买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京中科虹霸科技有限公司

摘要：本发明提供了一种模型生成方法、标签标注方法、虹膜图像质量评价方法及装置，其中，该模型生成方法包括：获取训练样本集；每个训练样本包括虹膜图像和相应的质量标签，训练样本集中的训练样本的虹膜图像是由不同用途的虹膜采集设备拍摄且对应相同种类数目的虹膜质量参数的不同参数值，虹膜质量参数的种类数目为一个或多个；将各训练样本分别输入至初始质量评价模型，计算得到相应质量评价结果，并计算得到质量评价结果与其质量标签的差异；模型属于深度卷积神经网络；选择差异不满足要求的训练样本，以调整标签；接收更新后的质量标签，重新训练模型；若各差异均满足要求，则得到虹膜图像质量评价模型。上述方案便于准确地评价虹膜图像的质量。

主权项：1.一种虹膜图像质量评价模型生成方法，其特征在于，包括：获取训练样本集，其中，所述训练样本集中的每个训练样本包括虹膜图像和相应的质量标签，所述训练样本集中训练样本中的虹膜图像是由不同用途的虹膜采集设备拍摄且对应相同种类数目的虹膜质量参数的不同参数值，虹膜质量参数的种类数目为一个或多个；将所述训练样本集中各训练样本分别输入至初始质量评价模型，得到每个训练样本的虹膜图像的质量评价结果，并计算得到每个训练样本的虹膜图像的质量评价结果与其质量标签之间的差异；其中，所述初始质量评价模型属于深度卷积神经网络；从所述训练样本集中选择至少一个训练样本，其中，选择的训练样本的虹膜图像的当前质量评价结果与其质量标签之间的差异大于设定差异阈值，其中，设定差异阈值为当前训练样本对应的虹膜采集设备所适合的阈值；接收选择的各训练样本的更新后的质量标签，以更新相应的训练样本，从而更新所述训练样本集；以及将更新的所述训练样本集中各训练样本分别输入至当前初始质量评价模型，得到更新的所述训练样本集中每个训练样本的虹膜图像的质量评价结果，并计算得到更新的所述训练样本集中每个训练样本的虹膜图像的当前质量评价结果与其当前质量标签之间的差异；其中，选择的各训练样本的更新后的质量标签是根据其当前质量评价结果确定；在更新的所述训练样本集中各训练样本的虹膜图像的当前质量评价结果与其当前质量标签之间的差异均小于或等于所述设定差异阈值的情况下，根据最新初始质量评价模型得到虹膜图像质量评价模型；其中，所述质量标签是通过以下方式获得的：根据每幅虹膜图像的各虹膜质量参数的参数值确定其质量标签；所述根据每幅虹膜图像的各虹膜质量参数的参数值确定其质量标签，包括：计算获取的各虹膜图像与相应虹膜的标准虹膜图像的匹配分数，计算获取的各虹膜图像的亮度分数，以及计算获取的各虹膜图像的清晰度分数；其中，标准虹膜图像满足设定清晰度要求、设定遮挡程度要求、设定亮度要求、及虹膜正视要求；根据获取的各虹膜图像的匹配分数、亮度分数及清晰度分数计算得到质量标签。

全文数据：

权利要求：

百度查询： 北京中科虹霸科技有限公司 模型生成方法、标签标注方法、虹膜图像质量评价方法及装置