CN116798107B - 一种用于比对虹膜图像的可视化处理方法及装置 - Google Patents
一种用于比对虹膜图像的可视化处理方法及装置 Download PDFInfo
- Publication number
- CN116798107B CN116798107B CN202310712499.8A CN202310712499A CN116798107B CN 116798107 B CN116798107 B CN 116798107B CN 202310712499 A CN202310712499 A CN 202310712499A CN 116798107 B CN116798107 B CN 116798107B
- Authority
- CN
- China
- Prior art keywords
- iris
- image
- iris image
- preset
- recognition
- 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.)
- Active
Links
- 230000000007 visual effect Effects 0.000 title claims abstract description 24
- 238000003672 processing method Methods 0.000 title claims abstract description 16
- 238000000034 method Methods 0.000 claims abstract description 61
- 238000012545 processing Methods 0.000 claims abstract description 29
- 210000001747 pupil Anatomy 0.000 claims description 79
- 230000009466 transformation Effects 0.000 claims description 44
- 238000004891 communication Methods 0.000 claims description 33
- 238000012937 correction Methods 0.000 claims description 13
- 238000000605 extraction Methods 0.000 claims description 10
- 238000012216 screening Methods 0.000 claims description 9
- 238000003702 image correction Methods 0.000 claims description 8
- 238000013507 mapping Methods 0.000 claims description 5
- 238000012800 visualization Methods 0.000 claims description 4
- 238000012552 review Methods 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 16
- 238000010586 diagram Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 8
- 238000001514 detection method Methods 0.000 description 6
- 238000010606 normalization Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 238000011840 criminal investigation Methods 0.000 description 4
- 239000003550 marker Substances 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 238000013256 Gubra-Amylin NASH model Methods 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
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
- G06V40/193—Preprocessing; Feature extraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
- G06V10/449—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Ophthalmology & Optometry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Collating Specific Patterns (AREA)
Abstract
本申请提供一种用于比对虹膜图像的可视化处理方法及装置,方法包括:获取预设虹膜图像和第一识别虹膜图像;矫正第一识别虹膜图像,得到矫正后的识别虹膜图像;获取预设虹膜图像以及第二识别虹膜图像中的虹膜信息;根据虹膜信息,得到第三识别虹膜图像;获取预设虹膜图像的第一有效区域以及第三识别虹膜图像的第二有效区域;根据第一有效区域和第二有效区域,分别得到预设虹膜边缘图像和识别虹膜边缘图像;向用户展示预设虹膜边缘图像和识别虹膜边缘图像。通过上述方法,解决在直接对数据库和实时获取的虹膜图像进行比对时,无法清楚且直观地发现虹膜图像间的差异特征,不利于对虹膜图像进行复核的问题。
Description
技术领域
本申请涉及虹膜图像处理的技术领域,特别是涉及一种用于比对虹膜图像的可视化处理方法及装置。
背景技术
目前,而在数据如此之庞大的情况下,公安刑侦机关在日常开展工作的过程中,如果通过传统的查看身份证和其他证件等方式,来验证身份或确认嫌疑人身份,既不精准也耗时耗力。虹膜识别技术作为业内公认的安全性和准确性最高的生物识别技术之一,对警务和刑侦工作中的管控、追逃、出入境管理以及身份认证等发挥着极其重大的作用。
提高了警务和刑侦工作的效率,同时节省了人力成本。通过机器学习或者深度学习做模式识别的决策时,一般是通过特征做相似性度量判断,若相似性大于某个预设的阈值,则认为匹配成功。从公安办案的角度上,为了确保匹配结果的安全性和可靠性,需要再次确认模式识别结果的正确与否。然而在直接对数据库和实时获取的虹膜图像进行比对时,无法清楚且直观地发现虹膜图像间的差异特征,因此不利于对虹膜图像进行复核。
基于上述场景下的实际需要,提出一种用于比对虹膜图像的可视化处理方法及装置是至关重要的。
发明内容
本申请提供一种用于比对虹膜图像的可视化处理方法及装置,以解决在直接对数据库和实时获取的虹膜图像进行比对时,无法清楚且直观地发现虹膜图像间的差异特征,不利于对虹膜图像进行复核的问题。
本申请第一方面提供一种用于比对虹膜图像的可视化处理方法,方法包括:获取预设虹膜图像和第一识别虹膜图像;预设虹膜图像为虹膜图像数据库中存储的目标ID对应的虹膜图像;第一识别虹膜图像为疑似目标ID对应的虹膜图像;根据预设虹膜图像的眼角点坐标和第一识别虹膜图像的眼角点坐标,矫正第一识别虹膜图像,得到矫正后的识别虹膜图像;矫正后的识别虹膜图像为第二识别虹膜图像;获取预设虹膜图像以及第二识别虹膜图像中的虹膜信息,虹膜信息包括瞳孔半径、虹膜半径以及掩码图,掩码图中任意一个像素点的像素值为第一预设像素值或第二预设像素值;根据虹膜信息,得到第三识别虹膜图像,第三识别虹膜图像的瞳孔半径以及虹膜半径与预设虹膜图像的瞳孔半径以及虹膜半径相同;获取预设虹膜图像的第一有效区域以及第三识别虹膜图像的第二有效区域,有效区域为掩码图中像素值为第一预设像素值的区域;根据第一有效区域和第二有效区域,分别得到预设虹膜边缘图像和识别虹膜边缘图像;向用户展示预设虹膜边缘图像和识别虹膜边缘图像。
本申请通过采用上述方法,在虹膜识别结果的复核检测过程中,通过对预设虹膜图像和识别虹膜图像进行处理,使得用户在进行复核检测时,能够更加直观、清晰的了解到虹膜图像之间是否存在差异,帮助用户完成虹膜图像的复核工作。
在一种可能的实施方式中,根据预设虹膜图像的眼角点坐标和第一识别虹膜图像的眼角点坐标,矫正第一识别虹膜图像,具体包括:获取预设虹膜图像的左眼角坐标和右眼角坐标;根据预设虹膜图像的左眼角坐标和右眼角坐标,得到预设虹膜图像的第一水平夹角;获取第一识别虹膜图像的左眼角坐标和右眼角坐标;根据第一识别虹膜图像的左眼角坐标和右眼角坐标,得到第一识别虹膜图像的第二水平夹角;根据第一水平夹角以及第二水平夹角,确定第一识别虹膜图像的矫正角度;采用矫正角度对第一识别虹膜图像进行矫正,得到第二识别虹膜图像,第二识别虹膜图像的水平夹角为第一水平夹角。
本申请通过采用上述方法,通过获取虹膜图像的水平夹角,对识别虹膜图像进行矫正,使得识别虹膜图像与预设虹膜图像处于同一水平线上,方便后续对图像的进一步处理。
在一种可能的实施方式中,根据虹膜信息,得到第三识别虹膜图像,具体包括:判断预设虹膜图像的瞳孔半径与第二识别虹膜图像的瞳孔半径是否相同;当预设虹膜图像的瞳孔半径与第二识别虹膜图像的瞳孔半径不相同时,根据预设虹膜图像的瞳孔半径,对第二识别虹膜图像的掩码图做伸缩变换,得到变换掩码图;变换掩码图的瞳孔半径与预设虹膜图像的瞳孔半径相同,变换掩码图的虹膜半径与预设虹膜图像的虹膜半径相同;将第二识别虹膜图像和变换掩码图输入至预设图像生成模型中,生成第三识别虹膜图像。
本申请通过采用上述方法,在预设虹膜图像的瞳孔半径与识别虹膜图像的瞳孔半径不相同时,通过对识别虹膜图像的掩码图进行伸缩变换,得到变换掩码图,并根据变换掩码图,获取瞳孔半径与预设虹膜图像相同的新的识别虹膜图像。
在一种可能的实施方式中,根据虹膜信息,得到第三识别虹膜图像,还具体包括:判断预设虹膜图像的瞳孔半径与第二识别虹膜图像的瞳孔半径是否相同;当预设虹膜图像的瞳孔半径与第二识别虹膜图像的瞳孔半径相同时,直接将第二识别虹膜图像确定为第三识别虹膜图像。
在一种可能的实施方式中,获取预设虹膜图像的第一有效区域以及第三识别虹膜图像的第二有效区域,具体包括:对预设虹膜图像和第三识别虹膜图像进行归一化处理,得到归一化预设虹膜图像和归一化识别虹膜图像;采用预设特征提取方式,从归一化预设虹膜图像中提取预设虹膜图像的第一二值化特征和第一掩码,且从归一化识别虹膜图像中提取第三识别虹膜图像的第二二值化特征和第二掩码;根据所述第一掩码,判断所述第一二值化特征对应的点位坐标和点位像素值是否有效,且根据所述第二掩码,判断所述第二二值化特征对应的点位坐标和点位像素值是否有效;当所述第一二值化特征对应的点位坐标和点位像素值有效时,根据所述第一掩码,确定所述第一二值化特征对应的第一有效区域;当所述第二二值化特征对应的点位坐标和点位像素值有效时,根据所述第二掩码,确定所述第二二值化特征对应的第二有效区域。
本申请通过采用上述方法,从经过归一化处理的预设虹膜图像以及经过归一化处理的识别虹膜图像中提取二值化特征以及对应的掩码,从而获取虹膜图像中的能够表征各个特征的有效区域。
在一种可能的实施方式中,根据第一有效区域和第二有效区域,分别得到预设虹膜边缘图像和识别虹膜边缘图像,具体包括:获取预设初始标记图,预设初始标记图中任意一个点位的像素值为第一像素值;从第一有效区域和第二有效区域中,筛选像素值相同且点位相同的多个重合点位,多个重合点位中任意一个重合点位的像素值为第二像素值或第三像素值;根据目标重合点位的坐标以及像素值,替换预设初始标记图中与目标重合点位的坐标相同的点位,得到比对标记图;目标重合点位为多个重合点位中任意一个重合点位;根据比对标记图,构建多个连通区域;多个连通区域中任意一个连通区域内各个点位的像素值相同;将多个连通区域按照面积从大到小排序,选取前N个连通区域,得到连通区域集;将连通区域集对应的边缘形状,分别映射到预设虹膜图像和第三识别虹膜图像中,以获得预设虹膜边缘图像和识别虹膜边缘图像。
本申请通过采用上述方法,根据第一有效区域和第二有效区域,得到多个连通区域构成的连通区域集,从而根据连通区域集的边缘形状,获得了能够更加清晰、直接展示预设虹膜图像和识别虹膜图像的边缘特征的预设虹膜边缘图像和识别虹膜边缘图像。
在一种可能的实施方式中,矫正角度根据以下公式确定:
;
其中,为矫正角度,预设虹膜图像的左眼角坐标为/>,预设虹膜图像的右眼角坐标为/>,第一识别虹膜图像的左眼角坐标为/>,第一识别虹膜图像的右眼角坐标为/>。
在一种可能的实施方式中,根据第一有效区域和第二有效区域,分别得到预设虹膜边缘图像和识别虹膜边缘图像之前,方法还包括:获取第一有效区域与第二有效区域的汉明距离;当汉明距离小于预设汉明距离阈值时,确定第三识别虹膜图像为有效图像。
本申请通过采用上述方法,在得到预设虹膜边缘图像和识别虹膜边缘图像之前,通过检测第一有效区域与第二有效区域的汉明距离的,保证第三识别虹膜图像符合图像处理要求。
本申请第二方面提供一种用于比对虹膜图像的可视化处理装置,装置包括图像获取单元、图像矫正单元、信息获取单元、图像变更单元、区域获取单元、边缘图像获取单元以及图像展示单元;
图像获取单元,用于获取预设虹膜图像和第一识别虹膜图像;预设虹膜图像为虹膜图像数据库中存储的目标ID对应的虹膜图像;第一识别虹膜图像为疑似目标ID对应的虹膜图像;
图像矫正单元,用于根据预设虹膜图像的眼角点坐标和第一识别虹膜图像的眼角点坐标,矫正第一识别虹膜图像,得到矫正后的识别虹膜图像;矫正后的识别虹膜图像为第二识别虹膜图像;
信息获取单元,用于获取预设虹膜图像以及第二识别虹膜图像中的虹膜信息,虹膜信息包括瞳孔半径、虹膜半径以及掩码图,掩码图中任意一个像素点的像素值为第一预设像素值或第二预设像素值;
图像变更单元,用于根据虹膜信息,得到第三识别虹膜图像,第三识别虹膜图像的瞳孔半径以及虹膜半径与预设虹膜图像的瞳孔半径以及虹膜半径相同;
区域获取单元,用于获取预设虹膜图像的第一有效区域以及第三识别虹膜图像的第二有效区域,有效区域为掩码图中像素值为第一预设像素值的区域;
边缘图像获取单元,用于根据第一有效区域和第二有效区域,分别得到预设虹膜边缘图像和识别虹膜边缘图像;
图像展示单元,用于向用户展示预设虹膜边缘图像和识别虹膜边缘图像。
本申请第三方面提供一种电子设备,电子设备包括处理器、存储器、用户接口及网络接口,存储器用于存储指令,用户接口和网络接口用于给其他设备通信,处理器用于执行存储器中存储的指令,以使电子设备执行上述中任一项的方法。
本申请第四方面提供一种计算机可读存储介质,计算机可读存储介质存储有指令,当指令被执行时,执行上述中任一项的方法。
与相关技术相比,本申请的有益效果是:
1、在虹膜识别结果的复核检测过程中,通过对预设虹膜图像和识别虹膜图像进行处理,使得用户在进行复核检测时,能够更加直观、清晰的了解到虹膜图像之间是否存在差异,帮助用户完成虹膜图像的复核工作。
2、通过获取虹膜图像的水平夹角,对识别虹膜图像进行矫正,使得识别虹膜图像与预设虹膜图像处于同一水平线上,方便后续对图像的进一步处理。
3、在预设虹膜图像的瞳孔半径与识别虹膜图像的瞳孔半径不相同时,通过对识别虹膜图像的掩码图进行伸缩变换,得到变换掩码图,并根据变换掩码图,获取瞳孔半径与预设虹膜图像相同的新的识别虹膜图像。
4、从经过归一化处理的预设虹膜图像以及经过归一化处理的识别虹膜图像中提取二值化特征以及对应的掩码,从而获取虹膜图像中的能够表征各个特征的有效区域。
5、根据第一有效区域和第二有效区域,得到多个连通区域构成的连通区域集,从而根据连通区域集的边缘形状,获得了能够更加清晰、直接展示预设虹膜图像和识别虹膜图像的边缘特征的预设虹膜边缘图像和识别虹膜边缘图像。
附图说明
图1是本申请实施例提供的一种用于比对虹膜图像的可视化处理方法的第一流程示意图;
图2是本申请实施例提供的一种用于比对虹膜图像的可视化处理方法的第二流程示意图;
图3是本申请实施例提供的一种用于比对虹膜图像的可视化处理方法的第三流程示意图;
图4是本申请实施例提供的一种用于比对虹膜图像的可视化处理方法的第四流程示意图;
图5是本申请实施例提供的一种用于比对虹膜图像的可视化处理方法的第五流程示意图;
图6是本申请实施例提供的一种用于比对虹膜图像的可视化处理方法的第一场景示意图;
图7是本申请实施例提供的一种用于比对虹膜图像的可视化处理方法的第二场景示意图;
图8是本申请实施例提供的一种用于比对虹膜图像的可视化处理装置的结构示意图;
图9是本申请实施例提供的一种电子设备的结构示意图。
附图标记:81、图像获取单元;82、图像矫正单元;83、信息获取单元;84、图像变更单元;85、区域获取单元;86、边缘图像获取单元;87、图像展示单元; 900、电子设备;901、处理器;902、通信总线;903、用户接口;904、网络接口;905、存储器。
实施方式
为了使本技术领域的人员更好地理解本说明书中的技术方案,下面将结合本说明书实施例中的附图,对本说明书实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。
在本申请实施例的描述中,“示性的”、“例如”或者“举例来说”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示性的”、“例如”或者“举例来说”的任何实施例或设计方案不应被解释为比其他实施例或设计方案更优选或更具优势。确切而言,使用“示性的”、“例如”或者“举例来说”等词旨在以具体方式呈现相关概念。
在本申请实施例的描述中,除非另有说明,术语“多个”的含义是指两个或两个以上。例如,多个***是指两个或两个以上的***,多个屏幕终端是指两个或两个以上的屏幕终端。此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
本申请实施例提供一种用于比对虹膜图像的可视化处理方法及装置,在虹膜识别结果的复核检测过程中,通过对预设虹膜图像和识别虹膜图像进行处理,使得用户在进行虹膜比对结果的复核检测时,能够更加直观、清晰的了解到虹膜图像之间是否存在差异,帮助用户完成虹膜图像的复核工作。
本申请实施例中,虹膜比对技术通过如机器学习或者深度学习来进行实现,本申请实施例对采用的虹膜比对技术不进行具体限定。本申请实施例仅示例性的提出通过特征做相似性度量判断,若相似性大于某个预设的阈值,则认为匹配成功。由于用户常需要对匹配成功的结果进行人工复核,但对比两幅虹膜图像对于人来说,不具有很强的可观性,无法直观且清晰的对两幅虹膜图像进行观察。基于上述需求,本申请提供一种用于比对虹膜图像的可视化处理方法及装置。
图1为本申请提供的一种用于比对虹膜图像的可视化处理方法的第一流程示意图,如图1所示,包括步骤S1-S7。
S1,获取预设虹膜图像和第一识别虹膜图像;预设虹膜图像为虹膜图像数据库中存储的目标ID对应的虹膜图像;第一识别虹膜图像为疑似目标ID对应的虹膜图像。
在本申请实施例中,虹膜图像数据库中存储了多个人员ID对应的虹膜图像,在实际应用中,通过预设的虹膜图像采集装置获取人员A的第一识别虹膜图像。经过现有的虹膜比对技术,判断第一识别虹膜图像与虹膜图像数据库中的预设虹膜图像匹配成功,从而给出人员A的身份识别结果为预设虹膜图像对应的目标ID。
S2,根据预设虹膜图像的眼角点坐标和第一识别虹膜图像的眼角点坐标,矫正第一识别虹膜图像,得到矫正后的识别虹膜图像;矫正后的识别虹膜图像为第二识别虹膜图像。
在一种可能的实施方式中,如图2所示,在步骤S2中,根据预设虹膜图像的眼角点坐标和第一识别虹膜图像的眼角点坐标,矫正第一识别虹膜图像,具体包括:步骤S21-S25。
S21,获取预设虹膜图像的左眼角坐标和右眼角坐标。
本申请实施例,选取水平线作为坐标系的X轴,同时从预设虹膜图像的左眼角或是右眼角中选取任意一点构建坐标系,以获取预设虹膜图像的左眼角坐标为,预设虹膜图像的右眼角坐标为/>。
S22,根据预设虹膜图像的左眼角坐标和右眼角坐标,得到预设虹膜图像的第一水平夹角。
S23,获取第一识别虹膜图像的左眼角坐标和右眼角坐标。
基于上述预设虹膜图像的构建方式,同样地构建第一识别虹膜图像的坐标系。
获取第一识别虹膜图像的左眼角坐标为,第一识别虹膜图像的右眼角坐标为/>。
S24,根据第一识别虹膜图像的左眼角坐标和右眼角坐标,得到第一识别虹膜图像的第二水平夹角。
S25,根据第一水平夹角以及第二水平夹角,确定第一识别虹膜图像的矫正角度。
在一种可能的实施方式中,;
其中,为矫正角度,预设虹膜图像的左眼角坐标为/>,预设虹膜图像的右眼角坐标为/>,第一识别虹膜图像的左眼角坐标为/>,第一识别虹膜图像的右眼角坐标为/>。
S26,采用矫正角度对第一识别虹膜图像进行矫正,得到第二识别虹膜图像,第二识别虹膜图像的水平夹角为第一水平夹角。
具体来说,通过上述方式,得到矫正角度,以第一识别虹膜图像的几何中心作为中心点,对第一识别虹膜图像进行旋转,得到二识别虹膜图像,此时第二识别虹膜图像的水平夹角为预设虹膜图像的第一水平夹角。使得人员A的识别虹膜图像与预设虹膜图像对齐。
在本申请实施例中,仅示例性的给出第一识别虹膜图像和预设虹膜图像的坐标系的构建,并非是对此的限定。另外,本申请实施例中提及的右眼角以及右眼角在虹膜图像的位置可参见相关技术中的说明,本申请不做过多赘述。
S3,获取预设虹膜图像以及第二识别虹膜图像中的虹膜信息,虹膜信息包括瞳孔半径、虹膜半径以及掩码图,掩码图中任意一个像素点的像素值为第一预设像素值或第二预设像素值。
在本申请实施例中,通过采用预设图像分割定位技术,得到预设虹膜图像的瞳孔半径、虹膜半径/>、掩码图/>,得到第二识别虹膜图像的瞳孔半径/>、虹膜半径/>、掩码图/>。具体来说,在本申请实施例中,掩码图中包括虹膜区域以及其他区域。其中,虹膜区域的像素值为第一预设像素值,第一预设像素值为255;其他区域的像素值为第二预设像素值,第二预设像素值为0,进而得到长宽为/>的二值图。图像分割定位技术可参见相关技术说明,本申请实施例在此不做过多赘述。
S4,根据虹膜信息,得到第三识别虹膜图像,第三识别虹膜图像的瞳孔半径以及虹膜半径与预设虹膜图像的瞳孔半径以及虹膜半径相同。
在一种可能的实施方式中,如图3所示,在步骤S4中,根据虹膜信息,得到第三识别虹膜图像,具体包括步骤S41-S43。
S41,判断预设虹膜图像的瞳孔半径与第二识别虹膜图像的瞳孔半径是否相同。
在本申请实施例中,在获取预设虹膜图像的第一有效区域以及识别虹膜图像的第二有效区域之前,需要对识别虹膜图像的瞳孔半径与预设虹膜图像的瞳孔半径进行检测。目的是确保后续的第一有效区域以及第二有效区域的获取结果能够满足后续图像处理的要求,使得变换掩码图的瞳孔半径与预设虹膜图像的瞳孔半径相同,变换掩码图的虹膜半径与预设虹膜图像的虹膜半径相同,变换掩码图的获取可以参见后续实施例内容。
在本申请实施例中,当预设虹膜图像的瞳孔半径与第二识别虹膜图像的瞳孔半径相同时,预设虹膜图像的虹膜半径与第二识别虹膜图像的虹膜半径也相同。因此,在对虹膜图像进行检测时,仅需要判断预设虹膜图像的瞳孔半径与第二识别虹膜图像的瞳孔半径是否相同。本申请实施例中,预设虹膜图像的瞳孔半径与第二识别虹膜图像的瞳孔半径之间的差值为。当/>的值小于预设瞳孔半径差值时,可以认为预设虹膜图像的瞳孔半径与第二识别虹膜图像的瞳孔半径相同,本申请实施例对于预设瞳孔半径差值的选取不做具体限定。
S42,当预设虹膜图像的瞳孔半径与第二识别虹膜图像的瞳孔半径不相同时,根据预设虹膜图像的瞳孔半径,对第二识别虹膜图像的掩码图做伸缩变换,得到变换掩码图;变换掩码图的瞳孔半径与预设虹膜图像的瞳孔半径相同,变换掩码图的虹膜半径与预设虹膜图像的虹膜半径相同。
在本申请实施例中,当的值大于或等于预设瞳孔半径差值时,可以认为预设虹膜图像的瞳孔半径与第二识别虹膜图像的瞳孔半径不相同。此时,以预设虹膜图像的瞳孔半径/>为标准,当/>大于/>时,对第二识别虹膜图像的掩码图进行放大;当/>小于/>时,对第二识别虹膜图像的掩码图进行缩小。最终使得第二识别虹膜图像的掩码图中的瞳孔半径等于预设虹膜图像的瞳孔半径/>。上述对第二识别虹膜图像的掩码图进行一系列伸缩变换操作得到的新的掩码图即为变换掩码图。
S43,将第二识别虹膜图像和变换掩码图输入至预设图像生成模型中,生成第三识别虹膜图像。
在本申请实施例中,用图像生成技术,比如GAN模型或扩散模型等,训练一个图像生成模型,图像生成模型具有保持图像中特征的特性不变特点。以便于保持虹膜半径、瞳孔半径、虹膜内外环、虹膜有限区域不变,本申请实施例中,对采用的图像生成技术不做具体限定。
具体来说,将第二识别虹膜图像和变换掩码图,输入预设图像生成模型中,生成第三识别虹膜图像。变换掩码图主要起到生成引导作用,使得第二识别虹膜图像不断迭代。在模型应用过程中,以变换掩码图为参考标准,如果第二识别虹膜图像与变换掩码图的瞳孔半径和虹膜半径不一致,则继续生成图像,最终得到第三识别虹膜图像。
在一种可能的实施方式中,如图3所示,步骤S4还包括步骤S44。
S44,当预设虹膜图像的瞳孔半径与第二识别虹膜图像的瞳孔半径相同时,直接将第二识别虹膜图像确定为第三识别虹膜图像。
S5,获取预设虹膜图像的第一有效区域以及第三识别虹膜图像的第二有效区域,有效区域为掩码图中像素值为第一预设像素值的区域。
在一种可能的实施方式中,如图4所示,在步骤S5中,获取预设虹膜图像的第一有效区域以及第三识别虹膜图像的第二有效区域,具体包括步骤S51-S54。
S51,对预设虹膜图像和第三识别虹膜图像进行归一化处理,得到归一化预设虹膜图像和归一化识别虹膜图像。
在本申请实施例中,虹膜图像的归一化处理是指对虹膜图像进行了一系列标准的处理变换,使之变换为一固定标准形式的过程,上述过程中得到的标准图像称作到归一化预设虹膜图像和归一化识别虹膜图像。
S52,采用预设特征提取方式,从归一化预设虹膜图像中提取预设虹膜图像的第一二值化特征和第一掩码,且从归一化识别虹膜图像中提取第三识别虹膜图像的第二二值化特征和第二掩码;第一掩码用于表示第一二值化特征对应的点位坐标和点位像素值;第二掩码用于表示第二二值化特征对应的点位坐标和点位像素值。
具体来说,在本申请中,归一化预设虹膜图像基通过于Gabor的经典特征提取方法或者神经网络的特征提取方法,提取预设虹膜图像中的特征,利用二值化技术,获取对应的第一二值特征,其对应的第一掩码为/>。归一化识别虹膜图像通过基于Gabor的经典特征提取方法或者神经网络的特征提取方法,提取第三识别虹膜图像中的特征,利用二值化技术,获取对应的第二二值特征/>,其对应的第二掩码为/>。
S53,根据第一掩码,判断第一二值化特征对应的点位坐标和点位像素值是否有效,且根据第二掩码,判断第二二值化特征对应的点位坐标和点位像素值是否有效。
本申请实施例中,根据第一掩码来判断第一二值化特征对应的点位是否为非零点位,当为非零点位时,确定第一二值化特征对应的点位坐标和点位像素值有效。反之,第一二值化特征对应的点位为零点位时,确定第一二值化特征对应的点位坐标和点位像素值无效。本申请实施例中,判断第二二值化特征对应的点位坐标和点位像素值是否有效的过程可以参见上述第一二值化特征的具体实现方式。
示例性的,第一二值化特征包括至少一个点位A,根据第一掩码,逐一对第一二值化特征中的点位进行判断。当点位A为非零点位时,确定点位A对应的点位坐标和点位像素值有效;当点位A为零点位时,确定点位A对应的点位坐标和点位像素值无效。在本申请实施例中,对第一二值化特征中的点位的具体数量不做限定。
S54,当第一二值化特征对应的点位坐标和点位像素值有效时,根据第一掩码,确定第一二值化特征对应的第一有效区域。
S55,当第二二值化特征对应的点位坐标和点位像素值有效时,根据第二掩码,确定第二二值化特征对应的第二有效区域。
本申请实施例中,,根据第一掩码来判断点位A为非零点位时,基于得到的有效点位A的点位坐标和点位像素值,从预设虹膜图像的掩码图中获取相应的点位坐标和点位像素值。进一步的,根据第一掩码依次获取所有的有效点位的点位坐标和点位像素值,从预设虹膜图像的掩码图中获取相应的点位坐标和点位像素值。从而根据获得的预设虹膜图像的掩码图中的点位坐标和点位像素值,得到第一有效区域。第二有效区域的获取可以参见第一有效区域的获取。第二有效区域基于第三识别虹膜图像的掩码图进行获取。
具体的,第三识别虹膜图像的掩码图的获取过程,包括两种不同的情况。其中,基于第二识别虹膜图像的掩码图进行获取时的条件,参见上述步骤S44中的情况,当预设虹膜图像的瞳孔半径与第二识别虹膜图像的瞳孔半径相同时,根据第二识别虹膜图像的掩码图直接得到第三识别虹膜图像的掩码图。基于变换掩码图进行获取时的条件,参见步骤S42中的情况,当预设虹膜图像的瞳孔半径与第二识别虹膜图像的瞳孔半径不相同时,根据变换掩码图直接得到第三识别虹膜图像的掩码图。
S6,根据第一有效区域和第二有效区域,分别得到预设虹膜边缘图像和识别虹膜边缘图像。
在一种可能的实施方式中,如图5所示,在步骤S6中,根据第一有效区域和第二有效区域,分别得到预设虹膜边缘图像和识别虹膜边缘图像,具体包括步骤S61-S66。
S61,获取预设初始标记图,预设初始标记图中任意一个点位的像素值为第一像素值。
S62,从第一有效区域和第二有效区域中,筛选像素值相同且点位相同的多个重合点位,多个重合点位中任意一个重合点位的像素值为第二像素值或第三像素值。
S63,根据目标重合点位的坐标以及像素值,替换预设初始标记图中与目标重合点位的坐标相同的点位,得到比对标记图;目标重合点位为多个重合点位中任意一个重合点位。
对于步骤S61-S63,如图6所示,示例性的给出初始化标记图的变换过程。具体来说,首先获取初始化标记图,初始化标记图中任意一个点位的像素值全为-1。统计第一有效区域和第二有效区域中,筛选像素值相同且点位相同的多个重合点位。当重合点位的像素值为1,则该重合点位的坐标在对应的初始化标记图/>中的像素值为1;当重合点位的像素值为0,则该重合点位的坐标在对应的标记图/>中的像素值为0。最终标记图变更为如图7的比对标记图。
S64,根据比对标记图,构建多个连通区域;多个连通区域中任意一个连通区域内各个点位的像素值相同。
S65,将多个连通区域按照面积从大到小排序,选取前N个连通区域,得到连通区域集。
具体来说,最终得到的多个连通区域,查找比对标记图中的像素值为1和0的连通区域,并统计每个连通区域的面积,按照面积从大到小排序,选取前N个连通区域,由此构成连通区域集 , 其中/>为某个连通区域。在本申请实施例中,仅示例的给出了比对标记图,在实际应用中,比对标记图的点位数量存在更加庞大的情况,图中的连通区域的数量众多。因此需要按照面积从大到小排序,选取前N个连通区域构成区域集,减少冗余的计算处理过程。
S66,将连通区域集对应的边缘形状,分别映射到预设虹膜图像和第三识别虹膜图像中,以获得预设虹膜边缘图像和识别虹膜边缘图像。
在本申请实施例中,虹膜图像中的斑点、条纹、细丝、冠状、隐窝等细节视觉特征可以作为一个连通区域,这些区域具有几何特点,通过S61-S65中获取的连通区域集对应的边缘形状,可以得到虹膜图像中匹配区域。
具体来说,针对连通区域集中每个连通区域,利用边界追踪技术,获取边缘形状信息。根据边缘形状信息,然后逆归一化之后,标出预设虹膜图像中的预设虹膜边缘图像,和第三识别虹膜图像中的识别虹膜边缘图像。
S7,向用户展示预设虹膜边缘图像和识别虹膜边缘图像。
用户在获取到预设虹膜边缘图像和识别虹膜边缘图像,能够根据边缘形状标出的图像,更加直观。清晰的观察预设虹膜边缘图像和识别虹膜边缘图像,从而完成虹膜识别结果的复核。
在一种可能的实施方式中,根据第一有效区域和第二有效区域,分别得到预设虹膜边缘图像和识别虹膜边缘图像之前,方法还包括:
获取第一有效区域与第二有效区域的汉明距离;当汉明距离小于预设汉明距离阈值时,确定第三识别虹膜图像为有效图像。
在一种可能的实施方式中,当汉明距离大于或等于预设汉明距离阈值时,确定第三识别虹膜图像为无效图像,重新获取第三识别虹膜图像。
本申请实施例中的汉明距离用于表示第一有效区域与第二有效区域的相似程度,当汉明距离大于或等于预设汉明距离阈值,说明第一有效区域与第二有效区域存在的差异较大。此时需要重新获取第三识别虹膜图像,以得到新的第二有效区域。
本申请通过采用上述实施例,能够达到的有益效果包括下面中的一种或多种:
1、在虹膜识别结果的复核检测过程中,通过对预设虹膜图像和识别虹膜图像进行处理,使得用户在进行复核检测时,能够更加直观、清晰的了解到虹膜图像之间是否存在差异,帮助用户完成虹膜图像的复核工作。
2、通过获取虹膜图像的水平夹角,对识别虹膜图像进行矫正,使得识别虹膜图像与预设虹膜图像处于同一水平线上,方便后续对图像的进一步处理。
3、在预设虹膜图像的瞳孔半径与识别虹膜图像的瞳孔半径不相同时,通过对识别虹膜图像的掩码图进行伸缩变换,得到变换掩码图,并根据变换掩码图,获取瞳孔半径与预设虹膜图像相同的新的识别虹膜图像。
4、从经过归一化处理的预设虹膜图像以及经过归一化处理的识别虹膜图像中提取二值化特征以及对应的掩码,从而获取虹膜图像中的能够表征各个特征的有效区域。
5、根据第一有效区域和第二有效区域,得到多个连通区域构成的连通区域集,从而根据连通区域集的边缘形状,获得了能够更加清晰、直接展示预设虹膜图像和识别虹膜图像的边缘特征的预设虹膜边缘图像和识别虹膜边缘图像。
本申请实施例提供一种用于比对虹膜图像的可视化处理装置,如图8所示。装置包括图像获取单元81、图像矫正单元82、信息获取单元83、图像变更单元84、区域获取单元85、边缘图像获取单元86以及图像展示单元87。
图像获取单元81,用于获取预设虹膜图像和第一识别虹膜图像;预设虹膜图像为虹膜图像数据库中存储的目标ID对应的虹膜图像;第一识别虹膜图像为疑似目标ID对应的虹膜图像。
图像矫正单元82,用于根据预设虹膜图像的眼角点坐标和第一识别虹膜图像的眼角点坐标,矫正第一识别虹膜图像,得到矫正后的识别虹膜图像;矫正后的识别虹膜图像为第二识别虹膜图像。
信息获取单元83,用于获取预设虹膜图像以及第二识别虹膜图像中的虹膜信息,虹膜信息包括瞳孔半径、虹膜半径以及掩码图,掩码图中任意一个像素点的像素值为第一预设像素值或第二预设像素值。
图像变更单元84,用于根据虹膜信息,得到第三识别虹膜图像,第三识别虹膜图像的瞳孔半径以及虹膜半径与预设虹膜图像的瞳孔半径以及虹膜半径相同。
区域获取单元85,用于获取预设虹膜图像的第一有效区域以及第三识别虹膜图像的第二有效区域,有效区域为掩码图中像素值为第一预设像素值的区域;
边缘图像获取单元86,用于根据第一有效区域和第二有效区域,分别得到预设虹膜边缘图像和识别虹膜边缘图像。
图像展示单元87,用于向用户展示预设虹膜边缘图像和识别虹膜边缘图像。
在一种可能的实施方式中,图像矫正单元82包括第一坐标获取模块、第一夹角获取模块、第二坐标获取模块、第二夹角获取模块、角度计算模块、矫正模块。
第一坐标获取模块,用于获取预设虹膜图像的左眼角坐标和右眼角坐标。
第一夹角获取模块,用于根据预设虹膜图像的左眼角坐标和右眼角坐标,得到预设虹膜图像的第一水平夹角。
第二坐标获取模块,用于获取第一识别虹膜图像的左眼角坐标和右眼角坐标。
第二夹角获取模块,用于根据第一识别虹膜图像的左眼角坐标和右眼角坐标,得到第一识别虹膜图像的第二水平夹角。
矫正模块,用于根据第一水平夹角以及第二水平夹角,确定第一识别虹膜图像的矫正角度。
在一种可能的实施方式中,图像变更单元84包括瞳孔检测模块、第一变更模块、模型应用模块以及第二变更模块。
瞳孔检测模块,用于判断预设虹膜图像的瞳孔半径与第二识别虹膜图像的瞳孔半径是否相同。
第一变更模块,用于当预设虹膜图像的瞳孔半径与第二识别虹膜图像的瞳孔半径不相同时,根据预设虹膜图像的瞳孔半径,对第二识别虹膜图像的掩码图做伸缩变换,得到变换掩码图;变换掩码图的瞳孔半径与预设虹膜图像的瞳孔半径相同,变换掩码图的虹膜半径与预设虹膜图像的虹膜半径相同。
模型应用模块,用于将第二识别虹膜图像和变换掩码图输入至预设图像生成模型中,生成第三识别虹膜图像。
第二变更模块,用于当预设虹膜图像的瞳孔半径与第二识别虹膜图像的瞳孔半径相同时,直接将第二识别虹膜图像确定为第三识别虹膜图像。
在一种可能的实施方式中,区域获取单元85包括归一化处理模块、特征提取模块、第一区域确定模块以及第二区域确定模块。
归一化处理模块,用于对预设虹膜图像和第三识别虹膜图像进行归一化处理,得到归一化预设虹膜图像和归一化识别虹膜图像。
特征提取模块,用于采用预设特征提取方式,从归一化预设虹膜图像中提取预设虹膜图像的第一二值化特征和第一掩码,且从归一化识别虹膜图像中提取第三识别虹膜图像的第二二值化特征和第二掩码;第一掩码用于表示第一二值化特征对应的点位坐标和点位像素值;第二掩码用于表示第二二值化特征对应的点位坐标和点位像素值。
第一区域确定模块,用于根据第一掩码,确定第一二值化特征对应的第一有效区域。
第二区域确定模块,用于根据第二掩码,确定第二二值化特征对应的第二有效区域。
在一种可能的实施方式中,边缘图像获取单元86包括标记图获取模块、点位筛选模块、点位变换模块、区域构建模块、区域筛选模块以及边缘图像获取模块。
标记图获取模块,用于获取预设初始标记图,预设初始标记图中任意一个点位的像素值为第一像素值。
点位筛选模块,用于从第一有效区域和第二有效区域中,筛选像素值相同且点位相同的多个重合点位,多个重合点位中任意一个重合点位的像素值为第二像素值或第三像素值。
点位变换模块,用于根据目标重合点位的坐标以及像素值,替换预设初始标记图中与目标重合点位的坐标相同的点位,得到比对标记图;目标重合点位为多个重合点位中任意一个重合点位。
区域构建模块,用于根据比对标记图,构建多个连通区域;多个连通区域中任意一个连通区域内各个点位的像素值相同。
区域筛选模块,用于将多个连通区域按照面积从大到小排序,选取前N个连通区域,得到连通区域集。
边缘图像获取模块,用于将连通区域集对应的边缘形状,分别映射到预设虹膜图像和第三识别虹膜图像中,以获得预设虹膜边缘图像和识别虹膜边缘图像。
需要说明的是:上述实施例提供的装置在实现其功能时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的装置和方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
请参见图9,为本申请实施例提供了一种电子设备的结构示意图。如图9所示,所述电子设备900可以包括:至少一个处理器901,至少一个网络接口904,用户接口903,存储器905,至少一个通信总线902。
其中,通信总线902用于实现这些组件之间的连接通信。
其中,用户接口903可以包括显示屏(Display)、摄像头(Camera),可选用户接口903还可以包括标准的有线接口、无线接口。
其中,网络接口904可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。
其中,处理器901可以包括一个或者多个处理核心。处理器901利用各种接口和线路连接整个服务器内的各个部分,通过运行或执行存储在存储器905内的指令、程序、代码集或指令集,以及调用存储在存储器905内的数据,执行服务器的各种功能和处理数据。可选的,处理器901可以采用数字信号处理(Digital Signal Processing,DSP)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、可编程逻辑阵列(Programmable LogicArray,PLA)中的至少一种硬件形式来实现。处理器901可集成中央处理器(CentralProcessing Unit,CPU)、图像处理器(Graphics Processing Unit,GPU)和调制解调器等中的一种或几种的组合。其中,CPU主要处理操作***、用户界面和应用程序等;GPU用于负责显示屏所需要显示的内容的渲染和绘制;调制解调器用于处理无线通信。可以理解的是,上述调制解调器也可以不集成到处理器901中,单独通过一块芯片进行实现。
其中,存储器905可以包括随机存储器(Random Access Memory,RAM),也可以包括只读存储器(Read-Only Memory)。可选的,该存储器905包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。存储器905可用于存储指令、程序、代码、代码集或指令集。存储器905可包括存储程序区和存储数据区,其中,存储程序区可存储用于实现操作***的指令、用于至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现上述各个方法实施例的指令等;存储数据区可存储上面各个方法实施例中涉及的数据等。存储器905可选的还可以是至少一个位于远离前述处理器901的存储装置。如图9所示,作为一种计算机存储介质的存储器905中可以包括操作***、网络通信模块、用户接口模块以及关于用于比对虹膜图像的可视化处理的应用程序。
在图9所示的电子设备900中,用户接口903主要用于为用户提供输入的接口,获取用户输入的数据;而处理器901可以用于调用存储器905中存储有用于比对虹膜图像的可视化处理的应用程序,当由一个或多个处理器执行时,使得电子设备900执行如上述实施例中一个或多个所述的方法。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必需的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所披露的装置,可通过其他的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些服务接口,装置或单元的间接耦合或通信连接,可以是电性或其他的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储器中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储器中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储器包括:U盘、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述者,仅为本公开的示例性实施例,不能以此限定本公开的范围。即但凡依本公开教导所作的等效变化与修饰,皆仍属本公开涵盖的范围内。本领域技术人员在考虑说明书及实践真理的公开后,将容易想到本公开的其他实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未记载的本技术领域中的公知常识或惯用技术手段。
Claims (9)
1.一种用于比对虹膜图像的可视化处理方法,其特征在于,应用于服务器中,所述方法包括:
获取预设虹膜图像和第一识别虹膜图像;所述预设虹膜图像为虹膜图像数据库中存储的目标ID对应的虹膜图像;所述第一识别虹膜图像为疑似目标ID对应的虹膜图像;
根据所述预设虹膜图像的眼角点坐标和所述第一识别虹膜图像的眼角点坐标,矫正所述第一识别虹膜图像,得到矫正后的识别虹膜图像;所述矫正后的识别虹膜图像为第二识别虹膜图像;
获取所述预设虹膜图像以及第二识别虹膜图像中的虹膜信息,所述虹膜信息包括瞳孔半径、虹膜半径以及掩码图,所述掩码图中任意一个像素点的像素值为第一预设像素值或第二预设像素值;虹膜区域的像素值为所述第一预设像素值;
根据所述预设虹膜图像以及第二识别虹膜图像中的虹膜信息以及所述第二识别虹膜图像,得到第三识别虹膜图像,所述第三识别虹膜图像的瞳孔半径以及虹膜半径与所述预设虹膜图像的瞳孔半径以及虹膜半径相同;
获取所述预设虹膜图像的第一有效区域以及所述第三识别虹膜图像的第二有效区域,有效区域为所述掩码图中像素值为所述第一预设像素值的区域;
根据所述第一有效区域和所述第二有效区域,分别得到预设虹膜边缘图像和识别虹膜边缘图像,具体包括:获取预设初始标记图,所述预设初始标记图中任意一个点位的像素值为第一像素值;从所述第一有效区域和所述第二有效区域中,筛选像素值相同且点位相同的多个重合点位,多个所述重合点位中任意一个重合点位的像素值为第二像素值或第三像素值;根据目标重合点位的坐标以及像素值,替换所述预设初始标记图中与所述目标重合点位的坐标相同的点位,得到比对标记图;所述目标重合点位为多个所述重合点位中任意一个重合点位;根据所述比对标记图,构建多个连通区域;多个所述连通区域中任意一个连通区域内各个点位的像素值相同,任意一个所述连通区域中的点位坐标为所述重合点位的坐标;将多个所述连通区域按照面积从大到小排序,选取前N个所述连通区域,得到连通区域集;将所述连通区域集对应的边缘形状,分别映射到所述预设虹膜图像和所述第三识别虹膜图像中,以获得所述预设虹膜边缘图像和所述识别虹膜边缘图像;
向用户展示所述预设虹膜边缘图像和所述识别虹膜边缘图像。
2.根据权利要求1所述的方法,其特征在于,所述根据所述预设虹膜图像的眼角点坐标和所述第一识别虹膜图像的眼角点坐标,矫正所述第一识别虹膜图像,具体包括:
获取所述预设虹膜图像的左眼角坐标和右眼角坐标;
根据所述预设虹膜图像的左眼角坐标和右眼角坐标,得到所述预设虹膜图像的第一水平夹角;
获取所述第一识别虹膜图像的左眼角坐标和右眼角坐标;
根据所述第一识别虹膜图像的左眼角坐标和右眼角坐标,得到所述第一识别虹膜图像的第二水平夹角;
根据所述第一水平夹角以及所述第二水平夹角,确定所述第一识别虹膜图像的矫正角度;
采用所述矫正角度对所述第一识别虹膜图像进行矫正,得到所述第二识别虹膜图像,所述第二识别虹膜图像的水平夹角为所述第一水平夹角。
3.根据权利要求1所述的方法,其特征在于,所述根据所述虹膜信息,得到第三识别虹膜图像,具体包括:
判断所述预设虹膜图像的瞳孔半径与所述第二识别虹膜图像的瞳孔半径是否相同;
当所述预设虹膜图像的瞳孔半径与所述第二识别虹膜图像的瞳孔半径不相同时,根据所述预设虹膜图像的瞳孔半径,对所述第二识别虹膜图像的掩码图做伸缩变换,得到变换掩码图;所述变换掩码图的瞳孔半径与所述预设虹膜图像的瞳孔半径相同,所述变换掩码图的虹膜半径与所述预设虹膜图像的虹膜半径相同;
将所述第二识别虹膜图像和所述变换掩码图输入至预设图像生成模型中,生成所述第三识别虹膜图像。
4.根据权利要求1所述的方法,其特征在于,所述根据所述虹膜信息,得到第三识别虹膜图像,还具体包括:
判断所述预设虹膜图像的瞳孔半径与所述第二识别虹膜图像的瞳孔半径是否相同;
当所述预设虹膜图像的瞳孔半径与所述第二识别虹膜图像的瞳孔半径相同时,直接将所述第二识别虹膜图像确定为所述第三识别虹膜图像。
5.根据权利要求1所述的方法,其特征在于,所述获取所述预设虹膜图像的第一有效区域以及所述第三识别虹膜图像的第二有效区域,具体包括:
对所述预设虹膜图像和所述第三识别虹膜图像进行归一化处理,得到归一化预设虹膜图像和归一化识别虹膜图像;
采用预设特征提取方式,从所述归一化预设虹膜图像中提取所述预设虹膜图像的第一二值化特征和第一掩码,且从所述归一化识别虹膜图像中提取所述第三识别虹膜图像的第二二值化特征和第二掩码;
根据所述第一掩码,判断所述第一二值化特征对应的点位坐标和点位像素值是否有效,且根据所述第二掩码,判断所述第二二值化特征对应的点位坐标和点位像素值是否有效;
当所述第一二值化特征对应的点位坐标和点位像素值有效时,根据所述第一掩码,确定所述第一二值化特征对应的第一有效区域;
当所述第二二值化特征对应的点位坐标和点位像素值有效时,根据所述第二掩码,确定所述第二二值化特征对应的第二有效区域。
6.根据权利要求2所述的方法,其特征在于,所述矫正角度根据以下公式确定:
其中,/>为所述矫正角度,所述预设虹膜图像的左眼角坐标为P1(x1,y1),所述预设虹膜图像的右眼角坐标为P2(x2,y2),所述第一识别虹膜图像的左眼角坐标为P3(x3,y3),所述第一识别虹膜图像的右眼角坐标为P4(x4,y4)。
7.根据权利要求1所述的方法,其特征在于,所述根据所述第一有效区域和所述第二有效区域,分别得到预设虹膜边缘图像和识别虹膜边缘图像之前,所述方法还包括:
获取所述第一有效区域与所述第二有效区域的汉明距离;
当所述汉明距离小于预设汉明距离阈值时,确定所述第三识别虹膜图像为有效图像。
8.一种用于比对虹膜图像的可视化处理装置,其特征在于,所述装置包括图像获取单元(81)、图像矫正单元(82)、信息获取单元(83)、图像变更单元(84)、区域获取单元(85)、边缘图像获取单元(86)以及图像展示单元(87);
所述图像获取单元(81),用于获取预设虹膜图像和第一识别虹膜图像;所述预设虹膜图像为虹膜图像数据库中存储的目标ID对应的虹膜图像;所述第一识别虹膜图像为疑似目标ID对应的虹膜图像;
所述图像矫正单元(82),用于根据所述预设虹膜图像的眼角点坐标和所述第一识别虹膜图像的眼角点坐标,矫正所述第一识别虹膜图像,得到矫正后的识别虹膜图像;所述矫正后的识别虹膜图像为第二识别虹膜图像;
所述信息获取单元(83),用于获取所述预设虹膜图像以及第二识别虹膜图像中的虹膜信息,所述虹膜信息包括瞳孔半径、虹膜半径以及掩码图,所述掩码图中任意一个像素点的像素值为第一预设像素值或第二预设像素值;虹膜区域的像素值为所述第一预设像素值;
所述图像变更单元(84),用于根据所述预设虹膜图像以及第二识别虹膜图像中的虹膜信息以及所述第二识别虹膜图像,得到第三识别虹膜图像,所述第三识别虹膜图像的瞳孔半径以及虹膜半径与所述预设虹膜图像的瞳孔半径以及虹膜半径相同;
所述区域获取单元(85),用于获取所述预设虹膜图像的第一有效区域以及所述第三识别虹膜图像的第二有效区域,有效区域为所述掩码图中像素值为所述第一预设像素值的区域;
所述边缘图像获取单元(86),用于根据所述第一有效区域和所述第二有效区域,分别得到预设虹膜边缘图像和识别虹膜边缘图像,具体包括:获取预设初始标记图,所述预设初始标记图中任意一个点位的像素值为第一像素值;从所述第一有效区域和所述第二有效区域中,筛选像素值相同且点位相同的多个重合点位,多个所述重合点位中任意一个重合点位的像素值为第二像素值或第三像素值;根据目标重合点位的坐标以及像素值,替换所述预设初始标记图中与所述目标重合点位的坐标相同的点位,得到比对标记图;所述目标重合点位为多个所述重合点位中任意一个重合点位;根据所述比对标记图,构建多个连通区域;多个所述连通区域中任意一个连通区域内各个点位的像素值相同,任意一个所述连通区域中的点位坐标为所述重合点位的坐标;将多个所述连通区域按照面积从大到小排序,选取前N个所述连通区域,得到连通区域集;将所述连通区域集对应的边缘形状,分别映射到所述预设虹膜图像和所述第三识别虹膜图像中,以获得所述预设虹膜边缘图像和所述识别虹膜边缘图像;
所述图像展示单元(87),用于向用户展示所述预设虹膜边缘图像和所述识别虹膜边缘图像。
9.一种电子设备,其特征在于,包括处理器(901)、用户接口(903)、网络接口(904)及存储器(905),所述存储器(905)用于存储指令,所述用户接口(903)和所述网络接口(904)用于给其他设备通信,所述处理器(901)用于执行所述存储器(905)中存储的指令,以使所述电子设备(900)执行如权利要求1-7任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310712499.8A CN116798107B (zh) | 2023-06-16 | 2023-06-16 | 一种用于比对虹膜图像的可视化处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310712499.8A CN116798107B (zh) | 2023-06-16 | 2023-06-16 | 一种用于比对虹膜图像的可视化处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116798107A CN116798107A (zh) | 2023-09-22 |
CN116798107B true CN116798107B (zh) | 2024-05-14 |
Family
ID=88043401
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310712499.8A Active CN116798107B (zh) | 2023-06-16 | 2023-06-16 | 一种用于比对虹膜图像的可视化处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116798107B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104091155A (zh) * | 2014-07-04 | 2014-10-08 | 武汉工程大学 | 光照鲁棒的虹膜快速定位方法 |
CN104484649A (zh) * | 2014-11-27 | 2015-04-01 | 北京天诚盛业科技有限公司 | 虹膜识别的方法和装置 |
CN105160306A (zh) * | 2015-08-11 | 2015-12-16 | 北京天诚盛业科技有限公司 | 虹膜图像模糊判断的方法和装置 |
KR20160030674A (ko) * | 2014-09-11 | 2016-03-21 | 삼성전자주식회사 | 홍채 인식 방법 및 장치 |
CN106022315A (zh) * | 2016-06-17 | 2016-10-12 | 北京极创未来科技有限公司 | 一种用于虹膜识别的瞳孔中心定位方法 |
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 |
CN108734064A (zh) * | 2017-04-20 | 2018-11-02 | 上海耕岩智能科技有限公司 | 一种虹膜识别的方法和装置 |
KR20190060671A (ko) * | 2017-11-24 | 2019-06-03 | 삼성전자주식회사 | 홍채 인식 기반 사용자 인증 장치 및 방법 |
CN110059589A (zh) * | 2019-03-21 | 2019-07-26 | 昆山杜克大学 | 一种基于Mask R-CNN神经网络的虹膜图像中虹膜区域的分割方法 |
CN111161276A (zh) * | 2019-11-27 | 2020-05-15 | 天津中科智能识别产业技术研究院有限公司 | 一种虹膜归一化图像的形成方法 |
CN111476808A (zh) * | 2020-03-19 | 2020-07-31 | 北京万里红科技股份有限公司 | 虹膜图像的清晰度评价方法及装置 |
CN114445904A (zh) * | 2021-12-20 | 2022-05-06 | 北京无线电计量测试研究所 | 基于全卷积神经网络的虹膜分割方法和装置、介质和设备 |
CN115457126A (zh) * | 2022-08-29 | 2022-12-09 | 中汽创智科技有限公司 | 一种瞳孔定位方法、装置、电子设备和存储介质 |
KR20220169770A (ko) * | 2021-06-21 | 2022-12-28 | 주식회사 에이제이투 | 홍채 인식용 이미지 생성 장치 및 방법 |
CN115984538A (zh) * | 2022-12-16 | 2023-04-18 | 北京无线电计量测试研究所 | 一种虹膜定位方法、装置、设备及存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060008124A1 (en) * | 2004-07-12 | 2006-01-12 | Ewe Hong T | Iris image-based recognition system |
US8023699B2 (en) * | 2007-03-09 | 2011-09-20 | Jiris Co., Ltd. | Iris recognition system, a method thereof, and an encryption system using the same |
US8411910B2 (en) * | 2008-04-17 | 2013-04-02 | Biometricore, Inc. | Computationally efficient feature extraction and matching iris recognition |
US10943110B2 (en) * | 2018-06-26 | 2021-03-09 | Eyelock Llc | Biometric matching using normalized iris images |
CN113283271A (zh) * | 2020-02-20 | 2021-08-20 | 深圳爱酷智能科技有限公司 | 虹膜自动捕捉方法、装置、计算机可读存储介质及设备 |
-
2023
- 2023-06-16 CN CN202310712499.8A patent/CN116798107B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104091155A (zh) * | 2014-07-04 | 2014-10-08 | 武汉工程大学 | 光照鲁棒的虹膜快速定位方法 |
KR20160030674A (ko) * | 2014-09-11 | 2016-03-21 | 삼성전자주식회사 | 홍채 인식 방법 및 장치 |
CN104484649A (zh) * | 2014-11-27 | 2015-04-01 | 北京天诚盛业科技有限公司 | 虹膜识别的方法和装置 |
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 |
CN105160306A (zh) * | 2015-08-11 | 2015-12-16 | 北京天诚盛业科技有限公司 | 虹膜图像模糊判断的方法和装置 |
CN106022315A (zh) * | 2016-06-17 | 2016-10-12 | 北京极创未来科技有限公司 | 一种用于虹膜识别的瞳孔中心定位方法 |
CN108734064A (zh) * | 2017-04-20 | 2018-11-02 | 上海耕岩智能科技有限公司 | 一种虹膜识别的方法和装置 |
KR20190060671A (ko) * | 2017-11-24 | 2019-06-03 | 삼성전자주식회사 | 홍채 인식 기반 사용자 인증 장치 및 방법 |
CN110059589A (zh) * | 2019-03-21 | 2019-07-26 | 昆山杜克大学 | 一种基于Mask R-CNN神经网络的虹膜图像中虹膜区域的分割方法 |
CN111161276A (zh) * | 2019-11-27 | 2020-05-15 | 天津中科智能识别产业技术研究院有限公司 | 一种虹膜归一化图像的形成方法 |
CN111476808A (zh) * | 2020-03-19 | 2020-07-31 | 北京万里红科技股份有限公司 | 虹膜图像的清晰度评价方法及装置 |
KR20220169770A (ko) * | 2021-06-21 | 2022-12-28 | 주식회사 에이제이투 | 홍채 인식용 이미지 생성 장치 및 방법 |
CN114445904A (zh) * | 2021-12-20 | 2022-05-06 | 北京无线电计量测试研究所 | 基于全卷积神经网络的虹膜分割方法和装置、介质和设备 |
CN115457126A (zh) * | 2022-08-29 | 2022-12-09 | 中汽创智科技有限公司 | 一种瞳孔定位方法、装置、电子设备和存储介质 |
CN115984538A (zh) * | 2022-12-16 | 2023-04-18 | 北京无线电计量测试研究所 | 一种虹膜定位方法、装置、设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
李庆嵘,马争.虹膜定位算法研究.电子科技大学学报.2002,(第01期),第10-12页. * |
虹膜定位算法研究;李庆嵘, 马争;电子科技大学学报;20020228(第01期);第10-12页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116798107A (zh) | 2023-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11109941B2 (en) | Tracking surgical items with prediction of duplicate imaging of items | |
JP4303410B2 (ja) | 紋様中心決定装置および紋様方向決定装置並びに紋様位置合わせ装置および紋様照合装置 | |
JP3725998B2 (ja) | 指紋照合装置及び照合方法 | |
AU2012200238B2 (en) | Methods and Systems of Authentication | |
EP3121759A2 (en) | System and method of biometric enrollment and verification | |
US20180075291A1 (en) | Biometrics authentication based on a normalized image of an object | |
US10679094B2 (en) | Automatic ruler detection | |
WO2018176514A1 (zh) | 指纹配准方法及装置 | |
US20180218213A1 (en) | Device and method of recognizing iris | |
CN112132812B (zh) | 证件校验方法、装置、电子设备及介质 | |
CN111222452A (zh) | 一种人脸匹配方法、装置、电子设备及可读存储介质 | |
US20150206010A1 (en) | Display control device and method | |
CN114514555A (zh) | 类似区域检测装置、类似区域检测方法及程序 | |
CN106725564B (zh) | 图像处理装置及图像处理方法 | |
CN116798107B (zh) | 一种用于比对虹膜图像的可视化处理方法及装置 | |
JP2009020698A (ja) | 登録装置、照合装置、データ構造及び記憶媒体 | |
JP4775957B2 (ja) | 顔検出装置 | |
KR20200109977A (ko) | 지문 및 얼굴 영상을 이용한 스마트폰 기반 신원확인 방법 | |
Shamsafar | A new feature extraction method from dental X-ray images for human identification | |
US20230147924A1 (en) | Image processing system, imaging system, image processing method, and non-transitory computer-readable medium | |
JP6442873B2 (ja) | 指紋画像処理装置、指紋画像処理方法及びプログラム | |
CN110751158A (zh) | 一种治疗床显示器中的数字识别方法、装置及存储介质 | |
JP5397103B2 (ja) | 顔位置検出装置、顔位置検出方法及びプログラム | |
CN117274366B (zh) | 线条边距确定方法和装置 | |
CN113409371B (zh) | 图像配准方法及相关装置、设备 |
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 |