论文部分内容阅读
生物特征识别是利用人的生理或行为动作特征进行身份认证和识别，是以人体稳定的、唯一的、可靠的生物特征为识别体，达到识别身份的目的。生物特征具有不变性、唯一性、不易丢失性、安全性等优点。生物特征识别成为重要的安全认证方式，在安防、电商、金融等领域具有十分广阔的应用前景。人的虹膜是在胚胎时期随机形成的，导致每个人的虹膜生理结构各不相同，并且独特的虹膜结构在人一生中几乎不发生变化，因此，虹膜具有长期稳定性。在生物识别技术中，由于虹膜特征具有很高的安全性、防伪性和识别准确率，在对安全性要求高的场合，虹膜识别已成为一种最理想的身份识别方法。
虹膜识别技术已有多年的研究基础，其算法核心为特征提取。最初Daugman利用经典的Gabor滤波器提取并表征虹膜纹理信息。此后又出现了许多改良的经典特征提取算法如局部二值模式、希尔伯特变换、小波分解等。然而传统手工设计的特征编码器只能提取较为粗略、单一的虹膜纹理特征。近年发展起来的深度学习技术可以自动提取更加多元化的深层次图像特征，具有良好的图像感知与特征提取的能力。本论文采用深度学习方法，设计卷积神经网络(CNN)提取虹膜图像特征，同时，使用小样本学习在线增广虹膜数据量，以获得更优的识别性能。
本文提出了一种基于小样学习和CNN的虹膜识别方法。将在线增广技术融入CNN前端，既可以使CNN学习到由于采集环境变化导致的瞳孔扩张、收缩、虹膜旋转和虹膜光亮不均等虹膜纹理细节的改变，也可以利用有限的训练样本完整地训练一个深度CNN网络，同时保证良好的实时性。通过该CNN构建及训练方法，可以充分地挖掘虹膜纹理的细节信息，且有效克服传统手工设计编码器对虹膜纹理描述的局限性，从而挖掘提取到更加独特的虹膜特征。最后，我们提出一种有效的基于相似度的匹配算法，将一阶时间相关系数作为虹膜匹配的距离度量指标，该距离度量方式可以提高识别准确率。
本文算法在中科院公开的CASIA-IrisV4-interval以及CASIA-Iris-V1虹膜数据库上进行了详细评估，结果显示在两数据库种分别可以实现100％和99.52％的准确率。此外，我们在自建的SDU虹膜数据集上也得到了97.62％的良好识别准确率。实验结果表明本文所提出的基于小样本学习和CNN的虹膜识别方法能够快速有效地实现虹膜识别，具有一定的实用价值。
虹膜识别技术已有多年的研究基础，其算法核心为特征提取。最初Daugman利用经典的Gabor滤波器提取并表征虹膜纹理信息。此后又出现了许多改良的经典特征提取算法如局部二值模式、希尔伯特变换、小波分解等。然而传统手工设计的特征编码器只能提取较为粗略、单一的虹膜纹理特征。近年发展起来的深度学习技术可以自动提取更加多元化的深层次图像特征，具有良好的图像感知与特征提取的能力。本论文采用深度学习方法，设计卷积神经网络(CNN)提取虹膜图像特征，同时，使用小样本学习在线增广虹膜数据量，以获得更优的识别性能。
本文提出了一种基于小样学习和CNN的虹膜识别方法。将在线增广技术融入CNN前端，既可以使CNN学习到由于采集环境变化导致的瞳孔扩张、收缩、虹膜旋转和虹膜光亮不均等虹膜纹理细节的改变，也可以利用有限的训练样本完整地训练一个深度CNN网络，同时保证良好的实时性。通过该CNN构建及训练方法，可以充分地挖掘虹膜纹理的细节信息，且有效克服传统手工设计编码器对虹膜纹理描述的局限性，从而挖掘提取到更加独特的虹膜特征。最后，我们提出一种有效的基于相似度的匹配算法，将一阶时间相关系数作为虹膜匹配的距离度量指标，该距离度量方式可以提高识别准确率。
本文算法在中科院公开的CASIA-IrisV4-interval以及CASIA-Iris-V1虹膜数据库上进行了详细评估，结果显示在两数据库种分别可以实现100％和99.52％的准确率。此外，我们在自建的SDU虹膜数据集上也得到了97.62％的良好识别准确率。实验结果表明本文所提出的基于小样本学习和CNN的虹膜识别方法能够快速有效地实现虹膜识别，具有一定的实用价值。