[发明专利]眼部多模态生物特征识别方法

权利要求书

1.一种眼部多模态生物特征识别方法，包括眼部多模态生物特征训练过程S1和眼部多模态生物特征比对过程S2，

其中眼部多模态生物特征训练过程S1具体包括以下步骤：

S11：对训练样本库中的所有图像进行预处理，包括人眼检测、虹膜内外圆定位、眼周区域定位以及归一化处理，得到虹膜图像集合和眼周图像集合；

S12：分别提取虹膜特征和眼周特征，构建虹膜特征集合、眼周特征集合；

S13：利用Adaboost学习方法对虹膜、眼周特征集合进行特征选择，得到虹膜、眼周强化特征集合，同时存储虹膜、眼周强化特征的参数信息；

S14：对训练样本库中每两幅图像的虹膜、眼周强化特征集合的特征进行特征比对，具有两种特征比对方法，计算比对分数，得到比对分数，进行类内、类间比对的标记；

S15：通过机器学习分类算法对训练样本库所有样本的比对分数进行训练，构建眼部多模态生物特征识别分类器；

眼部多模态生物特征比对过程S2具体包括以下步骤：

S21：按照训练过程的预处理方法对参与比对的两幅测试图像进行预处理，得到虹膜归一化图像和眼周归一化图像；

S22：根据训练所得虹膜、眼周强化特征的参数信息分别对归一化的虹膜图像和眼周图像进行特征提取，得到虹膜、眼周强化特征；

S23：对参与比对的测试图像的虹膜、眼周强化特征集合的特征进行特征比对，采用S14的特征比对方法，计算比对分数，得到比对分数；

S24：根据训练所得眼部多模态生物特征识别分类器计算测试图像之间的相似度，即特征之间的比对分数，与阈值进行比较判断是否比对成功；

S25：输出比对结果。

2.根据权利要求1所述的生物特征识别方法，其特征在于，所述步骤S14的特征比对方法为，对参与比对的两幅图像的虹膜、眼周强化特征集合中的每一个特征进行特征比对。

3.根据权利要求2所述的生物特征识别方法，其特征在于，所述每一个特征进行特征比对的方法为：

……

……

其中表示第1幅图像的第n个虹膜强化特征，表示第2幅图像的第n个虹膜强化特征，表示与进行特征比对所得比对分数，表示第1幅图像的眼周强化特征，表示第2幅图像的眼周强化特征，表示与进行特征比对所得比对分数；

上述两幅图像之间的比对分数记为Ψ₁：

并标记是否为同一类。

4.根据权利要求1所述的生物特征识别方法，其特征在于，所述步骤S14的特征比对方法为，对参与比对的两幅图像的虹膜、眼周强化特征集合中的虹膜强化特征、眼周强化特征进行特征比对。

5.根据权利要求4所述的生物特征识别方法，其特征在于，所述虹膜强化特征、眼周强化特征进行特征比对的方法为：

其中表示第1幅虹膜图像的虹膜强化特征集合，表示第2幅虹膜图像的虹膜强化特征集合，表示与进行特征比对所得比对分数，表示第1幅眼周图像的眼周强化特征集合，表示第2幅眼周图像的眼周强化特征集合，表示与进行特征比对所得比对分数；

上述两幅图像之间的比对分数记为Ψ₂，

标记是否为同一类。

6.根据权利要求1所述的生物特征识别方法，其特征在于，步骤S12、S22中记载对虹膜图像和眼周图像进行特征提取方法为，采用OM方法提取虹膜特征，采用OM、Gabor和LBP方法的一种或多种提取眼周特征，分别构建虹膜特征集合Φ_Iris、眼周特征集合Φ_Peri。

7.根据权利要求1所述的生物特征识别方法，其特征在于，步骤S24中根据训练所得眼部多模态生物特征识别分类器计算测试图像之间的相似度的方法包括：采用汉明距离计算OM特征之间的比对分数，采用余弦距离以及汉明距离计算Gabor特征之间的比对分数，采用余弦距离计算LBP特征之间的比对分数。