CN110245626B - 一种在虹膜图像中精确检测眼睫毛图像的方法 - Google Patents
一种在虹膜图像中精确检测眼睫毛图像的方法 Download PDFInfo
- Publication number
- CN110245626B CN110245626B CN201910530940.4A CN201910530940A CN110245626B CN 110245626 B CN110245626 B CN 110245626B CN 201910530940 A CN201910530940 A CN 201910530940A CN 110245626 B CN110245626 B CN 110245626B
- Authority
- CN
- China
- Prior art keywords
- image
- gray
- eyelash
- iris
- gradient
- 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
Links
Images
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
- G06V40/19—Sensors therefor
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Ophthalmology & Optometry (AREA)
- Human Computer Interaction (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明申请公开了一种在虹膜图像中精确检测眼睫毛图像的方法,该方法包括:(1)确定虹膜图像中眼睫毛图像的灰度阈值A;(2)计算虹膜图像中虹膜区域内各像素点上的灰度梯度大小Grad和方向θ;(3)根据(1)步的灰度阈值和(2)步灰度梯度筛选虹膜区域中属于眼睫毛图像的像素点;(4)利用图像连通域法对(3)步已筛选出的眼睫毛图像再次判断筛选检测获得最终眼睫毛图像。本发明申请的技术方案首先使用单阈值筛选明显的眼睫毛,再使用梯度大小及方向对眼睫毛图像进行补充筛选,最后采用连通域方法删除噪音,从而实现复杂环境下实时、高效的检测虹膜中的眼睫毛。
Description
技术领域
本申请的技术方案属于生物信息图像处理领域,特别涉及的是针对人体的虹膜图像实现精确检测眼睫毛图像的方法。
背景技术
现代社会的发展对人类自身身份识别的准确性、安全性与使用性提出了更高的要求。而身份识别是人们日常生活中遇到的一个普遍性问题,在生活中经常会发生需要证明自己的身份、鉴别别人的身份等事情。传统的依赖照片的身份识别方法己经远远落后于时代的要求,人类必须寻求更为安全可靠、使用方便的身份识别新途径。基于生物特征识别的身份鉴定技术具有以下优点:不易遗忘或丢失,防伪性能好,不易伪造或被盗,随身携带,随时随地可用。生物特征识别技术是指使用人体本身所固有的生理特征或行为特征,具有不可复制性、唯一性、普遍性和稳定性等特点。而虹膜识别技术具有随机的细节特征和纹理特征,且保持相当高的稳定性;具有内在的隔离和保护能力,不需要接触式采集等生理方面的有点,有着广泛的市场前景和科学研究价值。
在进行虹膜识别过程中,首先需要采集到符合一定要求的虹膜图像,虹膜图像的质量直接关系到识别的速度与精度。而在虹膜图像中,一个不能忽视的问题就是虹膜图像中通常会存在不规则的眼睫毛图像信息。虹膜图像中的眼睫毛图像信息一般可以分为稀疏的和稠密的,这两种眼睫毛图像都会对虹膜的有效面积和识别造成直接的影响。如果虹膜中的眼睫毛图像太多,达不到识别的有效面积要求,则不会进行下一步识别;即使虹膜中的眼睫毛较少,如果没有被精确的检测出来,将会直接影响虹膜识别的准确率。
对虹膜图像中眼睫毛像素的分别和识别目前还没有一个较为通用、有效的方法。如何快速、准确检测虹膜图像中的眼睫毛图像仍然是一个亟待解决的难题。
发明内容
针对虹膜图像识别中的眼睫毛图像信息导致识别精度和效率降低的缺陷,本申请提出了一种针对在任何复杂环境中获得的虹膜图像,能够高效、精确检测获得虹膜图像中的眼睫毛图像信息的方法。
实现上述发明目的的技术方案为:一种在虹膜图像中精确检测眼睫毛图像的方法,该方法包括如下步骤:
(1)确定虹膜图像中眼睫毛图像的灰度阈值A;
(2)计算虹膜图像中虹膜区域内各像素点上的灰度梯度大小Grad和方向θ;
(3)根据(1)步的灰度阈值和(2)步灰度梯度筛选虹膜区域中属于眼睫毛图像的像素点;
(4)利用图像连通域法对(3)步已筛选出的眼睫毛图像再次判断筛选检测获得最终眼睫毛图像。
本申请在虹膜图像识别中,通过灰度阈值A、灰度梯度大小Grad和方向θ进行眼睫毛像素的一次筛选,再利用图像连通域法进行眼睫毛图像的二次筛选,通过两次筛选过程能够保证眼睫毛像素的精确检测,从而保证了虹膜图像的高质量。
上述步骤(1)中,眼睫毛图像的灰度阈值确定方法如下:
(1-1)利用椭圆模型将虹膜图像进行分割,通过分割获得虹膜区、瞳孔区、上、下眼睑边缘线,以上/下眼睑边缘线为中心线上、下分别平移ΔY1和ΔY2后构成弧形区域作为眼睫毛灰度图像采样区;
(1-2)对眼睫毛灰度图像采样区内不同灰度值的像素点数统计获得灰度分布直方图;
(1-3)比较(1-1)步中的瞳孔区和眼睫毛灰度图像采样区是否有重合;如果没重合则将(1-2)步灰度分布直方图中第一个波谷所对应的灰度值作为眼睫毛图像的灰度阈值;如果存在重合则将(1-2)步灰度分布直方图中第二个波谷所对应的灰度值作为眼睫毛图像的灰度阈值A。该步骤中通过划定弧形的眼睫毛灰度图像采样区,对其进行灰度直方图统计,再根据瞳孔区是否与其重合的不同情况,获得灰度阈值A。该方式获得灰度阈值的方法更为准确,保证了后续进行筛选判断的准确性。上述步骤(1-1)的椭圆模型中的瞳孔区为椭圆,其中心为(pupil_center_x,pupil_center_y),长半轴为pupil_a,短半轴为pupil_b;虹膜区的外边界为椭圆,其中心为(iris_center_x,iris_center_y),长半轴为iris_a,短半轴为iris_b;这些参数都是根据大量图像统计分析后确定的参数,在实际操作中可以不断进行调整,以实现检测最为灵敏和准确。上述步骤(1-1)中需要保证的是作为眼睫毛灰度图像采样区的弧形区域左、右边界在虹膜图像横向范围以内,其横向中心位置与瞳孔中心的水平位置一致,即pupil_center_x,依次来保证在进行重合判断(1-3)时不会出现错误。
上述步骤(2)中虹膜区域内各像素点上的灰度梯度大小和方向的确定过程为:
(2-2)计算各像素点两个倾斜方向,即45°和135°方向的梯度的大小,其具体过程是以该像素点为中心,依据与其最接近的(2N+1)2个像素点上的灰度建立权重因子矩阵,N>0,即倾斜算子,该倾斜算子与虹膜区的灰度图像卷积获得其倾斜梯度dxy1、dxy2,则倾斜梯度的大小为
(2-3)比较(2-1)和(2-2)中的梯度大小,则确定该像素点上的灰度梯度大小为Grad=Max(Grad0,Max(Grad1,Grad2),方向为θ。
在上述各个像素点的梯度计算中,不仅实现了水平、垂直梯度的计算而且还对该点的两个倾斜方向(135°和45°)的梯度大小建立倾斜算子实现了计算,通过比较获得最大的梯度,这种像素点灰度梯度大小的确定方法是发明人创新提出的方法,该参数用来作为判断标准时,对眼睫毛图像的检测更精准。
在步骤(3)中筛选虹膜区域中属于眼睫毛图像的像素点的具体方法为:
(3-1)将像素点上的灰度值、灰度梯度大小分别与灰度阈值A和预先定义的灰度梯度阈值T进行比较,如果该像素点的灰度值<A或者该像素点的灰度梯度大小>T,则该点为眼睫毛图像的像素点;
(3-2)对(3-1)筛选的眼睫毛图像像素点二次筛选判断:在该像素点的梯度方向,即θ方向,以该点为中心,选择2n+1个像素点,n>0,计算该点两边灰度变化规律是否一致,如变化不一致,则排除该点;
(3-3)对经过(3-1)(3-2)筛选后的眼睫毛图像像素点临近的8个点中非眼睫毛图像像素点进行判断:比较该点的灰度值和A的大小,如果该点的灰度值-A<5,则补充该点为眼睫毛图像像素点。
上述判断方法通过灰度阈值A和预先定义的灰度梯度阈值T实现一次筛选,再对筛选出的点一步通过灰度变化规律进行二次筛选,经过两次筛选后的像素点保证了判断的准确性;为了避免眼睫毛图像像素点的遗漏,即眼睫毛尖端,由利用临近点的灰度进行了补充筛选;通过上述多次筛选、判断过程更准确实现了眼睫毛图像像素点的检测。
为了更进一步保障检测的准确度,本申请在步骤(4)中有具体采用连通域法对选择出的眼睫毛像素区域进行了判断,其具体过程为:
(4-1)将虹膜区以外及上、下眼睑边缘线以外的区域均设定为眼睫毛像素区域;
(4-2)统计步骤(4-1)及经过步骤(3)筛选后的虹膜区域内眼睫毛图像像素点构成的眼睫毛像素区域;
(4-3)利用连通域法对经过步骤(3)的眼睫毛像素区域再次判断筛选获得最终眼睫毛图像。
上述发明申请技术方案的描述可以发现,在本申请的眼睫毛图像的检测中,通过多次判断和分析,对检测到的图像反复核验,最终保证了精确检测的发明目的。
附图说明
图1是本发明技术方案在虹膜图像中精确检测眼睫毛图像的方法流程示意图;
图2是本发明技术方案步骤(1)中眼睫毛灰度图像采样区选择示意图;
图3是本申请步骤(1-3)中为未包含瞳孔区域条件下的灰度统计直方图;
图4是本申请步骤(1-3)中为包含瞳孔区域条件下的灰度统计直方图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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的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。
如图1所示,本发明实施例一种在虹膜图像中精确检测眼睫毛图像的方法,该方法可以包括以下步骤:
(1)眼睫毛图像灰度阈值A的选择和确定。其首先是要对虹膜图像进行分割,通过分割获得虹膜区、瞳孔区、上、下眼睑边缘线,以上/下眼睑边缘线为中心线上、下分别平移ΔY1和ΔY2后构成弧形区域作为眼睫毛灰度图像采样区。瞳孔区为椭圆,其中心为(pupil_center_x,pupil_center_y),长半轴为 pupil_a,短半轴为pupil_b;虹膜区的外边界为椭圆,其中心为 (iris_center_x,iris_center_y),长半轴为iris_a,短半轴为iris_b。本实施例中,眼睫毛灰度图像采样区以上眼睑边缘线为中心线上、下分别平移10像素和20像素,左边界是瞳孔中心向左150个像素,右边界是瞳孔中心向右150个像素,如图2所示,虚线为上眼睑边缘线,黑线包括的弧形区域为眼睫毛灰度图像采样区。由于其范围需要处于虹膜图像横向范围以内,因此需要进行边界判断与抉择。步骤如下:边界判断:上边界up需要与0进行比较;下边界down 需要与整幅图像的高度height进行比较;而左右边界left、right则需要分别与上眼睑边缘的左右边界eyelids_left、eyelids_right进行比较,其公式为: up=MAX(up,0),down=MIN(down,height-1),left=MAX(left,eyelids_left),
right=MIN(right,eyelids_right);其中MAX是一个取最大值函数,MIN是一个取最小值函数。
在完成眼睫毛灰度图像采样区确定后,开始进行灰度直方图统计,即统计该区域内不同灰度值的像素点个数,如图3、图4,图中的横坐标为灰度值,纵坐标为该灰度值的像素点个数。根据瞳孔区和眼睫毛灰度图像采样区是否有重合的判断在灰度直方图中选择和确定阈值;如果没重合则将步灰度分布直方图中第一个波谷所对应的灰度值作为眼睫毛图像的灰度阈值,如图3;如果存在重合则将灰度分布直方图中第二个波谷所对应的灰度值作为眼睫毛图像的灰度阈值A,如图4。
在步骤(1)中初步预估了眼睫毛图像灰度阈值,虽然可以检测一部分眼睫毛像素,但是仍然会不可避免的遗漏眼睫毛像素,这时需要根据眼睫毛图像特性,即通常眼睫毛图像的灰度梯度较大,并且眼睫毛图像的灰度梯度的法向量上的像素存在固有特性,依据这些特点对于眼睫毛像素点进行补充筛选,即进行(2)步虹膜区域内各像素点上的灰度梯度大小Grad和方向θ的计算。利用sobel算子计算虹膜区域内各像素点的水平、垂直灰度梯度dx、dy,从而得到初始梯度的大小和方向θ=arctan(dy/dx);计算各像素点两个倾斜方向,即45°和135°方向的梯度的大小,其具体过程是以该像素点为中心,依据与其最接近的9个像素点上的灰度建立权重因子矩阵,即倾斜算子和该倾斜算子与虹膜区的灰度图像卷积获得其倾斜梯度dxy1、dxy2,则倾斜梯度的大小为 选择Grad0、Grad1、Grad2的最大值,即Grad= Max(Grad0,Max(Grad1,Grad2)作为梯度大小。
根据像素点上的灰度值、灰度梯度大小进行沿睫毛像素的筛选:将像素点上的灰度值、灰度梯度大小分别与灰度阈值A和预先定义的灰度梯度阈值T 进行比较,如果该像素点的灰度值<A或者该像素点的灰度梯度大小>T,则该点为眼睫毛图像的像素点;由于不可避免的将一些虹膜纹理误检为眼睫毛像素,为了精确予以排除,依据眼睫毛图像与虹膜纹理图像周围环境的明显区别,即通常眼睫毛图像在梯度方向上两边的灰度分布是一致的,而误检的虹膜纹理结构一般为不一致,则使用梯度方向上灰度值的变换规律来排除误检的虹膜纹理,其具体是在该像素点的梯度方向,即θ方向,以该点为中心,选择7 个像素点,计算该点两边灰度变化规律是否一致,如变化不一致,则排除该点;由于睫毛图像具有断裂的点,再对眼睫毛图像像素点临近的8个点中非眼睫毛图像像素点进行判断,比较该点的灰度值和A的大小,如果该点的灰度值-A<5,则补充该点为眼睫毛图像像素点。
为了更进一步降低虹膜纹理的误检,最后根据连通域法进行筛选,其具体过程是:将虹膜区以外及上、下眼睑边缘线以外的区域均设定为眼睫毛像素区域;已经筛选后的虹膜区域内眼睫毛图像像素点构成的眼睫毛像素区域;利用连通域法对眼睫毛像素区域再次判断筛选获得最终眼睫毛图像。
上述方法实现了在虹膜图像快速、准确检测眼睫毛图像信息的功能,是现有生物识别技术中虹膜图像精确分析的发展。
以上所述仅为本发明的较佳实施例,仅用于说明本发明的技术方案,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所做的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (8)
1.一种在虹膜图像中精确检测眼睫毛图像的方法,其特征在于,该方法包括:
(1)确定虹膜图像中眼睫毛图像的灰度阈值A;
(2)计算虹膜图像中虹膜区域内各像素点上的灰度梯度大小Grad和方向θ;
(3)根据(1)步的灰度阈值和(2)步灰度梯度筛选虹膜区域中属于眼睫毛图像的像素点;
(4)利用图像连通域法对(3)步已筛选出的眼睫毛图像再次判断筛选检测获得最终眼睫毛图像;
其中,在步骤(2)中虹膜区域内各像素点上的灰度梯度大小和方向的确定过程为:
(2-2)计算各像素点两个倾斜方向,即45°和135°方向的梯度的大小,其具体过程是以该像素点为中心,依据与其最接近的(2N+1)2个像素点上的灰度建立权重因子矩阵,N>0,即倾斜算子,该倾斜算子与虹膜区的灰度图像卷积获得其倾斜梯度dxy1、dxy2,则倾斜梯度的大小为
(2-3)比较(2-1)和(2-2)中的梯度大小,则确定该像素点上的灰度梯度大小为Grad=Max(Grad0,Max(Grad1,Grad2),方向为θ。
2.根据权利要求1所述的在虹膜图像中精确检测眼睫毛图像的方法,其特征在于,步骤(1)中眼睫毛图像的灰度阈值确定方法如下:
(1-1)利用椭圆模型将虹膜图像进行分割,通过分割获得虹膜区、瞳孔区、上、下眼睑边缘线,以上/下眼睑边缘线为中心线上、下分别平移ΔY1和ΔY2后构成弧形区域作为眼睫毛灰度图像采样区;
(1-2)对眼睫毛灰度图像采样区内不同灰度值的像素点数统计获得灰度分布直方图;
(1-3)比较(1-1)步中的瞳孔区和眼睫毛灰度图像采样区是否有重合;如果没重合则将(1-2)步灰度分布直方图中第一个波谷所对应的灰度值作为眼睫毛图像的灰度阈值;如果存在重合则将(1-2)步灰度分布直方图中第二个波谷所对应的灰度值作为眼睫毛图像的灰度阈值A。
3.根据权利要求2所述的在虹膜图像中精确检测眼睫毛图像的方法,其特征在于,步骤(1-1)的椭圆模型中的瞳孔区为椭圆,其中心为(pupil_center_x,pupil_center_y),长半轴为pupil_a,短半轴为pupil_b;虹膜区的外边界为椭圆,其中心为(iris_center_x,iris_center_y),长半轴为iris_a,短半轴为iris_b。
4.根据权利要求2所述的在虹膜图像中精确检测眼睫毛图像的方法,其特征在于,步骤(1-1)中作为眼睫毛灰度图像采样区的弧形区域左、右边界在虹膜图像横向范围以内。
5.根据权利要求2所述的在虹膜图像中精确检测眼睫毛图像的方法,其特征在于,步骤(1-1)中作为眼睫毛灰度图像采样区的弧形区域的横向中心位置与瞳孔中心的水平位置一致,即pupil_center_x。
7.根据权利要求1所述的在虹膜图像中精确检测眼睫毛图像的方法,其特征在于,步骤(3)中筛选虹膜区域中属于眼睫毛图像的像素点的具体方法为:
(3-1)将像素点上的灰度值、灰度梯度大小分别与灰度阈值A和预先定义的灰度梯度阈值T进行比较,如果该像素点的灰度值<A或者该像素点的灰度梯度大小>T,则该像素点为眼睫毛图像的像素点;
(3-2)对(3-1)筛选的眼睫毛图像像素点二次筛选判断:在该像素点的梯度方向,即θ方向,以该像素点为中心,选择2n+1个像素点,n>0,计算该像素点两边灰度变化规律是否一致,如变化不一致,则排除该像素点;
(3-3)对经过(3-1)(3-2)筛选后的眼睫毛图像像素点临近的8个点中非眼睫毛图像像素点进行判断:比较该像素点的灰度值和A的大小,如果该像素点的灰度值-A<5,则补充该像素点为眼睫毛图像像素点。
8.根据权利要求1或2所述的在虹膜图像中精确检测眼睫毛图像的方法,其特征在于,步骤(4)的实现过程为:
(4-1)将虹膜区以外及上、下眼睑边缘线以外的区域均设定为眼睫毛像素区域;
(4-2)统计步骤(4-1)及经过步骤(3)筛选后的虹膜区域内眼睫毛图像像素点构成的眼睫毛像素区域;
(4-3)利用连通域法对经过步骤(4-2)的眼睫毛像素区域再次判断筛选获得最终眼睫毛图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910530940.4A CN110245626B (zh) | 2019-06-19 | 2019-06-19 | 一种在虹膜图像中精确检测眼睫毛图像的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910530940.4A CN110245626B (zh) | 2019-06-19 | 2019-06-19 | 一种在虹膜图像中精确检测眼睫毛图像的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110245626A CN110245626A (zh) | 2019-09-17 |
CN110245626B true CN110245626B (zh) | 2021-06-22 |
Family
ID=67887956
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910530940.4A Active CN110245626B (zh) | 2019-06-19 | 2019-06-19 | 一种在虹膜图像中精确检测眼睫毛图像的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110245626B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110781747B (zh) * | 2019-09-23 | 2022-03-01 | 杭州电子科技大学 | 一种基于变异系数的睫毛遮挡区域预检测方法 |
CN110781745B (zh) * | 2019-09-23 | 2022-02-11 | 杭州电子科技大学 | 基于复合窗及梯度加权方向滤波的尾部睫毛检测方法 |
CN111832540B (zh) * | 2020-07-28 | 2021-01-15 | 吉林大学 | 一种基于非稳态虹膜视频流仿生神经网络的身份验证方法 |
CN111899146A (zh) * | 2020-08-04 | 2020-11-06 | 西安科技大学 | 基于matlab发动机喷雾图像自动筛选方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102768699A (zh) * | 2012-06-14 | 2012-11-07 | 西安交通大学 | 基于ct图像精确重构异质材料微观有限元网格模型的方法 |
CN103207961A (zh) * | 2013-04-23 | 2013-07-17 | 曙光信息产业(北京)有限公司 | 用户验证方法和装置 |
CN104484649A (zh) * | 2014-11-27 | 2015-04-01 | 北京天诚盛业科技有限公司 | 虹膜识别的方法和装置 |
CN107292242A (zh) * | 2017-05-31 | 2017-10-24 | 华为技术有限公司 | 一种虹膜识别方法和终端 |
CN107871322A (zh) * | 2016-09-27 | 2018-04-03 | 北京眼神科技有限公司 | 虹膜图像分割方法和装置 |
CN109325421A (zh) * | 2018-08-28 | 2019-02-12 | 武汉真元生物数据有限公司 | 一种基于边缘检测的睫毛去除方法及系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008091401A2 (en) * | 2006-09-15 | 2008-07-31 | Retica Systems, Inc | Multimodal ocular biometric system and methods |
CN108171201B (zh) * | 2018-01-17 | 2021-11-09 | 山东大学 | 基于灰度形态学的睫毛快速检测方法 |
-
2019
- 2019-06-19 CN CN201910530940.4A patent/CN110245626B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102768699A (zh) * | 2012-06-14 | 2012-11-07 | 西安交通大学 | 基于ct图像精确重构异质材料微观有限元网格模型的方法 |
CN103207961A (zh) * | 2013-04-23 | 2013-07-17 | 曙光信息产业(北京)有限公司 | 用户验证方法和装置 |
CN104484649A (zh) * | 2014-11-27 | 2015-04-01 | 北京天诚盛业科技有限公司 | 虹膜识别的方法和装置 |
CN107871322A (zh) * | 2016-09-27 | 2018-04-03 | 北京眼神科技有限公司 | 虹膜图像分割方法和装置 |
CN107292242A (zh) * | 2017-05-31 | 2017-10-24 | 华为技术有限公司 | 一种虹膜识别方法和终端 |
CN109325421A (zh) * | 2018-08-28 | 2019-02-12 | 武汉真元生物数据有限公司 | 一种基于边缘检测的睫毛去除方法及系统 |
Non-Patent Citations (5)
Title |
---|
A fast and accurate eyelids and eyelashes detection approach for iris segmentation;Walid Aydi等;《2013 World Congress on Computer and Information Technology (WCCIT)》;20131003;第1-6页 * |
A robust eyelash detection based on iris focus assessment;A robust eyelash detection based on iris focus assessment;《Pattern Recognition Letters》;20071031;第28卷(第13期);第1630-1639页 * |
Accurate iris segmentation based on novel reflection and eyelash detection model;W.K. Kong等;《Proceedings of 2001 International Symposium on Intelligent Multimedia, Video and Speech Processing. ISIMP 2001》;20020807;第263-266页 * |
一种基于形态学的虹膜定位快速算法;彭建等;《计算机工程与应用》;20120229;第48卷(第4期);第193-196页 * |
虹膜识别中噪声的检测与处理方法;孙尚帮等;《电路与系统学报》;20120229;第17卷(第1期);第5-10页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110245626A (zh) | 2019-09-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110245626B (zh) | 一种在虹膜图像中精确检测眼睫毛图像的方法 | |
CN111488756A (zh) | 基于面部识别的活体检测的方法、电子设备和存储介质 | |
CN107341473A (zh) | 手掌特征识别方法、手掌特征识别设备、及存储介质 | |
CN109086724B (zh) | 一种加速的人脸检测方法及存储介质 | |
Guan et al. | Accurate segmentation of partially overlapping cervical cells based on dynamic sparse contour searching and GVF snake model | |
Lu et al. | Saliency modeling from image histograms | |
CN106250821A (zh) | 一种聚类再分类的人脸识别方法 | |
CN105279492B (zh) | 虹膜识别的方法和装置 | |
CN109934180B (zh) | 指纹识别方法及相关装置 | |
CN104809433B (zh) | 一种基于最大稳定区域和随机采样的斑马线检测方法 | |
CN110276324B (zh) | 一种虹膜图像中确定瞳孔椭圆的方法 | |
CN108009472A (zh) | 一种基于卷积神经网络和贝叶斯分类器的指背关节纹识别方法 | |
CN109975196B (zh) | 一种网织红细胞检测方法及其系统 | |
Zhang et al. | Texture removal for adaptive level set based iris segmentation | |
CN105718552A (zh) | 基于服装手绘草图的服装图像检索方法 | |
CN110245600B (zh) | 自适应起始快速笔画宽度无人机道路检测方法 | |
CN103218615B (zh) | 人脸判定方法 | |
CN116740072B (zh) | 基于机器视觉的道路表面缺陷检测方法及系统 | |
CN111695373B (zh) | 斑马线的定位方法、系统、介质及设备 | |
CN106778813B (zh) | 深度图像的自适应聚类分割算法 | |
CN108205657A (zh) | 视频镜头分割的方法、存储介质和移动终端 | |
Lili et al. | The algorithm of iris image preprocessing | |
CN105631816B (zh) | 一种虹膜图像噪声分类检测方法 | |
CN111476804A (zh) | 托辊图像高效分割方法、装置、设备及存储介质 | |
CN111914750A (zh) | 去除高亮特征和方向梯度直方图的面部活体检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for 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 |
Address after: 100081 Room 204, building 3, Fuhai center, Daliushu, Haidian District, Beijing Patentee after: Beijing wanlihong Technology Co.,Ltd. Address before: 100081 Room 204, building 3, Fuhai center, Daliushu, Haidian District, Beijing Patentee before: BEIJING SUPERRED TECHNOLOGY Co.,Ltd. |
|
CP01 | Change in the name or title of a patent holder |