[發明專利]美瞳檢測方法

有效

• 申請號: 201810822698.3
• 申請日: 2018-07-25
• 公開（公告）號: CN108470170B
• 公開（公告）日: 2018-11-02
• 發明（設計）人: 張曉琳
• 申請（專利權）人: 上海聚虹光電科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種美瞳檢測方法，其包括以下步驟：a.數據采集模塊對已知美瞳和活體虹膜進行采集，并將采集到的已知美瞳作為人工美瞳存儲到數據庫中；b.美瞳學習模塊將數據庫中的人工美瞳和活體虹膜作為訓練樣本，通過機器學習的方法得到美瞳分類模型，并將美瞳分類模型發布到第一檢測模塊的美瞳分類器中；c.第一檢測模塊對未知樣本進行美瞳檢測；d.第一檢測模塊認定未知樣本的檢測結果是非美瞳后，第二檢測模塊對所述未知樣本進行二次檢測；e.美瞳學習模塊根據更新的數據庫，通過機器學習的方法優化美瞳分類模型，并重新發布到第一檢測模塊的美瞳分類器中；f.優化后的美瞳分類模型對數據庫中的機器美瞳再次進行判斷，剔除機器美瞳中的非美瞳數據。

技術領域

本發明涉及生物識別技術領域，具體涉及一種美瞳檢測方法。

背景技術

近年來，隨著生活質量的提高，隱形眼鏡的佩戴人群逐漸增多，尤其是彩色隱形眼鏡即美瞳，一方面可以避免普通鏡框眼鏡帶來的不便，另一方面也可以增加美觀度。據行業協會的不完全統計，目前僅我國美瞳的年銷量已超過一億片，可見美瞳的使用，尤其是在女性中，十分普遍。

隨著科技的進步，人工智能已經走進了人們的生活。人們對身份的驗證早已不局限于身份證、密碼等傳統形式，越來越多的行業，包括金融、公共服務、安全等其他領域傾向于使用隨身攜帶的生物特征包括人臉、指紋、虹膜等作為身份驗證的手段之一。

虹膜識別憑借其非接觸性、高準確性以及長期穩定性成為重要的生物識別手段之一。目前，虹膜識別技術及產品正在以前所未有的速度快速的進入市場；然而美瞳的廣泛使用給虹膜識別的安全性帶來了新的挑戰。美瞳的紋理與虹膜紋理疊加使得真假虹膜難辨。如果美瞳數據被注冊數據庫接受將會污染整個數據庫，使數據庫安全性降低。不法分子將會利用數據庫的缺陷攻擊數據庫。因此確保美瞳被檢測并屏蔽在數據庫之外極為重要。

發明內容

本發明所要解決的技術問題是提供一種美瞳檢測方法，避免用戶佩戴美瞳進行虹膜注冊和識別，對身份認證安全性造成的干擾。

為實現上述技術效果，本發明公開了一種美瞳檢測方法，其特征在于包括以下步驟：

a. 數據采集模塊對已知美瞳和活體虹膜進行采集，并將采集到的已知美瞳作為人工美瞳存儲到數據庫中，將采集到的活體虹膜作為美瞳負樣本存儲到數據庫中；

b. 美瞳學習模塊將數據庫中的人工美瞳和活體虹膜作為訓練樣本，通過機器學習的方法得到美瞳分類模型，并將美瞳分類模型發布到第一檢測模塊的美瞳分類器中；

c. 第一檢測模塊的美瞳分類器調用美瞳分類模型對未知樣本進行檢測，其中，美瞳分類器判斷未知樣本是美瞳的次數達到第一預設閾值時，第一檢測模塊認定該未知樣本的檢測結果是美瞳，并將該未知樣本作為機器美瞳存儲到數據庫中，從而對數據庫進行更新；

d. 第一檢測模塊認定所述未知樣本的檢測結果是非美瞳，則第二檢測模塊對所述未知樣本進行二次檢測；

e. 美瞳學習模塊根據更新的數據庫，通過機器學習的方法優化美瞳分類模型，并將優化后的美瞳分類模型發布到第一檢測模塊的美瞳分類器中；

f. 第一檢測模塊的美瞳分類器調用優化后的美瞳分類模型對數據庫中的機器美瞳再次進行判斷，剔除機器美瞳中的非美瞳數據。

本發明美瞳檢測方法的改進在于，步驟a進一步包括：

數據采集模塊對已知美瞳和活體虹膜進行圖像采集，并將采集到的已知美瞳圖像和活體虹膜圖像存儲到數據庫中；

虹膜分割模塊對采集到的已知美瞳圖像和活體虹膜圖像進行分割；

虹膜編碼模塊對完成分割的已知美瞳圖像和活體虹膜圖像進行編碼，形成人工美瞳編碼和活體虹膜編碼存儲到數據庫中。

本發明美瞳檢測方法的進一步改進在于，步驟b進一步包括：