[发明专利]虹膜识别方法和装置

说明书

本申请涉及人工智能技术领域，具体地公开了一种虹膜识别方法和装置，其中，该方法包括：获取待识别虹膜的标准化三维虹膜图像数据；利用二维卷积神经网络对标准化三维虹膜图像数据进行特征提取和分类，得到待识别虹膜对应的目标特征数据和目标用户标签，其中，二维卷积神经网络包括三维图像处理层，三维图像处理层对标准化三维虹膜图像数据进行降维处理，得到多个二维虹膜图像数据，多个二维虹膜图像数据包括斜截面数据；从三维虹膜图像数据库调取目标用户标签对应的虹膜特征数据，其中，三维虹膜图像数据库中存储多个用户中各用户的虹膜特征数据；根据目标特征数据和调取出的虹膜特征数据，生成虹膜识别结果。上述方案能提高虹膜识别的准确率。

技术领域

本申请涉及人工智能技术领域，特别涉及一种虹膜识别方法和装置。

背景技术

目前，虹膜识别技术方案主要集中在二维数字图像的处理上，例如，采用局部二值模式(Local Binary Pattern，LBP)算法、支持向量机(Support Vector Machine,SVM)算法、滤波器、二维卷积神经网络(Convolutional Neural Networks，CNN)算法以及各种改进算法。

无论采用何种算法或者如何优化算法，其算法需要的核心特征都是基于虹膜的二维图像进行提取的。二维卷积神经网络是现有二维图像处理方法所使用的最广泛的算法。对于某类特征，2×2的二维卷积核只能提取4个方向的数据特征，3×3大小的二维卷积核最多能提取8个方向的数据特征，提取的特征数据较少。因此，基于二维图像处理的虹膜识别技术识别的准确度不够高。

针对上述问题，目前尚未提出有效的解决方案。

发明内容

本申请实施例提供了一种虹膜识别方法和装置，以解决现有技术中基于二维图像处理的虹膜识别技术识别的准确度不够高的问题。

本申请实施例提供了一种虹膜识别方法，包括：获取待识别虹膜的标准化三维虹膜图像数据；利用二维卷积神经网络对标准化三维虹膜图像数据进行特征提取和分类，得到待识别虹膜对应的目标特征数据和目标用户标签，其中，二维卷积神经网络包括三维图像处理层，三维图像处理层用于对标准化三维虹膜图像数据进行降维处理，得到多个二维虹膜图像数据，多个二维虹膜图像数据包括斜截面数据；从三维虹膜图像数据库中调取目标用户标签对应的虹膜特征数据，其中，三维虹膜图像数据库中存储有多个用户中各用户的虹膜特征数据；根据目标特征数据和调取出的虹膜特征数据，生成虹膜识别结果。

在一个实施例中，获取待识别虹膜的标准化三维虹膜图像数据，包括：接收待识别虹膜的原始超声波数据；对原始超声波数据进行数值化；基于数值化后的超声波数据，生成标准化三维虹膜图像数据，其中，数值化后的超声波数据在三维坐标系中形成曲面体，标准化三维虹膜图像数据在三维坐标系中形成长方体，长方体中包括曲面体，长方体中除曲面体之外的部分的数值为零。

在一个实施例中，三维图像处理层中的三维图像处理核的尺寸为3×3×3；相应的，利用三维图像处理层对标准化三维虹膜图像数据进行降维处理，得到多个二维虹膜图像数据，包括：利用三维图像处理层从标准化三维虹膜图像数据提取出尺寸为3×3×3的多个立体虹膜图像数据；对于多个立体虹膜图像数据中的各立体虹膜图像数据，分别沿各立体虹膜图像数据的长宽高方向进行垂直截面，提取出尺寸为3×3的三个截面数据，并将未提取到的各立体虹膜图像数据的八个顶点数据与中心点数据组合成尺寸为3×3的斜截面数据，得到标准化三维虹膜图像数据对应的多个二维虹膜图像数据。