一种虹膜图像的匹配方法、装置、设备及介质制造方法及图纸

本申请涉及图像处理领域，具体涉及一种虹膜图像的匹配方法、装置、设备及介质，用于解决虹膜图像匹配过程中计算误差较大的问题。该方法基于待检测虹膜图像的各个特征点，确定多个目标马氏距离，需要说明的是，每个目标马氏距离是基于待检测虹膜图像的任意两个目标特征点分别对应的梯度参数确定的，基于多个目标马氏距离之和以及多个标准马氏距离之和，确定待检测虹膜图像与预存的标准虹膜图像之间的匹配程度，其中标准马氏距离是基于标准虹膜图像确定的，上述通过马氏距离确定虹膜图像的方式，考虑了特征点之间的内在联系，提升了待检测虹膜图像与预存的标准虹膜图像之间的匹配精度，提高了保管箱使用过程的可靠性。提高了保管箱使用过程的可靠性。提高了保管箱使用过程的可靠性。

【技术实现步骤摘要】
一种虹膜图像的匹配方法、装置、设备及介质


[0001]本申请涉及图像处理领域，具体涉及一种虹膜图像的匹配方法、装置、设备及介质。

技术介绍

[0002]在保管箱等的管理过程中，通常，采用指纹识别、人脸识别等生物特征来作为开启保管箱的输入参数，即将用户实时输入的指纹(或者人脸)与预存的作为基准的指纹(或者人脸)进行匹配，并在匹配结果为一致时开启保管箱。但上述指纹识别和人脸识别的方式安全性较低。
[0003]近年来，在保管箱业务中越来越多的使用虹膜识别，即比较用户输入的虹膜图像与预先存储的作为基准的标准虹膜图像是否匹配，并根据匹配结果决定是否开启保管箱。而现有的在对用户输入的虹膜图像与预先存储的作为基准的标准虹膜图像进行比对的过程中，采用欧式距离作为比对的参量，计算误差较大。

技术实现思路

[0004]本申请实施例提供一种虹膜图像的匹配方法、装置、设备及介质，用于解决虹膜图像匹配过程中计算误差较大的问题。
[0005]第一方面，一种虹膜图像的匹配方法包括：
[0006]基于待检测虹膜图像的各个特征点，确定多个目标马氏距离，其中，每个目标马氏距离是基于待检测虹膜图像的任意两个目标特征点分别对应的梯度参数确定的；
[0007]基于多个目标马氏距离之和以及多个标准马氏距离之和，确定待检测虹膜图像与预存的标准虹膜图像之间的匹配程度，其中，多个标准马氏距离是基于标准虹膜图像确定的。
[0008]本申请实施例中，基于待检测虹膜图像的各个特征点，确定多个目标马氏距离，需要说明的是，每个目标马氏距离是基于待检测虹膜图像的任意两个目标特征点分别对应的梯度参数确定的，基于多个目标马氏距离之和以及多个标准马氏距离之和，确定待检测虹膜图像与预存的标准虹膜图像之间的匹配程度，其中标准马氏距离是基于标准虹膜图像确定的，上述通过马氏距离确定虹膜图像的方式，考虑了特征点之间的内在联系，提升了待检测虹膜图像与预存的标准虹膜图像之间的匹配精度，提高了保管箱使用过程的可靠性。
[0009]在一种可能的实施例中，通过以下方式确定目标马氏距离：
[0010]对目标差矩阵进行转置，得到转置矩阵，其中，目标差矩阵是基于第一目标特征矩阵和第二目标特征矩阵确定的，第一目标特征矩阵包括第一目标特征点的第一梯度参数和第一目标相邻点的第二梯度参数，第二目标特征矩阵包括第二目标特征点的第三梯度参数和第二目标相邻点的第四梯度参数，第一目标相邻点为与第一目标特征点之间的距离最近的特征点，第二目标相邻点为与第二目标特征点之间的距离最近的特征点；
[0011]对目标差矩阵进行协方差运算，得到协方差矩阵；
[0012]基于转置矩阵、协方差矩阵和权重系数，确定第一目标特征点与第二目标特征点之间的目标马氏距离，其中，权重系数是基于待检测虹膜图像在极坐标系下的半径确定的。
[0013]在一种可能的实施例中，梯度参数包括梯度模和梯度方向，通过以下方式确定目标特征点对应的梯度模：
[0014]基于目标特征点在极坐标系下的极坐标分别确定第一参考极坐标第二参考极坐标第三参考极坐标和第四参考极坐标
[0015]基于第一参考极坐标和第二参考极坐标确定第一参考模值基于第三参考极坐标和第四参考极坐标确定第二参考模值
[0016]基于第一参考模值和第二参考模值，确定目标特征点对应的梯度模
[0017]通过以下方式确定目标特征点对应的梯度方向：
[0018]确定目标特征点在极坐标系下的单位半径向量e
r
和单位角度向量e
θ
；
[0019]基于单位半径向量、单位角度向量和半径确定目标特征点对应的梯度方向
[0020]其中，r为目标特征点对应的待检测虹膜图像在极坐标系下的半径，θ为目标特征点对应的待检测虹膜图像在极坐标系下的圆心，N为自然数。
[0021]在一种可能的实施例中，确定多个目标马氏距离之前，还包括：
[0022]运用高斯滤波器对待检测虹膜图像进行去噪处理；
[0023]对去噪处理后的待检测虹膜图像进行特征提取，得到各个特征点。
[0024]在一种可能的实施例中，基于多个目标马氏距离之和以及多个标准马氏距离之和，确定待检测虹膜图像与预存的标准虹膜图像之间的匹配程度，包括：
[0025]基于多个目标马氏距离之和以及多个标准马氏距离之和，确定距离差值；
[0026]若距离差值不大于预设的距离差阈值，则确定待检测虹膜图像与预存的标准虹膜图像相匹配；
[0027]若距离差值大于预设的距离差阈值，则确定待检测虹膜图像与预存的标准虹膜图像不匹配。
[0028]第二方面，本申请提供一种虹膜图像的匹配装置，所述装置包括：
[0029]确定模块，用于基于待检测虹膜图像的各个特征点，确定多个目标马氏距离，其中，每个目标马氏距离是基于待检测虹膜图像的任意两个目标特征点分别对应的梯度参数确定的；
[0030]匹配模块，用于基于多个目标马氏距离之和以及多个标准马氏距离之和，确定待检测虹膜图像与预存的标准虹膜图像之间的匹配程度，其中，多个标准马氏距离是基于标准虹膜图像确定的。
[0031]在一种可能的实施例中，通过以下方式确定目标马氏距离：
[0032]对目标差矩阵进行转置，得到转置矩阵，其中，目标差矩阵是基于第一目标特征矩阵和第二目标特征矩阵确定的，第一目标特征矩阵包括第一目标特征点的第一梯度参数和第一目标相邻点的第二梯度参数，第二目标特征矩阵包括第二目标特征点的第三梯度参数和第二目标相邻点的第四梯度参数，第一目标相邻点为与第一目标特征点之间的距离最近的特征点，第二目标相邻点为与第二目标特征点之间的距离最近的特征点；
[0033]对目标差矩阵进行协方差运算，得到协方差矩阵；
[0034]基于转置矩阵、协方差矩阵和权重系数，确定第一目标特征点与第二目标特征点之间的目标马氏距离，其中，权重系数是基于待检测虹膜图像在极坐标系下的半径确定的。
[0035]在一种可能的实施例中，梯度参数包括梯度模和梯度方向，通过以下方式确定目标特征点对应的梯度模：
[0036]基于目标特征点在极坐标系下的极坐标分别确定第一参考极坐标第二参考极坐标第三参考极坐标和第四参考极坐标
[0037]基于第一参考极坐标和第二参考极坐标确定第一参考模值基于第三参考极坐标和第四参考极坐标确定第二参考模值
[0038]基于第一参考模值和第二参考模值，确定目标特征点对应的梯度模
[0039]通过以下方式确定目标特征点对应的梯度方向：
[0040]确定目标特征点在极坐标系下的单位半径向量e
r
和单位角度向量e
θ
；
[0041]基于单位半径向量、单位角度向量和半径确定目标特征点对应的梯度方向
[0042][0043]其中，r为目标特征点对应的待检测虹膜图像在极坐标系下的半径，θ为目标特征点对应的待检测虹膜图像在极坐标系本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种虹膜图像的匹配方法，其特征在于，所述方法包括：基于待检测虹膜图像的各个特征点，确定多个目标马氏距离，其中，每个所述目标马氏距离是基于所述待检测虹膜图像的任意两个目标特征点分别对应的梯度参数确定的；基于多个所述目标马氏距离之和以及多个标准马氏距离之和，确定所述待检测虹膜图像与预存的标准虹膜图像之间的匹配程度，其中，多个所述标准马氏距离是基于所述标准虹膜图像确定的。2.如权利要求1所述的方法，其特征在于，通过以下方式确定所述目标马氏距离：对目标差矩阵进行转置，得到转置矩阵，其中，所述目标差矩阵是基于第一目标特征矩阵和第二目标特征矩阵确定的，所述第一目标特征矩阵包括第一目标特征点的第一梯度参数和第一目标相邻点的第二梯度参数，所述第二目标特征矩阵包括第二目标特征点的第三梯度参数和第二目标相邻点的第四梯度参数，所述第一目标相邻点为与所述第一目标特征点之间的距离最近的特征点，所述第二目标相邻点为与所述第二目标特征点之间的距离最近的特征点；对所述目标差矩阵进行协方差运算，得到协方差矩阵；基于所述转置矩阵、所述协方差矩阵和权重系数，确定所述第一目标特征点与所述第二目标特征点之间的目标马氏距离，其中，所述权重系数是基于所述待检测虹膜图像在极坐标系下的半径确定的。3.如权利要求1所述的方法，其特征在于，所述梯度参数包括梯度模和梯度方向，通过以下方式确定所述目标特征点对应的梯度模：基于所述目标特征点在极坐标系下的极坐标分别确定第一参考极坐标第二参考极坐标第三参考极坐标和第四参考极坐标基于所述第一参考极坐标和所述第二参考极坐标确定第一参考模值基于所述第三参考极坐标和所述第四参考极坐标确定第二参考模值基于所述第一参考模值和所述第二参考模值，确定所述目标特征点对应的梯度模通过以下方式确定所述目标特征点对应的梯度方向：确定所述目标特征点在极坐标系下的单位半径向量e
r
和单位角度向量e
θ
；基于所述单位半径向量、所述单位角度向量和所述半径确定所述目标特征点对应的梯度方向其中，r为所述目标特征点对应的所述待检测虹膜图像在极坐标系下的半径，θ为所述目标特征点对应的所述待检测虹膜图像在极坐标系下的圆心，N为自然数。4.如权利要求1所述的方法，其特征在于，所述确定多个目标马氏距离之前，还包括：运用高斯滤波器对所述待检测虹膜图像进行去噪处理；
对去噪处理后的待检测虹膜图像进行特征提取，得到各个所述特征点。5.如权利要求1～4任一所述的方...

【专利技术属性】
技术研发人员：李鹏程，程强，黄青君，马波，孙荣铖，
申请(专利权)人：建信金融科技有限责任公司，
类型：发明
国别省市：