虹膜搜索识别方法、装置、处理器及电子装置与流程

1.本发明涉及虹膜识别领域，具体而言，涉及一种虹膜搜索识别方法、装置、处理器及电子装置。


背景技术：

2.目前，伴随着虹膜识别技术的飞速发展，根据应用场景不同，虹膜识别主要可以分为一对一(即1:1)识别模式和一对多(1:n)识别模式。1:1识别模式在本质上表现为计算机对当前虹膜数据与已知虹膜数据进行特征比对进而得出两者是否匹配的过程。1:1识别模式通常应用于认证核验等，以证明当前虹膜数据与已知虹膜数据是否为同一个虹膜。1:n识别模式在本质上表现为计算机将当前虹膜数据与海量的虹膜数据库中所包含的全部虹膜数据进行逐一比对的匹配过程，以获取虹膜数据库中与当前虹膜数据相匹配的目标虹膜，从而根据匹配结果判断出来当前验证者的身份。1:n识别模式通常应用于门禁、上下班打卡等场合。近些年来，随着公安部全国范围内集中采集虹膜特征的落实，虹膜特征将同指纹、人脸等生物特征一样用于嫌犯追踪、人员查询等场景，这些场景的虹膜数据库中数据量巨大，因此寻找一种快速完成虹膜识别的实现方法迫在眉睫，其已成为亟待解决的技术难题。


技术实现要素：

3.本发明至少部分实施例提供了一种虹膜搜索识别方法、装置、处理器及电子装置，以至少解决相关技术中所提供的虹膜1:n识别模式在进行特征比对的过程中，虹膜数据库的数据量增加将会导致虹膜1:n识别模式的搜索时长呈指数级增长的技术问题。
4.根据本发明其中一实施例，提供了一种虹膜搜索识别方法，包括：
5.对目标场景中的待入库虹膜图像进行特征编码处理，创建虹膜数据库，其中，虹膜数据库用于按照不同的虹膜纹理分类对待入库虹膜图像的特征码进行分组存储；对待识别虹膜图像进行特征编码处理，得到待比对特征码；确定待比对特征码对应的虹膜纹理分类；基于虹膜纹理分类将待比对特征码与虹膜数据库中存储的特征码进行搜索比对处理，得到识别结果，其中，识别结果用于表明虹膜数据库中是否存在与待比对特征码相匹配的特征码。
6.可选地，对目标场景中的待入库虹膜图像进行特征编码处理，创建虹膜数据库包括：利用虹膜采集设备在目标场景中采集待入库虹膜图像；对待入库虹膜图像进行分割处理，得到第一眼睑睫毛区域掩模图像；对待入库虹膜图像和第一眼睑睫毛区域掩模图像进行展开处理，得到第一虹膜展开图像；对第一虹膜展开图像进行特征编码处理，创建虹膜数据库。
7.可选地，对待入库虹膜图像进行分割处理，得到第一眼睑睫毛区域掩模图像包括：对待入库虹膜图像中的瞳孔与虹膜之间的交界线处进行圆拟合，得到内圆信息，其中，内圆信息包括：内圆圆心所在的位置和内圆半径；对待入库虹膜图像中的虹膜与巩膜之间的交界线处进行圆拟合，得到外圆信息，其中，外圆信息包括：外圆圆心所在的位置和外圆半径；
对待入库虹膜图像中的眼睑和睫毛进行分割，得到第一眼睑睫毛区域掩模图像。
8.可选地，对待入库虹膜图像和第一眼睑睫毛区域掩模图像进行展开处理，得到第一虹膜展开图像包括：按照内圆信息和外圆信息对待入库虹膜图像和第一眼睑睫毛区域掩模图像进行展开处理，得到第一虹膜展开图像。
9.可选地，对第一虹膜展开图像进行特征编码处理，创建虹膜数据库包括：对第一虹膜展开图像进行特征编码处理，得到预设长度的特征码；对第一虹膜展开图像中未被第一眼睑睫毛区域掩模图像的覆盖区域进行灰度共生矩阵统计，得到第一共生矩阵，并计算第一共生矩阵对应的第一内容描述子，其中，第一内容描述子用于反映虹膜纹理深浅的程度；按照第一内容描述子的取值分布建立多个序列，并按照第一内容描述子的取值大小将预设长度的特征码存储至第一目标序列中，得到虹膜数据库，其中，多个序列用于确定多个虹膜纹理分类，第一目标序列是从多个序列中选取的序列。
10.可选地，按照第一内容描述子的取值分布建立多个序列包括：按照第一内容描述子的取值分布选取第一内容描述子的次小值和次大值；基于次小值和次大值计算取值间隔；利用次小值、次大值以及取值间隔建立多个序列。
11.可选地，对待识别虹膜图像进行特征编码处理，得到待比对特征码包括：利用虹膜采集设备在目标场景中采集待识别虹膜图像；对待识别虹膜图像进行分割处理，得到第二眼睑睫毛区域掩模图像；对待识别虹膜图像和第二眼睑睫毛区域掩模图像进行展开处理，得到第二虹膜展开图像；对第二虹膜展开图像进行特征编码处理，得到待比对特征码。
12.可选地，对待识别虹膜图像进行分割处理，得到第二眼睑睫毛区域掩模图像包括：对待识别虹膜图像中的瞳孔与虹膜之间的交界线处进行圆拟合，得到内圆信息，其中，内圆信息包括：内圆圆心所在的位置和内圆半径；对待识别虹膜图像中的虹膜与巩膜之间的交界线处进行圆拟合，得到外圆信息，其中，外圆信息包括：外圆圆心所在的位置和外圆半径；对待识别虹膜图像中的眼睑和睫毛进行分割，得到第二眼睑睫毛区域掩模图像。
13.可选地，对待识别虹膜图像和第二眼睑睫毛区域掩模图像进行展开处理，得到第二虹膜展开图像包括：按照内圆信息和外圆信息对待识别虹膜图像和第二眼睑睫毛区域掩模图像进行展开处理，得到第二虹膜展开图像。
14.可选地，确定待比对特征码对应的虹膜纹理分类包括：对第二虹膜展开图像中未被第二眼睑睫毛区域掩模图像的覆盖区域进行灰度共生矩阵统计，得到第二共生矩阵，并计算第二共生矩阵对应的第二内容描述子，其中，第二内容描述子用于反映虹膜纹理深浅的程度；基于第二内容描述子确定待比对特征码对应的虹膜纹理分类。
15.可选地，基于虹膜纹理分类将待比对特征码与虹膜数据库中存储的特征码进行搜索比对处理，得到识别结果包括：选取第二内容描述子的取值所在分布对应的第二目标序列；将待比对特征码与第二目标序列中存储的特征码进行搜索比对处理，得到比对结果；当比对结果满足预设条件时，得到识别结果；当比对结果未满足预设条件时，继续将待比对特征码与第二目标序列的邻域序列中存储的特征码进行搜索比对处理，直至比对成功，得到识别结果，或者，待比对特征码与虹膜数据库中存储的特征码全部比对完毕。
16.可选地，对第一虹膜展开图像中未被第一眼睑睫毛区域掩模图像的覆盖区域进行灰度共生矩阵统计，得到第一共生矩阵包括：将灰度等级分为k级；分别从多个方向进行邻域灰度值变化统计，得到第一共生矩阵，其中，第一共生矩阵对应的尺寸为k*k，k为正整数。
17.可选地，采用如下公式计算第一共生矩阵对应的第一内容描述子：
[0018][0019]
其中，con为第一内容描述子，con的取值用于反映虹膜纹理深浅的程度，同一个虹膜的两张图像计算得到的con取值的相关性大于不同虹膜之间的两张图像计算得到的con取值的相关性。
[0020]
根据本发明其中一实施例，还提供了一种虹膜搜索识别装置，包括：
[0021]
创建模块，用于对目标场景中的待入库虹膜图像进行特征编码处理，创建虹膜数据库，其中，虹膜数据库用于按照不同的虹膜纹理分类对待入库虹膜图像的特征码进行分组存储；编码模块，用于对待识别虹膜图像进行特征编码处理，得到待比对特征码；确定模块，用于确定待比对特征码对应的虹膜纹理分类；识别模块，用于基于虹膜纹理分类将待比对特征码与虹膜数据库中存储的特征码进行搜索比对处理，得到识别结果，其中，识别结果用于表明虹膜数据库中是否存在与待比对特征码相匹配的特征码。
[0022]
可选地，创建模块，用于利用虹膜采集设备在目标场景中采集待入库虹膜图像；对待入库虹膜图像进行分割处理，得到第一眼睑睫毛区域掩模图像；对待入库虹膜图像和第一眼睑睫毛区域掩模图像进行展开处理，得到第一虹膜展开图像；对第一虹膜展开图像进行特征编码处理，创建虹膜数据库。
[0023]
可选地，创建模块，用于对待入库虹膜图像中的瞳孔与虹膜之间的交界线处进行圆拟合，得到内圆信息，其中，内圆信息包括：内圆圆心所在的位置和内圆半径；对待入库虹膜图像中的虹膜与巩膜之间的交界线处进行圆拟合，得到外圆信息，其中，外圆信息包括：外圆圆心所在的位置和外圆半径；对待入库虹膜图像中的眼睑和睫毛进行分割，得到第一眼睑睫毛区域掩模图像。
[0024]
可选地，创建模块，用于按照内圆信息和外圆信息对待入库虹膜图像和第一眼睑睫毛区域掩模图像进行展开处理，得到第一虹膜展开图像。
[0025]
可选地，创建模块，用于对第一虹膜展开图像进行特征编码处理，得到预设长度的特征码；对第一虹膜展开图像中未被第一眼睑睫毛区域掩模图像的覆盖区域进行灰度共生矩阵统计，得到第一共生矩阵，并计算第一共生矩阵对应的第一内容描述子，其中，第一内容描述子用于反映虹膜纹理深浅的程度；按照第一内容描述子的取值分布建立多个序列，并按照第一内容描述子的取值大小将预设长度的特征码存储至第一目标序列中，得到虹膜数据库，其中，多个序列用于确定多个虹膜纹理分类，第一目标序列是从多个序列中选取的序列。
[0026]
可选地，创建模块，用于按照第一内容描述子的取值分布选取第一内容描述子的次小值和次大值；基于次小值和次大值计算取值间隔；利用次小值、次大值以及取值间隔建立多个序列。
[0027]
可选地，编码模块，用于利用虹膜采集设备在目标场景中采集待识别虹膜图像；对待识别虹膜图像进行分割处理，得到第二眼睑睫毛区域掩模图像；对待识别虹膜图像和第二眼睑睫毛区域掩模图像进行展开处理，得到第二虹膜展开图像；对第二虹膜展开图像进行特征编码处理，得到待比对特征码。
[0028]
可选地，编码模块，用于对待识别虹膜图像中的瞳孔与虹膜之间的交界线处进行圆拟合，得到内圆信息，其中，内圆信息包括：内圆圆心所在的位置和内圆半径；对待识别虹
膜图像中的虹膜与巩膜之间的交界线处进行圆拟合，得到外圆信息，其中，外圆信息包括：外圆圆心所在的位置和外圆半径；对待识别虹膜图像中的眼睑和睫毛进行分割，得到第二眼睑睫毛区域掩模图像。
[0029]
可选地，编码模块，用于按照内圆信息和外圆信息对待识别虹膜图像和第二眼睑睫毛区域掩模图像进行展开处理，得到第二虹膜展开图像。
[0030]
可选地，确定模块，用于对第二虹膜展开图像中未被第二眼睑睫毛区域掩模图像的覆盖区域进行灰度共生矩阵统计，得到第二共生矩阵，并计算第二共生矩阵对应的第二内容描述子，其中，第二内容描述子用于反映虹膜纹理深浅的程度。
[0031]
可选地，识别模块，用于选取第二内容描述子的取值所在分布对应的第二目标序列；将待比对特征码与第二目标序列中存储的特征码进行搜索比对处理，得到比对结果；当比对结果满足预设条件时，得到识别结果；当比对结果未满足预设条件时，继续将待比对特征码与第二目标序列的邻域序列中存储的特征码进行搜索比对处理，直至比对成功，得到识别结果，或者，待比对特征码与虹膜数据库中存储的特征码全部比对完毕。
[0032]
可选地，创建模块，用于将灰度等级分为k级；分别从多个方向进行邻域灰度值变化统计，得到第一共生矩阵，其中，第一共生矩阵对应的尺寸为k*k，k为正整数。
[0033]
可选地，创建模块，用于采用如下公式计算第一共生矩阵对应的第一内容描述子：
[0034][0035]
其中，con为第一内容描述子，con的取值用于反映虹膜纹理深浅的程度，同一个虹膜的两张图像计算得到的con取值的相关性大于不同虹膜之间的两张图像计算得到的con取值的相关性。
[0036]
根据本发明其中一实施例，还提供了一种非易失性存储介质，存储介质中存储有计算机程序，其中，计算机程序被设置为运行时执行上述任一项中的虹膜搜索识别方法。
[0037]
根据本发明其中一实施例，还提供了一种处理器，处理器用于运行程序，其中，程序被设置为运行时执行上述任一项中的虹膜搜索识别方法。
[0038]
根据本发明其中一实施例，还提供了一种电子装置，包括存储器和处理器，存储器中存储有计算机程序，处理器被设置为运行计算机程序以执行上述任一项中的虹膜搜索识别方法。
[0039]
在本发明至少部分实施例中，采用对目标场景中的待入库虹膜图像进行特征编码处理，创建虹膜数据库，该虹膜数据库用于按照不同的虹膜纹理分类对待入库虹膜图像的特征码进行分组存储的方式，通过对待识别虹膜图像进行特征编码处理以得到待比对特征码，确定待比对特征码对应的虹膜纹理分类，以及基于虹膜纹理分类将待比对特征码与虹膜数据库中存储的特征码进行搜索比对处理以确定虹膜数据库中是否存在与待比对特征码相匹配的特征码，达到了通过对虹膜纹理进行分类能够有效地缩小虹膜数据的搜索范围的目的，从而实现了显著降低虹膜1:n识别模式的搜索时长、提升虹膜1:n识别模式的搜索效率的技术效果，进而解决了相关技术中所提供的虹膜1:n识别模式在进行特征比对的过程中，虹膜数据库的数据量增加将会导致虹膜1:n识别模式的搜索时长呈指数级增长的技术问题。
附图说明
[0040]
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
[0041]
图1是根据本发明其中一实施例的虹膜搜索识别方法的流程图；
[0042]
图2是根据本发明其中一可选实施例的虹膜展开图像的示意图；
[0043]
图3是根据本发明其中一实施例的虹膜搜索识别装置的结构框图。
具体实施方式
[0044]
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
[0045]
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0046]
虹膜识别通常包括两个部分，其分别为：特征编码和特征比对。在通常情况下，单张虹膜图像数据的特征编码时耗稳定，其并不会伴随着虹膜数据库的数据量增加而随之增加。但是，在进行特征比对的过程中，虹膜数据库的数据量增加将会导致虹膜1:n识别模式的搜索时长呈指数级增长。考虑到不同虹膜数据本身存在明显的纹理差异，而相同虹膜的纹理特征稳定，因此通过对虹膜纹理进行分类能够有效地缩小虹膜数据的搜索范围。
[0047]
根据本发明其中一实施例，提供了一种虹膜搜索识别方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
[0048]
该方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例，该移动终端可以是智能手机(如android手机、ios手机等)、平板电脑、掌上电脑以及移动互联网设备(mobile internet devices，简称为mid)、pad等终端设备。移动终端可以包括一个或多个处理器(处理器可以包括但不限于中央处理器(cpu)、图形处理器(gpu)、数字信号处理(dsp)芯片、微处理器(mcu)、可编程逻辑器件(fpga)、神经网络处理器(npu)、张量处理器(tpu)、人工智能(ai)类型处理器等的处理装置)和用于存储数据的存储器。可选地，上述移动终端还可以包括用于通信功能的传输设备、输入输出设备、显示设备以及虹膜采集设备。本领域普通技术人员可以理解，上述结构描述仅为示意，其并不对上述移动终端的结构造成限定。例如，移动终端还可包括比上述结构描述更多或者更少的组件，或者具有与上述结构描述不同的配置。
[0049]
存储器可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本发明实施例中的虹膜搜索识别方法对应的计算机程序，处理器通过运行存储在存储器内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的虹膜搜索识别方法。存储器可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器可进一步包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至移动终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
[0050]
传输设备用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端的通信供应商提供的无线网络。在一个实例中，传输设备包括一个网络适配器(network interface controller，简称为nic)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输设备可以为射频(radio frequency，简称为rf)模块，其用于通过无线方式与互联网进行通讯。
[0051]
显示设备可以例如触摸屏式的液晶显示器(lcd)和触摸显示器(也被称为“触摸屏”或“触摸显示屏”)。该液晶显示器可使得用户能够与移动终端的用户界面进行交互。在一些实施例中，上述移动终端具有图形用户界面(gui)，用户可以通过触摸触敏表面上的手指接触和/或手势来与gui进行人机交互，此处的人机交互功能可选的包括如下交互：创建网页、绘图、文字处理、制作电子文档、游戏、视频会议、即时通信、收发电子邮件、通话界面、播放数字视频、播放数字音乐和/或网络浏览等、用于执行上述人机交互功能的可执行指令被配置/存储在一个或多个处理器可执行的计算机程序产品或可读存储介质中。
[0052]
虹膜采集设备可以包括但不限于虹膜摄像头、红外灯以及红外带通滤镜。虹膜采集设备的类型可以包括但不限于：采用主动视觉反馈的虹膜采集设备、采用测距反馈的虹膜采集设备、扩展采集距离的虹膜采集设备、基于双远心镜头的虹膜采集设备等。
[0053]
在本实施例中提供了一种运行于上述移动终端的虹膜搜索识别方法，图1是根据本发明其中一实施例的虹膜搜索识别方法的流程图，用于实现对虹膜1:n识别模式进行加速，如图1所示，该方法包括如下步骤：
[0054]
步骤s10，对目标场景中的待入库虹膜图像进行特征编码处理，创建虹膜数据库，其中，虹膜数据库用于按照不同的虹膜纹理分类对待入库虹膜图像的特征码进行分组存储；
[0055]
步骤s12，对待识别虹膜图像进行特征编码处理，得到待比对特征码；
[0056]
步骤s14，确定待比对特征码对应的虹膜纹理分类；
[0057]
步骤s16，基于虹膜纹理分类将待比对特征码与虹膜数据库中存储的特征码进行搜索比对处理，得到识别结果，其中，识别结果用于表明虹膜数据库中是否存在与待比对特征码相匹配的特征码。
[0058]
通过上述步骤，可以采用对目标场景中的待入库虹膜图像进行特征编码处理，创建虹膜数据库，该虹膜数据库用于按照不同的虹膜纹理分类对待入库虹膜图像的特征码进行分组存储的方式，通过对待识别虹膜图像进行特征编码处理以得到待比对特征码，确定待比对特征码对应的虹膜纹理分类，以及基于虹膜纹理分类将待比对特征码与虹膜数据库中存储的特征码进行搜索比对处理以确定虹膜数据库中是否存在与待比对特征码相匹配的特征码，达到了通过对虹膜纹理进行分类能够有效地缩小虹膜数据的搜索范围的目的，
从而实现了显著降低虹膜1:n识别模式的搜索时长、提升虹膜1:n识别模式的搜索效率的技术效果，进而解决了相关技术中所提供的虹膜1:n识别模式在进行特征比对的过程中，虹膜数据库的数据量增加将会导致虹膜1:n识别模式的搜索时长呈指数级增长的技术问题。
[0059]
上述目标场景可以包括但不限于门禁、上下班打卡等实际应用场景。上述目标场景中的待入库虹膜图像通常可以包括：特定工作区域(例如：某公司所在工作园区)内全部工作人员的虹膜图像。上述待识别虹膜图像通常可以包括：当前身份验证者的虹膜图像。由此，通过虹膜1:n识别模式来验证虹膜数据库中是否存在与待识别虹膜图像匹配的虹膜图像。
[0060]
在相关技术所提供的虹膜1:n识别模式中，如果希望从虹膜数据库中查找到与待识别虹膜图像相匹配的虹膜图像，则需要将待识别虹膜图像与虹膜数据库所存储的n张虹膜图像逐一进行比对，直至查找到相匹配的虹膜图像。然而，采用本发明实施例所提供的上述技术方案，通过按照不同的虹膜纹理分类对待入库虹膜图像的特征码进行分组存储所创建的虹膜数据库，待识别虹膜图像只需与对应虹膜纹理分类中所包含的虹膜图像进行比对，由此显著地降低虹膜图像的比对次数、提高虹膜图像的比对效率。
[0061]
例如：在相关技术所提供的虹膜1:n识别模式中，如果将待识别虹膜图像与虹膜数据库所存储的n张虹膜图像逐一进行比对，则最多需要比对n次。然而，通过采用本发明实施例所提供的上述技术方案，假设按照不同的虹膜纹理分类将n张虹膜图像分成m组，那么可以缩减到将待识别虹膜图像与虹膜数据库所存储的n/m张虹膜图像逐一进行比对，从而显著地降低虹膜图像的比对次数、提高虹膜图像的比对效率。
[0062]
可选地，在步骤s10中，对目标场景中的待入库虹膜图像进行特征编码处理，创建虹膜数据库可以包括以下执行步骤：
[0063]
步骤s100，利用虹膜采集设备在目标场景中采集待入库虹膜图像；
[0064]
步骤s101，对待入库虹膜图像进行分割处理，得到第一眼睑睫毛区域掩模图像；
[0065]
步骤s102，对待入库虹膜图像和第一眼睑睫毛区域掩模图像进行展开处理，得到第一虹膜展开图像；
[0066]
步骤s103，对第一虹膜展开图像进行特征编码处理，创建虹膜数据库。
[0067]
上述虹膜搜索识别方法主要包含虹膜数据库创建过程与虹膜数据识别过程。
[0068]
在虹膜数据库创建过程中，主要是对目标应用场景中的全部人员进行虹膜图像采集，并对虹膜图像数据进行特征编码分类存储。虹膜采集设备负责采集待入库虹膜图像，其图像尺寸通常可以设定为640*480。具体地，在对目标场景中的待入库虹膜图像进行特征编码处理的过程中，首先，可以利用虹膜采集设备在门禁、上下班打卡等实际应用场景中采集特定工作区域内全部工作人员的虹膜图像(即待入库虹膜图像)；其次，可以对待入库虹膜图像进行分割处理以得到第一眼睑睫毛区域掩模图像；然后，再对待入库虹膜图像和第一眼睑睫毛区域掩模图像进行展开处理以得到第一虹膜展开图像；最后，通过对第一虹膜展开图像进行特征编码处理来创建虹膜数据库。
[0069]
可选地，在步骤s101中，对待入库虹膜图像进行分割处理，得到第一眼睑睫毛区域掩模图像可以包括以下执行步骤：
[0070]
步骤s1010，对待入库虹膜图像中的瞳孔与虹膜之间的交界线处进行圆拟合，得到内圆信息，其中，内圆信息包括：内圆圆心所在的位置和内圆半径；
[0071]
步骤s1011，对待入库虹膜图像中的虹膜与巩膜之间的交界线处进行圆拟合，得到外圆信息，其中，外圆信息包括：外圆圆心所在的位置和外圆半径；
[0072]
步骤s1012，对待入库虹膜图像中的眼睑和睫毛进行分割，得到第一眼睑睫毛区域掩模图像。
[0073]
对待入库虹膜图像进行分割的过程主要表现为以下几个方面：
[0074]
(1)对待入库虹膜图像中的瞳孔进行分割，在瞳孔与虹膜之间的交界线处实现圆拟合，以得到对应的内圆信息，其中，内圆信息包括：内圆圆心所在的位置(pupilx,pupily)以及内圆半径pupilr。
[0075]
(2)在待入库虹膜图像中的虹膜与巩膜之间的交界线处实现圆拟合，得到对应的外圆信息，其中，外圆信息包括：外圆圆心所在的位置(irisx,irisy)以及外圆半径irisr。
[0076]
(3)对待入库虹膜图像中的眼睑和睫毛进行分割以得到对应的眼睑睫毛区域掩模图像。
[0077]
可选地，在步骤s102中，对待入库虹膜图像和第一眼睑睫毛区域掩模图像进行展开处理，得到第一虹膜展开图像可以包括以下执行步骤：
[0078]
步骤s1020，按照内圆信息和外圆信息对待入库虹膜图像和第一眼睑睫毛区域掩模图像进行展开处理，得到第一虹膜展开图像。
[0079]
在获取到上述内圆信息和上述外圆信息之后，便可以利用内圆圆心所在的位置(pupilx,pupily)、内圆半径pupilr、外圆圆心所在的位置(irisx,irisy)以及外圆半径irisr对待入库虹膜图像和第一眼睑睫毛区域掩模图像进行展开处理，得到第一虹膜展开图像。该展开过程通常表现为对图像中像素坐标位置按照极坐标进行计算，极半径对应展开图的高，极角对应展开图的宽。即，以瞳孔中心按照不同的角度(0
°‑
360
°
)向外发射多条射线并对所有射线上的像素值按照不同的极半径(最大值为irisr，最小值为pupilr，中间取样间隔固定)进行采样分别存储于对应展开图像的位置坐标上，以完成虹膜区域的展开采样处理。
[0080]
图2是根据本发明其中一可选实施例的虹膜展开图像的示意图，如图2所示，通过利用内圆圆心所在的位置(pupilx,pupily)、内圆半径pupilr、外圆圆心所在的位置(irisx,irisy)以及外圆半径irisr对虹膜原图进行展开处理可以得到虹膜展开矩形图，然后再将虹膜展开矩形图中眼睑睫毛掩模对应位置的像素置0，即，眼睑睫毛掩模对应位置变成黑色区域。
[0081]
可选地，在步骤s103中，对第一虹膜展开图像进行特征编码处理，创建虹膜数据库可以包括以下执行步骤：
[0082]
步骤s1030，对第一虹膜展开图像进行特征编码处理，得到预设长度的特征码；
[0083]
步骤s1031，对第一虹膜展开图像中未被第一眼睑睫毛区域掩模图像的覆盖区域进行灰度共生矩阵统计，得到第一共生矩阵，并计算第一共生矩阵对应的第一内容描述子，其中，第一内容描述子用于反映虹膜纹理深浅的程度；
[0084]
步骤s1032，按照第一内容描述子的取值分布建立多个序列，并按照第一内容描述子的取值大小将预设长度的特征码存储至第一目标序列中，得到虹膜数据库，其中，多个序列用于存储多个虹膜纹理分类，第一目标序列是从多个序列中选取的序列。
[0085]
在一个可选实施例中，通过对第一虹膜展开图像进行特征编码处理可以得到预设
长度的特征码，例如：长度为l的特征码code。通过对第一虹膜展开图像中未被第一眼睑睫毛区域掩模图像的覆盖区域(即除上述黑色区域之外的其余区域)进行灰度共生矩阵统计，将灰度等级分为k级，分别从多个方向(例如：水平0
°
方向、垂直90
°
方向、斜对角线45
°
方向以及斜对角线135
°
方向这四个方向)进行邻域灰度值变化统计，由此得到对应的尺寸为k*k的共生矩阵g，并采用如下公式计算表征共生矩阵g的内容描述子con：
[0086][0087]
其中，con的取值能够反映虹膜纹理深浅的程度，因此，同一个虹膜的两张图像计算得到的con取值具有较大的相关性，而不同虹膜之间的两张图像计算得到的con取值具有较小的相关性。
[0088]
在一个可选实施例中，为了能够按照第一内容描述子的取值分布建立多个序列，首先需要按照第一内容描述子的取值分布选取第一内容描述子的次小值和次大值，其次需要基于次小值和次大值计算取值间隔，然后再利用次小值、次大值以及取值间隔建立多个序列。
[0089]
通过对模板虹膜库中每一张虹膜图像重复执行上述多个步骤，进行con取值计算得到c(c1,c2,
…
cn)，然后再按照con取值的分布情况分别建立n组序列(即n个分布段)，进而将待入库虹膜图像的特征码按照con取值的大小存储在对应的组序列(相当于上述第一目标序列)中，其分组方式如下：
[0090]
(1)选取上述计算得到的c(c1,c2,
…
cn)中的次小值cmin和次大值cmax，并计算平均取值间隔delta＝(cmax
‑
cmin)/n；
[0091]
(2)根据cmin,delta以及cmax计算得到con取值分布段n，即，
[0092]
{[0,cmin),[cmin,cmin+delta),
……
[cmin+n*delta,cmax),[cmax,∞)}。
[0093]
最后，再对实际应用场景中注册的虹膜图像重复执行上述多个步骤，将每个注册的虹膜图像的con取值按照所属分布段，存储至对应的注册虹膜数据库d{d1,d2,
……
,dn}，其中，d1,d2,
……
,dn分别为对应所属分布段的子数据库。
[0094]
可选地，在步骤s12中，对待识别虹膜图像进行特征编码处理，得到待比对特征码可以包括以下执行步骤：
[0095]
步骤s120，利用虹膜采集设备在目标场景中采集待识别虹膜图像；
[0096]
步骤s121，对待识别虹膜图像进行分割处理，得到第二眼睑睫毛区域掩模图像；
[0097]
步骤s122，对待识别虹膜图像和第二眼睑睫毛区域掩模图像进行展开处理，得到第二虹膜展开图像；
[0098]
步骤s123，对第二虹膜展开图像进行特征编码处理，得到待比对特征码。
[0099]
在虹膜数据识别过程中，虹膜采集设备负责采集待识别虹膜图像，其图像尺寸通常可以设定为640*480。具体地，在对待识别虹膜图像进行特征编码处理过程中，首先，可以利用虹膜采集设备在门禁、上下班打卡等实际应用场景中采集身份验证者的虹膜图像(即待识别虹膜图像)；其次，可以对待识别虹膜图像进行分割处理以得到第二眼睑睫毛区域掩模图像；然后，再对待识别虹膜图像和第二眼睑睫毛区域掩模图像进行展开处理以得到第二虹膜展开图像；最后，通过对第二虹膜展开图像进行特征编码处理来得到待比对特征码。
[0100]
可选地，在步骤s121中，对待识别虹膜图像进行分割处理，得到第二眼睑睫毛区域掩模图像可以包括以下执行步骤：
[0101]
步骤s1210，对待识别虹膜图像中的瞳孔与虹膜之间的交界线处进行圆拟合，得到内圆信息，其中，内圆信息包括：内圆圆心所在的位置和内圆半径；
[0102]
步骤s1211，对待识别虹膜图像中的虹膜与巩膜之间的交界线处进行圆拟合，得到外圆信息，其中，外圆信息包括：外圆圆心所在的位置和外圆半径；
[0103]
步骤s1212，对待识别虹膜图像中的眼睑和睫毛进行分割，得到第二眼睑睫毛区域掩模图像。
[0104]
与待入库虹膜图像的分割过程相类似，对待识别虹膜图像进行分割的过程主要表现为以下几个方面：
[0105]
(1)对待识别虹膜图像中的瞳孔进行分割，在瞳孔与虹膜之间的交界线处实现圆拟合，以得到对应的内圆信息，其中，内圆信息包括：内圆圆心所在的位置(pupilx,pupily)以及内圆半径pupilr。
[0106]
(2)在待识别虹膜图像中的虹膜与巩膜之间的交界线处实现圆拟合，得到对应的外圆信息，其中，外圆信息包括：外圆圆心所在的位置(irisx,irisy)以及外圆半径irisr。
[0107]
(3)对待识别虹膜图像中的眼睑和睫毛进行分割以得到对应的眼睑睫毛区域掩模图像。
[0108]
可选地，在步骤s122中，对待识别虹膜图像和第二眼睑睫毛区域掩模图像进行展开处理，得到第二虹膜展开图像可以包括以下执行步骤：
[0109]
步骤s1220，按照内圆信息和外圆信息对待识别虹膜图像和第二眼睑睫毛区域掩模图像进行展开处理，得到第二虹膜展开图像。
[0110]
在获取到上述内圆信息和上述外圆信息之后，便可以利用内圆圆心所在的位置(pupilx,pupily)、内圆半径pupilr、外圆圆心所在的位置(irisx,irisy)以及外圆半径irisr对待识别虹膜图像和第二眼睑睫毛区域掩模图像进行展开处理，得到第二虹膜展开图像。
[0111]
可选地，在步骤s14中，确定待比对特征码对应的虹膜纹理分类可以包括以下执行步骤：
[0112]
步骤s140，对第二虹膜展开图像中未被第二眼睑睫毛区域掩模图像的覆盖区域进行灰度共生矩阵统计，得到第二共生矩阵，并计算第二共生矩阵对应的第二内容描述子，其中，第二内容描述子用于反映虹膜纹理深浅的程度；
[0113]
步骤s141，基于第二内容描述子确定待比对特征码对应的虹膜纹理分类。
[0114]
在一个可选实施例中，通过对第二虹膜展开图像进行特征编码处理可以得到预设长度的特征码，例如：长度为l的特征码code
pre
。通过对第二虹膜展开图像中未被第二眼睑睫毛区域掩模图像的覆盖区域进行灰度共生矩阵统计可以得到对应的尺寸为k*k的共生矩阵g
pre
，并采用前述公式计算表征共生矩阵g
pre
的内容描述子con
pre
。
[0115]
可选地，在步骤s16中，基于虹膜纹理分类将待比对特征码与虹膜数据库中存储的特征码进行搜索比对处理，得到识别结果可以包括以下执行步骤：
[0116]
步骤s160，选取第二内容描述子的取值所在分布对应的第二目标序列；
[0117]
步骤s161，将待比对特征码与第二目标序列中存储的特征码进行搜索比对处理，得到比对结果；
[0118]
步骤s162，当比对结果满足预设条件时，得到识别结果；当比对结果未满足预设条
件时，继续将待比对特征码与第二目标序列的邻域序列中存储的特征码进行搜索比对处理，直至比对成功，得到识别结果，或者，待比对特征码与虹膜数据库中存储的特征码全部比对完毕。
[0119]
在基于虹膜纹理分类将待比对特征码与虹膜数据库中存储的特征码进行搜索比对处理的过程中，可以选取内容描述子con
pre
的取值所属的分布段(相当于上述第二目标序列)，然后再将特征码code
pre
与该分布段子数据库中的所有特征码进行逐一比对，保留对应的分数值并选取其中的最大值s及其对应标识。如果s大于预设阈值t(相当于上述预设条件)，则表示匹配成功，即该待识别虹膜图像与最大值s对应的标识相匹配。如果s小于或等于预设阈值t，则在分布段子数据库的邻域子数据库(相当于上述第二目标序列的邻域序列)中重复进行搜索比对，直至匹配成功或待识别特征编码与整个虹膜数据库的所有特征编码全部比对完毕为止。
[0120]
在一个可选实施例中，可以采用如下方式在分布段子数据库的邻域子数据库中进行搜索比对：
[0121]
假设con
pre
取值所属的分布段为第n段，如果在第n段没有匹配成功，则同时在第n
‑
1段和n+1段进行匹配分析；如果在第n
‑
1段和n+1段仍然没有匹配成功，则同时在第n
‑
2段和n+2段进行匹配分析，以此类推
……
直至匹配成功或待识别特征编码与整个数据库的所有特征编码全部比对完毕为止。
[0122]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
[0123]
在本实施例中还提供了一种虹膜搜索识别装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
[0124]
图3是根据本发明其中一实施例的虹膜搜索识别装置的结构框图，如图3所示，该装置包括：创建模块10，用于对目标场景中的待入库虹膜图像进行特征编码处理，创建虹膜数据库，其中，虹膜数据库用于按照不同的虹膜纹理分类对待入库虹膜图像的特征码进行分组存储；编码模块20，用于对待识别虹膜图像进行特征编码处理，得到待比对特征码；确定模块30，用于确定待比对特征码对应的虹膜纹理分类；识别模块40，用于基于虹膜纹理分类将待比对特征码与虹膜数据库中存储的特征码进行搜索比对处理，得到识别结果，其中，识别结果用于表明虹膜数据库中是否存在与待比对特征码相匹配的特征码。
[0125]
可选地，创建模块10，用于利用虹膜采集设备在目标场景中采集待入库虹膜图像；对待入库虹膜图像进行分割处理，得到第一眼睑睫毛区域掩模图像；对待入库虹膜图像和第一眼睑睫毛区域掩模图像进行展开处理，得到第一虹膜展开图像；对第一虹膜展开图像进行特征编码处理，创建虹膜数据库。
[0126]
可选地，创建模块10，用于对待入库虹膜图像中的瞳孔与虹膜之间的交界线处进
行圆拟合，得到内圆信息，其中，内圆信息包括：内圆圆心所在的位置和内圆半径；对待入库虹膜图像中的虹膜与巩膜之间的交界线处进行圆拟合，得到外圆信息，其中，外圆信息包括：外圆圆心所在的位置和外圆半径；对待入库虹膜图像中的眼睑和睫毛进行分割，得到第一眼睑睫毛区域掩模图像。
[0127]
可选地，创建模块10，用于按照内圆信息和外圆信息对待入库虹膜图像和第一眼睑睫毛区域掩模图像进行展开处理，得到第一虹膜展开图像。
[0128]
可选地，创建模块10，用于对第一虹膜展开图像进行特征编码处理，得到预设长度的特征码；对第一虹膜展开图像中未被第一眼睑睫毛区域掩模图像的覆盖区域进行灰度共生矩阵统计，得到第一共生矩阵，并计算第一共生矩阵对应的第一内容描述子，其中，第一内容描述子用于反映虹膜纹理深浅的程度；按照第一内容描述子的取值分布建立多个序列，并按照第一内容描述子的取值大小将预设长度的特征码存储至第一目标序列中，得到虹膜数据库，其中，多个序列用于存储多个虹膜纹理分类，第一目标序列是从多个序列中选取的序列。
[0129]
可选地，创建模块10，用于按照第一内容描述子的取值分布选取第一内容描述子的次小值和次大值；基于次小值和次大值计算取值间隔；利用次小值、次大值以及取值间隔建立多个序列。
[0130]
可选地，编码模块20，用于利用虹膜采集设备在目标场景中采集待识别虹膜图像；对待识别虹膜图像进行分割处理，得到第二眼睑睫毛区域掩模图像；对待识别虹膜图像和第二眼睑睫毛区域掩模图像进行展开处理，得到第二虹膜展开图像；对第二虹膜展开图像进行特征编码处理，得到待比对特征码。
[0131]
可选地，编码模块20，用于对待识别虹膜图像中的瞳孔与虹膜之间的交界线处进行圆拟合，得到内圆信息，其中，内圆信息包括：内圆圆心所在的位置和内圆半径；对待识别虹膜图像中的虹膜与巩膜之间的交界线处进行圆拟合，得到外圆信息，其中，外圆信息包括：外圆圆心所在的位置和外圆半径；对待识别虹膜图像中的眼睑和睫毛进行分割，得到第二眼睑睫毛区域掩模图像。
[0132]
可选地，编码模块20，用于按照内圆信息和外圆信息对待识别虹膜图像和第二眼睑睫毛区域掩模图像进行展开处理，得到第二虹膜展开图像。
[0133]
可选地，确定模块30，用于对第二虹膜展开图像中未被第二眼睑睫毛区域掩模图像的覆盖区域进行灰度共生矩阵统计，得到第二共生矩阵，并计算第二共生矩阵对应的第二内容描述子，其中，第二内容描述子用于反映虹膜纹理深浅的程度。
[0134]
可选地，识别模块40，用于选取第二内容描述子的取值所在分布对应的第二目标序列；将待比对特征码与第二目标序列中存储的特征码进行搜索比对处理，得到比对结果；当比对结果满足预设条件时，得到识别结果；当比对结果未满足预设条件时，继续将待比对特征码与第二目标序列的邻域序列中存储的特征码进行搜索比对处理，直至比对成功，得到识别结果，或者，待比对特征码与虹膜数据库中存储的特征码全部比对完毕。
[0135]
需要说明的是，上述各个模块是可以通过软件或硬件来实现的，对于后者，可以通过以下方式实现，但不限于此：上述模块均位于同一处理器中；或者，上述各个模块以任意组合的形式分别位于不同的处理器中。
[0136]
本发明的实施例还提供了一种非易失性存储介质，该非易失性存储介质中存储有
计算机程序，其中，该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
[0137]
可选地，在本实施例中，上述非易失性存储介质可以被设置为存储用于执行以下步骤的计算机程序：
[0138]
s1，对目标场景中的待入库虹膜图像进行特征编码处理，创建虹膜数据库，其中，虹膜数据库用于按照不同的虹膜纹理分类对待入库虹膜图像的特征码进行分组存储；
[0139]
s2，对待识别虹膜图像进行特征编码处理，得到待比对特征码；
[0140]
s3，确定待比对特征码对应的虹膜纹理分类；
[0141]
s4，基于虹膜纹理分类将待比对特征码与虹膜数据库中存储的特征码进行搜索比对处理，得到识别结果，其中，识别结果用于表明虹膜数据库中是否存在与待比对特征码相匹配的特征码。
[0142]
可选地，在本实施例中，上述非易失性存储介质可以包括但不限于：u盘、只读存储器(read
‑
only memory，简称为rom)、随机存取存储器(random access memory，简称为ram)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
[0143]
本发明的实施例还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
[0144]
可选地，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。
[0145]
可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：
[0146]
s1，对目标场景中的待入库虹膜图像进行特征编码处理，创建虹膜数据库，其中，虹膜数据库用于按照不同的虹膜纹理分类对待入库虹膜图像的特征码进行分组存储；
[0147]
s2，对待识别虹膜图像进行特征编码处理，得到待比对特征码；
[0148]
s3，确定待比对特征码对应的虹膜纹理分类；
[0149]
s4，基于虹膜纹理分类将待比对特征码与虹膜数据库中存储的特征码进行搜索比对处理，得到识别结果，其中，识别结果用于表明虹膜数据库中是否存在与待比对特征码相匹配的特征码。
[0150]
可选地，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。
[0151]
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
[0152]
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
[0153]
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
[0154]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个
单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0155]
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0156]
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、只读存储器(rom，read
‑
onlymemory)、随机存取存储器(ram，random access memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
[0157]
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。