[发明专利]基于视觉理解的图像识别方法

说明书

本发明提供了一种基于视觉理解的图像识别方法，该方法包括：采集用户眼部数据进行训练，得到量化特征参数；利用该量化特征参数降低训练图像集的特征维数；将低维图像集进行符号转换得到虹膜特征代码；将训练图像集的虹膜特征代码与样本图像集进行匹配，实现虹膜识别。本发明提出了一种基于视觉理解的图像识别方法，通过量化特征参数对需要识别的虹膜图像原始序列进行降维，再对降维后得到的训练图像集进行符号处理，简化样本匹配过程，降低了计算的复杂度和对设备方位的要求，允许用户更加灵活地执行注视动作，增强用户体验。

技术领域

本发明涉及人工智能，特别涉及一种基于视觉理解的图像识别方法。

背景技术

生物特征识别在身份识别和智能设备中都有着非常重要的应用。作为一个分支，虹膜识别技术是计算机图像处理技术与模式识别技术在身份识别领域的运用。虹膜识别具备高稳定性、高准确率、高度防伪性、唯一性、普遍性和非侵犯性等优点，有着广阔的运用前景和重要的研究价值。虹膜识别技术的关键点在于将采集到的虹膜图像准确地提取出介于瞳孔与巩膜之间，得到虹膜的有效区域，并采用合理的纹理提取方法得到能够深刻反映纹理信息的代码，该代码要较好地考虑到旋转、平移带来的影响。然而，现有虹膜识别技术的采集要求过高，一般需要同步在线识别而不能处理离线虹膜信息，而且在非合作性的场合难以达到较好的鲁棒性。只有合理的精度、速度以及鲁棒性才能符合用户需求。这些都是亟待解决与改进的问题。

发明内容

为解决上述现有技术所存在的问题，本发明提出了一种基于视觉理解的图像识别方法，包括：

采集用户眼部数据进行训练，得到量化特征参数；

利用该量化特征参数降低训练图像集的特征维数；

将低维图像集进行符号转换得到虹膜特征代码；

将训练图像集的虹膜特征代码与样本图像集进行匹配，实现虹膜识别。

优选地，所述采集用户眼部数据进行训练，得到量化特征参数，进一步包括：

采集需要执行虹膜识别的用户眼部数据，得到原始图像集。

优选地，在执行虹膜识别之前，采集用户眼部数据进行训练得到量化特征参数和样本图像集。

优选地，在执行所有虹膜识别之前，通过一次样本训练过程得到量化特征参数和样本图像集并用于后续所有的虹膜识别。

优选地，所述利用该量化特征参数降低训练图像集的特征维数，进一步包括：

利用量化特征参数对原始图像集进行特征提取，得到降维后的训练图像集。

优选地，所述利用量化特征参数对原始图像集进行特征提取，进一步包括：

通过支持向量机，利用最优特征值对应的单位特征向量构成的特征矩阵对训练图像集进行降维处理，计算训练图像集在特征矩阵上的映射，得到降维后的训练图像集。

本发明相比现有技术，具有以下优点：

本发明提出了一种基于视觉理解的图像识别方法，通过对需要识别的虹膜图像原始序列进行降维和符号处理，降低了计算的复杂度和对设备方位的要求，允许用户更加灵活地执行注视动作，增强用户体验。

附图说明

图1是根据本发明实施例的基于视觉理解的图像识别方法的流程图。

具体实施方式