虹膜特征提取方法、装置、电子设备和计算机可读介质与流程

1.本公开的实施例涉及计算机技术领域，具体涉及虹膜特征提取方法、装置、电子设备和计算机可读介质。


背景技术：

2.随着计算机相关技术的发展，人们对于身份识别的准确性、安全性和实用性提出了更高的要求。虹膜是眼睛内呈中空环形、具有辐射状皱褶的内圆盘状膜。虹膜具有普遍性、唯一性、稳定性等天然特性，因此被认为是精度较高的一种身份特征。目前，在进行虹膜识别时，通常采用的方式是，直接对采集得到的虹膜图像进行识别。
3.然而，当采用上述方式时，经常会存在如下技术问题：
4.第一、由于美瞳具有周期性纹理的特点，采用虹膜图像特征提取的方式进行特征提取，特征提取效率低下；
5.第二、往往无法识别出用户是否佩戴美瞳，从而导致无法成功地进行虹膜识别。


技术实现要素：

6.本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
7.本公开的一些实施例提出了虹膜特征提取方法、装置、电子设备和计算机可读介质，来解决以上背景技术部分提到的技术问题中的一项或多项。
8.第一方面，本公开的一些实施例提供了一种虹膜特征提取方法，该方法包括：对待识别虹膜图像进行分割定位，以生成虹膜区域信息；根据上述虹膜区域信息，确定感兴趣区域，其中，上述感兴趣区域为上述待识别虹膜图像中虹膜所在的区域；对上述待识别虹膜图像中上述感兴趣区域内的图像进行干扰检测处理，以生成目标掩膜图像；分别对上述待识别虹膜图像和上述目标掩膜图像进行图像展开，以生成虹膜展开图像和掩膜展开图像；分别对上述虹膜展开图像和上述掩膜展开图像进行图像切分，以生成第一感兴趣区域图像、第二感兴趣区域图像、第一掩膜图像和第二掩膜图像；根据上述第一感兴趣区域图像、上述第二感兴趣区域图像、上述第一掩膜图像和上述第二掩膜图像，生成第一目标特征点信息集合和第二目标特征点信息集合。
9.第二方面，本公开的一些实施例提供了一种虹膜特征提取装置，装置包括：分割定位单元，被配置成对待识别虹膜图像进行分割定位，以生成虹膜区域信息；确定单元，被配置成根据上述虹膜区域信息，确定感兴趣区域，其中，上述感兴趣区域为上述待识别虹膜图像中虹膜所在的区域；干扰检测处理单元，被配置成对上述待识别虹膜图像中上述感兴趣区域框定的图像进行干扰检测处理，以生成目标掩膜图像；图像展开单元，被配置成分别对上述待识别虹膜图像和上述目标掩膜图像进行图像展开，以生成虹膜展开图像和掩膜展开图像；图像切分单元，被配置成分别对上述虹膜展开图像和上述掩膜展开图像进行图像切
分，以生成第一感兴趣区域图像、第二感兴趣区域图像、第一掩膜图像和第二掩膜图像；生成单元，被配置成根据上述第一感兴趣区域图像、上述第二感兴趣区域图像、上述第一掩膜图像和上述第二掩膜图像，生成第一目标特征点信息集合和第二目标特征点信息集合。
10.第三方面，本公开的一些实施例提供了一种电子设备，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上述第一方面任一实现方式所描述的方法。
11.第四方面，本公开的一些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，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
12.本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的虹膜特征提取方法，提高了特征提取效率。具体来说，造成特征提取效率低下的原因在于：由于美瞳具有周期性纹理的特点，采用虹膜图像特征提取的方式进行特征提取，特征提取效率低下。基于此，本公开的一些实施例的虹膜特征提取方法，首先，对待识别虹膜图像进行分割定位，以生成虹膜区域信息。实际情况中，在虹膜图像采集时，由于采集距离等原因的影响，采集的虹膜图像中往往包含较多的非虹膜的内容。因此，需要对虹膜进行定位，以生成虹膜区域信息。其次，根据上述虹膜区域信息，确定感兴趣区域，其中，上述感兴趣区域为上述待识别虹膜图像中虹膜所在的区域。通过生成感兴趣区域，以此确定包含虹膜图像的区域。然后，对上述待识别虹膜图像中上述感兴趣区域内的图像进行干扰检测处理，以生成目标掩膜图像。实际情况中，感兴趣区域内的图像往往包含非虹膜的内容(如，睫毛，眼睑等)因此，需要确定感兴趣区域内包含的非虹膜的内容。接着，分别对上述待识别虹膜图像和上述目标掩膜图像进行图像展开，以生成虹膜展开图像和掩膜展开图像。通过对图像展开，方便后续的数据处理。此外，分别对上述虹膜展开图像和上述掩膜展开图像进行图像切分，以生成第一感兴趣区域图像、第二感兴趣区域图像、第一掩膜图像和第二掩膜图像。最后，根据上述第一感兴趣区域图像、上述第二感兴趣区域图像、上述第一掩膜图像和上述第二掩膜图像，生成第一目标特征点信息集合和第二目标特征点信息集合。考虑到美瞳有着周期性纹理的特性，因此，可以通过确定第一感兴趣区域图像和第二感兴趣区域图像，以及确定第一掩膜图像和第二掩膜图像，并生成第一目标特征点信息集合和第二目标特征点信息集合的方式进行虹膜图像的特征提取，而无需对虹膜图像中的全部特征进行提取，大大提高了特征的采集速度。
附图说明
13.结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。
14.图1是本公开的一些实施例的虹膜特征提取方法的一个应用场景的示意图；
15.图2是根据本公开的虹膜特征提取方法的一些实施例的流程图；
16.图3是感兴趣区域的示意图；
17.图4是目标掩膜图像的生成方式的示意图；
18.图5是虹膜展开图像的生成方式的示意图；
19.图6是根据本公开的虹膜特征提取方法的另一些实施例的流程图；
20.图7是第二候选图像的生成方式的示意图；
21.图8是根据本公开的虹膜特征提取装置的一些实施例的结构示意图；
22.图9是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
23.下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
24.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。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
25.需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
26.需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
27.本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
28.下面将参考附图并结合实施例来详细说明本公开。
29.图1是本公开的一些实施例的虹膜特征提取方法的一个应用场景的示意图。
30.在图1的应用场景中，首先，计算设备101可以对待识别虹膜图像102进行分割定位，以生成虹膜区域信息103；其次，计算设备101可以根据上述虹膜区域信息103，确定感兴趣区域104，其中，上述感兴趣区域104为上述待识别虹膜图像102中虹膜所在的区域；接着，计算设备101可以对上述待识别虹膜图像102中上述感兴趣区域104内的图像进行干扰检测处理，以生成目标掩膜图像105；然后，计算设备101可以分别对上述待识别虹膜图像102和上述目标掩膜图像105进行图像展开，以生成虹膜展开图像106和掩膜展开图像107；此外，计算设备101可以分别对上述虹膜展开图像106和上述掩膜展开图像107进行图像切分，以生成第一感兴趣区域图像108、第二感兴趣区域图像109、第一掩膜图像110和第二掩膜图像111；最后，计算设备101可以根据上述第一感兴趣区域图像108、上述第二感兴趣区域图像109、上述第一掩膜图像110和上述第二掩膜图像111，生成第一目标特征点信息集合112和第二目标特征点信息集合113。
31.需要说明的是，上述计算设备101可以是硬件，也可以是软件。当计算设备为硬件时，可以实现成多个服务器或终端设备组成的分布式集群，也可以实现成单个服务器或单个终端设备。当计算设备体现为软件时，可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。
32.应该理解，图1中的计算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计算设备。
33.继续参考图2，示出了根据本公开的虹膜特征提取方法的一些实施例的流程200。该虹膜特征提取方法，包括以下步骤：
34.步骤201，对待识别虹膜图像进行分割定位，以生成虹膜区域信息。
35.在一些实施例中，虹膜特征提取方法的执行主体(例如图1所示的计算设备101)可以对待识别虹膜图像进行分割定位，以生成虹膜区域信息。其中，上述待识别虹膜图像可以是由虹膜采集设备采集得到的虹膜图像。上述虹膜区域信息可以是表征上述虹膜图像中虹膜所在位置的信息。
36.作为示例，上述执行主体可以通过改进的yolo v3(you only look once，目标检测网络)模型，对上述待识别虹膜图像进行分割定位，以生成上述虹膜区域信息。其中，上述改进的yolo v3模型中的特征提取网络从初始的darknet-53网络，替换为densenet-121网络。darknet-53网络的网络层数相对较浅，往往无法较好地识别虹膜图像中的深层次虹膜特征。而增加darknet-53网络的网络层数，会因网络模型的梯度消失，而造成网络模型的性能退化。通过采用densenet-121网络替代darknet-53网络用于特征提取，能够克服梯度消失的问题，同时提取得到更多有用的虹膜特征，以用于虹膜分割定位。
37.步骤202，根据虹膜区域信息，确定感兴趣区域。
38.在一些实施例中，上述执行主体可以根据上述虹膜区域信息，确定上述感兴趣区域。其中，上述感兴趣区域可以为上述待识别虹膜图像中虹膜所在的区域。上述感兴趣区域的中心点可以是上述虹膜区域信息表征的虹膜的中心点。上述感兴趣区域的长边的长度可以是2
×a×
ir。上述感兴趣区域的短边的长度可以是2
×b×
ir。其中，a＞1。b＜2。ir可以是上述虹膜区域信息表征的虹膜的外圆的半径长度。
39.作为示例，如图3所示的感兴趣区域的示意图，其中，图3包括：感兴趣区域104，上述虹膜区域信息表征的虹膜的中心点301，上述感兴趣区域的短边302和上述感兴趣区域的长边303。
40.步骤203，对待识别虹膜图像中感兴趣区域内的图像进行干扰检测处理，以生成目标掩膜图像。
41.在一些实施例中对上述待识别虹膜图像中上述感兴趣区域内的图像进行干扰检测处理，以生成上述目标掩膜图像。
42.作为示例，上述执行主体可以对上述待识别虹膜图像中上述感兴趣区域内的图像进行干扰检测处理，以生成上述目标掩膜图像，可以包括以下步骤：
43.第一步，对上述待识别虹膜图像中上述感兴趣区域内的图像进行灰度值直方图分析，以确定目标波谷信息和目标波峰信息。
44.其中，上述目标波谷信息表征上述灰度值直方图中自左向右第一个波峰后的波谷的值。上述目标波峰信息表征上述灰度值直方图中自左向右最后一个波峰的值。
45.第二步，将上述目标波谷信息对应的值作为瞳孔和睫毛的二值化阈值，以及将上述目标波峰信息对应的值作为眼睑的二值化阈值，对上述感兴趣区域内的图像进行二值化处理，以生成上述目标掩膜图像。
46.作为示例，如图4所示的目标掩膜图像的生成方式的示意图，其中，上述执行主体可以对上述感兴趣区域内的图像401进行干扰检测处理，以生成上述目标掩膜图像105。
47.步骤204，分别对待识别虹膜图像和目标掩膜图像进行图像展开，以生成虹膜展开图像和掩膜展开图像。
48.在一些实施例中，上述执行主体可以分别对上述待识别虹膜图像和上述目标掩膜
图像进行图像展开，以生成上述虹膜展开图像和上述掩膜展开图像。其中，上述虹膜展开图像和上述掩膜展开图像均为矩形图像。
49.作为示例，如图5所示的虹膜展开图像的生成方式的示意图，其中，首先，上述执行主体可以沿采样方向，以上述待识别虹膜图像的中心点为中心顺时针采样，得到多个子图像。然后，上述执行主体可以按采样顺序，对上述多个子图像中的子图像501进行拼接，以生成上述虹膜展开图像106。其中，采样方向还可以是逆时针方向。采样得到的多个子图像中的子图像的数目在此不做限定。
50.步骤205，分别对虹膜展开图像和掩膜展开图像进行图像切分，以生成第一感兴趣区域图像、第二感兴趣区域图像、第一掩膜图像和第二掩膜图像。
51.在一些实施例中，上述执行主体可以分别对虹膜展开图像和掩膜展开图像进行图像切分，以生成第一感兴趣区域图像、第二感兴趣区域图像、第一掩膜图像和第二掩膜图像。其中，上述第一感兴趣区域图像在上述虹膜展开图像的位置，与上述第一掩膜图像在上述掩膜展开图像中的位置相同。上述第二感兴趣区域图像在上述虹膜展开图像的位置，与上述第二掩膜图像在上述掩膜展开图像中的位置相同。
52.作为示例，首先，上述执行主体将上述掩膜展开图像中位于第一区域和第二区域的图像，确定为上述第一掩膜图像和上述第二掩膜图像。然后，上述执行主体可以将上述虹膜展开图像中位于第一区域和第二区域的图像，确定为上述第一感兴趣区域图像和上述第二感兴趣区域图像。
53.其中，在上述目标掩膜图像中，上述第一区域的图像和上述第二区域的图像关于中轴线对称。上述第一区域在上述目标掩膜图像中对应的角度范围可以是[-45
°
，45
°
]。上述第二区域在上述目标掩膜图像中对应的角度范围可以是[135
°
，-225
°
]。在上述待识别虹膜图像中，上述第一区域的图像和上述第二区域的图像关于中轴线对称。上述第一区域在上述待识别虹膜图像中对应的角度范围可以是[-45
°
，45
°
]。上述第二区域在上述待识别虹膜图像中对应的角度范围可以是[135
°
，-225
°
]。
[0054]
步骤206，根据第一感兴趣区域图像、第二感兴趣区域图像、第一掩膜图像和第二掩膜图像，生成第一目标特征点信息集合和第二目标特征点信息集合。
[0055]
在一些实施例中，上述执行主体可以根据上述第一感兴趣区域图像、上述第二感兴趣区域图像、上述第一掩膜图像和上述第二掩膜图像，生成上述第一目标特征点信息集合和上述第二目标特征点信息集合。其中，第一目标特征点信息表征从上述第一感兴趣区域图像中提取得到的特征点。上述第二目标特征点信息表征从上述第二感兴趣区域图像中提取得到的特征点。
[0056]
作为示例，首先，上述执行主体可以分别对上述第一感兴趣区域图像和上述第二感兴趣区域图像进行特征点提取，以生成第一候选特征点信息集合和第二候选特征点信息集合。然后，上述执行主体可以根据上述第一掩膜图像，将上述第一候选特征点信息集合中，对应的特征点未落在目标位置的第一候选特征点信息确定为第一目标特征点信息，得到上述第一目标特征点信息集合。接着，上述执行主体可以根据上述第二掩膜图像，将上述第二候选特征点信息集合中，对应的特征点未落在目标位置的第二候选特征点信息确定为第二目标特征点信息，得到上述第二目标特征点信息集合。其中，上述目标位置可以是上述第二掩膜图像和上述第二掩膜图像中眼睑、睫毛和瞳孔所在的位置。
[0057]
本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的虹膜特征提取方法，提高了特征提取效率。具体来说，造成特征提取效率低下的原因在于：由于美瞳具有周期性纹理的特点，采用虹膜图像特征提取的方式进行特征提取，特征提取效率低下。基于此，本公开的一些实施例的虹膜特征提取方法，首先，对待识别虹膜图像进行分割定位，以生成虹膜区域信息。实际情况中，在虹膜图像采集时，由于采集距离等原因的影响，采集的虹膜图像中往往包含较多的非虹膜的内容。因此，需要对虹膜进行定位，以生成虹膜区域信息。其次，根据上述虹膜区域信息，确定感兴趣区域，其中，上述感兴趣区域为上述待识别虹膜图像中虹膜所在的区域。通过生成感兴趣区域，以此确定包含虹膜图像的区域。然后，对上述待识别虹膜图像中上述感兴趣区域内的图像进行干扰检测处理，以生成目标掩膜图像。实际情况中，感兴趣区域内的图像往往包含非虹膜的内容(如，睫毛，眼睑等)因此，需要确定感兴趣区域内包含的非虹膜的内容。接着，分别对上述待识别虹膜图像和上述目标掩膜图像进行图像展开，以生成虹膜展开图像和掩膜展开图像。通过对图像展开，方便后续的数据处理。此外，分别对上述虹膜展开图像和上述掩膜展开图像进行图像切分，以生成第一感兴趣区域图像、第二感兴趣区域图像、第一掩膜图像和第二掩膜图像。最后，根据上述第一感兴趣区域图像、上述第二感兴趣区域图像、上述第一掩膜图像和上述第二掩膜图像，生成第一目标特征点信息集合和第二目标特征点信息集合。＝考虑到美瞳有着周期性纹理的特性，因此，可以通过确定第一感兴趣区域图像和第二感兴趣区域图像，以及确定第一掩膜图像和第二掩膜图像，并生成第一目标特征点信息集合和第二目标特征点信息集合的方式进行虹膜图像的特征提取，而无需对虹膜图像中的全部特征进行提取，大大提高了特征的采集速度。
[0058]
进一步参考图6，其示出了虹膜特征提取方法的另一些实施例的流程600。该虹膜特征提取方法的流程600，包括以下步骤：
[0059]
步骤601，对待识别虹膜图像进行内外圆分割，以生成内圆边界信息和外圆边界信息。
[0060]
在一些实施例中，虹膜特征提取方法的执行主体(例如图1所示的计算设备101)可以对上述待识别虹膜图像进行内外圆分割，以生成上述内圆边界信息和上述外圆边界信息。其中，上述内圆边界信息表征上述待识别虹膜图像中瞳孔与虹膜临接边缘的边界。上述外圆边界信息表征上述待识别虹膜图像中虹膜与巩膜临接边缘的边界。例如，上述内圆边界信息可以包括：待识别虹膜图像中瞳孔与虹膜临接边缘的边界上的点的坐标。上述外圆边界信息可以包括：待识别虹膜图像中虹膜巩膜临接边缘的边界上的点的坐标。
[0061]
作为示例，上述执行主体可以通过霍夫变换，对上述待识别虹膜图像进行内外圆分割，以确定待识别虹膜图像中瞳孔与虹膜临接边缘的边界，以及确定待识别虹膜图像中瞳孔与虹膜临接边缘的边界，以生成上述内圆边界信息和上述外圆边界信息。
[0062]
步骤602，根据内圆边界信息和外圆边界信息，生成虹膜区域信息。
[0063]
在一些实施例中，上述执行主体可以根据上述内圆边界信息和上述外圆边界信息，生成虹膜区域信息。
[0064]
作为示例，上述执行主体可以将上述内圆边界信息对应的边界，作为上述待识别虹膜图像中的虹膜的内边界，将上述外圆边界信息对应的边界，作为上述待识别虹膜图像中的虹膜的外边界，以生成上述虹膜区域信息。
[0065]
步骤603，根据虹膜区域信息，确定感兴趣区域。
[0066]
步骤604，对待识别虹膜图像中感兴趣区域内的图像进行干扰检测处理，以生成目标掩膜图像。
[0067]
在一些实施例中，步骤603至604的具体实现及其所带来的技术效果，可以参考图2对应的那些实施例中的步骤202至203，在此不再赘述。
[0068]
步骤605，根据虹膜区域信息对应的外圆边界信息，分别对待识别虹膜图像和目标掩膜图像进行极坐标映射，以生成虹膜展开图像和掩膜展开图像。
[0069]
在一些实施例中，上述执行主体可以根据上述虹膜区域信息对应的外圆边界信息，分别对上述待识别虹膜图像和上述目标掩膜图像进行极坐标映射，以生成上述虹膜展开图像和上述掩膜展开图像。其中，上述执行主体可以根据上述外圆边界信息对应的边界的圆心的圆心坐标，分别将上述待识别虹膜图像和上述目标掩膜图像中的坐标，从笛卡尔坐标系映射至极坐标系下，以生成上述虹膜展开图像和上述掩膜展开图像。
[0070]
其中，上述待识别虹膜图像和上述目标掩膜图像的图像宽度的取值范围为θ∈[0，nw]。其中，θ表示图像宽度。nw表示沿角度方向的总采样数。上述待识别虹膜图像和上述目标掩膜图像的高度的取值范围为r∈[0，nh]。其中，r表示图像高度。nh表示沿上述外圆边界信息对应的边界的半径的总采样数。
[0071]
步骤606，分别对虹膜展开图像和掩膜展开图像进行图像切分，以生成第一感兴趣区域图像、第二感兴趣区域图像、第一掩膜图像和第二掩膜图像。
[0072]
在一些实施例中，上述执行主体可以分别对上述虹膜展开图像和上述掩膜展开图像进行图像切分，以生成上述第一感兴趣区域图像、上述第二感兴趣区域图像、上述第一掩膜图像和上述第二掩膜图像，可以包括以下步骤：
[0073]
第一步，确定上述掩膜展开图像中每列像素列中色值为目标色值的像素的占比，以生成占比信息，得到占比信息序列。
[0074]
其中，上述目标色值可以是黑色对应的色值。例如目标色值在rgb(red green blue，红绿蓝)色彩空间下的色值可以是(0，0，0)。上述占比信息序列中的占比信息可以表征上述掩膜展开图像中像素列中色值为目标色值的像素的占比。例如，像素列中共包含20个像素，其中，像素列中有10个像素的色值为(0，0，0)，因此得到的占比信息可以是{像素列序号：1；目标色值占比：50％}。
[0075]
第二步，从上述掩膜展开图像中去除目标图像，以生成第一候选掩膜图像。
[0076]
其中，上述目标图像包含的像素列对应的占比信息满足筛选条件。上述筛选条件可以是像素列对应的占比信息对应的占比大于预设阈值。
[0077]
第三步，响应于确定上述目标图像位于上述掩膜展开图像中间，对上述第一候选掩膜图像包括的、上述目标图像两侧的图像进行平移和拼接，以生成第二候选图像。
[0078]
作为示例，如图7所示的第二候选图像的生成方式的示意图，其中，上述执行主体可以将上述第一候选掩膜图像107包括的、上述目标图像701右侧的图像移动至上述第一候选掩膜图像107左侧并拼接，以生成上述第二候选图像702。
[0079]
第四步，从上述第二候选图像中选取两块不重叠的图像，作为上述第一掩膜图像和上述第二掩膜图像。
[0080]
其中，上述执行主体可以从上述第二候选图像中选取未包含在上述目标图像内
的、且不重叠的两块图像，作为上述第一掩膜图像和上述第二掩膜图像。
[0081]
第五步，从上述虹膜展开图像中选取位置与上述第一掩膜图像和上述第二掩膜图像位置对应的图像，作为上述第一感兴趣区域图像和上述第二感兴趣区域图像。
[0082]
步骤607，根据第一感兴趣区域图像、第二感兴趣区域图像、第一掩膜图像和第二掩膜图像，生成第一目标特征点信息集合和第二目标特征点信息集合。
[0083]
在一些实施例中，上述执行主体根据上述第一感兴趣区域图像、上述第二感兴趣区域图像、上述第一掩膜图像和上述第二掩膜图像，生成上述第一目标特征点信息集合和上述第二目标特征点信息集合，可以包括以下步骤：
[0084]
第一步，分别对上述第一感兴趣区域图像和上述第二感兴趣区域图像进行特征点检测，以生成第一特征点信息集合和第二特征点信息集合。
[0085]
作为示例，上述执行主体可以通过harris角点检测算法，分别对上述第一感兴趣区域图像和上述第二感兴趣区域图像进行特征点检测，以生成第一特征点信息集合和第二特征点信息集合。
[0086]
可选地，上述执行主体分别对上述第一感兴趣区域图像和上述第二感兴趣区域图像进行特征点检测，以生成第一特征点信息集合和第二特征点信息集合，可以包括以下子步骤：
[0087]
第一子步骤，检测上述第一感兴趣区域图像，在高斯差分尺度空间下的多个极值点，得到极值点信息集合。
[0088]
其中，对于上述第一感兴趣区域图像中的每个像素点，上述执行主体可以通过检测像素点是否为局部极值点，以生成极值点信息。
[0089]
第二步子步骤，从上述极值点信息集合中筛选出满足极值点筛选条件的极值点信息，作为特征点信息，得到特征点信息集合。
[0090]
其中，上述极值点筛选条件为：特征点信息对应的极值点的极值大于等于预设极值，且特征信息对应的极值点非图像边缘上的点。
[0091]
第三子步骤，确定上述特征点信息集合中的每个特征点信息周围邻域的梯度信息，以生成上述特征点信息对应的特征点的特征信息，得到上述第一特征点信息集合。
[0092]
其中，上述第一特征点信息集合中的第一特征点信息可以包括：特征点位置、特征点所处的尺度和特征点的方向。上述特征点位置可以表征特征点在上述第一感兴趣区域图像中的位置。上述特征点的方向可以通过计算特征点周围邻域的梯度确定。
[0093]
例如，上述第一特征点信息集合中的第一特征点信息可以由128维特征向量表征。
[0094]
可选地，第二特征点信息集合中的第二特征点信息的生成方式可以参见上述第一子步骤至上述第三子步骤，在此不再赘述。
[0095]
第二步，根据上述第一掩膜图像，对上述第一特征点信息集合中的第一特征点信息进行筛选，以生成上述第一目标特征点信息集合。
[0096]
其中，对于上述第一特征点信息集合中的每个第一特征点信息对应的特征点，响应于确定上述特征点在上述第一掩膜图像中对应位置的坐标点的像素值不为目标色值，将上述第一特征点信息，确定为第一目标特征点信息。
[0097]
第三步，根据上述第二掩膜图像，对上述第二特征点信息集合中的第二特征点信息进行筛选，以生成上述第二目标特征点信息集合。
[0098]
其中，对于上述第二特征点信息集合中的每个第二特征点信息对应的特征点，响应于确定上述特征点在上述第二掩膜图像中对应位置的坐标点的像素值不为目标色值，将上述第二特征点信息，确定为第二目标特征点信息。
[0099]
步骤608，将第一目标特征点信息集合中的第一目标特征点信息，和第二目标特征点信息集合中的第二目标特征点信息进行特征点匹配，以生成匹配信息，得到匹配信息集合。
[0100]
在一些实施例中，上述执行主体可以将上述第一目标特征点信息集合中的第一目标特征点信息，和上述第二目标特征点信息集合中的第二目标特征点信息进行特征点匹配，以生成匹配信息，得到上述匹配信息集合。其中，上述匹配信息集合中的匹配信息可以用于表征匹配的第一目标特征点信息和第二目标特征点信息。上述执行主体可以通过对第一目标特征点信息和第二目标特征点信息进行相似度计算，以此确定第一目标特征点信息和第二目标特征点信息是否匹配。
[0101]
步骤609，响应于确定匹配信息集合中存在目标数量个匹配信息表征特征点匹配，生成提示信息。
[0102]
在一些实施中，上述执行主体可以响应于确定上述匹配信息集合中存在目标数量个匹配信息表征特征点匹配，生成上述提示信息。其中，上述提示信息可以表征上述待识别虹膜图像对应的待检测对象佩戴美瞳。
[0103]
从图6可以看出，与图2对应的一些实施例的描述相比，本公开首先，增加了特征点的检测以及筛选的步骤，实际情况中，美瞳往往含有周期性的纹理花纹。因此，仅需要对两个感兴趣区域内的特征点进行匹配即可确定待检测对象是否佩戴美瞳，而无需对整张待识别虹膜图像进行特征点检测，大大提高了特征提取速度。此外，考虑到采集的图像中，眼睑，睫毛等会对眼睛产生遮挡，因此根据掩膜图像中像素列对应的占比信息，对感兴趣区域图像进行处理(平移，拼接)，保证了得到感兴趣区域图像中含有较少的眼睑，睫毛等对应的信息，以此避免提取到无用的特征信息。并且，通过第一掩膜图像和第二掩膜图像，对提取到的特征点信息进行筛选，以此进一步剔除落在眼睑，睫毛等位置的特征点。以此达到了在提高特征采集的速度的基础上，保证了提取的特征的可用性，实现了对用户是否佩戴美瞳的检测。
[0104]
进一步参考图8，作为对上述各图所示方法的实现，本公开提供了一种虹膜特征提取装置的一些实施例，这些装置实施例与图2所示的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。
[0105]
如图8所示，一些实施例的虹膜特征提取装置800包括：分割定位单元801、确定单元802、干扰检测处理单元803、图像展开单元804、图像切分单元805和生成单元806。其中，分割定位单元801，被配置成对待识别虹膜图像进行分割定位，以生成虹膜区域信息；确定单元802，被配置成根据上述虹膜区域信息，确定感兴趣区域，其中，上述感兴趣区域为上述待识别虹膜图像中虹膜所在的区域；干扰检测处理单元803，被配置成对上述待识别虹膜图像中上述感兴趣区域框定的图像进行干扰检测处理，以生成目标掩膜图像；图像展开单元804，被配置成分别对上述待识别虹膜图像和上述目标掩膜图像进行图像展开，以生成虹膜展开图像和掩膜展开图像；图像切分单元805，被配置成分别对上述虹膜展开图像和上述掩膜展开图像进行图像切分，以生成第一感兴趣区域图像、第二感兴趣区域图像、第一掩膜图
像和第二掩膜图像；生成单元806，被配置成根据上述第一感兴趣区域图像、上述第二感兴趣区域图像、上述第一掩膜图像和上述第二掩膜图像，生成第一目标特征点信息集合和第二目标特征点信息集合。
[0106]
可以理解的是，该装置800中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置800及其中包含的单元，在此不再赘述。
[0107]
下面参考图9，其示出了适于用来实现本公开的一些实施例的电子设备(如图1所示的计算设备101)900的结构示意图。图9示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
[0108]
如图9所示，电子设备900可以包括处理装置(例如中央处理器、图形处理器等)901，其可以根据存储在只读存储器(rom)902中的程序或者从存储装置908加载到随机访问存储器(ram)903中的程序而执行各种适当的动作和处理。在ram 903中，还存储有电子设备900操作所需的各种程序和数据。处理装置901、rom 902以及ram 903通过总线904彼此相连。输入/输出(i/o)接口905也连接至总线904。
[0109]
通常，以下装置可以连接至i/o接口905：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置906；包括例如液晶显示器(lcd)、扬声器、振动器等的输出装置907；包括例如磁带、硬盘等的存储装置908；以及通信装置909。通信装置909可以允许电子设备900与其他设备进行无线或有线通信以交换数据。虽然图9示出了具有各种装置的电子设备900，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图9中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
[0110]
特别地，根据本公开的一些实施例，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，本公开的一些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。在这样的一些实施例中，该计算机程序可以通过通信装置909从网络上被下载和安装，或者从存储装置908被安装，或者从rom 902被安装。在该计算机程序被处理装置901执行时，执行本公开的一些实施例的方法中限定的上述功能。
[0111]
需要说明的是，本公开的一些实施例中记载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。在本公开的一些实施例中，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。而在本公开的一些实施例中，计算机可读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
信号介质可以发送、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：电线、光缆、rf(射频)等等，或者上述的任意合适的组合。
[0112]
在一些实施方式中，客户端、服务器可以利用诸如http(hypertext transfer protocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“lan”)，广域网(“wan”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
[0113]
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。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电子设备执行时，使得该电子设备：对待识别虹膜图像进行分割定位，以生成虹膜区域信息；根据上述虹膜区域信息，确定感兴趣区域，其中，上述感兴趣区域为上述待识别虹膜图像中虹膜所在的区域；对上述待识别虹膜图像中上述感兴趣区域内的图像进行干扰检测处理，以生成目标掩膜图像；分别对上述待识别虹膜图像和上述目标掩膜图像进行图像展开，以生成虹膜展开图像和掩膜展开图像；分别对上述虹膜展开图像和上述掩膜展开图像进行图像切分，以生成第一感兴趣区域图像、第二感兴趣区域图像、第一掩膜图像和第二掩膜图像；根据上述第一感兴趣区域图像、上述第二感兴趣区域图像、上述第一掩膜图像和上述第二掩膜图像，生成第一目标特征点信息集合和第二目标特征点信息集合。
[0114]
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公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—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)。
[0115]
附图中的流程图和框图，图示了按照本公开各种实施例的系统、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。
[0116]
描述于本公开的一些实施例中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：一种处理器包括分割定位单元、确定单元、干扰检测处理单元、图像展开单元、图像切分单元和生成单元。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，分割定位单元还可
以被描述为“对待识别虹膜图像进行分割定位，以生成虹膜区域信息的单元”。
[0117]
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、片上系统(soc)、复杂可编程逻辑设备(cpld)等等。
[0118]
以上描述仅为本公开的一些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，本公开的实施例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。例如上述特征与本公开的实施例中公开的(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。