一种智能汽车无钥匙进入方法、系统及存储介质

1.本发明属于智能交通领域，具体涉及一种智能汽车无钥匙进入方法、系统及存储介质。


背景技术：

2.随着智能汽车的飞速发展，通过操作钥匙进行远程开、锁车门的遥控进入系统已经无法满足人们的需求,无钥匙进入系统应运而生。在开、锁车门时,用户只需要携带钥匙而不需要进行任何钥匙操作,车辆就会做出相应的响应。由于无钥匙进入系统智能化的设计,使其成为车辆防盗技术发展的必然趋势。
3.但无论是钥匙进入系统，还是当前的无钥匙进入系统，甚至手机进入系统都离不开钥匙，人们不可避免地会遗忘钥匙或者手机，此时便会给人们带来诸多的不便。虽然目前已有高端汽车上所搭载的指纹识别进入系统，但在雨天指纹感应区域、手指区域有雨水干扰，或是寒冷天气下人们戴着手套的情况下，指纹识别系统将会失去其便利性；指纹识别不可避免要接触采集设备，具有接触性和侵犯性，也就不具有友好性；同时，指纹相对较容易采集，可能会被他人用来复制盗取指纹信息解锁车辆，安全性保障仍然不够完善。


技术实现要素：

4.针对上述现有技术中存在的缺陷，本发明提供一种利用虹膜识别技术的智能汽车无钥匙进入系统。
5.本发明提出的技术方案如下：
6.第一方面本发明公开了一种智能汽车无钥匙进入方法，包括以下步骤：
7.采集待识别用户的眼部图像，其中所述眼部图像分为瞳孔区域和虹膜区域；
8.对所述眼部图像进行预处理，得到第一虹膜区域图像；
9.使用二维gabor滤波器和灰度共生矩阵分别提取所述第一虹膜区域图像的特征，对两种特征进行联合归一化处理，得到第二虹膜区域图像；
10.提取第二虹膜区域图像的特征向量，与虹膜特征模板数据集中的特征向量进行相似度对比，其中虹膜特征模板数据集由经过身份注册的合法用户的第二虹膜区域图像的特征向量组成；
11.获取所述相似度对比结果，当相似度满足预设条件，用户身份认证成功，汽车解锁，否则汽车保持锁止状态。
12.进一步地，所述预处理具体包括：
13.对所述瞳孔区域和所述虹膜区域进行粗定位，确定瞳孔和虹膜的形状结构；
14.基于瞳孔和虹膜的形状结构，对瞳孔区域和虹膜区域进行精定位并分割，得到虹膜区域图像；
15.对虹膜区域图像进行归一化处理；
16.对归一化处理后的虹膜区域图像进行增强处理，得到第一虹膜区域图像。
17.进一步地，采用虹膜区域图像像素的灰度特征，对瞳孔区域和虹膜区域进行粗定位。
18.进一步地，采用自适应cv模型对瞳孔区域和虹膜区域进行精定位并分割。
19.进一步地，所述对虹膜区域图像进行归一化处理还包括：
20.采用橡皮弹性模型将虹膜区域图像中的环带展开为一个固定大小的矩形区域，以瞳孔的圆心作为极坐标的原点，将极坐标系下的图像像素坐标转化到直角坐标系。
21.进一步地，采用局部直方图均衡化方法对归一化处理后的虹膜区域图像进行增强处理。
22.进一步地，所述提取第二虹膜区域图像的特征向量具体包括：
23.采用尺度不变特征变换方法提取第二虹膜区域图像的特征信息，对所述特征信息进行编码得到特征向量，其中，所述编码方式为对特征信息进行离散余弦变换，通过检测相邻系数的过零点，得到二进制虹膜编码，作为虹膜区域图像的特征向量。
24.进一步地，采用支持向量机分类器对所述第二虹膜区域图像的特征向量和虹膜特征模板数据集中的特征向量进行相似度对比。
25.第二方面本发明公开了一种智能汽车无钥匙进入系统，包括以下模块：
26.图像采集模块，用于采集待识别用户的眼部图像，其中所述眼部图像分为瞳孔区域和虹膜区域；
27.图像预处理模块，用于对所述眼部图像进行预处理，得到第一虹膜区域图像；
28.图像特征提取模块，用于使用二维gabor滤波器和灰度共生矩阵分别提取所述第一虹膜区域图像的特征，对两种特征进行联合归一化处理，得到第二虹膜区域图像；
29.图像特征识别模块，用于提取第二虹膜区域图像的特征向量，与虹膜特征模板数据集中的特征向量进行相似度对比，其中虹膜特征模板数据集由经过身份注册的合法用户的第二虹膜区域图像的特征向量组成；
30.控制模块，获取所述相似度对比结果，当相似度满足预设条件，用户身份认证成功，汽车解锁，否则汽车保持锁止状态。
31.第三方面本发明公开了一种计算机可读存储介质，用于存储计算机执行指令，当所述计算机执行指令被执行时，实现第一方面所述的任一种可能实现的智能汽车无钥匙进入方法。
32.现有技术通常安全性保障不够完善且识别的正确率不高，本发明提出的智能汽车无钥匙进入方法、系统及存储介质，采用局部直方图均衡化方法对归一化后的虹膜区域图像进行局部直方图均衡化，以获得特征信息更加丰富的虹膜区域图像，同时采用尺度不变特征变换方法提取虹膜区域图像的特征信息，有效提高了虹膜识别的正确率，克服了指纹识别系统等传统接触式系统存在的便利性问题和安全性问题。
附图说明
33.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对技术方案描述时所需要使用的附图作简单地介绍，显而易见地，本发明的示意性实施例及其说明仅用于解释本发明，并不构成对本发明的不当限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。在附图中：
34.图1是本发明实施例1方法的工作流程示意图；
35.图2是本发明实施例1方法的工作步骤示意图；
36.图3是本发明实施例1方法中用户的眼部图像示意图，其中(a)为摄像头采集到的眼部图像，(b)为进行定位分割后的眼部图像示意图，(c)为归一化处理后的虹膜区域图像，(d)为增强处理后的虹膜区域图像；
37.图4是本发明实施例2系统的结构示意图；
38.图5是本发明实施例2系统的工作流程示意图。
具体实施方式
39.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
40.实施例1
41.参照图1和图2，本实施例提供一种智能汽车无钥匙进入方法，该方法包括以下步骤：
42.s1：采集待识别用户的眼部图像；
43.具体地，智能汽车车载摄像头以人机接口、非接触的方式采集用户眼部图像，本实施例中采集到的用户眼部图像如图3(a)所示，提供给虹膜识别系统的虹膜图像预处理模块；
44.s2：对所述眼部图像进行预处理，得到增强虹膜区域图像；
45.具体地，使用基于自适应cv模型(self-adaptive cv，sacv)的虹膜分割方法对智能汽车车载摄像头所采集到的用户眼部图像进行分割；
46.s2.1：利用虹膜图像像素的灰度特征，对瞳孔和虹膜区域进行粗定位，得出结果为瞳孔和虹膜均是圆形结构；
47.s2.2：在粗定位的基础上，分析检测虹膜图像存在的干扰因子，并利用该干扰对sacv的参数进行自适应设置；利用具有自适应性的sacv对瞳孔虹膜进行精定位，其中，sacv的能量泛函如下式所示：
48.f
sacv-p
(c1,c2,c)＝α
·
μ
·
length(c)+∫
inside(c)
|u0(x,y)-c1|2dxdy+∫
outside(c)
|u0(x,y)-c2|2dxdy
49.其中，参数α为干扰评估因子，其作用是根据每个虹膜图像的自身特性，进一步强化约束演化曲线长度足够小，在虹膜定位分割的过程中，不同虹膜图像的α值设置不同，它的设置将直接取决于虹膜图像中的干扰因子；参数μ起到一个缩放的作用，当要尽可能多地检测不同尺寸的对象时，应该设置较小的μ值；而当只要检测大的对象时，μ值的设置应该大；c1、c2分别为目标和背景区域的平均灰度，c为演化曲线，u0为原始图像；
50.本实施例中对图3(a)的定位分割结果如图3(b)所示，将眼部图像分割为瞳孔区域图像和虹膜区域图像。
51.s2.3：对虹膜区域图像进行归一化处理；
52.具体地，采用橡皮弹性模型(rubber sheet model)，将虹膜环带展开为一个固定
大小的矩形区域，以瞳孔的圆心作为极坐标的原点，将极坐标系下的i(x(r,θ),y(r,θ))转化到直角坐标系的i(r,θ)，如下列公式所示：
53.i(x(r,θ),y(r,θ))
→
i(r,θ)
54.x(r,θ)＝(1-r)
·
x
p
(θ)+r
·
xi(θ)
55.y(r,θ)＝(1-r)
·yp
(θ)+r
·
yi(θ)
56.其中，r∈[0,1]是虹膜环形半径，θ∈[0,2π]是映射弧度，(x
p
(θ)，y
p
(θ))是瞳孔外边缘的像素坐标，(xi(θ)，yi(θ))是虹膜外边缘的像素坐标；归一化时，采用双线性灰度插值的方法对采样点进行灰度线性插值，其中，在虹膜有效区域内选择有限层虚环m，并将每个虚环分为n个像素点作为参考点，得到m
×
n的矩形图像，每个像素点即为采样点；归一化后矩形区域的大小由r和θ决定，前者决定归一化后图像的长度，后者决定归一化后图像的高度；
[0057]
本实施例中对图3(b)中的虹膜区域图像进行归一化处理的结果如图3(c)所示。
[0058]
s2.4：对虹膜区域图像进行增强处理；
[0059]
具体地，采用局部直方图均衡化方法对归一化后的虹膜区域图像进行局部直方图均衡化，以获得特征信息更加丰富的虹膜区域图像；
[0060]
本实施例中对图3(c)进行增强处理的结果如图3(d)所示。
[0061]
s3：使用二维gabor滤波器和灰度共生矩阵分别提取所述增强虹膜区域图像的特征，并对两种特征进行联合归一化处理，得到小数据量的虹膜区域图像；
[0062]
使用二维gabor滤波器和灰度共生矩阵(gray level co-occurrence matrix，glcm)分别提取虹膜特征，公式如下：
[0063]
gf＝[μ
u,v,k
,σ
u,v,k
],u＝0,1,
…
,u-1,v＝0,1,
…
,v-1,k＝＝0,1,
…
,k-1
[0064]
glcmf＝[asmh,conh,eh,dfh,deh,asmv,conv,ev,dfv,dev,asm
fd
,con
fd
,e
fd
,df
fd
,de
fd
asm
sd
,con
sd
,e
sd
,df
sd
,de
sd
]
[0065]
其中，gf为虹膜图像的gabor特征(gabor features,gf)，glcmf为虹膜图像的glcm特征(glcm features,glcmf)。u和v分别表示二维gabor函数的方向和尺度数值，k为划分的子图像的个数，μ为图像滤波幅值的均值，σ为图像滤波幅值的标准方差；glcmf中的h、v、fd和sd分别表示水平、垂直、主对角线和次对角线方向，把能量、对比度、熵、差方差和差熵分别标记为asm、con、e、df和de，再对二种特征进行联合归一化处理；
[0066][0067]
其中nev表示归一化后的特征值，oev表示原始的特征值，max(ev)表示最大的特征值，min(ev)表示最小的特征值。
[0068]
进而通过具有较小数据量的特征向量来描述一幅数据量较大的虹膜区域图像。
[0069]
s4：进行虹膜区域图像特征比对；
[0070]
具体地，采用尺度不变特征变换(scale invariant feature transformation，sift)方法提取s3中得到的小数据量的虹膜区域图像的稳定特征信息，这些信息具有高的代表性和低冗余性，对这些特征信息进行编码得到特征向量，其中，编码方式为对特征信息进行离散余弦变换(dct)变换，通过检测相邻系数的过零点，得到二进制虹膜编码，即虹膜特征向量；
[0071]
将获取的虹膜特征向量与虹膜特征模板数据集中己有的特征向量进行比较，采用svm支持向量机分类器对虹膜图像的特征进行分类识别，以此判定比对的两个特征模板的相似程度，根据所得的匹配度以及设定好的相似度阈值，确定两幅图像是否为同一虹膜，完成识别过程，进而对虹膜完成身份认证；
[0072]
需要说明的是，虹膜特征模板数据集由经过身份注册的合法用户的第二虹膜区域图像的特征向量组成，其中虹膜特征向量与通过s1-s4获得待识别用户的虹膜特征向量的方法一样。
[0073]
s5：获取虹膜区域图像特征比对结果，根据结果发送指令；
[0074]
具体地，无钥匙进入系统模块将对特征对比识别结果做出响应,当虹膜特征识别模块判定所采集到的虹膜与虹膜特征模板数据集中的虹膜为同一虹膜，即身份认证成功，虹膜识别系统对汽车无钥匙进入系统中控发送解锁指令,反之，当虹膜特征识别模块判定所采集到的虹膜与虹膜特征数据集中的虹膜为不同虹膜，即身份认证失败，虹膜识别系统不对汽车无钥匙进入系统发送中控解锁指令，保持锁止。
[0075]
实施例2
[0076]
本发明还提供一种智能汽车无钥匙进入系统，参照图4，所述系统包括以下模块：
[0077]
图像采集模块101，用于采集待识别用户的眼部图像，其中所述眼部图像分为瞳孔区域和虹膜区域；
[0078]
图像预处理模块102，用于对所述眼部图像进行预处理，得到第一虹膜区域图像；
[0079]
图像特征提取模块103，用于使用二维gabor滤波器和灰度共生矩阵分别提取所述第一虹膜区域图像的特征，对两种特征进行联合归一化处理，得到第二虹膜区域图像；
[0080]
图像特征识别模块104，用于提取第二虹膜区域图像的特征向量，与虹膜特征模板数据集中的特征向量进行相似度对比，其中虹膜特征模板数据集由经过身份注册的合法用户的第二虹膜区域图像的特征向量组成；
[0081]
控制模块105，获取所述相似度对比结果，当相似度满足预设条件，用户身份认证成功，汽车解锁，否则汽车保持锁止状态。
[0082]
在此需要说明的是，实施例2是在实施例1的基础上实施的，每一个模块的功能实现采用的方法均与实施例1相同，故在此不再赘述。
[0083]
进一步地，所述系统的工作流程参照图5。
[0084]
另外，本发明实施例还提供一种计算机可读存储介质，其中，该计算机可读存储介质可存储有程序，该程序执行时包括上述方法实施例中记载的任何智能汽车无钥匙进入方法的部分或全部步骤。
[0085]
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0086]
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分
步骤。而前述的存储器包括：u盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
[0087]
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、只读存储器、随机存取器、磁盘或光盘等。
[0088]
以上所述的具体实施方式，对本技术的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本技术的具体实施方式而已，并不用于限定本技术的保护范围，凡在本技术的技术方案的基础之上，所做的任何修改、等同替换、改进等，均应包括在本技术的保护范围之内。