[发明专利]一种快速虹膜识别方法

摘要

本发明公开了一种虹膜识别方法，该方法包括以下步骤：(a)将已知的分类好的虹膜样本进行分块处理，并通过定序滤波算子对每块的虹膜样本数据进行计算，得出每块虹膜样本数据的定序特征图；(b)对所有虹膜样本中同一个人的任意两张不同的虹膜样本上的相同位置的定序特征图进行汉明距离计算得到正样本特征库；(c)对所有虹膜样本中不同人的任意两张虹膜样本上的相同位置的定序特征图进行汉明距离计算得到负样本特征库；(d)将正、负样本特征库中的数据输入AdaBoost‑soft级联分类器中进行运算，得到一个区分任意两张虹膜样本是不是同一类别人的AdaBoost‑soft级联分类器数据库。本发明提供的虹膜识别方法，识别速度快，识别精度高。

主权项

1.一种快速虹膜识别方法，其特征在于，包括：制作能区分任意两张虹膜样本是否为同一类别人的AdaBoost‑soft级联分类器数据库；对待识别虹膜图像进行识别：将待识别虹膜图像的特征输入AdaBoost‑soft级联分类器中进行计算，并将计算结果与AdaBoost‑soft级联分类器数据库中的数据进行对比判断，如存在相同的虹膜样本，则该相同的虹膜样本所属虹膜类别即为待识别虹膜图形所述的类别；所述AdaBoost‑soft级联分类器分类的具体实现方法是：1)给定训练样本{(x1，y1)、(x2，y2)…(xn，yn)}，Xi表示正负样本，Xi为类内类间汉明距离,yi∈{1，0}为样本标签；单独每一级允许拒绝正样本比例{v1，v2…VT}，V∈[0,1]；2)利用AdaBoost训练出T个弱分类器C{c1，c2…cT}；3)初始化每一个样本的响应值为0；4)t从1到T，循环执行以下步骤：4‑1)遍历弱分类器集C，根据最大化正负样本间隔从C中选择出本级的弱分类器Ct：其中，ft，i，j＝dt，i‑1+cj，bt、at分别为本级的正、负样本总数，dt‑1，i为第i个样本在t‑1次循环的样本响应值累加和；4‑2)计算出样本在本级分类器的响应值ct(Xi)，与前t‑1级的样本响应值累加和dt‑1，i进行累加，更新前t级样本的响应值累加和dt，i:dt，i＝dt‑1，i+Ct4‑3)按如下原则选取该级的拒绝门限值rt：样本在本级的响应值累加和大于拒绝门限值，才会通过本级，否则会被拒绝，因此遍历本级每一个样本的响应值累加和为门限值r，在满足拒绝正样本百分比不超过p的前提下，选取最大的r作为本级的拒绝门限值rt；∑jpred(dt，j≤r)yj≤p*bt其中，p＝p+v_t4‑4)根据得到的本级拒绝门限值，对样本进行判别，剔除被拒绝样本，更新样本库；从弱分类器集C中剔除本级选出的弱分类器ct，精简弱分类器集；根据本级实际拒绝正样本个数，更新允许拒绝正样本百分比p；本级实际拒绝正样本个数为：fn＝∑jpred(dt，j≤r)yj更新p：4‑5)采取自举方式，增加一定个数的负样本，保证自举的负样本能够通过已经选出的前t级分类器。