基于树莓派的虹膜识别

1、使用树莓派调用红外摄像头拍摄眼部图像制作数据集，并使用Labelme工具对数据集进行标记；
2、基于百度飞浆PaddlePaddle框架训练DeepLabV3+分割网络对拍摄眼部图像进行分割，提取虹膜特征，并与Unet分割网络进行效果对比，最终MIoU指标达到0.969；
3、对分割后眼部图像采用直方图均衡化增强图像对比度以丰富虹膜图像纹理；
4、将处理后的眼部图像作为分类数据集训练轻量化模型MobileNet并与传统机器学习算法如朴素贝叶斯、决策树、K近邻进行比较，其中朴素贝叶斯算法模型性能最优，识别准确率达到0.97；
5、将训练后的DeepLabV3+模型与朴素贝叶斯模型部署至树莓派并实现虹膜识别；