基于人眼结构分类的虹膜和瞳孔的定位方法技术

本发明专利技术公开了一种基于人眼结构分类的虹膜和瞳孔的定位方法。该方法首先从系统获取的图像中检测人脸，提取人眼图像。由于在远距离非侵入的情况下获取的人眼图像可在很大的范围内变化，例如，虹膜半径可在几十到几百个像素间变化，本发明专利技术在精确定位虹膜和瞳孔边界前，利用非监督学习技术，对人眼图像进行自动的结构分类。该分类能大致定位虹膜和瞳孔，估算有效虹膜区域大小，极大地去除非虹膜和瞳孔边界的离群数据，并且减少针对虹膜瞳孔位置和大小的搜索空间。在缩小的搜索空间中，本发明专利技术进一步依据虹膜瞳孔固有特征进行约束优化，搜索最优虹膜和瞳孔边界。本发明专利技术可以大大增加虹膜和瞳孔定位的稳定性和精确性，尤其适合远距离非侵入式的虹膜获取系统。

【技术实现步骤摘要】
本专利技术属于图像处理，模式识别和计算机视觉的
，涉及一种自动的基于人眼结构分类的虹膜和瞳孔定位方法，尤其适合于从远距离非侵入情况下获取的图像。
技术介绍
与生物识别技术的其它方式相比，虹膜识别更加准确、可靠和独特。它的信息采集是非接触式的，从而非常卫生。虹膜识别的步骤大致包括人眼图像获取，图像预处理，虹膜和瞳孔定位，虹膜特征提取，以及虹膜特征匹配等步骤。如果人脸图像是在远距离非侵入的情况下获取的，人眼图像可在很大的范围内变化。例如，图像上的虹膜的半径可在几十到几百个像素间变化，而在近距可控条件下，虹膜半径一般只有几十像素差异；光照条件不及近距离获取系统的一致；虹膜区域可被眼镜， 高光，眼帘，睫毛等物遮挡。在这类人眼图像中，只有非常小比例的图像区域包括虹膜及瞳孔的边界，而非虹膜及瞳孔的离群数据比例远超过了现有通用的稳健检测算法的失效点。因此，虹膜和瞳孔的精确定位的难度大大增加，进而降低了此类图像的识别率和阻碍了远距离非侵入式获取系统的推广。
技术实现思路
针对上述现有技术，本专利技术提供一种基于人眼结构分类的虹膜和瞳孔定位方法，以增加远距离非侵入式虹膜图像获取及识别系统的稳健性。本专利技本文档来自技高网...

【技术保护点】
一种基于人眼结构分类的虹膜和瞳孔的定位方法，其特征在于，包括以下步骤：步骤1、在虹膜采集系统获取的图像中检测人脸图像，在人脸图像中提取人眼图像：利用训练过的哈尔小波特征级连分类器在降低了分辨率的图像中检测人脸；如果没有检测到人脸，则不进行处理；如果检测到人脸，则使用训练过的哈尔小波特征级连分类器在人脸范围内检测人眼；如果检测到两只人眼，则提取两张分别具有一只人眼的人眼图像；如果检测到一只人眼，则根据人脸对称性分析另一只眼的位置，进而提取一张具有一只人眼的人眼图像或两张分别具有一只人眼的人眼图像；如果没有检测到人眼，则根据人脸比例及对称分析两眼位置，进而提取一张具有一只人眼的人眼图像或两张分别具...

【技术特征摘要】
1.一种基于人眼结构分类的虹膜和瞳孔的定位方法，其特征在于，包括以下步骤 步骤I、在虹膜采集系统获取的图像中检测人脸图像，在人脸图像中提取人眼图像 利用训练过的哈尔小波特征级连分类器在降低了分辨率的图像中检测人脸； 如果没有检测到人脸，则不进行处理； 如果检测到人脸，则使用训练过的哈尔小波特征级连分类器在人脸范围内检测人眼； 如果检测到两只人眼，则提取两张分别具有一只人眼的人眼图像； 如果检测到一只人眼，则根据人脸对称性分析另一只眼的位置，进而提取一张具有一只人眼的人眼图像或两张分别具有一只人眼的人眼图像； 如果没有检测到人眼，则根据人脸比例及对称分析两眼位置，进而提取一张具有一只人眼的人眼图像或两张分别具有一只人眼的人眼图像； 步骤2、利用机器学习中的非监督学习技术，对人眼图像进行自动的结构分类 采用非监督学习技术将人眼图像分为类似圆的结构和其他非圆结构，从而初步定位虹膜和瞳孔，估算有效虹膜区域大小及人眼闭合程度，用以去除非虹膜和瞳孔边界的离群数据，同时缩小针对虹膜瞳孔位置和大小的搜索空间； 步骤3 :结合虹膜和瞳孔的固有特征进行约束优化，搜索最优虹膜和瞳孔边界，从而精确定位虹膜和瞳孔边界； 具体包括以下步骤 步骤3-1 :在由步骤2确定的搜索空间内，利用以下方法之一自动检测多个虹膜和瞳孔边界的候选解 先运用识别圆的霍夫变换，然...

【专利技术属性】
技术研发人员：黄新宇，杨睿刚，
申请(专利权)人：第三眼天津生物识别科技有限公司，
类型：发明
国别省市：