虹膜图像采集方法、虹膜识别方法及装置制造方法及图纸

本发明专利技术提供了一种虹膜图像采集方法、虹膜识别方法及装置，其中，该采集方法包括：获取待采集对象的可见光图像和近红外图像，并进行坐标映射得到坐标映射关系；对可见光图像人脸检测，若得到人脸检测结果，则结合坐标映射关系扣取近红外图像中的虹膜图像；将虹膜图像输入至深度卷积网络，得到调优后的包括打光参数的图像采集参数；根据人脸检测结果并利用强化学习得到调优后的云台参数；利用调优后的云台参数调整采集设备的云台，并基于调优后的图像采集参数采集可见光人脸图像和近红外人脸图像；对可见光人脸图像人脸检测并根据可见光人脸图像的人脸检测结果从近红外人脸图像扣取虹膜图像。通过上述方案能够提高虹膜采集质量。通过上述方案能够提高虹膜采集质量。通过上述方案能够提高虹膜采集质量。

【技术实现步骤摘要】
虹膜图像采集方法、虹膜识别方法及装置


[0001]本专利技术涉及图像采集和模式识别领域
，尤其涉及一种虹膜图像采集方法、虹膜识别方法及装置。

技术介绍

[0002]随着生物特征识别技术的逐步成熟，虹膜识别技术以其准确度高、唯一性好、防伪性强等优势，已经在防疫安全、公安刑侦、嫌疑人排查、矿山人员出勤、出入境检查等身份管理中得到广泛应用。但随着虹膜识别环境的复杂化，固定距离和近距离的虹膜识别已经无法满足社会需求，远距离虹膜识别技术已经成为发展的趋势。
[0003]虹膜采集是虹膜识别系统中一个重要的环节，近距离采集时，由于自动曝光收敛慢，导致图像过曝；远距离采集时，由于虹膜直径非常小、近红外光线不足等原因无法获取符合虹膜识别要求的虹膜图像；此外，云台的位置调整也会直接影响虹膜的清晰度，虹膜图像质量不好，则会导致图像采集速度慢、识别率低、用户体验性和产品易用性差等。
[0004]虹膜采集是虹膜识别系统中关键的一步，然而，高质量的虹膜图像采集并不容易，需要有支持采集高解析力图像的相机模组，还要在采集时提供良好的光照条件，从而保证采集的虹膜能用于有效识别。
[0005]一般的虹膜采集装置的补光方式为持续照明或者固定频率脉冲照明，采用单侧或者两侧左右一组或者多组的红外灯光结构来调整补光强度，然而，这也带来了高功耗、散热差、打光不均匀等问题。为了降低功耗，可采用左右交替打光的方案，然而，左右红外光源的照明时序难以与图像传感器对每帧图像的曝光时间保持同步，会导致左右光源交替时对应的图像帧曝光时间内没有得到均匀的红外照明，从而造成图像坏帧的现象。而且，云台的调整极易造成运动模糊现象，使得成像清晰度下降，无法满足用户在移动过程中进行虹膜识别的场景，用户体验性差。
[0006]有的虹膜采集方法和装置采用两组不同角度的光源进行补光，根据距离提示进行打光增强，这样在30至80cm的范围内取得比较好的效果。然而，实际虹膜采集时，容易出现曝光之前和曝光过程中目标人物的位置已经发生较大移动，对焦和曝光都不准确，造成虹膜图像模糊的情况。高质量虹膜图像易受光强、曝光参数、增益以及调焦参数的影响。此外，合适的成像位置和打光方案直接影响着虹膜图像的质量。

技术实现思路

[0007]有鉴于此，本专利技术提供了一种虹膜图像采集方法、虹膜识别方法及装置，以提高虹膜采集质量。
[0008]为了达到上述目的，本专利技术采用以下方案实现：
[0009]根据本专利技术实施例的一个方面，提供了一种虹膜图像采集方法，包括：
[0010]获取利用可见光图像采集设备采集的待采集对象的可见光图像和利用近红外图像采集设备采集的待采集对象的近红外图像；
[0011]对所述可见光图像和所述近红外图像进行坐标映射，得到坐标映射关系；
[0012]对所述可见光图像进行人脸检测，在检测到人脸的情况下，得到人脸检测结果；
[0013]根据人脸检测结果和所述坐标映射关系，扣取所述近红外图像中的初始虹膜图像；
[0014]将所述初始虹膜图像输入至预训练后的深度卷积网络图像采集参数调优模型，得到调优后的图像采集参数；图像采集参数包括打光参数，打光参数包括红外打光参数和/或可见光打光参数；
[0015]根据人脸检测结果并利用强化学习云台参数调优模型，得到调优后的云台参数；
[0016]利用调优后的云台参数调整所述可见光图像采集设备和所述近红外图像采集设备的云台位置，基于调整后的云台位置和调优后的图像采集参数采集所述待采集对象的可见光人脸图像和近红外人脸图像；
[0017]对所述可见光人脸图像进行人脸检测，并根据所述可见光人脸图像的人脸检测结果从所述近红外人脸图像，扣取得到用于虹膜识别的虹膜图像。
[0018]在一些实施例中，打光参数包括打光位置和打光光强；图像采集参数还包括曝光时间、增益及调焦参数；云台参数包括向左移动、向右移动、向上转动、及向下转动。
[0019]在一些实施例中，对所述可见光图像和所述近红外图像进行坐标映射，得到坐标映射关系，包括：
[0020]根据可见光图像采集设备的位置信息和近红外图像采集设备的位置信息，对所述可见光图像和所述近红外图像进行坐标映射，得到坐标映射关系。
[0021]在一些实施例中，所述的虹膜图像采集方法，还包括：
[0022]在未检测到人脸的情况下，重新获取利用可见光图像采集设备重新采集的待采集对象的可见光图像和利用近红外图像采集设备重新采集的待采集对象的近红外图像。
[0023]在一些实施例中，所述可见光图像的人脸检测结果包括人脸检测框位置信息和人脸关键点位置信息；
[0024]根据人脸检测结果和所述坐标映射关系，扣取所述近红外图像中的初始虹膜图像，包括：
[0025]根据人脸检测结果中的人脸关键点位置信息和所述坐标映射关系，扣取所述近红外图像中的初始虹膜图像；
[0026]根据人脸检测结果并利用强化学习云台参数调优模型，得到调优后的云台参数，包括：
[0027]根据人脸检测结果中的人脸检测框位置信息并利用强化学习云台参数调优模型，得到调优后的云台参数。
[0028]在一些实施例中，所述的虹膜图像采集方法，其特征在于，还包括：对策略函数进行训练，得到强化学习云台参数调优模型；
[0029]对策略函数进行训练，得到强化学习云台参数调优模型，包括：
[0030]获取训练样本集；其中，所述训练样本集中的训练样本包括：可见光图像对应的设备空间位置环境和相应可见光图像的真实人脸检测框；
[0031]将训练样本中可见光图像对应的设备空间位置环境输入至策略函数，以可见光图像对应的设备空间位置作为所述策略函数中的环境状态，以云台的调整方式及幅度作为可
能的动作，以根据执行动作之后相对于之前的人脸检测框与真实人脸检测框的重复率的变化方向作为奖励值，训练策略函数，得到云台参数的调优值，在执行动作之后的人脸检测框与真实人脸检测框的重复率超过设定阈值后，根据训练后的策略函数得到强化学习云台参数调优模型。
[0032]在一些实施例中，根据执行动作之后相对于之前的人脸检测框与真实人脸检测框的重复率的变化方向作为奖励值，包括：
[0033]利用检测框对角上的两个像素点表示检测框位置的方式，分别计算执行动作之后的人脸检测框的位置、执行动作之前的人脸检测框的位置、及真实人脸检测框的位置；
[0034]利用目标检测算法，根据执行动作之前的人脸检测框的位置和真实人脸检测框的位置，计算执行动作之前的人脸检测框和真实人脸检测框的第一重复率；
[0035]利用目标检测算法，根据执行动作之后的人脸检测框的位置和真实人脸检测框的位置，计算执行动作之后的人脸检测框和真实人脸检测框的第二重复率；
[0036]计算所述第一重复率减去所述第二重复率差值，并将该差值的符号作为执行动作之后相对于之前的人脸检测框与真实人脸检测框的重复率的变化方向，从而得到奖励值。
[0037本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种虹膜图像采集方法，其特征在于，包括：获取利用可见光图像采集设备采集的待采集对象的可见光图像和利用近红外图像采集设备采集的待采集对象的近红外图像；对所述可见光图像和所述近红外图像进行坐标映射，得到坐标映射关系；对所述可见光图像进行人脸检测，在检测到人脸的情况下，得到人脸检测结果；根据人脸检测结果和所述坐标映射关系，扣取所述近红外图像中的初始虹膜图像；将所述初始虹膜图像输入至预训练后的深度卷积网络图像采集参数调优模型，得到调优后的图像采集参数；图像采集参数包括打光参数，打光参数包括红外打光参数和/或可见光打光参数；根据人脸检测结果并利用强化学习云台参数调优模型，得到调优后的云台参数；利用调优后的云台参数调整所述可见光图像采集设备和所述近红外图像采集设备的云台位置，基于调整后的云台位置和调优后的图像采集参数采集所述待采集对象的可见光人脸图像和近红外人脸图像；对所述可见光人脸图像进行人脸检测，并根据所述可见光人脸图像的人脸检测结果从所述近红外人脸图像，扣取得到用于虹膜识别的虹膜图像。2.如权利要求1所述的虹膜图像采集方法，其特征在于，打光参数包括打光位置和打光光强；图像采集参数还包括曝光时间、增益及调焦参数；云台参数包括向左移动、向右移动、向上转动、及向下转动。3.如权利要求1所述的虹膜图像采集方法，其特征在于，对所述可见光图像和所述近红外图像进行坐标映射，得到坐标映射关系，包括：根据可见光图像采集设备的位置信息和近红外图像采集设备的位置信息，对所述可见光图像和所述近红外图像进行坐标映射，得到坐标映射关系。4.如权利要求1所述的虹膜图像采集方法，其特征在于，还包括：在未检测到人脸的情况下，重新获取利用可见光图像采集设备重新采集的待采集对象的可见光图像和利用近红外图像采集设备重新采集的待采集对象的近红外图像。5.如权利要求1所述的虹膜图像采集方法，其特征在于，所述可见光图像的人脸检测结果包括人脸检测框位置信息和人脸关键点位置信息；根据人脸检测结果和所述坐标映射关系，扣取所述近红外图像中的初始虹膜图像，包括：根据人脸检测结果中的人脸关键点位置信息和所述坐标映射关系，扣取所述近红外图像中的初始虹膜图像；根据人脸检测结果并利用强化学习云台参数调优模型，得到调优后的云台参数，包括：根据人脸检测结果中的人脸检测框位置信息并利用强化学习云台参数调优模型，得到调优后的云台参数。6.如权利要求5所述的虹膜图像采集方法，其特征在于，还包括：对策略函数进行训练，得到强化学习云台参数调优模型；对策略函数进行训练，得到强化学习云台参数调优模型，包括：获取训练样本集；其中，所述训练样本集中的训练样本包括：可见光图像对应的设备空间位置环境和相应可见光图像的真实人脸检测框；
将训练样本中可见光图像对应的设备空间位置环境输入至策略函数，以可见光图像对应的设备空间位置作为所述策略函数中的环境状态，以云台的调整方式及幅度作为可能的动作，以根据执行动作之后相对于之前的人脸检测框与真实人脸检测框的重复率的变化方向作为奖励值，训练策略函数，得到云台参数的调优值，在执行动作之后的人脸检测框与真实人脸检测框的重复率超过设定阈值后，根据训练后的策略函数得到强化学习云台参数调优模型。7.如权利要求6所述的虹膜图像采集方法，其特征在于，根据执行动作之后相对于之前的人脸检测框与真实人脸检测框的重复率的变化方向作为奖励值，包括：利用检测框对角上的两个像素点表示检测框位置的方式，分别计算执行动作之后的人脸检测框的位置、执行动作之前的人脸检测框的位置、及真实人脸检测框的位置；利用目标检测算法，根据执行动作之前的人脸检测框的位置和真实人脸检测框的位置，计算执行动作之前的人脸检测框和真实人脸检测框的第一重复率；利用目标检测算法，根据执行动作之后的人脸检测框的位置和真实人脸检测框的位置，计算执行动作之后的人脸检测框和真实人脸检测框的第二重复率；计算所述第一重复率减去所述第二重复率差值，并将该差值的符号作为执行动作之后相对于之前的人脸检测框与真实人脸检测框的重复率的变化方向，从而得到奖励值。8.如权利要求5所述的虹膜图像采集方法，其特征在于，还包括：对初始深度卷积网络进行训练，得到预训练后的深度卷积网络图像采集参数调优模型；对初始深度卷积网络进行训练，得到预训练后的深度卷积网络图像采集参数调优模型，包括：获取训练样本集；其中，所述训练样本集中的训练样本包括：虹膜图像和已知图像采集参数；将训练样本中的虹膜图像输入至初始深度卷积网络，得到预测的图像采集参数；根据训练样本中的已知图像采集参数和预测的图像采集参数计算损失，将计算的损失反馈至初始深度卷积网络，以训练初始深度卷积网络，得到预训练后的深度卷积网络图像采集参数调优模型。9.一种虹膜识别方法，其特征在于，包括：利用如权利要求1至8任一项所述的虹膜图像采集方...

【专利技术属性】
技术研发人员：刘京，张慧，王子荣，校利虎，
申请(专利权)人：北京中科虹霸科技有限公司，
类型：发明
国别省市：