[发明专利]基于眼周区域的身份识别方法

摘要

本发明提供一种基于眼周区域的身份识别方法，所述方法包括眼周区域特征训练过程和眼周区域特征比对过程，具体的，训练过程包括对训练样本库中的图像进行预处理和特征提取，得到眼周底层特征，采用聚类方法，将训练样本库中所有图像的眼周底层特征训练成眼周特征表达基元词典；特征比对过程包括对测试图像进行预处理和特征提取，得到眼周底层特征，将眼周底层特征映射到训练所得眼周特征表达基元词典构成的特征空间，得到眼周特征向量，计算测试图像眼周特征向量之间的相似度，与阈值进行比较输出特征比对结果。本发明与传统的虹膜识别技术相比，充分利用了虹膜特征以及眼周特征，并且放宽了对光照条件的容忍度，有效的扩展了识别距离范围。

主权项

1.一种基于眼周区域的身份识别方法，所述方法包括眼周区域特征训练过程S1和眼周区域特征比对过程S2，其中所述眼周区域特征训练过程S1包括子步骤：S11.构建训练样本库，对训练样本库中的图像进行预处理，包括人眼检测、虹膜外圆定位、归一化处理，得到归一化的眼周图像；S12.提取归一化图像的纹理特征，作为眼周底层特征；S13.采用聚类方法，将训练样本库中所有图像的眼周底层特征训练成眼周特征表达基元词典G，如下式：G(x)＝{αk(x)}，1≤k≤K式中，x表示眼周区域的底层特征，αk(x)表示第k个眼周特征表达基元，K表示训练所得的眼周特征表达基元词典G含有眼周特征表达基元α的数量；其中所述眼周区域特征比对过程S2包括子步骤：S21.按照训练过程步骤S11中对单幅训练图像的预处理方法，对参与比对的两幅测试图像进行预处理，包括人眼检测、虹膜外圆定位、归一化处理，得到归一化的眼周图像；S22.按照步骤S12的方法提取归一化图像的纹理特征，作为眼周底层特征；S23.将S22提取的眼周底层特征映射到训练所得眼周特征表达基元词典构成的特征空间，得到眼周特征向量F，映射关系如下：F～G式中，G表示训练所得眼周特征表达基元词典；参与比对的两幅测试图像的眼周特征向量分别记为F1、F2；S24.计算参与比对的两个眼周特征向量F1、F2之间的相似度dist，与阈值比较判断是否比对成功，相似度计算公式表示为：dist＝sim(F1，F2)S25.输出特征比对结果。