[發明專利]虹膜識別方法和裝置

在審

• 申請號: 202110486514.2
• 申請日: 2021-04-30
• 公開（公告）號: CN113033499A
• 公開（公告）日: 2021-06-25
• 發明（設計）人: 聶文俊;楊俊勉;郭錫超;王偉權
• 申請（專利權）人: 中國工商銀行股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 任默聞;王濤

本申請涉及人工智能技術領域，具體地公開了一種虹膜識別方法和裝置，其中，該方法包括：獲取待識別虹膜的標準化三維虹膜圖像數據；利用二維卷積神經網絡對標準化三維虹膜圖像數據進行特征提取和分類，得到待識別虹膜對應的目標特征數據和目標用戶標簽，其中，二維卷積神經網絡包括三維圖像處理層，三維圖像處理層對標準化三維虹膜圖像數據進行降維處理，得到多個二維虹膜圖像數據，多個二維虹膜圖像數據包括斜截面數據；從三維虹膜圖像數據庫調取目標用戶標簽對應的虹膜特征數據，其中，三維虹膜圖像數據庫中存儲多個用戶中各用戶的虹膜特征數據；根據目標特征數據和調取出的虹膜特征數據，生成虹膜識別結果。上述方案能提高虹膜識別的準確率。

技術領域

本申請涉及人工智能技術領域，特別涉及一種虹膜識別方法和裝置。

背景技術

目前，虹膜識別技術方案主要集中在二維數字圖像的處理上，例如，采用局部二值模式(Local Binary Pattern，LBP)算法、支持向量機(Support Vector Machine,SVM)算法、濾波器、二維卷積神經網絡(Convolutional Neural Networks，CNN)算法以及各種改進算法。

無論采用何種算法或者如何優化算法，其算法需要的核心特征都是基于虹膜的二維圖像進行提取的。二維卷積神經網絡是現有二維圖像處理方法所使用的最廣泛的算法。對于某類特征，2×2的二維卷積核只能提取4個方向的數據特征，3×3大小的二維卷積核最多能提取8個方向的數據特征，提取的特征數據較少。因此，基于二維圖像處理的虹膜識別技術識別的準確度不夠高。

針對上述問題，目前尚未提出有效的解決方案。

發明內容

本申請實施例提供了一種虹膜識別方法和裝置，以解決現有技術中基于二維圖像處理的虹膜識別技術識別的準確度不夠高的問題。

本申請實施例提供了一種虹膜識別方法，包括：獲取待識別虹膜的標準化三維虹膜圖像數據；利用二維卷積神經網絡對標準化三維虹膜圖像數據進行特征提取和分類，得到待識別虹膜對應的目標特征數據和目標用戶標簽，其中，二維卷積神經網絡包括三維圖像處理層，三維圖像處理層用于對標準化三維虹膜圖像數據進行降維處理，得到多個二維虹膜圖像數據，多個二維虹膜圖像數據包括斜截面數據；從三維虹膜圖像數據庫中調取目標用戶標簽對應的虹膜特征數據，其中，三維虹膜圖像數據庫中存儲有多個用戶中各用戶的虹膜特征數據；根據目標特征數據和調取出的虹膜特征數據，生成虹膜識別結果。

在一個實施例中，獲取待識別虹膜的標準化三維虹膜圖像數據，包括：接收待識別虹膜的原始超聲波數據；對原始超聲波數據進行數值化；基于數值化后的超聲波數據，生成標準化三維虹膜圖像數據，其中，數值化后的超聲波數據在三維坐標系中形成曲面體，標準化三維虹膜圖像數據在三維坐標系中形成長方體，長方體中包括曲面體，長方體中除曲面體之外的部分的數值為零。

在一個實施例中，三維圖像處理層中的三維圖像處理核的尺寸為3×3×3；相應的，利用三維圖像處理層對標準化三維虹膜圖像數據進行降維處理，得到多個二維虹膜圖像數據，包括：利用三維圖像處理層從標準化三維虹膜圖像數據提取出尺寸為3×3×3的多個立體虹膜圖像數據；對于多個立體虹膜圖像數據中的各立體虹膜圖像數據，分別沿各立體虹膜圖像數據的長寬高方向進行垂直截面，提取出尺寸為3×3的三個截面數據，并將未提取到的各立體虹膜圖像數據的八個頂點數據與中心點數據組合成尺寸為3×3的斜截面數據，得到標準化三維虹膜圖像數據對應的多個二維虹膜圖像數據。