基于EL-YOLO的虹膜图像人眼定位及分类算法

陈金鑫，沈文忠

上海电力大学 电子与信息工程学院，上海201306

虹膜相较于指纹、面部等生理特征，具备着先天的与外在隔离的优势，有着极高的稳定性。与常见的指纹、面部相比有着更好的唯一性，防欺骗性与防伪性很好，有着广泛的应用前景[1-2]。但是虹膜认证设备采集的图片一般包含上半个面部，以及一些背景干扰等，如何精确高效地从整幅图片中定位出人眼的位置，是虹膜识别设备处理获取虹膜图像的首要步骤。

传统的人眼定位算法大致可以分为基于人眼的固有特征、基于外观的统计模型以及基于结构信息进行人眼定位等。滕童等[3]提出了基于级联神经网络的多任务虹膜快速定位方法。该算法引入级联神经网络提取虹膜图像特征，将虹膜定位分解成从粗定位到精确定位的步骤，该算法并非是端到端的边框回归，检测速度较慢，而且仅是对于虹膜局部图像的检测且缺少眼睛类别，图像检索范围较小，干扰因素不多。晁静静等[4]提出了基于方向梯度直方图（HOG）和支持向量机（SVM）的人眼定位算法。该方法依赖于人眼的灰度梯度变化，在人脸面部图像较大时，由于鼻孔部位的灰度梯度值同样变化较大，因而出现了误检的情形。同样在应对光照变化较大，图像质量较低以及戴眼镜等情形下，准确定位人眼的性能急剧下降。主动外观（ASM）是一种经典的用于描述空间结构的模型，Ishikawa等[5]提出了基于主动外观模型的人眼定位算法。但该模型是描述整个面部结构，当面部区域信息过少，或者头部转动角度过大，将难以定位出眼睛的位置。……