[发明专利]一种基于整体端到端非稳态虹膜认知识别的身份确认方法

说明书

本发明公开了一种基于整体端到端非稳态虹膜认知识别的身份确认方法，方法为：步骤一、采集虹膜灰度图像2000张；步骤二、设定该名模板测试人员的眼睛图像特征；步骤三、设定该名模板测试人员的虹膜质量特征；步骤四、转化模板虹膜归一图像；步骤五、设定32位模板特征；步骤六、重复步骤一到步骤五；步骤七、采集虹膜灰度图像1张；步骤八、提取眼睛图像信息；步骤九、提取虹膜质量信息；步骤十、提取模板虹膜特征信息；步骤十一、测试虹膜归一图像；步骤十二、测试虹膜特征信息；步骤十三、提取的模板测试人员的模板特征的匹配值；有益效果：提高了方案的整体性，提高数据特征表达与识别的契合度，提高识别的准确性以及数据的可用性。

技术领域

本发明涉及一种基于虹膜的身份验证方法，特别涉及一种基于整体端到端非稳态虹膜认知识别的身份确认方法。

背景技术

虹膜因为其稳定性、活体性、非接触性，识别准确效果要明显高于指纹和人脸，是不可或缺的认证手段。随着2020年新冠疫情的持续蔓延，识别过程中需要摘下口罩手套等防护设备的人脸识别和指纹识别的弊端更加明显，因此相比于当前应用较多的人脸识别产品与指纹识别产品，基于虹膜识别的身份认证产品具有更好的发展前景和经济价值。

相较于人脸识别与指纹识别产品，目前虹膜识别产品的市场占有率较低，直接原因在于虹膜识别算法还未突破以下四个瓶颈，使得基于虹膜识别的身份认证产品无法完全达到市场应用要求。四个瓶颈分别为：

1.数据可用性：判断眼睛图像是否可以用于虹膜识别中以及虹膜准确分割；

2.识别准确性：解决识别系统在非稳态虹膜下的准确率问题；

3.方案整体性：从图像采集到识别结果输出的虹膜识别整个流程进行整体端到端设计；

4.扩充便捷性：增加新的人的特征时，无须对原来保存的特征进行改动，可以直接添加新的人的特征。

上述四个瓶颈，是当前虹膜识别身份验证问题的需要解决的重点问题。

发明内容

本发明的主要目的是为了从数据可用性、识别准确性、方案整体性以及扩充便捷性解决虹膜识别算法的问题；

本发明为了解决上述问题、达到上述目的而提供的一种基于整体端到端非稳态虹膜认知识别的身份确认方法；

本发明提供的一种基于整体端到端非稳态虹膜认知识别的身份确认方法，其方法如下所述：

步骤一、使用虹膜采集仪采集一名模板测试人员的模板虹膜灰度图像2000张；

步骤二、计算机系统提取该名模板测试人员的每张模板虹膜灰度图像的眼睛图像信息，并用该名模板测试人员的2000张模板虹膜灰度图像设定该名模板测试人员的眼睛图像特征；

步骤三、计算机系统提取该名模板测试人员的每张模板虹膜灰度图像的虹膜质量信息，并用该名模板测试人员的2000张模板虹膜灰度图像设定该名模板测试人员的虹膜质量特征；

步骤四、计算机系统通过Daugman橡皮筋法将该名模板测试人员的每张模板虹膜灰度图像转化为256×32维度的模板虹膜归一图像；

步骤五、计算机系统分别提取该名模板测试人员的每张模板虹膜归一图像的32位模板虹膜特征信息，并根据2000张模板虹膜归一图像的模板虹膜特征信息，设定该名模板测试人员的32位模板特征；

步骤六、重复步骤一到步骤五，直到所有模板测试人员的模板特征设定完成；

步骤七、使用与步骤一相同的虹膜采集仪采集测试人员的测试虹膜灰度图像1张；

步骤八、计算机系统用测试人员的1张测试虹膜灰度图像提取测试人员的眼睛图像信息；

步骤九、计算机系统用测试人员的1张测试虹膜灰度图像提取测试人员的虹膜质量信息；