[发明专利]一种基于虹膜外接矩形图的虹膜验证方法和系统

说明书

本发明公开一种基于虹膜外接矩形图的虹膜验证方法和系统，属于虹膜验证领域。包括：训练阶段：采用不同个体的虹膜外接矩形图构成的训练样本集训练虹膜特征提取网络；虹膜验证阶段：对待验证用户，采集身份标识和虹膜图像，对其虹膜图像定位，得到虹膜外接矩形图，输入至训练好的虹膜特征提取网络，得到待验证虹膜嵌入向量；根据待验证用户身份标识确定其录入虹膜嵌入向量；将待验证虹膜嵌入向量和录入虹膜嵌入向量进行比对，判断是否属于同一个体。本发明将虹膜分割的鲁棒性问题转换为神经网络特征提取问题，而神经网络特征提取的鲁棒性问题通过神经网络训练来解决，因此采用虹膜外圆的外接矩形定位，降低虹膜预处理复杂度，提高虹膜验证的精度。

技术领域

本发明属于虹膜验证领域，更具体地，涉及一种基于虹膜外接矩形图的虹膜验证方法和系统。

背景技术

随着全球信息化、数字化技术的不断发展，科技给社会带来便利的同时也带来了信息安全的问题。为了保护信息的安全可靠，需要更为可靠的身份验证方法，传统的身份验证方法利用特殊物品(如个人证件)或特殊口令(如用户ID和密码)来验证用户的合法性，这些方法简单易实现，因而得到广泛的应用。然而这些方法具有很多局限性，特殊物品容易丢失与伪造，特殊口令容易被盗，因此传统的身份识别技术已经不能满足生活中需求。为了解决这些问题，生物特殊识别技术应运而生，即采用指纹、虹膜、人脸等个人独有的信息进行身份的验证。相比于传统的身份识别技术，将生物特征信息应用于身份的识别具有更高的便携性与安全性。

虹膜识别是一种基于计算机视觉的生物识别技术的身份识别方法，具有稳定、唯一、非接触与可活体识别的特点，通过获取人眼虹膜区域的纹理特征，与数据库中的纹理特征进行对比，可以确定两个纹理特征是否属于同一个人，从而达到身份识别的目的。随着深度学习技术的突破，虹膜识别能有有效应用到虹膜验证上面，与传统方法不同，深度学习技术能够更有效的提取特征，减轻人工特征提取的负担。同时能够实现非约束场景的虹膜验证，具有较高的鲁棒性与准确性。

然而不像其他基于深度学习的计算机视觉任务，特别是人脸识别，充分利用深度学习来做虹膜的特征度量的工作并不多.近几年也有人提出采用深度神经网络来做虹膜识别，比如DeepIrisNet模型，但是这些模型都是需要对原虹膜区域做精细化的分割，并且大多采用分类模型而不是采用深度度量模型，这需要大量的数据集做支撑而且容易过拟合，训练难度大，并且对于复杂常见场景不具备足够的鲁棒性。

发明内容

针对现有技术的缺陷和改进需求，本发明提供了一种基于虹膜外接矩形图的虹膜验证方法和系统，其目的在于通过采用虹膜外接矩形的定位方法以及深度度量学习的方式，能够方便地获得具有辨别性的嵌入向量，具有更好的识别效果与泛化能力，可广泛应用与生产实践中。

为实现上述目的，按照本发明的第一方面，提供了一种基于虹膜外接矩形图的虹膜验证方法，该方法包括以下步骤：

训练阶段：采用训练样本集训练虹膜特征提取网络，所述训练样本集包括不同个体的虹膜外接矩形图；

应用阶段包括：虹膜录入阶段和虹膜验证阶段；

虹膜录入阶段：对用户端上传的虹膜图像进行定位，得到虹膜外接矩形图，并将其输入至训练好的虹膜特征提取网络，得到虹膜嵌入向量，并以身份标识-虹膜嵌入向量方式存储；

虹膜验证阶段：对待验证用户，采集其身份标识和虹膜图像，对待验证用户的虹膜图像进行定位，得到虹膜外接矩形图，并将其输入至训练好的虹膜特征提取网络，得到待验证的虹膜嵌入向量；根据待验证用户的身份标识确定其录入虹膜嵌入向量；将待验证虹膜嵌入向量和录入虹膜嵌入向量进行相似度比对，通过相似度阈值判断是否属于同一个体，从而实现身份验证。

优选地，采用最小外接矩形定位方式在虹膜图像定位出虹膜外圆的外接矩形图像。