生成眼角识别模型的方法及识别眼部图像中眼角的方法技术

本公开公开了生成眼角识别模型的方法及识别眼部图像中眼角的方法。其中，生成眼角识别模型的方法包括步骤：对眼部图像中的眼角关键点进行标注，得到标注数据；对眼部图像及标注数据分别进行预处理，得到预处理后的眼部图像及预处理后的标注数据；构建眼角识别模型，并设置初始模型参数；将预处理后的眼部图像输入眼角识别模型，以识别其中的眼角关键点，并输出包含眼角关键点的特征图；对特征图进行处理，生成关于眼角关键点的数值坐标；基于标注数据、数值坐标和特征图，确定损失值，以更新眼角识别模模型参数，直到损失值满足预定条件时，将所对应的眼角识别模型作为最终生成的眼角识别模型。角识别模型。角识别模型。

【技术实现步骤摘要】
生成眼角识别模型的方法及识别眼部图像中眼角的方法


[0001]本公开涉及图像处理
，尤其涉及识别眼部图像中眼角是否可见的方法。

技术介绍

[0002]在身份识别等
，虹膜特征因具有稳定性、唯一性和非侵犯性的特点，有着广泛的市场前景和科学研究价值。
[0003]在实际应用场景中，采集的包含人眼的眼部图像，有时会出现一些不利于虹膜识别的情况。例如，因遮挡等情况，眼部图像只包含眼部的一部分，缺少眼角等特征；又如，眼部图像中人眼存在不同程度的倾斜。这些问题都制约了虹膜识别的效率和准确性。
[0004]鉴于此，需要一种对眼部图像的处理方案，以解决上述问题。

技术实现思路

[0005]为此，本公开提供了生成眼角识别模型的方法及识别眼部图像中眼角的方法，以力图解决或至少缓解上面存在的问题。
[0006]根据本公开的第一个方面，提供了一种生成眼角识别模型的方法，包括步骤：对眼部图像中的眼角关键点进行标注，得到标注数据；对眼部图像及标注数据分别进行预处理，得到预处理后的眼部图像及预处理后的标注数据；构建眼角识别模型，并设置初始模型参数；将预处理后的眼部图像输入眼角识别模型，以识别其中的眼角关键点，并输出包含眼角关键点的特征图；对特征图进行处理，生成关于眼角关键点的数值坐标；基于标注数据、数值坐标和特征图，确定损失值，以更新眼角识别模型的模型参数，直到损失值满足预定条件时，将所对应的眼角识别模型作为最终生成的眼角识别模型。
[0007]可选地，在根据本公开的方法中，对眼部图像及标注数据分别进行预处理，得到预处理后的眼部图像及预处理后的标注数据的步骤包括：按照预设尺寸，从眼部图像中裁剪出人眼区域，并将裁剪出的图像作为预处理后的眼部图像；对标注数据中的人眼关键点的标注坐标进行归一化，得到预处理后的标注数据。
[0008]可选地，在根据本公开的方法中，眼角识别模型包括相互耦接的卷积处理组件和分类组件；卷积处理组件至少包括多个处理阶段、且各处理阶段间耦接有注意力模块，其中，多个处理阶段适于提取预处理后的眼部图像的特征，注意力模块适于增强预处理后的眼部图像的特征。
[0009]可选地，在根据本公开的方法中，将预处理后的眼部图像输入眼角识别模型，以识别其中的眼角关键点，并输出包含眼角关键点的特征图的步骤包括：通过卷积处理组件，提取预处理后的眼部图像的眼角关键点，并输出包含眼角关键点的位置坐标的第一特征图；通过分类组件，预测所提取的眼角关键点可见的概率，并输出包含概率的第二特征图。
[0010]可选地，在根据本公开的方法中，对特征图进行处理，生成关于眼角关键点的数值坐标的步骤包括：生成与所述第二特征图相同大小的特征图模板，且特征图模板的值分布在区间[
‑
1,1]；对特征图模板与第二特征图进行点积运算，生成数值坐标。
[0011]可选地，在根据本公开的方法中，标注数据包括：眼角关键点的标注坐标及指示眼角关键点是否可见的属性标签，其中，当眼角关键点可见时，属性标签为1，当眼角关键点不可见时，属性标签为0。
[0012]可选地，根据本公开的方法还包括步骤：若属性标签为0，则只计算数值坐标的损失值；若属性标签为1，则计算数值坐标的损失值和第二特征图的损失值。
[0013]根据本公开的第二个方面，提供了一种识别眼部图像中眼角的方法，包括步骤：将眼部图像输入眼角识别模型，经处理后输出包含眼角关键点的特征图；对特征图中的眼角关键点的坐标进行转换，生成转换后坐标；若转换后坐标不在眼部图像的坐标范围内，则确认眼部图像中眼角不可见；若转换后坐标在眼部图像的坐标范围内，则通过计算眼角关键点的置信度，来确认眼部图像中的眼角是否可见，其中眼角识别模型通过执行如上所述的方法来生成。
[0014]可选地，在根据本公开的方法中，通过计算眼角关键点的置信度，来确认眼部图像中的眼角是否可见的步骤，包括：基于特征图与特征图模板，计算方差；基于方差，确定眼角关键点的置信度；若置信度大于阈值，则确认眼部图像中的眼角可见；若置信度不大于阈值，则确认眼部图像中的眼角不可见。
[0015]根据本公开的第三个方面，提供了一种计算设备，包括：至少一个处理器；和存储有程序指令的存储器，当程序指令被处理器读取并执行时，使得计算设备执行上述方法。
[0016]根据本公开的第四个方面，提供一种存储有程序指令的可读存储介质，当所述程序指令被计算设备读取并执行时，使得计算设备执行上述方法。
[0017]根据本公开的技术方案，在训练眼角识别模型时，先通过预处理使标注数据标准化。之后，针对人眼的结构特征设计卷积神经网络，来提取人眼特征信息，所构建的眼角识别模型，在保证检测精度的同时，又兼顾了网络延迟问题。
[0018]上述说明仅是本公开技术方案的概述，为了能够更清楚了解本公开的技术手段，而可依照说明书的内容予以实施，并且为了让本公开的上述和其它目的、特征和优点能够更明显易懂，以下特举本公开的具体实施方式。
附图说明
[0019]为了实现上述以及相关目的，本文结合下面的描述和附图来描述某些说明性方面，这些方面指示了可以实践本文所公开的原理的各种方式，并且所有方面及其等效方面旨在落入所要求保护的主题的范围内。通过结合附图阅读下面的详细描述，本公开的上述以及其它目的、特征和优势将变得更加明显。遍及本公开，相同的附图标记通常指代相同的部件或元素。
[0020]图1示出了根据本公开一个实施例的计算设备100的示意图；图2示出了根据本公开一个实施例的生成眼角识别模型的方法200的流程示意图；图3示出了根据本公开一个实施例的眼角识别模型300的结构示意图；图4示出了根据本公开一个实施例的注意力结构的处理过程的示意图；图5和图6示出了根据本公开一个实施例的眼角识别模型300的主要模块的示意图；图7示出了根据本公开一种实施例的识别眼部图像中眼角的方法700的流程示意
图。
具体实施方式
[0021]下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
[0022]针对现有技术中存在的问题，本公开提供了一种识别眼部图像中眼角的方案。通过该方案，能够快速识别出眼部图像中的眼角。在根据本公开的实施例中，识别出的眼角用眼角关键点来指示，更具体地，采用左眼角点和右眼角点来指示。这样，一方面可以过滤掉眼部图像中因遮挡等原因造成的眼角不在图像中的情况，以此得到更符合规范的眼部图像。这对后续的其他任务会有帮助，比如在判断虹膜属于左眼或右眼时，眼角是否存在对其判断结果有着较大的影响。另一方面，在虹膜识别系统中，通过识别出眼角，可根据眼角的两个角点（即，左眼角点和右眼角点）对虹膜图像进行旋转，使眼角两个点处在同一水平面上，这将加速后续虹膜识别的速度。
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种生成眼角识别模型的方法，包括步骤：对眼部图像中的眼角关键点进行标注，得到标注数据；对所述眼部图像及所述标注数据分别进行预处理，得到预处理后的眼部图像及预处理后的标注数据；构建眼角识别模型，并设置初始模型参数；将所述预处理后的眼部图像输入所述眼角识别模型，以识别其中的眼角关键点，并输出包含眼角关键点的特征图；对所述特征图进行处理，生成关于眼角关键点的数值坐标；基于所述标注数据、所述数值坐标和所述特征图，确定损失值，以更新所述眼角识别模型的模型参数，直到所述损失值满足预定条件时，将所对应的眼角识别模型作为最终生成的眼角识别模型。2.如权利要求1所述的方法，其中，所述眼角识别模型包括相互耦接的卷积处理组件和分类组件；所述卷积处理组件至少包括多个处理阶段、且各处理阶段间耦接有注意力模块，其中，所述多个处理阶段适于提取所述预处理后的眼部图像的特征，所述注意力模块适于增强所述预处理后的眼部图像的特征。3.如权利要求2所述的方法，其中，所述将预处理后的眼部图像输入眼角识别模型，以识别其中的眼角关键点，并输出包含眼角关键点的特征图的步骤包括：通过所述卷积处理组件，提取所述预处理后的眼部图像的眼角关键点，并输出包含眼角关键点的位置坐标的第一特征图；通过所述分类组件，预测所提取的眼角关键点可见的概率，并输出包含所述概率的第二特征图。4.如权利要求3所述的方法，其中，所述对特征图进行处理，生成关于眼角关键点的数值坐标的步骤包括：生成与所述第二特征图相同大小的特征图模板，且所述特征图模板的值分布在区间[
‑
1,1]；对所述特征图模板与所述第二特征图进行点积运算，生成所述数值坐标。5.如权利要求3所述的方法，其中，所述标注数据包括：眼角关键点的标注坐标及指示所述眼角关键点是否可见的属性标签，其中，当所述眼角关键点可见时，属...

【专利技术属性】
技术研发人员：ꢀ七四专利代理机构，
申请(专利权)人：北京万里红科技有限公司，
类型：发明
国别省市：