一种基于深度三层次的虹膜识别方法技术

本发明专利技术特别涉及一种基于深度三层次的虹膜识别方法。该基于深度三层次的虹膜识别方法，包括噪声评估，图像转换和识别三部分，采用噪声评估网络对图像是否受外界干扰影响进行评估，分为不受外界干扰和受外界干扰两类；采用图像转换网络对受外界干扰的图像进行转换，生成高质量的消除外界干扰的图像；采用识别网络对生成的高质量的消除外界干扰的图像进行识别。该基于深度三层次的虹膜识别方法，能够消除外界环境的影响，提高了虹膜识别的准确性和识别效率，保障了个人身份验证的安全性和便利性，适宜推广应用。

An Iris Recognition Method Based on Three-level Depth

【技术实现步骤摘要】
一种基于深度三层次的虹膜识别方法
本专利技术涉及生物识别
，特别涉及一种基于深度三层次的虹膜识别方法。
技术介绍
随着科技的发展和人们生活水平的提高，个人身份验证的需求越来越旺盛。生物识别技术由于其较高的安全性和便利性已经受到政府、研究机构的广泛关注。虹膜识别技术是人体生物识别技术的一种，是通过对比虹膜图像特征之间的相似性来确定人们的身份。人眼睛的外观图由巩膜、虹膜、瞳孔三部分构成。巩膜即眼球外围的白色部分，约占总面积的30％；眼睛中心为瞳孔部分，约占5％；虹膜位于巩膜和瞳孔之间，包含了最丰富的纹理信息，占据65％。外观上看，由许多腺窝、皱褶、色素斑等构成，是人体中最独特的结构之一。虹膜的形成由遗传基因决定，人体基因表达决定了虹膜的形态、生理、颜色和总的外观。人发育到八个月左右，虹膜就基本上发育到了足够尺寸，进入了相对稳定的时期。除非极少见的反常状况、身体或精神上大的创伤才可能造成虹膜外观上的改变外，虹膜形貌可以保持数十年没有多少变化。另一方面，虹膜是外部可见的，但同时又属于内部组织，位于角膜后面。要改变虹膜外观，需要非常精细的外科手术，而且要冒着视力损伤的危险。虹膜的高度独特性、稳定性及不可更改的特点，是虹膜可用作身份鉴别的物质基础。在包括指纹在内的所有生物识别技术中，虹膜识别是当前应用最为方便和精确的一种。虹膜识别具有以下优点：1.便于用户使用；2.可能会是最可靠的生物识别技术；3.不需物理的接触；4.可靠性高。快捷方便：拥有本系统，不需要携带任何证件，就能实现门控，可单向亦可双向；既可以被授权控制一扇门，也可以控制开启多扇门；授权灵活：本系统根据管理的需要，可任意调整用户权限，随时了解用户动态，包括客户身份、操作地点、功能及时间次序等，实现实时智能管理；无法复制：本系统以虹膜信息为密码，不可复制；且每一次活动，都可自动记录，便于追溯、查询，非法情况则自动报警；配置灵活多样：使用人和管理者可根据自身喜好、需要或场合的不同，设定不同的安装及运行方式。比如在大堂等公共场所，可以只采用输入密码的方式，但在重要场合，则禁止使用密码，只采用虹膜识别方式，当然也可以两种方式同时使用；投入少、免维护：装配本系统可以保留原来的锁，但其机械运动件减少，且运动幅度小，门栓的寿命更长；系统免维护，并可随时扩充、升级，无须重新购置设备。长远来看，效益显著，并可使管理档次大大的提高。应用行业广泛：广泛应用于煤矿、银行、监狱、门禁、社保、医疗等多种行业。因此，虹膜识别技术被广泛认为是二十一世纪最具有发展前途的生物认证技术，未来的安防、国防、电子商务等多种领域的应用，也必然的会以虹膜识别技术为重点。这种趋势已经在全球各地的各种应用中逐渐开始显现出来，市场应用前景非常广阔。在众多的生物特征中，虹膜识别是对安全性有较高要求场景下的首选身份验证方式。然而虹膜在图像采集时，受光照、姿势等外界环境的影响较大。在非控制条件下，现有的方法很难取得令人满意的识别效果。基于上述情况，本专利技术提出了一种基于深度三层次的虹膜识别方法。
技术实现思路
本专利技术为了弥补现有技术的缺陷，提供了一种简单高效的基于深度三层次的虹膜识别方法。本专利技术是通过如下技术方案实现的：一种基于深度三层次的虹膜识别方法，其特征在于：包括噪声评估，图像转换和识别三部分，具体包括以下步骤：(A)采用噪声评估网络对图像是否受外界干扰影响进行评估，分为不受外界干扰和受外界干扰两类；(B)采用图像转换网络对受外界干扰的图像进行转换，生成高质量的消除外界干扰的图像；(C)采用识别网络对生成的高质量的消除外界干扰的图像进行识别。所述噪声是指外界干扰因素。所述步骤(B)中，采用TP-GAN技术按比例将受外界干扰的图像生成高质量的消除外界干扰的图像。本专利技术基于深度三层次的虹膜识别方法，包括训练和识别两个阶段。所述训练阶段，包括以下步骤：(1)收集训练集，对训练集增加额外的标记，即受外界干扰和不受外界干扰；(2)采用训练噪声评估网络对图像是否受到外界干扰进行分析；(3)采用构建图像转换网络学习不受外界条件干扰图像的特点，对受外界条件干扰图像进行图像转换，降低外界条件对图像的干扰；(4)建立识别网络，采用识别网络对生成的高质量的消除外界干扰的图像进行识别。所述步骤(2)中，采用Resnet网络结构作为噪声评估网络，在训练集上进行训练，对图像是否受到外界干扰进行分析。所述步骤(3)中，图像转换网络采用GAN框架，图像转换网络模型使用TP-GAN技术。所述识别阶段，包括以下步骤：(1)将测试图像输入到网络中，首先经过噪声评估网络对图像是否受外界条件影响进行评测；(2)如果图像受到外界条件干扰，则将其输入到图像转换网络，生成对应的消除外界干扰的图像；(3)然后再将生成的对应的消除外界干扰的图像输入到识别网络进行识别，得到最终的识别结果。本专利技术的有益效果是：该基于深度三层次的虹膜识别方法，能够消除外界环境的影响，提高了虹膜识别的准确性和识别效率，保障了个人身份验证的安全性和便利性，适宜推广应用。附图说明附图1为本专利技术基于深度三层次的虹膜识别方法示意图。具体实施方式为了使本专利技术所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图和实施例，对本专利技术进行详细的说明。应当说明的是，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。该基于深度三层次的虹膜识别方法，包括噪声评估，图像转换和识别三部分，具体包括以下步骤：(A)采用噪声评估网络对图像是否受外界干扰影响进行评估，分为不受外界干扰和受外界干扰两类；(B)采用图像转换网络对受外界干扰的图像进行转换，生成高质量的消除外界干扰的图像；(C)采用识别网络对生成的高质量的消除外界干扰的图像进行识别。所述噪声是指外界干扰因素。所述步骤(B)中，采用TP-GAN技术按比例将受外界干扰的图像生成高质量的消除外界干扰的图像。该基于深度三层次的虹膜识别方法，包括训练和识别两个阶段。所述训练阶段，包括以下步骤：(1)收集训练集，对训练集增加额外的标记，即受外界干扰和不受外界干扰；(2)采用训练噪声评估网络对图像是否受到外界干扰进行分析；(3)采用构建图像转换网络学习不受外界条件干扰图像的特点，对受外界条件干扰图像进行图像转换，降低外界条件对图像的干扰；(4)建立识别网络，采用识别网络对生成的高质量的消除外界干扰的图像进行识别。所述步骤(2)中，采用Resnet网络结构作为噪声评估网络，在训练集上进行训练，对图像是否受到外界干扰进行分析。所述步骤(3)中，图像转换网络采用GAN框架，图像转换网络模型使用TP-GAN技术。所述识别阶段，包括以下步骤：(1)将测试图像输入到网络中，首先经过噪声评估网络对图像是否受外界条件影响进行评测；(2)如果图像受到外界条件干扰，则将其输入到图像转换网络，生成对应的消除外界干扰的图像；(3)然后再将生成的对应的消除外界干扰的图像输入到识别网络进行识别，得到最终的识别结果。本文档来自技高网...

【技术保护点】
1.一种基于深度三层次的虹膜识别方法，其特征在于：包括噪声评估，图像转换和识别三部分，具体包括以下步骤：(A)采用噪声评估网络对图像是否受外界干扰影响进行评估，分为不受外界干扰和受外界干扰两类；(B)采用图像转换网络对受外界干扰的图像进行转换，生成高质量的消除外界干扰的图像；(C)采用识别网络对生成的高质量的消除外界干扰的图像进行识别。

【技术特征摘要】
1.一种基于深度三层次的虹膜识别方法，其特征在于：包括噪声评估，图像转换和识别三部分，具体包括以下步骤：(A)采用噪声评估网络对图像是否受外界干扰影响进行评估，分为不受外界干扰和受外界干扰两类；(B)采用图像转换网络对受外界干扰的图像进行转换，生成高质量的消除外界干扰的图像；(C)采用识别网络对生成的高质量的消除外界干扰的图像进行识别。2.根据权利要求1所述的基于深度三层次的虹膜识别方法，其特征在于：所述噪声是指外界干扰因素。3.根据权利要求1所述的基于深度三层次的虹膜识别方法，其特征在于：所述步骤(B)中，采用TP-GAN技术按比例将受外界干扰的图像生成高质量的消除外界干扰的图像。4.根据权利要求3所述的基于深度三层次的虹膜识别方法，其特征在于：包括训练和识别两个阶段。5.根据权利要求4所述的基于深度三层次的虹膜识别方法，其特征在于：所述训练阶段，包括以下步骤：(1)收集训练集，对训练集增加额外的标记，即受外界干扰和不受外界干扰；(2)采用训练噪声评估网络对图像是否受到外界干...

【专利技术属性】
技术研发人员：袭肖明，于治楼，李锐，
申请(专利权)人：济南浪潮高新科技投资发展有限公司，
类型：发明
国别省市：山东,37