[發明專利]非正視虹膜圖像的矯正模型訓練、矯正、識別方法及裝置

在審

• 申請號: 202110076388.3
• 申請日: 2021-01-20
• 公開（公告）號: CN112651389A
• 公開（公告）日: 2021-04-13
• 發明（設計）人: 苗迪;劉京;張慧;王雅麗
• 申請（專利權）人: 北京中科虹霸科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京金咨知識產權代理有限公司 11612
• 代理人: 秦景芳

本發明提供了一種非正視虹膜圖像的矯正模型訓練、矯正、識別方法及裝置，該訓練方法包括：利用仿射變換參數對第一正視虹膜圖像仿射變換，得到非正視虹膜圖像；將第一正視虹膜圖像、仿射變換得到非正視虹膜圖像及仿射變換參數輸入至深度卷積神經網絡，得到仿射變換逆變換參數；利用訓練得到的仿射變換逆變換參數對非正視虹膜圖像進行仿射逆變換，得到矯正后的非正視虹膜圖像；比對矯正后的非正視虹膜圖像與第二正視虹膜圖像，得到比對結果；計算比對結果與比對閾值的距離與訓練得到的仿射變換逆變換參數和仿射變換逆變換參數的距離，以得到損失函數，訓練深度卷積神經網絡，得到非正視虹膜圖像矯正模型。通過上述方案能夠提高虹膜識別的準確率。

技術領域

本發明涉及虹膜圖像識別技術領域，尤其涉及一種非正視虹膜圖像的矯正模型訓練、矯正、識別方法及裝置。

背景技術

基于計算機視覺的虹膜識別，是將圖像中環狀虹膜區域的紋理提取出來，編碼后與數據庫中的虹膜模板進行比對。在人眼虹膜采集識別過程中，用戶姿態是不可控的。當用戶的雙目不能保持正視時，采集設備采集到的圖像就會出現虹膜圖像偏轉現象。然而，利用出現偏轉的虹膜圖像(即非正視虹膜圖像)進行虹膜識別時，虹膜識別準確率較低。

發明內容

有鑒于此，本發明提供了一種非正視虹膜圖像矯正模型訓練方法、虹膜圖像矯正方法、虹膜識別方法、電子設備及計算機可讀存儲介質，以解決非正視虹膜圖像的虹膜識別準確率不高的問題。

為了達到以上目的，本發明采用以下方案實現：

根據本發明實施例的一個方面，提供了一種非正視虹膜圖像矯正模型訓練方法，包括：

獲取訓練樣本集，所述訓練樣本集中的每個訓練樣本包含同一人眼的第一正視虹膜圖像、第二正視虹膜圖像、用于將正視虹膜圖像變換至一組設定注視姿勢中的一種注視姿態的非正視虹膜圖像的仿射變換參數、以及所述仿射變換矩陣對應的仿射變換逆變換參數；

利用訓練樣本中的仿射變換參數對相應訓練樣本中的第一正視虹膜圖像進行仿射變換，得到通過仿射變換得到的非正視虹膜圖像；

將訓練樣本的第一正視虹膜圖像、通過仿射變換得到非正視虹膜圖像、及仿射變換參數輸入至深度卷積神經網絡，得到通過訓練得到的仿射變換逆變換參數；

利用通過訓練得到的仿射變換逆變換參數對相應訓練樣本中的非正視虹膜圖像進行仿射變換逆變換，得到矯正后的非正視虹膜圖像；

對矯正后的非正視虹膜圖像與相應訓練樣本中的第二正視虹膜圖像進行虹膜比對，得到虹膜比對結果；

計算虹膜比對結果與設定比對閾值的第一距離，計算通過訓練得到的仿射變換逆變換參數和相應訓練樣本中仿射變換逆變換參數的第二距離，并根據所述第一距離和所述第二距離得到損失函數；

將所述損失函數返回至所述深度卷積神經網絡，以訓練所述深度卷積神經網絡，并在滿足設定訓練要求的情況下，根據訓練后的深度卷積神經網絡得到非正視虹膜圖像矯正模型。

在一些實施例中，所述設定訓練要求為訓練后的深度卷積神經網絡對應的損失函數不大于設定閾值，或達到設定訓練次數。

在一些實施例中，所述一組設定注視姿勢包括多個注視姿勢。

在一些實施例中，所述虹膜比對結果為比對分數，所述設定比對閾值為設定比對分數閾值。

在一些實施例中，對所述矯正后的非正視虹膜圖像與相應訓練樣本中的第二正視虹膜圖像進行虹膜比對，得到虹膜比對結果，包括：

對所述矯正后的非正視虹膜圖像進行虹膜特征提取，得到第一特征向量，對相應訓練樣本中的第二正視虹膜圖像進行虹膜特征提取，得到第二特征向量；

計算所述第一特征向量與所述第二特征向量的相似度，得到相似度分數，作為虹膜比對結果。