[发明专利]一种快速虹膜识别方法

权利要求书

1.一种快速虹膜识别方法，其特征在于，包括：

制作能区分任意两张虹膜样本是否为同一类别人的AdaBoost-soft级联分类器数据库；

对待识别虹膜图像进行识别：将待识别虹膜图像的特征输入AdaBoost-soft级联分类器中进行计算，并将计算结果与AdaBoost-soft级联分类器数据库中的数据进行对比判断，如存在相同的虹膜样本，则该相同的虹膜样本所属虹膜类别即为待识别虹膜图形所述的类别；

所述AdaBoost-soft级联分类器分类的具体实现方法是：

1)给定训练样本{(x₁，y₁)、(x₂，y₂)…(x_n，y_n)}，X_i表示正负样本，X_i为类内类间汉明距离,y_i∈{1，0}为样本标签；单独每一级允许拒绝正样本比例{v₁，v₂…V_T}，V∈[0,1]；

2)利用AdaBoost训练出T个弱分类器C{c₁，c₂…c_T}；

3)初始化每一个样本的响应值为0；

4)t从1到T，循环执行以下步骤：

4-1)遍历弱分类器集C，根据最大化正负样本间隔从C中选择出本级的弱分类器C_t：

其中，f_t，i，j＝d_t，i-1+c_j，b_t、a_t分别为本级的正、负样本总数，d_t-1，i为第i个样本在t-1次循环的样本响应值累加和；

4-2)计算出样本在本级分类器的响应值c_t(X_i)，与前t-1级的样本响应值累加和d_t-1，i进行累加，更新前t级样本的响应值累加和d_t，i:

d_t，i＝d_t-1，i+C_t

4-3)按如下原则选取该级的拒绝门限值r_t：

样本在本级的响应值累加和大于拒绝门限值，才会通过本级，否则会被拒绝，因此遍历本级每一个样本的响应值累加和为门限值r，在满足拒绝正样本百分比不超过p的前提下，选取最大的r作为本级的拒绝门限值r_t；

∑_jpred(d_t，j≤r)y_j≤p*b_t

其中，p＝p+v_t

4-4)根据得到的本级拒绝门限值，对样本进行判别，剔除被拒绝样本，更新样本库；从弱分类器集C中剔除本级选出的弱分类器c_t，精简弱分类器集；根据本级实际拒绝正样本个数，更新允许拒绝正样本百分比p；

本级实际拒绝正样本个数为：

fn＝∑_jpred(d_t，j≤r)y_j

更新p：

4-5)采取自举方式，增加一定个数的负样本，保证自举的负样本能够通过已经选出的前t级分类器。

2.根据权利要求1所述快速虹膜识别方法，其特征在于所述制作AdaBoost-soft级联分类器数据库包括：

(a)将已知分类好的虹膜样本进行分块处理，利用定序滤波器，对每块的虹膜样本数据进行计算，得出每块虹膜样本数据的定序特征图；

(b)得到所有虹膜样本的分块特征图后，计算其中同类虹膜的两个相同位置特征图块的汉明距离，并将它作为分类器的正样本库；

(c)计算其中不同类虹膜的两个位置相同特征图块的汉明距离，并将它作为分类器的负样本库；

(d)将正负样本特征库中的数据输入到AdaBoost-soft级联分类器中进行运算，得到一个区分任意两张虹膜样本是不是同一类别人的AdaBoost-soft级联分类器数据库。