[发明专利]去遮挡的虹膜检测方法、虹膜识别方法及可读存储介质

权利要求书

1.一种去遮挡的虹膜检测方法，其特征在于，包括：

获取原始虹膜带遮挡的人眼图像F，检测出人眼图像F中原始虹膜区域；

基于像素级损失函数和生成对抗网络训练像素级虹膜分割网络，利用像素级虹膜分割网络对人眼图像F进行去遮挡分割，获得人眼图像F的关于虹膜区域的像素级分割结果图；以及

结合原始虹膜区域和像素级分割结果图获得人眼图像F的未遮挡的虹膜图像。

2.如权利要求1所述的去遮挡的虹膜检测方法，其特征在于，基于像素级损失函数和生成对抗网络训练像素级虹膜分割网络的步骤包括：

训练虹膜初分割网络：获取人眼样本图像，对人眼样本图像的虹膜区域进行分割标注，将人眼样本图像和分割标注结果输入至语义分割网络模型中训练获得虹膜初分割网络，其中人眼样本图像包括虹膜带遮挡的人眼图像和虹膜未有遮挡的人眼图像；

构建生成对抗网络：将训练获得的虹膜初分割网络作为生成对抗网络的生成器且将人眼样本图像和对人眼样本图像的虹膜标注数据作为生成器的输入，将人眼样本图像的虹膜标注数据和生成器的输出图像作为判别器的输入；

基于损失函数训练L对构建的生成对抗网络进行训练，获得像素级虹膜分割网络，L＝λ₁L_adv+λ₂L_seg；

其中，L_adv为生成对抗网络模型的损失函数，L_seg为像素级损失函数：生成器的输出结果和输入之间的逐个像素点之间的差异，其中λ₁和λ₂加权系数且λ₁+λ₂＝1。

3.如权利要求2所述的去遮挡的虹膜检测方法，其特征在于，损失函数L_seg：

其中，G表生成器，y表示虹膜标注结果，G(x)生成器输出结果，表示对虹膜标注结果和G(x)生成器输出结果进行逐像素计算均方误差。

4.如权利要求2所述的去遮挡的虹膜检测方法，其特征在于λ₁＝0.4，λ₂＝0.6。

5.如权利要求1所述的去遮挡的虹膜检测方法，其特征在于，结合原始虹膜区域和像素级分割结果图获得人眼图像F的未遮挡的虹膜图像的步骤包括：

将原始虹膜区域和像素级分割结果图统一至同一尺寸；

对相同尺寸的原始虹膜区域和像素级分割结果图进行相似度计算，获得原始虹膜区域和像素级分割结果图之间的差别图；

对差别图进行连通区域处理；

对比连通区域处理后的差别图和原始虹膜区域，确定原始虹膜区域中差别区域；

对原始虹膜区域中的差别区域进行轮廓提取以获得虹膜的遮挡区域；

将原始虹膜区域的遮挡区域的信息去除以获得未遮挡的虹膜图像。

6.如权利要求5所述的去遮挡的虹膜检测方法，其特征在于，对相同尺寸的原始虹膜区域和像素级分割结果图进行相似度计算，获得原始虹膜区域和像素级分割结果图之间的差别图的步骤为：

将相同尺寸的原始虹膜区域和像素级分割结果图均按照相同规则划分为多个子块；

将原始虹膜区域和像素级分割结果图对应的子块进行特征提取，并计算对应的子块之间的特征相似度；

若特征相似度大于且等于预定阈值，则相对应的子块不相似，若特征相似度小于预定阈值，则相对应的子块相似；

将相似的子块区域赋值为0且将不相似子块区域赋值为225，获得差别图。

7.如权利要求6所述的去遮挡的虹膜检测方法，其特征在于，子块大小为3×3。

8.一种虹膜识别方法，其特征在于，包括：

获取待识别的人眼图像；

利用如权利要求1至7任一项所述的去遮挡的虹膜检测方法对待识别的人眼图像进行去遮挡检测，获得关于待识别的人眼图像的未遮挡的虹膜图像；以及

利用虹膜识别学习模型对未遮挡的虹膜图像进行识别判断。

9.一种计算机可读存储介质，其特征在于，所述可读存储介质存储有计算机程序，所述计算机程序被处理器执行时，实现权利要求1-7任一项所述的去遮挡的虹膜检测方法。