專利名稱：從眼睛圖像獲取關(guān)注區(qū)域和/或認(rèn)知信息的方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種從眼睛圖像獲取關(guān)注區(qū)域和/或認(rèn)知信息的方法。該方法包括如下步驟建立要用作關(guān)注區(qū)域信息或認(rèn)知信息的庫的眼睛圖像的集合，以改進(jìn)虹膜識別率；通過對存儲在存儲器的庫中的各眼睛圖像樣本進(jìn)行預(yù)處理、標(biāo)準(zhǔn)化和編碼，來產(chǎn)生眼睛圖像代碼(下文中，被稱作“眼睛代碼”)；對各眼睛圖像樣本提供其它關(guān)注區(qū)域信息或認(rèn)知信息，以建立對其提供了眼睛代碼和關(guān)于每個眼睛圖像樣本的其它關(guān)注區(qū)域或認(rèn)知信息的眼睛圖像的特征眼睛庫；將屬于特征眼睛庫的眼睛圖像的眼睛代碼分組、分隔或重疊 (cover)成多個組，以獲得每個眼睛組的代表性眼睛代碼；通過用與上述相同的處理，對未供有關(guān)注區(qū)域信息或認(rèn)知信息的新的眼睛圖像進(jìn)行預(yù)處理、標(biāo)準(zhǔn)化和編碼，來產(chǎn)生測試眼睛圖像的測試眼睛代碼；在建立的特征眼睛庫中搜索測試眼睛圖像并將其與最相似眼睛代碼匹配；以及將關(guān)于匹配的眼睛圖像的關(guān)注區(qū)域信息或認(rèn)知信息傳送到測試眼睛圖像，使得該方法可以用于在虹膜識別裝置中將關(guān)注區(qū)域信息或認(rèn)知信息傳送到測試眼睛圖像的預(yù)處理過程。
背景技術(shù)：
在虹膜識別系統(tǒng)中，需要從給定的虹膜圖像中正確提取虹膜區(qū)域或用戶的關(guān)注區(qū)域(ROI)，以提高性能和效率。另外，如果可以在眼睛圖像內(nèi)確定虹膜區(qū)域的諸如形狀、位置、旋轉(zhuǎn)角度(即，眼睛從水平移動的角度)等的幾何特征，則這些特征還可以用作虹膜識別中的非常重要的信息。另外，關(guān)于遮蓋虹膜的程度、遮蓋虹膜的對象的種類和虹膜圖像的拍攝條件的信息在虹膜識別系統(tǒng)中可以是非常有用的。通常，關(guān)于眼睛圖像的前述信息可以被視為用戶的關(guān)注區(qū)域信息和由人識別的認(rèn)知信息。雖然可以通過特定算法自動獲得這樣的信息，但是正確獲得該信息或獲得期望方向上的眼睛圖像是非常難的。例如，在獲得虹膜邊界信息的情況下，如果由于拍攝虹膜圖像時攝像裝置周圍的照明改變而使虹膜區(qū)域的邊界模糊，或者如果虹膜區(qū)域及其邊界被眉毛、眼瞼、眼鏡等遮蓋，則難以設(shè)置虹膜區(qū)域的邊界。諸如數(shù)字圖像中的對象的內(nèi)部區(qū)域和邊界的確定的工作是指圖像分割，這是數(shù)字圖像處理中的最難的操作之一。圖像分割是指將給定圖像分割成若干區(qū)域或?qū)ο螅渲饕康氖菂^(qū)分并完全分離關(guān)注區(qū)域與給定圖像中的其它對象?，F(xiàn)有技術(shù)中使用各種圖像分割技術(shù)。作為通用的自動分割方法，在現(xiàn)有技術(shù)中使用基于圖像內(nèi)的突然改變的檢測的分割方法、基于具有相似特征的區(qū)域的逐漸放大的分割方法、基于對要檢測的對象建模的分割方法等。然而，大部分常規(guī)的分割方法屬于試圖從單獨(dú)圖像直接確定期望圖像的自底向上類型。在這種情況下，然而，在眼睛圖像包括嚴(yán)重噪聲、虹膜區(qū)域由于睫毛的遮蓋而具有非限定邊界等的情況下，會獲得不期望的分割結(jié)果。另外，即使從這樣的非限定形式正確地確定邊界，也難以確定具有期望形式(例如，易于用戶操縱的確定形式)的區(qū)域和邊界，并且因此，難以使用現(xiàn)有自動技術(shù)獲得滿意的結(jié)果。
為了解決這個問題，使用用戶進(jìn)行粗略的分割指引并將特定算法應(yīng)用于其余分割的半自動分割技術(shù)。該方法的缺點(diǎn)在于用戶必須關(guān)于所有圖像逐一進(jìn)行指引。甚至在關(guān)于眼睛圖像的語義信息或環(huán)境信息(circumstantial information)、以及關(guān)于前述幾何區(qū)域的信息的情況下，人也可以從數(shù)字圖像容易地識別這種信息，但是難以通過算法自動地提取信息。在過去的幾十年中，在視覺、機(jī)器學(xué)習(xí)和人工智能的領(lǐng)域提出了各種自底向上技術(shù)，但是這些技術(shù)在語義信息或環(huán)境信息的系統(tǒng)化且正確的提取中是沒用的。在近來的網(wǎng)絡(luò)中，做出了各種嘗試，以實(shí)現(xiàn)名為語義網(wǎng)(semantic Web)的、基于語義和環(huán)境信息進(jìn)行搜索的智能網(wǎng)。然而，這些嘗試僅用于當(dāng)前搜索定向應(yīng)用，而不用于從給定介質(zhì)提取這樣的信息。

發(fā)明內(nèi)容
技術(shù)問題構(gòu)思本發(fā)明以解決現(xiàn)有技術(shù)的這種問題，并且本發(fā)明的一個方面提供從眼睛圖像獲得包含關(guān)于用戶的關(guān)注區(qū)域(ROI)及其邊界的信息的幾何信息的自頂向下的方法。這里，該方法包括建立眼睛圖像樣本的數(shù)據(jù)庫；關(guān)于各眼睛圖像樣本的認(rèn)知信息，通過專業(yè)人員的幫助(標(biāo)記(marking))預(yù)先提供和存儲關(guān)于關(guān)注區(qū)域的幾何信息；以及通過檢索先前存儲的幾何信息，從新的輸入眼睛圖像獲得關(guān)于關(guān)注區(qū)域的幾何信息。本發(fā)明的另一方面提供獲得利用常規(guī)自動算法難以直接提取或花費(fèi)很長時間來提取的關(guān)于眼睛圖像的認(rèn)知信息的自頂向下的方法。該方法包括將具有各種信息的眼睛圖像樣本建成要用作存儲器中的庫的眼睛圖像的集合；通過專業(yè)人員的離線幫助(貼標(biāo)簽 (tagging))將認(rèn)知信息預(yù)先提供和存儲到各樣本圖像；以及關(guān)于新的輸入眼睛圖像，通過檢索先前存儲的幾何信息，提供來自新的輸入眼睛圖像的認(rèn)知信息。本發(fā)明的另一方面提供如下方法其通過基于與其它眼睛圖像的相似度獲得關(guān)于眼睛圖像的關(guān)注區(qū)域的幾何信息并在虹膜識別裝置中的預(yù)處理過程中使用該幾何信息，來增加虹膜識別率。本發(fā)明的又一方面是通過將先前存儲的信息分組來減少搜索先前存儲的信息所需的時間的方法。技術(shù)方案根據(jù)本發(fā)明的一個方面，一種獲得眼睛圖像的關(guān)注區(qū)域或認(rèn)知信息(將在下面的示例性實(shí)施例中定義)的方法包括關(guān)于關(guān)注區(qū)域或認(rèn)知信息，建立要用作存儲器中的庫的眼睛圖像的集合(下文中，還稱作“眼睛圖樣本的集合”或者“眼睛圖像樣本數(shù)據(jù)庫”)；通過對屬于眼睛圖像樣本數(shù)據(jù)庫的每個眼睛圖像樣本進(jìn)行預(yù)處理、標(biāo)準(zhǔn)化和編碼產(chǎn)生眼睛代碼；將另外的關(guān)注區(qū)域或認(rèn)知信息提供給每個眼睛圖像樣本，并建立包含與每個眼睛圖像樣本的眼睛代碼有關(guān)的另外關(guān)注區(qū)域或認(rèn)知信息的數(shù)據(jù)庫(下文中，稱作“特征眼睛庫”)； 將屬于特征眼睛庫的眼睛圖像的眼睛代碼分成多個組(下文中，稱作“眼睛組”)作為分隔或重疊處理，以獲得每個眼睛組的代表性眼睛代碼；用與上送相同的過程，通過對尚未供有關(guān)注區(qū)域或認(rèn)知信息的新的眼睛圖像(下文中，稱作“測試眼睛圖像”)進(jìn)行預(yù)處理、標(biāo)準(zhǔn)化和編碼，來產(chǎn)生測試眼睛圖像的眼睛代碼(下文中，稱作“測試眼睛代碼”)；將測試眼睛圖像與建立的特征眼睛庫中的最相似眼睛代碼匹配；以及將提供給匹配的眼睛代碼的關(guān)注區(qū)域或認(rèn)知信息傳送到測試眼睛圖像。根據(jù)本發(fā)明的另一方面，提供獲得眼睛圖像的關(guān)注區(qū)域信息或認(rèn)知信息的自頂向下類型的方法，作為在從眼睛圖像獲得幾何信息時的用于眼睛圖像的預(yù)處理過程，該幾何信息包括關(guān)于關(guān)注區(qū)域及其邊界的信息。該方法包括通過專業(yè)人員的離線幫助(標(biāo)記)， 將具有認(rèn)知信息和關(guān)于關(guān)注區(qū)域的各種幾何信息的眼睛圖像樣本存儲在存儲器的數(shù)據(jù)庫中；以及通過檢索先前存儲的幾何信息，從新的輸入眼睛圖像獲得關(guān)于關(guān)注區(qū)域的幾何信肩、ο根據(jù)本發(fā)明的另一方面，提供獲得眼睛圖像的關(guān)注區(qū)域信息或認(rèn)知信息的自頂向下類型的方法，作為在獲得關(guān)于眼睛圖像的認(rèn)知信息時的用于眼睛圖像的預(yù)處理過程，其中該認(rèn)知信息是利用常規(guī)的自動算法難以直接提取的或花費(fèi)長時間來提取的。該方法包括通過專業(yè)人員的離線幫助(貼標(biāo)簽)，將具有各種幾何信息的眼睛圖像樣本預(yù)先存儲在存儲器的數(shù)據(jù)庫中，并通過檢索先前存儲的幾何信息提供來自新的輸入眼睛圖像的認(rèn)知信肩、ο根據(jù)本發(fā)明的另一方面，提供獲得關(guān)注區(qū)域信息或認(rèn)知信息的方法，作為眼睛圖像的預(yù)處理過程。該方法包括通過基于與其它眼睛圖像的相似度獲得關(guān)于眼睛圖像的關(guān)注區(qū)域的幾何信息并在虹膜識別裝置中的預(yù)處理過程中使用該幾何信息，來增加虹膜識別率；或者將先前存儲的信息分組以減少檢索先前存儲的信息所花費(fèi)的時間。有益效果根據(jù)本發(fā)明的示例性實(shí)施例，在從眼睛圖像獲得包含關(guān)于關(guān)注區(qū)域(ROI)及其邊界的信息的幾何信息時，建立具有各種信息的眼睛圖像樣本數(shù)據(jù)庫，并且通過專業(yè)人員的離線幫助(標(biāo)記)預(yù)先提供和存儲關(guān)于關(guān)注區(qū)域的幾何信息，以獲得各眼睛圖像樣本的認(rèn)知信息，使得可以通過檢索先前存儲的幾何信息、利用自頂向下的方法來獲得關(guān)于新的輸入眼睛圖像的新的關(guān)注區(qū)域的幾何信息。另外，根據(jù)示例性實(shí)施例，在獲得利用常規(guī)的自動算法難以直接提取的或花費(fèi)長時間來提取的、關(guān)于眼睛圖像的認(rèn)知信息時，將具有各種信息的眼睛圖像樣本建成要用作存儲器中的庫的眼睛圖像的集合，并且通過專業(yè)人員的離線幫助(貼標(biāo)簽)來提供和存儲各樣本圖像的認(rèn)知信息，使得可以通過檢索先前存儲的幾何信息、利用自頂向下的方法來提供新的輸入眼睛圖像的認(rèn)知信息。另外，根據(jù)示例性實(shí)施例，基于與另一眼睛圖像的相似度來獲得關(guān)于眼睛圖像的關(guān)注區(qū)域的幾何信息，并且在虹膜識別裝置中的預(yù)處理過程中使用該幾何信息，從而增加虹膜識別率。另外，根據(jù)示例性實(shí)施例，通過將認(rèn)知信息提供給每個眼睛圖像樣本而將數(shù)據(jù)庫中的信息分組，從而減少檢索的時間。


根據(jù)以下結(jié)合附圖做出的詳細(xì)描述，將更清楚地理解本發(fā)明的以上和其它目的、 特征和優(yōu)點(diǎn)，在附圖中圖1是根據(jù)本發(fā)明的示例性實(shí)施例的、獲取關(guān)注區(qū)域和/或認(rèn)知信息的方法的概念圖；圖2是根據(jù)本發(fā)明的示例性實(shí)施例的、獲取關(guān)注區(qū)域和/或認(rèn)知信息的方法的流程圖；圖3是根據(jù)本發(fā)明的示例性實(shí)施例的、說明眼睛圖像的尺度標(biāo)準(zhǔn)化的視圖；圖4是根據(jù)本發(fā)明的示例性實(shí)施例的、說明眼睛圖像的直方圖、圖像中心和縮放標(biāo)準(zhǔn)化的視圖；圖5是根據(jù)本發(fā)明的示例性實(shí)施例的、說明作為分隔和重疊的處理的將眼睛圖像樣本分組的處理的視圖；圖6是根據(jù)本發(fā)明的示例性實(shí)施例的、專業(yè)人員在眼睛圖像中標(biāo)記的幾何區(qū)域信息中的邊界信息的視圖；圖7是根據(jù)本發(fā)明的示例性實(shí)施例的、提供給眼睛圖像的語義信息的視圖；圖8是根據(jù)本發(fā)明的示例性實(shí)施例的、基于分組的特征眼睛庫的用于測試眼睛代碼的比較方法的框圖；圖9是根據(jù)本發(fā)明的示例性實(shí)施例的、將關(guān)注區(qū)域信息傳送到測試眼睛圖像的方法的框圖；以及圖10是根據(jù)本發(fā)明的示例性實(shí)施例的、通過將邊界信息傳送到測試眼睛圖像獲得的眼睛圖像的視圖。
具體實(shí)施例方式本發(fā)明提供一種從包括眼睛和眼睛周圍部分的圖像的眼睛圖像獲得關(guān)注區(qū)域信息和/或認(rèn)知信息的方法。該方法包括建立由眼睛圖像構(gòu)成的眼睛圖像樣本數(shù)據(jù)庫；提取眼睛圖像樣本數(shù)據(jù)庫中的每個眼睛圖像樣本的眼睛代碼；建立特征眼睛庫，該特征眼睛庫包含提取的各個眼睛圖像樣本的眼睛代碼、以及提供給每個眼睛圖像樣本的關(guān)注區(qū)域信息和/或認(rèn)知信息；提取新的眼睛圖像的眼睛代碼，其中將提取該新的眼睛圖像的關(guān)注區(qū)域信息和/或認(rèn)知信息；通過將新的眼睛圖像的眼睛代碼與存儲在特征眼睛庫中的各個眼睛代碼進(jìn)行比較，將新的眼睛圖像的眼睛代碼與最相似眼睛代碼匹配；以及將匹配的眼睛代碼的關(guān)注區(qū)域信息和/或認(rèn)知信息傳送到新的眼睛圖像。將參照附圖詳細(xì)地描述本發(fā)明的示例性實(shí)施例。圖1是根據(jù)示例性實(shí)施例的用于獲取關(guān)注區(qū)域和/或認(rèn)知信息的方法的概念圖，并且圖2是根據(jù)示例性實(shí)施例的用于獲取關(guān)注區(qū)域和/或認(rèn)知信息的方法的流程圖。首先，將研究根據(jù)示例性實(shí)施例的眼睛圖像樣本數(shù)據(jù)庫的建立。為了得到特征眼睛庫，首先配置眼睛圖像樣本的集合。通常，術(shù)語“眼睛圖像”是指眼睛和包括眼睛周邊的擴(kuò)展區(qū)域的數(shù)字圖像?？梢砸愿鞣N方式來配置眼睛圖像樣本的集合，以在關(guān)注區(qū)域信息或認(rèn)知信息方面具有大的改變。例如，如果特定眼睛圖像的期望關(guān)注區(qū)域是關(guān)于暴露于外部的眼睛區(qū)域的信息，則眼睛在睜開狀態(tài)下的各個圖像可被用作眼睛圖像樣本。眼睛圖像樣本可以是通過直接拍攝人的眼睛獲得的圖像，或者是通過對眼睛及其周邊建模所產(chǎn)生的人造眼睛圖像。在產(chǎn)生特定人造眼睛圖像的情況下，對構(gòu)成眼睛的瞳孔、 虹膜、眼白、眼瞼和睫毛的尺寸、形狀、顏色、紋理和相關(guān)性、以及諸如照明、眼鏡等的外部條件進(jìn)行建模，以隨機(jī)產(chǎn)生包含眼睛及其周邊的圖像的多個眼睛圖像。接下來，將研究特征眼睛庫的配置。特征眼睛庫包括針對每個眼睛圖像樣本產(chǎn)生的眼睛代碼(下文中，從眼睛圖像樣本提取的眼睛代碼將被稱作“樣本眼睛代碼”)、以及眼睛圖像樣本的關(guān)注區(qū)域或認(rèn)知信息。 各個眼睛圖像樣本可以被包括或不包括在特征眼睛庫之中。在本實(shí)施例中，假定眼睛圖像是灰度眼睛圖像。替選地，眼睛圖像可以是彩色眼睛圖像。本領(lǐng)域的普通技術(shù)人員應(yīng)理解眼睛圖像的這種改變僅與軟件設(shè)計改變有關(guān)。a.眼睛圖像的預(yù)處理和標(biāo)準(zhǔn)化由于可以預(yù)先使人造眼睛圖像標(biāo)準(zhǔn)化，所以可以在不需要任何單獨(dú)的預(yù)處理的情況下產(chǎn)生該人造眼睛圖像。然而，針對通過直接拍攝人的眼睛獲得的眼睛圖像，由于眼睛圖像是在不同條件下拍攝的，所以需要預(yù)處理眼睛圖像以便于信息的提取，或者需要對眼睛圖像標(biāo)準(zhǔn)化以用于相互比較。關(guān)于眼睛圖像的預(yù)處理和標(biāo)準(zhǔn)化，假定通過稍后描述的產(chǎn)生眼睛代碼的任何方法實(shí)現(xiàn)預(yù)處理和標(biāo)準(zhǔn)化。由于眼睛圖像的預(yù)處理和標(biāo)準(zhǔn)化可以基于期望的關(guān)注區(qū)域或認(rèn)知信息，所以可以以根據(jù)關(guān)注區(qū)域或認(rèn)知信息的種類的各種觀點(diǎn)，對眼睛圖像進(jìn)行預(yù)處理和標(biāo)準(zhǔn)化。在本實(shí)施例中，將在圖像尺寸、直方圖、圖像濾波、平移和定向、 重新縮放、不重要部分等方面來描述預(yù)處理和標(biāo)準(zhǔn)化。-圖像尺寸關(guān)于具有相同分辨率的圖像，當(dāng)拍攝眼睛時，拍攝的眼睛的尺寸根據(jù)距攝像裝置的距離而改變。在此方面，將拍攝圖像的尺寸調(diào)整到相似的眼睛尺寸。-直方圖通過對比度調(diào)整，將給定眼睛圖像調(diào)整成使得其對比度區(qū)域在同一范圍內(nèi)或者具有同一對比度分布標(biāo)準(zhǔn)。為此目的，在本實(shí)施例中，使用直方圖均衡技術(shù)。也就是說，變換函數(shù)被確定為對所有眼睛圖像提供同一對比度分布標(biāo)準(zhǔn)，并且關(guān)于每個眼睛圖像的對比度值被應(yīng)用于相對頻率分布，從而使眼睛圖像的直方圖標(biāo)準(zhǔn)化。-圖像濾波根據(jù)拍攝條件，拍攝的眼睛圖像可具有不同噪聲水平、模糊水平等。如果噪聲水平被控制，即執(zhí)行平滑化，則這是通過高斯濾波器、中值濾波器等在空間域中執(zhí)行的。在頻域的情況下，可以通過各種低通濾波器去除噪聲。另外，為了使對象清楚，可以使用導(dǎo)函數(shù)應(yīng)用銳化技術(shù)。為了恢復(fù)毀壞的圖像，可以使用去卷積技術(shù)等。-平移和定向根據(jù)拍攝的眼睛圖像，眼睛的中心(即，瞳孔的中心)可能偏離眼睛圖像的中心。 此時，通過將原始眼睛圖像修剪(crop)成特定尺寸來產(chǎn)生新的眼睛圖像，使得眼睛的中心與眼睛圖像的中心對準(zhǔn)。另外，由于眼睛圖像從水平方向旋轉(zhuǎn)的角度全部不同，所以它們可以被旋轉(zhuǎn)到同一角度范圍內(nèi)，例如，被旋轉(zhuǎn)為水平的，從而使眼睛圖像標(biāo)準(zhǔn)化。-局部重新縮放當(dāng)拍攝眼睛時，根據(jù)周圍環(huán)境改變瞳孔的尺寸、虹膜的尺寸等。具體地，瞳孔可以響應(yīng)于亮度的改變而縮小或擴(kuò)大。在此方面，眼睛圖像被調(diào)整，使得虹膜的內(nèi)徑(瞳孔的半徑)和虹膜的外徑(包括全部虹膜區(qū)域的圓盤的半徑)具有恒定的尺寸。圖3示出了在內(nèi)徑和外徑的標(biāo)準(zhǔn)被分別設(shè)為r0和RO的情況下，半徑與標(biāo)準(zhǔn)不同的眼睛圖像被轉(zhuǎn)換成具有標(biāo)準(zhǔn)半徑的過程。例如，圖3(a)示出了比標(biāo)準(zhǔn)小的瞳孔(rl < rO)放大，而虹膜區(qū)域縮小， 并且圖3(b)示出了比標(biāo)準(zhǔn)大的瞳孔(r2 > rO)縮小，且虹膜區(qū)域也縮小。這里，可以使用現(xiàn)有算法來確定瞳孔的邊界或虹膜的邊界，或者可以使用瞳孔或虹膜的邊界作為關(guān)注區(qū)域信息，通過根據(jù)示例性實(shí)施例的眼睛圖像轉(zhuǎn)變來確定。另外，根據(jù)關(guān)注區(qū)域在眼睛圖像中所處的位置，可以局部縮小或放大眼睛圖像的關(guān)注區(qū)域。-不重要部分的去除當(dāng)獲得期望的關(guān)注區(qū)域信息或認(rèn)知信息時，眼睛圖像可以被劃分成重要部分和不重要部分。由于當(dāng)獲得關(guān)注區(qū)域信息或認(rèn)知信息時不重要部分會變成阻礙，所以有利的是， 從眼睛圖像去除不重要部分以便于獲得關(guān)注區(qū)域信息或認(rèn)知信息。圖4示出了通過許多過程對眼睛圖像進(jìn)行預(yù)處理和標(biāo)準(zhǔn)化，以獲得暴露于外部的眼睛區(qū)域的邊界信息。首先，從原始眼睛圖像選擇對應(yīng)于特定半徑(例如，多達(dá)虹膜關(guān)于瞳孔中心的外徑的1. 5倍)的外部部分，并且使其余部分經(jīng)過直方圖調(diào)整和縮放，從而獲得新的眼睛圖像。由于瞳孔在獲得暴露于外部的眼睛區(qū)域的邊界信息時是不重要的，所以將其去除。在兩個最終預(yù)處理且標(biāo)準(zhǔn)化后的圖像(即，最右側(cè)圖像)中，瞳孔的尺寸和虹膜的厚度彼此相似。b.眼睛圖像的眼睛代碼兩個或更多個眼睛代碼可以被提供給每個眼睛圖像樣本。例如，通過在特定角度范圍內(nèi)旋轉(zhuǎn)原始眼睛圖像，新產(chǎn)生多個旋轉(zhuǎn)后的眼睛圖像，并且針對每個旋轉(zhuǎn)后的眼睛圖像產(chǎn)生眼睛代碼，從而對原始眼睛圖像提供眼睛代碼的集合。由于無論是對每個眼睛圖像樣本提供單個還是多個眼睛代碼對本發(fā)明的描述都不存在差別，所以為了方便起見，假定對每個眼睛圖像樣本提供單個眼睛代碼。眼睛代碼是表示眼睛圖像的顏色和紋理特征的代碼，并且可以通過在各種域中的各種表示方案來配置。以排列數(shù)值的特征向量的形式提供眼睛代碼。首先，當(dāng)可以在不需要關(guān)于其它眼睛圖像的信息的情況下獲得眼睛圖像的眼睛代碼時，可以通過選擇性使用以下向量之一來配置眼睛代碼-從包括圖像中的每個像素的灰度水平的空間域中的表示提取的向量；-從通過將諸如傅里葉變換、小波變換等的變換應(yīng)用于空間域中的眼睛圖像表示而獲得的表示提取的向量；以及-從通過將拉東(Radon)變換等的積分變換應(yīng)用于空間域中的眼睛圖像表示而獲得的表示提取的向量。反之，當(dāng)必須分析個別眼睛圖像樣本以獲得每個眼睛圖像的眼睛代碼時，可以通過以下向量來實(shí)現(xiàn)眼睛代碼-通過使用主成分分析(PCA)表示眼睛圖像而獲得的向量；-通過使用線性判別分析(LDA)表示眼睛圖像而獲得的向量；以及-通過使用獨(dú)立成分分析(ICA)表示眼睛圖像而獲得的向量。此時，當(dāng)應(yīng)用這些分析技術(shù)中的每一個時，可以選擇性使用這三種向量中的一個。在本實(shí)施例中，將描述基于要傳送的關(guān)注區(qū)域信息和認(rèn)知信息產(chǎn)生眼睛代碼的兩個示例。首先，將描述如下示例其中，針對一般眼睛圖像表示，通過將PCA應(yīng)用于具有像素的灰度水平的空間域中的眼睛圖像來配置眼睛代碼。為了通過PCA獲得眼睛圖像的主成分，與眼睛圖像樣本的集合分開地準(zhǔn)備m個預(yù)處理且標(biāo)準(zhǔn)化后的眼睛圖像。替選地，可以從眼睛圖像樣本的集合提取m個預(yù)處理且標(biāo)準(zhǔn)
化后的眼睛圖像。將準(zhǔn)備的眼睛圖像分別稱作J_1、J_2.....J_m。如果各個眼睛圖像具有
相同的長度k，則眼睛圖像的協(xié)方差矩陣(標(biāo)記為M)是kXk矩陣。獲得矩陣MWk個特征向量，即，滿足關(guān)系表達(dá)式ME = aE (其中a是實(shí)數(shù))的向
量E，并且這k個特征向量分別稱作E_l、E_2.....E_k (假定它們關(guān)于特征值是降序的)，
并且這些向量將被稱作“特征眼睛(eigen-eye) ”。利用前述特征眼睛來生成給定眼睛圖像的眼睛代碼。因?yàn)閗可以是非常高的值， 所以選擇和使用關(guān)于特征值“a”排序較高的ρ個特征眼睛來生成眼睛代碼。如果給定眼睛
圖像名為I，并且P個選擇的特征眼睛被分別重命名為E_1、E_2.....E_p，則給定眼睛圖像
I的眼睛代碼變成P維向量(<E_1，1>，<E_2, 1>，...，<Ε_ρ, I (其中，“〈，> ”是指兩個向量的點(diǎn)積)。作為另一種方法，眼睛圖像可以由基于眼睛圖像的每個部分局部具有的統(tǒng)計特性的眼睛代碼來表示。例如，存在使用局部二值模式(LBP)的表示技術(shù)。在本實(shí)施例中，將描述通過與LBP相似的方法產(chǎn)生眼睛代碼以傳送關(guān)注區(qū)域的邊界信息的另一個示例。首先，使用一般算法來確定眼睛圖像的邊界。如果眼睛圖像的一個像素被認(rèn)為是邊界，則對該像素給出1 ；否則的話，對該像素給出0。對其提供1的像素被稱作邊界點(diǎn)，而對其提供0的像素被稱作非邊界點(diǎn)。關(guān)于眼睛圖像的每個像素，設(shè)置具有特定尺寸的圓盤狀的區(qū)域。假定眼睛圖像的尺寸是MXN，并且在位置(1，」)(其中，1 = l，...，M，j = 1，...， N)的像素是p(i，j)。另外，假定具有中心p(i，j)的圓是D(i，j)，并且通過像素p(i，j)并與水平形成χ度的角度的線是L(i，j，x)。在線L(i，j，x)和圓盤D(i，j)相交的像素之中， 對邊界上的像素h(i，j，χ)的數(shù)目進(jìn)行計數(shù)。如果角度χ從1度變到360度，則獲得h(i， j，x)的全部的360個值并獲得以下向量。h(i，j，l)，h(i，j，2)，···，h(i，j，360)。這些向量將被稱作像素(i，j)的邊界簽名，并被表示為S(i，j)。如果關(guān)于所有像素(i，j)獲得邊界簽名，則獲得MXN矩陣。該矩陣被定義為給定眼睛圖像的眼睛代碼。通過前述各種處理，針對眼睛圖像樣本數(shù)據(jù)庫中的各個眼睛圖像樣本，產(chǎn)生所有眼睛代碼。c.關(guān)注區(qū)域信息和認(rèn)知信息根據(jù)示例性實(shí)施例，關(guān)于眼睛圖像的關(guān)注區(qū)域信息指示關(guān)于形成由眼睛圖像表示的場景的對象的幾何區(qū)域(內(nèi)部區(qū)域和邊界)的信息，其包括關(guān)于用戶的目標(biāo)區(qū)域的信息和關(guān)于特定對象的信息。換言之，關(guān)于眼睛圖像的關(guān)注區(qū)域信息可以包括由形成眼睛圖像的對象占據(jù)的區(qū)域及其邊界、和/或眼睛圖像中的用戶的目標(biāo)區(qū)域及其邊界。根據(jù)示例性實(shí)施例，關(guān)于圖像的認(rèn)知信息綜合地指包含語義信息和環(huán)境信息的信息，語義信息與形成由圖像表示的并由人識別的場景的對象的種類以及對象之間的關(guān)系等有關(guān)，環(huán)境信息是諸如形成場景的周邊環(huán)境、背景等。
作為眼睛圖像的關(guān)注區(qū)域信息，存在虹膜區(qū)域及其邊界信息、內(nèi)眼區(qū)域及其邊界信息、以及由于眼瞼、睫毛、眼鏡、隱形眼鏡、照明、陰影等產(chǎn)生的遮蓋區(qū)域或遮蓋邊界。就虹膜識別而言，關(guān)于眼睛圖像的認(rèn)知信息可以包括人的面部關(guān)于攝像裝置鏡頭的角度、眼睛觀看攝像裝置鏡頭的角度、眼睛的旋轉(zhuǎn)角度、虹膜的中心與眼睛圖像的中心之間的距離、虹膜的遮蓋部分、遮蓋虹膜的程度、遮蓋虹膜的對象的種類(諸如眼鏡、眼瞼、照明的位置和亮度、隱形眼鏡)等。可以通過諸如圖像分割、計算機(jī)視覺和人工智能的各種方法獲得關(guān)于眼睛圖像的關(guān)注區(qū)域和認(rèn)知信息。然而，通過常規(guī)技術(shù)難以獲得這種高質(zhì)量的信息。因此，專業(yè)人員可以通過貼標(biāo)簽、標(biāo)記等將關(guān)注區(qū)域或認(rèn)知信息直接提供給屬于眼睛圖像樣本數(shù)據(jù)庫的眼睛圖像樣本。另外，起初可以通過這種常規(guī)自動技術(shù)獲得關(guān)注區(qū)域和認(rèn)知信息，并且然后最終通過專業(yè)人員的幫助將其提供給眼睛圖像樣本以便記錄在存儲在存儲器中的數(shù)據(jù)庫之中。在圖5中，紅色曲線表示專業(yè)人員標(biāo)記了眼瞼和除了睫毛之外的內(nèi)眼邊界。分別對不同的眼睛圖像應(yīng)用標(biāo)記。在這種情況下，關(guān)注區(qū)域是暴露于外部的眼睛部分。因此，通常會排除睫毛，但是這并不意味著用戶想有完全排除了睫毛的非限定的邊界(像鋸齒那樣不平)。參照圖5，邊界被選擇為形成平滑曲線，同時包括充分暴露于外部的眼睛部分，而非完全去除遮蓋眼睛的睫毛。將專業(yè)人員標(biāo)記的這種邊界信息提供到眼睛圖像樣本或眼睛代碼。圖6示出了將認(rèn)知信息分別提供給兩個不同的眼睛圖像的示例。接下來，將更詳細(xì)地研究產(chǎn)生眼睛組和每個眼睛組的代表性眼睛代碼的步驟。a.眼睛組執(zhí)行該步驟，以防止由于過多眼睛圖像樣本引起的處理速度和存儲能力降低。用于模式識別的分類或聚類技術(shù)適用于特征眼睛庫的眼睛代碼或與其對應(yīng)的眼睛圖像，從而產(chǎn)生多個眼睛組。由于在本實(shí)施例中單個眼睛代碼對應(yīng)于單個眼睛組，所以眼睛組被認(rèn)為是相應(yīng)眼睛圖像的組。單個眼睛組可以由單個眼睛代碼構(gòu)成。通過期望的關(guān)注區(qū)域或認(rèn)知信息來提供用于將組相互區(qū)別的標(biāo)準(zhǔn)。因此，根據(jù)期望的關(guān)注區(qū)域或認(rèn)知信息的數(shù)目，特征眼睛庫可以同時具有兩個或更多個組。另外，在每個分組中，特征眼睛庫可以是分級的或平面(flat)的。在特征眼睛庫是分級的情況下，單個眼睛組可以包括若干附屬眼睛組。組可以相互交疊。也就是說，關(guān)于特征眼睛庫的特定眼睛代碼還可以同時屬于多個組。這里，這種分組將被稱作重疊。如果眼睛組之間的交集是空集，換句話說，如果組沒有交疊，則將其稱作分隔。圖7示出了被分成兩個組的眼睛圖像的集合。第一情況示出了分隔，而第二情況示出了重疊。此外這兩個組是平面的。b.代表性眼睛代碼的產(chǎn)生每個眼睛組具有代表性代碼(還被稱作“原型”)。眼睛組包括多個眼睛代碼，使得可以從眼睛組中的眼睛代碼產(chǎn)生代表性眼睛代碼并將其提供到相應(yīng)眼睛組。如果眼睛組僅包括單個眼睛代碼，則該眼睛代碼被直接用作該眼睛組的代表性眼睛代碼。作為每個組的代表性眼睛代碼的示例，可以選擇通過平均化眼睛代碼獲得的平均值。如果一個組的眼睛代碼分別是(_1.....C_n，則該組的代表性眼睛代碼(用MC標(biāo)記)是 MC = (C_l+· . . +C_n)/n。中間值、加權(quán)平均值、幾何平均值等可以被用作該組的代表性眼睛代碼。接下來，將研究測試眼睛圖像的預(yù)處理、標(biāo)準(zhǔn)化和編碼步驟。如在配置測試眼睛庫時產(chǎn)生眼睛代碼的方法中，對測試眼睛庫進(jìn)行預(yù)處理、標(biāo)準(zhǔn)化和編碼。為了改進(jìn)與特征眼睛庫進(jìn)行比較的性能，多個眼睛代碼可被提供到測試眼睛圖像。例如，可以通過在特定范圍內(nèi)逐度地旋轉(zhuǎn)測試眼睛圖像以產(chǎn)生眼睛代碼而獲得新的眼睛圖像。如果測試眼睛圖像從-30度旋轉(zhuǎn)到+30度，則總共產(chǎn)生了 61個眼睛代碼。接下來，將研究基于眼睛代碼的比較的匹配操作。在眼睛代碼被分組并存儲在特征眼睛庫中并且代表性眼睛代碼被提供到每個組的情況下，匹配操作包括將測試眼睛圖像與特征眼睛庫中的具有高相似度的適當(dāng)眼睛組進(jìn)行匹配的步驟，以及將測試眼睛圖像與同測試眼睛圖像匹配的眼睛組中的具有高相似度的適當(dāng)眼睛圖像樣本匹配的步驟。如果選擇的眼睛組僅包括單個眼睛圖像，也就是說，特征庫沒有被分開地分組，則以上兩個步驟被合成一個步驟。如此，將測試眼睛圖像與眼睛組或眼睛圖像匹配包括根據(jù)存儲在特征眼睛庫中的眼睛組(或者未分組情況下為眼睛代碼)的類別或標(biāo)簽，對給定的測試眼睛圖像分類。為此目的，可以使用各種分類技術(shù)。例如，可以使用以下技術(shù)之一使用兩個代碼之間的相似度作為分類器的技術(shù)、使用貝葉斯分類器的技術(shù)、神經(jīng)網(wǎng)絡(luò)技術(shù)、支持向量機(jī)技術(shù)、包括決策樹技術(shù)的機(jī)器學(xué)習(xí)技術(shù)等。在本實(shí)施例中，使用以下分類技術(shù)其使用兩個代碼之間的相似度或相關(guān)性作為分類器。然而，應(yīng)當(dāng)理解，本領(lǐng)域的技術(shù)人員還可以選擇和使用其它分類技術(shù)。由于每個眼睛代碼是向量，所以兩個眼睛代碼之間的相似度可以通過兩個向量之間的相似度來不同地測量。兩個向量之間的相似度的測量可以包括基于諸如余弦相似度和 Tanimoto相似度的相關(guān)性的相似度測量；使用諸如曼哈頓距離、歐幾里德距離等的明考夫斯基距離的相似度測量；以及對每個分量提供加權(quán)值的相似度測量等?？梢赃x擇這樣的多種方法之一并用于相似度測量。例如，兩個代碼之間的相似度是通過與兩個代碼之間的歐幾里德距離成反比的值來測量的。也就是說，如果通過計算歐幾里德距離獲得的值較小，則確定相似度較高；否則的話，相似度較低?；谙嗨贫葴y量，將描述將測試眼睛圖像與包括在特征眼睛庫中的眼睛代碼匹配的方法或機(jī)制。如果特征眼睛庫包括η個眼睛組，則令其代表性眼睛代碼分別為G_l、
G_2.....G_n，并且令測試眼睛圖像的測試眼睛代碼為U。這里使用的每個眼睛代碼和每個
代表性眼睛代碼是如上所述通過PCA獲得的眼睛代碼。替選地，可以使用通過另一通用技術(shù)獲得的眼睛代碼。如下計算測試眼睛代碼與代表性眼睛代碼之間的歐幾里德距離。IG_l-uI，IG_2-U|，·· .，| G_n_U|。從以上距離之中確定最小距離，并且選擇與其對應(yīng)的眼睛組。令在該眼睛組中包
含的樣本眼睛代碼為c_l、C_2.....C_m?，F(xiàn)在，如下再次計算測試眼睛代碼與代表性眼睛
代碼之間的歐幾里德距離。IC_l-uI， Ic_2-uI，··. ， IC_m-u|。
從以上距離之中確定最小距離，并令與其對應(yīng)的樣本眼睛代碼為C。然后，測試眼睛圖像最終與樣本眼睛代碼C匹配。圖8示出了顯示前述過程的圖。如果特征眼睛庫的每個眼睛組僅包括單個眼睛圖像，則以上兩個步驟被合成一個步驟。如果多個測試眼睛代碼被提供給測試眼睛圖像，則將所有的測試眼睛代碼與特征眼睛庫匹配，如上所述，并且然后得到具有最小距離的樣本眼睛代碼。例如，通過在從-30 度到+30度的范圍內(nèi)一次旋轉(zhuǎn)測試眼睛圖像一度，來產(chǎn)生總共61個眼睛代碼，并且然后通過與上述相同的方法將測試眼睛代碼與特征眼睛庫中的眼睛代碼匹配。在與61個測試眼睛代碼匹配的眼睛代碼之中，選擇最相似眼睛代碼。接下來，將研究傳送和應(yīng)用關(guān)注區(qū)域和認(rèn)知信息的步驟。將先前提供給特征眼睛庫的與測試眼睛圖像匹配的樣本眼睛代碼C的關(guān)注區(qū)域或認(rèn)知信息傳送或應(yīng)用到測試眼睛圖像。在認(rèn)知信息中，一些信息可以直接被傳送，但是直接傳送認(rèn)知信息可能提供不期望的結(jié)果。具體地，在關(guān)注區(qū)域信息的情況下，測試眼睛圖像在不直接被傳送的情況下可以經(jīng)過逐步縮放、平移、旋轉(zhuǎn)等，然后關(guān)注區(qū)域信息可以被傳送到測試眼睛圖像。如下是傳送關(guān)注區(qū)域信息的示例。圖9是將關(guān)注區(qū)域信息傳送到測試眼睛圖像的方法的框圖。假定測試眼睛圖像是1_測試，最相似眼睛圖像樣本是1_樣本，并且提供給眼睛圖像樣本1_樣本的關(guān)注區(qū)域信息是J。如果與標(biāo)準(zhǔn)化(包括旋轉(zhuǎn)、平移、局部縮放等)對應(yīng)的操作是N，則 N(I_測試)表示關(guān)于測試眼睛圖像1_測試而標(biāo)準(zhǔn)化的圖像。同時，N(I_樣本+J) =N(I_ 樣本)+N(J)表示通過標(biāo)準(zhǔn)化1_樣本+J獲得的圖像，其中關(guān)注區(qū)域信息J與眼睛圖像樣本 1_樣本組合。如果關(guān)注區(qū)域信息可以變成數(shù)字圖像，并且標(biāo)準(zhǔn)化N與圖像的局部化和廣泛幾何變換有關(guān)，則可以理解N (1_樣本+J)=則1_樣本)+則)。如果標(biāo)準(zhǔn)化N的反向標(biāo)準(zhǔn)化(標(biāo)準(zhǔn)化的反向過程)是M，則M(N(I_測試)+N(J))成為最終圖像，其中眼睛圖像樣本 1_樣本的關(guān)注區(qū)域信息J被傳送并與測試眼睛圖像1_測試組合。如此，被傳送到測試眼睛圖像的關(guān)注區(qū)域信息或認(rèn)知信息不僅成為關(guān)于測試眼睛圖像的信息，而且被用作獲得更準(zhǔn)確信息的指引。圖10示出了通過眼睛代碼比較將傳送的測試眼睛圖像與最相似眼睛圖像樣本匹配，然后將標(biāo)記在匹配的眼睛圖像樣本上的邊界信息傳送到測試眼睛圖像。在圖10中，由于從不同人獲得測試眼睛圖像和匹配的眼睛圖像樣本，所以眼睛周邊和虹膜區(qū)域具有不同的紋理。然而，兩個眼睛圖像中的眼睛區(qū)域的幾何形狀彼此相似。因此，即使在上方存在微小的誤差，圖10中的傳送的邊界也相對良好地切合測試眼睛圖像。另外，基于傳送的邊界信息，即，當(dāng)使用傳送的邊界信息作為指引時，額外地執(zhí)行局部分析，使得可以提取更準(zhǔn)確的邊界信息。工業(yè)實(shí)用性根據(jù)示例性實(shí)施例，對與關(guān)注區(qū)域信息或認(rèn)知信息對應(yīng)的眼睛圖像的集合進(jìn)行預(yù)處理、標(biāo)準(zhǔn)化和編碼，以產(chǎn)生眼睛圖像代碼并配置數(shù)據(jù)庫中的特征眼睛庫；對存儲在特征眼睛庫中的眼睛圖像的眼睛代碼分組，以將分隔或重疊操作應(yīng)用于多個組來獲得每個眼睛組的代表性眼睛代碼；通過相同的處理對未供有關(guān)注區(qū)域信息或認(rèn)知信息的新的眼睛圖像進(jìn)行預(yù)處理、標(biāo)準(zhǔn)化和編碼，從而產(chǎn)生測試眼睛代碼；將測試眼睛圖像與特征眼睛庫中的最相似眼睛圖像匹配；以及將提供給匹配的眼睛圖像的關(guān)注區(qū)域信息或認(rèn)知信息傳送到測試眼睛圖像，使得關(guān)注區(qū)域信息或認(rèn)知信息可以在眼睛圖像的預(yù)處理過程中被使用，從而改進(jìn)虹膜識別率和工業(yè)實(shí)用性。
權(quán)利要求
1.一種從眼睛圖像獲得關(guān)注區(qū)域信息和/或認(rèn)知信息的方法，所述眼睛圖像包括眼睛和所述眼睛周圍的部分的圖像，所述方法包括建立由眼睛圖像構(gòu)成的眼睛圖像樣本數(shù)據(jù)庫；提取存儲在所述數(shù)據(jù)庫中的每個所述眼睛圖像樣本的眼睛代碼；建立特征眼睛庫，所述特征眼睛庫包括所提取的各個眼睛圖像樣本的眼睛代碼、以及提供給每個所述眼睛圖像樣本的關(guān)注區(qū)域信息和/或認(rèn)知信息；提取新的眼睛圖像的眼睛代碼，其中將提取所述新的眼睛圖像的關(guān)注區(qū)域信息和/或認(rèn)知信息；通過將所述新的眼睛圖像的所述眼睛代碼與存儲在所述特征眼睛庫中的所述眼睛代碼進(jìn)行比較，將所述新的眼睛圖像的所述眼睛代碼與最相似眼睛代碼匹配；以及將匹配的眼睛代碼的關(guān)注區(qū)域信息和/或認(rèn)知信息傳送到所述新的眼睛圖像。
2.根據(jù)權(quán)利要求1所述的方法，其中，所述眼睛圖像樣本數(shù)據(jù)庫是通過經(jīng)建模產(chǎn)生人造眼睛圖像而配置的，或者是使用通過拍攝真實(shí)的眼睛獲得的眼睛圖像而配置的。
3.根據(jù)權(quán)利要求2所述的方法，其中，關(guān)于所述眼睛圖像的所述關(guān)注區(qū)域信息包括由形成所述眼睛圖像的對象占據(jù)的區(qū)域及其邊界、和/或所述眼睛圖像中的用戶的目標(biāo)區(qū)域及其邊界。
4.根據(jù)權(quán)利要求3所述的方法，其中，關(guān)于所述眼睛圖像的所述認(rèn)知信息包括關(guān)于形成所述眼睛圖像的對象的種類和所述對象之間的關(guān)系的語義信息、或關(guān)于所述對象的情境和所述對象的周邊環(huán)境的環(huán)境信息。
5.根據(jù)權(quán)利要求4所述的方法，其中，關(guān)于所述眼睛圖像的所述認(rèn)知信息包括選自下述組中的至少一個人的面部關(guān)于攝像裝置鏡頭的角度、眼睛觀看所述攝像裝置鏡頭的角度、所述眼睛的旋轉(zhuǎn)角度、以及它們的組合。
6.根據(jù)權(quán)利要求4所述的方法，其中，關(guān)于所述眼睛圖像的所述認(rèn)知信息包括選自下述組中的至少一個遮蓋眼睛的對象的種類、遮蓋位置和遮蓋程度、以及它們的組合。
7.根據(jù)權(quán)利要求4所述的方法，其中，關(guān)于所述眼睛圖像的所述認(rèn)知信息是通過改變拍攝所述眼睛圖像時的照明的位置或亮度而配置的。
8.根據(jù)權(quán)利要求3所述的方法，其中，關(guān)于所述眼睛圖像的所述關(guān)注區(qū)域信息包括選自下述組中的至少一個瞳孔區(qū)域、瞳孔邊界、虹膜區(qū)域、虹膜邊界、遮蓋區(qū)域、所述遮蓋區(qū)域的邊界、暴露于外部的眼睛區(qū)域、暴露于外部的眼睛區(qū)域的邊界、以及它們的組合。
9.根據(jù)權(quán)利要求8所述的方法，其中，使用關(guān)于所述眼睛圖像的所述關(guān)注區(qū)域信息，以通過選自尺寸調(diào)整、直方圖調(diào)整、圖像濾波、平移、旋轉(zhuǎn)和局部縮放、從所述眼睛圖像去除不重要部分、以及它們的組合的至少一個來產(chǎn)生眼睛代碼，從而當(dāng)將眼睛代碼提供給每個所述眼睛圖像樣本時執(zhí)行預(yù)處理和標(biāo)準(zhǔn)化。
10.根據(jù)權(quán)利要求9所述的方法，其中，用于直方圖調(diào)整的所述標(biāo)準(zhǔn)化包括直方圖均衡技術(shù)。
11.根據(jù)權(quán)利要求9所述的方法，其中，所述圖像濾波包括包含高斯濾波的平滑化濾波、或者利用導(dǎo)函數(shù)的銳化濾波。
12.根據(jù)權(quán)利要求9所述的方法，其中，所述局部縮放包括將虹膜的內(nèi)徑和該虹膜的外徑之間的比率同等地應(yīng)用于所有的所述眼睛圖像。
13.根據(jù)權(quán)利要求1至12中任一項(xiàng)所述的方法，其中，通過用標(biāo)簽編輯和存儲所述特征眼睛庫中所存儲的各個眼睛代碼并根據(jù)所述標(biāo)簽對測試眼睛代碼分類，來配置通過將所述測試眼睛代碼與存儲在所述特征眼睛庫中的所述各個眼睛代碼進(jìn)行比較來搜索眼睛代碼以改進(jìn)識別率的機(jī)制，其中分類技術(shù)選擇性地使用以下技術(shù)之一采用兩個代碼之間的相似度作為分類器的技術(shù)、利用貝葉斯分類器的技術(shù)、神經(jīng)網(wǎng)絡(luò)技術(shù)、支持向量機(jī)技術(shù)、以及包括決策樹技術(shù)的機(jī)器學(xué)習(xí)技術(shù)。
14.根據(jù)權(quán)利要求13所述的方法，其中，通過選擇空間域中的眼睛圖像表示、基于傅里葉變換的眼睛圖像表示、基于小波變換的眼睛圖像表示、基于拉東變換的眼睛圖像表示、以及基于表示所述眼睛圖像的每個像素中的局部特征的數(shù)值的直方圖的眼睛圖像表示中的一個眼睛圖像表示，來提取所述眼睛圖像的所述眼睛代碼；或者通過配置眼睛圖像的單獨(dú)集合并選擇性地將主成分分析PCA、線性判別分析LDA和獨(dú)立成分分析ICA技術(shù)之一應(yīng)用于所述單獨(dú)集合，來提取關(guān)于所述眼睛圖像的所述眼睛代碼。
15.根據(jù)權(quán)利要求13所述的方法，其中，如果通過兩個向量之間的相似度測量的、兩個代碼之間的相似度被用作用于通過將所述測試眼睛代碼與存儲在所述特征眼睛庫中的所述各個眼睛代碼進(jìn)行比較來搜索所述最相似眼睛代碼的分類器，則所述相似度的測量包括選擇以下相似度測量之一基于諸如余弦相似度和Tanimoto相似度的相關(guān)性的相似度測量；利用諸如曼哈頓距離和歐幾里德距離的明考夫斯基距離的相似度測量；以及對每個分量提供加權(quán)值的相似度測量。
16.根據(jù)權(quán)利要求1至12中任一項(xiàng)所述的方法，其中，將關(guān)于所述匹配的眼睛圖像樣本的所述關(guān)注區(qū)域信息傳送到所述測試眼睛圖像包括對所述關(guān)注區(qū)域信息或所述測試眼睛圖像逐步地應(yīng)用局部變換，以及然后將關(guān)于所述匹配的眼睛圖像樣本的所述關(guān)注區(qū)域信息傳送到所述測試眼睛圖像。
17.根據(jù)權(quán)利要求16所述的方法，其中，將關(guān)于所述匹配的眼睛圖像樣本的所述關(guān)注區(qū)域信息傳送到所述測試眼睛圖像包括標(biāo)準(zhǔn)化在將所述關(guān)注區(qū)域信息與所述眼睛圖像樣本相加時形成的圖像，通過與所述眼睛圖像樣本中相同的處理來標(biāo)準(zhǔn)化所述測試眼睛圖像，將標(biāo)準(zhǔn)化的關(guān)注區(qū)域信息傳送并組合到標(biāo)準(zhǔn)化的測試眼睛圖像，以及反向標(biāo)準(zhǔn)化組合的圖像。
18.根據(jù)權(quán)利要求16所述的方法，其中，通過基于傳送到所述測試眼睛圖像的結(jié)果的其它局部分析，更準(zhǔn)確地提取關(guān)于所述匹配的眼睛圖像的所述關(guān)注區(qū)域信息。
19.根據(jù)權(quán)利要求13所述的方法，其中，提供給所述測試眼睛圖像的所述眼睛代碼是通過提供兩個或更多個眼睛代碼來配置的。
20.根據(jù)權(quán)利要求19所述的方法，其中，關(guān)于所有所述測試眼睛代碼，將提供給所述測試眼睛圖像的所述兩個或更多個測試眼睛代碼分別與存儲在所述特征眼睛庫中的所述眼睛代碼之中的最相似樣本眼睛代碼匹配，并且所述最相似眼睛代碼是在匹配的樣本眼睛代碼中檢索到的且與所述測試眼睛圖像匹配。
21.根據(jù)權(quán)利要求20所述的方法，其中，提供給所述測試眼睛圖像的所述兩個或更多個測試眼睛代碼通過在特定角度范圍內(nèi)逐漸地改變所述測試眼睛圖像的角度來產(chǎn)生新的眼睛圖像，并且分別將新的眼睛代碼逐一地提供給產(chǎn)生的新的眼睛圖像，以將兩個或更多個眼睛代碼提供到所述測試眼睛圖像。
22.根據(jù)權(quán)利要求13所述的方法，其中，根據(jù)關(guān)注區(qū)域或認(rèn)知信息，將所述特征眼睛庫分隔成或轉(zhuǎn)換成多個眼睛組。
23.根據(jù)權(quán)利要求22所述的方法，其中，每個眼睛組包括對其提供的代表性眼睛代碼。
24.根據(jù)權(quán)利要求23所述的方法，其中，通過將所述測試眼睛代碼與存儲在所述特征眼睛庫中的所述各個眼睛代碼進(jìn)行比較來搜索所述最相似眼睛代碼的機(jī)制包括將所述測試眼睛代碼與每個代表性眼睛代碼進(jìn)行比較，搜索最相似眼睛組，將屬于所述眼睛組的每個所述樣本眼睛代碼與所述測試眼睛代碼進(jìn)行比較，以及從所述樣本眼睛代碼之中選擇與所述測試眼睛代碼最相似的樣本眼睛代碼。
25.根據(jù)權(quán)利要求M所述的方法，其中，每個眼睛組的所述代表性眼睛代碼包括通過平均化屬于所述眼睛組的眼睛代碼獲得的平均值。
26.根據(jù)權(quán)利要求M所述的方法，其中，將所述特征眼睛庫分組包括分級分組或平面分組。
27.根據(jù)權(quán)利要求24所述的方法，其中，根據(jù)關(guān)注區(qū)域或認(rèn)知信息將所述特征眼睛庫分組包括將相似眼睛代碼分組成聚類的聚類技術(shù)。
全文摘要
本發(fā)明提供一種從眼睛圖像獲取關(guān)注區(qū)域和/或認(rèn)知信息的方法，該方法包括步驟針對關(guān)注區(qū)域信息或認(rèn)知信息，對眼睛圖像組進(jìn)行預(yù)處理、標(biāo)準(zhǔn)化和編碼，以產(chǎn)生眼睛圖像代碼和在存儲器中構(gòu)建特征眼睛庫，以便改進(jìn)虹膜識別率；將存儲在特征眼睛庫中的眼睛圖像的眼睛代碼分組和分割或重疊成多個組；獲得每個眼睛代碼組的代表性眼睛代碼；以與上述步驟相同的方式對未分配關(guān)注區(qū)域信息或認(rèn)知信息的新的眼睛圖像進(jìn)行預(yù)處理、標(biāo)準(zhǔn)化和編碼；將測試眼睛圖像與特征眼睛庫中的最相似眼睛圖像匹配；以及將分配給匹配的眼睛圖像的關(guān)注區(qū)域信息或認(rèn)知信息傳送到測試眼睛圖像。在眼睛圖像的預(yù)處理中使用傳送的信息。
文檔編號G06T7/40GK102209975SQ200980144935
公開日2011年10月5日 申請日期2009年10月6日 優(yōu)先權(quán)日2008年10月8日
發(fā)明者孫正教, 崔炯仁, 文煥彪, 權(quán)圣火, 李成鎮(zhèn), 白勝敏, 金大訓(xùn) 申請人:虹膜技術(shù)公司