CN110781747A - 一种基于变异系数的睫毛遮挡区域预检测方法 - Google Patents

一种基于变异系数的睫毛遮挡区域预检测方法 Download PDF

Info

Publication number
CN110781747A
CN110781747A CN201910899748.2A CN201910899748A CN110781747A CN 110781747 A CN110781747 A CN 110781747A CN 201910899748 A CN201910899748 A CN 201910899748A CN 110781747 A CN110781747 A CN 110781747A
Authority
CN
China
Prior art keywords
iris
area
block
eyelashes
shielded
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910899748.2A
Other languages
English (en)
Other versions
CN110781747B (zh
Inventor
叶学义
陈妍婷
季毕胜
陈泽
魏阳洋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Dianzi University
Hangzhou Electronic Science and Technology University
Original Assignee
Hangzhou Electronic Science and Technology University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hangzhou Electronic Science and Technology University filed Critical Hangzhou Electronic Science and Technology University
Priority to CN201910899748.2A priority Critical patent/CN110781747B/zh
Publication of CN110781747A publication Critical patent/CN110781747A/zh
Application granted granted Critical
Publication of CN110781747B publication Critical patent/CN110781747B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/18—Eye characteristics, e.g. of the iris
    • G06V40/19—Sensors therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/18—Eye characteristics, e.g. of the iris
    • G06V40/193—Preprocessing; Feature extraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/18—Eye characteristics, e.g. of the iris
    • G06V40/197—Matching; Classification

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Ophthalmology & Optometry (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于变异系数的睫毛遮挡区域预检测方法。本方法首先对虹膜上下区域进行分块，然后计算关于虹膜圆心对称的上下俩分块的变异系数，通过比较上下分块变异系数大小，判断虹膜上分块是否受睫毛遮挡，通过对比对虹膜上下分块区域的灰度分布差异性，判断各虹膜上分块是否受睫毛遮挡，将受睫毛遮挡的虹膜上分块进行区域整合得到睫毛遮挡区域。本发明方法针对虹膜区域中的睫毛分布范围进行预确定，缩小了后期睫毛检测的搜索范围，提高了检测效率，降低了睫毛误检率。

Description

一种基于变异系数的睫毛遮挡区域预检测方法
技术领域
本发明属于生物特征识别及信息安全领域，具体一种基于变异系数的睫毛遮挡区域预检测方法。
背景技术
虹膜识别技术发展至今已经形成了一套较为完整的框架体系，但是决定和影响虹膜识别性能的关键因素在于虹膜的采集质量。在人眼自然睁开的状态下，由于生理结构的原因，虹膜采集难以避免睫毛遮挡的影响，而且极具多样性，因此睫毛检测是虹膜识别性能极限提高，或者泛虹膜检测的核心问题。
目前针对于睫毛检测的相关研究多是对整个虹膜区域通过阈值分割或者形态学的知识实现睫毛检测。Masek利用睫毛与周围虹膜的灰度差异来设置阈值达到睫毛检测的目的。(Masek Libor.Recognition of Human Iris Patterns for BiometricIdentification[D].2003.)来毅等人利用形态学知识，通过灰度开运算得到直方图具有分段特性的虹膜图像，经二值化检测出眼睫毛。(来毅，路陈红，卢朝阳.用于虹膜识别的眼睑及眼睫毛遮挡检测[J].计算机辅助设计与图形学学报.)杨晓生采用自适应双阈值分割的方法对睫毛进行检测，根据不同图像的光照情况，灵活地调整阈值。(杨晓生.虹膜图像预处理及特征编码方法的研究[D].2016)这几种方法都能实现一定程度的睫毛检测，但是由于事先未确定睫毛区域，使得后期的搜索范围过大，检测效率低，睫毛误检情况严重。
发明内容
针对现有技术存在的不足，本发明提供了一种基于变异系数的睫毛遮挡区域预检测方法。本方法首先对虹膜上下区域进行分块，然后采用变异系数作为判别准则，通过对比对虹膜上下分块区域的灰度分布差异性，判断各虹膜上分块是否受睫毛遮挡，最后对这些分块进行区域整合得到睫毛遮挡区域。
一种基于变异系数的睫毛遮挡区域预检测方法，步骤如下：
步骤(1).以虹膜圆心为原点，对虹膜区域进行等弧度扇形分块。
步骤(2).判断各虹膜上分块是否受睫毛遮挡，分别计算关于虹膜圆心对称的上下俩分块的变异系数，当上分块的变异系数大于下分块的变异系数，且上分块的变异系数与下分块的变异系数的差值大于等于设定的阈值Thr，(0≤Thr≤0.15)，则该上分块受睫毛遮挡，不满足则上分块不受睫毛遮挡。
步骤(3).将虹膜上半分块区域I1内受睫毛遮挡的分块区域进行整合获得睫毛遮挡区域。
步骤(1).具体方法如下：
以虹膜圆心为原点，间隔为θ弧度(5≤θ≤20)，将虹膜划分为n(n为偶数)个分块，分块区域Si＝[(i-1)×θ,i×θ],i＝1,2,…,n；虹膜上半分块区域I1包括分块区域Si，i＝1,2,…,n/2，虹膜下半分块区域I2包括分块区域Si，i＝n/2+1,n/2+2,…,n。
步骤(2).举个例说明，具体方法如下：
计算虹膜上分块S1与关于虹膜圆心对称的虹膜下分块
Figure BDA0002211432850000021
的变异系数，具体公式如下；f(p,q)表示分块中第p行、第q列处像素点的像素值。N1表示虹膜上分块S1内的像素点个数，表示虹膜下分块
Figure BDA0002211432850000023
内的像素点个数；
计算S1内的灰度均值μ1；
Figure BDA0002211432850000024
计算
Figure BDA0002211432850000025
内的灰度均值
Figure BDA0002211432850000026
计算S1区域内的灰度标准差V1：
Figure BDA0002211432850000032
计算
Figure BDA0002211432850000033
区域内的灰度标准差
Figure BDA0002211432850000035
计算S1区域内的变异系数CV1；
Figure BDA0002211432850000036
计算
Figure BDA0002211432850000037
区域内的变异系数
Figure BDA0002211432850000038
Figure BDA0002211432850000039
当
Figure BDA00022114328500000310
时虹膜上分块区域S1受睫毛遮挡；
当
Figure BDA00022114328500000311
时虹膜上分块区域S1不受睫毛遮挡。
步骤(3).具体方法如下：
首先判断分块区域S1是否受睫毛遮挡，当分块区域S1不受睫毛遮挡时，则判断下一个分块区域S2中是否受睫毛遮挡，依次类推，直到检测到第一个受睫毛遮挡的分块区域，停止判断，并将其标记为ST1；然后判断分块区域Sn/2是否受睫毛遮挡，当分块区域Sn/2不受睫毛遮挡时，则判断下一个分块区域Sn/2-1是否受睫毛遮挡，依次类推，直到检测到第一个受睫毛遮挡的分块区域，停止判断，并将其标记为ST2；最后将分块区域ST1、ST2以及两者之间的分块区域整合获得睫毛遮挡区域。
本发明有益效果如下：
本发明方法解决了现有技术因事先未确定睫毛区域，使得后期的搜索范围过大，检测效率低，睫毛误检情况严重的情况。本发明方法针对虹膜区域中的睫毛分布范围进行预确定，缩小了后期睫毛检测的搜索范围，提高了检测效率，降低了睫毛误检率。
附图说明
图1为本发明方法的流程图。
具体实施方式
下面结合附图对本发明进一步说明。
如图1所示，本发明方法具体步骤如下：
一种基于变异系数的睫毛遮挡区域预检测方法，步骤如下：
步骤(1).以虹膜圆心为原点，对虹膜区域进行等弧度扇形分块：
以虹膜圆心为原点，间隔为θ弧度(5≤θ≤20)，将虹膜划分为n(n为偶数)个分块，分块区域Si＝[(i-1)×θ,i×θ],i＝1,2,…,n；虹膜上半分块区域I1包括分块区域Si，i＝1,2,…,n/2，虹膜下半分块区域I2包括分块区域Si，i＝n/2+1,n/2+2,…,n。
步骤(2).判断各虹膜上分块是否受睫毛遮挡，分别计算关于虹膜圆心对称的上下俩分块的变异系数，当上分块的变异系数大于下分块的变异系数，且上分块的变异系数与下分块的变异系数的差值大于等于设定的阈值Thr，(0≤Thr≤0.15)，则该上分块受睫毛遮挡，不满足则上分块不受睫毛遮挡。
举个例说明，具体方法如下：
计算虹膜上分块S1与关于虹膜圆心对称的虹膜下分块
Figure BDA0002211432850000041
的变异系数，具体公式如下；f(p,q)表示分块中第p行、第q列处像素点的像素值。N1表示虹膜上分块S1内的像素点个数，N2I1表示虹膜下分块
Figure BDA0002211432850000051
内的像素点个数；
计算S1内的灰度均值μ1；
Figure BDA0002211432850000052
计算内的灰度均值
Figure BDA0002211432850000054
Figure BDA0002211432850000055
计算S1区域内的灰度标准差V1：
Figure BDA0002211432850000056
计算
Figure BDA0002211432850000057
区域内的灰度标准差
Figure BDA0002211432850000058
计算S1区域内的变异系数CV1；
Figure BDA00022114328500000510
计算
Figure BDA00022114328500000511
区域内的变异系数
Figure BDA00022114328500000512
Figure BDA00022114328500000513
当
Figure BDA00022114328500000514
时虹膜上分块区域S1受睫毛遮挡；
当
Figure BDA0002211432850000061
时虹膜上分块区域S1不受睫毛遮挡。
步骤(3).将虹膜上半分块区域I1内受睫毛遮挡的分块区域进行整合获得睫毛遮挡区域：
首先判断分块区域S1是否受睫毛遮挡，当分块区域S1不受睫毛遮挡时，则判断下一个分块区域S2中是否受睫毛遮挡，依次类推，直到检测到第一个受睫毛遮挡的分块区域，停止判断，并将其标记为ST1；然后判断分块区域Sn/2是否受睫毛遮挡，当分块区域Sn/2不受睫毛遮挡时，则判断下一个分块区域Sn/2-1是否受睫毛遮挡，依次类推，直到检测到第一个受睫毛遮挡的分块区域，停止判断，并将其标记为ST2；最后将分块区域ST1、ST2以及两者之间的分块区域整合获得睫毛遮挡区域。

Claims (4)

1.一种基于变异系数的睫毛遮挡区域预检测方法，其特征在于，该方法步骤如下：
步骤(1).以虹膜圆心为原点，对虹膜区域进行等弧度扇形分块；
步骤(2).判断各虹膜上分块是否受睫毛遮挡，分别计算关于虹膜圆心对称的上下俩分块的变异系数，当上分块的变异系数大于下分块的变异系数，且上分块的变异系数与下分块的变异系数的差值大于等于设定的阈值Thr，(0≤Thr≤0.15)，则该上分块受睫毛遮挡，不满足则上分块不受睫毛遮挡；
步骤(3).将虹膜上半分块区域I1内受睫毛遮挡的分块区域进行整合获得睫毛遮挡区域。
2.根据权利要求1所述的一种基于变异系数的睫毛遮挡区域预检测方法，其特征在于，步骤(1).具体方法如下：
以虹膜圆心为原点，间隔为θ弧度(5≤θ≤20)，将虹膜划分为n(n为偶数)个分块，分块区域Si＝[(i-1)×θ,i×θ],i＝1,2,…,n；虹膜上半分块区域I1包括分块区域Si，i＝1,2,…,n/2，虹膜下半分块区域I2包括分块区域Si，i＝n/2+1,n/2+2,…,n。
3.根据权利要求2所述的一种基于变异系数的睫毛遮挡区域预检测方法，其特征在于，步骤(2)具体方法如下：
计算虹膜上分块S1与关于虹膜圆心对称的虹膜下分块的变异系数，具体公式如下；f(p,q)表示分块中第p行、第q列处像素点的像素值；N1表示虹膜上分块S1内的像素点个数，N2I1表示虹膜下分块
Figure FDA0002211432840000012
内的像素点个数；
计算S1内的灰度均值μ1；
Figure FDA0002211432840000013
计算
Figure FDA0002211432840000014
内的灰度均值
Figure FDA0002211432840000015
Figure FDA0002211432840000021
计算S1区域内的灰度标准差V1：
Figure FDA0002211432840000022
计算
Figure FDA0002211432840000023
区域内的灰度标准差
Figure FDA0002211432840000024
Figure FDA0002211432840000025
计算S1区域内的变异系数CV1；
Figure FDA0002211432840000026
计算
Figure FDA0002211432840000027
区域内的变异系数
Figure FDA0002211432840000028
当
Figure FDA00022114328400000210
时虹膜上分块区域S1受睫毛遮挡；
当
Figure FDA00022114328400000211
时虹膜上分块区域S1不受睫毛遮挡。
4.根据权利要求3所述的一种基于变异系数的睫毛遮挡区域预检测方法，其特征在于，步骤(3)具体方法如下：
首先判断分块区域S1是否受睫毛遮挡，当分块区域S1不受睫毛遮挡时，则判断下一个分块区域S2中是否受睫毛遮挡，依次类推，直到检测到第一个受睫毛遮挡的分块区域，停止判断，并将其标记为ST1；然后判断分块区域Sn/2是否受睫毛遮挡，当分块区域Sn/2不受睫毛遮挡时，则判断下一个分块区域Sn/2-1是否受睫毛遮挡，依次类推，直到检测到第一个受睫毛遮挡的分块区域，停止判断，并将其标记为ST2；最后将分块区域ST1、ST2以及两者之间的分块区域整合获得睫毛遮挡区域。
CN201910899748.2A 2019-09-23 2019-09-23 一种基于变异系数的睫毛遮挡区域预检测方法 Active CN110781747B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910899748.2A CN110781747B (zh) 2019-09-23 2019-09-23 一种基于变异系数的睫毛遮挡区域预检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910899748.2A CN110781747B (zh) 2019-09-23 2019-09-23 一种基于变异系数的睫毛遮挡区域预检测方法

Publications (2)

Publication Number Publication Date
CN110781747A true CN110781747A (zh) 2020-02-11
CN110781747B CN110781747B (zh) 2022-03-01

Family

ID=69383685

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910899748.2A Active CN110781747B (zh) 2019-09-23 2019-09-23 一种基于变异系数的睫毛遮挡区域预检测方法

Country Status (1)

Country Link
CN (1) CN110781747B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101154265A (zh) * 2006-09-29 2008-04-02 中国科学院自动化研究所 基于局部二值模式特征和图匹配的虹膜识别方法
CN101241550A (zh) * 2008-01-19 2008-08-13 电子科技大学中山学院 一种虹膜图像质量判断方法
CN101447025A (zh) * 2008-12-30 2009-06-03 东南大学 一种大型动物虹膜识别方法
CN101539991A (zh) * 2008-03-20 2009-09-23 中国科学院自动化研究所 用于虹膜识别的有效图像区域检测和分割方法
CN105447450A (zh) * 2015-11-12 2016-03-30 北京天诚盛业科技有限公司 虹膜识别中判断左右虹膜的方法和装置
CN106250810A (zh) * 2015-06-15 2016-12-21 摩福公司 通过虹膜辨识对个体进行识别和/或认证的方法
CN106326825A (zh) * 2015-08-26 2017-01-11 北京巴塔科技有限公司 虹膜边缘定位方法
CN108171201A (zh) * 2018-01-17 2018-06-15 山东大学 基于灰度形态学的睫毛快速检测方法
CN108312964A (zh) * 2018-03-21 2018-07-24 华南理工大学 一种疲劳驾驶状态识别预警***及方法
CN110245626A (zh) * 2019-06-19 2019-09-17 北京万里红科技股份有限公司 一种在虹膜图像中精确检测眼睫毛图像的方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101154265A (zh) * 2006-09-29 2008-04-02 中国科学院自动化研究所 基于局部二值模式特征和图匹配的虹膜识别方法
CN101241550A (zh) * 2008-01-19 2008-08-13 电子科技大学中山学院 一种虹膜图像质量判断方法
CN101539991A (zh) * 2008-03-20 2009-09-23 中国科学院自动化研究所 用于虹膜识别的有效图像区域检测和分割方法
CN101447025A (zh) * 2008-12-30 2009-06-03 东南大学 一种大型动物虹膜识别方法
CN106250810A (zh) * 2015-06-15 2016-12-21 摩福公司 通过虹膜辨识对个体进行识别和/或认证的方法
CN106326825A (zh) * 2015-08-26 2017-01-11 北京巴塔科技有限公司 虹膜边缘定位方法
CN105447450A (zh) * 2015-11-12 2016-03-30 北京天诚盛业科技有限公司 虹膜识别中判断左右虹膜的方法和装置
CN108171201A (zh) * 2018-01-17 2018-06-15 山东大学 基于灰度形态学的睫毛快速检测方法
CN108312964A (zh) * 2018-03-21 2018-07-24 华南理工大学 一种疲劳驾驶状态识别预警***及方法
CN110245626A (zh) * 2019-06-19 2019-09-17 北京万里红科技股份有限公司 一种在虹膜图像中精确检测眼睫毛图像的方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
W. K. KONG AND D. ZHANG: "Accurate iris segmentation based on novel reflection and eyelash detection model", 《PROCEEDINGS OF 2001 INTERNATIONALSYMPOSIUM ON INTELLIGENT MULTIMEDIA, MDEO AND SPEECH PROCESSING》 *
岳学东 等: "一种新的虹膜图像预处理眼睑定位算法", 《光电工程》 *
来毅 等: "用于虹膜识别的眼睑及眼睫毛遮挡检测", 《计算机辅助设计与图形学学报》 *

Also Published As

Publication number Publication date
CN110781747B (zh) 2022-03-01

Similar Documents

Publication Publication Date Title
CN108121991B (zh) 一种基于边缘候选区域提取的深度学习舰船目标检测方法
CN109918971B (zh) 监控视频中人数检测方法及装置
CN107256558A (zh) 一种无监督式的宫颈细胞图像自动分割方法及***
CN107862677A (zh) 一种基于梯度类间阈值算法的隧道衬砌裂缝识别方法及***
Zong et al. U-net based method for automatic hard exudates segmentation in fundus images using inception module and residual connection
CN109389129A (zh) 一种图像处理方法、电子设备及存储介质
Duan et al. A WBC segmentation methord based on HSI color space
CN108319966A (zh) 一种变电站复杂背景红外图像中设备的识别分类方法
CN106778687A (zh) 基于局部评估和全局优化的注视点检测方法
CN108960185A (zh) 基于YOLOv2的车辆目标检测方法及***
CN105513053A (zh) 一种用于视频分析中背景建模方法
CN104036521A (zh) 一种新的视网膜眼底图像分割方法
CN103942539A (zh) 一种人头部椭圆精确高效提取及遮蔽人脸检测方法
CN110245626B (zh) 一种在虹膜图像中精确检测眼睫毛图像的方法
CN106503748A (zh) 一种基于s‑sift特征和svm训练器的车型识别算法
CN106203338B (zh) 基于网格区域分割和阈值自适应的人眼状态快速识别方法
CN105975952A (zh) 一种视频图像中大胡子检测的方法及***
CN103279960B (zh) 一种基于x射线背散射图像的人体隐藏物的图像分割方法
CN106295716A (zh) 一种基于视频信息的交通运动目标分类方法及装置
CN113850792A (zh) 一种基于计算机视觉的细胞分类计数方法及***
CN108009480A (zh) 一种基于特征识别的图像人体行为检测方法
CN110781747B (zh) 一种基于变异系数的睫毛遮挡区域预检测方法
CN112330706A (zh) 矿井人员安全帽分割方法和装置
Zhou et al. Automated detection of red lesions using superpixel multichannel multifeature
CN115272333B (zh) 一种杯盘比数据的存储***

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant