一種快速虹膜識(shí)別方法
【技術(shù)領(lǐng)域】
[0001 ]本發(fā)明設(shè)及一種生物識(shí)別技術(shù)，特別是一種虹膜識(shí)別方法。
【背景技術(shù)】
[0002] 虹膜識(shí)別技術(shù)是利用人體的虹膜生理特征進(jìn)行身份鑒定的技術(shù)。其技術(shù)過(guò)程主要 包括虹膜圖像獲取、虹膜圖像分割、虹膜圖像識(shí)別Ξ個(gè)部分。
[0003] 相比傳統(tǒng)刷卡、指紋識(shí)別等，虹膜識(shí)別具有識(shí)別精度極高、識(shí)別穩(wěn)定及非接觸性等 優(yōu)點(diǎn)，在各個(gè)行業(yè)應(yīng)用越來(lái)越廣泛，尤其是在國(guó)家公安、刑偵、司法、互聯(lián)網(wǎng)身份認(rèn)證等等方 面有著廣闊的應(yīng)用前景。
[0004] 傳統(tǒng)的虹膜識(shí)別方法雖然已經(jīng)達(dá)到了一個(gè)較高的識(shí)別率，但是在大規(guī)模的虹膜圖 像識(shí)別比對(duì)上，其識(shí)別速度與精度依然存在一些瓶頸。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的是為了解決上述問(wèn)題，設(shè)計(jì)了 一種虹膜識(shí)別方法。
[0006] 實(shí)現(xiàn)上述目的本發(fā)明的技術(shù)方案為，一種虹膜快速識(shí)別方法，該方法包括：
[0007] 制作能區(qū)分任意兩張虹膜樣本是否為同一類別人的AdaBoost-soft級(jí)聯(lián)分類器數(shù) 據(jù)庫(kù)；
[000引對(duì)待識(shí)別虹膜圖像進(jìn)行識(shí)別：將待識(shí)別虹膜圖像的特征輸入AdaBoost-soft級(jí)聯(lián) 分類器中進(jìn)行計(jì)算，并將計(jì)算結(jié)果與AdaBoost-soft級(jí)聯(lián)分類器數(shù)據(jù)庫(kù)中的數(shù)據(jù)進(jìn)行對(duì)比 判斷，如存在相同的虹膜樣本，則該相同的虹膜樣本所屬虹膜類別即為待識(shí)別虹膜圖形所 述的類別。
[0009] 在上述技術(shù)方案中，所述制作AdaBoost-soft級(jí)聯(lián)分類器數(shù)據(jù)庫(kù)包括：
[0010] (a)將已知分類好的虹膜樣本進(jìn)行分塊處理，利用定序?yàn)V波器，對(duì)每塊的虹膜樣本 數(shù)據(jù)進(jìn)行計(jì)算，得出每塊虹膜樣本數(shù)據(jù)的定序特征圖；
[0011] (b)得到所有虹膜樣本的分塊特征圖后，計(jì)算其中同類虹膜的兩個(gè)相同位置特征 圖塊的漢明距離，并將它作為分類器的正樣本庫(kù)。
[0012] 對(duì)所有虹膜樣本中同一個(gè)人的任意兩張不同的虹膜樣本上的相同位置的定序特 征圖進(jìn)行漢明距離計(jì)算，得到正樣本特征庫(kù)；
[0013] (C)得到所有虹膜樣本的分塊特征圖后，計(jì)算其中同類虹膜的兩個(gè)相同位置特征 圖塊的漢明距離，并將它作為分類器的正樣本庫(kù)。
[0014] (d)將正負(fù)樣本特征庫(kù)中的數(shù)據(jù)輸入到AdaBoost-soft級(jí)聯(lián)分類器中進(jìn)行運(yùn)算，得 到一個(gè)區(qū)分任意兩張虹膜樣本是不是同一類別人的AdaBoost-soft級(jí)聯(lián)分類器數(shù)據(jù)庫(kù)。
[0015] 在上述技術(shù)方案中，其特征在于對(duì)待識(shí)別虹膜圖像進(jìn)行識(shí)別包括：
[0016] (e)對(duì)待識(shí)別的虹膜圖像進(jìn)行步驟(a)的操作得到每塊待識(shí)別虹膜樣本數(shù)據(jù)的定 序特征圖；
[0017] (f)將待識(shí)別的虹膜圖像上的每塊虹膜樣本數(shù)據(jù)的定序特征圖與AdaBoost-sof t 級(jí)聯(lián)分類器數(shù)據(jù)庫(kù)中的所有虹膜樣本在相同位置上的定序特征圖進(jìn)行漢明距離計(jì)算得到 特征數(shù)據(jù)；
[001引（g)將所述的特征數(shù)據(jù)輸入AdaBoost-sof t級(jí)聯(lián)分類器中進(jìn)行運(yùn)算，并與 AdaBoost-soft級(jí)聯(lián)分類器數(shù)據(jù)庫(kù)中的數(shù)據(jù)進(jìn)行對(duì)比判斷，判斷數(shù)據(jù)結(jié)果相同的虹膜樣本 所屬的虹膜類別就是待識(shí)別的虹膜圖形屬于的類別。
[0019] 本發(fā)明與現(xiàn)有技術(shù)相比具有W下有益效果:在提取虹膜特征過(guò)程中，利用定序?yàn)V 波算子相融合的方法來(lái)提取的虹膜特征更精確，對(duì)光照、姿態(tài)變化具有很好的魯棒性，識(shí)別 率更高;把Adaboost-soft級(jí)聯(lián)分類器引入到虹膜多分類問(wèn)題中，運(yùn)用一對(duì)多策略從而把多 類問(wèn)題轉(zhuǎn)化為兩類問(wèn)題，提高了運(yùn)行速度，使虹膜識(shí)別性能得到了顯著的提高;采用了 soft 級(jí)聯(lián)來(lái)訓(xùn)練分類器，采用樣本特征響應(yīng)累加和來(lái)進(jìn)行樣本類別判定，每一級(jí)均設(shè)置一個(gè)口 限值，避免了傳統(tǒng)級(jí)聯(lián)僅考慮本級(jí)分類器而忽略掉前面級(jí)，造成信息浪費(fèi)及脆弱判定的問(wèn) 題;采用了 soft級(jí)聯(lián)訓(xùn)練分類器，減輕了分類器中后面級(jí)的分類負(fù)擔(dān)，使得所有級(jí)都有相當(dāng) 的分類壓力，傳統(tǒng)級(jí)聯(lián)方式會(huì)導(dǎo)致越靠后的級(jí)，分類壓力越大，不僅需要選擇較多的特征， 有時(shí)甚至達(dá)不到分類要求;采用了 soft級(jí)聯(lián)訓(xùn)練分類器，可W利用R0C曲線，在給定分類器 的整體檢測(cè)率和誤檢率的前提下，快速找到需要的特征數(shù)，進(jìn)而推算出訓(xùn)練級(jí)數(shù)，使得訓(xùn)練 過(guò)程更加可控。傳統(tǒng)級(jí)聯(lián)方式每一級(jí)的訓(xùn)練時(shí)，由于在分類性能和訓(xùn)練時(shí)間上取了平衡，為 了達(dá)到每一級(jí)的分類性能(檢測(cè)率、誤檢率），不斷的重復(fù)訓(xùn)練W得到滿足性能要求的參數(shù)， 導(dǎo)致訓(xùn)練時(shí)間過(guò)長(zhǎng)，訓(xùn)練時(shí)間往往達(dá)到幾周W上。另外，為了降低整體的誤檢率，必須不斷 的訓(xùn)練新的級(jí)，不可避免的降低了整體的檢測(cè)率。
【附圖說(shuō)明】
[0020] 圖1是本發(fā)明提出的虹膜識(shí)別方法的流程示意圖；
[0021 ]圖2是虹膜圖像經(jīng)過(guò)定序?yàn)V波處理后的定序特征圖。
【具體實(shí)施方式】
[0022]為便于本發(fā)明技術(shù)方案的理解，下面結(jié)合具體的實(shí)施方式進(jìn)行介紹。如圖1所示， 一種虹膜識(shí)別方法，該方法的訓(xùn)練模塊包括W下步驟：（a)將已知分類好的虹膜樣本進(jìn)行分 塊處理，利用定序?yàn)V波器，對(duì)每塊的虹膜樣本數(shù)據(jù)進(jìn)行計(jì)算，得出每塊虹膜樣本數(shù)據(jù)的定序 特征圖；經(jīng)過(guò)定序?yàn)V波處理后的定序特征圖如圖2所示；（b)對(duì)所有虹膜樣本中同一個(gè)人的 任意兩張不同的虹膜樣本上的相同位置的定序特征圖進(jìn)行漢明距離計(jì)算，得到正樣本特征 庫(kù)；（C)對(duì)所有虹膜樣本中不同人的任意兩張虹膜樣本上的相同位置的定序特征圖進(jìn)行漢 明距離計(jì)算，得到負(fù)樣本特征庫(kù)；（d)將正負(fù)樣本特征庫(kù)中的數(shù)據(jù)輸入到AdaBoost-soft級(jí) 聯(lián)分類器中進(jìn)行運(yùn)算，得到一個(gè)區(qū)分任意兩張虹膜樣本是不是同一類別人的AdaBoost-soft級(jí)聯(lián)分類器數(shù)據(jù)庫(kù)。該方法的識(shí)別模塊包括W下步驟：（e)對(duì)待識(shí)別的虹膜圖像進(jìn)行步 驟(a)的操作得到每塊虹膜樣本數(shù)據(jù)的定序特征圖；（f)將待識(shí)別的虹膜圖像上的每塊虹膜 樣本數(shù)據(jù)的定序特征圖與AdaBoost-sof t級(jí)聯(lián)分類器數(shù)據(jù)庫(kù)中的所有虹膜樣本(在相同位 置上）的定序特征圖進(jìn)行漢明距離計(jì)算得到特征數(shù)據(jù)；（g)將所述的特征數(shù)據(jù)輸入 AdaBoost-soft級(jí)聯(lián)分類器中進(jìn)行運(yùn)算，并與AdaBoost-soft級(jí)聯(lián)分類器數(shù)據(jù)庫(kù)中的數(shù)據(jù)進(jìn) 行對(duì)比判斷，判斷數(shù)據(jù)結(jié)果相同的虹膜樣本所屬的虹膜類別就是待識(shí)別的虹膜圖形屬于的 類別。
[0023] 在步驟(a)中所述的虹膜樣本數(shù)據(jù)是指對(duì)虹膜樣本的尺寸和灰度進(jìn)行數(shù)據(jù)歸一化 處理所得到的數(shù)據(jù)值，其中虹膜樣本的尺寸是根據(jù)虹膜
[0024] 圖像進(jìn)行分割得到。
[0025] 漢明距離定義為計(jì)算虹膜定序二值特征之間的相似程度，通過(guò)按位比較兩個(gè)特征 模版上對(duì)應(yīng)的位編碼是否一致，將不一致的位數(shù)占總模板的比例作為運(yùn)兩個(gè)特征模板間的 歸一化距離，距離越小表明運(yùn)兩個(gè)虹膜特征模板越相似。
[00%]所述的定序?yàn)V波器構(gòu)造方法是：
[0027]高斯核函數(shù)作為基本極子，通常構(gòu)造一個(gè)定序?yàn)V波器需要四個(gè)參數(shù):第一是尺度 參數(shù)0,第二是兩個(gè)極子之間的距d，第Ξ個(gè)是極子之間的方向Θ，第四極子的個(gè)數(shù)。
[002引
[0029] Cp，Cn表示正極子和負(fù)極子系數(shù)，值得注意的是構(gòu)造的極子系數(shù)和必須為1;化i與 dnj指的是正負(fù)極子的中屯、位置，其坐標(biāo)由正負(fù)極子間的距離d和方向決定;Νρ,Νη表示正負(fù) 極子個(gè)數(shù)。
[0030] 所述定序征圖計(jì)算算法是：
[0031] 將每幅虹膜圖用每個(gè)定序?yàn)V波器提取定序圖特征。
[0032]
[0033] 即濾波后大于0的數(shù)變?yōu)?，小于0的數(shù)變?yōu)?。
[0034] 通過(guò)所述的定序?yàn)V波器計(jì)算得到的所有特征數(shù)據(jù)，通過(guò)運(yùn)算程序AdaBoost級(jí)聯(lián)分 類器，把定序?yàn)V波算子對(duì)應(yīng)的特征數(shù)據(jù)進(jìn)行分類，得到可W區(qū)分同一個(gè)人的虹膜和不是同 一個(gè)人的虹膜的特征數(shù)據(jù)集合。同時(shí)，AdaBoost-soft級(jí)聯(lián)分類器將多個(gè)人的虹膜分類問(wèn)題 轉(zhuǎn)化為兩個(gè)人之間的虹膜分類問(wèn)題。所述AdaBoost-soft級(jí)聯(lián)分類器分類的具體實(shí)現(xiàn)方法 是：
[00對(duì) 1)給定訓(xùn)練樣本{(山71)、（趴72)。'（^，7。）}，71￡{1，0}分別表示正負(fù)樣本;單獨(dú) 每一級(jí)允許拒絕正樣本比例{V1，V2…ντ};
[0036] 2)利用AdaBoost訓(xùn)練出Τ個(gè)弱分類器(：山1，。2-'。了}(此處的弱是相對(duì)于3〇的級(jí)聯(lián)訓(xùn) 練出的分類器而言）
[0037] 3)初始化每一個(gè)樣本的響應(yīng)值為0,允許拒絕正樣本比例P為0;
[0038] 4)t從1到T，循環(huán)執(zhí)行W下步驟：
[0039] a)遍歷弱分類器集C，根據(jù)最大化正負(fù)樣本間隔從C中選擇出本
[0040] 級(jí)的弱分類器ct:
[0041]
[00創(chuàng)其中，f t, i, j = dt, i-1+c j，bt、at分別為本級(jí)的正負(fù)樣本總數(shù)
[0043] b)計(jì)算出樣本在本級(jí)分類器的響應(yīng)值ct(xi)，與前t-1級(jí)的樣本響應(yīng)值累加和 dt-i,i進(jìn)行累加，更新前t級(jí)樣本的響應(yīng)值累加和dt,i:
[0044] dt'i = dt