一种虹膜分类方法及系统、电子设备和存储介质技术方案

本发明专利技术实施例提供一种虹膜分类方法及系统、电子设备和存储介质，其中，虹膜分类方法，包括：对虹膜图像进行背景划分处理，得到第一虹膜图像；对所述第一虹膜图像进行图像增强处理，得到第二虹膜图像；分割第二虹膜图像，得到子图像序列，并根据所述子图像序列得到子图像序列的特征向量；根据所述子图像序列的特征向量，得到最终的特征向量；将所述最终的特征向量输入分类器中，输出虹膜图像的类别。通过根据虹膜图像纹理特征间的差异对虹膜进行预先分类，获得不同的虹膜图像类别，能够适用于大规模的虹膜数据库特征匹配，缩短虹膜特征匹配过程的耗时，实现海量虹膜数据的快速识别，提高虹膜识别的效率与准确率。

【技术实现步骤摘要】
一种虹膜分类方法及系统、电子设备和存储介质
本专利技术涉及生物识别
，尤其涉及一种虹膜分类方法及系统、电子设备和存储介质。
技术介绍
科技的迅猛发展，不仅给人们的生活带来很多的便捷，也增加了各种安全隐患，人们对身份验证的可靠性、安全性的要求也在不断提高。虹膜识别技术因其唯一性、稳定性、可靠性及其极高的准确性，在近几年的自动身份识别与验证系统中越来越受到人们的欢迎，虹膜识别技术的应用场景也越来越广泛，被誉为最有发展前景的生物识别技术之一。虹膜识别的过程主要包括虹膜图像采集、虹膜图像预处理、虹膜图像分割、虹膜特征提取、虹膜特征匹配这五个关键步骤。其中，虹膜特征匹配是虹膜识别的最后一步，也是关键的一步，特征匹配的耗时越短，虹膜识别过程的效率就越高。目前的虹膜特征匹配算法主要是将处理后得到的待识别虹膜特征模板依次和虹膜数据库中的特征模板作比对，然后根据最大的比对结果返回身份识别认证的结果。然而，在实际的应用中，随着虹膜识别的应用场景逐渐广泛，虹膜数据库中特征模板的规模也逐渐增大，虹膜特征匹配过程的耗时将逐渐增长，将会慢慢影本文档来自技高网...

【技术保护点】
1.一种虹膜分类方法，其特征在于，包括：/n对虹膜图像进行背景划分处理，得到第一虹膜图像；/n对所述第一虹膜图像进行图像增强处理，得到第二虹膜图像；/n分割第二虹膜图像，得到子图像序列，并根据所述子图像序列得到子图像序列的特征向量；/n根据所述子图像序列的特征向量，得到最终的特征向量；/n将所述最终的特征向量输入分类器中，输出虹膜图像的类别。/n

【技术特征摘要】
1.一种虹膜分类方法，其特征在于，包括：
对虹膜图像进行背景划分处理，得到第一虹膜图像；
对所述第一虹膜图像进行图像增强处理，得到第二虹膜图像；
分割第二虹膜图像，得到子图像序列，并根据所述子图像序列得到子图像序列的特征向量；
根据所述子图像序列的特征向量，得到最终的特征向量；
将所述最终的特征向量输入分类器中，输出虹膜图像的类别。


2.根据权利要求1所述的虹膜分类方法，其特征在于，
所述对虹膜图像进行背景划分处理，得到第一虹膜图像，具体包括：
将定位于巩膜-虹膜外圆和虹膜-瞳孔内圆间的虹膜环形区域展开成一个固定大小的矩形图像；
对所述矩形图像中检测到的被遮挡的部分进行特定处理，得到第一虹膜图像；所述特定处理为将矩形图像中被遮挡的部分标记为背景区域。


3.根据权利要求2所述的虹膜分类方法，其特征在于，
所述分割第二虹膜图像，得到子图像序列，具体包括：
将所述第二虹膜图像沿水平方向分割成两部分，选择其中背景区域较小的部分作为待分割图像；
将所述待分割图像沿竖直方向分割成K部分，得到子图像序列；所述K大于等于2，且K为正整数。


4.根据权利要求3所述的虹膜分类方法，其特征在于，
所述子图像序列的特征向量包括：梯度直方图特征向量和统计特征向量；
对应的，所述根据所述子图像序列得到子图像序列的特征向量，具体包括：
计算子图像序列的梯度直方图特征，得到梯度直方图特征向量；
计算子图像序列的标准差特征分布，得到统计特征向量。


5.根据权利要求4所述的虹膜分类方法，其特征在于，
所述计算子图像序列的梯度直方图特征，得到梯度直方图特征向量，具体包括：
滤除子图像序列中标记为背景区域的像素点以及与所述背景区域之间的距离在预设值内的像素点；
计算子图像序列的梯度直方图特征，得到梯度直方图特征向量；
以及，所述计算子图像序列的标准差特征分布，得到统计特征向...

【专利技术属性】
技术研发人员：易开军，高俊雄，杨华，罗恒，袁保国，
申请(专利权)人：武汉虹识技术有限公司，
类型：发明
国别省市：湖北;42