身份识别方法、装置、存储介质及设备制造方法及图纸

本发明专利技术公开了一种身份识别方法、装置、存储介质及设备，属于生物识别领域。本发明专利技术利用眼球偏转和人脸姿态偏转的关联性快速准确发现用户姿态偏转。首先基于虹膜图像进行眼球偏转判断，确定人脸姿态是否存在偏转，然后基于人脸图像判断人脸姿态的偏转方向和角度，并进行纠正得到满足实际应用要求的待识别对象人眼正视时的虹膜图像。本发明专利技术提高了虹膜图像采集的成功率和效率，进而提高了虹膜识别的准确性，并且能够实现大角度人脸姿态偏转的检测和纠正，能够满足实际应用过程中人脸姿态多样性的要求。的要求。的要求。

【技术实现步骤摘要】
身份识别方法、装置、存储介质及设备


[0001]本专利技术涉及生物识别领域，特别是指一种身份识别方法、装置、存储介质及设备。

技术介绍

[0002]现代社会随着互联网的不断发展，人们对信息尤其是个人信息的安全性和稳定性的要求不断提高。利用人体固有的独特生理特征或行为特征进行身份认证的应用越来越广泛，例如，目前已经广泛应用在日常生活及安全领域的指纹、虹膜、人脸、静脉等安全认证方法和设备。
[0003]但是，目前每一项单一的生物特征识别技术都有其局限性，如破损指纹的人不能使用指纹识别，导致单一生物特征的识别技术不能满足所有人的需要。因而多模态生物特征识别技术成为近年来关注的热点，其在一定程度上克服了单一生物特征识别的局限性，且多模态生物特征识别技术的总体识别精度通常会高于单一生物特征识别技术。
[0004]在多模态生物特征识别中，人脸和虹膜的多模态识别是最具潜力的生物特征识别技术。在进行人脸虹膜多模态生物特征识别过程中，首先需要采集到符合一定要求的虹膜图像和人脸图像，虹膜图像和人脸图像的质量直接关系到识别的速度与精度。而在图像采集过程中，一个不能忽视的问题就是，由于用户头部倾斜或者用户转动等因素会导致人脸姿态偏转以及眼球偏转，从而使得采集的人脸图像和虹膜图像质量降低。
[0005]因此，在人脸虹膜多模态识别过程中，如何发现用户姿态偏转并及时对用户发出提示，是一个亟待解决的技术问题。现有技术通过积分投影方法对人脸图像中的关键点(包括左内眼点、右内眼点、鼻尖以及两嘴角点)进行定位，然后根据两个内眼点计算出倾斜角度，最后通过仿射变换函数实现了人脸图像的矫正。然而该方法能够实现有效检测的角度范围为25
°
左右，不能满足实际应用过程中人脸姿态多样性的要求。

技术实现思路

[0006]为解决现有技术的缺陷，本专利技术提供一种身份识别方法、装置、存储介质及设备，提高了虹膜图像采集的成功率和效率，进而提高了虹膜识别的准确性，并且能够实现大角度人脸姿态偏转的检测和纠正，能够满足实际应用过程中人脸姿态多样性的要求。
[0007]本专利技术提供技术方案如下：
[0008]第一方面，本专利技术提供一种身份识别方法，所述方法包括：
[0009]获取待识别对象的虹膜图像；
[0010]在所述虹膜图像上对瞳孔边界按照椭圆进行曲线拟合，并根据拟合的椭圆曲线判断所述待识别对象是否发生眼球偏转；
[0011]若判断所述待识别对象发生眼球偏转，则获取所述待识别对象的人脸图像，根据所述人脸图像确定所述待识别对象的人脸姿态，根据所述待识别对象的人脸姿态获取所述待识别对象人眼正视时的虹膜图像；若判断所述待识别对象未发生眼球偏转，则确定所述虹膜图像为所述待识别对象人眼正视时的虹膜图像；
[0012]根据所述待识别对象人眼正视时的虹膜图像对所述待识别对象进行身份识别。
[0013]进一步的，所述在所述虹膜图像上对瞳孔边界按照椭圆进行曲线拟合，并根据拟合的椭圆曲线判断所述待识别对象是否发生眼球偏转，包括：
[0014]在虹膜图像上对瞳孔进行定位，得到瞳孔边界；
[0015]利用虹膜图像的梯度信息对瞳孔边界上的点进行修正并去除噪点，得到瞳孔边界上的有效点集；
[0016]根据瞳孔边界上的有效点集进行椭圆曲线拟合，并根据椭圆曲线的扁平程度判断所述待识别对象是否发生眼球偏转。
[0017]进一步的，所述利用虹膜图像的梯度信息对瞳孔边界上的点进行修正并去除噪点，得到瞳孔边界上的有效点集，包括：
[0018]对所述虹膜图像进行光斑检测，并利用双二次插值去除光斑；
[0019]将去除光斑的虹膜图像上圆心为(y,x)，半径范围为[r1,r2]的环形区域图像每间隔一定角度取值，展开成矩形区域图像；
[0020]其中，(y,x)为在虹膜图像上对瞳孔进行定位得到的瞳孔圆心，r1＝a1r，r2＝a2r，r为在虹膜图像上对瞳孔进行定位得到的瞳孔半径，a1和a2为设定的系数，0<a1<1<a2；
[0021]在所述矩形区域图像上进行平滑滤波，并进行隔行相减，将相减后大于0的值保留，小于等于0的值设置为0，得到梯度图像；
[0022]获取梯度图像的每一行的像素最大值及其坐标，将每一行的像素最大值使用该行的像素最大值及该行上在像素最大值附近的若干个像素的平均值代替，并且将代替后的像素最大值不小于设定阈值的行作为有效行；
[0023]将有效行的像素最大值的坐标变换返回到虹膜图像的环形区域图像上，得到瞳孔边界上的有效点集。
[0024]进一步的，所述根据瞳孔边界上的有效点集进行椭圆曲线拟合，包括：
[0025]获取瞳孔边界上的有效点集中纵坐标取最大值和最小值的点(y_max，xx2)和(y_min，xx1)，以及横坐标取最大值和最小值的点(yy2，x_max)和(yy1，x_min)；
[0026]计算初始中心点(y_point,x_point)，初始长轴a和初始短轴b；
[0027]其中，y_point＝(y_min+y_max)/2，x_point＝(x_min+x_max)/2，a＝max(a_point，b_point)，b＝min(a_point，b_point)，a_point为(y_min，xx1)与(y_max，xx2)的欧式距离，b_point为(yy1，x_min)与(yy2，x_max)的欧式距离；
[0028]根据初始中心点、初始长轴和初始短轴设定中心点、长轴和短轴的遍历范围；
[0029]对中心点、长轴和短轴的遍历范围内的每一个取值，进行椭圆曲线拟合，找到与瞳孔边界上的有效点集匹配最多的椭圆曲线作为拟合得到的椭圆曲线。
[0030]进一步的，所述根据所述待识别对象的人脸姿态获取所述待识别对象人眼正视时的虹膜图像，包括：
[0031]根据所述人脸姿态对所述虹膜图像进行矫正以获取所述待识别对象人眼正视时的虹膜图像；
[0032]或者，根据所述人脸姿态提示所述待识别对象调整姿势后返回所述获取待识别对象的虹膜图像的步骤，直至获取所述待识别对象人眼正视时的虹膜图像。
[0033]进一步的，所述方法用于人脸虹膜多模态身份识别。
[0034]进一步的，所述根据所述人脸图像确定所述待识别对象的人脸姿态，包括：
[0035]将所述人脸图像输入卷积神经网络，得到所述待识别对象的人脸姿态；
[0036]其中，所述卷积神经网络包括图像前处理部分以及位于所述图像前处理部分后的并列的第一分支和第二分支；
[0037]所述人脸图像经过所述图像前处理部分的一系列卷积操作、激活操作、取绝对值操作以及池化操作后得到前处理特征图；
[0038]所述前处理特征图经过所述第一分支的一系列卷积操作、激活操作、取绝对值操作以及内积操作，并结合所述人脸图像的宽和高计算得到人脸特征点坐标；
[0039]根据所述人脸特本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种身份识别方法，其特征在于，所述方法包括：获取待识别对象的虹膜图像；在所述虹膜图像上对瞳孔边界按照椭圆进行曲线拟合，并根据拟合的椭圆曲线判断所述待识别对象是否发生眼球偏转；若判断所述待识别对象发生眼球偏转，则获取所述待识别对象的人脸图像，根据所述人脸图像确定所述待识别对象的人脸姿态，根据所述待识别对象的人脸姿态获取所述待识别对象人眼正视时的虹膜图像；若判断所述待识别对象未发生眼球偏转，则确定所述虹膜图像为所述待识别对象人眼正视时的虹膜图像；根据所述待识别对象人眼正视时的虹膜图像对所述待识别对象进行身份识别。2.根据权利要求1所述的身份识别方法，其特征在于，所述在所述虹膜图像上对瞳孔边界按照椭圆进行曲线拟合，并根据拟合的椭圆曲线判断所述待识别对象是否发生眼球偏转，包括：在虹膜图像上对瞳孔进行定位，得到瞳孔边界；利用虹膜图像的梯度信息对瞳孔边界上的点进行修正并去除噪点，得到瞳孔边界上的有效点集；根据瞳孔边界上的有效点集进行椭圆曲线拟合，并根据椭圆曲线的扁平程度判断所述待识别对象是否发生眼球偏转。3.根据权利要求2所述的身份识别方法，其特征在于，所述利用虹膜图像的梯度信息对瞳孔边界上的点进行修正并去除噪点，得到瞳孔边界上的有效点集，包括：对所述虹膜图像进行光斑检测，并利用双二次插值去除光斑；将去除光斑的虹膜图像上圆心为(y,x)，半径范围为[r1,r2]的环形区域图像每间隔一定角度取值，展开成矩形区域图像；其中，(y,x)为在虹膜图像上对瞳孔进行定位得到的瞳孔圆心，r1＝a1r，r2＝a2r，r为在虹膜图像上对瞳孔进行定位得到的瞳孔半径，a1和a2为设定的系数，0<a1<1<a2；在所述矩形区域图像上进行平滑滤波，并进行隔行相减，将相减后大于0的值保留，小于等于0的值设置为0，得到梯度图像；获取梯度图像的每一行的像素最大值及其坐标，将每一行的像素最大值使用该行的像素最大值及该行上在像素最大值附近的若干个像素的平均值代替，并且将代替后的像素最大值不小于设定阈值的行作为有效行；将有效行的像素最大值的坐标变换返回到虹膜图像的环形区域图像上，得到瞳孔边界上的有效点集。4.根据权利要求2所述的身份识别方法，其特征在于，所述根据瞳孔边界上的有效点集进行椭圆曲线拟合，包括：获取瞳孔边界上的有效点集中纵坐标取最大值和最小值的点(y_max，xx2)和(y_min，xx1)，以及横坐标取最大值和最小值的点(yy2，x_max)和(yy1，x_min)；计算初始中心点(y_point,x_point)，初始长轴a和初始短轴b；其中，y_point＝(y_min+y_max)/2，x_point＝(x_min+x_max)/2，a＝max(a_point，b_point)，b＝min(a_point，b_point)，a_point为(y_min，xx1)与(y_max，xx2)的欧式距离，b_point为...

【专利技术属性】
技术研发人员：杨春林，刘洋，周军，
申请(专利权)人：北京眼神科技有限公司，
类型：发明
国别省市：