[发明专利]眼部多模态生物特征识别方法

说明书

本发明公开了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，本发明与单一模态生物特征识别相比具有更准确的比对性能。而且在硬件实现上结构简单，可采用一套虹膜图像采集设备采集眼部图像，完成虹膜与眼周两种模态的图像采集，无需为每一种生物模态配备专用的图像采集设备。

技术领域

本发明涉及生物特征识别领域，具体的涉及一种眼部多模态生物特征识别方法。

背景技术

虹膜是位于黑色瞳孔和白色巩膜之间的圆环状部分，在胎儿发育阶段形成，对于每个人来说，虹膜的结构都是各不相同并且在一生中几乎不发生变化，因此，虹膜被广泛应用于各种环境下的身份识别，但是经常会出现将伪造的虹膜贴在眼睛上，以此达到欺骗的目的，因此，在采用虹膜进行身份识别时，需要检测虹膜是否为活体。

传统的虹膜身份识别，通常是利用人眼虹膜特征进行身份识别，造成虹膜周边例如眼皮区域的信息得不到充分利用，并且对光照条件的要求很高，识别距离的范围较窄，不利于自然场景身份识别的顺利进行，而且传统的虹膜身份识别，是单一化的识别方法，需要采用专门的某一生物特征识别装置对这一生物特征进行识别，在需要进行多种生物特征识别确认身份的场合，造成装置繁多，操作繁琐，识别过程复杂，识别效率低。

发明内容

针对以上出现的问题，本发明提供一种眼部多模态生物特征识别方法，采用一套虹膜图像采集设备采集眼部图像，完成虹膜与眼周两种模态的图像采集。

本发明的技术方案：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，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。

优选的，步骤S14的特征比对方法均为对虹膜、眼周强化特征集合的每个特征进行特征比对方法为，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，具体步骤为：

……