一种瞳孔和虹膜定位方法、装置、电子设备及存储介质制造方法及图纸

本申请实施例提供了一种瞳孔和虹膜定位方法、装置、电子设备及存储介质。其中，所述方法包括：获取目标眼部图像；将目标眼部图像输入预先训练的目标检测网络模型，得到多个候选虹膜区域和各候选虹膜区域对应的候选瞳孔区域，其中，目标检测网络模型为预先基于样本数据训练得到的，样本数据包括：标注有瞳孔和虹膜所处区域的样本眼部图像；从各候选虹膜区域确定与对应的候选瞳孔区域的尺寸比例在预设范围内的目标虹膜区域；将目标虹膜区域确定为目标眼部图像中虹膜所处的区域，并将目标虹膜区域对应的候选瞳孔区域确定为目标眼部图像中瞳孔所处的区域。应用该实施例，可以提高确定目标眼部图像中瞳孔和虹膜所处区域的效率和准确度。和准确度。和准确度。

【技术实现步骤摘要】
一种瞳孔和虹膜定位方法、装置、电子设备及存储介质


[0001]本申请涉及智能算法
，特别是涉及一种瞳孔和虹膜定位方法、装置、电子设备及存储介质。

技术介绍

[0002]在确定图像中的虹膜位置时，可以基于深度学习的分割算法，采用像素分割确定虹膜的区域，但是基于深度学习的分割算法模型通常较大，复杂度较高，对于算法运行环境资源消耗大，因此，使得通过分割算法模型确定虹膜所处区域的效率较低。

技术实现思路

[0003]本申请实施例的目的在于提供一种瞳孔和虹膜定位方法、装置、电子设备及存储介质，以实现提高确定瞳孔和虹膜所处区域的效率。具体技术方案如下：
[0004]在本申请的第一方面，提供了一种瞳孔和虹膜定位方法，所述方法包括：
[0005]获取目标眼部图像；
[0006]将所述目标眼部图像输入预先训练的目标检测网络模型，得到多个候选虹膜区域和各所述候选虹膜区域对应的候选瞳孔区域，其中，所述目标检测网络模型为预先基于样本数据训练得到的，所述样本数据包括：标注有瞳孔和虹膜所处区域的样本眼部图像；
[0007]从各所述候选虹膜区域确定与对应的所述候选瞳孔区域的尺寸比例在预设范围内的目标虹膜区域；
[0008]将所述目标虹膜区域确定为所述目标眼部图像中虹膜所处的区域，并将所述目标虹膜区域对应的所述候选瞳孔区域确定为所述目标眼部图像中瞳孔所处的区域。
[0009]在一种可能的实施例中，所述将所述目标眼部图像输入预先训练的目标检测网络模型，得到多个候选虹膜区域和各所述候选虹膜区域对应的候选瞳孔区域，包括：
[0010]将所述目标眼部图像输入预先训练的目标检测网络模型，得到所述目标检测网络模型输出的多个检测虹膜区域以及各所述检测虹膜区域对应的检测瞳孔区域；
[0011]对各所述检测虹膜区域和/或各所述检测瞳孔区域进行去重，得到多个候选虹膜区域以及各所述候选虹膜区域对应的候选瞳孔区域。
[0012]在一种可能的实施例中，所述对各所述检测虹膜区域和/或各所述检测瞳孔区域进行去重，得到多个候选虹膜区域以及各所述候选虹膜区域对应的候选瞳孔区域，包括：
[0013]从虹膜区域集合中确定置信度满足预设置信度条件的目标检测虹膜区域，其中，所述虹膜区域集合初始时包括各所述检测虹膜区域；
[0014]在所述虹膜区域集合中确定与所述目标检测虹膜区域重叠程度大于预设重叠阈值的重复虹膜区域；
[0015]若不满足预设循环条件，则将去除所述重复虹膜区域和所述目标检测虹膜区域的虹膜区域集合作为新的虹膜区域集合，返回执行所述从虹膜区域集合中确定置信度满足预设置信度条件的目标检测虹膜区域的步骤；
[0016]若满足预设循环条件，则将未被确定为所述重复虹膜区域的所述检测虹膜区域确定为候选虹膜区域，得到多个候选虹膜区域以及各所述候选虹膜区域对应的候选瞳孔区域；
[0017]和/或
[0018]从瞳孔区域集合中确定置信度满足预设置信度条件的目标检测瞳孔区域，其中，所述瞳孔区域集合初始时包括各所述检测瞳孔区域；
[0019]在所述瞳孔区域集合中确定与所述目标检测瞳孔区域重叠程度大于预设重叠阈值的重复瞳孔区域；
[0020]若不满足预设循环条件，则将去除所述重复瞳孔区域和所述目标检测瞳孔区域的瞳孔区域集合作为新的瞳孔区域集合，返回执行所述从瞳孔区域集合中确定置信度满足预设置信度条件的目标检测瞳孔区域的步骤；
[0021]若满足预设循环条件，则将未被确定为所述重复瞳孔区域的所述检测瞳孔区域确定为候选瞳孔区域，得到多个候选瞳孔区域以及各所述候选瞳孔区域对应的候选虹膜区域。
[0022]在一种可能的实施例中，预先采用如下步骤基于样本数据训练得到所述目标检测网络模型，包括：
[0023]将所述样本数据输入待训练检测网络模型，得到多个回归区域以及各所述回归区域对应的分类结果，所述分类结果用于表示虹膜或者瞳孔；
[0024]确定各所述回归区域与所述样本数据标注的区域之间的区域重叠程度，以及各所述回归区域对应的分类结果所表示的类别与所述样本数据中所述回归区域标注的类别之间的类别差异；
[0025]根据所述重叠程度和所述类别差异确定模型损失，所述模型损失与所述重叠程度负相关，且与所述类别差异正相关；
[0026]基于所述模型损失调整所述待训练检测网络模型的网络参数，得到目标检测网络模型。
[0027]在一种可能的实施例中，所述方法还包括：
[0028]确定所述目标虹膜区域的长度和宽度中的较大值，作为第一最大尺寸；
[0029]根据所述目标虹膜区域的位置、所述第一最大尺寸，确定所述目标眼部图像中虹膜的圆心和/或半径；
[0030]确定所述目标瞳孔区域的长度和宽度中的较大值，作为第二最大尺寸，所述目标瞳孔区域为所述目标虹膜区域对应的所述候选瞳孔区域；
[0031]根据所述目标瞳孔区域的位置、所述第二最大尺寸，确定所述目标眼部图像中瞳孔的圆心和/或半径。
[0032]在本申请的第二方面，提供了一种瞳孔和虹膜定位装置，所述装置包括：
[0033]图像获取模块，用于获取目标眼部图像；
[0034]目标检测模块，用于将所述目标眼部图像输入预先训练的目标检测网络模型，得到多个候选虹膜区域和各所述候选虹膜区域对应的候选瞳孔区域，其中，所述目标检测网络模型为预先基于样本数据训练得到的，所述样本数据包括：标注有瞳孔和虹膜所处区域的样本眼部图像；
[0035]目标虹膜区域确定模块，用于从各所述候选虹膜区域确定与对应的所述候选瞳孔区域的尺寸比例在预设范围内的目标虹膜区域；
[0036]虹膜瞳孔区域确定模块，用于将所述目标虹膜区域确定为所述目标眼部图像中虹膜所处的区域，并将所述目标虹膜区域对应的所述候选瞳孔区域确定为所述目标眼部图像中瞳孔所处的区域。
[0037]在一种可能的实施例中，所述目标检测模块，包括：
[0038]检测区域输出单元，用于将所述目标眼部图像输入预先训练的目标检测网络模型，得到所述目标检测网络模型输出的多个检测虹膜区域以及各所述检测虹膜区域对应的检测瞳孔区域；
[0039]检测区域去重单元，用于对各所述检测虹膜区域和/或各所述检测瞳孔区域进行去重，得到多个候选虹膜区域以及各所述候选虹膜区域对应的候选瞳孔区域。
[0040]在一种可能的实施例中，所述检测区域去重单元，对各所述检测虹膜区域和/或各所述检测瞳孔区域进行去重，得到多个候选虹膜区域以及各所述候选虹膜区域对应的候选瞳孔区域，包括：
[0041]从虹膜区域集合中确定置信度满足预设置信度条件的目标检测虹膜区域，其中，所述虹膜区域集合初始时包括各所述检测虹膜区域；
[0042]在所述虹膜区域集合中确定与所述目标检测虹膜区域重叠程度大于预设重叠阈值的重复虹膜区域；
[0043]若不满足预设循环条件，则将去除所述重复虹膜区域和所述目标检测虹膜区域的虹膜区本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种瞳孔和虹膜定位方法，其特征在于，所述方法包括：获取目标眼部图像；将所述目标眼部图像输入预先训练的目标检测网络模型，得到多个候选虹膜区域和各所述候选虹膜区域对应的候选瞳孔区域，其中，所述目标检测网络模型为预先基于样本数据训练得到的，所述样本数据包括：标注有瞳孔和虹膜所处区域的样本眼部图像；从各所述候选虹膜区域确定与对应的所述候选瞳孔区域的尺寸比例在预设范围内的目标虹膜区域；将所述目标虹膜区域确定为所述目标眼部图像中虹膜所处的区域，并将所述目标虹膜区域对应的所述候选瞳孔区域确定为所述目标眼部图像中瞳孔所处的区域。2.根据权利要求1所述的方法，其特征在于，所述将所述目标眼部图像输入预先训练的目标检测网络模型，得到多个候选虹膜区域和各所述候选虹膜区域对应的候选瞳孔区域，包括：将所述目标眼部图像输入预先训练的目标检测网络模型，得到所述目标检测网络模型输出的多个检测虹膜区域以及各所述检测虹膜区域对应的检测瞳孔区域；对各所述检测虹膜区域和/或各所述检测瞳孔区域进行去重，得到多个候选虹膜区域以及各所述候选虹膜区域对应的候选瞳孔区域。3.根据权利要求2所述的方法，其特征在于，所述对各所述检测虹膜区域和/或各所述检测瞳孔区域进行去重，得到多个候选虹膜区域以及各所述候选虹膜区域对应的候选瞳孔区域，包括：从虹膜区域集合中确定置信度满足预设置信度条件的目标检测虹膜区域，其中，所述虹膜区域集合初始时包括各所述检测虹膜区域；在所述虹膜区域集合中确定与所述目标检测虹膜区域重叠程度大于预设重叠阈值的重复虹膜区域；若不满足预设循环条件，则将去除所述重复虹膜区域和所述目标检测虹膜区域的虹膜区域集合作为新的虹膜区域集合，返回执行所述从虹膜区域集合中确定置信度满足预设置信度条件的目标检测虹膜区域的步骤；若满足预设循环条件，则将未被确定为所述重复虹膜区域的所述检测虹膜区域确定为候选虹膜区域，得到多个候选虹膜区域以及各所述候选虹膜区域对应的候选瞳孔区域；和/或从瞳孔区域集合中确定置信度满足预设置信度条件的目标检测瞳孔区域，其中，所述瞳孔区域集合初始时包括各所述检测瞳孔区域；在所述瞳孔区域集合中确定与所述目标检测瞳孔区域重叠程度大于预设重叠阈值的重复瞳孔区域；若不满足预设循环条件，则将去除所述重复瞳孔区域和所述目标检测瞳孔区域的瞳孔区域集合作为新的瞳孔区域集合，返回执行所述从瞳孔区域集合中确定置信度满足预设置信度条件的目标检测瞳孔区域的步骤；若满足预设循环条件，则将未被确定为所述重复瞳孔区域的所述检测瞳孔区域确定为候选瞳孔区域，得到多个候选瞳孔区域以及各所述候选瞳孔区域对应的候选虹膜区域。4.根据权利要求1所述的方法，其特征在于，预先采用如下步骤基于样本数据训练得到
所述目标检测网络模型，包括：将所述样本数据输入待训练检测网络模型，得到多个回归区域以及各所述回归区域对应的分类结果，所述分类结果用于表示虹膜或者瞳孔；确定各所述回归区域与所述样本数据标注的区域之间的区域重叠程度，以及各所述回归区域对应的分类结果所表示的类别与所述样本数据中所述回归区域标注的类别之间的类别差异；根据所述重叠程度和所述类别差异确定模型损失，所述模型损失与所述重叠程度负相关，且与所述类别差异正相关；基于所述模型损失调整所述待训练检测网络模型的网络参数，得到目标检测网络模型。5.根据权利要求1所述的方法，其特征在于，所述方法还包括：确定所述目标虹膜区域的长度和宽度中的较大值，作为第一最大尺寸；根据所述目标虹膜区域的位置、所述第一最大尺寸，确定所述目标眼部图像中虹膜的圆心和/或半径；确定所述目标瞳孔区域的长度和宽度中的较大值，作为第二最大尺寸，所述目标瞳孔区域为所述目标虹膜区域对应的所述候选瞳孔区域；根据所述目标瞳孔区域的位置、所述第二最大尺寸，确定所述目标眼部图像中瞳孔的圆心和/或半径。6.一种瞳孔和虹膜定位装置，其特征在于，所述装置包括：图像获取模块，用于获取目标眼部图像；目标检测模块，用于将所述目标眼部图像输入预先训练的目标检测网络模型，得到多个候选虹膜区域和各所述候选虹膜区域对应的候选瞳孔区域，其中，所述目标检测网络模型为预先基于样本数据训练得到的，所述样本数...

【专利技术属性】
技术研发人员：杨航，
申请(专利权)人：杭州萤石软件有限公司，
类型：发明
国别省市：