CN113435416B - 一种虹膜搜索方法及计算设备 - Google Patents
一种虹膜搜索方法及计算设备 Download PDFInfo
- Publication number
- CN113435416B CN113435416B CN202110979945.2A CN202110979945A CN113435416B CN 113435416 B CN113435416 B CN 113435416B CN 202110979945 A CN202110979945 A CN 202110979945A CN 113435416 B CN113435416 B CN 113435416B
- Authority
- CN
- China
- Prior art keywords
- iris
- template
- coding
- processed
- label
- 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
Abstract
本发明公开了一种虹膜搜索方法,包括步骤:对待匹配的虹膜编码模板进行处理,得到处理后的虹膜编码模板,其中虹膜编码模板通过对对应虹膜图像的特征进行编码得到;从处理后的虹膜编码模板中提取关键点信息;基于关键点信息,确定指示所述待匹配的虹膜编码模板类别的类别标签;基于所确定的类别标签,生成查询索引;利用查询索引,为待匹配的虹膜编码模板查询具有相同索引的虹膜编码模板,来生成虹膜编码模板候选集合。本发明一并公开了相应的计算设备。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种虹膜搜索方法及计算设备。
背景技术
传统的身份识别主要依靠特定标志物(如身份证、工作证等)和特定知识(如口令、密码等),然而这些方法存在很多缺点,如携带不便、容易遗失、密码易被破解等。因此,需要更加安全、准确、防伪的身份认证技术来代替传统的身份识别。基于生物特征的识别正是针对此需要产生的识别技术。生物特征识别是对人类固有的生理或行为特征通过计算机处理后进行个人身份鉴定的技术。这些特征还具有普遍性、唯一性、稳定性、方便性等优点,并且很难伪造和模仿,能够有效克服传统身份识别方法的不足,是未来身份认证的一个发展趋势。
在众多的生物特征里面,虹膜特征因具有稳定性、唯一性和非侵犯性的特点,使其具有非常大的优势,有着广泛的市场前景和科学研究价值。尤其是近二十年,虹膜识别技术飞速发展,同时也得到了学术界、产业界和军队的广泛关注。
在虹膜识别中,通常需要在虹膜数据库中进行逐个搜索,并将用户提供的虹膜特征的编码与虹膜数据库中的虹膜特征编码进行比较,以确定匹配关系是否成立。在大规模虹膜识别场景下,虹膜数据库的数据量巨大,此时,如何提高搜索的效率,就极为重要。
因此,有必要实现一种针对大规模虹膜识别系统的提升搜索效率的方案。
发明内容
为此,本发明提供了一种虹膜搜索方法及计算设备,以力图解决或至少缓解上面存在的问题。
根据本发明的第一个方面,提供了一种虹膜搜索方法,在计算设备中执行,包括步骤:对待匹配的虹膜编码模板进行处理,得到处理后的虹膜编码模板,其中虹膜编码模板通过对对应虹膜图像的特征进行编码得到;从处理后的虹膜编码模板中提取关键点信息;基于关键点信息,确定指示所述待匹配的虹膜编码模板类别的类别标签;基于所确定的类别标签,生成查询索引;利用查询索引,为待匹配的虹膜编码模板查询具有相同索引的虹膜编码模板,来生成虹膜编码模板候选集合。
可选地,根据本发明的方法还包括步骤:将待匹配的虹膜编码模板沿水平方向均匀划分成多个编码块;从各编码块中分别提取出对应列的编码,并按列进行拼接,对应得到各列的编码段;由所述各列的编码段生成处理后的编码模板,其中,处理后的编码模板的高度与所述编码块的长度相关,处理后的编码模板的长度与待匹配的虹膜编码模板的高度和编码块的个数相关。
可选地,根据本发明的方法还包括步骤:从处理后的虹膜编码模板中选取中间行对应的编码段,作为关键点信息。
可选地,在根据本发明的方法中,基于关键点信息,确定指示待匹配的虹膜编码模板类别的类别标签的步骤包括:将关键点信息分成多个子片段,每个子片段的长度与待匹配的虹膜编码模板的高度一致;利用预设模板,对各子片段进行处理,得到处理后子片段;利用不同的哈希函数,对各处理后子片段进行处理,分别得到第一标签和第二标签,作为类别标签。
可选地,在根据本发明的方法中,利用不同的哈希函数对各处理后子片段进行处理,得到第一标签的步骤包括:初始化第一数组,其中第一数组中的元素均为0;利用第一组哈希函数,对各处理后子片段进行哈希映射,确定各映射位;将第一数组中的各映射位对应的元素置为1,得到各子片段对应的新第一数组,并生成第一标签。
可选地,在根据本发明的方法中,利用不同的哈希函数对所述各处理后子片段进行处理,得到第二标签的步骤包括:将各处理后子片段分别输入第二组哈希函数,对应得到各哈希值;将各哈希值依次连接,得到第二标签。
可选地,在根据本发明的方法中,超平面互相垂直且均过统计中心点,其中,方法还包括确定统计中心点的步骤:对虹膜编码模板集合中的特征编码进行分段,得到多个编码组;对各编码组的编码分别进行进制转换,得到各编码组的数值;对各编码组对应位置的数值进行中位数统计,并将所统计的各中位数作为统计中心点对应位置上的值。
可选地,在根据本发明的方法中,利用查询索引,为待匹配的虹膜编码模板查询具有相同索引的虹膜编码模板,来生成虹膜编码模板候选集合的步骤包括:生成针对虹膜编码模板集合的索引集合;基于查询索引,从索引集合中查询与查询索引相同的索引,作为候选索引;利用候选索引所指向的虹膜编码模板,生成虹膜编码模板候选集合。
可选地,根据本发明的方法还包括步骤:对虹膜编码模板集合中的各虹膜编码模板分别进行处理,得到各自对应的处理后的虹膜编码模板;针对各处理后的虹膜编码模板,对处理后的虹膜编码模板中的每一行分别进行处理,生成索引空间,索引空间中包含每行编码对应的多个类别标签;结合各虹膜编码模板的索引空间,生成索引集合。
根据本发明的第二个方面,提供了一种计算设备,包括:至少一个处理器;和存储有程序指令的存储器,当程序指令被处理器读取并执行时,使得计算设备执行上述方法。
根据本发明的第三个方面,提供一种存储有程序指令的可读存储介质,当程序指令被计算设备读取并执行时,使得计算设备执行上述方法。
根据本发明的技术方案,在进行虹膜特征匹配时,先计算待匹配的虹膜编码模板的类别标签,并基于类别标签,生成查询索引。之后,基于该查询索引,从索引集合中查询相同索引,作为候选索引,进而根据候选索引确定出虹膜编码模板候选集合。由于候选集合中存储了与待匹配的虹膜编码模板可能相似的虹膜编码模板,故在后续的处理中,从候选集合中计算虹膜特征的相似度即可。由于候选集合一般比整个虹膜编码模板集合小很多,因此,根据本发明的方案能极大提升虹膜特征搜索效率,进而提高匹配速度。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
为了实现上述以及相关目的,本文结合下面的描述和附图来描述某些说明性方面,这些方面指示了可以实践本文所公开的原理的各种方式,并且所有方面及其等效方面旨在落入所要求保护的主题的范围内。通过结合附图阅读下面的详细描述,本公开的上述以及其它目的、特征和优势将变得更加明显。遍及本公开,相同的附图标记通常指代相同的部件或元素。
图1示出了根据本发明一个实施例的计算设备100的示意图;
图2示出了根据本发明一个实施例的一种虹膜搜索方法200的流程示意图;
图3示出了根据本发明一个实施例的虹膜编码模板310的示意图;
图4示出了根据本发明一个实施例的确定统计中心点的示意图;以及
图5示出了根据本发明一个实施例的生成索引空间的示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
虹膜识别是指通过对比虹膜图像特征之间的相似性来确定用户身份。虹膜识别技术的过程一般来说包含如下四个步骤:1)虹膜图像获取,使用特定的摄像设备对人的整个眼部进行拍摄,并将拍摄到的图像传输给虹膜识别系统的图像预处理软件;2)图像预处理,对获取到的虹膜图像进行如下处理,使其满足提取虹膜特征的需求,预处理例如可以有虹膜定位、图像归一化、图像增强,不限于此;3)特征提取:采用特定的算法从虹膜图像中提取出虹膜识别所需的特征点,并对其进行编码,得到指示虹膜图像特征的编码模板;4)特征匹配,将特征提取得到的特征编码与虹膜数据库中的虹膜图像特征编码逐一匹配,判断是否为相同虹膜,从而达到身份识别的目的。
在虹膜识别系统中,计算多个虹膜图像的特征编码,并加入到虹膜数据库中。在虹膜识别时,直接在虹膜数据库中进行逐个搜索,并将用户提供的虹膜特征编码模板与数据库中的虹膜特征编码进行比较,以确定其匹配关系是否成立。如果对整个数据库搜索一遍没有发现匹配数据,则系统可拒绝接受该身份的用户。
在大规模虹膜识别场景下,匹配/搜索数据量巨大,导致匹配效率较低,甚至还会影响匹配准确率。针对现有技术中存在的问题,本发明提供了一种虹膜搜索方法。通过该方法,从虹膜数据库中确定出与待匹配的虹膜图像的编码模板具有相似特征的候选集合,基于该候选集合可快速得到最终的匹配结果。保证匹配准确率的情况下,极大提高了大规模虹膜搜索效率,进而有效提升了大规模虹膜识别系统的用户体验。
根据本发明的实施方式,通过计算设备来执行该虹膜搜索方法。图1是示例性的计算设备100的构造图。
如图1所示,在基本配置102中,计算设备100典型地包括系统存储器106和一个或者多个处理器104。存储器总线108可以用于在处理器104和系统存储器106之间的通信。
取决于期望的配置,处理器104可以是任何类型的处理,包括但不限于:微处理器(µP)、微控制器(µC)、数字信息处理器(DSP)或者它们的任何组合。处理器104可以包括诸如一级高速缓存110和二级高速缓存112之类的一个或者多个级别的高速缓存、处理器核心114和寄存器116。示例的处理器核心114可以包括运算逻辑单元(ALU)、浮点数单元(FPU)、数字信号处理核心(DSP核心)或者它们的任何组合。示例的存储器控制器118可以与处理器104一起使用,或者在一些实现中,存储器控制器118可以是处理器104的一个内部部分。
取决于期望的配置,系统存储器106可以是任意类型的存储器,包括但不限于:易失性存储器(诸如RAM)、非易失性存储器(诸如ROM、闪存等)或者它们的任何组合。计算设备中的物理内存通常指的是易失性存储器RAM,磁盘中的数据需要加载至物理内存中才能够被处理器104读取。系统存储器106可以包括操作系统120、一个或者多个应用122以及程序数据124。在一些实施方式中,应用122可以布置为在操作系统上由一个或多个处理器104利用程序数据124执行指令。操作系统120例如可以是Linux、Windows等,其包括用于处理基本系统服务以及执行依赖于硬件的任务的程序指令。应用122包括用于实现各种用户期望的功能的程序指令,应用122例如可以是浏览器、即时通讯软件、软件开发工具(例如集成开发环境IDE、编译器等)等,但不限于此。当应用122被安装到计算设备100中时,可以向操作系统120添加驱动模块。
在计算设备100启动运行时,处理器104会从存储器106中读取操作系统120的程序指令并执行。应用122运行在操作系统120之上,利用操作系统120以及底层硬件提供的接口来实现各种用户期望的功能。当用户启动应用122时,应用122会加载至存储器106中,处理器104从存储器106中读取并执行应用122的程序指令。
计算设备100还可以包括有助于从各种接口设备(例如,输出设备142、外设接口144和通信设备146)到基本配置102经由总线/接口控制器130的通信的接口总线140。示例的输出设备142包括图形处理单元148和音频处理单元150。它们可以被配置为有助于经由一个或者多个A/V端口152与诸如显示器153或者扬声器之类的各种外部设备进行通信。示例外设接口144可以包括串行接口控制器154和并行接口控制器156,它们可以被配置为有助于经由一个或者多个I/O端口158和诸如输入设备(例如,键盘、鼠标、笔、语音输入设备、触摸输入设备)或者其他外设(例如打印机、扫描仪等)之类的外部设备进行通信。示例的通信设备146可以包括网络控制器160,其可以被布置为便于经由一个或者多个通信端口164与一个或者多个其他计算设备162通过网络通信链路的通信。
网络通信链路可以是通信介质的一个示例。通信介质通常可以体现为在诸如载波或者其他传输机制之类的调制数据信号中的计算机可读指令、数据结构、程序模块,并且可以包括任何信息递送介质。“调制数据信号”可以是这样的信号,它的数据集中的一个或者多个或者它的改变可以在信号中编码信息的方式进行。作为非限制性的示例,通信介质可以包括诸如有线网络或者专线网络之类的有线介质,以及诸如声音、射频(RF)、微波、红外(IR)或者其它无线介质在内的各种无线介质。这里使用的术语计算机可读介质可以包括存储介质和通信介质二者。
计算设备100还包括与总线/接口控制器130相连的存储接口总线134。存储接口总线134与存储设备132相连,存储设备132适于进行数据存储。示例的存储设备132可以包括可移除存储器136(例如CD、DVD、U盘、可移动硬盘等)和不可移除存储器138(例如硬盘驱动器HDD等),可移除存储器136和不可移除存储器138均与存储接口总线134连接。
在根据本发明的计算设备100中,应用122包括用于执行本发明的虹膜搜索方法200的指令。上述指令可以指示处理器104执行本发明的虹膜搜索方法200,来快速确定出候选集合,以提高大规模虹膜识别的搜索效率。
图2示出了根据本发明一个实施例的虹膜搜索方法200的流程示意图。根据一种实施例,方法200可以在计算设备(如上所述的计算设备100)中执行。如图2所示,方法200始于步骤S210。
在步骤S210中,对待匹配的虹膜编码模板进行处理,得到处理后的虹膜编码模板。
根据一种实施方式,如前文所述,对待匹配的虹膜图像进行预处理和特征提取,得到该虹膜图像的虹膜特征;之后对所提取的虹膜特征进行编码,得到虹膜编码模板。换言之,虹膜编码模板通过对对应的虹膜图像的特征进行编码得到。本发明实施例不限制采用何种编码方式,在一种实施例中,虹膜编码模板为二进制编码模板,即编码均为二进制。
图3示出了根据本发明一个实施例的虹膜编码模板310。如图3所示,虹膜编码模板310的长度为L,高度为H,换言之,虹膜编码模板310有H行、L列个二进制编码(表示为L×H)。在图3中,H=8,不限于此。
在根据本发明的实施方式中,对待匹配的虹膜编码模板进行旋转变换的处理,具体过程如下步骤1)-3)所述。
步骤1) 将待匹配的虹膜编码模板沿水平方向均匀划分成多个编码块。继续以图3为例,在水平方向上,每隔r个编码进行一次切分,将虹膜编码模板分成n个编码块,记作s1,s2,…,sn。其中,n=L/r,且每个编码块的大小为r×H。r的取值与搜索中旋转的次数相同,在一种实施例中,r取16。
步骤2)从各编码块中分别提取出对应列的编码,并按列进行拼接,对应得到各列的编码段。
为进一步说明步骤2)的执行过程,以下结合图3来具体阐述。首先,从s1,s2,…,sn中分别提取对应列的编码,以提取第一列的编码为例:从s1中取s11列、从s2中取s21列、…、从sn中取sn1列。然后,将取出的这n个第一列的编码,分别逆时针旋转90度,并前后拼接成一个编码段。如图3中箭头所示,将s11逆时针旋转90度,旋转后的s11可以看作是一个一维的编码模板,同样地,将s21逆时针旋转90度、…,之后,将旋转后的s11、s21、…前后依次拼接,得到一个一维的编码段,记作编码段1。该编码段1的大小为(H×n)×1。对各编码块中的第二列、…、第r列分别执行如上步骤,得到编码段2、…、编码段r。
步骤3) 由各列的编码段生成处理后的编码模板。在一种实施例中,将各列的编码段依次作为处理后的编码模板的各行,即,编码段1是处理后的编码模板的第一行、编码段2是处理后的编码模板的第二行、…、编码段r是处理后的编码模板的第r行,组合得到处理后的编码模板,共r行。
综上,处理后的编码模板的高度与编码块的长度相关,处理后的编码模板的长度与待匹配的虹膜编码模板的高度和编码块的个数相关。更具体地说,处理后的编码模板的高度(记作u)等于编码块的长度,即u=r,处理后的编码模板的长度(记作v)等于待匹配的虹膜编码模板的高度和编码块的个数的乘积,即v=H×n。
随后在步骤S220中,从处理后的虹膜编码模板中提取关键点信息。
根据本发明的实施例,从处理后的虹膜编码模板中选取中间行对应的编码段,作为关键点信息,以便于之后利用关键点信息来构建该虹膜编码模板对应的查询索引。在一种实施例中,当r为奇数时,选取第(r+1)/2行的编码段,作为构建查询索引的关键点信息;当r为偶数时,选取第r/2行的编码段,作为构建查询索引的关键点信息。
随后在步骤S230中,基于关键点信息,确定两种不同类别的类别标签,类别标签指示待匹配的虹膜编码模板的类别。
根据本发明的实施方式,类别标签包括第一标签和第二标签,分别记作label_1和label_2。
以下分别介绍计算第一标签和第二标签的过程。
1)计算第一标签的过程。
步骤a1,将关键点信息分成多个子片段,每个子片段的长度与待匹配的虹膜编码模板的高度一致。即,每个子片段的长度为H。
步骤b1,利用预设模板(记作mask),对各子片段进行处理,得到各处理后子片段。在一种实施例中,预设模板可以预先基于分割模型生成,本发明的实施例对此不做限制。具体地,预设模板的长度可以与关键点信息保持一致,即H×n,并且,预设模板也可以是由多个子段组成,每个子段对应一个子片段。需要说明的是,预设模板也是二进制编码模板。
将各子片段与mask对应进行交互,得到各处理后子片段。针对mask中编码值为0的位,其对应在子片段的值置为0,针对mask中编码值为1的位,保持其对应在子片段中的值不变,得到处理后子片段,记作s1_m, s2_m, ..., sn_m。
例如,子片段为{0,1,1,0,1,1,0,1},mask中对应的一个子段为{1,0,1,0,1,1,0,1},那么,处理后的子片段为{0,0,1,0,1,1,0,1}。
步骤c1,利用第一组哈希函数,对各处理后子片段进行处理,得到第一标签。
首先,初始化长度为k的第一数组,其中第一数组中的元素均为0。k的大小可权衡搜索的速度和精度,k越大,搜索速度越快、精度越低,k越小,搜索速度越慢、精度越高。
接着,利用第一组哈希函数,对各处理后子片段分别进行哈希映射,确定各映射位。
之后,将第一数组中的各映射位对应的元素置为1,得到各子片段对应的新第一数组,接上例,该子片段对应的新第一数组为{0,0,0,1,0,0,0,0,0,0,0,0,1,0,0,0}。
将各子片段对应的新第一数组组合,就得到最终的第一标签。在一种实施例中,通过按位或运算的方式,对各子片段对应的新第一数组进行组合。当然不限于此。
2)计算第二标签的过程。
步骤a2,将关键点信息分成多个子片段,每个子片段的长度与待匹配的虹膜编码模板的高度一致。
步骤b2,利用预设模板(记作mask),对各子片段进行处理,得到各处理后子片段。
步骤a2和步骤b2与计算第一标签的过程完全一致,可参考步骤a1和步骤b1的相关描述,此处不做赘述。应当理解,在实际应用中,在计算第二标签时,可基于第一标签的结果(步骤a1和步骤b1)进行,无需多次计算。
步骤c2,利用第二组哈希函数,对各处理后子片段进行处理,得到第二标签。
首先,将各处理后子片段分别输入第二组哈希函数,对应得到各哈希值。
方法200还包括设置第二组哈希函数的步骤。在一种实施例中,第二组哈希函数包含m个哈希函数,m的大小可权衡搜索的速度和精度,m越大,搜索速度越快、精度越低;m越小,搜索速度越慢、精度越高。每个哈希函数代表点x与一个超平面的位置关系,m个哈希函数就有m个超平面,m个超平面互相垂直且均过统计中心点。
此外,方法200还包括确定统计中心点的步骤。
首先,对虹膜编码模板集合中的特征编码进行分段,得到多个编码组。虹膜编码模板集合,即,虹膜数据库,对虹膜数据库中的各虹膜编码模板执行步骤S210,得到各自对应的处理后的虹膜编码模板。针对处理后的虹膜编码模板中的每行二进制编码,按照每8个二进制编码为一组依次将其分成多个编码组。
之后,对各编码组的二进制编码分别进行进制转换,将其转换成十进制数,作为各编码组的数值。
之后,对各编码组对应位置的数值进行中位数统计,并将所统计的各中位数,作为统计中心点对应位置上的值。
图4示出了根据本发明一个实施例的确定统计中心点的示意图。以下将结合图4,举例说明确定统计中心点的过程。
假设虹膜数据库中共有10个二进制特征编码(如图4所示的特征1、特征2、…、特征10),对每个特征编码进行分段,每8个二进制位为一段,得到分段1、分段2、…、分段n(即编码组)。每一段的取值范围[0, 255]。对每个分段进行十进制转换:以特征1中的分段1为例,01100111转换为十进制为103;同理,特征2中的分段1为11010001转换为十进制为209;篇幅所限,此处不再一一列举。如图4,最终各特征编码的分段1对应的十进制数值依次为:103、209、15、0、48、96、130、245、109、44。
因为虹膜数据库中有10个特征编码,所以每个特征编码的对应位置的分段一共有10个数据。对这10个数据进行中位数统计,选择这10个数据的中位数作为统计中心的特征对应分段位置的数值,即统计中心点对应位置的值。以图4中的10个特征编码的分段1为例,10个数据的中位数为(96+103)/2=99,即,统计中心点特征的分段1的数值为99。依次计算其他分段的中位数值,最终得到统计中心点的全部分段数值,即为统计中心点的特征,即,确定了统计中心点。
根据本发明的一个实施例,将各处理后子片段依次拼接后,输入m个哈希函数,对应得到m个哈希值。
接着,将这m个哈希值依次连接,得到第二标签。换言之,第二标签包含m位。
随后在步骤S240中,基于所确定的类别标签,生成查询索引。
在一种实施例中,查询索引表示为query_index=(label_1,label_2)。
随后在步骤S250中,利用查询索引,为待匹配的虹膜编码模板查询具有相同索引的虹膜编码模板,来生成虹膜编码模板候选集合。
根据本发明的实施方式,步骤S250包含以下3个子步骤:步骤S252~步骤S256。
在步骤S252中,生成针对虹膜编码模板集合的索引集合。
关于虹膜编码模板集合,在前文中已经介绍,同样地,通过对虹膜编码模板集合中的各虹膜编码模板分别进行处理,得到各自对应的处理后的虹膜编码模板。对于一个虹膜编码模板,其经过r次旋转变换,得到处理后的虹膜编码模板共包含r行编码,关于这部分内容可参考前文步骤S210的相关描述,此处不再赘述。
之后,针对各处理后的虹膜编码模板,对处理后的虹膜编码模板中的每一行分别进行处理,生成索引空间。该索引空间中包含每行编码对应的多个类别标签。在一种实施例中,每行编码对应2个类别标签,即第一标签和第二标签,即,每个索引空间中分为两大类别。图5示出了根据本发明一个实施例的生成索引空间的示意图。如图5所示,处理后的虹膜编码模板共包含r行编码,其对应r个索引空间,每个索引空间i包含2个类别标签(labeli_1和labeli_2),记作:index=(labeli_1,labeli_2),i=1,2,…,r。这样,一个虹膜编码模板共包含r×2个类别标签。
需要说明的是,针对每行编码进行处理,来得到该行对应的类别标签的过程,与确定关键点信息的类别标签的步骤基本相同。只是针对虹膜编码模板集合中的各处理后的虹膜编码模板,需要对每一行编码信息均计算类别标签(可以看作是,将每一行编码信息均看作是关键点信息)。具体可参考前文中步骤S230的相关内容,此处不再赘述。
最后,结合各虹膜编码模板的索引空间,生成索引集合。
在步骤S254中,基于查询索引query_index,从索引集合中查询与该查询索引相同的索引,作为候选索引。
在一种实施例中,根据查询索引query_index,在每个索引空间中,搜索对应分类的相同类别标签,即为相同的索引,作为候选索引。
在步骤S256中,利用候选索引所指向的虹膜编码模板,生成虹膜编码模板候选集合。
在一种实施例中,对所有候选索引所指向(对应)的虹膜编码模板取并集,就是搜索到的待匹配的虹膜编码模板的候选合集,作为虹膜编码模板候选集合。通常来说,该虹膜编码模板候选集合中存储了与待匹配的虹膜编码模板可能相似的虹膜编码模板。之后,从该候选集合中计算虹膜特征的相似度,根据相似度就可以最终匹配出虹膜编码模板。应当了解,本发明不限制采用何种方式来计算相似度。
应当理解,若利用查询索引,没有搜索到候选索引,那么,虹膜编码模板候选集合即为空。说明在虹膜数据库中没有匹配到相似虹膜特征,即身份识别不通过。本发明的实施例对此不再一一赘述。
根据本发明的方法200,在进行虹膜特征匹配时,先计算待匹配的虹膜编码模板的类别标签,并基于类别标签,生成查询索引。之后,基于该查询索引,从索引集合中查询相同索引,作为候选索引,进而根据候选索引确定出虹膜编码模板候选集合。由于候选集合中存储了与待匹配的虹膜编码模板可能相似的虹膜编码模板,故之后,从候选集合中计算虹膜特征的相似度即可。由于候选集合一般比整个虹膜编码模板集合小很多,假设整个虹膜编码模板集合有100万个数据,候选集合可能只有1万个数据,只计算这1万个数据的相似度,比计算100万个数据的相似度,速度会快很多。因此,在保证搜索效果的情况下,方法200极大地提高了大规模虹膜匹配的效率,有效提升了大规模虹膜识别系统的用户体验。
这里描述的各种技术可结合硬件或软件,或者它们的组合一起实现。从而,本发明的方法和设备,或者本发明的方法和设备的某些方面或部分可采取嵌入有形媒介,例如可移动硬盘、U盘、软盘、CD-ROM或者其它任意机器可读的存储介质中的程序代码(即指令)的形式,其中当程序被载入诸如计算机之类的机器,并被所述机器执行时,所述机器变成实践本发明的设备。
在程序代码在可编程计算机上执行的情况下,计算设备一般包括处理器、处理器可读的存储介质(包括易失性和非易失性存储器和/或存储元件),至少一个输入装置,和至少一个输出装置。其中,存储器被配置用于存储程序代码;处理器被配置用于根据该存储器中存储的所述程序代码中的指令,执行本发明的方法。
以示例而非限制的方式,可读介质包括可读存储介质和通信介质。可读存储介质存储诸如计算机可读指令、数据结构、程序模块或其它数据等信息。通信介质一般以诸如载波或其它传输机制等已调制数据信号来体现计算机可读指令、数据结构、程序模块或其它数据,并且包括任何信息传递介质。以上的任一种的组合也包括在可读介质的范围之内。
在此处所提供的说明书中,算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与本发明的示例一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本发明也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的优选实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下被实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员应当理解在本文所公开的示例中的设备的模块或单元或组件可以布置在如该实施例中所描述的设备中,或者可替换地可以定位在与该示例中的设备不同的一个或多个设备中。前述示例中的模块可以组合为一个模块或者此外可以分成多个子模块。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
此外,所述实施例中的一些在此被描述成可以由计算机系统的处理器或者由执行所述功能的其它装置实施的方法或方法元素的组合。因此,具有用于实施所述方法或方法元素的必要指令的处理器形成用于实施该方法或方法元素的装置。此外,装置实施例的在此所述的元素是如下装置的例子:该装置用于实施由为了实施该发明的目的的元素所执行的功能。
如在此所使用的那样,除非另行规定,使用序数词“第一”、“第二”、“第三”等等来描述普通对象仅仅表示涉及类似对象的不同实例,并且并不意图暗示这样被描述的对象必须具有时间上、空间上、排序方面或者以任意其它方式的给定顺序。
尽管根据有限数量的实施例描述了本发明,但是受益于上面的描述,本技术领域内的技术人员明白,在由此描述的本发明的范围内,可以设想其它实施例。此外,应当注意,本说明书中使用的语言主要是为了可读性和教导的目的而选择的,而不是为了解释或者限定本发明的主题而选择的。因此,在不偏离所附权利要求书的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。对于本发明的范围,对本发明所做的公开是说明性的而非限制性的,本发明的范围由所附权利要求书限定。
Claims (10)
1.一种虹膜搜索方法,在计算设备中执行,所述方法包括步骤:
对待匹配的虹膜编码模板进行处理,得到处理后的虹膜编码模板,其中虹膜编码模板通过对对应虹膜图像的特征进行编码得到;
从所述处理后的虹膜编码模板中提取关键点信息;
基于所述关键点信息,确定指示所述待匹配的虹膜编码模板类别的类别标签,所述类别标签包括第一标签和第二标签,且基于设置的第一组哈希函数,得到第一标签,基于设置的第二组哈希函数,得到第二标签;
基于所确定的类别标签,生成查询索引;
利用所述查询索引,为所述待匹配的虹膜编码模板查询具有相同索引的虹膜编码模板,来生成虹膜编码模板候选集合,
其中所述第一组哈希函数表示为:
2.如权利要求1所述的方法,其中,对待匹配的虹膜编码模板进行处理,得到处理后的虹膜编码模板的步骤包括:
将所述待匹配的虹膜编码模板沿水平方向均匀划分成多个编码块;
从各编码块中分别提取出对应列的编码,并按列进行拼接,对应得到各列的编码段;
由所述各列的编码段生成处理后的编码模板,
其中,所述处理后的编码模板的高度与所述编码块的长度相关,所述处理后的编码模板的长度与待匹配的虹膜编码模板的高度和编码块的个数相关。
3.如权利要求1所述的方法,其中,所述从处理后的虹膜编码模板中提取关键点信息的步骤包括:
从所述处理后的虹膜编码模板中选取中间行对应的编码段,作为关键点信息。
4.如权利要求1所述的方法,其中,所述基于关键点信息,确定指示所述待匹配的虹膜编码模板类别的类别标签的步骤包括:
将所述关键点信息分成多个子片段,每个子片段的长度与所述待匹配的虹膜编码模板的高度一致;
利用预设模板,对各所述子片段进行处理,得到处理后子片段;
利用不同的哈希函数,对所述各处理后子片段进行处理,分别得到第一标签和第二标签,作为类别标签。
5.如权利要求4所述的方法,其中,利用不同的哈希函数对所述各处理后子片段进行处理,得到第一标签的步骤包括:
初始化第一数组,其中所述第一数组中的元素均为0;
利用第一组哈希函数,对各处理后子片段进行哈希映射,确定各映射位;
将所述第一数组中的各映射位对应的元素置为1,得到各子片段对应的新第一数组,并生成第一标签。
6.如权利要求4所述的方法,其中,利用不同的哈希函数对所述各处理后子片段进行处理,得到第二标签的步骤包括:
将所述各处理后子片段分别输入第二组哈希函数,对应得到各哈希值;
将各哈希值依次连接,得到第二标签。
8.如权利要求7所述的方法,其中,所述超平面互相垂直且均过统计中心点,
其中,所述方法还包括确定统计中心点的步骤:
对虹膜编码模板集合中的特征编码进行分段,得到多个编码组;
对各编码组的编码分别进行进制转换,得到各编码组的数值;
对各编码组对应位置的数值进行中位数统计,并将所统计的各中位数作为统计中心点对应位置上的值。
9.一种计算设备,包括:
至少一个处理器和存储有程序指令的存储器;
当所述程序指令被所述处理器读取并执行时,使得所述计算设备执行如权利要求1-8中任一项所述的方法。
10.一种存储有程序指令的可读存储介质,当所述程序指令被计算设备读取并执行时,使得所述计算设备执行如权利要求1-8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110979945.2A CN113435416B (zh) | 2021-08-25 | 2021-08-25 | 一种虹膜搜索方法及计算设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110979945.2A CN113435416B (zh) | 2021-08-25 | 2021-08-25 | 一种虹膜搜索方法及计算设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113435416A CN113435416A (zh) | 2021-09-24 |
CN113435416B true CN113435416B (zh) | 2021-12-07 |
Family
ID=77797836
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110979945.2A Active CN113435416B (zh) | 2021-08-25 | 2021-08-25 | 一种虹膜搜索方法及计算设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113435416B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101751576A (zh) * | 2009-09-02 | 2010-06-23 | 中国科学院自动化研究所 | 一种指纹细节点特征模板的保护方法 |
CN103778415A (zh) * | 2014-01-21 | 2014-05-07 | 蔺全录 | 矿井人员虹膜考勤与跟踪定位方法及系统 |
CN107181598A (zh) * | 2017-07-05 | 2017-09-19 | 四川无声信息技术有限公司 | 指纹密钥处理方法及装置 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101916363B (zh) * | 2010-05-28 | 2012-06-20 | 深圳大学 | 一种虹膜特征设计与编码方法及虹膜识别系统 |
US8948467B2 (en) * | 2010-08-06 | 2015-02-03 | Honeywell International Inc. | Ocular and iris processing system and method |
CN110728251B (zh) * | 2019-10-22 | 2020-05-12 | 吉林大学 | 一种基于强化泛用型虹膜特征标签的轻量级身份验证方法 |
CN111027464B (zh) * | 2019-12-09 | 2023-07-18 | 大连理工大学 | 对卷积神经网络和序特征编码联合优化的虹膜识别方法 |
CN111539256B (zh) * | 2020-03-31 | 2023-12-01 | 北京万里红科技有限公司 | 一种虹膜特征提取方法、装置及存储介质 |
CN112347855A (zh) * | 2020-10-12 | 2021-02-09 | 西安电子科技大学青岛计算技术研究院 | 一种基于深度学习的生物特征模板保护方法及装置 |
CN112712468B (zh) * | 2021-03-26 | 2021-07-09 | 北京万里红科技股份有限公司 | 虹膜图像超分辨率重建方法及计算设备 |
-
2021
- 2021-08-25 CN CN202110979945.2A patent/CN113435416B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101751576A (zh) * | 2009-09-02 | 2010-06-23 | 中国科学院自动化研究所 | 一种指纹细节点特征模板的保护方法 |
CN103778415A (zh) * | 2014-01-21 | 2014-05-07 | 蔺全录 | 矿井人员虹膜考勤与跟踪定位方法及系统 |
CN107181598A (zh) * | 2017-07-05 | 2017-09-19 | 四川无声信息技术有限公司 | 指纹密钥处理方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113435416A (zh) | 2021-09-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Song et al. | Binary generative adversarial networks for image retrieval | |
Paisitkriangkrai et al. | Pedestrian detection with spatially pooled features and structured ensemble learning | |
Hu et al. | Hashing with angular reconstructive embeddings | |
JP6226802B2 (ja) | ユーザーの指紋から得られるバイオメトリックデータを認証する方法及びシステム、および、バイオメトリック認証システム | |
US11514698B2 (en) | Intelligent extraction of information from a document | |
Chen et al. | Identity-aware face super-resolution for low-resolution face recognition | |
EP3635629A1 (en) | Fine-grained image recognition | |
Zeng et al. | Curvature bag of words model for shape recognition | |
WO2021082684A1 (zh) | 一种掌纹验证方法、装置、计算机设备及可读存储介质 | |
CN111325156A (zh) | 人脸识别方法、装置、设备和存储介质 | |
Dutta et al. | Complement component face space for 3D face recognition from range images | |
Ahmad et al. | Describing colors, textures and shapes for content based image retrieval-a survey | |
JP2011221689A (ja) | 学習装置、学習方法、認識装置、認識方法、およびプログラム | |
Jeng et al. | Two feature-level fusion methods with feature scaling and hashing for multimodal biometrics | |
Khodadoust et al. | Partial fingerprint identification for large databases | |
CN111898428A (zh) | 一种基于orb的无人机特征点匹配方法 | |
Leng et al. | Learning binary codes with bagging PCA | |
CN112801067B (zh) | 一种检测虹膜光斑的方法及计算设备 | |
CN113435416B (zh) | 一种虹膜搜索方法及计算设备 | |
Mu et al. | Deep hashing: A joint approach for image signature learning | |
Topcu et al. | Fixed-length asymmetric binary hashing for fingerprint verification through GMM-SVM based representations | |
CN111783088A (zh) | 一种恶意代码家族聚类方法、装置和计算机设备 | |
CN114373218B (zh) | 一种用于检测活体对象的卷积网络的生成方法 | |
Jia et al. | A performance evaluation of hashing techniques for 2D and 3D palmprint retrieval and recognition | |
CN115471876A (zh) | 一种指纹检索方法及装置 |
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 | ||
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. |