[发明专利]一种基于级联神经网络的多任务虹膜快速定位方法

说明书

本发明涉及一种基于级联神经网络的多任务虹膜快速定位方法，该方法包括如下步骤：(1)选取虹膜区域并且标记关键特征点作为Ground Truth数据集；(2)制作训练样本集，包括正样本、中间样本和负样本；(3)制作训练样本集的标签；(4)建立级联神经网络，第一级神经网络用于虹膜区域候选框分类，第二级神经网络用于对虹膜候选框区域进行分类与区域坐标回归，第三级神经网络用于精确输出虹膜区域和关键特征点的位置信息；(5)采用有标签的训练样本对级联神经网络进行训练；(6)将待定位图像输入至训练好的级联神经网络，输出虹膜区域和关键特征点的位置信息。与现有技术相比，本发明方法定位准确可靠，泛化能力强。

技术领域

本发明涉及生物特征识别技术领域，尤其是涉及一种基于级联神经网络的多任务虹膜快速定位方法。

背景技术

在人类身份识别认证的问题上，传统的身份验证方法不方便、不安全，而基于生物学特征的生物识别技术具有普遍性、稳定性、安全性的特点，这让生物识别技术成为了该领域内近年来研究的热点。

其中虹膜识别被认为是最具开发前景的生物特征识别方法，与其他生物识别技术相比虹膜识别有着唯一性、稳定性、防伪性和非接触性的优点。

一个完整的虹膜识别系统由图像的获取，虹膜定位，特征提取和识别验证四个部分组成，其中虹膜定位是非常重要的环节。虹膜区域定位的不准确会造成干扰信息的引入，像眼睑、光斑、睫毛等，还会造成虹膜纹理信息的缺失，因此虹膜区域定位是否准确对后续的虹膜特征提取和虹膜识别的准确率有很大的影响。目前的虹膜定位算法大多基于虹膜图像的某一或者某些不变特征计算得到虹膜区域的内外边界，泛化能力低，以及在处理眼睛区域以外的脸部信息时表现得并不是很稳健。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于级联神经网络的多任务虹膜快速定位方法。

本发明的目的可以通过以下技术方案来实现：

一种基于级联神经网络的多任务虹膜快速定位方法，该方法包括如下步骤：

(1)在原始图像中选取虹膜区域并且标记关键特征点作为Ground Truth数据集；

(2)基于Ground Truth数据集制作训练样本集，包括正样本、中间样本和负样本；

(3)制作训练样本集的标签；

(4)建立级联神经网络，包括依次级联的三个神经网络，第一级神经网络用于虹膜区域候选框分类，第二级神经网络用于对虹膜候选框区域进行分类与区域坐标回归，第三级神经网络用于精确输出虹膜区域和关键特征点的位置信息；

(5)采用有标签的训练样本对级联神经网络进行训练；

(6)将待定位图像输入至训练好的级联神经网络，输出虹膜区域和关键特征点的位置信息。

步骤(1)具体为：

首先，采用矩形框人工标记虹膜区域，得到虹膜区域的位置信息(x,y,width,height)，x,y表示矩形框左上角的横纵坐标，width,height表示矩形框的宽度和高度；

然后，在虹膜区域标记5个关键特征点(x_i,y_i)，i∈{1,2,3,4,5}，包括虹膜左右边缘点、瞳孔左右边缘点和瞳孔圆心，x_i和y_i表示第i个关键特征点的横坐标和纵坐标。

步骤(2)具体为：

在原始图像中随机裁剪图像块得到3个类别的样本集：

正样本：与Ground Truth的交并比大于等于0.65的图像块；