[发明专利]基于人眼结构分类的虹膜和瞳孔的定位方法

摘要

本发明公开了一种基于人眼结构分类的虹膜和瞳孔的定位方法。该方法首先从系统获取的图像中检测人脸，提取人眼图像。由于在远距离非侵入的情况下获取的人眼图像可在很大的范围内变化，例如，虹膜半径可在几十到几百个像素间变化，本发明在精确定位虹膜和瞳孔边界前，利用非监督学习技术，对人眼图像进行自动的结构分类。该分类能大致定位虹膜和瞳孔，估算有效虹膜区域大小，极大地去除非虹膜和瞳孔边界的离群数据，并且减少针对虹膜瞳孔位置和大小的搜索空间。在缩小的搜索空间中，本发明进一步依据虹膜瞳孔固有特征进行约束优化，搜索最优虹膜和瞳孔边界。本发明可以大大增加虹膜和瞳孔定位的稳定性和精确性，尤其适合远距离非侵入式的虹膜获取系统。

主权项

一种基于人眼结构分类的虹膜和瞳孔的定位方法，其特征在于，包括以下步骤：步骤1、在虹膜采集系统获取的图像中检测人脸图像，在人脸图像中提取人眼图像：利用训练过的哈尔小波特征级连分类器在降低了分辨率的图像中检测人脸；如果没有检测到人脸，则不进行处理；如果检测到人脸，则使用训练过的哈尔小波特征级连分类器在人脸范围内检测人眼；如果检测到两只人眼，则提取两张分别具有一只人眼的人眼图像；如果检测到一只人眼，则根据人脸对称性分析另一只眼的位置，进而提取一张具有一只人眼的人眼图像或两张分别具有一只人眼的人眼图像；如果没有检测到人眼，则根据人脸比例及对称分析两眼位置，进而提取一张具有一只人眼的人眼图像或两张分别具有一只人眼的人眼图像；步骤2、利用机器学习中的非监督学习技术，对人眼图像进行自动的结构分类：采用非监督学习技术将人眼图像分为类似圆的结构和其他非圆结构，从而初步定位虹膜和瞳孔，估算有效虹膜区域大小及人眼闭合程度，用以去除非虹膜和瞳孔边界的离群数据，同时缩小针对虹膜瞳孔位置和大小的搜索空间；步骤3：结合虹膜和瞳孔的固有特征进行约束优化，搜索最优虹膜和瞳孔边界，从而精确定位虹膜和瞳孔边界；具体包括以下步骤：步骤3‑1：在由步骤2确定的搜索空间内，利用以下方法之一自动检测多个虹膜和瞳孔边界的候选解：先运用识别圆的霍夫变换，然后，在霍夫空间内进行多个局部极值检测；或先运用稳健曲线拟合，再加上拟合残差分析；步骤3‑2：结合虹膜和瞳孔的平均半径比率的范围以及平均的同心率范围，对候选解进行约束，寻找最优的候选解；约束优化定义为: max ( B p , B i ) ( v ( B p ) + v ( B i ) ) s . t . d l ≤ r p r i ≤ d h | | O p - O i | | r i ≤ e 其中Bp和Bi为瞳孔和虹膜边界的候选，v(·)为霍夫空间的投票，rp和ri分别为虹 膜和瞳孔的边界,Op和Oi为虹膜和瞳孔的圆心位置；半径比率dl和dh在0.1和0.8之间，同心率e设为0.2。其中，得到的最优解即为虹膜和瞳孔边界的精确定位。