[发明专利]基于特征点重投影的单眼虹膜匹配方法

说明书

本发明公开了一种基于特征点重投影的单眼虹膜匹配方法。主要解决现有技术计算时间复杂度高，虹膜外区域影响匹配结果的问题。其方案是：采用摄像头获取单眼虹膜图像，并对其依次进行虹膜定位、特征提取、剔除边界信息的数据预处理；用每次预处理后的虹膜区域分割图像构成虹膜识别数据库；采用摄像头获取待识别单眼虹膜图像，对其进行数据预处理；将预处理后的虹膜区域分割图像B与虹膜识别数据库中的虹膜区域分割图像A进行匹配，根据匹配的特征点对估计单应矩阵。将图B中特征点重投影至图A空间，计算对应特征点平均位置偏差，并据此判断匹配是否成功。本发明实现了对虹膜区域的分割，并在保持匹配准确度的同时提高了匹配速度，可用于身份认证。

技术领域

本发明属于计算机视觉图像识别领域，特别涉及一种单眼虹膜匹配方法，可用于在各种需要判断目标人员身份的场景中进行身份认证。

背景技术

虹膜识别是指通过特殊设备采集到双眼虹膜图像，并将图像与数据库中已有的数据进行比对，来识别目标人身份信息的技术。目前，主流的虹膜识别有两种方法：基于深度学习的虹膜识别和基于特征点的虹膜识别。其中：

基于深度学习的虹膜识别方法，是数据驱动的识别过程，其通过加入眼睛偏斜、姿态变化、带有噪声的图像数据样本，使得模型能够识别出这些状态下的虹膜特征。但是，这种方法存在可解释性差、对抗样本的问题，在实际场景中很难保证安全性。

基于特征点的虹膜识别方法，是从图像本身的特征人手，从多个角度判断两个图像的观测数据，具有省时、成本低、实用性强的优势，可以部署室内外甚至是手机、电脑等设备中，具有很高的研究价值。向来被认为是身份识别中最具安全、便捷的一种。从上个世纪发展至今，基于特征点的方法已经发展出了一套完善的理论，有强大的数学原理做基础。虹膜识别是身份识别领域的研究热点。该方法由于瞳孔尺度变化、睫毛头发遮挡，存在提取出的虹膜特征点误差大的问题。

基于特征点的虹膜识别属于计算机视觉、计算机图形学、图像处理的交叉研究领域。如何在识别速度和精度上进行权衡，是领域内研究人员需要考虑的一大课题。例如，申请专利号为CN202010167257.1，名称为“一种采用图像增广和小样本学习的虹膜识别方法”的专利申请，是通过构建CNN网络来提取虹膜的特征向量，最后通过比较序列距离来获取匹配结果。该方法看似取得了不错的结果，实际在识别速度上还远远达不到可以实际应用的标准。同时，该方法直接使用采集的眼部图像进行处理，使得算法有很大一部分精力都在处理与虹膜区域无关的部分。这不仅造成了时间上的浪费，而且，由于这些额外区域很可能会淡化虹膜部分对最终结果的影响，最终将会导致错误的识别情况。在目前已发表的使用特征点进行虹膜识别的算法中，这种情况并不是个例。因此，如何在提高识别速度的同时保持绝对的识别准确度，

如何使识别算法更“专注”于虹膜的区域，是目前虹膜识别算法研究人员应该迫切解决的问题。

发明内容

本发明的目的在于针对上述现有技术的不足，提出一种基于特征点重投影的单眼虹膜匹配方法，以在提高识别速度的同时保持绝对的匹配准确度。

实现本发明目的的技术方案是：对于获取到的眼部图像，首先进行分割，仅提取出虹膜的区域，剔除虹膜边界特征点，然后再进行下一步的识别，具体步骤包括如下：

1.一种基于特征点重投影的单眼虹膜匹配方法，其特征在于，包括如下：

(1)采用摄像头获取单眼虹膜图像I，并对其进行数据预处理：

(1a)采用Hough变换的方法对单眼虹膜图像I进行虹膜定位，得到虹膜区域分割图像I’；

(1b)采用orb特征点检测方法对虹膜区域分割图像I’中的特征点进行检测，得到虹膜区域分割图像I’的特征点集合P和特征点的特征描述信息集合B；

(1c)剔除虹膜区域分割图像I’在虹膜区域边界处的特征点及其特征描述；