的发展,生物识别技术开始逐渐成为热点。生物识别技术具有方便和精准的特点,被越来越多地应用在安全领域。由于虹膜本身具有的独特的结构特征,在生物识别技术中,虹膜识别技术的精准和方便得到了业界普遍的认可,其具有高精度、非侵犯性、简单易用的优势,被广泛应用于银行、机场、电子商务、门禁系统等场景中。在一般情况下,人类的虹膜分布在外侧半径为6mm左右的圆环上。要在如此小的区域上提取信息非常困难。一方面,需要硬件的增强,例如提高摄像头的分辨率,以获得更丰富的纹理信息;另一方面,在硬件条件已经固定的情况下,需要更为精确的特征描述方法。目前,可以利用的虹膜数据库主要有3个:CASIA数据库,MMU数据库,和UBIRIS数据库。这些数据库在采集虹膜图像样本时充分考虑了光照、距离、分辨率等多种印象因素。例如这些数据库中收集了在不同光照条件下,同一目标的同一只眼睛的虹膜图像,以便通过处理减少光照因素对于后期处理的影响。但是,目前的图像处理方法难以充分利用上述数据库,综合考虑各方面的影响,而仅能专注的解决一个影响因素。而实际应用中显然存在多种影响因素,因此,会影响虹膜识别技术的实际使用。
技术实现思路
总体上,本专利技术的实施例提出一种用于虹膜识别的技术方案。在一个方面,本专利技术的实施例提供一种用于虹膜识别的方法。所述方法包括:获取虹膜图像;将获取的虹膜图像和目标虹膜图像输入经过训练以学习输入之间相似度的双流深度网络,以获取所述双流深度网络对所述获取的虹膜图像 ...
【技术保护点】
1.一种用于虹膜识别的方法,所述方法包括:获取虹膜图像;将获取的虹膜图像和目标虹膜图像输入经过训练以学习输入之间相似度的双流深度网络,以获取所述双流深度网络对所述获取的虹膜图像和所述目标虹膜图像处理后的两个输出;计算所述两个输出之间的距离;以及根据所述距离进行所述虹膜图像和所述目标虹膜图像的相似度判断。
【技术特征摘要】
2017.03.18 CN 201710164552X1.一种用于虹膜识别的方法,所述方法包括:获取虹膜图像;将获取的虹膜图像和目标虹膜图像输入经过训练以学习输入之间相似度的双流深度网络,以获取所述双流深度网络对所述获取的虹膜图像和所述目标虹膜图像处理后的两个输出;计算所述两个输出之间的距离;以及根据所述距离进行所述虹膜图像和所述目标虹膜图像的相似度判断。2.根据权利要求1所述的方法,其中,所述双流深度网络为权值共享的双流深度网络。3.根据权利要求1所述的方法,其中,所述双流深度网络为Siamese双流深度网络。4.根据权利要求1所述的方法,其中,所述获取虹膜图像包括:对瞳孔边界进行界定;对虹膜外边界进行界定;将所述瞳孔边界作为所述虹膜图像的内边界,将所述虹膜外边界作为所述虹膜图像的外边界,得到所述虹膜图像。5.根据权利要求4所述的方法,其中,所述对瞳孔边界进行界定包括:对采样图像进行降噪处理;对降噪后的图像进行边界检测,得到瞳孔边界。6.根据权利要求5所述的方法,其中,所述降噪处理至少包括以下之一:进行中值滤波;进行阈值化操作;进行形态学操作。7.根据权利要求5所述的方法,其中,所述降噪处理包括:对所述采样图像进行中值滤波;对滤波后的图像进行阈值化操作;以及对阈值化后的图像进行形态学操作。8.根据权利要求5所述的方法,其中,所述对降噪后的图像进行边界检测,得到瞳孔边界,包括:利用霍夫变换在设定半径内搜索最匹配的圆作为所述瞳孔边界。9.根据权利要求4所述的方法,其中,所述对虹膜外边界进行界定,包括:以瞳孔圆心为中心截取一图像块,所述图像块包括虹膜外边界;对所述图像块进行边缘检测;利用霍夫变换在设定半径内搜索响应最大的圆作为虹膜边界。10.根据权利要求9所述的方法,其中,所述对虹膜外边界进行界定,进一步包括:在对所述图像块进行边缘检测后,增强该图像块的对比度;所述利用霍夫变换在设定半径内搜索响应最大的圆作为虹膜边界包括:对于对比度增强后的图像块,利用霍夫变换在设定半径内搜索响应最大的圆作为虹膜边界。11.根据权利要求1所述的方法,其中,所述获取虹膜图像,包括:截取虹膜图像左侧部分和右侧部分中的至少一个;将截取的虹膜图像展开为矩形;将所述矩形作为获取的虹膜图像。12.根据权利要求1所述的方法,其中,所述方法进一步包括训练所述双流深度网络,所述训练所述双流深度网络包括:将样本对输入双流深度网络以得到所述双流深度网络对所述样本对处理后的两个输出;计算所述两个输出之间的距离;优化所述双流深度网络使得:响应于所述样本对为正样本对,所述距离不大于第一阈值,其中,所述正样本对中的两个样本属于同一眼睛;以及响应于所述样本对为负样本对,所述距离不小于第二阈值,其中,所述负样本对中的两个样本属于不同眼睛;其中,所述第一阈值和所述第二阈值满足以下之一:第一阈值小于第二阈值;第一阈值等于第二阈值。13.根据权利要求12所述的方法,其中,所述优化所述双流深度网络包括:采用反向传播算法优化所述双流深度网络。14.根据权利要求12所述的方法,其中,所述优化所述双流深度网络包括:计算每个样本对的损失,并使得所述双流深度网路ode总损失最小,其中计算损失的损失函数采用最大边约束。15.根据权利要求12所述的方法,其中,所述样本对来自训练样本集;所述方法进一步包括获取训练样本集,所述获取训练样本集包括:对已有图像进行小角度旋转,得到增强后的图像集合;将来自同一眼睛的第一图像和第二图像组成正样本对;将来自不同眼睛的第三图像和第四图像组成负样本对;其中,所述第一图像、所述第二图像、所述第三图像和所述第四图像都来自于所述增强后的图像集合。16.根据权利要求15所述的方法,其中,所述方法进一步包括:从增强后的图像集合中进行随机采样得到所述第一图像、所述第二图像、所述第三图像和所述第四图像以使得正样本对和负样本对的数量平衡。17.根据权利要求12所述的方法,其中,所述方法进一步包括获取所述样本对中的样本,所述获取所述样本对中的样本,包括:对瞳孔边界进行界定;对虹膜外边界进行界定;将所述瞳孔边界作为所述样本的内边界,将所述虹膜外边界作为所述样本的外边界,得到所述样本。18.根据权利要求17所述的方法,其中,所述对瞳孔边界进行界定包括:对采样图像进行降噪处理;对降噪后的图像进行边界检测,得到瞳孔边界。19.根据权利要求17所述的方法,其中,所述对虹膜外边界进行界定,包括:以瞳孔圆心为中心截取一图像块,所述图像块包括虹膜外边界;对所述图像块进行边缘检测;利用霍夫变换在设定半径内搜索响应最大的圆作为虹膜边界。20.根据权利要求1所述的方法,其中,根据所述距离进行所述虹膜图像和所述目标虹膜图像的相似度判断,包括以下至少之一:响应于所述距离小于第三阈值,确定所述虹膜图像与所述目标虹膜图像相似;响应于所述距离大于第三阈值,确定所述虹膜图像与所述目标虹膜图像不相似。21.一种用于虹膜识别的装置,所述装置包括:获取模块,被配置为获取虹膜图像;输入模块,被配置为将获取的虹膜图像和目标虹膜图像输入经过训练以学习输入之间相似度的双流深度网络,以获取所述双流深度网络对所述获取的虹膜图像和所述目标虹膜图像处理后的两个输出;计算模块,被配置为计算所述两个输出之间的距离;以及判断模块,被配置为根据所述距离进行所述虹膜图像和所述目标虹膜图像的相似度判断。22.根据权利要求21所述的装置,其中,所述双流深度网络为权值共享的双流深度网络。2...
【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
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。