基于自适应虹膜识别的矿区智能储物柜系统的制作方法

摘要: 本发明涉及虹膜识别,尤其涉及一种基于自适应虹膜识别的矿区智能储物柜系统。背景技术:1、目前的相关技术中,虽然通过卷积自动化分析、图神经网络与抗锯齿卷积实现了高效...
基于自适应虹膜识别的矿区智能储物柜系统的制作方法

本发明涉及虹膜识别,尤其涉及一种基于自适应虹膜识别的矿区智能储物柜系统。

背景技术:

1、目前的相关技术中,虽然通过卷积自动化分析、图神经网络与抗锯齿卷积实现了高效低成本的虹膜识别,但并未考虑矿区高粉尘、高湿、光照剧烈波动的特殊工况对识别全流程的干扰,即,无法结合环境参数联动优化虹膜采集与识别,从而实现身份验证结果与储物格分配的全场景闭环适配。

2、公开于本技术背景技术部分的信息仅仅旨在加深对本技术的一般背景技术的理解,而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。

技术实现思路

1、本发明提供一种基于自适应虹膜识别的矿区智能储物柜系统,能够解决相关技术无法结合环境参数联动优化虹膜采集与识别的技术问题。

2、根据本发明,提供一种基于自适应虹膜识别的矿区智能储物柜系统,包括:

3、触发动作模块,用于采集多个储物格的内部环境参数,并根据所述内部环境参数,判断对应储物格的触发动作,其中,所述内部环境参数包括相对湿度、粉尘浓度和粉尘累积时长;

4、第一虹膜图像模块,用于响应用户的操作请求,并根据采集的当前时刻环境光照,执行动态曝光调节,获取第一虹膜图像;

5、待识别虹膜图像模块,用于根据所述第一虹膜图像的清晰度,获取待识别虹膜图像;

6、虹膜有效纹理区域模块,用于获取所述待识别虹膜图像的瞳孔缩放直径和虹膜可见区域半径,执行环形区域分割,确定衡量稳定纹理覆盖区的虹膜有效纹理区域;

7、虹膜特征向量模块,用于对所述虹膜有效纹理区域的图像进行归一化展开后,根据当前时刻环境光照,确定表示环境自适应下的纹理独特性强度的虹膜特征向量;

8、匹配差异度模块,用于将所述虹膜特征向量与多个预存虹膜特征向量进行加权比对运算,确定衡量真实身份差异程度的匹配差异度,并根据所述匹配差异度判定身份验证是否通过;

9、储物格分配模块,用于如果身份验证通过,则根据所述操作请求的类型和当前用户的身份id,执行储物格分配。

10、进一步地,采集多个储物格的内部环境参数,并根据所述内部环境参数,判断对应储物格的触发动作,包括:

11、当检测到储物格的粉尘浓度大于预设粉尘浓度时,判断对应储物格的触发动作为自清洁气流喷射动作;

12、当检测到储物格的相对湿度大于预设相对湿度时,判断对应储物格的触发动作为辅热除湿动作;

13、当检测到储物格的粉尘浓度小于或者等于预设粉尘浓度,且相对湿度小于或者等于预设相对湿度时,判断对应储物格无触发动作。

14、进一步地,响应用户的操作请求,并根据采集的当前时刻环境光照,执行动态曝光调节,获取第一虹膜图像,包括:

15、获取当前环境光照与前一时刻环境光照的差值;

16、如果所述差值小于或者等于预设光照跳变阈值,则根据当前时刻环境光照落入的预设光照区间,获取曝光参数组,其中,所述曝光参数组包括曝光时间和增益值;

17、如果所述差值大于预设光照跳变阈值,则将所述曝光参数组强制设置为预设光照区间的中间光照区间对应的曝光参数组;

18、将所述曝光参数组下发至虹膜采集终端的图像传感器,采集所述第一虹膜图像。

19、进一步地,根据所述第一虹膜图像的清晰度,获取待识别虹膜图像,包括:

20、如果所述第一虹膜图像的清晰度小于预设清晰度,则执行镜面清洁动作,并重新采集第二虹膜图像;

21、将所述第一虹膜图像和所述第二虹膜图像中清晰度最高的图像作为待识别虹膜图像;

22、如果所述第一虹膜图像的清晰度大于或者等于预设清晰度,则不执行镜面清洁动作,并将第一虹膜图像作为待识别虹膜图像。

23、进一步地,获取所述待识别虹膜图像的瞳孔缩放直径和虹膜可见区域半径,执行环形区域分割,确定衡量稳定纹理覆盖区的虹膜有效纹理区域,包括:

24、将所述瞳孔缩放直径的一半,作为待识别虹膜图像的瞳孔半径;

25、以瞳孔中心为原点沿径向扫描待识别虹膜图像,以灰度变化最剧烈的极大值位置,获取虹膜内边界、外边界相对瞳孔半径的内边界偏移量和外边界偏移量;

26、根据所述瞳孔半径、所述内边界偏移量、所述外边界偏移量、所述瞳孔缩放直径和所述虹膜可见区域半径,执行环形区域分割,确定衡量稳定纹理覆盖区的虹膜有效纹理区域。

27、进一步地,根据所述瞳孔半径、所述内边界偏移量、所述外边界偏移量、所述瞳孔缩放直径和所述虹膜可见区域半径,执行环形区域分割,确定衡量稳定纹理覆盖区的虹膜有效纹理区域,包括:

28、根据公式:

29、,

30、确定虹膜有效纹理区域,其中,为虹膜内边界半径,为虹膜外边界半径,为瞳孔半径,为瞳孔缩放直径,为标准光照下的参考瞳孔直径,为虹膜可见区域半径,为参考虹膜宽度,为内边界偏移量,为外边界偏移量,为预设内边界收缩系数,为预设外边界扩张系数。

31、进一步地,对所述虹膜有效纹理区域的图像进行归一化展开后,根据当前时刻环境光照,确定表示环境自适应下的纹理独特性强度的虹膜特征向量,包括:

32、对所述虹膜有效纹理区域的图像执行归一化展开,获得虹膜环形展开图;

33、根据所述虹膜环形展开图的纹理灰度梯度分布,通过拉普拉斯算子,计算多个像素点的拉普拉斯二阶梯度幅值,并获取多个像素点邻域窗口内的灰度均值;

34、将所述虹膜有效纹理区域分为内圈和外圈;

35、构建二维权重查找表,根据最近一次执行镜面清洁动作的累积时长和当前时刻环境光照,获取内圈和外圈的环形采样权重,其中,所述二维权重查找表以最近一次执行镜面清洁动作的累积时长和当前时刻环境光照为两个独立维度,每个维度划分为多个连续区间,不同区间组合对应唯一的环形采样权重;

36、根据所述虹膜环形展开图、所述拉普拉斯二阶梯度幅值、所述灰度均值和所述环形采样权重,确定表示环境自适应下的纹理独特性强度的虹膜特征向量。

37、进一步地,根据所述虹膜环形展开图、所述拉普拉斯二阶梯度幅值、所述灰度均值和所述环形采样权重,确定表示环境自适应下的纹理独特性强度的虹膜特征向量,包括:

38、将所述虹膜环形展开图沿高度方向划分为k个等径向带、沿宽度方向划分为m个等角度段,共n=k×m个子区域,每个子区域对应虹膜特征向量的一个维度,其中,k、m和n均为正整数;

39、根据公式:

40、,

41、,

42、,

43、确定虹膜特征向量f,其中,为第k个径向带和第m个角度段的子区域的纹理独特性强度累积值,为像素点所在内外圈的环形采样权重,为像素点的拉普拉斯二阶梯度幅值,为像素点的灰度均值,为极小常数,为第m个角度段,为第k个径向带,为预设纹理独特性强度累积值,、、、分别为虹膜特征向量的第1、2、n、n个元素,为向量的转置,,,为虹膜内边界半径,为虹膜外边界半径,n≤n,k≤k,m≤m,且k、m和n均为正整数。

44、进一步地,将所述虹膜特征向量与多个预存虹膜特征向量进行加权比对运算,确定衡量真实身份差异程度的匹配差异度,并根据所述匹配差异度判定身份验证是否通过,包括:

45、将每个子区域的平均灰度值作为第一平均灰度值;

46、将所有子区域的平均灰度值作为第二平均灰度值;

47、根据多个子区域的第一平均灰度值和所述第二平均灰度值,计算全区域的灰度值标准差,并将灰度值标准差作为光照非均匀度;

48、如果子区域的中心点在内圈,则子区域属于第一区域;

49、如果子区域的中心点在外圈,则子区域属于第二区域;

50、如果所述光照非均匀度大于预设光照非均匀度,则将属于第一区域的子区域的权重设置为第一权重,属于第二区域的子区域的权重设置为第二权重;

51、如果所述光照非均匀度小于或者等于预设光照非均匀度,则将所有子区域权重设置为1;

52、根据子区域的权重,将虹膜特征向量与数据库中每个预存虹膜特征向量进行元素的加权异或运算并求和,再除以所有子区域权重之和,取其中的最小值,确定衡量真实身份差异程度的匹配差异度;

53、如果所述匹配差异度小于预设匹配差异度,则判定身份验证通过;

54、如果所述匹配差异度大于或者等于预设匹配差异度,则判定身份验证失败。

55、进一步地,如果身份验证通过,则根据所述操作请求的类型和当前用户的身份id,执行储物格分配,包括:

56、如果所述操作请求的类型为存放操作,则遍历所有未占用且无触发动作的储物格,读取每一所述未占用且无触发动作的储物格的粉尘浓度和粉尘累积时长;

57、计算所述粉尘浓度与预设粉尘浓度的第一相对差值,并计算所述粉尘累积时长与预设粉尘累积时长的第二相对差值;

58、将所述第一相对差值和所述第二相对差值相加,并用1减去相加值,获得分配值;

59、将所述分配值最大的储物格作为目标储物格;

60、如果所述操作请求的类型为取物操作,则根据所述身份id查询已分配储物格编号作为目标储物格。

61、技术效果:根据本发明,通过储物格内部环境参数,对矿区高湿、高粉尘的特殊工况,可自动触发动作,通过执行动态曝光调节,可完成光照跳变的曝光参数收敛,获取清晰度达标的待识别虹膜图像,通过实时获取待识别虹膜图像的瞳孔缩放直径与虹膜可见区域半径,执行精准的环形区域分割,可筛选出纹理特征稳定的虹膜有效纹理区域。结合当前时刻的环境光照参数,可生成表示环境自适应下纹理独特性强度的虹膜特征向量,匹配差异度采用加权比对运算,适配不同区域纹理的识别权重差异,从而衡量真实身份差异程度,可根据用户的操作请求类型与身份id,执行储物格分配,实现了虹膜身份认证与储物柜管理的无缝联动。在确定虹膜有效纹理区域时,可通过瞳孔半径与虹膜宽度的双非线性映射,对内边界偏移量和外边界偏移量进行修正,从而实现矿区恶劣光照和粉尘干扰环境下虹膜有效纹理区域边界的动态精准定位,使提取的环形虹膜区域在排除瞳孔和巩膜无效区域干扰的同时,最大化覆盖虹膜有效纹理区域。在确定虹膜特征向量时,可通过虹膜环形展开图、拉普拉斯二阶梯度幅值、灰度均值和环形采样权重,确定虹膜特征向量,通过最近一次执行镜面清洁动作的累积时长和当前时刻环境光照的动态区域权重分配机制,使特征提取过程自适应矿区环境变化,优先采纳在当前条件下更可靠的纹理信息,从而提高身份匹配的准确率。在确定匹配差异度时,可通过虹膜特征向量与数据库中每个预存虹膜特征向量进行元素的加权异或运算并求和,再除以所有子区域权重之和,取其中的最小值,确定匹配差异度,可衡量真实身份差异程度,同时,子区域权重使匹配过程更依赖于当前环境条件下可靠的纹理区域,有效降低了光照不均导致的误匹配率,提升了匹配过程在复杂光照下的适应性。

62、应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,而非限制本发明。根据下面参考附图对示例性实施例的详细说明,本发明的其它特征及方面将更清楚。