CN104484649B - 虹膜识别的方法和装置 - Google Patents

虹膜识别的方法和装置 Download PDF

Info

Publication number
CN104484649B
CN104484649B CN201410708416.9A CN201410708416A CN104484649B CN 104484649 B CN104484649 B CN 104484649B CN 201410708416 A CN201410708416 A CN 201410708416A CN 104484649 B CN104484649 B CN 104484649B
Authority
CN
China
Prior art keywords
image
matrix
upper eyelid
obtains
iris
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201410708416.9A
Other languages
English (en)
Other versions
CN104484649A (zh
Inventor
刘洋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Eyes Intelligent Technology Co ltd
Beijing Eyecool Technology Co Ltd
Original Assignee
Beijing Techshino Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Techshino Technology Co Ltd filed Critical Beijing Techshino Technology Co Ltd
Priority to CN201410708416.9A priority Critical patent/CN104484649B/zh
Publication of CN104484649A publication Critical patent/CN104484649A/zh
Application granted granted Critical
Publication of CN104484649B publication Critical patent/CN104484649B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/18—Eye characteristics, e.g. of the iris
    • G06V40/193—Preprocessing; Feature extraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/18—Eye characteristics, e.g. of the iris
    • G06V40/197—Matching; Classification

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Ophthalmology & Optometry (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种虹膜识别的方法和装置。其中，该方法包括：将从第一虹膜图像中提取的上眼睑边界图像的图像矩阵按照多个旋转角度进行旋转，得到多个旋转矩阵；获取与各个旋转矩阵匹配的第一抛物线和各个旋转矩阵确定的上眼睑边界相交的点的第一数量；将第一数量中的最大值对应的旋转角度，作为第一虹膜图像中眼睛旋转的角度；基于第一虹膜图像中眼睛旋转的角度确定对第一虹膜图像进行归一化的起始角度；使用起始角度对第一虹膜图像进行归一化处理；使用的从归一化图像中提取到的图像特征在数据库中检索对应的特征信息，以对第一虹膜图像进行虹膜识别。通过本发明，解决了现有技术中虹膜识别的准确率低的问题，实现了提高虹膜识别的准确率的效果。

Description

虹膜识别的方法和装置
技术领域
本发明涉及图像处理领域，具体而言，涉及一种虹膜识别的方法和装置。
背景技术
虹膜是类似环形的结构，如图1所示，虹膜11’位于瞳孔12’和巩膜13’之间，虹膜外圆14’和虹膜内圆15’的部分，由于眼睑以及眼睫毛16’的遮挡，丢失了一部分虹膜信息。虹膜直径约12mm，厚约0.5mm。从识别的角度来看，那些相互交错的类似于细丝，条纹等形状的细微特征是虹膜唯一性的体现。这些特征通常为虹膜的纹理特征，用于虹膜识别。
在现有技术中，在虹膜图像预处理之后，考虑到虹膜存在平移，旋转，尺度变化等问题，需要将虹膜进行归一化处理，来消除虹膜图像大小的不一致对特征提取以及后来的识别所产生的影响，但在虹膜图像归一化的过程中，归一化的起始角度的确定一直是一个重要的课题，因为在实际虹膜图像采集的过程中存在头部旋转从而导致眼睛角度旋转的问题，如果无法准确判断出眼睛的旋转角度，两个虹膜图像的归一化展开起始角度的相对位置就会产生不一致性，从而影响最终的虹膜识别的准确度，然而现有技术中无法确定旋转角度，如果人工确定旋转角度就降低了虹膜识别的效率和准确度，使得虹膜识别的时间很长且准确度不高。
针对现有技术中虹膜识别时无法判断图像中眼睛的旋转角度，导致虹膜识别的准确率低的问题，目前尚未提出有效的解决方案。
发明内容
针对相关技术中虹膜识别时无法判断图像中眼睛的旋转角度，导致虹膜识别的准确率低的问题，目前尚未提出有效的解决方案，为此，本发明的主要目的在于提供一种虹膜识别的方法和装置，以解决上述问题。
为了实现上述目的，根据本发明的一个方面，提供了一种虹膜识别的方法，该方法包括：从采集到的第一虹膜图像中提取上眼睑边界图像；将上眼睑边界图像的图像矩阵按照多个旋转角度进行旋转，得到多个旋转矩阵；获取与各个旋转矩阵匹配的第一抛物线和各个旋转矩阵确定的上眼睑边界相交的点的第一数量；将第一数量中的最大值对应的旋转角度，作为第一虹膜图像中眼睛旋转的角度；基于第一虹膜图像中眼睛旋转的角度确定对第一虹膜图像进行归一化的起始角度；使用起始角度对第一虹膜图像进行归一化处理，得到归一化图像；使用从归一化图像中提取到的图像特征在数据库中检索对应的特征信息，以对第一虹膜图像进行虹膜识别。
进一步地，获取与各个旋转矩阵匹配的第一抛物线包括：获取预先设置的抛物线参数的取值范围；获取抛物线参数的取值范围确定的多条第二抛物线；对各个第二抛物线和旋转矩阵确定的上眼睑边界进行曲线拟合，得到各个第二抛物线与旋转矩阵确定的上眼睑边界相交的点的第二数量；将第二数量中的最大值对应的第二抛物线作为与旋转矩阵匹配的第一抛物线，第二数量的最大值为第一数量的值。
进一步地，从采集到的第一虹膜图像中提取上眼睑边界图像包括：对第一虹膜图像进行边缘检测和霍夫变换，得到瞳孔定位图像；在瞳孔定位图像上截取包含上眼睑信息的第二虹膜图像；使用平滑滤波器对第二虹膜图像进行二值化处理，生成噪声图像；对第二虹膜图像进行图像增强处理，得到第二虹膜图像对应的增强矩阵；基于噪声图像对增强矩阵进行去除瞳孔噪声处理，得到初始上眼睑边界矩阵；对初始上眼睑边界矩阵进行二次去噪处理，得到上眼睑边界图像。
进一步地，在瞳孔定位图像上截取包含上眼睑信息的第二虹膜图像包括：获取瞳孔定位图像上瞳孔的位置信息和半径，其中，瞳孔的位置信息中包括：瞳孔的中心点的位置信息；以瞳孔的中心点为基准，在瞳孔定位图像上向上、向左和向右截取预设的像素距离，得到第二虹膜图像，其中，预设的像素距离为瞳孔的半径与第一预设倍数的乘积。
进一步地，对第二虹膜图像进行图像增强处理，得到第二虹膜图像对应的增强矩阵包括：对第二虹膜图像的矩阵进行滤波处理，得到滤波矩阵；利用边缘检测算子对滤波矩阵进行梯度变换，得到变换矩阵；对变换矩阵进行归一化处理，得到归一化矩阵；计算第二虹膜图像中的所有像素值的像素平均值，将第二虹膜图像中小于像素平均值的像素拉伸至[0，1]，大于像素平均值的像素的值置为零，得到拉伸矩阵；将归一化矩阵和拉伸矩阵进行加和，得到和矩阵，确定增强矩阵。
进一步地，基于噪声图像对增强矩阵进行去除瞳孔噪声处理，得到初始上眼睑边界矩阵包括：使用预设滤波器与增强矩阵作列卷积运算，得到第一卷积结果；使用预设行向量对第一卷积结果作行卷积运算，得到上眼睑矩阵，上眼睑矩阵包括像素Eyelash'(x,y)，(x,y)为各个像素的坐标；使用如下公式对上眼睑矩阵进行去噪处理，得到去噪矩阵，确定初始上眼睑边界矩阵，其中，公式为：
进一步地，对初始上眼睑边界矩阵进行二次去噪处理，得到上眼睑边界图像包括：将初始上眼睑边界矩阵中大于像素阈值的像素点的灰度值修改为255，将初始上眼睑边界矩阵中不大于像素阈值的像素点的灰度值修改为0，得到特征点矩阵，其中，像素阈值为第二预设倍数与初始上眼睑边界矩阵中最大像素值的乘积；对特征点矩阵的特征点图像进行区域连通处理，得到连通图像；若连通图像中的区域内特征点的个数小于预设阈值，则将该区域从连通图像中去除，得到上眼睑边界图像。
为了实现上述目的，根据本发明的另一方面，提供了一种，该装置包括：提取模块，用于从采集到的第一虹膜图像中提取上眼睑边界图像；旋转模块，用于将上眼睑边界图像的图像矩阵按照多个旋转角度进行旋转，得到多个旋转矩阵；获取模块，用于获取与各个旋转矩阵匹配的第一抛物线和各个旋转矩阵确定的上眼睑边界相交的点的第一数量；第一确定模块，用于将第一数量中的最大值对应的旋转角度，作为第一虹膜图像中眼睛旋转的角度；第二确定模块，用于基于第一虹膜图像中眼睛旋转的角度确定对第一虹膜图像进行归一化的起始角度；归一化模块，用于使用起始角度对第一虹膜图像进行归一化处理，得到归一化图像；检索模块，用于使用从归一化图像中提取到的图像特征在数据库中检索对应的特征信息，以对第一虹膜图像进行虹膜识别。
进一步地，获取模块包括：第一获取子模块，用于获取预先设置的抛物线参数的取值范围；第二获取子模块，用于获取抛物线参数的取值范围确定的多条第二抛物线；曲线拟合模块，用于对各个第二抛物线和旋转矩阵确定的上眼睑边界进行曲线拟合，得到各个第二抛物线与旋转矩阵确定的上眼睑边界相交的点的第二数量；第一确定子模块，用于将第二数量中的最大值对应的第二抛物线作为与旋转矩阵匹配的第一抛物线，第二数量的最大值为第一数量的值。
进一步地，提取模块包括：定位模块，用于对第一虹膜图像进行边缘检测和霍夫变换，得到瞳孔定位图像；截取模块，用于在瞳孔定位图像上截取包含上眼睑信息的第二虹膜图像；二值化处理模块，用于使用平滑滤波器对第二虹膜图像进行二值化处理，生成噪声图像；图像增强处理模块，用于对第二虹膜图像进行图像增强处理，得到第二虹膜图像对应的增强矩阵；第一去噪模块，用于基于噪声图像对增强矩阵进行去除瞳孔噪声处理，得到初始上眼睑边界矩阵；第二去噪模块，用于对初始上眼睑边界矩阵进行二次去噪处理，得到上眼睑边界图像。
进一步地，截取模块包括：第三获取子模块，用于获取瞳孔定位图像上瞳孔的位置信息和半径，其中，瞳孔的位置信息中包括：瞳孔的中心点的位置信息；截取子模块，用于以瞳孔的中心点为基准，在瞳孔定位图像上向上、向左和向右截取预设的像素距离，得到第二虹膜图像，其中，预设的像素距离为瞳孔的半径与第一预设倍数的乘积。
进一步地，图像增强处理模块包括：滤波模块，用于对第二虹膜图像的矩阵进行滤波处理，得到滤波矩阵；梯度变换模块，用于利用边缘检测算子对滤波矩阵进行梯度变换，得到变换矩阵；归一化处理模块，用于对变换矩阵进行归一化处理，得到归一化矩阵；拉伸模块，用于计算第二虹膜图像中的所有像素值的像素平均值，将第二虹膜图像中小于像素平均值的像素拉伸至[0，1]，大于像素平均值的像素的值置为零，得到拉伸矩阵；求和模块，用于将归一化矩阵和拉伸矩阵进行加和，得到和矩阵，确定增强矩阵。
进一步地，第一去噪模块包括：第一计算模块，用于使用预设滤波器与增强矩阵作列卷积运算，得到第一卷积结果；第二计算模块，用于使用预设行向量对第一卷积结果作行卷积运算，得到上眼睑矩阵，上眼睑矩阵包括像素Eyelash'(x,y)，(x,y)为各个像素的坐标；第一处理子模块，用于使用如下公式对上眼睑矩阵进行去噪处理，得到去噪矩阵，确定初始上眼睑边界矩阵，其中，公式为：
其中，Eyelash(x,y)为去噪矩阵中点(x,y)处的像素值，Noise(x,y)为噪声图像的图像矩阵中点(x,y)处的像素值。
进一步地，第二去噪模块包括：第二处理子模块，用于将初始上眼睑边界矩阵中大于像素阈值的像素点的灰度值修改为255，将初始上眼睑边界矩阵中不大于像素阈值的像素点的灰度值修改为0，得到特征点矩阵，其中，像素阈值为第二预设倍数与初始上眼睑边界矩阵中最大像素点值的乘积；第三处理子模块，用于对特征点矩阵的特征点图像进行区域连通处理，得到连通图像；第二确定子模块，用于若连通图像中的区域内特征点的个数小于预设阈值，则将该区域从连通图像中去除，得到上眼睑边界图像。
采用本发明，在从采集到的第一虹膜图像中提取上眼睑边界图像之后，使用曲线拟合和上眼睑边界图像的图像矩阵的坐标变换判断第一虹膜图像中眼睛的旋转角度，解决了现有技术中虹膜识别时无法判断图像中眼睛的旋转角度，导致虹膜识别的准确率低的问题，实现了准确判断图像中眼睛的旋转角度，从而提高虹膜识别的准确率的效果。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是根据现有技术的虹膜的示意图；
图2是根据本发明实施例的虹膜识别的方法的流程图；
图3是根据本发明实施例的抛物线坐标示意图；
图4是根据本发明实施例的上眼睑边界图像的方法的流程图；
图5是根据本发明实施例的瞳孔定位图像的示意图；
图6是根据本发明实施例的第二虹膜图像的示意图；
图7是根据本发明实施例的噪声图像的示意图；
图8是根据本发明实施例的上眼睑边界图像的示意图；以及
图9是根据本发明实施例的虹膜识别的装置的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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的实施例，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，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
图2是根据本发明实施例的虹膜识别的方法的流程图，如图2所示该方法包括如下步骤：
步骤S202，从采集到的第一虹膜图像中提取上眼睑边界图像。
步骤S204，将上眼睑边界图像的图像矩阵按照多个旋转角度进行旋转，得到多个旋转矩阵。
步骤S206，获取与各个旋转矩阵匹配的第一抛物线和各个旋转矩阵确定的上眼睑边界相交的点的第一数量。
步骤S208，将第一数量中的最大值对应的旋转角度，作为第一虹膜图像中眼睛旋转的角度。
步骤S210，基于第一虹膜图像中眼睛旋转的角度确定对第一虹膜图像进行归一化的起始角度。
步骤S212，使用起始角度对第一虹膜图像进行归一化处理，得到归一化图像。
步骤S214，使用从归一化图像中提取到的图像特征在数据库中检索对应的特征信息，以对第一虹膜图像进行虹膜识别。
采用本发明，在从采集到的第一虹膜图像中提取上眼睑边界图像之后，使用曲线拟合和上眼睑边界图像的图像矩阵的坐标变换判断第一虹膜图像中眼睛的旋转角度，并使用第一虹膜图像中眼睛的旋转角度确定进行归一化处理的起始角度，然后使用该起始角度对第一虹膜图像进行归一化和特征提取处理，使用提取到的图像特征进行虹膜识别，由于现有技术中无法准确判断图像中眼睛的旋转角度，从而进行归一化处理的结果不准确，直接导致虹膜识别的结果不准确，使用上述实施例可以准确确定采集到的第一虹膜图像的眼睛的旋转角度，并运用于后续的虹膜识别的处理中，可以获取准确的虹膜识别。通过上述实施例，解决了现有技术中虹膜识别时无法判断图像中眼睛的旋转角度，导致虹膜识别的准确率低的问题，实现了准确判断图像中眼睛的旋转角度，从而提高虹膜识别的准确率的效果。
在本发明的上述实施例中，第一虹膜图像可以为对采集到的原始图像进行处理之后的图像，通过上述实施例，对第一虹膜图像进行归一化处理，可以通过线性模型实现，具体地，可以使用坐标转化公式将图像的笛卡尔坐标(x,y)转化为极坐标(r,θ)实现对第一虹膜图像的归一化展开。
其中，坐标转化公式为：
其中，r∈[0,1]，θ∈[0,2π]，(xin,yin)，(xout,yout)分别表示在θ方向上的虹膜内、外圆的边缘点。
在本发明的上述实施例中，获取与各个旋转矩阵匹配的第一抛物线可以包括：获取预先设置的抛物线参数的取值范围；获取抛物线参数的取值范围确定的多条第二抛物线；对各个第二抛物线和旋转矩阵确定的上眼睑边界进行曲线拟合，得到各个第二抛物线与旋转矩阵确定的上眼睑边界相交的点的第二数量；将第二数量中的最大值对应的第二抛物线作为与旋转矩阵匹配的第一抛物线，第二数量的最大值为第一数量的值。
上眼睑边界是一个弧线的形状，对上眼睑边界图像的图像矩阵Eyelash进行旋转，得到旋转矩阵，获取每个旋转矩阵匹配的第一抛物线和第一数量，对应第一数量中数值最大的旋转角度即为眼睛旋转的角度。
具体地，由于第一虹膜图像的眼睛会存在不同程度的旋转，通过上述实施例可以对上眼睑边界图像的图像矩阵Eyelash进行旋转，获取每个旋转角度下的旋转矩阵匹配的第一抛物线(不同旋转角度下的(a,b,c)的最优解)，在不同旋转角度下进行对比，得到最终的(a,b,c)最优解以及对应的旋转角度θ，-θ即为眼睛旋转的角度。
其中，对上眼睑边界图像的图像矩阵Eyelash进行旋转可以通过如下步骤实现：获取预设的旋转范围，如±60°(-代表顺时针旋转，+代表逆时针旋转)，按照5°的旋转步长旋转上眼睑边界图像的图像矩阵Eyelash。
进一步地，在不同旋转角度下进行拟合，是一个选择最优的过程，因为在每一个角度下都对应一个(a,b,c)和经过对应角度下的上眼睑边界的像素点的个数，选择经过眼睑边缘点的像素点个数最多的旋转角度θ。
具体地，如图3所示的抛物线的表达式为y＝a(x-b)2+c，其中，a控制抛物线的形状，即开口大小；b和c为抛物线顶点的列坐标和行坐标。
对于上眼睑边界而言，a>0,b>0,c>0，每一个参数对(a,b,c)对应了一条抛物线，在本发明的上述实施例中，获取预先设置好的抛物线参数对的取值范围，如，a∈[0，10]，b∈[11,20]，c∈[21,30]。在提取出的上眼睑边界图像的图像矩阵Eyelash中对可能的(a,b,c)参数对(即符合上述的取值范围的参数对)进行遍历，把经过上眼睑边界(如，像素大小为255的点)最多的参数对(a,b,c)构成的抛物线(即上述实施例中的第一抛物线)作为旋转角度下的上眼睑边界图像的边界。
在上述实施例中，a,b,c的几何含义清楚，无需复杂的代数运算，只需要在(a,b,c)三参数空间遍历图像，选择求最优解，计算简单，准确率高。
根据本发明的上述实施例，利用上眼睑以及眼睫毛像素低，梯度大的特点，来对上眼睑边界进行定位，求出上眼睑的边界，具体地从采集到的第一虹膜图像中提取上眼睑边界图像可以通过如图4所示的步骤实现：
步骤S401：对第一虹膜图像进行边缘检测和霍夫变换，得到瞳孔定位图像。
具体地，通过边缘检测算子(如边缘梯度二值化)和霍夫变换初步检测瞳孔，进行瞳孔初定位，大体确定瞳孔的位置和半径大小，具体结果如图5所示，在获取的瞳孔定位图像中可以看出，瞳孔被进行了二值化处理，瞳孔的边缘得到了圆形标注的瞳孔的范围。
步骤S403：在瞳孔定位图像上截取包含上眼睑信息的第二虹膜图像。
具体地，在瞳孔定位图像上截取包含上眼睑信息的第二虹膜图像可以通过如下方法实现：获取瞳孔定位图像上瞳孔的位置信息和半径，其中，瞳孔的位置信息中包括：瞳孔的中心点的位置信息；以瞳孔的中心点为基准，在瞳孔定位图像上向上、向左和向右截取预设的像素距离，得到第二虹膜图像，其中，预设的像素距离为瞳孔的半径与第一预设倍数的乘积。其中，第一预设倍数可选为2倍。
在瞳孔初定位基础上截取包含上眼睑的第二虹膜图像，截取后的图像具体如图6所示。
在该实施例中，通过有了大致的瞳孔半径和位置，就可以根据瞳孔的位置和半径大小向上，向左，向右截取大约2个瞳孔半径的像素距离。
步骤S405：使用平滑滤波器对第二虹膜图像进行二值化处理，生成噪声图像。
由于瞳孔具有像素低，而且瞳孔和虹膜的边界梯度比较大，因此需要把瞳孔作为噪声进行处理，生成噪声图像。具体地，可以根据瞳孔初定位的结果(即上述实施例中的瞳孔定位图像)，用M*N的平滑滤波器对第二虹膜图像进行二值化处理，得到噪声矩阵Noise，确定噪声图像，图7示出了噪声图像。
步骤S407：对第二虹膜图像进行图像增强处理，得到第二虹膜图像对应的增强矩阵。
在该实施例中，对第二虹膜图像进行图像增强处理，得到增强矩阵可以包括：对第二虹膜图像的矩阵进行滤波处理，得到滤波矩阵；利用边缘检测算子对滤波矩阵进行梯度变换，得到变换矩阵；对变换矩阵进行归一化处理，得到归一化矩阵；计算第二虹膜图像中的所有像素值的像素平均值，将第二虹膜图像中小于像素平均值的像素拉伸至[0，1]，大于像素平均值的像素的值置为零，得到拉伸矩阵；将归一化矩阵和拉伸矩阵进行加和，得到和矩阵，确定增强矩阵。
具体地，对上述的第二虹膜图像采用M*N的中值滤波进行平滑，去除光斑噪声的影响，得到滤波矩阵，然后利用边缘检测算子对滤波矩阵进行梯度变换，得到变换矩阵，确定变换矩阵，将变换矩阵的像素范围拉伸至[0,1]，以对变换矩阵进行归一化处理得到归一化矩阵G_Image。
对第二虹膜图像中的所有像素的像素值进行加和，算出像素平均值，将第二虹膜图像中小于像素平均值的像素的灰度拉伸至[0,1]，将第二虹膜图像中大于像素平均值的像素的灰度值取为0，得到拉伸矩阵，拉伸矩阵的矩阵记为Img_eye。将这两个矩阵加和，得到结果矩阵(即上述实施例中的和矩阵)Image_eye＝G_Image+Img_eye，Image_eye即为图像增强矩阵。
步骤S409：基于噪声图像对增强矩阵进行去除瞳孔噪声处理，得到初始上眼睑边界矩阵。
具体地，基于噪声图像对增强矩阵进行去除瞳孔噪声处理，得到初始上眼睑边界矩阵可以包括：使用预设滤波器与增强矩阵作列卷积运算，得到第一卷积结果；使用预设行向量对第一卷积结果作行卷积运算，得到上眼睑矩阵，上眼睑矩阵包括像素Eyelash'(x,y)，(x,y)为各个像素的坐标；使用如下公式对上眼睑矩阵进行去噪处理，得到去噪矩阵，确定初始上眼睑边界矩阵，其中，公式为：
进一步地，可以获取预先设置的滤波器filter：
filter(x)＝exp(-(x-5)2/2)-((x-5)2)×exp(-(x-5)2/2)(x＝1，2……9)，filter为一个大小为9的数组，也即：
filter＝[-0.0050,-0.0889,-0.4060,0,1.0000,0,-0.4060,-0.0889,-0.0050],该预设滤波器为固定数值的滤波器。
将预设滤波器与增强矩阵Image_eye作列卷积运算得到第一卷积结果，再采用长度为3的全是1的行向量(即上述实施例中的预设行向量)与该第一卷积结果进行行卷积运算，得到上眼睑矩阵Eyelash’。根据图3的噪声图像的矩阵Noise，对上眼睑矩阵Eyelash’进行去除瞳孔噪声，得到去除瞳孔噪声的上眼睑边界矩阵Eyelash。具体方法如下：
步骤S411：对初始上眼睑边界矩阵进行二次去噪处理，得到上眼睑边界图像。
上述实施例中，对初始上眼睑边界矩阵进行二次去噪处理，得到上眼睑边界图像可以包括：将初始上眼睑边界矩阵中大于像素阈值的像素点的灰度值修改为255，将初始上眼睑边界矩阵中不大于像素阈值的像素点的灰度值修改为0，得到特征点矩阵，其中，像素阈值为第二预设倍数与初始上眼睑边界矩阵中最大像素值的乘积；对特征点矩阵的特征点图像进行区域连通处理，得到连通图像；若连通图像中的区域内特征点的个数小于预设阈值，则将该区域从连通图像中去除，得到上眼睑边界图像。
具体地，可以取去噪矩阵Eyelash中的最大像素点的值m，将初始上眼睑边界矩阵中大于0.15×m(即上述实施例中的像素阈值，第二预设倍数为0.15)的部分灰度值为赋为255，其它部分为0，得到了特征点图像，对特征图像求连通区域，当区域内特征点的个数小于N时，认为是睫毛或者是纹理，将其去除，得到如图8所示的上眼睑边界图像。
本发明上述实施例判断眼睛图像的旋转角度，主要通过坐标变换、曲线拟合和上眼睑的边界弧线来判断眼睛图像的旋转角度，具体的思路是上眼睑的边界是一个类似弧形的结构，如果选择合适的坐标系，该边界可以看成是一条抛物线，这样通过坐标变换和抛物线拟合可以找到一条合适的抛物线来模拟上眼睑边界。通过上述方法可以准确地判断出眼睛的旋转角度。
需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
图9是根据本发明实施例的虹膜识别的装置的示意图，如图9所示，该装置可以包括：提取模块10、旋转模块30、获取模块50、第一确定模块70、第二确定模块80、归一化模块90以及检索模块110。
其中，提取模块，用于从采集到的第一虹膜图像中提取上眼睑边界图像；旋转模块，用于将上眼睑边界图像的图像矩阵按照多个旋转角度进行旋转，得到多个旋转矩阵；获取模块，用于获取与各个旋转矩阵匹配的第一抛物线和各个旋转矩阵确定的上眼睑边界相交的点的第一数量；第一确定模块，用于将第一数量中的最大值对应的旋转角度，作为第一虹膜图像中眼睛旋转的角度；第二确定模块，用于基于第一虹膜图像中眼睛旋转的角度确定对第一虹膜图像进行归一化的起始角度；归一化模块，用于使用起始角度对第一虹膜图像进行归一化处理，得到归一化图像；检索模块，用于使用从归一化图像中提取到的图像特征在数据库中检索对应的特征信息，以对第一虹膜图像进行虹膜识别。
采用本发明，在从采集到的第一虹膜图像中提取上眼睑边界图像之后，使用曲线拟合和上眼睑边界图像的图像矩阵的坐标变换判断第一虹膜图像中眼睛的旋转角度，并使用第一虹膜图像中眼睛的旋转角度确定进行归一化处理的起始角度，然后使用该起始角度对第一虹膜图像进行归一化和特征提取处理，使用提取到的图像特征进行虹膜识别，由于现有技术中无法准确判断图像中眼睛的旋转角度，从而进行归一化处理的结果不准确，直接导致虹膜识别的结果不准确，使用上述实施例可以准确确定采集到的第一虹膜图像的眼睛的旋转角度，并运用于后续的虹膜识别的处理中，可以获取准确的虹膜识别。通过上述实施例，解决了现有技术中虹膜识别时无法判断图像中眼睛的旋转角度，导致虹膜识别的准确率低的问题，实现了准确判断图像中眼睛的旋转角度，从而提高虹膜识别的准确率的效果。
根据本发明的上述实施例，获取模块可以包括：第一获取子模块，用于获取预先设置的抛物线参数的取值范围；第二获取子模块，用于获取抛物线参数的取值范围确定的多条第二抛物线；曲线拟合模块，用于对各个第二抛物线和旋转矩阵确定的上眼睑边界进行曲线拟合，得到各个第二抛物线与旋转矩阵确定的上眼睑边界相交的点的第二数量；第一确定子模块，用于将第二数量中的最大值对应的第二抛物线作为与旋转矩阵匹配的第一抛物线，第二数量的最大值为第一数量的值。
上眼睑边界是一个弧线的形状，对上眼睑边界图像的图像矩阵进行旋转，得到旋转矩阵，获取每个旋转矩阵匹配的第一抛物线和第一数量，对应第一数量中数值最大的旋转角度即为眼睛旋转的角度。
具体地，由于第一虹膜图像的眼睛会存在不同程度的旋转，通过上述实施例可以对上眼睑边界图像的图像矩阵进行旋转，获取每个旋转角度下的旋转矩阵匹配的第一抛物线(不同旋转角度下的(a,b,c)的最优解)，在不同旋转角度下进行对比，得到最终的(a,b,c)最优解以及对应的旋转角度θ，-θ即为眼睛旋转的角度。
其中，对上眼睑边界图像的图像矩阵Eyelash进行旋转可以通过如下步骤实现：获取预设的旋转范围，如±60°(-代表顺时针旋转，+代表逆时针旋转)，按照5°的旋转步长旋转上眼睑边界图像的图像矩阵。
进一步地，在不同旋转角度下进行比对，是一个选择最优的过程，因为在每一个角度下都对应一个(a,b,c)和经过对应角度下的上眼睑边界的像素点的个数，选择经过眼睑边缘点的像素点个数最多的旋转角度θ。
在本发明的上述实施例中，提取模块可以包括：定位模块，用于对第一虹膜图像进行边缘检测和霍夫变换，得到瞳孔定位图像；截取模块，用于在瞳孔定位图像上截取包含上眼睑信息的第二虹膜图像；二值化处理模块，用于使用平滑滤波器对第二虹膜图像进行二值化处理，生成噪声图像；图像增强处理模块，用于对第二虹膜图像进行图像增强处理，得到第二虹膜图像对应的增强矩阵；第一去噪模块，用于基于噪声图像对增强矩阵进行去除瞳孔噪声处理，得到初始上眼睑边界矩阵；第二去噪模块，用于对初始上眼睑边界矩阵进行二次去噪处理，得到上眼睑边界图像。
根据本发明的上述实施例，利用上眼睑以及眼睫毛像素低，梯度大的特点，来对上眼睑边界进行定位，求出上眼睑的边界。
具体地，由于瞳孔具有像素低，而且瞳孔和虹膜的边界梯度比较大，因此需要把瞳孔作为噪声进行处理，生成噪声图像。具体地，可以根据瞳孔初定位的结果(即上述实施例中的瞳孔定位图像)，用M*N的平滑滤波器对第二虹膜图像进行二值化处理，得到噪声矩阵Noise，确定噪声图像，图7示出了噪声图像。
在一个可选的实施例中，截取模块可以包括：第三获取子模块，用于获取瞳孔定位图像上瞳孔的位置信息和半径，其中，瞳孔的位置信息中包括：瞳孔的中心点的位置信息；截取子模块，用于以瞳孔的中心点为基准，在瞳孔定位图像上向上、向左和向右截取预设的像素距离，得到第二虹膜图像，其中，预设的像素距离为瞳孔的半径与第一预设倍数的乘积。
在瞳孔初定位基础上截取包含上眼睑的第二虹膜图像，截取后的图像具体如图6所示。
在该实施例中，通过有了大致的瞳孔半径和位置，就可以根据瞳孔的位置和半径大小向上，向左，向右截取大约2个瞳孔半径的像素距离。
根据上述实施例，图像增强处理模块可以包括：滤波模块，用于对第二虹膜图像的矩阵进行滤波处理，得到滤波矩阵；梯度变换模块，用于利用边缘检测算子对滤波矩阵进行梯度变换，得到变换矩阵；归一化处理模块，用于对变换矩阵进行归一化处理，得到归一化矩阵G_Image；拉伸模块，用于计算第二虹膜图像中的所有像素值的像素平均值，将第二虹膜图像中小于像素平均值的像素拉伸至[0，1]，大于像素平均值的像素的值置为零，得到拉伸矩阵Img_eye；求和模块，用于将归一化矩阵和拉伸矩阵进行加和，得到和矩阵Image_eye＝G_Image+Img_eye，确定增强矩阵Image_eye。
具体地，第一去噪模块可以包括：第一计算模块，用于使用预设滤波器与增强矩阵作列卷积运算，得到第一卷积结果；第二计算模块，用于使用预设行向量对第一卷积结果作行卷积运算，得到上眼睑矩阵，上眼睑矩阵包括像素Eyelash'(x,y)，(x,y)为各个像素的坐标；第一处理子模块，用于使用如下公式对上眼睑矩阵进行去噪处理，得到去噪矩阵，确定初始上眼睑边界矩阵，其中，公式为：
进一步地，可以获取预先设置的滤波器filter：
filter(x)＝exp(-(x-5)2/2)-((x-5)2)×exp(-(x-5)2/2)(x＝1，2……9)，filter为一个大小为9的数组，也即：
filter＝[-0.0050,-0.0889,-0.4060,0,1.0000,0,-0.4060,-0.0889,-0.0050],该预设滤波器为固定数值的滤波器。
将预设滤波器与增强矩阵Image_eye作列卷积运算得到第一卷积结果，再采用长度为3的全是1的行向量(即上述实施例中的预设行向量)与该第一卷积结果进行行卷积运算，得到上眼睑矩阵Eyelash’。根据图3的噪声图像的矩阵Noise，对上眼睑矩阵Eyelash’进行去除瞳孔噪声，得到去除瞳孔噪声的上眼睑边界矩阵Eyelash。
在上述实施例中，第二去噪模块可以包括：第二处理子模块，用于将初始上眼睑边界矩阵中大于像素阈值的像素点的灰度值修改为255，将初始上眼睑边界矩阵中不大于像素阈值的像素点的灰度值修改为0，得到特征点矩阵，其中，像素阈值为第二预设倍数与初始上眼睑边界矩阵中最大像素值的乘积；第三处理子模块，用于对特征点矩阵的特征点图像进行区域连通处理，得到连通图像；第二确定子模块，用于若连通图像中的区域内特征点的个数小于预设阈值，则将该区域从连通图像中去除，得到上眼睑边界图像。
具体地，可以取去噪矩阵Eyelash的最大像素值m，将初始上眼睑边界矩阵中大于0.15×m(即上述实施例中的像素阈值，第二预设倍数为0.15)的部分灰度值为赋为255，其它部分为0，得到了特征点图像，对特征图像求连通区域，当区域内特征点的个数小于N时，认为是睫毛或者是纹理，将其去除，得到上眼睑边界图像。
本实施例中所提供的各个模块与方法实施例对应步骤所提供的使用方法相同、应用场景也可以相同。当然，需要注意的是，上述模块涉及的方案可以不限于上述实施例一中的内容和场景，且上述模块可以运行在计算机终端或移动终端，可以通过软件或硬件实现。
从以上的描述中，可以看出，本发明实现了如下技术效果：
采用本发明，在从采集到的第一虹膜图像中提取上眼睑边界图像之后，使用曲线拟合和上眼睑边界图像的图像矩阵的坐标变换判断第一虹膜图像中眼睛的旋转角度，解决了现有技术中虹膜识别时无法判断图像中眼睛的旋转角度，导致虹膜识别的准确率低的问题，实现了准确判断图像中眼睛的旋转角度，从而提高虹膜识别的准确率的效果。
显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (14)

1.一种虹膜识别的方法，其特征在于，包括：
从采集到的第一虹膜图像中提取上眼睑边界图像；
将所述上眼睑边界图像的图像矩阵按照多个旋转角度进行旋转，得到多个旋转矩阵；
获取与各个所述旋转矩阵匹配的第一抛物线和各个所述旋转矩阵确定的上眼睑边界相交的点的第一数量；
将所述第一数量中的最大值对应的所述旋转角度，作为所述第一虹膜图像中眼睛旋转的角度；
基于所述第一虹膜图像中眼睛旋转的角度确定对所述第一虹膜图像进行归一化的起始角度；
使用所述起始角度对所述第一虹膜图像进行归一化处理，得到归一化图像；
使用从所述归一化图像中提取到的图像特征在数据库中检索对应的特征信息，以对所述第一虹膜图像进行虹膜识别；
其中，将所述第一数量中的最大值对应的所述旋转角度，作为所述第一虹膜图像中眼睛旋转的角度包括：对所述上眼睑边界图像的图像矩阵Eyelash进行旋转，得到旋转矩阵，获取每个旋转矩阵匹配的所述第一抛物线和所述第一数量，对应所述第一数量中数值最大的旋转角度为眼睛旋转的角度；
所述上眼睑边界图像的图像矩阵Eyelash包括：将预设滤波器与增强矩阵Image_eye作列卷积运算得到第一卷积结果，再采用长度为3的全是1的行向量与所述第一卷积结果进行行卷积运算，得到上眼睑矩阵Eyelash’；根据噪声图像的矩阵Noise，对所述上眼睑矩阵Eyelash’进行去除瞳孔噪声，得到去除瞳孔噪声的上眼睑边界矩阵Eyelash。
2.根据权利要求1所述的方法，其特征在于，获取与各个所述旋转矩阵匹配的第一抛物线包括：
获取预先设置的抛物线参数的取值范围；
获取所述抛物线参数的所述取值范围确定的多条第二抛物线；
对各个所述第二抛物线和所述旋转矩阵确定的所述上眼睑边界进行曲线拟合，得到各个所述第二抛物线与所述旋转矩阵确定的所述上眼睑边界相交的点的第二数量；
将所述第二数量中的最大值对应的所述第二抛物线作为与所述旋转矩阵匹配的所述第一抛物线，所述第二数量的最大值为所述第一数量的值。
3.根据权利要求1所述的方法，其特征在于，从采集到的第一虹膜图像中提取上眼睑边界图像包括：
对所述第一虹膜图像进行边缘检测和霍夫变换，得到瞳孔定位图像；
在所述瞳孔定位图像上截取包含上眼睑信息的第二虹膜图像；
使用平滑滤波器对所述第二虹膜图像进行二值化处理，生成噪声图像；
对所述第二虹膜图像进行图像增强处理，得到所述第二虹膜图像对应的增强矩阵；
基于所述噪声图像对所述增强矩阵进行去除瞳孔噪声处理，得到初始上眼睑边界矩阵；
对所述初始上眼睑边界矩阵进行二次去噪处理，得到所述上眼睑边界图像。
4.根据权利要求3所述的方法，其特征在于，在所述瞳孔定位图像上截取包含上眼睑信息的第二虹膜图像包括：
获取所述瞳孔定位图像上瞳孔的位置信息和半径，其中，所述瞳孔的位置信息中包括：瞳孔的中心点的位置信息；
以所述瞳孔的中心点为基准，在所述瞳孔定位图像上向上、向左和向右截取预设的像素距离，得到所述第二虹膜图像，其中，所述预设的像素距离为所述瞳孔的半径与第一预设倍数的乘积。
5.根据权利要求3所述的方法，其特征在于，对所述第二虹膜图像进行图像增强处理，得到所述第二虹膜图像对应的增强矩阵包括：
对所述第二虹膜图像的矩阵进行滤波处理，得到滤波矩阵；
利用边缘检测算子对所述滤波矩阵进行梯度变换，得到变换矩阵；
对所述变换矩阵进行归一化处理，得到归一化矩阵；
计算所述第二虹膜图像中的所有像素值的像素平均值，将所述第二虹膜图像中小于所述像素平均值的像素拉伸至[0，1]，大于所述像素平均值的像素的值置为零，得到拉伸矩阵；
将所述归一化矩阵和所述拉伸矩阵进行加和，得到和矩阵，确定所述增强矩阵。
6.根据权利要求3所述的方法，其特征在于，基于所述噪声图像对所述增强矩阵进行去除瞳孔噪声处理，得到初始上眼睑边界矩阵包括：
使用预设滤波器与所述增强矩阵作列卷积运算，得到第一卷积结果；
使用预设行向量对所述第一卷积结果作行卷积运算，得到上眼睑矩阵，所述上眼睑矩阵包括像素Eyelash'(x,y)，所述(x,y)为各个所述像素的坐标；
使用如下公式对所述上眼睑矩阵进行去噪处理，得到去噪矩阵，确定所述初始上眼睑边界矩阵，其中，所述公式为：
其中，Eyelash(x,y)为所述去噪矩阵中点(x,y)处的像素值，Noise(x,y)为所述噪声图像的图像矩阵中点(x,y)处的像素值。
7.根据权利要求3所述的方法，其特征在于，对所述初始上眼睑边界矩阵进行二次去噪处理，得到所述上眼睑边界图像包括：
将所述初始上眼睑边界矩阵中大于像素阈值的像素点的灰度值修改为255，将所述初始上眼睑边界矩阵中不大于所述像素阈值的像素点的灰度值修改为0，得到特征点矩阵，其中，所述像素阈值为第二预设倍数与所述初始上眼睑边界矩阵中最大像素值的乘积；
对所述特征点矩阵的特征点图像进行区域连通处理，得到连通图像；
若所述连通图像中的区域内特征点的个数小于预设阈值，则将该区域从所述连通图像中去除，得到所述上眼睑边界图像。
8.一种虹膜识别的装置，其特征在于，包括：
提取模块，用于从采集到的第一虹膜图像中提取上眼睑边界图像；
旋转模块，用于将所述上眼睑边界图像的图像矩阵按照多个旋转角度进行旋转，得到多个旋转矩阵；
获取模块，用于获取与各个所述旋转矩阵匹配的第一抛物线和各个所述旋转矩阵确定的上眼睑边界相交的点的第一数量；
第一确定模块，用于将所述第一数量中的最大值对应的所述旋转角度，作为所述第一虹膜图像中眼睛旋转的角度；
第二确定模块，用于基于所述第一虹膜图像中眼睛旋转的角度确定对所述第一虹膜图像进行归一化的起始角度；
归一化模块，用于使用所述起始角度对所述第一虹膜图像进行归一化处理，得到归一化图像；
检索模块，用于使用从所述归一化图像中提取到的图像特征在数据库中检索对应的特征信息，以对所述第一虹膜图像进行虹膜识别；
其中，所述第一确定模块，还用于对所述上眼睑边界图像的图像矩阵Eyelash进行旋转，得到旋转矩阵，获取每个旋转矩阵匹配的所述第一抛物线和所述第一数量，对应所述第一数量中数值最大的旋转角度为眼睛旋转的角度；
所述上眼睑边界图像的图像矩阵Eyelash包括：将预设滤波器与增强矩阵Image_eye作列卷积运算得到第一卷积结果，再采用长度为3的全是1的行向量与所述第一卷积结果进行行卷积运算，得到上眼睑矩阵Eyelash’；根据噪声图像的矩阵Noise，对所述上眼睑矩阵Eyelash’进行去除瞳孔噪声，得到去除瞳孔噪声的上眼睑边界矩阵Eyelash。
9.根据权利要求8所述的装置，其特征在于，所述获取模块包括：
第一获取子模块，用于获取预先设置的抛物线参数的取值范围；
第二获取子模块，用于获取所述抛物线参数的所述取值范围确定的多条第二抛物线；
曲线拟合模块，用于对各个所述第二抛物线和所述旋转矩阵确定的所述上眼睑边界进行曲线拟合，得到各个所述第二抛物线与所述旋转矩阵确定的所述上眼睑边界相交的点的第二数量；
第一确定子模块，用于将所述第二数量中的最大值对应的所述第二抛物线作为与所述旋转矩阵匹配的所述第一抛物线，所述第二数量的最大值为所述第一数量的值。
10.根据权利要求8所述的装置，其特征在于，所述提取模块包括：
定位模块，用于对所述第一虹膜图像进行边缘检测和霍夫变换，得到瞳孔定位图像；
截取模块，用于在所述瞳孔定位图像上截取包含上眼睑信息的第二虹膜图像；
二值化处理模块，用于使用平滑滤波器对所述第二虹膜图像进行二值化处理，生成噪声图像；
图像增强处理模块，用于对所述第二虹膜图像进行图像增强处理，得到所述第二虹膜图像对应的增强矩阵；
第一去噪模块，用于基于所述噪声图像对所述增强矩阵进行去除瞳孔噪声处理，得到初始上眼睑边界矩阵；
第二去噪模块，用于对所述初始上眼睑边界矩阵进行二次去噪处理，得到所述上眼睑边界图像。
11.根据权利要求10所述的装置，其特征在于，所述截取模块包括：
第三获取子模块，用于获取所述瞳孔定位图像上瞳孔的位置信息和半径，其中，所述瞳孔的位置信息中包括：瞳孔的中心点的位置信息；
截取子模块，用于以所述瞳孔的中心点为基准，在所述瞳孔定位图像上向上、向左和向右截取预设的像素距离，得到所述第二虹膜图像，其中，所述预设的像素距离为所述瞳孔的半径与第一预设倍数的乘积。
12.根据权利要求10所述的装置，其特征在于，所述图像增强处理模块包括：
滤波模块，用于对所述第二虹膜图像的矩阵进行滤波处理，得到滤波矩阵；
梯度变换模块，用于利用边缘检测算子对所述滤波矩阵进行梯度变换，得到变换矩阵；
归一化处理模块，用于对所述变换矩阵进行归一化处理，得到归一化矩阵；
拉伸模块，用于计算所述第二虹膜图像中的所有像素值的像素平均值，将所述第二虹膜图像中小于所述像素平均值的像素拉伸至[0，1]，大于所述像素平均值的像素的值置为零，得到拉伸矩阵；
求和模块，用于将所述归一化矩阵和所述拉伸矩阵进行加和，得到和矩阵，确定所述增强矩阵。
13.根据权利要求10所述的装置，其特征在于，所述第一去噪模块包括：
第一计算模块，用于使用预设滤波器与所述增强矩阵作列卷积运算，得到第一卷积结果；
第二计算模块，用于使用预设行向量对所述第一卷积结果作行卷积运算，得到上眼睑矩阵，所述上眼睑矩阵包括像素Eyelash'(x,y)，所述(x,y)为各个所述像素的坐标；
第一处理子模块，用于使用如下公式对所述上眼睑矩阵进行去噪处理，得到去噪矩阵，确定所述初始上眼睑边界矩阵，其中，所述公式为：
其中，Eyelash(x,y)为所述去噪矩阵中点(x,y)处的像素值，Noise(x,y)为所述噪声图像的图像矩阵中点(x,y)处的像素值。
14.根据权利要求10所述的装置，其特征在于，所述第二去噪模块包括：
第二处理子模块，用于将所述初始上眼睑边界矩阵中大于像素阈值的像素点的灰度值修改为255，将所述初始上眼睑边界矩阵中不大于所述像素阈值的像素点的灰度值修改为0，得到特征点矩阵，其中，所述像素阈值为第二预设倍数与所述初始上眼睑边界矩阵中最大像素点值的乘积；
第三处理子模块，用于对所述特征点矩阵的特征点图像进行区域连通处理，得到连通图像；
第二确定子模块，用于若所述连通图像中的区域内特征点的个数小于预设阈值，则将该区域从所述连通图像中去除，得到所述上眼睑边界图像。
CN201410708416.9A 2014-11-27 2014-11-27 虹膜识别的方法和装置 Active CN104484649B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410708416.9A CN104484649B (zh) 2014-11-27 2014-11-27 虹膜识别的方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410708416.9A CN104484649B (zh) 2014-11-27 2014-11-27 虹膜识别的方法和装置

Publications (2)

Publication Number Publication Date
CN104484649A CN104484649A (zh) 2015-04-01
CN104484649B true CN104484649B (zh) 2018-09-11

Family

ID=52759190

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410708416.9A Active CN104484649B (zh) 2014-11-27 2014-11-27 虹膜识别的方法和装置

Country Status (1)

Country Link
CN (1) CN104484649B (zh)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108135469B (zh) 2015-08-21 2021-03-09 奇跃公司 使用眼睛姿态测量的眼睑形状估计
AU2016340222B2 (en) * 2015-10-16 2021-07-01 Magic Leap, Inc. Eye pose identification using eye features
CN105590092B (zh) * 2015-11-11 2019-07-19 中国银联股份有限公司 一种识别图像中瞳孔的方法和装置
CN106250839B (zh) * 2016-07-27 2019-06-04 徐鹤菲 一种虹膜图像透视校正方法、装置和移动终端
CN106326883A (zh) * 2016-09-30 2017-01-11 桂林师范高等专科学校 一种虹膜识别处理模块
CN107292242B (zh) * 2017-05-31 2020-07-07 华为技术有限公司 一种虹膜识别方法和终端
TWI659364B (zh) 2018-04-03 2019-05-11 財團法人工業技術研究院 電子裝置、虹膜辨識方法以及電腦可讀式媒體
CN109284744A (zh) * 2018-11-02 2019-01-29 张彦龙 一种从眼部灰度图像似然图对虹膜图像编码检索的方法
CN110245626B (zh) * 2019-06-19 2021-06-22 北京万里红科技股份有限公司 一种在虹膜图像中精确检测眼睫毛图像的方法
CN112380966B (zh) * 2020-11-12 2023-06-02 西安电子科技大学 基于特征点重投影的单眼虹膜匹配方法
CN112949518B (zh) * 2021-03-09 2024-04-05 上海聚虹光电科技有限公司 虹膜图像处理方法、装置、设备及存储介质
CN114689013B (zh) * 2022-02-17 2024-05-14 歌尔科技有限公司 测距方法、装置、设备及存储介质
CN116798107B (zh) * 2023-06-16 2024-05-14 北京万里红科技有限公司 一种用于比对虹膜图像的可视化处理方法及装置

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1160446A (zh) * 1994-09-02 1997-09-24 戴维德·沙诺夫研究中心公司 自动的无侵害的虹膜识别系统和方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102521575B (zh) * 2011-12-16 2014-07-02 北京天诚盛业科技有限公司 基于多方向Gabor和Adaboost虹膜识别方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1160446A (zh) * 1994-09-02 1997-09-24 戴维德·沙诺夫研究中心公司 自动的无侵害的虹膜识别系统和方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
"活体虹膜识别的关键技术研究";何孝富;《中国博士学位论文全文数据库，信息科技辑》;20071015(第04期);第4.3.1节、4.3.3.2节、图4-4 *
"用于虹膜识别的旋转角度估计算法研究";王雪;《中国优秀硕士学位论文全文数据库，信息科技辑》;20090115(第01期);论文第2.2.2节、第3.2.1节、图2.7-2.9、图3.2-3.6 *
"虹膜识别中的噪声检测";何薇;《中国优秀博硕士学位论文全文数据库 (硕士)，信息科技辑》;20061015(第10期);论文第1.6.1节 *

Also Published As

Publication number Publication date
CN104484649A (zh) 2015-04-01

Similar Documents

Publication Publication Date Title
CN104484649B (zh) 虹膜识别的方法和装置
CN106709909B (zh) 一种基于深度学习的柔性机器人视觉识别与定位系统
CN105917353B (zh) 用于生物认证的特征提取及匹配以及模板更新
CN105354876B (zh) 一种基于移动终端的实时立体试衣方法
CN102831386B (zh) 物体识别方法及识别装置
CN104700451B (zh) 基于迭代就近点算法的点云配准方法
CN109427066A (zh) 任意角度的边缘检测方法
CN109002799B (zh) 人脸识别方法
CN106897675A (zh) 双目视觉深度特征与表观特征相结合的人脸活体检测方法
CN109656373B (zh) 一种注视点定位方法及定位装置、显示设备和存储介质
CN108369473A (zh) 影响增强现实的虚拟对象的方法
CN110717372A (zh) 基于指静脉识别的身份验证方法和装置
Kondra et al. Multi-scale kernel operators for reflection and rotation symmetry: further achievements
CN107452028B (zh) 一种确定目标图像位置信息的方法及装置
CN109124662A (zh) 肋骨中心线检测装置及方法
CN111161276B (zh) 一种虹膜归一化图像的形成方法
CN106296632B (zh) 一种基于幅度谱分析的显著目标检测方法
CN105447450B (zh) 虹膜识别中判断左右虹膜的方法和装置
CN109993090B (zh) 基于级联回归森林和图像灰度特征的虹膜中心定位方法
CN108447023A (zh) 图像处理方法、装置及电子设备
CN108510542A (zh) 匹配光源与光斑的方法和装置
Swain Low-resolution cues for guiding saccadic eye movements
Lin A novel iris recognition method based on the natural-open eyes
CN116704590A (zh) 虹膜图像的矫正模型训练方法、矫正方法、装置及介质
CN104866808B (zh) 人眼定位方法及装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CP01 Change in the name or title of a patent holder
CP01 Change in the name or title of a patent holder

Address after: 100085, 1 floor 8, 1 Street, ten Street, Haidian District, Beijing.

Patentee after: Beijing Eyes Intelligent Technology Co.,Ltd.

Address before: 100085, 1 floor 8, 1 Street, ten Street, Haidian District, Beijing.

Patentee before: BEIJING TECHSHINO TECHNOLOGY Co.,Ltd.

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20220323

Address after: 071800 Beijing Tianjin talent home (Xincheng community), West District, Xiongxian Economic Development Zone, Baoding City, Hebei Province

Patentee after: BEIJING EYECOOL TECHNOLOGY Co.,Ltd.

Patentee after: Beijing Eyes Intelligent Technology Co.,Ltd.

Address before: 100085, 1 floor 8, 1 Street, ten Street, Haidian District, Beijing.

Patentee before: Beijing Eyes Intelligent Technology Co.,Ltd.

PE01 Entry into force of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: Method and device for iris recognition

Effective date of registration: 20220614

Granted publication date: 20180911

Pledgee: China Construction Bank Corporation Xiongxian sub branch

Pledgor: BEIJING EYECOOL TECHNOLOGY Co.,Ltd.

Registration number: Y2022990000332