1.一种基于整体端到端非稳态虹膜认知识别的身份确认方法,其特征在于:其方法如下所述:步骤一、使用虹膜采集仪采集一名模板测试人员的模板虹膜灰度图像2000张;
步骤二、计算机系统提取该名模板测试人员的每张模板虹膜灰度图像的眼睛图像信息,并用该名模板测试人员的2000张模板虹膜灰度图像设定该名模板测试人员的眼睛图像特征;
步骤三、计算机系统提取该名模板测试人员的每张模板虹膜灰度图像的虹膜质量信息,并用该名模板测试人员的2000张模板虹膜灰度图像设定该名模板测试人员的虹膜质量特征;
步骤四、计算机系统通过Daugman橡皮筋法将该名模板测试人员的每张模板虹膜灰度图像转化为256×32维度的模板虹膜归一图像;
步骤五、计算机系统分别提取该名模板测试人员的每张模板虹膜归一图像的32位模板虹膜特征信息,并根据2000张模板虹膜归一图像的模板虹膜特征信息,设定该名模板测试人员的32位模板特征;
步骤六、重复步骤一到步骤五,直到所有模板测试人员的模板特征设定完成;
步骤七、使用与步骤一相同的虹膜采集仪采集测试人员的测试虹膜灰度图像1张;
步骤八、计算机系统用测试人员的1张测试虹膜灰度图像提取测试人员的眼睛图像信息;
步骤九、计算机系统用测试人员的1张测试虹膜灰度图像提取测试人员的虹膜质量信息;
步骤十、计算机系统将测试人员的眼睛图像信息和虹膜质量信息分别与每个模板测试人员的眼睛图像特征和虹膜质量特征进行匹配,并提取与测试人员的眼睛图像信息和虹膜质量信息匹配的模板测试人员的模板虹膜特征信息;
步骤十一、计算机系统通过Daugman橡皮筋法将测试虹膜灰度图像转化为256×32维度的测试虹膜归一图像;
步骤十二、计算机系统提取测试虹膜归一图像的32位测试虹膜特征信息;
步骤十三、计算机系统通过公式1计算测试虹膜特征信息与步骤十中提取的模板测试人员的模板特征的匹配值,具体如下;
其中:Hv-u为第v个模板测试人员的第u位模板特征;
Du为第u位测试虹膜特征信息;
εv-u为第v个模板测试人员的第u位模板特征的判定阈值;
Cv为第v个模板测试人员的模板特征中Hv-u不等于-1的数量;
HPv为测试虹膜特征信息与第v个模板测试人员的模板特征的匹配值;
如果存在HPv的值等于32且对应的模板测试人员只有一个,则得到结论:测试人员的身份为HPv=32时所对应的模板测试人员;
如果存在HPv的值等于32但对应的模板测试人员多于一个,则得到结论:测试人员的身份不确定,需要从步骤一重新开始;
如果不存在HPv的值等于32的情况,则得到结论:测试人员的身份被认为不是任何一名模板测试人员。
2.根据权利要求1所述的一种基于整体端到端非稳态虹膜认知识别的身份确认方法,其特征在于:所述的步骤二、步骤八中用虹膜灰度图像提取眼睛图像信息的具体过程如下:第一步、通过最大类间方差法的二值化阈值分割方式将虹膜灰度图像中瞳孔部位分割出来,虹膜灰度图像的二值化分割阈值设定为20;
第二步、通过Canny边缘检测的方式对虹膜灰度图像的瞳孔部位进行边缘检测,在瞳孔部位检测出一个封闭圆形,确定该圆形在模板虹膜灰度图像中的位置,设定圆心坐标为(x,y),半径为r;
第三步、在虹膜灰度图像中截取一个以(x,y)为中心,边长为6×r的正方形作为虹膜灰度图像的眼睛判别区域;
第四步、将虹膜灰度图像的眼睛判别区域的像素点的的灰度值范围分成三部分,分别为T1,T2,T3;
T1代表眼睛判别区域的像素点的灰度值在[0,20]范围内;
T2代表眼睛判别区域的像素点的灰度值在[20,128]范围内;
T3代表眼睛判别区域的像素点的灰度值在[128,255]范围内;
统计在眼睛判别区域内T1,T2,T3拥有的像素点的数量,分别记作:l1,l2,l3;
l1代表T1部分像素点的数量;
l2代表T2部分像素点的数量;
l3代表T3部分像素点的数量;
第五步、计算虹膜灰度图像的l2/l1与l3/l1的值,l2/l1与l3/l1的值作为虹膜灰度图像的眼睛图像信息。
3.根据权利要求1所述的一种基于整体端到端非稳态虹膜认知识别的身份确认方法,其特征在于:所述的步骤二中用模板测试人员的2000张模板虹膜灰度图像设定眼睛图像特征的具体过程如下:第一步:设定第o张模板虹膜灰度图像的l2/l1的值为LM1o;
设定第o张模板虹膜灰度图像的与l3/l1的值为LM2o;
第二步、计算2000张模板虹膜灰度图像的LM1o与LM2o,统计LM1o的最大值与最小值,以及LM2o的最大值与最小值,其中:LM1o的最大值设定为k1,最小值设定为k2,LM2o的最大值设定为q1,最小值设定为q2;
第三步、设定LM1o的值范围[k2,k1],LM2o的值范围[q2,q1]为模板测试人员的眼睛图像特征。
4.根据权利要求1所述的一种基于整体端到端非稳态虹膜认知识别的身份确认方法,其特征在于:所述的步骤三、步骤九中用虹膜灰度图像设定虹膜质量信息的具体过程如下:第一步、设定虹膜灰度图像的眼睛判别区域中虹膜的灰度值范围[β1,β2],根据公式2调整虹膜灰度图像的眼睛判别区域的像素点的灰度值,得到重置虹膜图像:其中:F(x1,y1)代表像素点(x1,y1)的灰度值;
第二步、通过公式3计算重置虹膜图像的灰度变化幅度值:其中:Z代表重置虹膜图像灰度值不为255的像素点的个数;
F(xi,yi)代表像素点(xi,yi)的灰度值;
M代表重置虹膜图像的灰度变化幅度值;
第三步、对虹膜灰度图像的眼睛判别区域进行卷积处理,得到眼睛卷积图像,卷积核如下:卷积核:
-1 -1 -1
-1 8 -1
-1 -1 -1
通过公式4计算眼睛卷积图像的清晰度值:
其中:R代表眼睛卷积图像的清晰度值;
n代表眼睛卷积图像中的像素点的个数;
pt代表眼睛卷积图像中第t个像素点的灰度值大于0的概率;
设定清晰度值R和灰度变化幅度值M作为虹膜质量信息。
5.根据权利要求1所述的一种基于整体端到端非稳态虹膜认知识别的身份确认方法,其特征在于:所述的步骤三中用模板测试人员的2000张模板虹膜灰度图像设定虹膜质量特征的具体过程如下:第一步、计算2000张模板虹膜灰度图像的R与M的数值,记录R与M的最大值与最小值,其中:R的最大值设定为R1,R的最小值设定为R2,M的最大值设定为M1,M的最小值设定为M2;
第二步、设定清晰度值R的范围[R1,R2],灰度变化幅度值M的范围[M1,M2]作为模板测试人员的虹膜质量特征。
6.根据权利要求1所述的一种基于整体端到端非稳态虹膜认知识别的身份确认方法,其特征在于:所述的步骤五、步骤十二中提取虹膜归一图像的32位虹膜特征信息的具体过程如下:第一步、将一张虹膜归一图像输入到第一卷积层中,256×32维度虹膜识别区域在第一卷积层中同时分别经过水平方向,垂直方向,左斜方向,右斜方向的四个方向的卷积处理,形成4个256×32维度的第一卷积层卷积处理图像,四个卷积核如下所示:四个卷积核的示例(a)垂直方向卷积,(b)水平方向卷积,(c)右斜方向卷积,(d)左斜方向卷积第二步、四个256×32维度的第一卷积层卷积图像在第一池化层中通过2×2平均池化的方式转化为四个128×16维度第一池化层池化图像;
第三步、四个128×16维度第一池化层池化图像在稀疏层中通过Softplus函数进行稀疏化操作,转化为四个128×16维度稀疏图像;
Softplus函数如公式5所示:
Softplus(x2)=log(1+ex2) (5)其中:Softplus(x2)为结果值;
x2代表池化图像单个像素点的像素值;
第四步、四个128×16维度稀疏图像在标准化层中通过最临近插值算法转化为四个256×32维度填充图像;
第五步、标准化层所输出的四张256×32维度填充图像在第二卷积层中同时通过以5为中心的四邻域拉普拉斯算子进行卷积操作,形成4个256×32维度的第二卷积层卷积处理图像;
拉普拉斯算子如下所示:
-1 0 -1
0 5 0
-1 0 -1
第六步、四个256×32维度的第二卷积层卷积图像在第二池化层中通过2×2平均池化的方式转化为四个128×16维度第二池化层池化图像;
第七步、四个128×16维度第二池化层池化图像在平铺层中以水平方向,竖直方向,左斜方向,右斜方向为顺序排列,以16×16维度为一组,划分为32组,每个方向8组;
每组中特征点灰度值的平均值作为该组的特征值,共计32位有序数组;
32位有序数组作为虹膜归一图像的32位虹膜特征信息。
7.根据权利要求1所述的一种基于整体端到端非稳态虹膜认知识别的身份确认方法,其特征在于:所述的步骤五中根据2000张模板虹膜归一图像的模板虹膜特征信息,设定模板测试人员的32位模板特征的具体过程如下:第一步、通过公式6计算2000张模板虹膜归一图像的32位模板虹膜特征信息的方差;
其中:Du代表第u位模板虹膜特征信息的方差;
Qs-u代表第s张模板虹膜归一图像的第u位模板虹膜特征信息;
第二步、设定每位模板虹膜特征信息的判定阈值,第u位模板虹膜特征信息的判定阈值设定为Yu;通过公式7设定第u位的模板特征Hu;
8.根据权利要求1所述的一种基于整体端到端非稳态虹膜认知识别的身份确认方法,其特征在于:所述的步骤十中将测试人员的眼睛图像信息和虹膜质量信息分别与每个模板测试人员的眼睛图像特征和虹膜质量特征进行匹配的具体过程如下:第一步、通过公式8对测试人员的眼睛图像信息与模板测试人员的眼睛图像特征进行匹配,得到匹配结果J1;
其中:LC1为测试人员的眼睛图像信息中的l2/l1的值为;
LC2测试人员的眼睛图像信息中的l3/l1的值;
sgn为符号函数;
第二步、通过公式9对测试人员的虹膜质量信息与模板测试人员的虹膜质量特征进行匹配,得到匹配结果J2;
其中:R3为测试人员的虹膜质量信息的清晰度值;
M3为测试人员的虹膜质量信息的和灰度变化幅度值;
第三步、如果J1与·J2的返回值全部为1则认定测试人员的眼睛图像信息和虹膜质量信息与模板测试人员的眼睛图像特征和虹膜质量特征相匹配;
如果J1与·J2的返回值完全为1则认定测试人员的眼睛图像信息和虹膜质量信息与模板测试人员的眼睛图像特征和虹膜质量特征不匹配。