基于迁移深度卷积神经网络的虹膜定位

精确而快速地定位虹膜是有效识别虹膜的重要前提。传统的虹膜定位方法对图像尺度变化、睫毛比较浓密、虹膜被遮挡较多等情况下的图片处理效果并不理想。本文采用迁移学习MaskR-CNN网络的方法,对图像进行像素级别分类。根据像素分类结果,能够很好地标识虹膜区域和非虹膜区域。在中国科学院自动化所公布的虹膜数据集CASIA-Iris-version 4上验证了本文工作的有效性,迁移学习后的网络具有很好的泛化性能,有较高的鲁棒性。