一种虹膜识别方法和系统与流程

本发明涉及生物识别，具体是一种虹膜识别方法和系统。

背景技术：

1、虹膜识别被业界公认为安全级别非常高的一种生物识别，一般应用于对安全性要求较高的场景，例如金融行业或政府部门的门禁系统和安防系统，等等，并且随着电子技术的发展，虹膜识别技术也逐渐应用到部分终端设备中，例如应用到手机、电脑等终端设备中等。

2、目前在虹膜识别中，首先需要摄像头采集用户的面部图像，从面部图像中提取出眼部图像，然后再对虹膜进行识别，但是现有的识别方式具有一下缺陷：

3、(1)获取眼部图像时，由于上下眼睑的遮挡，难以获得完整的巩膜边界，从而影响现有识别方法的识别精度；

4、(2)由于上下眼睑的遮挡还会导致虹膜特征信息的缺失，从而会导致一定概率的识别结果错误。

技术实现思路

1、有鉴于此，本发明的目的是提供一种虹膜识别方法和系统，能够消除上下眼睑遮挡导致的识别精度不够、识别错误等问题。

2、为了实现上述目的，本发明采用了如下技术方案：

3、本发明的一种虹膜识别方法，包括步骤：

4、获取眼部图像，并将所述眼部图像转换为灰度图像；

5、对所述灰度图像进行轮廓提取，获得所述灰度图像中的瞳孔轮廓，并对所述瞳孔轮廓进行定位，获得瞳孔中心；

6、对所述灰度图像中的纹理特征进行提取，获得虹膜特征，获得所述瞳孔中心与所述虹膜特征之间的相对位置数据；

7、将所述相对位置数据与预存在数据库中的相对位置模板数据进行对比，基于对比结果完成对虹膜的识别。

8、可选地，将所述眼部图像转换为灰度图像的步骤包括：

9、获取所述眼部图像中每个像素点ai的rgb值，将所述每个像素点ai的rgb值转换为灰度值gray(ai)，获得灰度图像；转换为灰度值的数学表达式为：

10、gray(ai)＝(r2.2×0.2937+g2.2×0.6274+b2.2×0.0753)1/2.2

11、其中，r为像素点ai的红色值，g为像素点ai的绿色值，b为像素点ai的蓝色值。

12、可选地，对所述灰度图像进行轮廓提取，获得所述灰度图像中的瞳孔轮廓的步骤包括：

13、将灰度图像进行复制，在复制的图像中设置第一灰度阈值，根据所述第一灰度阈值对复制的图像进行二值化处理，获得黑白图像；

14、任取一个像素点ai，判断是否存在与所述像素点ai的灰度值gray(ai)不同的相邻像素点，若是，则保留所述像素点ai的灰度值gray(ai)，若否，则对所述像素点ai进行赋值，获得更新后的像素点ai’的灰度值gray’(ai)＝255；

15、从保留灰度值的像素点中提取出符合完整圆形特征的部分像素点，提取出所述部分像素点，并将所述部分像素点按照原位置映射至所述灰度图像中，获得所述瞳孔轮廓。

16、可选地，并对所述瞳孔轮廓进行定位，获得瞳孔中心的步骤包括：

17、设置多个互不平行的切线组，每一个所述切线组中均包括第一平行线s1和第二平行线s2；

18、移动所述第一平行线s1和所述第二平行线s2，直至所述第一平行线s1和所述第二平行线s2均与所述瞳孔轮廓相切，且所述第一平行线s1不与所述第二平行线s2重合；

19、根据所述第一平行线s1与所述第二平行线s2的位置获得第三平行线s3，所述第三平行线s3位于所述第一平行线s1与所述第二平行线s2的中心位置，且所述第三平行线s3与所述第一平行线s1和所述第二平行线s2平行；

20、获取多个所述切线组中的第三平行线s3相交的多个交点o1-ok，随机选择所述瞳孔轮廓中的多个像素点ai1-aij，计算所述交点o1-ok与所述像素点ai1-aij之间距离的方差，数学表达式为：

21、

22、其中，σk表示交点ok与所述像素点ai1-aij之间距离的方差，f(aij，ok)表示交点ok与像素点aij之间的距离，l表示交点ok与所述像素点ai1-aij之间距离的平均值；

23、选择方差最小的交点作为所述瞳孔中心。

24、可选地，对所述灰度图像中的纹理特征进行提取，获得虹膜特征的步骤包括：

25、去除所述瞳孔轮廓中的像素点，获得虹膜区域图像；

26、设置第二灰度阈值，根据所述第二灰度阈值对所述虹膜区域图像进行二值化处理；

27、在经过二值化处理的虹膜区域图像中任取一个像素点ai，判断是否存在与所述像素点ai的灰度值gray(ai)不同的相邻像素点，若是，则保留所述像素点ai的灰度值gray(ai)，若否，则对所述像素点ai进行赋值，获得更新后的像素点ai’的灰度值gray’(ai)＝255，获得纹理图像；

28、建立包括多个纹理图像的训练数据集，通过所述训练数据集对预先设置的人工神经网络进行训练，获得识别模型；

29、通过所述识别模型对所述纹理图像进行识别，获得所述虹膜特征。

30、可选地，获得所述瞳孔中心与所述虹膜特征之间的相对位置数据的步骤包括：

31、提取所述虹膜特征的质心，所述虹膜特征包括斑点特征、细丝特征、冠状特征、条纹特征、隐窝特征；

32、获取每个所述虹膜特征的质心与所述瞳孔中心之间的连线，计算连线的长度、连线之间的夹角，并生产包含虹膜特征种类、所述连线的长度、所述连线之间的夹角的三维向量(xn,yn,z)，其中xn为连线n的长度，yn为连线n与连线n+1的夹角,z为对位虹膜特征的种类；

33、根据所有的三维向量生成所述相对位置数据。

34、可选地，将所述相对位置数据与预存在数据库中的相对位置模板数据进行对比，基于对比结果完成对虹膜的识别的步骤包括：

35、从所述相对位置数据中提取出多个待识别三维向量；

36、当所述待识别三维向量的数量超过第一阈值，或者所述待识别三维向量的数量与所述相对位置模板数据中的三维向量的数量之比大于第二阈值时，将所述待识别三维向量与所述相对位置模板数据中的三维向量进行对比；

37、当具有超过第三阈值的所述待识别三维向量被包含在所述相对位置模板数据中，则将预存在所述数据库中，且与所述相对位置数据对应的识别信息进行输出，完成对所述眼部图像的识别。

38、本发明还提供一种虹膜识别系统，包括:

39、采集模块，用于获取眼部图像，并将所述眼部图像转换为灰度图像；

40、运算模块，用于对所述灰度图像进行轮廓提取，获得所述灰度图像中的瞳孔轮廓，并对所述瞳孔轮廓进行定位，获得瞳孔中心；对所述灰度图像中的纹理特征进行提取，获得虹膜特征，获得所述瞳孔中心与所述虹膜特征之间的相对位置数据；

41、识别模块，用于将所述相对位置数据与预存在数据库中的多种相对位置数据进行对比，基于对比结果完成对虹膜的识别。

42、本发明还提供一种存储介质，其中存储有计算机程序，所述计算机程序被处理器加载执行时，实现如上所述的一种虹膜识别方法。

43、本发明还提供一种电子设备，包括：处理器、及存储器；其中，所述存储器用于存储计算机程序；所述处理器用于加载执行所述计算机程序，以使所述电子设备执行如上所述的一种虹膜识别方法。

44、本发明的有益效果是：本发明的一种虹膜识别方法和系统，通过直接采集眼部图像，然后从眼部图像中获取瞳孔轮廓，并将瞳孔中心作为识别过程中的基准点，获取整个眼部图像中的虹膜特征，通过虹膜特征与瞳孔中心的相对位置作为识别特征，完成对虹膜的识别。由于相对位置数据不需要巩膜的轮廓，因此可以在上下眼睑遮挡巩膜边缘时进行准确识别；同时由于相对位置数据的唯一性，可以在一定程度上只依靠部分虹膜特征完成对虹膜图像的识别；从而克服在上下眼睑遮挡导致虹膜特征信息缺失，导致的识别结果错误的问题。