申请/专利权人:北京建筑大学
申请日:2023-10-18
公开(公告)日:2024-04-16
公开(公告)号:CN117351579B
主分类号:G06V40/40
分类号:G06V40/40;G06V40/18;G06V10/774;G06V10/80;G06V10/77;G06V10/82;G06V10/764
优先权:
专利状态码:有效-授权
法律状态:2024.04.16#授权;2024.01.23#实质审查的生效;2024.01.05#公开
摘要:本公开提供了一种基于多源信息融合的虹膜活体检测方法及装置,该方法包括:获取训练样本集,所述训练样本集包括多个类型的假体虹膜图像;基于所述训练样本集训练活体检测模型;其中,所述活体检测模型用于提取输入图像的全局虹膜特征和局部虹膜特征,对所述全局虹膜特征和所述局部虹膜特征进行特征融合得到融合特征,对所述全局虹膜特征、所述局部虹膜特征以及所述融合特征进行分类判断,将所述分类判断进行融合得到所述输入图像的活体检测结果;基于训练完成的活体检测模型对待测虹膜图像进行虹膜活体检测。本公开能够解决相关技术难以检测多种攻击类型的问题。
主权项:1.一种基于多源信息融合的虹膜活体检测方法,其特征在于,包括:获取训练样本集,所述训练样本集包括多个类型的假体虹膜图像;基于所述训练样本集训练活体检测模型;其中,所述活体检测模型用于提取输入图像的全局虹膜特征和局部虹膜特征,对所述全局虹膜特征和所述局部虹膜特征进行特征融合得到融合特征,对所述全局虹膜特征、所述局部虹膜特征以及所述融合特征进行分类判断,将所述分类判断进行融合得到所述输入图像的活体检测结果;基于训练完成的活体检测模型对待测虹膜图像进行虹膜活体检测;所述提取输入图像的全局虹膜特征和局部虹膜特征,包括:对所述输入图像进行预处理,获取全局虹膜图像和局部虹膜图像;将所述全局虹膜图像输入至预设的神经网络模型中,提取得到所述输入图像的全局虹膜特征;对所述局部虹膜图像进行图像切割,得到多个图像块;对所述多个图像块进行线性映射,得到每个图像块对应的特征向量;将每个图像块对应的特征向量输入至预设的编码器中,提取得到所述输入图像的局部虹膜特征;所述预设的神经网络模型包括:第一卷积层和第一池化层,用于将所述全局虹膜图像进行降维,获得包含多个特征的图像降维数据;多个特征处理模块,用于提取所述图像降维数据的多个输出特征;其中,所述多个输出特征维数相同,每个特征处理模块包含卷积层、空间注意力模块和下采样层;第一特征拼接层,用于将所述多个输出特征进行拼接,得到第二拼接特征;第二卷积层和第一平均池化层,用于对所述第二拼接特征进行细化,获取第一细化特征;第一归一化层,用于将所述第一细化特征进行归一化处理,获得所述全局虹膜特征。
全文数据:
权利要求:
百度查询: 北京建筑大学 基于多源信息融合的虹膜活体检测方法及装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。