CN101196988A - 三维掌纹身份鉴别系统的手掌定位及中心区提取方法 - Google Patents

Abstract

本发明提供了一种三维掌纹身份鉴别系统的手掌定位及中心区提取方法。首先在获取规整的三维掌纹点云数据后，将三维点云数据映射到和二维图像同样长宽的矩阵上，实现三维点云中的点和二维图像的点一一对应，在需要处理的手掌的二维图像上找到手指和手掌相交处的2个特征点，利用二维掌纹识别中心区域定位算法找到中心区域的四个点的像素坐标，得到三维掌纹点云数据，利用点云数据排列的规律将其映射到与二维等维度的矩阵上，得到三维点云的坐标，通过坐标变换，旋转和插值方法，从三维点云中提取得到中心区域。本发明能有效定位出三维掌纹点云坐标，从大量的三维掌纹点云数据中取出中心区域的点，去掉冗余数据点，从而节省存储空间，提高运算速度。

Description

三维掌纹身份鉴别系统的手掌定位及中心区提取方法

(一)技术领域

本发明涉及图像定位与提取技术，具体涉及三维掌纹身份鉴别系统中的手掌定位及中心区的提取。

(二)背景技术

传统的二维掌纹身份鉴别系统利用摄像机获取手掌的灰度图像进行识别，这种方式容易受到光线的影响，并且手掌上的涂画都可能影响到身份鉴别的正确率。三维掌纹身份鉴别是一种全新的人体生物特征鉴别技术，利用基于图像的精密测量技术获取手掌的采样点相对参考平面的深度信息进行识别。由于手掌在采样系统的三维坐标里可能发生旋转、平移，故需要定位出手掌的坐标。三维点云数据数量巨大，很多点是冗余的，并且占存储空间大，运算速度慢，故可在三维数据定位后，提取部分有效的点云数据，用于后续的身份鉴别。传统的掌纹识别通过截取手掌中心子图区域，又称ROI(Region Of Interest)区域，进行识别，这样能够提高系统速度，又保留了手掌有用信息。如名为“掌纹识别的方法和设备”，公开号为“CN1685357”的专利中提到了中心区提取的算法，在其中，通过寻找手掌的一些特征点，然后计算和截取。这个过程能够找到中心区在掌纹图像的像素坐标，可以利用到三维手掌点云数据的定位上。

(三)发明内容

本发明的目的在于提供一种能有效定位出三维掌纹点云坐标，从大量的三维掌纹点云数据中取出中心区域的点，去掉冗余的数据点，从而能够节省存储空间，提高运算速度的三维掌纹身份鉴别系统的手掌定位及中心区提取方法。

本发明的目的是这样实现的：利用灰度图像找到中心区域的坐标，然后进行三维数据点云中心区域提取，在获取规整的三维掌纹点云数据后，将三维点云数据映射到和二维图像同样长宽的矩阵上，实现三维点云中的点和二维图像的点一一对应，在需要处理的手掌的二维图像上找到手指和手掌相交处的2个特征点，利用二维掌纹识别中心区域定位算法找到中心区域的四个点的像素坐标，这四个点的坐标也即三维掌纹中心区的坐标，得到三维掌纹点云数据，利用点云数据排列的规律将其映射到与二维等维度的矩阵上，根据二维像素与三维点云坐标之间的对应关系，得到三维点云的坐标，在矩阵形式存放的三维点云的基础上，再通过坐标变换，旋转和插值方法，从三维点云中提取得到中心区域。

本发明还有这样一些技术特征：

1、所述的三维点云中点个数和二维图像的像素点的个数相等，并且三维点云数据的点映射到XY平面，一个点和周围4个点距离相等，呈棋盘状分布；

2、所述的三维点云映射到一个和二维图像同样长宽的矩阵上，三维点云存储的是相应点离参考平面的距离，其值是浮点数，相同坐标对应的是手掌同一位置；

3、所述的设利用二维掌纹识别中心区域定位算法找到中心区域的四个点的像素坐标为点P₀，P₁，P₂，P₃，坐标分别为(x₀，y₀)，(x₁，y₁)，(x₂，y₂)，(x₃，y₃)，根据二维数据和三维数据的对应关系，这四个点坐标是二维数据D₂(m，n)中的中心区域点坐标，同时也是三维数据D₃(m，n)中4个点的坐标，先计算偏转的角度，也就是P₀P₁和X轴的角度θ，然后在三维数据D₃(i，j)上通过坐标变换，旋转，放缩和插值等步骤取出中心区块S₃(m₁，n₁)，定义坐标原点，设为P₃，其原坐标为[X₀，Y₀]^T，中心区域为一个矩形S₃(m₁，n₁)，对其上的每一个点S₃(i，j)在原数据D₃(i，j)中寻找对应点，具体方法为：设中心区域的长、宽分别为利用旋转角度θ，得到旋转矩阵 $M=\left[\begin{array}{c}\cos \mathrm{\θ},-\sin \mathrm{\θ}\\ \sin \mathrm{\θ},\cos \mathrm{\θ}\end{array}\right]$ ；利用变换后与变换前的长、宽的比例可求得缩放比例γ＝[m′/m，n′/n]^T，对应一个缩放矩阵 $N=\left[\begin{array}{c}{m}^{\′}/m,0\\ n^{\′}/n,0\end{array}\right]$ ；对于缩放后的坐标[i，j]^T使用[X_i，X_i]^T＝M·N·[i，j]^T+[X₀，Y₀]完成坐标变换、旋转、缩放，得到新坐标为[i，j]^T的点在原坐标里的坐标[X_i，X_i]^T。

为了有效定位三维掌纹点云坐标并提取中心区域，本发明借鉴二维掌纹身份鉴别系统中的定位和中心区提取方法，利用灰度图像找到中心区域的坐标，然后进行三维数据点云中心区域提取。在获取规整的三维掌纹点云数据后，将三维点云数据映射到和二维图像同样长宽的矩阵上，实现三维点云中的点和二维图像的点一一对应。然后利用二维掌纹中心区的定位方法，找到中心区域的四个点的坐标，这四个点的坐标也即三维掌纹中心区的坐标。在矩阵形式存放的三维点云的基础上，利用坐标变换，旋转，插值等技术，从三维点云中提取出中心区域。

手掌定位及中心区提取是掌纹识别中的重要环节，作为一种全新的人体身份鉴别技术，三维掌纹身份鉴别使用点云数据而不是图像，三维点云中心区域提取是一个全新的概念，其特征是：找出三维点云数据点和二维图像像素坐标的一一对应关系，将三维数据映射到一个和二维图像大小相等的矩阵上，然后利用二维掌纹识别中心区域定位算法，完成二维掌纹的定位同时也就完成了三维掌纹点云的定位。找到中心区域的四个点坐标后，利用坐标变换、旋转，插值等步骤提取三维数据的中心区域。本发明三维点云中点个数和二维图像的像素点的个数相等，并且三维点云数据的点映射到XY平面，一个点和周围4个点距离相等，呈棋盘状分布。三维点云可以映射到一个和二维图像同样长宽的矩阵上，不过二维图像存储的是像素灰度值，其值是整型数，三维点云存储的是相应点离参考平面的距离，其值是浮点数。相同坐标对应的是手掌同一位置。利用二维掌纹定位的方法，在二维图像上找到中心区四个点的坐标实现定位。再利用三维点云的点和二维图像的像素对应关系，定位了二维图像也就是定位了三维点云。在中心区域点坐标确定后，利用坐标平移、旋转、插值等办法在三维点云中提取出三维中心区域。

本发明的有益效果是，能有效定位出三维掌纹点云坐标，从大量的三维掌纹点云数据中取出中心区域的点，去掉冗余的数据点，从而能够节省存储空间，提高运算速度。

(四)附图说明

图1是三维掌纹点云数据在点云显示软件中的效果。

图2是三维掌纹点云数据旋转放大在点云显示软件中的效果。

图3是无结构光投射在手上时候摄像机摄得的二维掌纹图像。

图4是掌纹图像二值化以后的图像。

图5是掌纹图像取得中心4个点。

图6是提取的二维掌纹的中心区域。

图7是提取的三维掌纹点云数据的中心区域。

(五)具体实施方式

下面结合附图和实施例对本发明进一步说明。

图1是使用结构光投射到手掌上，利用多幅相移图像计算出来的掌纹点云图，该数据是由(x，y，z)形式表征的点云组成，但是点云的排列是有规律的。将三维点云投射到X-Y平面，所有点将呈棋盘中棋子分布状分布，相邻点距离相等，整个构成一个规整的矩形分布。故三维点云可以影射到矩阵上D₃(m，n)上，其中D₃(i，j)表示的是第i行、第j列的Z值，也就是取样点离参考平面的距离，其中m，n分别表示三维掌纹点云数据的长度和宽度。

图2是三维手掌点云旋转后的效果图，从图上看很多数据都是冗余，掌纹识别只需利用手掌中央的中心区域，一些边缘的点误差非常大，需要剔除。

图3是二维掌纹图像，作为灰度图像，掌纹的图像可以用矩阵D₂(m，n)表征，其中D₂(i，j)表示的是图像的每个点的灰度值，其取值范围是[0，255]。图1中三维数据和图3中的二维数据，长度和宽度是相等的，而且相关点是一一对应的，也就是D₂(i，j)和D₃(i，j)表征手掌上同一个位置。

图4是掌纹图像二值化处理以后的图。可以根据图像的灰度值，设定阈值，得到二值化掌纹图像。

图5是要提取的中心区域四个点的表示。二值化图像能够帮助找到特征点，具体寻找中心区域4个点的算法见公开号为“CN1685357”的专利文献。设找到的4个点P₀，P₁，P₂，P₃，坐标分别为(x₀，y₀)，(x₁，y₁)，(x₂，y₂)，(x₃，y₃)。根据二维数据和三维数据的对应关系，这四个点坐标是二维数据D₂(m，n)中的中心区域点坐标，同时也是三维数据D₃(m，n)中4个点的坐标。

找到了4个点的坐标，也就是找到了三维掌纹的中心区的4个坐标。先计算偏转的角度，也就是P₀P₁和X轴的角度θ，然后在三维数据D₃(i，j)上通过坐标变换，旋转，放缩和插值等步骤取出中心区块S₃(m₁，n₁)。定义坐标原点，设为P₃，其原坐标为[X₀，Y₀]^T，中心区域为一个矩形S₃(m₁，n₁)，对其上的每一个点S₃(i，j)在原数据D₃(i，j)中寻找对应点。具体为：设中心区域的长、宽分别为利用旋转角度θ，得到旋转矩阵 $M=\left[\begin{array}{c}\cos \mathrm{\θ},-\sin \mathrm{\θ}\\ \sin \mathrm{\θ},\cos \mathrm{\θ}\end{array}\right]$ ；利用变换后与变换前的长、宽的比例可求得缩放比例γ＝[m′/m，n′/n]^T，对应一个缩放矩阵 $N=\left[\begin{array}{c}{m}^{\′}/m,0\\ n^{\′}/n,0\end{array}\right]$ ；对于缩放后的坐标[i，j]^T使用[X_i，X_i]^T＝M·N·[i，j]^T+[X₀，Y₀]完成坐标变换、旋转、缩放，得到新坐标为[i，j]^T的点在原坐标里的坐标[X_i，X_i]^T。这样变换以后，目标坐标[X_i，X_i]^T可能为浮点数即像[12.7，23.5]^T，故需要利用双线性插值等插值方法对坐标进行修正使结果更健壮。

Claims (4)

1.三维掌纹身份鉴别系统的手掌定位及中心区提取方法，其特征是：利用灰度图像找到中心区域的坐标，然后进行三维数据点云中心区域提取，在获取规整的三维掌纹点云数据后，将三维点云数据映射到和二维图像同样长宽的矩阵上，实现三维点云中的点和二维图像的点一一对应，在需要处理的手掌的二维图像上找到手指和手掌相交处的2个特征点，利用二维掌纹识别中心区域定位算法找到中心区域的四个点的像素坐标，这四个点的坐标也即三维掌纹中心区的坐标，得到三维掌纹点云数据，利用点云数据排列的规律将其映射到与二维等维度的矩阵上，根据二维像素与三维点云坐标之间的对应关系，得到三维点云的坐标，在矩阵形式存放的三维点云的基础上，再通过坐标变换，旋转和插值方法，从三维点云中提取得到中心区域。

2.根据权利要求1所述的三维掌纹身份鉴别系统的手掌定位及中心区提取方法，其特征是：所述的三维点云中点个数和二维图像的像素点的个数相等，并且三维点云数据的点映射到XY平面，一个点和周围4个点距离相等，呈棋盘状分布。

3.根据权利要求1所述的三维掌纹身份鉴别系统的手掌定位及中心区提取方法，其特征是：所述的三维点云映射到一个和二维图像同样长宽的矩阵上，三维点云存储的是相应点离参考平面的距离，其值是浮点数，相同坐标对应的是手掌同一位置。

4.根据权利要求1所述的三维掌纹身份鉴别系统的手掌定位及中心区提取方法，其特征是：所述的设利用二维掌纹识别中心区域定位算法找到中心区域的四个点的像素坐标为点P₀，P₁，P₂，P₃，坐标分别为(x₀，y₀)，(x₁，y₁)，(x₂，y₂)，(x₃，y₃)，根据二维数据和三维数据的对应关系，这四个点坐标是二维数据D₂(m，n)中的中心区域点坐标，同时也是三维数据D₃(m，n)中4个点的坐标，先计算偏转的角度，也就是P₀P₁和X轴的角度θ，然后在三维数据D₃(i，j)上通过坐标变换，旋转，放缩和插值等步骤取出中心区块S₃(m₁，n₁)，定义坐标原点，设为P₃，其原坐标为[X₀，Y₀]^T，中心区域为一个矩形S₃(m₁，n₁)，对其上的每一个点S₃(i，j)在原数据D₃(i，j)中寻找对应点，具体方法为：设中心区域的长、宽分别为利用旋转角度θ，得到旋转矩阵 $M=\left[\begin{array}{c}\cos \mathrm{\θ},-\sin \mathrm{\θ}\\ \sin \mathrm{\θ},\cos \mathrm{\θ}\end{array}\right]$ ；利用变换后与变换前的长、宽的比例可求得缩放比例γ＝[m′/m，n′/n]^T，对应一个缩放矩阵 $N=\left[\begin{array}{c}{m}^{\′}/m,0\\ n^{\′}/n,0\end{array}\right]$ ；对于缩放后的坐标[i，j]^T使用[X_i，X_i]^T＝M·N·[i，j]^T+[X₀，Y₀]完成坐标变换、旋转、缩放，得到新坐标为[i，j]^T的点在原坐标里的坐标[X_i，X_i]^T。

Images