[發(fā)明專利]用于瞳孔定位的方法和裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 201710812073.4
• 申請(qǐng)日: 2017-09-11
• 公開（公告）號(hào): CN108629265A
• 公開（公告）日: 2018-10-09
• 發(fā)明（設(shè)計(jì)）人: 黃歡;趙剛
• 申請(qǐng)（專利權(quán)）人: 上海荊虹電子科技有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06N3/04
• 代理公司: 北京市漢坤律師事務(wù)所 11602
• 代理人: 段志超

本公開內(nèi)容涉及用于瞳孔定位的方法和裝置。一個(gè)實(shí)施例公開了一種用于瞳孔定位的方法，包括：從含有瞳孔的第一圖像中提取多個(gè)第一圖像塊；將所述多個(gè)第一圖像塊輸入經(jīng)過訓(xùn)練以學(xué)習(xí)輸入圖像和瞳孔結(jié)構(gòu)的位置關(guān)系的第一神經(jīng)網(wǎng)絡(luò)，以獲取所述第一神經(jīng)網(wǎng)絡(luò)對(duì)所述多個(gè)第一圖像塊的第一處理結(jié)果；以及根據(jù)從所述第一神經(jīng)網(wǎng)絡(luò)輸出的所述第一處理結(jié)果，從所述多個(gè)第一圖像塊中確定第一定位圖像塊，并使用所述第一定位圖像塊對(duì)瞳孔進(jìn)行定位，其中所述第一定位圖像塊為中心與瞳孔中心最為接近的第一圖像塊。本公開還描述了相應(yīng)的裝置以及計(jì)算機(jī)系統(tǒng)和計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。

技術(shù)領(lǐng)域

本發(fā)明總體上涉及圖像處理領(lǐng)域，并且特別涉及用于瞳孔定位的方法和裝置。

背景技術(shù)

隨著安防意識(shí)和需求的不斷增強(qiáng)，加上計(jì)算機(jī)視覺、模式識(shí)別和人工智能等技術(shù)的快速發(fā)展，生物特征識(shí)別技術(shù)有了突破性發(fā)展，并得到廣泛的應(yīng)用。生物特征識(shí)別技術(shù)利用人體本身所固有的、唯一的生物特征作為身份識(shí)別的標(biāo)志，這種標(biāo)志具有隨身攜帶、使用方便的特點(diǎn)。虹膜識(shí)別技術(shù)就是生物識(shí)別技術(shù)的一種。虹膜識(shí)別具有高穩(wěn)定性、高可靠性、非接觸和無侵犯性等特點(diǎn)，而且虹膜識(shí)別具有比指紋、人臉、聲音、掌紋等其它生物特征識(shí)別更加方便和精確。虹膜識(shí)別技術(shù)被應(yīng)用于移動(dòng)電子設(shè)備中主要用于實(shí)現(xiàn)設(shè)備解鎖、移動(dòng)支付等功能，成為生物特征鑒別領(lǐng)域中極具有發(fā)展?jié)摿Φ纳矸葑R(shí)別技術(shù)。

在虹膜識(shí)別方法中，可靠地進(jìn)行瞳孔檢測是其非常重要的前提條件。瞳孔檢測技術(shù)中最重要的兩個(gè)目標(biāo)是：精確定位瞳孔的中心和計(jì)算瞳孔的大小。瞳孔可以近似成橢圓，其精確定位即是對(duì)該橢圓的參數(shù)求解。但受到外界干擾時(shí)，提取的瞳孔不能近似成標(biāo)準(zhǔn)的橢圓，給精確定位帶來了難度。

現(xiàn)有的技術(shù)中目前均采用手工特征來進(jìn)行瞳孔的定位，并且考慮到多種干擾因素的影響，檢測效果不佳。

發(fā)明內(nèi)容

總體上，本發(fā)明的實(shí)施例提出(1)一種用于瞳孔定位的方法，所述方法包括：從含有瞳孔的第一圖像中提取多個(gè)第一圖像塊；將所述多個(gè)第一圖像塊輸入經(jīng)過訓(xùn)練以學(xué)習(xí)輸入圖像和瞳孔結(jié)構(gòu)的位置關(guān)系的第一神經(jīng)網(wǎng)絡(luò)，以獲取所述第一神經(jīng)網(wǎng)絡(luò)對(duì)所述多個(gè)第一圖像塊的第一處理結(jié)果；以及根據(jù)從所述第一神經(jīng)網(wǎng)絡(luò)輸出的所述第一處理結(jié)果，從所述多個(gè)第一圖像塊中確定第一定位圖像塊，并使用所述第一定位圖像塊對(duì)瞳孔進(jìn)行定位，其中所述第一定位圖像塊為中心與瞳孔中心最為接近的第一圖像塊。

(2)根據(jù)(1)所述的方法，其中，所述第一神經(jīng)網(wǎng)絡(luò)包括卷積神經(jīng)網(wǎng)絡(luò)。

(3)根據(jù)(1)所述的方法，其中，所述方法進(jìn)一步包括訓(xùn)練所述第一神經(jīng)網(wǎng)絡(luò)，所述訓(xùn)練包括：向所述第一神經(jīng)網(wǎng)絡(luò)輸入從標(biāo)記了瞳孔位置的樣本圖像中提取的多個(gè)第二圖像塊，以獲得第二處理結(jié)果；優(yōu)化所述第一神經(jīng)網(wǎng)絡(luò)，使得：響應(yīng)于第二圖像塊與標(biāo)記的瞳孔的距離不大于第一閾值，所獲取的第二處理結(jié)果大于第二閾值；響應(yīng)于第二圖像塊與標(biāo)記的瞳孔的距離大于所述第一閾值，所獲取的第二處理結(jié)果小于第三閾值，其中所述第二閾值大于或者等于所述第三閾值。

(4)根據(jù)(3)所述的方法，其中，所述第二圖像塊的大小與所述第一圖像塊的大小相同。

(5)根據(jù)(3)所述的方法，其中，所述使得響應(yīng)于第二圖像塊與標(biāo)記的瞳孔的距離大于所述第一閾值，所獲取的第二處理結(jié)果小于第三閾值，包括：使得響應(yīng)于第二圖像塊與標(biāo)記的瞳孔的距離大于第一閾值且不大于第四閾值，所獲取的第二處理結(jié)果小于第三閾值。

(6)根據(jù)(3)所述的方法，其中，所述優(yōu)化所述第一神經(jīng)網(wǎng)絡(luò)，包括：采用反向傳播算法優(yōu)化所述第一神經(jīng)網(wǎng)絡(luò)。

(7)根據(jù)(6)所述的方法，其中，所述采用反向傳播算法優(yōu)化所述第一神經(jīng)網(wǎng)絡(luò)包括：采用隨機(jī)梯度下降法優(yōu)化所述第一神經(jīng)網(wǎng)絡(luò)。