针对睫毛的虹膜识别模型的训练方法及识别方法技术

本申请公开一种针对睫毛的虹膜识别模型的训练方法，其包括：获取包括多张虹膜图像的虹膜训练集；对所述虹膜训练集中的每一张虹膜图像进行图像分割，获得虹膜区域H和睫毛区域M；分别计算每一虹膜图像的虹膜区域H的虹膜像素面积S

【技术实现步骤摘要】
针对睫毛的虹膜识别模型的训练方法及识别方法


[0001]本申请涉及图像处理领域，更具体地说，是针对睫毛的虹膜识别模型的训练方法及识别方法。

技术介绍

[0002]现有虹膜识别技术主要分为两类，第一类是基于传统的模式识别方法，即通过手动设计特征提取图片的特征，并接上分类器，得到分类结果；第二类是基于深度学习CNN分类方法，提取的过程为数据推动。
[0003]现有的虹膜识别技术，无论是早期的传统模式识别还是最近的深度学习，都是基于比较干净的无睫毛遮挡的虹膜数据进行识别效果较好。考虑到近年来人们，尤其是女性，因为爱美打扮等原因，对原有的睫毛进行修整，甚至接假睫毛等，这对虹膜识别构成了新的挑战。通过不带睫毛的虹膜数据训练出来的虹膜识别模型针对带睫毛的虹膜并没有较好的表现，导致在这类情况下虹膜识别模型的准确率下降较多。

技术实现思路

[0004]针对现有技术，本申请解决的技术问题是提供一种针对睫毛的虹膜识别模型的训练方法及识别方法，该训练方法及识别方法有利于训练出针对带睫毛的虹膜识别模型，有利于解决当存在睫毛情况下的虹膜识别问题。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种针对睫毛的虹膜识别模型的训练方法，其特征在于，包括：获取包括多张虹膜图像的虹膜训练集；对所述虹膜训练集中的每一张虹膜图像进行图像分割，获得虹膜区域H和睫毛区域M；分别计算每一虹膜图像的虹膜区域H的虹膜像素面积S
H
和睫毛区域M的睫毛像素面积S
M
，并计算该虹膜图像的虹膜像素面积S
H
与睫毛像素面积S
M
的面积比，该面积比记为P，P＝S
H
/S
M
；设定阈值P0，比较所述虹膜训练集中每一虹膜图像的面积比P和阈值P0的大小，将所述虹膜训练集中所有P≥P0对应的虹膜图像修正为P＜P0；以及将修正后的所述虹膜训练集输入CNN神经网络进行虹膜识别模型的学习训练。2.如权利要求1所述的针对睫毛的虹膜识别模型的训练方法，其特征在于，设定阈值P0，比较所述虹膜训练集中每一虹膜图像的面积比P和阈值P0的大小，将所述虹膜训练集中所有P≥P0对应的虹膜图像修正为P＜P0的步骤包括：选定所述虹膜训练集中一面积比P≥P0的虹膜图像C和一面积比P＜P0的虹膜图像D；将虹膜图像C的图像分割获得虹膜区域和睫毛区域分别记为H
C
和M
C
，将虹膜图像D的图像分割获得虹膜区域和睫毛区域分别记为H
D
和M
D
；将虹膜图像C的睫毛区域的睫毛移植至虹膜图像D的睫毛区域上，生成由虹膜图像D的虹膜和虹膜图像C的睫毛组成新的虹膜图像F；由新的虹膜图像F替代所述虹膜训练集中的虹膜图像C。3.如权利要求1所述的针对睫毛的虹膜识别模型的训练方法，其特征在于，在将修正后的所述虹膜训练集输入CNN神经网络进行学习训练的过程中，基于向量维度为K的one
‑
hot函数进行类别标签编码：利用one
‑
...

【专利技术属性】
技术研发人员：欧阳一村，朱光强，王和平，李山路，罗富章，
申请(专利权)人：盛视科技股份有限公司，
类型：发明
国别省市：