[发明专利]基于高斯混合模型和最大期望值算法的睫毛检测方法

说明书

技术领域

本发明涉及一种用于虹膜识别系统的睫毛检测方法。

背景技术

随着网络、计算机等科学技术的发展，人们对安全问题提出了更高的要求，个人身份识别的重要性和难度也越来越高。虹膜作为一种生物特征，它不像ID卡、钥匙或者密码容易让人丢失或者忘记，也不像指纹或者面部特征容易改变，虹膜用来作为识别特征具有稳定和高准确率的特点。因此，虹膜识别作为生物特征识别的一种，已经成为了一个热点话题。在虹膜识别系统中采集到的图像，其灰度分布特点，一般可以用一个K阶的高斯混合模型来表示，将每幅采集到的图像看做是一系列高斯函数的混合。

然而，在非理想状态下，得到的图像往往不仅包含虹膜，还有睫毛、眼睑等等。特别是睫毛，如果大量睫毛在预处理阶段不被去除的话，在后续的特征提取和特征匹配阶段，睫毛就会被当成虹膜特征被提取、编码、匹配，这将在很大程度上影响虹膜识别系统的精度。目前的睫毛检测方法，依赖于眼睑的检测，需要设定固定的阈值，复杂且检测不准确。

因此，必须找到一种快速、有效的方法来检测睫毛，减少睫毛对虹膜识别系统的影响。

发明内容

本发明针对睫毛对虹膜的遮挡影响虹膜识别系统精度的问题，提出一种能够有效检测睫毛、减少睫毛对虹膜识别系统影响的基于最大期望和高斯混合模型的睫毛检测方法。

本发明的基于最大期望和高斯混合模型的睫毛检测方法，是：

在虹膜识别系统中采集到的图像的灰度值分布用一个K阶的高斯混合模型来表示，将每幅采集到的图像看做是一系列高斯函数的混合，睫毛部分的图像或者是包含睫毛的某个部分的图像的灰度值分布就满足一个高斯函数分布，通过求出这个高斯函数的参数找到睫毛并消除睫毛对识别精度的影响；具体包括步骤如下：

(1)建立图像的高斯混合模型(GMM)，求出模型的各个参数：

采集到的图像用K阶高斯模型表示，即

p(x|θ)=Σi=1Kαipi(x|θi)]]>

p_i((x|θ_i)～N(μ_i，∑_i)

Σi=1Kαi=1]]>