[發明專利]基于人眼結構分類的虹膜和瞳孔的定位方法

有效

• 申請號: 201210393147.2
• 申請日: 2012-10-16
• 公開（公告）號: CN102902967A
• 公開（公告）日: 2013-01-30
• 發明（設計）人: 黃新宇;楊睿剛
• 申請（專利權）人: 第三眼（天津）生物識別科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 李麗萍

技術領域

本發明屬于圖像處理，模式識別和計算機視覺的技術領域，涉及一種自動的基于人眼結構分類的虹膜和瞳孔定位方法，尤其適合于從遠距離非侵入情況下獲取的圖像。

背景技術

與生物識別技術的其它方式相比，虹膜識別更加準確、可靠和獨特。它的信息采集是非接觸式的，從而非常衛生。虹膜識別的步驟大致包括人眼圖像獲取，圖像預處理，虹膜和瞳孔定位，虹膜特征提取，以及虹膜特征匹配等步驟。

如果人臉圖像是在遠距離非侵入的情況下獲取的，人眼圖像可在很大的范圍內變化。例如，圖像上的虹膜的半徑可在幾十到幾百個像素間變化，而在近距可控條件下，虹膜半徑一般只有幾十像素差異；光照條件不及近距離獲取系統的一致；虹膜區域可被眼鏡，高光，眼簾，睫毛等物遮擋。

在這類人眼圖像中，只有非常小比例的圖像區域包括虹膜及瞳孔的邊界，而非虹膜及瞳孔的離群數據比例遠超過了現有通用的穩健檢測算法的失效點。因此，虹膜和瞳孔的精確定位的難度大大增加，進而降低了此類圖像的識別率和阻礙了遠距離非侵入式獲取系統的推廣。

發明內容

針對上述現有技術，本發明提供一種基于人眼結構分類的虹膜和瞳孔定位方法，以增加遠距離非侵入式虹膜圖像獲取及識別系統的穩健性。本發明中所謂類似圓的結構是指類似圓形的形狀，非圓結構是指不具備圓形的形狀。

為了解決上述技術問題，本發明基于人眼結構分類的虹膜和瞳孔定位方法，包括以下步驟：

步驟1、在虹膜采集系統獲取圖像中檢測人臉圖像，在人臉圖像中提取人眼圖像：

利用訓練過的哈爾小波特征級連分類器在降低了分辨率的圖像中檢測人臉；

如果沒有檢測到人臉，則不進行處理；

如果檢測到人臉，則使用訓練過的哈爾小波特征級連分類器在人臉范圍內檢測人眼；

如果檢測到兩只人眼，則提取兩張分別具有一只人眼的人眼圖像；

如果檢測到一只人眼，則根據人臉對稱性分析另一只眼的位置，進而提取一張具有一只人眼的人眼圖像或兩張分別具有一只人眼的人眼圖像；

如果沒有檢測到人眼，則根據人臉比例及對稱分析兩眼位置，進而提取一張具有一只人眼的人眼圖像或兩張分別具有一只人眼的人眼圖像；

步驟2、利用機器學習中的非監督學習技術，對人眼圖像進行自動的結構分類：

采用非監督學習技術將人眼圖像分為類似圓的結構和其他非圓結構，從而初步定位虹膜和瞳孔，估算有效虹膜區域大小及人眼閉合程度，用以去除非虹膜和瞳孔邊界的離群數據，同時縮小針對虹膜瞳孔位置和大小的搜索空間；

步驟3：結合虹膜和瞳孔的固有特征進行約束優化，搜索最優虹膜和瞳孔邊界，從而精確定位虹膜和瞳孔邊界，具體包括以下步驟：

步驟3-1：在由步驟2確定的搜索空間內，利用以下方法之一自動檢測多個虹膜和瞳孔邊界的候選解：

先運用識別圓的霍夫變換，然后，在霍夫空間內進行多個局部極值檢測；或

先運用穩健曲線擬合，再加上擬合殘差分析；

步驟3-2：結合虹膜和瞳孔的平均半徑比率的范圍以及平均的同心率范圍，對候選解進行約束，尋找最優的候選解；

約束優化定義為:

max(Bp,Bi)(v(Bp)+v(Bi))s.t.]]>