用于虹膜识别的方法及装置、终端设备、存储介质制造方法及图纸

本申请涉及虹膜识别技术领域，公开一种用于虹膜识别的方法，包括：采集待识别对象的虹膜图像并进行预处理；将预处理后的所述虹膜图像进行虹膜定位，确定出虹膜有效区域；对所述虹膜有效区域进行采样，获取所述虹膜有效区域对应的虹膜矩阵图像；对所述虹膜矩阵图像进行特征提取，获取所述待识别对象对应的多个虹膜特征；根据多个决策树构建随机森林分类器，通过所述随机森林分类器对所述多个虹膜特征进行虹膜识别，得到虹膜匹配结果。本申请有效地解决了虹膜识别系统的特征单一的技术问题，并且提高了虹膜识别系统的识别率与泛化能力，使得算法更加稳定。本申请还公开一种用于虹膜识别的装置、终端设备、存储介质。存储介质。存储介质。

【技术实现步骤摘要】
用于虹膜识别的方法及装置、终端设备、存储介质


[0001]本申请涉及虹膜识别
，例如涉及一种用于虹膜识别的方法及装置、终端设备、存储介质。

技术介绍

[0002]目前，虹膜属于人的一种特殊的生理特征，集中分布在瞳孔与巩膜之间的圆环状区域，该圆环状区域由十分复杂的纤维状组织构成，包含了很多交织相错的细小斑点、丝状纤维、沟壑、条纹以及大小不一的隐窝等的纹理细节特征。在胎儿未出生前的发育阶段，虹膜就已经形成，在整个生命历程中除去某些特殊眼部疾病外，虹膜基本不会发生变化，十分稳定。因此上述细节特征及不变性使得每个人的虹膜都是特有的，使用虹膜作为生物识别和个人身份验证的特征信息具有唯一性。同时，虹膜的唯一性与稳定性是很多其他生物特征所没有的优点，这使得虹膜在人体生物特征识别市场中成为了主流产品。
[0003]在实现本公开实施例的过程中，发现相关技术中至少存在如下问题：
[0004]现有的虹膜识别方法的稳定性并不理想，并且使用单一类型的虹膜特征进行虹膜识别存在局限性，导致虹膜识别系统的识别率和泛化性较差。

技术实现思路

[0005]为了对披露的实施例的一些方面有基本的理解，下面给出了简单的概括。所述概括不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围，而是作为后面的详细说明的序言。
[0006]本公开实施例提供了一种用于虹膜识别的方法及装置、终端设备、存储介质，以提升虹膜识别的稳定性与泛化能力。
[0007]在一些实施例中，所述方法包括：
[0008]采集待识别对象的虹膜图像并进行预处理；
[0009]将预处理后的所述虹膜图像进行虹膜定位，确定出虹膜有效区域；
[0010]对所述虹膜有效区域进行采样，获取所述虹膜有效区域对应的虹膜矩阵图像；
[0011]对所述虹膜矩阵图像进行特征提取，获取所述待识别对象对应的多个虹膜特征；
[0012]根据多个决策树构建随机森林分类器，通过所述随机森林分类器对所述多个虹膜特征进行虹膜识别，得到虹膜匹配结果。
[0013]在一些实施例中，所述装置包括：
[0014]图像采集模块，被配置为采集待识别对象的虹膜图像并进行预处理；
[0015]虹膜定位模块，被配置为将预处理后的所述虹膜图像进行虹膜定位，确定出虹膜有效区域；
[0016]虹膜矩阵模块，被配置为对所述虹膜有效区域进行采样，获取所述虹膜有效区域对应的虹膜矩阵图像；
[0017]特征提取模块，被配置为对所述虹膜矩阵图像进行特征提取，获取所述待识别对
象对应的多个虹膜特征；
[0018]虹膜匹配模块，被配置为根据多个决策树构建随机森林分类器，通过所述随机森林分类器对所述多个虹膜特征进行虹膜识别，得到虹膜匹配结果。
[0019]在一些实施例中，所述虹膜识别终端设备包括如本申请所述的用于虹膜识别的装置。
[0020]本公开实施例提供的用于虹膜识别的方法及装置、终端设备、存储介质，可以实现以下技术效果：
[0021]本申请通过获取所述待识别对象对应的多个虹膜特征，有效地解决了虹膜识别系统的特征单一的技术问题，并且利用随机森林分类器的随机选择特征属性对多个虹膜特征进行匹配，提高了虹膜识别系统的识别率与泛化能力，使得算法更加稳定。同时，与深度学习算法相比，采用随机森林分类器具有训练复杂度更低且运算速度更快等优势。
[0022]以上的总体描述和下文中的描述仅是示例性和解释性的，不用于限制本申请。
附图说明
[0023]一个或多个实施例通过与之对应的附图进行示例性说明，这些示例性说明和附图并不构成对实施例的限定，附图中具有相同参考数字标号的元件示为类似的元件，附图不构成比例限制，并且其中：
[0024]图1是本公开实施例提供的一个用于虹膜识别的方法的示意图；
[0025]图2是本公开实施例提供的采集的虹膜图像的示意图；
[0026]图3是本公开实施例提供的预处理后的虹膜图像的示意图；
[0027]图4是本公开实施例的另一个用于虹膜识别的方法的示意图；
[0028]图5是本公开实施例提供的虹膜边缘图像的示意图；
[0029]图6是本公开实施例提供的虹膜有效区域的示意图；
[0030]图7是本公开实施例的另一个用于虹膜识别的方法的示意图；
[0031]图8是本公开实施例的另一个用于虹膜识别的方法的示意图；
[0032]图9是本公开实施例提供的虹膜有效区域的分割采样示意图；
[0033]图10是本公开实施例提供的虹膜矩阵图像的示意图；
[0034]图11是本公开实施例的另一个用于虹膜识别的方法的示意图；
[0035]图12是本公开实施例的另一个用于虹膜识别的方法的示意图；
[0036]图13是本公开实施例的随机森林的第一决策树的网络结构图；
[0037]图14是本公开实施例的随机森林的第二决策树的网络结构图；
[0038]图15是本公开实施例的随机森林的第三决策树的网络结构图；
[0039]图16是本公开实施例的随机森林的第四决策树的网络结构图；
[0040]图17是本公开实施例的内类样本与类间样本的距离分布示意图；
[0041]图18是本公开实施例提供的一个用于虹膜识别的装置的示意图；
[0042]图19是本公开实施例提供的另一个用于虹膜识别的装置的示意图。
具体实施方式
[0043]为了能够更加详尽地了解本公开实施例的特点与
技术实现思路
，下面结合附图对本公
开实施例的实现进行详细阐述，所附附图仅供参考说明之用，并非用来限定本公开实施例。在以下的技术描述中，为方便解释起见，通过多个细节以提供对所披露实施例的充分理解。然而，在没有这些细节的情况下，一个或多个实施例仍然可以实施。在其它情况下，为简化附图，熟知的结构和装置可以简化展示。
[0044]本公开实施例的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开实施例的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含。
[0045]除非另有说明，术语“多个”表示两个或两个以上。
[0046]本公开实施例中，字符“/”表示前后对象是一种“或”的关系。例如，A/B表示：A或B。
[0047]术语“和/或”是一种描述对象的关联关系，表示可以存在三种关系。例如，A和/或B，表示：A或B，或，A和B这三种关系。
[0048]术语“对应”可以指的是一种关联关系或绑定关系，A与B相对应指的是A与B之间是一种关联关系或绑定关系。
[0049]本公开实施例中，终端设备是指具有无线连接功能的电子设备，终端设备可以通过连接互联网，与如上的智能家电设备进行通信连接，也可以直接通过蓝牙、本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于虹膜识别的方法，其特征在于，包括：采集待识别对象的虹膜图像并进行预处理；将预处理后的所述虹膜图像进行虹膜定位，确定出虹膜有效区域；对所述虹膜有效区域进行采样，获取所述虹膜有效区域对应的虹膜矩阵图像；对所述虹膜矩阵图像进行特征提取，获取所述待识别对象对应的多个虹膜特征；根据多个决策树构建随机森林分类器，通过所述随机森林分类器对所述多个虹膜特征进行虹膜识别，得到虹膜匹配结果。2.根据权利要求1所述的方法，其特征在于，所述对所述虹膜矩阵图像进行特征提取，获取所述待识别对象对应的多个虹膜特征，包括：对所述虹膜矩阵图像通过局部二值模式进行特征提取，获取所述待识别对象对应的第一虹膜特征；对所述虹膜矩阵图像通过局部二值模式进行特征提取以及S变换，获取所述待识别对象对应的第二虹膜特征；对所述虹膜矩阵图像通过局部二值模式进行特征提取以及2D
‑
Gabor滤波，获取所述待识别对象对应的第三虹膜特征。3.根据权利要求1所述的方法，其特征在于，所述通过所述随机森林分类器对所述多个虹膜特征进行虹膜识别，得到虹膜匹配结果，包括：从所述随机森林分类器中随机选择两颗决策树；通过所述两颗决策树分别对所述多个虹膜特征进行虹膜识别，获取第一虹膜匹配结果和第二虹膜匹配结果；判断所述第一虹膜匹配结果对应的欧式距离是否小于所述第二虹膜匹配结果对应的欧式距离；若是，则将所述第一虹膜匹配结果作为最终的虹膜匹配结果；若否，则将所述第二虹膜匹配结果作为最终的虹膜匹配结果。4.根据权利要求3所述的方法，其特征在于，所述机森林分类器包括第一决策树、第二决策树、第三决策树和第四决策树，其中，每颗决策树的决策方式包括：所述第一决策树使用第一虹膜特征与数据库中的多个虹膜样本进行第一级匹配，按照数值大小的顺序选择欧式距离最小的五个虹膜样本；使用所述第二虹膜特征与所述五个虹膜样本进行第二级匹配，按照数值大小的顺序筛选出欧式距离最小的三个虹膜样本；使用所述第三虹膜特征与所述三个虹膜样本进行第三级匹配，从三个虹膜样本中选择欧式距离最小的虹膜样本作为虹膜匹配结果；所述第二决策树使用第一虹膜特征与数据库中的多个虹膜样本进行匹配，选择欧式距离最小的虹膜样本作为虹膜匹配结果；所述第三决策树使用第一虹膜特征与数据库中的多个虹膜样本进行第一级匹配，按照数值大小的顺序选择欧式距离最小的三个虹膜样本；使用第二虹膜特征和第三虹膜特征分别对所述三个虹膜样本进行第二级匹配，选择欧式距离最小的虹膜样本作为虹膜匹配结果；所述第四决策树使用第一虹膜特征、第二虹膜特征和第三虹膜特征分别与数据库中的多个虹膜样本进行匹配，分别获取每个虹膜特征对应的欧式距离最小的...

【专利技术属性】
技术研发人员：刘德华，张玉香，周卫东，王刚，刘军城，
申请(专利权)人：青岛熙正数字科技有限公司，
类型：发明
国别省市：