[發明專利]基于采集不確定性解耦的魯棒虹膜識別方法

有效

• 申請號: 202110689241.1
• 申請日: 2021-06-22
• 公開（公告）號: CN113205082B
• 公開（公告）日: 2021-10-15
• 發明（設計）人: 孫哲南;衛建澤;王云龍
• 申請（專利權）人: 中國科學院自動化研究所
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京華夏泰和知識產權代理有限公司 11662
• 代理人: 孫劍鋒;李永葉

本發明提供基于采集不確定性解耦的魯棒虹膜識別方法，為了解決低配合虹膜識別中不確定采集因素對身份特征的影響，探究了采集過程中來自眼、設備、環境的不確定因素，從像素層和特征層出發，分別提出了歸一化虹膜圖像增強方法和不確定性嵌入表達來解決采集不確定性問題。前者在像素層依據圖像的局部和全局統計量逐步對圖像進行調整；后者則在特征層使用高斯分布來表示圖像，事實上將身份信息從采集因素中解耦出來。此外，還提出了不確定性導向的訓練策略讓模型按照樣本的不確定性從易到難進行學習，以獲得更魯棒的特征表達。

技術領域

本發明涉及圖像處理領域，具體涉及基于采集不確定性解耦的魯棒虹膜識別方法。

背景技術

虹膜識別由于其極高的識別精度被視為未來監控場景下具有廣闊應用前景的生物特征識別技術。然而，虹膜識別在配合度較低的監控場景下不可避免地會受多種因素影響，比如眼睛(運動、位置、遮擋)、設備(光學鏡頭、傳感器、電子控制單元)，以及環境(照明)。這些不確定的采集因素不僅使得采集設備難以捕獲讓人滿意的虹膜圖像，也讓成像結果之間存在顯著的差異，導致了巨大的類內差異。

為了縮小這種分歧，必須要采用強大的特征提取器來學習緊湊的特征表示。傳統的虹膜識別方法如對數Gabor、定序編碼等將虹膜圖像編碼為二進制模板，而深度虹膜識別方法如Maxout、動態圖表示法則采用深度神經網絡來生成特征向量。這兩類方法都是基于確定點來表示虹膜圖像，并在特征層縮小類內距離。然后，這些方法卻忽略了造成類內差異的更深層次原因，即數據的不確定性導致類內距離。誠然，為了進一步減少確定點特征表達中的類內距離，研究人員也開發了許多虹膜識別技巧，如模板位移、掩碼和模板二值化等，甚至嘗試增加模型容量來縮小類內距離。但這些旨在利用計算資源換取性能提升的技巧依舊受限于確定點特征表達，難以有效消除虹膜數據中的不確定性，無法顯著的提升識別方法在低配合度場景中的表現。

申請公布號CN102629319B公開了一種基于特定邊界檢測子的魯棒虹膜區域分割方法。該方法包括以下步驟：S1：構建左、右內邊界、左、右外邊界以及上、下眼皮邊界六個虹膜特定邊界訓練數據集和候選特征集合；S2：使用級聯的自適應學習算法構建六個虹膜特定邊界檢測子；S3：利用左、右內邊界檢測子和加權霍夫變換定位虹膜內邊界；S4：利用左、右外邊界檢測子和加權霍夫變換定位虹膜外邊界；S5：利用上、下眼皮邊界檢測子和魯棒最小二乘法定位上下眼皮邊界。

現有技術存在的問題是：低配合場景下的虹膜識別難點主要集中在于不確定的采集因素導致了不穩定的虹膜成像，這使得采集到的虹膜圖像不僅包含身份信息，同時也與采集因素（或采集過程）息息相關。現有的確定點特征表示方法忽略了采集因素對特征提取的影響，影響了特征提取器學習，使得采集因素模糊了最終的特征表達。

發明內容

有鑒于此，本發明提供一種基于采集不確定性解耦的魯棒虹膜識別方法，具體地，本發明是通過如下技術方案實現的：

S1：對低配合條件下采集的原始虹膜圖像X^raw進行虹膜預處理操作，得到虹膜歸一化圖像X；

S2：應用滑動窗口對所述虹膜歸一化圖像X的窗口中心像素點進行像素局部增強，得到局部增強圖像X_n^local(h,w)；

再應用局部增強圖像X_n^local(h,w)計算全局一階統計量X_n^M和全局二階統計量X_n^S；