CN111144413A - 虹膜定位方法及计算机可读存储介质 - Google Patents
虹膜定位方法及计算机可读存储介质 Download PDFInfo
- Publication number
- CN111144413A CN111144413A CN201911396394.6A CN201911396394A CN111144413A CN 111144413 A CN111144413 A CN 111144413A CN 201911396394 A CN201911396394 A CN 201911396394A CN 111144413 A CN111144413 A CN 111144413A
- Authority
- CN
- China
- Prior art keywords
- circle
- preset
- human eye
- cluster
- clustering
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000001514 detection method Methods 0.000 claims abstract description 94
- 238000003708 edge detection Methods 0.000 claims description 13
- 238000005070 sampling Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 5
- 230000004807 localization Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 6
- 210000001747 pupil Anatomy 0.000 description 5
- 241001469893 Oxyzygonectes dovii Species 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005286 illumination Methods 0.000 description 4
- 238000010606 normalization Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 210000000720 eyelash Anatomy 0.000 description 3
- 210000000744 eyelid Anatomy 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000003706 image smoothing Methods 0.000 description 1
- 231100000817 safety factor Toxicity 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/48—Extraction of image or video features by mapping characteristic values of the pattern into a parameter space, e.g. Hough transformation
-
- 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
Abstract
本发明公开了一种虹膜定位方法及计算机可读存储介质,方法包括:获取红外图像,所述红外图像包括人脸或者人眼;对所述红外图像进行人眼检测,得到人眼检测区域;根据预设的聚类数,对所述人眼检测区域进行像素聚类,得到聚类图;分别根据预设的第一半径范围和第二半径范围,对所述聚类图进行霍夫变换,得到第一圆形和第二圆形;根据所述第一圆形和第二圆形,确定环形区域;将所述环形区域中的像素点个数前N多的聚类区域进行合并,得到聚类合并区域,所述N为预设个数;根据所述人眼检测区域和聚类合并区域,得到虹膜区域。本发明在确保霍夫变换的准确性的基础上提升了霍夫变换的效率,增强了虹膜定位算法的鲁棒性。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种虹膜定位方法及计算机可读存储介质。
背景技术
虹膜识别是一项利用生物体特征的身份验证技术,并且已经运用在一些安全系数要求较高的场景,如保险柜、高端手机解锁等。通常虹膜识别技术大体分为四个步骤:虹膜定位、虹膜归一化、虹膜特征提取、特征匹配。
其中,虹膜定位的主流算法是采用两次霍夫变换进行圆形检测,依次检测出虹膜的外边缘(虹膜与眼白的交界)、虹膜的内边缘(虹膜与瞳孔的交界)。但直接对虹膜图像进行霍夫变换比较耗时,而且检出的圆可能不完全贴合虹膜的边界(虹膜纹理有时呈现点状虚线圆,导致误检测为虹膜边界)。
研究人员针对这一问题提出了一些改进,比如图像平滑减弱虹膜纹理的影响、先进行边缘检测加速求解等等。但这些改进后的虹膜定位的方法的鲁棒性往往不是很好,尤其是边缘检测的操作,经常造成圆形的误检测(参照OpenCV的霍夫变换,只能在圆形比较规整的时候才能准确检测)。
发明内容
本发明所要解决的技术问题是:提供一种虹膜定位方法及计算机可读存储介质,改善了虹膜定位的效果,增强了鲁棒性。
为了解决上述技术问题,本发明采用的技术方案为:一种虹膜定位的方法,包括:
获取红外图像,所述红外图像包括人脸或者人眼;
对所述红外图像进行人眼检测,得到人眼检测区域;
根据预设的聚类数,对所述人眼检测区域进行像素聚类,得到聚类图;
分别根据预设的第一半径范围和第二半径范围,对所述聚类图进行霍夫变换,得到第一圆形和第二圆形;
根据所述第一圆形和第二圆形,确定环形区域;
将所述环形区域中的像素点个数前N多的聚类区域进行合并,得到聚类合并区域,所述N为预设个数;
根据所述人眼检测区域和聚类合并区域,得到虹膜区域。
本发明还涉及一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现如上所述的步骤。
本发明的有益效果在于:通过先对人眼检测区域进行像素聚类,再在聚类图上进行霍夫变换检测出虹膜外边缘与虹膜内边缘,可提高霍夫变换的检测准确率和检测效率;通过合并虹膜内外边缘之间的聚类区域,可以排除外部光照的影响,得到完整的虹膜区域。本发明在霍夫变换圆形检测的基础上,引入了聚类算法,有效地改善了后续霍夫变换的检测效果与效率,提升了虹膜定位算法的鲁棒性。
附图说明
图1为本发明的一种虹膜定位方法的流程图;
图2为本发明实施例一的方法流程图;
图3为本发明实施例一的红外图像的示意图;
图4为对图3进行人眼检测得到人眼检测区域;
图5为对图4的人眼检测区域进行归一化处理得到的人眼检测区域图像;
图6为本发明实施例一中进行第一次霍夫变换后的聚类图;
图7为本发明实施例一中进行第二次霍夫变换后的聚类图;
图8为本发明实施例一中聚类区域合并后的示意图;
图9为图8进行二值化处理后得到的掩膜图;
图10为图5和图9点乘后得到的虹膜图。
具体实施方式
为详细说明本发明的技术内容、所实现目的及效果,以下结合实施方式并配合附图详予说明。
本发明最关键的构思在于:先对人眼检测区域进行像素聚类,再通过两次霍夫变换检测出出虹膜外边缘与虹膜内边缘,后续通过聚类区域合并得到完整的虹膜区域。
请参阅图1,一种虹膜定位的方法,包括:
获取红外图像,所述红外图像包括人脸或者人眼;
对所述红外图像进行人眼检测,得到人眼检测区域;
根据预设的聚类数,对所述人眼检测区域进行像素聚类,得到聚类图;
分别根据预设的第一半径范围和第二半径范围,对所述聚类图进行霍夫变换,得到第一圆形和第二圆形;
根据所述第一圆形和第二圆形,确定环形区域;
将所述环形区域中的像素点个数前N多的聚类区域进行合并,得到聚类合并区域,所述N为预设个数;
根据所述人眼检测区域和聚类合并区域,得到虹膜区域。
从上述描述可知,本发明的有益效果在于:在确保霍夫变换的检测准确性的基础上,提升了虹膜定位的鲁棒性。
进一步地,所述分别根据预设的第一半径范围和第二半径范围,对所述聚类图进行霍夫变换,得到第一圆形和第二圆形具体为:
根据预设的第一半径范围,对所述聚类图进行霍夫变换,得到第一圆形;
根据预设的第二半径范围,对所述聚类图进行霍夫变换,得到第二圆形。
由上述描述可知,通过两次霍夫变换,可以得到虹膜的内边缘和外边缘,从而确定虹膜区域。
进一步地,所述根据预设的第一半径范围,对聚类图进行霍夫变换,得到第一圆形之后,进一步包括:
将所述聚类图中处于第一圆形外像素点的像素值设为0。
由上述描述可知,通过将所述聚类图中处于第一圆形外像素点的像素值设为0,即将眼白区域的像素点的像素值设为0,可排除眼白区域对后续虹膜定位的影响。
进一步地,所述根据预设的第二半径范围,对所述聚类图进行霍夫变换,得到第二圆形之后,进一步包括:
将所述聚类图中处于第二圆形内的像素点的像素值设为0。
由上述描述可知,通过将第二圆形内的像素点的像素值设为0,即将瞳孔区域的像素点的像素值设为0,可排除瞳孔区域对后续虹膜定位的影响。
进一步地,所述根据预设的第一半径范围,对聚类图进行霍夫变换,得到第一圆形之后,进一步包括:
对所述聚类图进行边缘检测。
由上述描述可知,对聚类图进行边缘检测,使得边缘检测不会产生假边缘且可以减少图像的噪声。
进一步地,所述根据预设的聚类数,对所述人眼检测区域像进行像素聚类,得到聚类图具体为:
对所述人眼检测区域进行上采样或下采样,得到人眼检测图像,所述人眼检测图像的长度为预设的长度;
对所述人眼检测图像进行模糊化处理;
根据预设的聚类数,对所述模糊化处理后的人眼检测图像进行像素聚类,得到聚类图。
由上述描述可知,通过对人眼检测区域进行归一化处理,使缩放后的人眼检测图像的长度保持一致,便于后续与掩膜图进行点乘操作;通过对图像进行模糊化处理,可以减少噪声对像素聚类的影响。
进一步地,所述将所述环形区域中的元素前N大的聚类进行合并,得到聚类合并区域图具体为:
分别统计各个聚类处于所述环形区域中的像素点个数;
确定所述像素点个数前N多的聚类,并合并所确定的聚类在所述环形区域中的聚类区域,得到聚类合并区域;
将聚类图中处于所述聚类合并区域的像素点的像素值设为1,其他像素点的像素值设为0,得到掩膜图。
由上述描述可知,由于人眼虹膜的亮度会因为光照的位置产生差别,在进行像素聚类时可能会将虹膜区域内像素点分为不同的类,因此通过进行聚类合并,可保证虹膜区域的完整性;通过获取掩膜图,可以去除眼皮、睫毛的干扰,得到完整的虹膜区域图。
进一步地,所述根据所述人眼检测区域和聚类合并区域,得到虹膜区域具体为:
将所述人眼检测图像与所述掩膜图进行点乘,得到虹膜区域。
由上述描述可知,通过将已标记出虹膜区域的掩膜图与人眼检测图像进行点乘,还原出虹膜区域中的像素点在原图像中的像素值,从而实现虹膜定位。
本发明还提出一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现如上所述的步骤。
实施例一
请参照图2-10,本发明的实施例一为:一种虹膜定位方法,可应用于身份认证,如图2所示,包括如下步骤:
S1:获取红外图像,所述红外图像包括人脸或者人眼,具体地,利用红外摄像头采集用户的人脸图像或者人眼部图像。例如,如图3所示,图3为包含人眼的红外图像。由于亚洲人的虹膜大多呈现黑色,RGB图像上虹膜纹理不清晰,因此采用红外图像来定位虹膜区域。
S2:对所述红外图像进行人眼检测,得到人眼检测区域。具体地,利用人眼检测算子对红外图像进行检测,得到人眼检测区域,其中,人眼检测算子可通过提取训练图像的HOG特征,并结合SVM进行特征学习和训练得到,训练的图像数据为手工标记的人眼红外图像。例如,如图4所示,图4中的方框部分即为从图3提取出来的人眼检测区域。
进一步地,在本步骤中,在进行人眼检测时,判断是否可检测到人眼,若可检测到人眼,则继续执行步骤S3,若未检测到人眼,则重新获取红外图像,即返回执行步骤S1。
S3:对所述人眼检测区域进行归一化处理。具体地,对所述人眼检测区域进行上采样或下采样,得到人眼检测图像,所述人眼检测图像的长度为预设的长度;即对人眼检测区域进行缩放,缩放后的区域长度为固定值W,并记录缩放的比例。缩放后的图像可如图5所示。
进一步地,拷贝所述人眼检测图像并进行模糊化处理。优选地,可通过OpenCV中的相关函数对人眼检测图像进行模糊化处理,例如,将所述人眼检测图像与卷积核进行卷积,得到模糊化的图像,其中,卷积核可以选择二维高斯分布。模糊化处理可以减少噪声,避免后续边缘检测时产生假边缘。
S4:将所述人眼检测图像进行像素聚类,得到聚类图。具体地,根据预设的聚类数k,对所述模糊化处理后的人眼检测图像进行像素聚类,得到聚类图。优选地,所述聚类数k=5,即将人眼检测图像中的所有像素点分为5个类,每个类中的像素点对应同一个像素值。通过对模糊化的图像进行像素聚类,可以减少图片的噪声,提升聚类的效果,从而提高后续霍夫变换的效率。
S5:根据预设的第一半径范围,对聚类图进行霍夫变换,得到第一圆形。即在聚类图上通过第一次霍夫变换检测圆形,记录检测到的第一圆形的圆心和半径,检测到的第一圆形即为虹膜的外边缘(可能包含眼睫毛、眼皮等区域)。优选地,所述预设第一半径范围为[3W/8,W/2],所述范围中的W值为步骤S3中预设的长度,也即进行上采样和下采样后的长度值。例如,如图6所示,图6为聚类图进行第一次霍夫变换后的图像,图6中的圆形即为第一圆形。
得到第一圆形之后,进一步地,将所述聚类图中处于第一圆形外的像素点的像素值设为0。通过将第一圆形外的像素点的像素值设为0,即将眼白区域的像素点的像素值设为0,可排除眼白区域对后续虹膜定位的影响。并对所述聚类图进行边缘检测,优选地,选用Canny算子进行检测。边缘检测即获取聚类图中物体的边缘,通过对聚类后的图像进行边缘检测,避免产生假边缘。利用边缘检测,使聚类图中的虹膜的内边缘更容易被检测出来。
S6:根据预设的第二半径范围,对所述聚类图进行霍夫变换,得到第二圆形。本步骤即进行第二次霍夫变换,检测得到的第二圆形即为虹膜的内边缘。优选地,所述第二半径范围为[W/20,W/3],所述范围中的W值为步骤S3进行上采样和下采样后的长度值。如图7所示,图7即为进行第二次霍夫变换后的图像,图7中半径较小的圆形即为第二圆形。
得到第二圆形之后,进一步地,将所述聚类图中处于第二圆形内的像素点的像素值设为0,通过将第二圆形内的像素点的像素值设为0,即将瞳孔区域的像素点的像素值设为0,可排除瞳孔区域对后续虹膜定位的影响。
S7:由所述第一圆形和第二圆形确定一个环形区域,得到的环形区域即为初步的虹膜区域。
S8:将所述环形区域中的像素点个数前N多的聚类区域进行合并,得到聚类合并区域,所述N为预设个数,且N≤k。
具体地,本实施例中,采用下述步骤进行聚类区域合并:
S801:分别统计各个聚类处于所述环形区域中的像素点个数;即在第一圆形和第二圆形形成的圆环中对各个聚类的像素点的个数进行统计,并根据个数大小进行升序或降序排列。
S802:根据所述聚类的排列顺序,选取像素点个数前N多的聚类,对所确定的聚类在所述环形区域中的聚类区域进行合并,得到聚类合并区域;优选地,N取2,例如,从图6-7中可看出,进行像素聚类后虹膜区域被分为两个连通区域,且都占了比较大的面积,因此本实施例中通过将像素点个数最多的两个聚类区域进行合并,作为虹膜区域。进一步地,将聚类合并区域中的像素点的像素值设为同一像素值。如图8所示,图8即为进行聚类区域合并后的图像。
S803:将聚类图中处于所述聚类合并区域的像素点的像素值设为1,其他像素点的像素值设为0,得到掩膜图。通过生成掩膜图,可以去除眼皮和睫毛等对图像的干扰。例如,如图9所示,图9为图8二值化后的掩膜图。
S9:根据所述人眼检测区域和聚类合并区域,得到虹膜区域。具体地,将步骤S3中归一化处理得到的人眼检测图像与步骤S8得到的掩膜图进行点乘,即可得到虹膜区域。例如,如图10所示,图10即为图5和图9点乘后得到的虹膜图。
本实施例中,通过先对人眼检测区域进行像素聚类,再在聚类图上进行霍夫变换检测出虹膜外边缘与虹膜内边缘,可提高霍夫变换的检测准确率和检测效率;进一步地,通过对第一次霍夫变换后得到的第一圆形进行边缘检测,可以避免假边缘的产生;通过合并虹膜内外边缘之间的聚类区域,可以排除外部光照的影响,得到完整的虹膜区域。本发明在霍夫变换圆形检测的基础上,引入了聚类算法,有效地改善了后续霍夫变换的检测效果与效率,提升了虹膜定位算法的鲁棒性。
实施例二
本实施例是本实施例是对应上述实施例的一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现如下步骤:
获取红外图像,所述红外图像包括人脸或者人眼;
对所述红外图像进行人眼检测,得到人眼检测区域;
根据预设的聚类数,对所述人眼检测区域进行像素聚类,得到聚类图;
分别根据预设的第一半径范围和第二半径范围,对所述聚类图进行霍夫变换,得到第一圆形和第二圆形;
根据所述第一圆形和第二圆形,确定环形区域;
将所述环形区域中的像素点个数前N多的聚类区域进行合并,得到聚类合并区域,所述N为预设个数;
根据所述人眼检测区域和聚类合并区域,得到虹膜区域。
进一步地,所述分别根据预设的第一半径范围和第二半径范围,对所述聚类图进行霍夫变换,得到第一圆形和第二圆形具体为:
根据预设的第一半径范围,对所述聚类图进行霍夫变换,得到第一圆形;
根据预设的第二半径范围,对所述聚类图进行霍夫变换,得到第二圆形。
进一步地,所述根据预设的第一半径范围,对聚类图进行霍夫变换,得到第一圆形之后,进一步包括:
将所述聚类图中处于第一圆形外像素点的像素值设为0。
进一步地,所述根据预设的第二半径范围,对所述聚类图进行霍夫变换,得到第二圆形之后,进一步包括:
将所述聚类图中处于第二圆形内的像素点的像素值设为0。
进一步地,所述根据预设的第一半径范围,对聚类图进行霍夫变换,得到第一圆形之后,进一步包括:
对所述聚类图进行边缘检测。
进一步地,所述根据预设的聚类数,对所述人眼检测区域像进行像素聚类,得到聚类图具体为:
对所述人眼检测区域进行上采样或下采样,得到人眼检测图像,所述人眼检测图像的长度为预设的长度;
对所述人眼检测图像进行模糊化处理;
根据预设的聚类数,对所述模糊化处理后的人眼检测图像进行像素聚类,得到聚类图。
进一步地,所述将所述环形区域中的元素前N大的聚类进行合并,得到聚类合并区域图具体为:
分别统计各个聚类处于所述环形区域中的像素点个数;
确定所述像素点个数前N多的聚类,并合并所确定的聚类在所述环形区域中的聚类区域,得到聚类合并区域;
将聚类图中处于所述聚类合并区域的像素点的像素值设为1,其他像素点的像素值设为0,得到掩膜图。
进一步地,所述根据所述人眼检测区域和聚类合并区域,得到虹膜区域具体为:
将所述人眼检测图像与所述掩膜图进行点乘,得到虹膜区域。
综上所述,本发明提供的一种虹膜定位方法及计算机可读存储介质,通过先对人眼检测区域进行像素聚类,再在聚类图上进行霍夫变换检测出虹膜外边缘与虹膜内边缘,可提高霍夫变换的检测准确率和检测效率;通过合并虹膜内外边缘之间的聚类区域,可以排除外部光照的影响,得到完整的虹膜区域。本发明在霍夫变换圆形检测的基础上,引入了聚类算法,有效地改善了后续霍夫变换的检测效果与效率,提升了虹膜定位算法的鲁棒性。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等同变换,或直接或间接运用在相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (9)
1.一种虹膜定位方法,其特征在于,包括:
获取红外图像,所述红外图像包括人脸或者人眼;
对所述红外图像进行人眼检测,得到人眼检测区域;
根据预设的聚类数,对所述人眼检测区域进行像素聚类,得到聚类图;
分别根据预设的第一半径范围和第二半径范围,对所述聚类图进行霍夫变换,得到第一圆形和第二圆形;
根据所述第一圆形和第二圆形,确定环形区域;
将所述环形区域中的像素点个数前N多的聚类区域进行合并,得到聚类合并区域,所述N为预设个数;
根据所述人眼检测区域和聚类合并区域,得到虹膜区域。
2.根据权利要求1所述的虹膜定位方法,其特征在于,所述分别根据预设的第一半径范围和第二半径范围,对所述聚类图进行霍夫变换,得到第一圆形和第二圆形具体为:
根据预设的第一半径范围,对所述聚类图进行霍夫变换,得到第一圆形;
根据预设的第二半径范围,对所述聚类图进行霍夫变换,得到第二圆形。
3.根据权利要求2所述的虹膜定位方法,其特征在于,所述根据预设的第一半径范围,对聚类图进行霍夫变换,得到第一圆形之后,进一步包括:
将所述聚类图中处于第一圆形外的像素点的像素值设为0。
4.根据权利要求2所述的虹膜定位方法,其特征在于,所述根据预设的第二半径范围,对所述聚类图进行霍夫变换,得到第二圆形之后,进一步包括:
将所述聚类图中处于第二圆形内的像素点的像素值设为0。
5.根据权利要求2所述的虹膜定位方法,其特征在于,所述根据预设的第一半径范围,对聚类图进行霍夫变换,得到第一圆形之后,进一步包括:
对所述聚类图进行边缘检测。
6.根据权利要求1所述的虹膜定位方法,其特征在于,所述根据预设的聚类数,对所述人眼检测区域像进行像素聚类,得到聚类图具体为:
对所述的人眼检测区域进行上采样或下采样,得到人眼检测图像,所述人眼检测图像的长度为预设的长度;
对所述人眼检测图像进行模糊化处理;
根据预设的聚类数,对所述模糊化处理后的人眼检测图像进行像素聚类,得到聚类图。
7.根据权利要求6所述的虹膜定位方法,其特征在于,所述将所述环形区域中的元素前N大的聚类进行合并,得到聚类合并区域图具体为:
分别统计各个聚类处于所述环形区域中的像素点个数;
确定所述像素点个数前N多的聚类,并合并所确定的聚类在所述环形区域中的聚类区域,得到聚类合并区域;
将聚类图中处于所述聚类合并区域的像素点的像素值设为1,其他像素点的像素值设为0,得到掩膜图。
8.根据权利要求7所述的虹膜定位方法,其特征在于,所述根据所述人眼检测区域和聚类合并区域,得到虹膜区域具体为:
将所述人眼检测图像与所述掩膜图进行点乘,得到虹膜区域。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-8任一项所述的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911396394.6A CN111144413A (zh) | 2019-12-30 | 2019-12-30 | 虹膜定位方法及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911396394.6A CN111144413A (zh) | 2019-12-30 | 2019-12-30 | 虹膜定位方法及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111144413A true CN111144413A (zh) | 2020-05-12 |
Family
ID=70522207
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911396394.6A Pending CN111144413A (zh) | 2019-12-30 | 2019-12-30 | 虹膜定位方法及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111144413A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112257499A (zh) * | 2020-09-15 | 2021-01-22 | 福建天泉教育科技有限公司 | 眼部状态检测方法及计算机可读存储介质 |
CN112905816A (zh) * | 2021-03-19 | 2021-06-04 | 上海聚虹光电科技有限公司 | 虹膜搜索识别方法、装置、处理器及电子装置 |
CN113190117A (zh) * | 2021-04-29 | 2021-07-30 | 南昌虚拟现实研究院股份有限公司 | 瞳孔、光斑定位方法、数据计算方法及相关装置 |
CN112905816B (zh) * | 2021-03-19 | 2024-05-17 | 上海聚虹光电科技有限公司 | 虹膜搜索识别方法、装置、处理器及电子装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020114495A1 (en) * | 2000-12-19 | 2002-08-22 | Eastman Kodak Company | Multi-mode digital image processing method for detecting eyes |
US20090252382A1 (en) * | 2007-12-06 | 2009-10-08 | University Of Notre Dame Du Lac | Segmentation of iris images using active contour processing |
CN102521576A (zh) * | 2011-12-16 | 2012-06-27 | 北京天诚盛业科技有限公司 | 一种虹膜定位方法 |
CN102629319A (zh) * | 2012-03-27 | 2012-08-08 | 中国科学院自动化研究所 | 基于特定边界检测子的鲁棒虹膜区域分割方法 |
CN103632137A (zh) * | 2013-11-15 | 2014-03-12 | 长沙理工大学 | 一种人眼虹膜图像分割方法 |
CN107066957A (zh) * | 2017-03-27 | 2017-08-18 | 北京理工大学 | 可见光眼部图像中的虹膜定位方法和装置 |
CN110276343A (zh) * | 2018-03-14 | 2019-09-24 | 沃尔沃汽车公司 | 图像的分割和注释的方法 |
-
2019
- 2019-12-30 CN CN201911396394.6A patent/CN111144413A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020114495A1 (en) * | 2000-12-19 | 2002-08-22 | Eastman Kodak Company | Multi-mode digital image processing method for detecting eyes |
US20090252382A1 (en) * | 2007-12-06 | 2009-10-08 | University Of Notre Dame Du Lac | Segmentation of iris images using active contour processing |
CN102521576A (zh) * | 2011-12-16 | 2012-06-27 | 北京天诚盛业科技有限公司 | 一种虹膜定位方法 |
CN102629319A (zh) * | 2012-03-27 | 2012-08-08 | 中国科学院自动化研究所 | 基于特定边界检测子的鲁棒虹膜区域分割方法 |
CN103632137A (zh) * | 2013-11-15 | 2014-03-12 | 长沙理工大学 | 一种人眼虹膜图像分割方法 |
CN107066957A (zh) * | 2017-03-27 | 2017-08-18 | 北京理工大学 | 可见光眼部图像中的虹膜定位方法和装置 |
CN110276343A (zh) * | 2018-03-14 | 2019-09-24 | 沃尔沃汽车公司 | 图像的分割和注释的方法 |
Non-Patent Citations (2)
Title |
---|
张福生: "《物联网 开启全新生活的智能时代》", 山西人民出版社, pages: 148 * |
田启川: "《虹膜识别原理及算法》", 30 June 2010, pages: 29 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112257499A (zh) * | 2020-09-15 | 2021-01-22 | 福建天泉教育科技有限公司 | 眼部状态检测方法及计算机可读存储介质 |
CN112257499B (zh) * | 2020-09-15 | 2023-04-28 | 福建天泉教育科技有限公司 | 眼部状态检测方法及计算机可读存储介质 |
CN112905816A (zh) * | 2021-03-19 | 2021-06-04 | 上海聚虹光电科技有限公司 | 虹膜搜索识别方法、装置、处理器及电子装置 |
CN112905816B (zh) * | 2021-03-19 | 2024-05-17 | 上海聚虹光电科技有限公司 | 虹膜搜索识别方法、装置、处理器及电子装置 |
CN113190117A (zh) * | 2021-04-29 | 2021-07-30 | 南昌虚拟现实研究院股份有限公司 | 瞳孔、光斑定位方法、数据计算方法及相关装置 |
CN113190117B (zh) * | 2021-04-29 | 2023-02-03 | 南昌虚拟现实研究院股份有限公司 | 瞳孔、光斑定位方法、数据计算方法及相关装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6599421B2 (ja) | バイオメトリック認証のための特徴抽出およびマッチングおよびテンプレート更新 | |
AU2018256555B2 (en) | Image and feature quality, image enhancement and feature extraction for ocular-vascular and facial recognition, and fusing ocular-vascular with facial and/or sub-facial information for biometric systems | |
Shin et al. | New iris recognition method for noisy iris images | |
WO2016149944A1 (zh) | 用于识别人脸的方法、系统和计算机程序产品 | |
WO2010129074A1 (en) | System and method for identifying a person with reference to a sclera image | |
CN108416291B (zh) | 人脸检测识别方法、装置和系统 | |
CN110717372A (zh) | 基于指静脉识别的身份验证方法和装置 | |
Choudhary et al. | A survey: Feature extraction methods for iris recognition | |
Das et al. | Multi-angle based lively sclera biometrics at a distance | |
Asmuni et al. | An improved multiscale retinex algorithm for motion-blurred iris images to minimize the intra-individual variations | |
CN111144413A (zh) | 虹膜定位方法及计算机可读存储介质 | |
Leo et al. | Highly usable and accurate iris segmentation | |
Liu et al. | A novel iris segmentation scheme | |
Kumar et al. | Iris based biometric identification system | |
Subbarayudu et al. | A novel iris recognition system | |
KR102629393B1 (ko) | 병렬 서브샘플링 구조를 가지는 cnn 기반 지정맥 인식 기법 | |
Rozmus | Iris Recognition: Inherent Binomial Degrees of Freedom | |
Mohammed et al. | Eyeball localization based on angular integral projection function | |
Viriri et al. | Efficient Iris Pattern Recognition based on Cumulative-Sums and Majority Vote Methods. | |
Ahmer et al. | Human identity recognition using ear lobes geometric features | |
Zhang et al. | Statistics of local surface curvatures for mis-localized iris detection | |
CN116665238A (zh) | 一种银行卡号识别方法、装置、设备及介质 | |
CN115578781A (zh) | 去遮挡的虹膜检测方法、虹膜识别方法及可读存储介质 | |
Lodin et al. | Automatic Iris Location Using Hough Transform. | |
Patil et al. | Robust person identification system using iris |
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 |