计算机辅助虹膜比对方法及装置制造方法及图纸

本发明专利技术提供了一种计算机辅助虹膜比对方法及装置，其中，该方法包括：获取第一和第二虹膜图像；将第一虹膜图像中的虹膜和第二虹膜图像中的虹膜旋转至同一角度；对旋转后的第一虹膜图像和第二虹膜图像进行虹膜定位并进行归一化操作；归一化操作包括虹膜半径归一化、瞳孔半径归一化、及矩形展开归一化中的一种或多种；计算归一化操作后的第一虹膜图像和第二虹膜图像中相应位置的虹膜纹理特征属性信息；输出虹膜纹理特征属性信息进行显示，以获取两幅虹膜图像中对应区域的纹理进行一致性比对结果；若比对认定一致的虹膜纹理特征满足同一性认定，认定第一虹膜图像和第二虹膜图像来自同一个虹膜。上述方案填补了人工虹膜比对领域的空白。

【技术实现步骤摘要】
计算机辅助虹膜比对方法及装置
本专利技术涉及虹膜识别
，尤其涉及一种计算机辅助虹膜比对方法及装置。
技术介绍
虹膜识别因其具有高度的稳定性、唯一性、防伪性，被视为安全性极高的生物特征识别方法，并且正在被越来越广泛地应用于高识别精度应用场景。目前虹膜识别方法均为计算机虹膜识别，即计算机自动采集用户的虹膜图像，提取虹膜特征，并与数据库中的虹膜特征模板进行比对，完成用户身份的识别。但是，目前计算机虹膜识别水平不能百分之百准确地处理所有虹膜图像，如部分虹膜图像会出现散瞳、虹膜不规则等情况，而导致虹膜识别失败；又如利用虹膜识别对尸体身份进行确认时，会因为尸体虹膜畸变而致使身份认证失败。另外，在司法鉴定过程中，对生物特征进行鉴定时，要求通过人工对客观生物特征进行鉴定并给出鉴定结果，所以无法将计算机识别生物特征的结果作为司法鉴定的依据，这使得虹膜鉴定领域处于空白状态。
技术实现思路
有鉴于此，本专利技术提供了一种计算机辅助虹膜比对方法及装置，以实现人工参与的虹膜比对，填补人工虹膜比对领域的空白，提高虹膜识别成功率并满足虹膜鉴本文档来自技高网...

【技术保护点】
1.一种计算机辅助虹膜比对方法，其特征在于，包括：/n获取待比对的第一虹膜图像和第二虹膜图像；/n将所述第一虹膜图像中的虹膜和所述第二虹膜图像中的虹膜旋转至同一角度；/n对旋转后的所述第一虹膜图像和旋转后的所述第二虹膜图像进行虹膜定位；/n对虹膜定位后的所述第一虹膜图像和虹膜定位后的所述第二虹膜图像进行归一化操作；其中，归一化操作包括虹膜半径归一化、瞳孔半径归一化、及矩形展开归一化中的一种或多种；/n计算进行归一化操作后的所述第一虹膜图像和进行归一化操作后的所述第二虹膜图像中相应位置的虹膜纹理特征的属性信息；/n输出所述相应位置的虹膜纹理特征的属性信息进行显示，以获取所述第一虹膜图像和所述第二...

【技术特征摘要】
1.一种计算机辅助虹膜比对方法，其特征在于，包括：
获取待比对的第一虹膜图像和第二虹膜图像；
将所述第一虹膜图像中的虹膜和所述第二虹膜图像中的虹膜旋转至同一角度；
对旋转后的所述第一虹膜图像和旋转后的所述第二虹膜图像进行虹膜定位；
对虹膜定位后的所述第一虹膜图像和虹膜定位后的所述第二虹膜图像进行归一化操作；其中，归一化操作包括虹膜半径归一化、瞳孔半径归一化、及矩形展开归一化中的一种或多种；
计算进行归一化操作后的所述第一虹膜图像和进行归一化操作后的所述第二虹膜图像中相应位置的虹膜纹理特征的属性信息；
输出所述相应位置的虹膜纹理特征的属性信息进行显示，以获取所述第一虹膜图像和所述第二虹膜图像中对应区域的纹理的一致性比对结果；
在一致性比对结果中存在大于或等于设定数量的所述相应位置的虹膜纹理特征均为一致的情况下，确认所述第一虹膜图像和所述第二虹膜图像中虹膜均来自同一虹膜。


2.如权利要求1所述的计算机辅助虹膜比对方法，其特征在于，将所述第一虹膜图像中的虹膜和所述第二虹膜图像中的虹膜旋转至同一角度之前，还包括：
接收确认所述第一虹膜图像和所述第二虹膜图像均符合虹膜图像数据质量要求的判断结果。


3.如权利要求1所述的计算机辅助虹膜比对方法，其特征在于，将所述第一虹膜图像中的虹膜和所述第二虹膜图像中的虹膜旋转至同一角度，包括：
获取所述第一虹膜图像中的虹膜对应的内外眼角连线所在直线和所述第二虹膜图像中的虹膜对应的内外眼角连线所在直线；
通过旋转虹膜图像使所述第一虹膜图像中的虹膜对应的内外眼角连线所在直线和所述第二虹膜图像中的虹膜对应的内外眼角连线所在直线的方向一致。


4.如权利要求3所述的计算机辅助虹膜比对方法，其特征在于，
获取待比对的第一虹膜图像和第二虹膜图像，包括：
获取并显示待比对的第一虹膜图像和第二虹膜图像；
获取所述第一虹膜图像中的虹膜对应的内外眼角连线所在直线和所述第二虹膜图像中的虹膜对应的内外眼角连线所在直线，包括：
接收针对所述第一虹膜图像中虹膜的内眼角点击指令和外眼角点击指令，并根据针对所述第一虹膜图像中虹膜的内眼角点击指令和外眼角点击指令生成所述第一虹膜图像中的虹膜对应的内外眼角连线所在直线；
接收针对所述第二虹膜图像中虹膜的内眼角点击指令和外眼角点击指令，并根据针对所述第二虹膜图像中虹膜的内眼角点击指令和外眼角点击指令生成所述第二虹膜图像中的虹膜对应的内外眼角连线所在直线。


5.如权利要求1所述的计算机辅助虹膜比对方法，其特征在于，对旋转后的所述第一虹膜图像和旋转后的所述第二虹膜图像进行虹膜定位，包括：
利用虹膜定位神经网络模型分别对旋转后的所述第一虹膜图像和旋转后的所述第二虹膜图像进行虹膜定位，得到旋转后的所述第一虹膜图像中的虹膜边界位置和旋转后的所述第二虹膜图像中的虹膜边界位置；
其中，所述虹膜定位神经网络模型包括深度卷积网络共享层、关键点回归网络层、虹膜分割网络层、及输出层；所述深度卷积网络共享层的输出与所述关键点回归网络层的输入和所述虹膜分割网络层的输入连接，所述虹膜分割网络层的输出和所述关键点回归网络层的输出均与所述输出层的输入连接；所述深度卷积网络共享层用于将输入的虹膜图像转换为共享特征图；所述关键点回归网络层用于从共享特征图中提取虹膜图像中的虹膜区域关键点的位置信息；所述虹膜分割网络层用于将共享特征图分割为与其每个像素一一对应的分割图像，分割图像中每个像素的像素值用于标识相应像素是否属于虹膜图像中的虹膜区域；所述输出层用于根据分割图像和输入的虹膜图像计算得到虹膜图像中的初始虹膜边界，并综合初始虹膜边界和虹膜区域关键点的位置信息得到虹膜图像中的虹膜边界位置。


6.如权利要求5所述的计算机辅助虹膜比对方法，其特征在于，还包括：
基于总体损失函数训练得到所述虹膜定位神经网络模型；
其中，所述总体损失函数表示为：
Loss＝λreg×Lossreg+λcls×Losscls，






其中，Loss表示总体损失函数，Lossreg表示所述关键点回归网络层对应的关键点回归损失函数，Losscls表示所述虹膜分割网络层对应的虹膜分割平均分割误差，λreg表示关键点回归损失函数的权重，λcls表示虹膜分割平均分割误差的权重，N表示训练样本数量，M表示一幅虹膜图像中关键点的数目，i表示训练样本的序号，j表示虹膜图像中关键点的序号，i和j为正整数，1≤i≤N，1≤j≤M，xij、yij分别表示预测关键点的行坐标和列坐标，分别表示标记的关键点的行坐标和列坐标，i'、j'分别表示像素的行序号和列序号，H、W分别表示虹膜图像的高和宽，n表示样本的序号，n为正整数，1≤n≤N，G(i',j')表示分割图像中表示第i'行第j'列的像素是否为虹膜区域的像素值，M(i',j')表示第i'行第j'列的像素是否为虹膜区域预测结果。


7.如权利要求5所述的计算机辅助虹膜比对方法，其特征在于，对旋转后的所述第一虹膜图像和旋转后的所述第二虹膜图像进行虹膜定位，还包括：
输出显示旋转后的所述第一虹膜图像中的虹膜边界位置和旋转后的所述第二虹膜图像中的虹膜边界位置，以获取人...

【专利技术属性】
技术研发人员：陈子龙，马力，王子政，苗迪，胡文锋，邱显超，秦旗，刘京，刘寰，王玥，苗振民，
申请(专利权)人：公安部物证鉴定中心，北京中科虹霸科技有限公司，
类型：发明
国别省市：北京;11