[发明专利]一种基于多层卷积神经网络的人体左/右眼图像判断方法

说明书

本发明申请公开了一种基于多层卷积神经网络的人体左/右眼图像判断方法,该方法包括：(1)建立基于多层卷积神经网络的检测器，输入人体左/右眼图像进行训练获得满足神经网络目标函数的检测器；(2)对待判断的人眼图像进行预处理后输入(1)步的检测器；(3)检测器通过计算获得该人眼图像分别是左眼概率及右眼概率，选择概率大的结果作为最终判断结果。本申请的技术方案中，借助多层卷积神经网络构建了检测器，该检测器通过图像训练的方法得以完善，再利用该检测器对不同人眼图像进行左、右概率计算，从而确定左/右。

技术领域

本申请的技术方案属于生物信息图像处理领域，特别涉及的是针对人体的左/右眼图像进行判断的方法。

背景技术

现代社会的发展对人类自身身份识别的准确性、安全性与使用性提出了更高的要求。而身份识别是人们日常生活中遇到的一个普遍性问题，在生活中经常会发生需要证明自己的身份、鉴别别人的身份等事情。传统的依赖照片的身份识别方法己经远远落后于时代的要求，人类必须寻求更为安全可靠、使用方便的身份识别新途径。基于生物特征识别的身份鉴定技术具有以下优点：不易遗忘或丢失，防伪性能好，不易伪造或被盗，随身携带，随时随地可用。生物特征识别技术是指使用人体本身所固有的生理特征或行为特征，具有不可复制性、唯一性、普遍性和稳定性等特点。

利用虹膜识别时，首先需要采集到符合一定要求的人眼虹膜图像，虹膜图像的质量直接关系到识别的速度与精度。包含有虹膜信息的人眼图像需要经过图像采集、图像预处理、图像精确分割，图像模式匹配以及做出决策等过程后才能开始进行识别过程。在上述图像处理过程中，图像的模式匹配是虹膜识别技术实现高精度、高准确性的关键。

通常，在人眼图像进行上述图像分割过程时，并没有考虑眼睛左、右形状而造成的图像偏差，即不进行眼型图像的划分就直接进行图像分割，从而导致图像分割区域不精确，引起虹膜识别效率低，精度差。

现有的左、右眼图像检测判断通常采用人工标记方法和基于视盘定位的自动检测方法来对眼底后极部眼底图像进行左、右分类。但是人工标记方法效率低；在基于视盘定位的自动检测方法中，对视盘的定位和视盘区域的血管进行分割，中间涉及到各种阈值，使得定位本身就存在一定误差，使得判断效率和准确度较低。

发明内容

本申请的技术方案针对人眼虹膜识别时，由于虹膜图像在分割过程中无法对左、右眼图像进行区分，从而引起图像分割中的错误，导致虹膜识别的准确度和效率降低的缺陷，提出一种利用多层卷积神经网络对人体左/右眼图像进行判断的方法，从而提高虹膜识别准确性。

实现上述发明目的的技术方案为：一种基于多层卷积神经网络的人体左/右眼图像判断方法,该方法包括：

(1)建立基于多层卷积神经网络的检测器，输入人体左/右眼图像进行训练获得满足神经网络目标函数的检测器；

(2)对待判断的人眼图像进行预处理后输入(1)步的检测器；

(3)检测器通过计算获得该人眼图像分别是左眼概率及右眼概率，选择概率大的结果作为最终判断结果。

本申请的技术方案中，借助多层卷积神经网络构建了检测器，该检测器通过图像训练的方法得以完善，再利用该检测器对不同人眼图像进行左、右几率计算，从而确定左/右。

上述步骤(1)中用于训练检测器的左/右眼图像在输入前需要经过预处理步骤，其图像预处理包括图像灰度化，图像金字塔缩放、图像亮度调整(增加或缩小)、图像添加噪声、图像模糊化，图像尺寸调整，最终将图像进行归一化操作。上述用于训练的图像处理后，图像数据获得了加强，增加了数据多样性，使得网络的鲁棒性大大调高，能够适应于识别不同尺寸的人眼图像。

为了提高检测器的检测效率，所有训练用人眼图像和待判断的图像都需要进行统一缩放至48*48(像素)，这样图像文件占用数据量比较少，能够实现多层卷积神经网络检测器的快速训练、学习和判断。