CN106156760A - 一种基于手掌识别的自动控制装置 - Google Patents
一种基于手掌识别的自动控制装置 Download PDFInfo
- Publication number
- CN106156760A CN106156760A CN201610625258.XA CN201610625258A CN106156760A CN 106156760 A CN106156760 A CN 106156760A CN 201610625258 A CN201610625258 A CN 201610625258A CN 106156760 A CN106156760 A CN 106156760A
- Authority
- CN
- China
- Prior art keywords
- palm
- image
- point
- automaton
- programmable logic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/12—Fingerprints or palmprints
- G06V40/1347—Preprocessing; Feature extraction
-
- C—CHEMISTRY; METALLURGY
- C21—METALLURGY OF IRON
- C21D—MODIFYING THE PHYSICAL STRUCTURE OF FERROUS METALS; GENERAL DEVICES FOR HEAT TREATMENT OF FERROUS OR NON-FERROUS METALS OR ALLOYS; MAKING METAL MALLEABLE, e.g. BY DECARBURISATION OR TEMPERING
- C21D1/00—General methods or devices for heat treatment, e.g. annealing, hardening, quenching or tempering
- C21D1/06—Surface hardening
- C21D1/09—Surface hardening by direct application of electrical or wave energy; by particle radiation
-
- C—CHEMISTRY; METALLURGY
- C21—METALLURGY OF IRON
- C21D—MODIFYING THE PHYSICAL STRUCTURE OF FERROUS METALS; GENERAL DEVICES FOR HEAT TREATMENT OF FERROUS OR NON-FERROUS METALS OR ALLOYS; MAKING METAL MALLEABLE, e.g. BY DECARBURISATION OR TEMPERING
- C21D11/00—Process control or regulation for heat treatments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
- G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/12—Fingerprints or palmprints
- G06V40/13—Sensors therefor
- G06V40/1312—Sensors therefor direct reading, e.g. contactless acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/12—Fingerprints or palmprints
- G06V40/1365—Matching; Classification
Abstract
本发明提供了一种基于手掌识别的自动控制装置,包括自动控制装置和与自动控制装置相连的手掌识别装置,其特征是,所述自动控制装置包括光电传感器、可编程控制器、文本显示器、交流变频调速电动机、脉冲编码器、变频器和控制柜。本发明可以实现高效的刀具处理,是一种能够实现光、机、电、水、气一体化的日用刀具热处理机的自动控制装置,提高刀具刃具的表面强化处理效果。
Description
技术领域
本发明涉及自动控制领域,具体涉及一种基于手掌识别的自动控制装置。
背景技术
自动控制装置极大的方便了人们的生活,另一方面目前的自动控制装置多不具备身份识别功能。
随着识别技术的不断成熟和计算机技术的飞速发展,各种基于人体生理特征的生物技术逐渐融入了生活中的方方面面。人手是人类进化的标志,人常常用手去感受和触碰世界。手不像人的眼睛,在面对陌生仪器时容易产生莫名的担心和恐惧,在采集手部特征时给人心理上带来的侵犯性同采集位于眼部的特征相比可忽略不计。手部特征研究中,对手掌特征研究是其中重要的研究方向。
发明内容
为解决上述问题,本发明旨在提供一种基于手掌识别的自动控制装置。
本发明的目的采用以下技术方案来实现:
一种基于手掌识别的自动控制装置,包括自动控制装置和与自动控制装置相连的手掌识别装置,其特征是,所述自动控制装置包括光电传感器、可编程控制器、文本显示器、交流变频调速电动机、脉冲编码器、变频器和控制柜;所述的光电传感器有两个,而且安装在刀具激光处理机的激光处理前区和后区,通过导线与可编程控制器相连,文本显示器与可编程控制器相连,可编程控制器通过变频器与变频调速电机相连,变频器同时通过脉冲编码器与变频调速电机相连,变频器与控制柜相连,控制柜一方面与可编程控制器的数据输入输出端口连接,另一方面通过变压器与可编程控制器的电源端口相连,控制柜同时与变频器、日用刀具激光热处理机的空压系统、水冷系统、真空泵、水压传感器、光闸驱动电磁阀和保护气电磁阀相连。
优选地,在所述的变压器和可编程控制器之间设置有稳压装置和整流装置。
优选地,所述的可编程控制器给变频器的控制电压信号为±10V范围内连续可调信号。
本发明的有益效果为:刀具激光处理机上安装有光电传感器,当刀具进入激光处理位置时,控制系统接受到激光处理区前地光电光电传感器信号后,通过气动单元驱使光闸开启, 使激光光束射向刀具,对刀具表面进行激光强化处理,刀具离开激光处理区后,光电传感器输出信号的变化一驱使光闸关闭,切断激光光束。从而实现对刀具表面的激光强化处理的自动控制;本控制装置以可编程控制器为控制核心、以文本显示器作为人机界面、实施对参数的设置和运行参数的输出显示。光电传感器作为刀具的激光处理启停控制和自动工作方式时计算传感单元,可以实现高效的刀具处理,是一种能够实现光、机、电、水、气一体化的日用刀具热处理机的自动控制装置,提高刀具刃具的表面强化处理效果。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1是本发明手掌识别装置的结构示意图。
附图标记:
虹膜识别装置1、图像密码数据库21、手掌图像采集模块22、手掌图像预处理模块23、手掌图像特征提取模块24、手掌图像特征识别模块25、指纹采集模块31、指纹存储模块32、指纹处理模块33。
具体实施方式
结合以下实施例对本发明作进一步描述。
应用场景1
参见图1,本应用场景中的一个实施例的一种基于手掌识别的自动控制装置,包括自动控制装置和与自动控制装置相连的手掌识别装置,其特征是,所述自动控制装置包括光电传感器、可编程控制器、文本显示器、交流变频调速电动机、脉冲编码器、变频器和控制柜;所述的光电传感器有两个,而且安装在刀具激光处理机的激光处理前区和后区,通过导线与可编程控制器相连,文本显示器与可编程控制器相连,可编程控制器通过变频器与变频调速电机相连,变频器同时通过脉冲编码器与变频调速电机相连,变频器与控制柜相连,控制柜一方面与可编程控制器的数据输入输出端口连接,另一方面通过变压器与可编程控制器的电源端口相连,控制柜同时与变频器、日用刀具激光热处理机的空压系统、水冷系统、真空泵、水压传感器、光闸驱动电磁阀和保护气电磁阀相连。
优选地,在所述的变压器和可编程控制器之间设置有稳压装置和整流装置。
本优选实施例增强了自动控制的稳定性。
优选地,所述的可编程控制器给变频器的控制电压信号为±10V范围内连续可调信号。
本优选实施例使变频器工作更加连续稳定。
优选的,所述虹膜识别装置1包括图像密码数据库21、手掌图像采集模块22、手掌图像预处理模块23、手掌图像特征提取模块24和手掌图像特征识别模块25;所述图像密码数据库21用于预先存储用户设定的作为图像密码的手掌图像特征;所述手掌图像采集模块22用于在800nm近红外光照射下通过单一采集设备采集包含有手掌掌纹主线信息和手掌静脉信息的手掌图像;所述手掌图像预处理模块23用于对采集到的手掌图像进行预处理,以消除采集手掌图像过程中手掌旋转、平移的影响,并定位手掌图像特征提取的有效区域;所述手掌图像特征提取模块24用于提取预处理后的手掌图像的待识别手掌图像特征,并将所述待识别手掌图像特征输送到所述手掌图像特征识别模块25中进行特征识别;所述手掌图像特征识别模块25将所述待识别手掌图像特征与图像密码数据库21中的作为图像密码的手掌图像特征进行对比,判别待识别手掌图像特征与所述作为图像密码的手掌图像特征是否一致。
本优选实施例完善了虹膜识别装置1,采用手掌图像特征作为图像密码,系统的安全性较高。
优选的,所述对采集到的手掌图像进行预处理,包括:
(1)对手掌图像进行中值滤波处理,去除手掌图像的系统噪声后,构建手掌图像的灰度值直方图,根据灰度值直方图选取预定灰度值阈值范围的局部最小值对手掌图像进行二值化处理;
(2)构建四指轮廓图,提取二值化处理后的手掌图像中食指与中指、无名指与小拇指两处定位点,根据两定位点对二值化处理后的手掌图像做旋转处理,以校正手掌图像位置;所述两处定位点设定为食指下边界与中指上边界的交界点及无名指下边界与小拇指上边界的交界点,坐标依次为(υ1,μ1)、(υ2,μ2);根据定位点计算旋转角度:
式中,γ为设定的调整因子,取值范围设定为[0.98,1.02];
θ>0时,对二值化处理后的手掌图像按计算的旋转角度进行顺时针旋转,θ<0时,对二值化处理后的手掌图像按计算的旋转角度进行逆时针旋转,θ=0时,不对二值化处理后的手掌图像做任何旋转。
(3)从校正后的手掌图像中提取出合适的掌心参考点,建立一个参考坐标系,定位手掌图像特征提取的有效区域;选择靠近除大拇指外其余四指的指根部的圆形区域作为定位手掌图像特征提取的有效区域,选择所述圆形区域的圆心作为掌心参考点;所述圆形区域通过食 指与中指的指根点、中指与无名指的指根点以及无名指与小拇指的指根点进行确定,具体为:
1)进行手掌轮廓提取:将手掌图像中每个像素点作为中心像素点,分别计算中心像素点与8个邻域像素点的灰度差,当中心像素点位于手掌轮廓上时,其位于垂直手掌轮廓方向上靠外的点与中心像素点灰度差将为最大,通过判断局部区域内各像素点灰度差的极大值找到手掌图像中的真实手掌轮廓点,从而确定手掌轮廓;
2)确定食指、中指、无名指和小拇指的指尖位置:将指尖所指方向定义为手掌的方向,手指指向右,确定食指、中指、无名指和小拇指的指尖位置,其中所述中指的指尖位置位于整个轮廓的最右端;
3)提取食指与中指、中指与无名指以及无名指与小拇指的指根点:建立目标轮廓的参数化方程:对于给定的目标轮廓L(t),其弧长参数化方程表示为L(t)=(x(t),y(t)),其中x(t)和y(t)分别表示轮廓点的坐标,t表示轮廓曲线方程的参数,且t∈[0,1];
计算轮廓曲线的曲率k(t),从中指指尖出发,向两侧延伸,向食指方向延伸的第一个曲率变化大的点,记为S1,即为食指与中指的接缝点;向无名指方向延伸的第一个曲率变化大的点,记为W1,即为中指与无名指的接缝点;继续延伸得到第二个曲率变化大的点,记为W2,即为无名指与小拇指的接缝点;所述曲率变化大的点,指其曲率值与前一曲率值差值大于2的点;
从点S1出发,假设指缝线任一像素点P1,寻找其与指缝方向垂直且与P1距离两个像素宽的两点2和P3,分别计算P1与P2、P3的梯度值,将两个梯度值的和SUM作为评价P1在垂直指缝方向上梯度变化量,当SUM变化大时,前一点即为食指与中指指根点Q1;同理,中指与无名指指根点Q2、无名指与小拇指指根点Q3;所述SUM变化大,是指其变化值大于2;
4)提取指根部圆:连接点Q1和Q2,Q2和Q3,分别过Q1Q2和Q2Q3作垂直平分线,相交于点O(m,n),即为所求圆形区域的圆心,O点与Q1距离即为所求圆形区域的半径R。
本优选实施例对手掌图像进行中值滤波处理,避免手掌图像的噪声点造成图像定位的不准确,然后对手掌图像进行二值化处理,从而使手掌图像中的手掌区域与背景区域较好地分离;对手掌图像的位置进行旋转校正处理,减少了图像采集过程中引入的旋转、平移、比例缩放等因素的影响;通过提取出合适的参考点,建立新的参考坐标系,定位手掌图像特征提取的有效区域,能够降低手掌图像特征识别的难度,提高了匹配识别算法的鲁棒性。
优选的,所述提取预处理后的手掌图像的待识别手掌图像特征,包括:
(1)将预处理后的手掌图像中的手掌静脉和掌纹主线的分叉点作为待识别手掌图像特征的各特征点Fi(x,y),i=1,2,…N,其中N为特征点个数;将特征点到所述圆形区域的圆心的 距离与所述圆形区域的直径的比值作为第一特征:
式中,Yi表示第i个特征点的第一特征,(xi,yi)表示第i个特征点的坐标;
将所述圆形区域的圆心与中指与无名指指根点Q2的连线作为基准线,基准线方向为0度,特征点与圆心的连线顺时针到基准线所夹的角作为第二特征;
式中,Ei表示第i个特征点的第二特征,Ei的取值范围是0到360度,(xi,yi)表示第i个特征点的坐标;
(2)以特征点的第一特征作为横坐标,第二特征作为纵坐标,构造坐标系,将所述手掌静脉和掌纹主线分叉点投影到坐标系中,建立预处理后的手掌图像的二维特征向量空间。
本优选实施例选择手掌静脉和掌纹主线分叉点作为待识别手掌图像特征的各特征点,既考虑了虹膜识别装置1的存储空间和运行速度的限制,又反映了手掌静脉和掌纹的变化,提取的待识别手掌图像特征精确度高,提取速度快。
优选的,所述手掌图像特征识别模块25将所述待识别手掌图像特征与图像密码数据库21中的作为图像密码的手掌图像特征进行对比时,将待识别手掌图像特征的二维特征向量空间与所述作为图像密码的手掌图像特征中的二维特征向量空间中的特征点的分布进行相似度对比,具体为:设对比待识别手掌图像特征的二维特征向量空间的特征点为待识别特征点,所述作为图像密码的手掌图像特征中的二维特征向量空间中的特征点为标准特征点,将待识别手掌图像与图像密码数据库21中的手掌图像进行重叠,并在所述作为图像密码的手掌图像特征中的二维特征向量空间中确定待识别特征点所对应的标准特征点,判断待识别特征点与对应的标准特征点的距离是否小于预设距离阈值,并根据判断结果确定待识别手掌图像特征与所述作为图像密码的手掌图像特征是否一致。
本优选实施例设定了手掌图像特征识别模块25对待识别手掌图像特征进行识别时的具体操作,实用便捷。
本应用场景对设定的调整因子γ取值为0.98,自动控制装置的识别精度相对提高了5%,识别速度相对提高了8%。
应用场景2
参见图1,本应用场景中的一个实施例的一种基于手掌识别的自动控制装置,包括自动控制装置和与自动控制装置相连的手掌识别装置,其特征是,所述自动控制装置包括光电传感器、可编程控制器、文本显示器、交流变频调速电动机、脉冲编码器、变频器和控制柜;所述的光电传感器有两个,而且安装在刀具激光处理机的激光处理前区和后区,通过导线与可编程控制器相连,文本显示器与可编程控制器相连,可编程控制器通过变频器与变频调速电机相连,变频器同时通过脉冲编码器与变频调速电机相连,变频器与控制柜相连,控制柜一方面与可编程控制器的数据输入输出端口连接,另一方面通过变压器与可编程控制器的电源端口相连,控制柜同时与变频器、日用刀具激光热处理机的空压系统、水冷系统、真空泵、水压传感器、光闸驱动电磁阀和保护气电磁阀相连。
优选地,在所述的变压器和可编程控制器之间设置有稳压装置和整流装置。
本优选实施例增强了自动控制的稳定性。
优选地,所述的可编程控制器给变频器的控制电压信号为±10V范围内连续可调信号。
本优选实施例使变频器工作更加连续稳定。
优选的,所述虹膜识别装置1包括图像密码数据库21、手掌图像采集模块22、手掌图像预处理模块23、手掌图像特征提取模块24和手掌图像特征识别模块25;所述图像密码数据库21用于预先存储用户设定的作为图像密码的手掌图像特征;所述手掌图像采集模块22用于在800nm近红外光照射下通过单一采集设备采集包含有手掌掌纹主线信息和手掌静脉信息的手掌图像;所述手掌图像预处理模块23用于对采集到的手掌图像进行预处理,以消除采集手掌图像过程中手掌旋转、平移的影响,并定位手掌图像特征提取的有效区域;所述手掌图像特征提取模块24用于提取预处理后的手掌图像的待识别手掌图像特征,并将所述待识别手掌图像特征输送到所述手掌图像特征识别模块25中进行特征识别;所述手掌图像特征识别模块25将所述待识别手掌图像特征与图像密码数据库21中的作为图像密码的手掌图像特征进行对比,判别待识别手掌图像特征与所述作为图像密码的手掌图像特征是否一致。
本优选实施例完善了虹膜识别装置1,采用手掌图像特征作为图像密码,系统的安全性较高。
优选的,所述对采集到的手掌图像进行预处理,包括:
(1)对手掌图像进行中值滤波处理,去除手掌图像的系统噪声后,构建手掌图像的灰度值直方图,根据灰度值直方图选取预定灰度值阈值范围的局部最小值对手掌图像进行二值化处理;
(2)构建四指轮廓图,提取二值化处理后的手掌图像中食指与中指、无名指与小拇指两 处定位点,根据两定位点对二值化处理后的手掌图像做旋转处理,以校正手掌图像位置;所述两处定位点设定为食指下边界与中指上边界的交界点及无名指下边界与小拇指上边界的交界点,坐标依次为(υ1,μ1)、(υ2,μ2);根据定位点计算旋转角度:
式中,γ为设定的调整因子,取值范围设定为[0.98,1.02];
θ>0时,对二值化处理后的手掌图像按计算的旋转角度进行顺时针旋转,θ<0时,对二值化处理后的手掌图像按计算的旋转角度进行逆时针旋转,θ=0时,不对二值化处理后的手掌图像做任何旋转。
(3)从校正后的手掌图像中提取出合适的掌心参考点,建立一个参考坐标系,定位手掌图像特征提取的有效区域;选择靠近除大拇指外其余四指的指根部的圆形区域作为定位手掌图像特征提取的有效区域,选择所述圆形区域的圆心作为掌心参考点;所述圆形区域通过食指与中指的指根点、中指与无名指的指根点以及无名指与小拇指的指根点进行确定,具体为:
1)进行手掌轮廓提取:将手掌图像中每个像素点作为中心像素点,分别计算中心像素点与8个邻域像素点的灰度差,当中心像素点位于手掌轮廓上时,其位于垂直手掌轮廓方向上靠外的点与中心像素点灰度差将为最大,通过判断局部区域内各像素点灰度差的极大值找到手掌图像中的真实手掌轮廓点,从而确定手掌轮廓;
2)确定食指、中指、无名指和小拇指的指尖位置:将指尖所指方向定义为手掌的方向,手指指向右,确定食指、中指、无名指和小拇指的指尖位置,其中所述中指的指尖位置位于整个轮廓的最右端;
3)提取食指与中指、中指与无名指以及无名指与小拇指的指根点:建立目标轮廓的参数化方程:对于给定的目标轮廓L(t),其弧长参数化方程表示为L(t)=(x(t),y(t)),其中x(t)和y(t)分别表示轮廓点的坐标,t表示轮廓曲线方程的参数,且t∈[0,1];
计算轮廓曲线的曲率k(t),从中指指尖出发,向两侧延伸,向食指方向延伸的第一个曲率变化大的点,记为S1,即为食指与中指的接缝点;向无名指方向延伸的第一个曲率变化大的点,记为W1,即为中指与无名指的接缝点;继续延伸得到第二个曲率变化大的点,记为W2,即为无名指与小拇指的接缝点;所述曲率变化大的点,指其曲率值与前一曲率值差值大于2的点;
从点S1出发,假设指缝线任一像素点P1,寻找其与指缝方向垂直且与P1距离两个像素宽的两点P2和P3,分别计算P1与P2、P3的梯度值,将两个梯度值的和SUM作为评价P1在垂直指 缝方向上梯度变化量,当SUM变化大时,前一点即为食指与中指指根点Q1;同理,中指与无名指指根点Q2、无名指与小拇指指根点Q3;所述SUM变化大,是指其变化值大于2;
4)提取指根部圆:连接点Q1和Q2,Q2和Q3,分别过Q1Q2和Q2Q3作垂直平分线,相交于点O(m,n),即为所求圆形区域的圆心,O点与Q1距离即为所求圆形区域的半径R。
本优选实施例对手掌图像进行中值滤波处理,避免手掌图像的噪声点造成图像定位的不准确,然后对手掌图像进行二值化处理,从而使手掌图像中的手掌区域与背景区域较好地分离;对手掌图像的位置进行旋转校正处理,减少了图像采集过程中引入的旋转、平移、比例缩放等因素的影响;通过提取出合适的参考点,建立新的参考坐标系,定位手掌图像特征提取的有效区域,能够降低手掌图像特征识别的难度,提高了匹配识别算法的鲁棒性。
优选的,所述提取预处理后的手掌图像的待识别手掌图像特征,包括:
(1)将预处理后的手掌图像中的手掌静脉和掌纹主线的分叉点作为待识别手掌图像特征的各特征点Fi(x,y),i=1,2,…N,其中N为特征点个数;将特征点到所述圆形区域的圆心的距离与所述圆形区域的直径的比值作为第一特征:
式中,Yi表示第i个特征点的第一特征,(xi,yi)表示第i个特征点的坐标;
将所述圆形区域的圆心与中指与无名指指根点Q2的连线作为基准线,基准线方向为0度,特征点与圆心的连线顺时针到基准线所夹的角作为第二特征;
式中,Ei表示第i个特征点的第二特征,Ei的取值范围是0到360度,(xi,yi)表示第i个特征点的坐标;
(2)以特征点的第一特征作为横坐标,第二特征作为纵坐标,构造坐标系,将所述手掌静脉和掌纹主线分叉点投影到坐标系中,建立预处理后的手掌图像的二维特征向量空间。
本优选实施例选择手掌静脉和掌纹主线分叉点作为待识别手掌图像特征的各特征点,既考虑了虹膜识别装置1的存储空间和运行速度的限制,又反映了手掌静脉和掌纹的变化,提取的待识别手掌图像特征精确度高,提取速度快。
优选的,所述手掌图像特征识别模块25将所述待识别手掌图像特征与图像密码数据库21中的作为图像密码的手掌图像特征进行对比时,将待识别手掌图像特征的二维特征向量空 间与所述作为图像密码的手掌图像特征中的二维特征向量空间中的特征点的分布进行相似度对比,具体为:设对比待识别手掌图像特征的二维特征向量空间的特征点为待识别特征点,所述作为图像密码的手掌图像特征中的二维特征向量空间中的特征点为标准特征点,将待识别手掌图像与图像密码数据库21中的手掌图像进行重叠,并在所述作为图像密码的手掌图像特征中的二维特征向量空间中确定待识别特征点所对应的标准特征点,判断待识别特征点与对应的标准特征点的距离是否小于预设距离阈值,并根据判断结果确定待识别手掌图像特征与所述作为图像密码的手掌图像特征是否一致。
本优选实施例设定了手掌图像特征识别模块25对待识别手掌图像特征进行识别时的具体操作,实用便捷。
本应用场景对设定的调整因子γ取值为0.99,自动控制装置的识别精度相对提高了4.5%,识别速度相对提高了7.6%。
应用场景3
参见图1,本应用场景中的一个实施例的一种基于手掌识别的自动控制装置,包括自动控制装置和与自动控制装置相连的手掌识别装置,其特征是,所述自动控制装置包括光电传感器、可编程控制器、文本显示器、交流变频调速电动机、脉冲编码器、变频器和控制柜;所述的光电传感器有两个,而且安装在刀具激光处理机的激光处理前区和后区,通过导线与可编程控制器相连,文本显示器与可编程控制器相连,可编程控制器通过变频器与变频调速电机相连,变频器同时通过脉冲编码器与变频调速电机相连,变频器与控制柜相连,控制柜一方面与可编程控制器的数据输入输出端口连接,另一方面通过变压器与可编程控制器的电源端口相连,控制柜同时与变频器、日用刀具激光热处理机的空压系统、水冷系统、真空泵、水压传感器、光闸驱动电磁阀和保护气电磁阀相连。
优选地,在所述的变压器和可编程控制器之间设置有稳压装置和整流装置。
本优选实施例增强了自动控制的稳定性。
优选地,所述的可编程控制器给变频器的控制电压信号为±10V范围内连续可调信号。
本优选实施例使变频器工作更加连续稳定。
优选的,所述虹膜识别装置1包括图像密码数据库21、手掌图像采集模块22、手掌图像预处理模块23、手掌图像特征提取模块24和手掌图像特征识别模块25;所述图像密码数据库21用于预先存储用户设定的作为图像密码的手掌图像特征;所述手掌图像采集模块22用于在800nm近红外光照射下通过单一采集设备采集包含有手掌掌纹主线信息和手掌静脉信息的手掌图像;所述手掌图像预处理模块23用于对采集到的手掌图像进行预处理,以消除采集 手掌图像过程中手掌旋转、平移的影响,并定位手掌图像特征提取的有效区域;所述手掌图像特征提取模块24用于提取预处理后的手掌图像的待识别手掌图像特征,并将所述待识别手掌图像特征输送到所述手掌图像特征识别模块25中进行特征识别;所述手掌图像特征识别模块25将所述待识别手掌图像特征与图像密码数据库21中的作为图像密码的手掌图像特征进行对比,判别待识别手掌图像特征与所述作为图像密码的手掌图像特征是否一致。
本优选实施例完善了虹膜识别装置1,采用手掌图像特征作为图像密码,系统的安全性较高。
优选的,所述对采集到的手掌图像进行预处理,包括:
(1)对手掌图像进行中值滤波处理,去除手掌图像的系统噪声后,构建手掌图像的灰度值直方图,根据灰度值直方图选取预定灰度值阈值范围的局部最小值对手掌图像进行二值化处理;
(2)构建四指轮廓图,提取二值化处理后的手掌图像中食指与中指、无名指与小拇指两处定位点,根据两定位点对二值化处理后的手掌图像做旋转处理,以校正手掌图像位置;所述两处定位点设定为食指下边界与中指上边界的交界点及无名指下边界与小拇指上边界的交界点,坐标依次为(υ1,μ1)、(υ2,μ2);根据定位点计算旋转角度:
式中,γ为设定的调整因子,取值范围设定为[0.98,1.02];
θ>0时,对二值化处理后的手掌图像按计算的旋转角度进行顺时针旋转,θ<0时,对二值化处理后的手掌图像按计算的旋转角度进行逆时针旋转,θ=0时,不对二值化处理后的手掌图像做任何旋转。
(3)从校正后的手掌图像中提取出合适的掌心参考点,建立一个参考坐标系,定位手掌图像特征提取的有效区域;选择靠近除大拇指外其余四指的指根部的圆形区域作为定位手掌图像特征提取的有效区域,选择所述圆形区域的圆心作为掌心参考点;所述圆形区域通过食指与中指的指根点、中指与无名指的指根点以及无名指与小拇指的指根点进行确定,具体为:
1)进行手掌轮廓提取:将手掌图像中每个像素点作为中心像素点,分别计算中心像素点与8个邻域像素点的灰度差,当中心像素点位于手掌轮廓上时,其位于垂直手掌轮廓方向上靠外的点与中心像素点灰度差将为最大,通过判断局部区域内各像素点灰度差的极大值找到手掌图像中的真实手掌轮廓点,从而确定手掌轮廓;
2)确定食指、中指、无名指和小拇指的指尖位置:将指尖所指方向定义为手掌的方向, 手指指向右,确定食指、中指、无名指和小拇指的指尖位置,其中所述中指的指尖位置位于整个轮廓的最右端;
3)提取食指与中指、中指与无名指以及无名指与小拇指的指根点:建立目标轮廓的参数化方程:对于给定的目标轮廓L(t),其弧长参数化方程表示为L(t)=(x(t),y(t)),其中x(t)和y(t)分别表示轮廓点的坐标,t表示轮廓曲线方程的参数,且t∈[0,1];
计算轮廓曲线的曲率k(t),从中指指尖出发,向两侧延伸,向食指方向延伸的第一个曲率变化大的点,记为S1,即为食指与中指的接缝点;向无名指方向延伸的第一个曲率变化大的点,记为W1,即为中指与无名指的接缝点;继续延伸得到第二个曲率变化大的点,记为W2,即为无名指与小拇指的接缝点;所述曲率变化大的点,指其曲率值与前一曲率值差值大于2的点;
从点S1出发,假设指缝线任一像素点P1,寻找其与指缝方向垂直且与P1距离两个像素宽的两点P2和P3,分别计算P1与P2、P3的梯度值,将两个梯度值的和SUM作为评价P1在垂直指缝方向上梯度变化量,当SUM变化大时,前一点即为食指与中指指根点Q1;同理,中指与无名指指根点Q2、无名指与小拇指指根点Q3;所述SUM变化大,是指其变化值大于2;
4)提取指根部圆:连接点Q1和Q2,Q2和Q3,分别过Q1Q2和Q2Q3作垂直平分线,相交于点O(m,n),即为所求圆形区域的圆心,O点与Q1距离即为所求圆形区域的半径R。
本优选实施例对手掌图像进行中值滤波处理,避免手掌图像的噪声点造成图像定位的不准确,然后对手掌图像进行二值化处理,从而使手掌图像中的手掌区域与背景区域较好地分离;对手掌图像的位置进行旋转校正处理,减少了图像采集过程中引入的旋转、平移、比例缩放等因素的影响;通过提取出合适的参考点,建立新的参考坐标系,定位手掌图像特征提取的有效区域,能够降低手掌图像特征识别的难度,提高了匹配识别算法的鲁棒性。
优选的,所述提取预处理后的手掌图像的待识别手掌图像特征,包括:
(1)将预处理后的手掌图像中的手掌静脉和掌纹主线的分叉点作为待识别手掌图像特征的各特征点Fi(x,y),i=1,2,…N,其中N为特征点个数;将特征点到所述圆形区域的圆心的距离与所述圆形区域的直径的比值作为第一特征:
式中,Yi表示第i个特征点的第一特征,(xi,yi)表示第i个特征点的坐标;
将所述圆形区域的圆心与中指与无名指指根点Q2的连线作为基准线,基准线方向为0度,特征点与圆心的连线顺时针到基准线所夹的角作为第二特征;
式中,Ei表示第i个特征点的第二特征,Ei的取值范围是0到360度,(xi,yi)表示第i个特征点的坐标;
(2)以特征点的第一特征作为横坐标,第二特征作为纵坐标,构造坐标系,将所述手掌静脉和掌纹主线分叉点投影到坐标系中,建立预处理后的手掌图像的二维特征向量空间。
本优选实施例选择手掌静脉和掌纹主线分叉点作为待识别手掌图像特征的各特征点,既考虑了虹膜识别装置1的存储空间和运行速度的限制,又反映了手掌静脉和掌纹的变化,提取的待识别手掌图像特征精确度高,提取速度快。
优选的,所述手掌图像特征识别模块25将所述待识别手掌图像特征与图像密码数据库21中的作为图像密码的手掌图像特征进行对比时,将待识别手掌图像特征的二维特征向量空间与所述作为图像密码的手掌图像特征中的二维特征向量空间中的特征点的分布进行相似度对比,具体为:设对比待识别手掌图像特征的二维特征向量空间的特征点为待识别特征点,所述作为图像密码的手掌图像特征中的二维特征向量空间中的特征点为标准特征点,将待识别手掌图像与图像密码数据库21中的手掌图像进行重叠,并在所述作为图像密码的手掌图像特征中的二维特征向量空间中确定待识别特征点所对应的标准特征点,判断待识别特征点与对应的标准特征点的距离是否小于预设距离阈值,并根据判断结果确定待识别手掌图像特征与所述作为图像密码的手掌图像特征是否一致。
本优选实施例设定了手掌图像特征识别模块25对待识别手掌图像特征进行识别时的具体操作,实用便捷。
本应用场景对设定的调整因子γ取值为1.00,自动控制装置的识别精度相对提高了6%,识别速度相对提高了8.5%。
应用场景4
参见图1,本应用场景中的一个实施例的一种基于手掌识别的自动控制装置,包括自动控制装置和与自动控制装置相连的手掌识别装置,其特征是,所述自动控制装置包括光电传感器、可编程控制器、文本显示器、交流变频调速电动机、脉冲编码器、变频器和控制柜;所述的光电传感器有两个,而且安装在刀具激光处理机的激光处理前区和后区,通过导线与可编程控制器相连,文本显示器与可编程控制器相连,可编程控制器通过变频器与变频调速 电机相连,变频器同时通过脉冲编码器与变频调速电机相连,变频器与控制柜相连,控制柜一方面与可编程控制器的数据输入输出端口连接,另一方面通过变压器与可编程控制器的电源端口相连,控制柜同时与变频器、日用刀具激光热处理机的空压系统、水冷系统、真空泵、水压传感器、光闸驱动电磁阀和保护气电磁阀相连。
优选地,在所述的变压器和可编程控制器之间设置有稳压装置和整流装置。
本优选实施例增强了自动控制的稳定性。
优选地,所述的可编程控制器给变频器的控制电压信号为±10V范围内连续可调信号。
本优选实施例使变频器工作更加连续稳定。
优选的,所述虹膜识别装置1包括图像密码数据库21、手掌图像采集模块22、手掌图像预处理模块23、手掌图像特征提取模块24和手掌图像特征识别模块25;所述图像密码数据库21用于预先存储用户设定的作为图像密码的手掌图像特征;所述手掌图像采集模块22用于在800nm近红外光照射下通过单一采集设备采集包含有手掌掌纹主线信息和手掌静脉信息的手掌图像;所述手掌图像预处理模块23用于对采集到的手掌图像进行预处理,以消除采集手掌图像过程中手掌旋转、平移的影响,并定位手掌图像特征提取的有效区域;所述手掌图像特征提取模块24用于提取预处理后的手掌图像的待识别手掌图像特征,并将所述待识别手掌图像特征输送到所述手掌图像特征识别模块25中进行特征识别;所述手掌图像特征识别模块25将所述待识别手掌图像特征与图像密码数据库21中的作为图像密码的手掌图像特征进行对比,判别待识别手掌图像特征与所述作为图像密码的手掌图像特征是否一致。
本优选实施例完善了虹膜识别装置1,采用手掌图像特征作为图像密码,系统的安全性较高。
优选的,所述对采集到的手掌图像进行预处理,包括:
(1)对手掌图像进行中值滤波处理,去除手掌图像的系统噪声后,构建手掌图像的灰度值直方图,根据灰度值直方图选取预定灰度值阈值范围的局部最小值对手掌图像进行二值化处理;
(2)构建四指轮廓图,提取二值化处理后的手掌图像中食指与中指、无名指与小拇指两处定位点,根据两定位点对二值化处理后的手掌图像做旋转处理,以校正手掌图像位置;所述两处定位点设定为食指下边界与中指上边界的交界点及无名指下边界与小拇指上边界的交界点,坐标依次为(υ1,μ1)、(υ2,μ2);根据定位点计算旋转角度:
式中,γ为设定的调整因子,取值范围设定为[0.98,1.02];
θ>0时,对二值化处理后的手掌图像按计算的旋转角度进行顺时针旋转,θ<0时,对二值化处理后的手掌图像按计算的旋转角度进行逆时针旋转,θ=0时,不对二值化处理后的手掌图像做任何旋转。
(3)从校正后的手掌图像中提取出合适的掌心参考点,建立一个参考坐标系,定位手掌图像特征提取的有效区域;选择靠近除大拇指外其余四指的指根部的圆形区域作为定位手掌图像特征提取的有效区域,选择所述圆形区域的圆心作为掌心参考点;所述圆形区域通过食指与中指的指根点、中指与无名指的指根点以及无名指与小拇指的指根点进行确定,具体为:
1)进行手掌轮廓提取:将手掌图像中每个像素点作为中心像素点,分别计算中心像素点与8个邻域像素点的灰度差,当中心像素点位于手掌轮廓上时,其位于垂直手掌轮廓方向上靠外的点与中心像素点灰度差将为最大,通过判断局部区域内各像素点灰度差的极大值找到手掌图像中的真实手掌轮廓点,从而确定手掌轮廓;
2)确定食指、中指、无名指和小拇指的指尖位置:将指尖所指方向定义为手掌的方向,手指指向右,确定食指、中指、无名指和小拇指的指尖位置,其中所述中指的指尖位置位于整个轮廓的最右端;
3)提取食指与中指、中指与无名指以及无名指与小拇指的指根点:建立目标轮廓的参数化方程:对于给定的目标轮廓L(t),其弧长参数化方程表示为L(t)=(x(t),y(t)),其中x(t)和y(t)分别表示轮廓点的坐标,t表示轮廓曲线方程的参数,且t∈[0,1];
计算轮廓曲线的曲率k(t),从中指指尖出发,向两侧延伸,向食指方向延伸的第一个曲率变化大的点,记为S1,即为食指与中指的接缝点;向无名指方向延伸的第一个曲率变化大的点,记为W1,即为中指与无名指的接缝点;继续延伸得到第二个曲率变化大的点,记为W2,即为无名指与小拇指的接缝点;所述曲率变化大的点,指其曲率值与前一曲率值差值大于2的点;
从点S1出发,假设指缝线任一像素点P1,寻找其与指缝方向垂直且与P1距离两个像素宽的两点P2和P3,分别计算P1与P2、P3的梯度值,将两个梯度值的和SUM作为评价P1在垂直指缝方向上梯度变化量,当SUM变化大时,前一点即为食指与中指指根点Q1;同理,中指与无名指指根点Q2、无名指与小拇指指根点Q3;所述SUM变化大,是指其变化值大于2;
4)提取指根部圆:连接点Q1和Q2,Q2和Q3,分别过Q1Q2和Q2Q3作垂直平分线,相交于点O(m,n),即为所求圆形区域的圆心,O点与Q1距离即为所求圆形区域的半径R。
本优选实施例对手掌图像进行中值滤波处理,避免手掌图像的噪声点造成图像定位的不 准确,然后对手掌图像进行二值化处理,从而使手掌图像中的手掌区域与背景区域较好地分离;对手掌图像的位置进行旋转校正处理,减少了图像采集过程中引入的旋转、平移、比例缩放等因素的影响;通过提取出合适的参考点,建立新的参考坐标系,定位手掌图像特征提取的有效区域,能够降低手掌图像特征识别的难度,提高了匹配识别算法的鲁棒性。
优选的,所述提取预处理后的手掌图像的待识别手掌图像特征,包括:
(1)将预处理后的手掌图像中的手掌静脉和掌纹主线的分叉点作为待识别手掌图像特征的各特征点Fi(x,y),i=1,2,…N,其中N为特征点个数;将特征点到所述圆形区域的圆心的距离与所述圆形区域的直径的比值作为第一特征:
式中,Yi表示第i个特征点的第一特征,(xi,yi)表示第i个特征点的坐标;
将所述圆形区域的圆心与中指与无名指指根点Q2的连线作为基准线,基准线方向为0度,特征点与圆心的连线顺时针到基准线所夹的角作为第二特征;
式中,Ei表示第i个特征点的第二特征,Ei的取值范围是0到360度,(xi,yi)表示第i个特征点的坐标;
(2)以特征点的第一特征作为横坐标,第二特征作为纵坐标,构造坐标系,将所述手掌静脉和掌纹主线分叉点投影到坐标系中,建立预处理后的手掌图像的二维特征向量空间。
本优选实施例选择手掌静脉和掌纹主线分叉点作为待识别手掌图像特征的各特征点,既考虑了虹膜识别装置1的存储空间和运行速度的限制,又反映了手掌静脉和掌纹的变化,提取的待识别手掌图像特征精确度高,提取速度快。
优选的,所述手掌图像特征识别模块25将所述待识别手掌图像特征与图像密码数据库21中的作为图像密码的手掌图像特征进行对比时,将待识别手掌图像特征的二维特征向量空间与所述作为图像密码的手掌图像特征中的二维特征向量空间中的特征点的分布进行相似度对比,具体为:设对比待识别手掌图像特征的二维特征向量空间的特征点为待识别特征点,所述作为图像密码的手掌图像特征中的二维特征向量空间中的特征点为标准特征点,将待识别手掌图像与图像密码数据库21中的手掌图像进行重叠,并在所述作为图像密码的手掌图像特征中的二维特征向量空间中确定待识别特征点所对应的标准特征点,判断待识别特征点与 对应的标准特征点的距离是否小于预设距离阈值,并根据判断结果确定待识别手掌图像特征与所述作为图像密码的手掌图像特征是否一致。
本优选实施例设定了手掌图像特征识别模块25对待识别手掌图像特征进行识别时的具体操作,实用便捷。
本应用场景对设定的调整因子γ取值为1.01,自动控制装置的识别精度相对提高了4.8%,识别速度相对提高了7.5%。
应用场景5
参见图1,本应用场景中的一个实施例的一种基于手掌识别的自动控制装置,包括自动控制装置和与自动控制装置相连的手掌识别装置,其特征是,所述自动控制装置包括光电传感器、可编程控制器、文本显示器、交流变频调速电动机、脉冲编码器、变频器和控制柜;所述的光电传感器有两个,而且安装在刀具激光处理机的激光处理前区和后区,通过导线与可编程控制器相连,文本显示器与可编程控制器相连,可编程控制器通过变频器与变频调速电机相连,变频器同时通过脉冲编码器与变频调速电机相连,变频器与控制柜相连,控制柜一方面与可编程控制器的数据输入输出端口连接,另一方面通过变压器与可编程控制器的电源端口相连,控制柜同时与变频器、日用刀具激光热处理机的空压系统、水冷系统、真空泵、水压传感器、光闸驱动电磁阀和保护气电磁阀相连。
优选地,在所述的变压器和可编程控制器之间设置有稳压装置和整流装置。
本优选实施例增强了自动控制的稳定性。
优选地,所述的可编程控制器给变频器的控制电压信号为±10V范围内连续可调信号。
本优选实施例使变频器工作更加连续稳定。
优选的,所述虹膜识别装置1包括图像密码数据库21、手掌图像采集模块22、手掌图像预处理模块23、手掌图像特征提取模块24和手掌图像特征识别模块25;所述图像密码数据库21用于预先存储用户设定的作为图像密码的手掌图像特征;所述手掌图像采集模块22用于在800nm近红外光照射下通过单一采集设备采集包含有手掌掌纹主线信息和手掌静脉信息的手掌图像;所述手掌图像预处理模块23用于对采集到的手掌图像进行预处理,以消除采集手掌图像过程中手掌旋转、平移的影响,并定位手掌图像特征提取的有效区域;所述手掌图像特征提取模块24用于提取预处理后的手掌图像的待识别手掌图像特征,并将所述待识别手掌图像特征输送到所述手掌图像特征识别模块25中进行特征识别;所述手掌图像特征识别模块25将所述待识别手掌图像特征与图像密码数据库21中的作为图像密码的手掌图像特征进行对比,判别待识别手掌图像特征与所述作为图像密码的手掌图像特征是否一致。
本优选实施例完善了虹膜识别装置1,采用手掌图像特征作为图像密码,系统的安全性较高。
优选的,所述对采集到的手掌图像进行预处理,包括:
(1)对手掌图像进行中值滤波处理,去除手掌图像的系统噪声后,构建手掌图像的灰度值直方图,根据灰度值直方图选取预定灰度值阈值范围的局部最小值对手掌图像进行二值化处理;
(2)构建四指轮廓图,提取二值化处理后的手掌图像中食指与中指、无名指与小拇指两处定位点,根据两定位点对二值化处理后的手掌图像做旋转处理,以校正手掌图像位置;所述两处定位点设定为食指下边界与中指上边界的交界点及无名指下边界与小拇指上边界的交界点,坐标依次为(υ1,μ1)、(υ2,μ2);根据定位点计算旋转角度:
式中,γ为设定的调整因子,取值范围设定为[0.98,1.02];
θ>0时,对二值化处理后的手掌图像按计算的旋转角度进行顺时针旋转,θ<0时,对二值化处理后的手掌图像按计算的旋转角度进行逆时针旋转,θ=0时,不对二值化处理后的手掌图像做任何旋转。
(3)从校正后的手掌图像中提取出合适的掌心参考点,建立一个参考坐标系,定位手掌图像特征提取的有效区域;选择靠近除大拇指外其余四指的指根部的圆形区域作为定位手掌图像特征提取的有效区域,选择所述圆形区域的圆心作为掌心参考点;所述圆形区域通过食指与中指的指根点、中指与无名指的指根点以及无名指与小拇指的指根点进行确定,具体为:
1)进行手掌轮廓提取:将手掌图像中每个像素点作为中心像素点,分别计算中心像素点与8个邻域像素点的灰度差,当中心像素点位于手掌轮廓上时,其位于垂直手掌轮廓方向上靠外的点与中心像素点灰度差将为最大,通过判断局部区域内各像素点灰度差的极大值找到手掌图像中的真实手掌轮廓点,从而确定手掌轮廓;
2)确定食指、中指、无名指和小拇指的指尖位置:将指尖所指方向定义为手掌的方向,手指指向右,确定食指、中指、无名指和小拇指的指尖位置,其中所述中指的指尖位置位于整个轮廓的最右端;
3)提取食指与中指、中指与无名指以及无名指与小拇指的指根点:建立目标轮廓的参数化方程:对于给定的目标轮廓L(t),其弧长参数化方程表示为L(t)=(x(t),y(t)),其中x(t)和y(t)分别表示轮廓点的坐标,t表示轮廓曲线方程的参数,且t∈[0,1];
计算轮廓曲线的曲率k(t),从中指指尖出发,向两侧延伸,向食指方向延伸的第一个曲率变化大的点,记为S1,即为食指与中指的接缝点;向无名指方向延伸的第一个曲率变化大的点,记为W1,即为中指与无名指的接缝点;继续延伸得到第二个曲率变化大的点,记为W2,即为无名指与小拇指的接缝点;所述曲率变化大的点,指其曲率值与前一曲率值差值大于2的点;
从点S1出发,假设指缝线任一像素点P1,寻找其与指缝方向垂直且与P1距离两个像素宽的两点P2和P3,分别计算P1与P2、P3的梯度值,将两个梯度值的和SUM作为评价P1在垂直指缝方向上梯度变化量,当SUM变化大时,前一点即为食指与中指指根点Q1;同理,中指与无名指指根点Q2、无名指与小拇指指根点Q3;所述SUM变化大,是指其变化值大于2;
4)提取指根部圆:连接点Q1和Q2,Q2和Q3,分别过Q1Q2和Q2Q3作垂直平分线,相交于点O(m,n),即为所求圆形区域的圆心,O点与Q1距离即为所求圆形区域的半径R。
本优选实施例对手掌图像进行中值滤波处理,避免手掌图像的噪声点造成图像定位的不准确,然后对手掌图像进行二值化处理,从而使手掌图像中的手掌区域与背景区域较好地分离;对手掌图像的位置进行旋转校正处理,减少了图像采集过程中引入的旋转、平移、比例缩放等因素的影响;通过提取出合适的参考点,建立新的参考坐标系,定位手掌图像特征提取的有效区域,能够降低手掌图像特征识别的难度,提高了匹配识别算法的鲁棒性。
优选的,所述提取预处理后的手掌图像的待识别手掌图像特征,包括:
(1)将预处理后的手掌图像中的手掌静脉和掌纹主线的分叉点作为待识别手掌图像特征的各特征点Fi(x,y),i=1,2,…N,其中N为特征点个数;将特征点到所述圆形区域的圆心的距离与所述圆形区域的直径的比值作为第一特征:
式中,Yi表示第i个特征点的第一特征,(xi,yi)表示第i个特征点的坐标;
将所述圆形区域的圆心与中指与无名指指根点Q2的连线作为基准线,基准线方向为0度,特征点与圆心的连线顺时针到基准线所夹的角作为第二特征;
式中,Ei表示第i个特征点的第二特征,Ei的取值范围是0到360度,(xi,yi)表示第i个特征点的坐标;
(2)以特征点的第一特征作为横坐标,第二特征作为纵坐标,构造坐标系,将所述手掌静脉和掌纹主线分叉点投影到坐标系中,建立预处理后的手掌图像的二维特征向量空间。
本优选实施例选择手掌静脉和掌纹主线分叉点作为待识别手掌图像特征的各特征点,既考虑了虹膜识别装置1的存储空间和运行速度的限制,又反映了手掌静脉和掌纹的变化,提取的待识别手掌图像特征精确度高,提取速度快。
优选的,所述手掌图像特征识别模块25将所述待识别手掌图像特征与图像密码数据库21中的作为图像密码的手掌图像特征进行对比时,将待识别手掌图像特征的二维特征向量空间与所述作为图像密码的手掌图像特征中的二维特征向量空间中的特征点的分布进行相似度对比,具体为:设对比待识别手掌图像特征的二维特征向量空间的特征点为待识别特征点,所述作为图像密码的手掌图像特征中的二维特征向量空间中的特征点为标准特征点,将待识别手掌图像与图像密码数据库21中的手掌图像进行重叠,并在所述作为图像密码的手掌图像特征中的二维特征向量空间中确定待识别特征点所对应的标准特征点,判断待识别特征点与对应的标准特征点的距离是否小于预设距离阈值,并根据判断结果确定待识别手掌图像特征与所述作为图像密码的手掌图像特征是否一致。
本优选实施例设定了手掌图像特征识别模块25对待识别手掌图像特征进行识别时的具体操作,实用便捷。
本应用场景对设定的调整因子γ取值为1.02,自动控制装置的识别精度相对提高了5.2%,识别速度相对提高了7%。
最后应当说明的是,以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细地说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。
Claims (3)
1.一种基于手掌识别的自动控制装置,包括自动控制装置和与自动控制装置相连的手掌识别装置,其特征是,所述自动控制装置包括光电传感器、可编程控制器、文本显示器、交流变频调速电动机、脉冲编码器、变频器和控制柜;所述的光电传感器有两个,而且安装在刀具激光处理机的激光处理前区和后区,通过导线与可编程控制器相连,文本显示器与可编程控制器相连,可编程控制器通过变频器与变频调速电机相连,变频器同时通过脉冲编码器与变频调速电机相连,变频器与控制柜相连,控制柜一方面与可编程控制器的数据输入输出端口连接,另一方面通过变压器与可编程控制器的电源端口相连,控制柜同时与变频器、日用刀具激光热处理机的空压系统、水冷系统、真空泵、水压传感器、光闸驱动电磁阀和保护气电磁阀相连。
2.根据权利要求1所述的一种基于手掌识别的自动控制装置,其特征是,在所述的变压器和可编程控制器之间设置有稳压装置和整流装置。
3.根据权利要求2所述的一种基于手掌识别的自动控制装置,其特征是,所述的可编程控制器给变频器的控制电压信号为±10V范围内连续可调信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610625258.XA CN106156760A (zh) | 2016-07-30 | 2016-07-30 | 一种基于手掌识别的自动控制装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610625258.XA CN106156760A (zh) | 2016-07-30 | 2016-07-30 | 一种基于手掌识别的自动控制装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106156760A true CN106156760A (zh) | 2016-11-23 |
Family
ID=57328754
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610625258.XA Pending CN106156760A (zh) | 2016-07-30 | 2016-07-30 | 一种基于手掌识别的自动控制装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106156760A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN2488633Y (zh) * | 2001-07-30 | 2002-05-01 | 北京富通光科激光技术有限公司 | 一种日用刀具激光热处理机的自动控制装置 |
CN101055618A (zh) * | 2007-06-21 | 2007-10-17 | 中国科学院合肥物质科学研究院 | 基于方向特征的掌纹识别方法 |
CN104123537A (zh) * | 2014-07-04 | 2014-10-29 | 西安理工大学 | 一种基于手形和掌纹识别的快速身份验证方法 |
-
2016
- 2016-07-30 CN CN201610625258.XA patent/CN106156760A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN2488633Y (zh) * | 2001-07-30 | 2002-05-01 | 北京富通光科激光技术有限公司 | 一种日用刀具激光热处理机的自动控制装置 |
CN101055618A (zh) * | 2007-06-21 | 2007-10-17 | 中国科学院合肥物质科学研究院 | 基于方向特征的掌纹识别方法 |
CN104123537A (zh) * | 2014-07-04 | 2014-10-29 | 西安理工大学 | 一种基于手形和掌纹识别的快速身份验证方法 |
Non-Patent Citations (1)
Title |
---|
苑玮琦等: ""基于特征参量空间的掌脉识别方法研究"", 《仪器仪表学报》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103902977B (zh) | 基于Gabor二值模式的人脸识别方法及装置 | |
CN101470800B (zh) | 手形识别方法 | |
Li et al. | Principal line-based alignment refinement for palmprint recognition | |
CN101763500B (zh) | 应用于高自由度手掌图像中掌形提取和特征定位的方法 | |
US20090129635A1 (en) | Image processing system, mask fabrication method, and program | |
CN105474234A (zh) | 一种掌静脉识别的方法和掌静脉识别装置 | |
CN102542281A (zh) | 非接触式生物特征识别方法和系统 | |
CN103914676A (zh) | 一种在人脸识别中使用的方法和装置 | |
CN103294996A (zh) | 一种3d手势识别方法 | |
CN103870071B (zh) | 一种触摸源识别方法及系统 | |
JP2011022784A (ja) | 情報処理装置、ブロック検出方法およびプログラム | |
CN104123547A (zh) | 基于改进的方向滤波与柔性匹配的识别方法 | |
Bindu et al. | Object detection from complex background image using circular hough transform | |
CN106650554A (zh) | 静态手势识别方法 | |
JP7044504B2 (ja) | 画像処理装置、画像処理方法および画像処理プログラム | |
CN104077513A (zh) | 一种信息处理方法及电子设备 | |
CN116631068B (zh) | 一种基于深度学习特征融合的掌静脉活体检测方法 | |
CN105975960A (zh) | 基于纹理方向能量特征的虹膜识别方法 | |
CN111612083B (zh) | 一种手指静脉识别方法、装置及设备 | |
CN110427826B (zh) | 一种手掌识别方法、装置、电子设备及存储介质 | |
CN109815772A (zh) | 指纹图像增强、识别方法、装置及指纹图像增强识别系统 | |
Sun et al. | Visual hand tracking on depth image using 2-D matched filter | |
CN106156760A (zh) | 一种基于手掌识别的自动控制装置 | |
CN106971132A (zh) | 一种扫描手势并识别的方法 | |
CN106230098A (zh) | 一种安全性能高的高压开关柜系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20161123 |
|
RJ01 | Rejection of invention patent application after publication |