一種基于改進(jìn)的稀疏編碼的虹膜識(shí)別方法及裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于虹膜識(shí)別領(lǐng)域，尤其是涉及一種基于改進(jìn)的稀疏編碼的虹膜識(shí)別方法 及裝置。
【背景技術(shù)】
[0002] 稀疏編碼是一種模擬哺乳動(dòng)物視覺(jué)系統(tǒng)主視皮層Vl區(qū)簡(jiǎn)單細(xì)胞感受野人工神經(jīng) 網(wǎng)絡(luò)方法。稀疏編碼是一種無(wú)監(jiān)督的特征學(xué)習(xí)算法，通過(guò)自學(xué)習(xí)得到一組過(guò)完備的字典來(lái) 對(duì)待測(cè)樣本進(jìn)行稀疏表示。通俗的說(shuō)就是將一個(gè)信號(hào)表示為一組基的線性組合，而且要求 只需要較少的幾個(gè)基就可以將信號(hào)表示出來(lái)。"稀疏性"定義為：只有很少的幾個(gè)非零元素 或只有很少的幾個(gè)遠(yuǎn)大于零的元素。
[0003] 稀疏編碼算法是一種無(wú)監(jiān)督學(xué)習(xí)方法，它用來(lái)尋找一組"超完備"基向量來(lái)更高效 地表示樣本數(shù)據(jù)。稀疏編碼成功應(yīng)用于機(jī)器學(xué)習(xí)、模式識(shí)別等領(lǐng)域。經(jīng)典的稀疏編碼在人 臉識(shí)別領(lǐng)域容易受到各種干擾因素的影響如光照、遮擋、姿態(tài)、噪聲等等。因此，我們提出一 種改進(jìn)的稀疏編碼算法，并將其用在虹膜識(shí)別領(lǐng)域，提高虹膜識(shí)別效率。

【發(fā)明內(nèi)容】

[0004] 有鑒于此，本發(fā)明旨在提出一種基于改進(jìn)的稀疏編碼的虹膜識(shí)別方法，以提高虹 膜識(shí)別率。
[0005] 為達(dá)到上述目的，本發(fā)明的技術(shù)方案是這樣實(shí)現(xiàn)的：
[0006] -種基于改進(jìn)的稀疏編碼的虹膜識(shí)別方法，其特征在于：包括如下步驟：
[0007] (1)對(duì)虹膜圖像進(jìn)行圖像分割以及特征提取，得到虹膜樣本集；
[0008] (2)離線對(duì)虹膜樣本進(jìn)行字典學(xué)習(xí)，加入非負(fù)約束以及平滑約束，得到字典；
[0009] (3)通過(guò)求解LASSO回歸問(wèn)題得到稀疏系數(shù)；
[0010] (4)對(duì)結(jié)果進(jìn)行評(píng)價(jià)，并確認(rèn)身份。
[0011] 進(jìn)一步的，所述步驟（2)包括如下步驟，傳統(tǒng)的稀疏編碼是找到一組基向量Ct1，使
為離線字典，a為稀疏系數(shù)，在傳統(tǒng)的編碼方法中加入平滑和非負(fù)約束得到字典加入 約束后的公式為
[0012]
[0013]其中，入彡 0,y彡 0,Aij彡 〇,（}> 為樣本圖像，X= (Xl，x2...Xn)，A為 樣本稀疏系數(shù)a的展開(kāi)，I|*|If稱(chēng)為Frobenius范數(shù)，R為平滑約束項(xiàng)，R由如下公式計(jì)算 得出，Tr為矩陣的跡，W(Xl，X])為相似度矩陣
[0016] 進(jìn)一步的，所述步驟（3)包括如下步驟a，(6)為編碼的代價(jià)函數(shù)，f為實(shí) 際采集圖像，為實(shí)際稀疏系數(shù)
[0020] 本步驟通過(guò)求解LASSO回歸問(wèn)題得到稀疏系數(shù)，采用Feature-signsearch算法求 解得到稀疏系數(shù)a'
[0021] 進(jìn)一步的，所述步驟（4)中的評(píng)價(jià)指標(biāo)為
[0022] I=exp(-J(X*，a*，(6)))
[0023] 上一步中的編碼J為編碼的代價(jià)函數(shù)，J值越大表明該身份的隸屬度越低，I的取 值范圍為0-1。
[0024] 相對(duì)于現(xiàn)有技術(shù)，本發(fā)明所述的一種基于改進(jìn)的稀疏編碼的虹膜識(shí)別方法具有以 下優(yōu)勢(shì)：
[0025] (1)本發(fā)明所述方法是一種無(wú)監(jiān)督的學(xué)習(xí)方法，不用人工指定具體特征；
[0026] (2)加入平滑約束可以有效的去除噪聲對(duì)識(shí)別結(jié)果的影響，提高識(shí)別率；
[0027] (3)加入非負(fù)約束，避免字典學(xué)習(xí)過(guò)程中產(chǎn)生非負(fù)值；
[0028] (4)提出一種評(píng)價(jià)指標(biāo)有效的對(duì)身份進(jìn)行認(rèn)證。
[0029] 本發(fā)明方法識(shí)別率高，識(shí)別速度快，識(shí)別結(jié)果準(zhǔn)確率高，適用性強(qiáng)。
[0030] 本發(fā)明的另一目的在于提出一種基于改進(jìn)的稀疏編碼的虹膜識(shí)別裝置，以實(shí)現(xiàn)上 述虹膜識(shí)別方法。
[0031] 為達(dá)到上述目的，本發(fā)明的技術(shù)方案是這樣實(shí)現(xiàn)的：
[0032] -種基于改進(jìn)的稀疏編碼的虹膜識(shí)別裝置，包括如下裝置：
[0033] 對(duì)虹膜圖像進(jìn)行圖像分割以及特征提取，得到虹膜樣本集的圖像采集裝置；
[0034] 離線對(duì)虹膜樣本進(jìn)行字典學(xué)習(xí)，加入非負(fù)約束以及平滑約束，得到字典的字典學(xué) 習(xí)裝置；
[0035] 通過(guò)求解LASSO回歸問(wèn)題得到稀疏系數(shù)的稀疏系數(shù)求解裝置；
[0036] 對(duì)結(jié)果進(jìn)行評(píng)價(jià)，并確認(rèn)身份的身份確認(rèn)裝置。
[0037] 所述一種基于改進(jìn)的稀疏編碼的虹膜識(shí)別裝置與上述一種基于改進(jìn)的稀疏編碼 的虹膜識(shí)別方法相對(duì)于現(xiàn)有技術(shù)所具有的優(yōu)勢(shì)相同，在此不再贅述。
【附圖說(shuō)明】
[0038] 構(gòu)成本發(fā)明的一部分的附圖用來(lái)提供對(duì)本發(fā)明的進(jìn)一步理解，本發(fā)明的示意性實(shí) 施例及其說(shuō)明用于解釋本發(fā)明，并不構(gòu)成對(duì)本發(fā)明的不當(dāng)限定。在附圖中：
[0039] 圖1為本發(fā)明實(shí)施例所述的一種基于改進(jìn)的稀疏編碼的虹膜識(shí)別方法的流程圖；
[0040] 圖2為本發(fā)明實(shí)施例所述的離線字典學(xué)習(xí)流程圖。
【具體實(shí)施方式】
[0041] 需要說(shuō)明的是，在不沖突的情況下，本發(fā)明中的實(shí)施例及實(shí)施例中的特征可以相 互組合。
[0042] 下面將參考附圖并結(jié)合實(shí)施例來(lái)詳細(xì)說(shuō)明本發(fā)明。
[0043] 如圖1所示，本發(fā)明提出一種基于改進(jìn)的稀疏編碼的虹膜識(shí)別方法，包括如下步 驟：
[0044] (1)人臉圖像組成圖像樣本集，對(duì)圖像進(jìn)行分割以及特征提取，得到虹膜樣本集；
[0045] 基于級(jí)聯(lián)的haar特征的人臉檢測(cè)與定位；
[0046] 基于級(jí)聯(lián)的haar特征的人眼的檢測(cè)與定位；
[0047] 基于霍夫變換的瞳孔與虹膜的輪廓定位；
[0048] 基于極坐標(biāo)變換的虹膜圖像的展開(kāi)；
[0049] 對(duì)圖像灰度進(jìn)行歸一化處理。
[0050] (2)離線對(duì)虹膜樣本進(jìn)行字典學(xué)習(xí)，加入非負(fù)約束以及平滑約束，得到字典巾，如 圖2所示；
[0051] 傳統(tǒng)的稀疏編碼是找到一組基向量，使得輸入向量X表示為這些基向量的線性

[0058] 其中入彡0,y彡0,Aij彡〇,（}> 〇,R為平滑約束項(xiàng)，X為樣本圖像，X= (X1,X2. ??xn)，A為樣本稀疏系數(shù)a的展開(kāi)，II*II卩稱(chēng)為Frobenius范數(shù)。
[0059] 本發(fā)明方法目的是為了求得一組過(guò)完備的基巾來(lái)對(duì)每一個(gè)樣本X1進(jìn)行線性表 示。首先目標(biāo)函數(shù)第一項(xiàng)是重構(gòu)輸入數(shù)據(jù)X的重構(gòu)誤差函數(shù)；第二項(xiàng)是對(duì)系數(shù)稀疏性的懲 罰項(xiàng)，過(guò)完備是指n的個(gè)數(shù)遠(yuǎn)大于樣本X1的維數(shù)，其分解系數(shù)a不能唯一確定，一般的做 法是對(duì)系數(shù)a作一個(gè)稀疏性約束。除此之外，傳統(tǒng)的稀疏編碼不能保證得到的字典是非負(fù) 的，而負(fù)值在圖像里面是沒(méi)有意義的，因此這里我們加入非負(fù)的約束即彡〇,（}> ^>0， 利用迭代操作逐次逼近，保證〇,（J) 〇,具體步驟如下：設(shè)樣本為X，字典為傘，
[0060] 步驟1 :利用余弦相似性計(jì)算相似度矩陣WUi,x_j)，X;、X中任意兩個(gè)樣本；
[0061] 步驟2 :設(shè)置參數(shù)y、A的值，初始化（J)和A，保證元素非負(fù)；
[0062] 步驟 3 :循環(huán)t= 1. ? ?N
[0065] 直到收斂。
[0066] 設(shè)aDa;為Xi，Xj在新的基底巾下的稀疏表示?；诹餍袑W(xué)習(xí)與降維相關(guān)理論， 我們認(rèn)為如果數(shù)據(jù)Xl，X]在原空間距離相近，在新的基底下aa,的距離也會(huì)相近，反之亦 然。因此我們加入平滑的約束項(xiàng)R，來(lái)防止由噪聲引起的數(shù)據(jù)表示的不一致性，R計(jì)算公式 如下：

[0069]Tr為矩陣的跡，W(Xl，Xj)為相似度矩陣，這里采用余弦相似性，也可以采用其他相 似性度量函數(shù)。
[0070] (3)通過(guò)求解LASSO回歸問(wèn)題得到稀疏系數(shù)，J(X'a' (6)為編碼的代價(jià)函數(shù)，X* 為實(shí)際采集圖像，為實(shí)際稀疏系數(shù)
[0074] 該步驟為標(biāo)準(zhǔn)的LASSO問(wèn)題，采用Feature-sign search算法求解稀疏系數(shù)a'
[0075] (4)對(duì)結(jié)果進(jìn)行評(píng)價(jià)，并確認(rèn)身份，評(píng)價(jià)指標(biāo)為
[0076] I = exp (-J(X*，a *，(6)))
[0077] 在上一步中的編碼J被稱(chēng)為編碼的代價(jià)函數(shù)，J值越大說(shuō)明該身份的隸屬度越低。 很明顯該指標(biāo)取值范圍0-1，取值越大越可能屬于某個(gè)身份，本方案中設(shè)I的閾值為0. 8,當(dāng) 得到的I大于〇. 8時(shí)，取最大值的模板組為最終的身份確認(rèn)，當(dāng)?shù)玫降腎小于0. 8時(shí)，認(rèn)為 沒(méi)有模板符合身份。
[0078] 本發(fā)明將改進(jìn)的稀疏編碼算法應(yīng)用在虹膜識(shí)別中，首先對(duì)每個(gè)人采集10張虹膜 圖像，并進(jìn)行虹膜圖像的分割與提取，得到虹膜樣本集；對(duì)虹膜樣本集進(jìn)行離線字典學(xué)習(xí)得 到基向量巾，然后加入非負(fù)約束條件以及平滑約束條件對(duì)巾進(jìn)行約束，得到字典? ;利用 實(shí)際采集的圖樣樣本通過(guò)求解LASSO回歸問(wèn)題得到稀疏系數(shù)a%將字典?與稀疏系數(shù)a$ 進(jìn)行線性組合得到目標(biāo)圖像；最后利用評(píng)價(jià)指標(biāo)I對(duì)結(jié)果進(jìn)行評(píng)價(jià)，遍歷模板組找出吻合 度最大的模板進(jìn)行確認(rèn)最終的身份確認(rèn)。
[0079] 以上所述僅為本發(fā)明的較佳實(shí)施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精 神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。
【主權(quán)項(xiàng)】
1. 一種基于改進(jìn)的稀疏編碼的虹膜識(shí)別方法，其特征在于：包括如下步驟： (1) 對(duì)虹膜圖像進(jìn)行圖像分割以及特征提取，得到虹膜樣本集； (2) 離線對(duì)虹膜樣本進(jìn)行字典學(xué)習(xí)，加入非負(fù)約束以及平滑約束，得到字典； (3) 通過(guò)求解LASSO回歸問(wèn)題得到稀疏系數(shù)； (4) 對(duì)結(jié)果進(jìn)行評(píng)價(jià)，并確認(rèn)身份。2. 根據(jù)權(quán)利要求1所述的一種基于改進(jìn)的稀疏編碼的虹膜識(shí)別方法，其特征在于：所 述步驟（2)包括如下步驟，傳統(tǒng)的稀疏編碼是找到一組基向量（J) 1，使得輸入向量X表示為 這些基向量的線性組合，即，其中X為目標(biāo)圖像，基向量Φ為離線字典，α為稀 疏系數(shù)，在傳統(tǒng)的編碼方法中加入平滑和非負(fù)約束得到字典Φ，加入約束后的公式為 -tJ 其中，λ彡〇, γ彡〇, Aij彡〇, φ "彡〇，Χ為樣本圖像，X = (Χι，χ2···Χη)，A為樣本 稀疏系數(shù)α的展開(kāi)，I |*| |F稱(chēng)為Frobenius范數(shù)，R為平滑約束項(xiàng)，R由如下公式計(jì)算得出， Tr為矩陣的跡，WU1, Xj)為相似度矩陣3. 根據(jù)權(quán)利要求1所述的一種基于改進(jìn)的稀疏編碼的虹膜識(shí)別方法，其特征在于：所 述步驟⑶包括如下步驟α，Φ)為編碼的代價(jià)函數(shù)，，f為實(shí)際采集圖像，α %求 得到的稀疏系數(shù)本步驟通過(guò)求解LASSO回歸問(wèn)題得到稀疏系數(shù)，采用Feature-signsearch算法求解得 到稀疏系數(shù)α'4. 根據(jù)權(quán)利要求1所述的一種基于改進(jìn)的稀疏編碼的虹膜識(shí)別方法，其特征在于：所 述步驟（4)中的評(píng)價(jià)指標(biāo)為 I = exp (-J (X*，α *，Φ)) 上一步中的編碼J為編碼的代價(jià)函數(shù)，J值越大表明該身份的隸屬度越低，I的取值范 圍為0_1。5. -種基于改進(jìn)的稀疏編碼的虹膜識(shí)別裝置，其特征在于：包括如下裝置： 對(duì)虹膜圖像進(jìn)行圖像分割以及特征提取，得到虹膜樣本集的圖像采集裝置； 離線對(duì)虹膜樣本進(jìn)行字典學(xué)習(xí)，加入非負(fù)約束以及平滑約束，得到字典的字典學(xué)習(xí)裝 置； 通過(guò)求解LASSO回歸問(wèn)題得到稀疏系數(shù)的稀疏系數(shù)求解裝置； 對(duì)結(jié)果進(jìn)行評(píng)價(jià)，并確認(rèn)身份的身份確認(rèn)裝置。
【專(zhuān)利摘要】本發(fā)明提供了一種基于改進(jìn)的稀疏編碼的虹膜識(shí)別方法及裝置，方法包括如下步驟：對(duì)虹膜圖像進(jìn)行圖像分割以及特征提取，得到虹膜樣本集；離線對(duì)虹膜樣本進(jìn)行字典學(xué)習(xí)，加入非負(fù)約束以及平滑約束，得到字典；求取稀疏系數(shù)；對(duì)結(jié)果進(jìn)行評(píng)價(jià)。本發(fā)明所述方法是一種無(wú)監(jiān)督的學(xué)習(xí)方法，不用人工指定具體特征；加入平滑約束可以有效的去除噪聲對(duì)識(shí)別結(jié)果的影響，提高識(shí)別率；加入非負(fù)約束，避免字典學(xué)習(xí)過(guò)程中產(chǎn)生非負(fù)值；提出一種評(píng)價(jià)指標(biāo)有效的對(duì)身份進(jìn)行認(rèn)證。本發(fā)明方法識(shí)別率高，識(shí)別速度快，識(shí)別結(jié)果準(zhǔn)確率高，適用性強(qiáng)。
【IPC分類(lèi)】G06K9/00
【公開(kāi)號(hào)】CN105069427
【申請(qǐng)?zhí)枴緾N201510464637
【發(fā)明人】謝自力
【申請(qǐng)人】天津市協(xié)力自動(dòng)化工程有限公司
【公開(kāi)日】2015年11月18日
【申請(qǐng)日】2015年7月29日