[发明专利]非正视虹膜图像的矫正模型训练、矫正、识别方法及装置

说明书

本发明提供了一种非正视虹膜图像的矫正模型训练、矫正、识别方法及装置，该训练方法包括：利用仿射变换参数对第一正视虹膜图像仿射变换，得到非正视虹膜图像；将第一正视虹膜图像、仿射变换得到非正视虹膜图像及仿射变换参数输入至深度卷积神经网络，得到仿射变换逆变换参数；利用训练得到的仿射变换逆变换参数对非正视虹膜图像进行仿射逆变换，得到矫正后的非正视虹膜图像；比对矫正后的非正视虹膜图像与第二正视虹膜图像，得到比对结果；计算比对结果与比对阈值的距离与训练得到的仿射变换逆变换参数和仿射变换逆变换参数的距离，以得到损失函数，训练深度卷积神经网络，得到非正视虹膜图像矫正模型。通过上述方案能够提高虹膜识别的准确率。

技术领域

本发明涉及虹膜图像识别技术领域，尤其涉及一种非正视虹膜图像的矫正模型训练、矫正、识别方法及装置。

背景技术

基于计算机视觉的虹膜识别，是将图像中环状虹膜区域的纹理提取出来，编码后与数据库中的虹膜模板进行比对。在人眼虹膜采集识别过程中，用户姿态是不可控的。当用户的双目不能保持正视时，采集设备采集到的图像就会出现虹膜图像偏转现象。然而，利用出现偏转的虹膜图像(即非正视虹膜图像)进行虹膜识别时，虹膜识别准确率较低。

发明内容

有鉴于此，本发明提供了一种非正视虹膜图像矫正模型训练方法、虹膜图像矫正方法、虹膜识别方法、电子设备及计算机可读存储介质，以解决非正视虹膜图像的虹膜识别准确率不高的问题。

为了达到以上目的，本发明采用以下方案实现：

根据本发明实施例的一个方面，提供了一种非正视虹膜图像矫正模型训练方法，包括：

获取训练样本集，所述训练样本集中的每个训练样本包含同一人眼的第一正视虹膜图像、第二正视虹膜图像、用于将正视虹膜图像变换至一组设定注视姿势中的一种注视姿态的非正视虹膜图像的仿射变换参数、以及所述仿射变换矩阵对应的仿射变换逆变换参数；

利用训练样本中的仿射变换参数对相应训练样本中的第一正视虹膜图像进行仿射变换，得到通过仿射变换得到的非正视虹膜图像；

将训练样本的第一正视虹膜图像、通过仿射变换得到非正视虹膜图像、及仿射变换参数输入至深度卷积神经网络，得到通过训练得到的仿射变换逆变换参数；

利用通过训练得到的仿射变换逆变换参数对相应训练样本中的非正视虹膜图像进行仿射变换逆变换，得到矫正后的非正视虹膜图像；

对矫正后的非正视虹膜图像与相应训练样本中的第二正视虹膜图像进行虹膜比对，得到虹膜比对结果；

计算虹膜比对结果与设定比对阈值的第一距离，计算通过训练得到的仿射变换逆变换参数和相应训练样本中仿射变换逆变换参数的第二距离，并根据所述第一距离和所述第二距离得到损失函数；

将所述损失函数返回至所述深度卷积神经网络，以训练所述深度卷积神经网络，并在满足设定训练要求的情况下，根据训练后的深度卷积神经网络得到非正视虹膜图像矫正模型。

在一些实施例中，所述设定训练要求为训练后的深度卷积神经网络对应的损失函数不大于设定阈值，或达到设定训练次数。

在一些实施例中，所述一组设定注视姿势包括多个注视姿势。

在一些实施例中，所述虹膜比对结果为比对分数，所述设定比对阈值为设定比对分数阈值。

在一些实施例中，对所述矫正后的非正视虹膜图像与相应训练样本中的第二正视虹膜图像进行虹膜比对，得到虹膜比对结果，包括：

对所述矫正后的非正视虹膜图像进行虹膜特征提取，得到第一特征向量，对相应训练样本中的第二正视虹膜图像进行虹膜特征提取，得到第二特征向量；

计算所述第一特征向量与所述第二特征向量的相似度，得到相似度分数，作为虹膜比对结果。