[发明专利]应用于虹膜识别的美瞳检测方法及装置

权利要求书

1.一种应用于虹膜识别的美瞳检测方法，其特征在于，包括：

获取虹膜图像，对所述虹膜图像进行归一化处理和像素变换，获得虹膜区域图像；

对所述虹膜区域图像进行局部二值化模式LBP特征提取，获得所述虹膜区域图像的LBP特征向量；

统计所述虹膜区域图像在四个方向上的灰度共生矩阵GLCM的四维特征，获得所述虹膜区域图像的GLCM特征向量；

将所述虹膜区域图像的LBP特征向量和GLCM特征向量进行组合，并对组合后获得的向量进行降维，获得所述虹膜图像的特征向量；

将所述虹膜图像的特征向量输入至预先训练好的美瞳检测模型，输出所述虹膜图像的美瞳检测结果；

其中，对所述虹膜图像进行归一化处理和像素变换，获得虹膜区域图像，具体为：

对所述虹膜图像进行内外边界定位以及上下眼睑和睫毛检测，获得直角坐标系下尺寸不定的虹膜环形区域；

将所述虹膜环形区域转换为极坐标下具有固定尺寸的矩形图像，并在转换过程中，将所述虹膜环形区域中被上下眼睑和睫毛遮挡的部分的像素值设置为预设值；

将所述矩形图像中像素值为所述预设值的像素点的L*L邻域的像素值设置为所述预设值；

获取所述矩形图像的前景区域中像素点的灰度值的最小值及最大值，并基于预设像素范围，对所述前景区域中的像素点逐一进行像素值的变换，获得虹膜区域图像；

其中，所述前景区域为所述矩形图像中除背景区域以外的区域，所述背景区域为由像素值为所述预设值的像素点所构成的区域；

其中，利用如下公式对所述前景区域中的像素点逐一进行像素值的变换：

其中，为变换后的像素值，为变换前的像素值，为所述前景区域中像素点的灰度值的最小值，为所述前景区域中像素点的灰度值的最大值，为所述预设像素范围的下限，为所述预设像素范围的上限，；

其中，对所述虹膜区域图像进行局部二值化模式LBP特征提取，获得所述虹膜区域图像的LBP特征向量，具体为：

对所述虹膜区域图像的前景区域中的像素点逐一进行局部二值化模式LBP值的计算；

将所述虹膜区域图像中去除位于上下边缘的n行像素后所剩下的区域沿着竖直方向分成K块；

分别统计每块区域的LBP值的直方图分布特征，级联K块区域的LBP值的直方图分布特征，获得所述虹膜区域图像的LBP特征向量；

其中，n为大于1的自然数，K为大于1的自然数；

其中，所述预设值具体为255。

2.根据权利要求1所述的应用于虹膜识别的美瞳检测方法，其特征在于，统计所述虹膜区域图像在四个方向上的灰度共生矩阵GLCM的四维特征，获得所述虹膜区域图像的GLCM特征向量，具体为：

将所述虹膜区域图像的前景区域中各像素点的灰度值变换到0~R-1之间；

基于预设的相邻像素距离，计算灰度值变换后的所述虹膜区域图像在四个方向上的灰度共生矩阵GLCM；

统计每个方向上的GLCM的四维特征，级联所述四个方向上的GLCM的四维特征，获得所述虹膜区域图像的GLCM特征向量；

其中，R为所述灰度共生矩阵GLCM的阶数；

所述四个方向具体包括：水平方向、斜对角45度方向、垂直方向和斜对角135度方向；

四维特征是由四个统计特征值组成的向量，所述四个统计特征值包括：熵entropy、逆差分矩idmoment、对比度contrast和能量energy。

3.根据权利要求1所述的应用于虹膜识别的美瞳检测方法，其特征在于，将所述虹膜区域图像的LBP特征向量和GLCM特征向量进行组合并对组合后的向量进行降维，获得所述虹膜图像的特征向量，具体为：

将所述虹膜区域图像的LBP特征向量和GLCM特征向量进行组合，获得联合特征向量；

对所述联合特征向量中每个维度的特征值进行归一化；

基于预先训练获得的特征向量矩阵，对归一化后的所述联合特征向量进行PCA降维，获得所述虹膜图像的特征向量。

4.根据权利要求1所述的应用于虹膜识别的美瞳检测方法，其特征在于，所述美瞳检测模型具体为SVM分类器；

其中，所述SVM分类器是基于虹膜图像样本的特征向量以及其对应的是否带有美瞳的标签训练获得的。