用于生成位置信息的方法和装置与流程

本申请实施例涉及计算机技术领域，具体涉及用于生成位置信息的方法和装置。

背景技术：

虹膜作为众多生物固有的特征之一，可以被用于物体识别。例如，通过定位图像中的虹膜图像，实现物体的识别。现有技术，往往需要事先人工定义虹膜图像的特征，然后提取待检测图像的特征，再进行模板匹配，进而实现对待检测图像中的虹膜图像的定位。

技术实现要素：

本申请实施例提出了用于生成位置信息的方法和装置。

第一方面，本申请实施例提供了一种用于生成位置信息的方法，该方法包括：获取待检测图像，其中，待检测图像中包含虹膜图像；将待检测图像输入至预先训练的虹膜检测模型，得到用于表征虹膜图像在待检测图像中的位置的位置信息，其中，虹膜检测模型用于表征待检测图像和虹膜图像在待检测图像中的位置之间的对应关系。

在一些实施例中，虹膜检测模型通过如下步骤训练得到：获取样本集，其中，样本包括样本图像和样本标注信息，样本图像中包含虹膜图像，样本标注信息用于表征虹膜图像在对应的样本图像中的位置；从样本集中选取样本，以及执行如下训练步骤：将选取的样本的样本图像输入至初始神经网络，得到用于表征虹膜图像在样本图像中的位置的位置信息；基于位置信息和与样本图像对应的样本标注信息，确定初始神经网络是否训练完成；响应于确定初始神经网络训练完成，将训练完成的初始神经网络作为虹膜检测模型。

在一些实施例中，基于位置信息和与样本图像对应的样本标注信息，确定初始神经网络是否训练完成，包括：响应于位置信息所指示的位置和与样本图像对应的样本标注信息所指示的位置之间的误差小于预设误差值，确定初始神经网络训练完成。

在一些实施例中，该方法还包括：响应于确定初始神经网络未训练完成，调整初始神经网络的相关参数，以及从样本集中选取未使用过的样本，将调整后的初始神经网络作为初始神经网络，继续执行训练步骤。

在一些实施例中，基于位置信息和与样本图像对应的样本标注信息，确定初始神经网络是否训练完成，包括：响应于位置信息所指示的位置和与样本图像对应的样本标注信息所指示的位置之间的误差大于或等于所述预设误差值，确定初始神经网络未训练完成。

在一些实施例中，待检测图像中包含鸽子虹膜图像，样本图像中包含鸽子虹膜图像，样本标注信息用于指示鸽子虹膜图像在对应的样本图像中的位置。

第二方面，本申请实施例提供了一种用于生成位置信息的装置，该装置包括：待检测图像获取单元，被配置成获取待检测图像，其中，待检测图像中包含虹膜图像；检测单元，被配置成将待检测图像输入至预先训练的虹膜检测模型，得到用于表征虹膜图像在待检测图像中的位置的位置信息，其中，虹膜检测模型用于表征待检测图像和虹膜图像在待检测图像中的位置之间的对应关系。

在一些实施例中，检测单元，包括：样本集获取单元，被配置成获取样本集，其中，样本包括样本图像和样本标注信息，样本图像中包含虹膜图像，样本标注信息用于表征虹膜图像在对应的样本图像中的位置；训练单元，被配置成从样本集中选取样本，以及执行如下训练步骤：将选取的样本的样本图像输入至初始神经网络，得到用于表征虹膜图像在样本图像中的位置的位置信息；基于位置信息和与样本图像对应的样本标注信息，确定初始神经网络是否训练完成；响应于确定初始神经网络训练完成，将训练完成的初始神经网络作为虹膜检测模型。

在一些实施例中，训练单元，进一步被配置成：响应于位置信息所指示的位置和与样本图像对应的样本标注信息所指示的位置之间的误差小于预设误差值，确定初始神经网络训练完成。

在一些实施例中，该装置，进一步被配置成：响应于确定初始神经网络未训练完成，调整初始神经网络的相关参数，以及从样本集中选取未使用过的样本，将调整后的初始神经网络作为初始神经网络，继续执行训练步骤。

在一些实施例中，训练单元，进一步被配置成：响应于位置信息所指示的位置和与样本图像对应的样本标注信息所指示的位置之间的误差大于或等于所述预设误差值，确定初始神经网络未训练完成。

在一些实施例中，待检测图像中包含鸽子虹膜图像，样本图像中包含鸽子虹膜图像，样本标注信息用于指示鸽子虹膜图像在对应的样本图像中的位置。

第三方面，本申请实施例提供了一种服务器，该服务器包括：一个或多个处理器；存储装置，其上存储有一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。

第四方面，本申请实施例提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面中任一实现方式描述的方法。

本申请实施例提供的用于生成位置信息的方法和装置，通过预先训练虹膜检测模型，然后将待检测图像输入至虹膜检测模型，从而得到待检测图像中的虹膜图像在待检测图像中的位置的位置信息。该方法和装置实现了通过虹膜检测模型定位虹膜图像在待检测图像中的位置。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请的一个实施例可以应用于其中的示例性系统架构图；

图2是根据本申请的用于生成位置信息的方法的一个实施例的流程图；

图3是根据本申请的用于生成位置信息的方法的一个应用场景的示意图；

图4是根据本申请的用于生成位置信息的方法的又一个实施例的流程图；

图5是根据本申请的用于生成位置信息的装置的一个实施例的结构示意图；

图6是适于用来实现本申请实施例的服务器的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用本申请的用于生成位置信息的方法或用于生成位置信息的装置的示例性架构100。

如图1所示，系统架构100可以包括图像采集设备101、数据库服务器102、服务器103、终端设备104、105和网络106、107。其中，网络106用以在图像采集设备101、数据库服务器102和服务器103之间提供通信链路的介质。网络107用以在服务器103和终端设备104、105之间提供通信链路的介质。网络106、107可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

图像采集设备101可以是任意的具有摄像功能的电子设备。实践中，图像采集设备101采集到的图像可以存储于数据库服务器102。图像采集设备101可以通过网络106将采集到的图像传输至数据库服务器102。需要说明的是，图像采集设备101也可以通过其他传输方式(例如通过数据线传输)将采集到的图像传输至数据库服务器102。

服务器103通过网络106可以获取图像采集设备101采集到的图像，也可以获取数据库服务器102预先存储的图像。需要说明的是，服务器103也可以通过其他传输方式(例如通过数据线传输)获取图像采集设备101采集到的图像。另外，图像采集设备101采集到的图像也可以直接存储于服务器103的本地，服务器103可以直接提取本地所存储的图像并进行处理，此时，可以不存在数据库服务器102。

终端设备104、105通过网络107与服务器103交互，以接收或发送消息等。终端设备104、105上可以安装有各种通讯客户端应用，例如图像识别类应用等。

终端设备104、105可以是硬件，也可以是软件。当终端设备104、105为硬件时，可以是具有显示屏并且支持图像显示功能的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。当终端设备104、105为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器103可以是提供各种服务的服务器，例如为终端设备104、105的图像识别后台服务器。图像识别后台服务器可以对获取到的图像进行特征提取等处理，并生成处理结果，以及反馈给终端设备104、105。实践中，服务器103对图像的处理结果也可以存储于本地，此时，可以不存在终端设备104、105。

需要说明的是，本申请实施例所提供的用于生成位置信息的方法一般由服务器103执行，相应地，用于生成位置信息的装置一般设置于服务器103中。

需要说明的是，服务器103可以是硬件，也可以是软件。当服务器103为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

应该理解，图1中的图像采集设备、数据库服务器、网络、服务器和终端设备的数目仅仅是示意性的。根据实现需要，可以具有任意数目的图像采集设备、数据库服务器、网络、服务器和终端设备。

继续参考图2，示出了根据本申请的用于生成位置信息的方法的一个实施例的流程200。该用于生成位置信息的方法包括以下步骤：

步骤201，获取待检测图像。

在本实施例中，用于生成位置信息的方法的执行主体(如图1所示的服务器103)可以通过各种方式获取待检测图像。其中，待检测图像通常包含虹膜图像。可选的，待检测图像可以包含鸽子虹膜图像。再例如，待检测图像也可以包含其他生物的虹膜图像。

在本实施例中，上述执行主体可以从通信连接的其他服务器(如图1所示的数据库服务器102)或终端设备(如图1所示的图像采集设备101)获取待检测图像。实践中，待检测图像也可以存储于上述执行主体本地，此时，上述执行主体可以直接从本地获取待检测图像。

步骤202，将待检测图像输入至预先训练的虹膜检测模型，得到用于表征虹膜图像在待检测图像中的位置的位置信息。

在本实施例中，上述执行主体可以将待检测图像输入至预先训练的虹膜检测模型，得到用于表征虹膜图像在待检测图像中的位置的位置信息。其中，虹膜检测模型用于表征待检测图像和虹膜图像在待检测图像中的位置之间的对应关系。例如，虹膜检测模型可以是目标图像和虹膜图像在目标图像中的位置的位置信息之间的对应关系表。其中，目标图像可以是技术人员预先指定的预设数量的图像。虹膜图像在目标图像中的位置的位置信息(例如坐标、标注框)可以是技术人员预先标注好的。此时，上述执行主体可以到上述对应关系表中进行匹配查找，然后确定出与待检测图像对应的目标图像，进而得到虹膜图像在待检测图像中的位置的位置信息。可选的，虹膜检测模型还可以通过机器学习方法训练得到，如步骤401-402所示。

需要说明的是，虹膜图像在待检测图像中的位置的位置信息可以是各种形式，例如坐标、标注框。

继续参见图3，图3是根据本实施例的用于生成位置信息的方法的应用场景的一个示意图，以检测鸽子虹膜为例。在图3的应用场景中，服务器300预先存储有虹膜检测模型。此处，虹膜检测模型可以看作是表征目标图像和鸽子虹膜图像在目标图像中的位置的位置信息之间的对应关系表(如表301)，其中，目标图像和鸽子虹膜图像在目标图像中的位置的位置信息关联存储。当获取到待检测图像302时，用于生成位置信息的方法的执行主体可以到服务器300中的表301进行查找，进而确定与待检测图像302对应的目标图像303和鸽子虹膜图像在目标图像303中的位置的位置信息(如标注框304)。因此，上述执行主体得到鸽子虹膜图像在待检测图像302中的位置的位置信息(如标注框305、306)。

本申请的上述实施例提供的方法通过将待检测图像输入至表征目标图像和虹膜图像在目标图像中的位置的位置信息之间的对应关系表，进而得到虹膜图像在待检测图像中的位置的位置信息。该方法实现了通过虹膜检测模型确定虹膜图像在待检测图像中的位置。

进一步参考图4，其示出了用于生成位置信息的方法的又一个实施例的流程400。该用于生成位置信息的方法的流程400，包括以下步骤：

步骤401，获取样本集。

在本实施例中，样本集中的样本包括样本图像和样本标注信息。其中，样本图像中包含虹膜图像。样本标注信息用于表征虹膜图像在对应的样本图像中的位置。实践中，样本标注信息可以通过现有的标注工具(例如matlab)生成。

在本实施例中，训练虹膜检测模型的执行主体可以通过各种方式获取样本集。例如，从存储有样本集的服务器(如图1所示的数据库服务器102)获取样本集。例如，通过终端设备(如图1所示的图像采集设备101)采集图像，而后进行处理，得到样本集。需要说明的是，训练虹膜检测模型的执行主体与用于生成位置信息的方法的执行主体可以相同，也可以不同。

步骤402，从样本集中选取样本，以及执行如下训练步骤：将选取的样本的样本图像输入至初始神经网络，得到用于表征虹膜图像在样本图像中的位置的位置信息；基于位置信息和与样本图像对应的样本标注信息，确定初始神经网络是否训练完成；响应于确定初始神经网络训练完成，将训练完成的初始神经网络作为虹膜检测模型。

在本实施例中，训练虹膜检测模型的执行主体可以从样本集中选取样本，然后将选取的样本的样本图像输入至初始神经网络，得到用于表征虹膜图像在样本图像中的位置的位置信息(例如坐标、标注框)。

在本实施例中，初始神经网络可以包括卷积神经网络。此处，卷积神经网络可以包括卷积层、池化层和全连接层。首先，训练虹膜检测模型的执行主体可以将样本图像依次输入至卷积层、池化层，对样本图像进行特征提取、降维等操作，生成特征图。另外，训练虹膜检测模型的执行主体可以通过各种方法从样本图像中提取一定数量的候选框(例如矩形框)，比如通过ss(selectivesearch，选择性搜索)算法、rpn(regionproposalnetwork，候选区域网络)算法等从样本图像中提取候选框。进一步，训练虹膜检测模型的执行主体可以将提取到的候选框映射到上述特征图中。然后，将映射候选框后的特征图输入至全连接层，对每个候选框内的特征进行综合。从而，训练虹膜检测模型的执行主体可以通过各种方法确定出包括目标对象的候选框，比如通过svm(supportvectormachines，支持向量机)算法、softmax算法等确定包括目标对象的候选框。在这里，目标对象通常是指样本图像的前景图像包括的对象(例如样本图像中的虹膜图像)。可以理解，确定出的候选框包含包括虹膜图像的候选框。因此，训练虹膜检测模型的执行主体可以将确定出的候选框和与样本图像对应的标注信息进行比较，得到包括虹膜图像的候选框。可以理解，虹膜图像在样本图像中的位置的位置信息可以是包括虹膜图像的候选框(即标注框)，也可以是包括虹膜图像的候选框的任何一个顶点的坐标。

在本实施例的一些可选的实现方式中，基于位置信息和与样本图像对应的样本标注信息，确定初始神经网络是否训练完成，包括：响应于位置信息所指示的位置和与样本图像对应的样本标注信息所指示的位置之间的误差小于预设误差值，确定初始神经网络训练完成。

在这些实现方式中，若得到的位置信息和与样本图像对应的样本标注信息之间的误差小于预设误差值，训练虹膜检测模型的执行主体可以结束训练。

在本实施例的一些可选的实现方式中，基于位置信息和与样本图像对应的样本标注信息，确定初始神经网络是否训练完成，包括：响应于位置信息所指示的位置和与样本图像对应的样本标注信息所指示的位置之间的误差大于或等于所述预设误差值，确定初始神经网络未训练完成。

在这些实现方式中，若得到的位置信息和与样本图像对应的样本标注信息之间的误差大于或等于预设误差值，训练虹膜检测模型的执行主体可以确定初始神经网络未训练完成。

此时，训练虹膜检测模型的执行主体可以进一步调整初始神经网络的相关参数，以及从样本集中选取未使用过的样本。然后将调整后的初始神经网络作为初始神经网络，继续执行上述训练步骤，直到初始神经网络训练完成。实践中，训练虹膜检测模型的执行主体可以通过各种方法调整初始神经网络的相关参数。例如，通过bp(backpropagation，反向传播)算法、sgd(stochasticgradientdescent，随机梯度下降)算法等调整相关参数。

另外，训练虹膜检测模型的执行主体还可以通过调整包括虹膜图像的候选框，进而减小虹膜图像在样本图像中的位置的位置信息与样本标注信息之间的误差，实现对初始神经网络的相关参数的调整。

在本实施例的一些可选的实现方式中，样本图像中可以包含鸽子虹膜图像，此时，样本标注信息用于指示鸽子虹膜区域在对应的样本图像中的位置。

步骤403，获取待检测图像。

步骤404，将待检测图像输入至预先训练的虹膜检测模型，得到用于表征虹膜图像在待检测图像中的位置的位置信息。

在本实施例中，用于生成位置信息的方法的执行主体(如图1所示的服务器103)可以获取待检测图像，而后将待检测图像输入至采用步骤401-402训练的虹膜检测模型，得到用于表征虹膜图像在待检测图像中的位置的位置信息。上述步骤403-404的具体处理及其所带来的技术效果可以参考图2对应的实施例中的步骤201-202，在此不再赘述。

从图4中可以看出，与图2对应的实施例相比，本实施例中的用于生成位置信息的方法的流程400突出了虹膜检测模型的训练步骤。由此，可以训练出鲁棒性好的虹膜检测模型，进而实现通过虹膜检测模型定位虹膜图像在待检测图像中的位置。

进一步参考图5，作为对上述各图所示方法的实现，本申请提供了用于生成位置信息的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图5所示，本实施例提供的用于生成位置信息的装置500包括待检测图像获取单元501和检测单元502。其中，待检测图像获取单元501，被配置成获取待检测图像，其中，待检测图像中包含虹膜图像；检测单元502，被配置成将待检测图像输入至预先训练的虹膜检测模型，得到用于表征虹膜图像在待检测图像中的位置的位置信息，其中，虹膜检测模型用于表征待检测图像和虹膜图像在待检测图像中的位置之间的对应关系。

在本实施例中，用于生成位置信息的装置500中：待检测图像获取单元501和检测单元502的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201和步骤202的相关说明，在此不再赘述。

在本实施例的一些可选的实现方式中，检测单元502包括：样本集获取单元(图中未示出)和训练单元(图中未示出)。其中，样本集获取单元可以被配置成获取样本集，其中，样本包括样本图像和样本标注信息，样本图像中包含虹膜图像，样本标注信息用于表征虹膜图像在对应的样本图像中的位置。训练单元可以被配置成从样本集中选取样本，以及执行如下训练步骤：将选取的样本的样本图像输入至初始神经网络，得到用于表征虹膜图像在样本图像中的位置的位置信息；基于位置信息和与样本图像对应的样本标注信息，确定初始神经网络是否训练完成；响应于确定初始神经网络训练完成，将训练完成的初始神经网络作为虹膜检测模型。

在本实施例的一些可选的实现方式中，训练单元可以进一步被配置成：响应于位置信息所指示的位置和与样本图像对应的样本标注信息所指示的位置之间的误差小于预设误差值，确定初始神经网络训练完成。

在本实施例的一些可选的实现方式中，装置500可以进一步被配置成：响应于确定初始神经网络未训练完成，调整初始神经网络的相关参数，以及从样本集中选取未使用过的样本，将调整后的初始神经网络作为初始神经网络，继续执行训练步骤。

在本实施例的一些可选的实现方式中，训练单元可以进一步被配置成：响应于位置信息所指示的位置和与样本图像对应的样本标注信息所指示的位置之间的误差大于或等于所述预设误差值，确定初始神经网络未训练完成。

在本实施例的一些可选的实现方式中，待检测图像中包含鸽子虹膜图像，样本图像中包含鸽子虹膜图像，样本标注信息用于指示鸽子虹膜图像在对应的样本图像中的位置。

本申请的上述实施例提供的装置，首先通过待检测图像获取单元501获取待检测图像，而后通过检测单元502检测得到虹膜图像在待检测图像中的位置的位置信息。该装置实现了定位虹膜图像在待检测图像中的位置。

下面参考图6，其示出了适于用来实现本申请实施例的服务器的计算机系统600的结构示意图。图6示出的服务器仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图6所示，计算机系统600包括中央处理单元(cpu)601，其可以根据存储在只读存储器(rom)602中的程序或者从存储部分608加载到随机访问存储器(ram)603中的程序而执行各种适当的动作和处理。在ram603中，还存储有系统600操作所需的各种程序和数据。cpu601、rom602以及ram603通过总线604彼此相连。输入/输出(i/o)接口605也连接至总线604。

以下部件连接至i/o接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至i/o接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(cpu)601执行时，执行本申请的方法中限定的上述功能。

需要说明的是，本申请的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、rf等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，所述程序设计语言包括面向目标的程序设计语言—诸如java、smalltalk、c++，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器，包括待检测图像获取单元和检测单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，待检测图像获取单元还可以被描述为“获取待检测图像的单元”。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的服务器中所包含的；也可以是单独存在，而未装配入该服务器中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该服务器执行时，使得该服务器：获取待检测图像，其中，待检测图像中包含虹膜图像；将待检测图像输入至预先训练的虹膜检测模型，得到用于表征虹膜图像在待检测图像中的位置的位置信息，其中，虹膜检测模型用于表征待检测图像和虹膜图像在待检测图像中的位置之间的对应关系。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。