CN108073916B - 掌纹信息收集设备 - Google Patents
掌纹信息收集设备 Download PDFInfo
- Publication number
- CN108073916B CN108073916B CN201810068890.8A CN201810068890A CN108073916B CN 108073916 B CN108073916 B CN 108073916B CN 201810068890 A CN201810068890 A CN 201810068890A CN 108073916 B CN108073916 B CN 108073916B
- Authority
- CN
- China
- Prior art keywords
- finger
- image
- palm
- point
- hand
- 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.)
- Active
Links
Images
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
- G06V40/13—Sensors therefor
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Collating Specific Patterns (AREA)
Abstract
为了提高掌纹采集的可识别度，本发明提供了一种掌纹信息收集设备，包括：第一校正处理单元、第一中间图像获取单元、第二校正处理单元、第二中间图像获取单元、掌纹图像获取单元。
Description
技术领域
本发明属于生物特征采集领域，具体涉及一种掌纹信息收集设备。
背景技术
随着集成电路的功能日益多样化，过去属于特用产品，或者根本无法取得的装置，现在都已经逐渐普及。例如类似于指纹扫描器的掌纹扫描器，就是一个例子。过去，在传统的消费产品市场上少见，或甚至听都没有听过的掌纹识别系统，也由于集成电路掌纹扫描器的出现，已经在关切存取控制及识别鉴定的一般使用者之间日渐普及；掌纹识别系统的应用领域已经不再仅限于政府以及安全人员。这些装置是用来确保只有获得授权的使用者才可以在一计算机系统或者数据库进行存取，而且，其体积也已经缩小到可以装进便携式计算机中。
在网络化发展日益成熟的背景下，掌纹扫描器的网络化应用呼之欲出。然而，由于网络传输以及远端指纹扫描器使用者未经过专业人士指导，其采集的图像质量不佳，噪声过大。
发明内容
为了提高在线指纹采集的可识别度，本发明提供了一种掌纹信息收集设备，包括：
第一校正处理单元，用于以初始灰度对采集到的第一帧掌部图像进行第一灰度校正处理，得到手指图像，所述掌部图像包括分别对应左手和右手的手掌图像和手指图像；
第一中间图像获取单元，用于利用手指纹路生理特征得到表示各个手指对应的指纹区域的第一中间图像；
第二校正处理单元，用于以第二灰度对采集到的第二帧掌部图像进行第二灰度校正处理，得到手指图像，所述掌部图像包括分别对应左手和右手的手掌图像和手指图像；
第二中间图像获取单元，用于利用手指纹路生理特征得到表示各个手指对应的指纹区域的第二中间图像；
掌纹图像获取单元，用于对第一中间图像和第二中间图像进行降噪处理，得到经过降噪的掌纹图像。
进一步地，所述第一校正处理单元包括：
第一平均灰度计算单元，用于根据第一帧图像，计算左手和右手掌部图像的灰度平均值A灰度＝(A左掌+A右掌)/2；
第一手指确定子单元，用于在掌部图像中，以手指形状和长度为基准，确定以掌部图像中最短的手指的图像作为拇指对应的图像，确定次短的手指的图像作为小指对应的图像，确定靠近拇指的图像作为食指对应的图像，确定靠近小指的图像作为无名指对应的图像，确定剩余的手指状图像作为中指对应的图像；
第一手指根部分叉点确定子单元，用于确定掌部图像中手指根部分叉处所在位置为手指根部分叉点；
第一分割子单元，用于对左手掌部图像进行如下处理：将各个手指根部分叉点进行连线，并将中指与无名指的手指根部分叉点以及无名指与小指的手指根部分叉点这两个分叉处的连线的延长线与掌部图像中掌部靠近小指的轮廓的交点作为第一点，将中指与食指的手指根部分叉点以及食指与拇指的手指根部分叉点这两个分叉处的连线的延长线与掌部图像中掌部靠近拇指的轮廓的交点作为第二点；根据左手掌部图像的各个手指根部分叉点和第一点以及第二点，在左手掌部图像中去除左手手掌图像，得到左手手指图像；
第二分割子单元，用于对右手掌部图像进行如下处理：将各个手指根部分叉点进行连线，并将中指与无名指的手指根部分叉点以及无名指与小指的手指根部分叉点这两个分叉处的连线的延长线与掌部图像中掌部靠近小指的轮廓的交点作为第三点，将中指与食指的手指根部分叉点以及食指与拇指的手指根部分叉点这两个分叉处的连线的延长线与掌部图像中掌部靠近拇指的轮廓的交点作为第四点；根据右手掌部图像的各个手指根部分叉点和第一点以及第二点，在右手掌部图像中去除右手手掌图像，得到右手手指图像；
第一灰度均值计算子单元，用于分别计算第一点、第二点、第三点、第四点为中心、r为半径的邻域像素的灰度均值，以这4个灰度均值构成1×4的矩阵M；
第一手指灰度计算子单元，用于将左手掌部图像中尖端的图像作为左手各个手指尖对应的图像，将右手掌部图像中尖端的图像作为右手各个手指尖对应的图像，计算以各个手指尖对应的图像中手指尖位置为中心、r为半径的邻域的灰度均值，以这10个灰度均值构成10×1的矩阵N；
第一矩阵计算子单元，用于计算N×M得到的矩阵的特征值A’即特征向量a；
第一坐标系建立子单元，用于以第一点为原点，建立左手手指图像的平面直角坐标系，第二点的坐标为da和db，以第四点为原点，建立右手手指图像的平面直角坐标系，第三点的坐标为d’a和d’b；
第一交叉校正系数计算子单元，用于计算左手手指图像和右手手指图像中各像素的交叉校正系数α＝A’×(1-A灰度×(1-x×ed’a/da)/(1-y×edb/d’b))，得到灰度校正后的左手和右手手指图像，其中x，y分别是各像素在左手和右手的坐标系中的横、纵坐标值。
进一步地，所述第一中间图像获取单元包括：
针对某个手指，沿手指尖向手指与手掌连接处方向，根据与各个手指延伸方向垂直的纹路的粗细程度，查找最粗的一条纹路，以此纹路为分界线，获得该分界线到对应的手指尖的区域，作为对应该手指的第一中间图像。
进一步地，所述第二校正处理单元包括：
背景光灰度调整单元，用于将采集掌部图像的背景光灰度调整为A灰度/2；
第二平均灰度计算单元，用于根据第二帧图像，计算左手和右手掌部图像的灰度平均值A灰度2＝(A左掌2+A右掌2)/2；
第二手指确定子单元，用于在掌部图像中，以手指形状和长度为基准，确定以掌部图像中最短的手指的图像作为拇指对应的图像，确定次短的手指的图像作为小指对应的图像，确定靠近拇指的图像作为食指对应的图像，确定靠近小指的图像作为无名指对应的图像，确定剩余的手指状图像作为中指对应的图像；
第二手指根部分叉点确定子单元，用于确定掌部图像中手指根部分叉处所在位置为手指根部分叉点；
第三分割子单元，用于对左手掌部图像进行如下处理：将各个手指根部分叉点进行连线，并将中指与无名指的手指根部分叉点以及无名指与小指的手指根部分叉点这两个分叉处的连线的延长线与掌部图像中掌部靠近小指的轮廓的交点作为第一点，将中指与食指的手指根部分叉点以及食指与拇指的手指根部分叉点这两个分叉处的连线的延长线与掌部图像中掌部靠近拇指的轮廓的交点作为第二点；根据左手掌部图像的各个手指根部分叉点和第一点以及第二点，在左手掌部图像中去除左手手掌图像，得到左手手指图像；
第四分割子单元，用于对右手掌部图像进行如下处理：将各个手指根部分叉点进行连线，并将中指与无名指的手指根部分叉点以及无名指与小指的手指根部分叉点这两个分叉处的连线的延长线与掌部图像中掌部靠近小指的轮廓的交点作为第三点，将中指与食指的手指根部分叉点以及食指与拇指的手指根部分叉点这两个分叉处的连线的延长线与掌部图像中掌部靠近拇指的轮廓的交点作为第四点；根据右手掌部图像的各个手指根部分叉点和第一点以及第二点，在右手掌部图像中去除右手手掌图像，得到右手手指图像；
第二灰度均值计算子单元，用于分别计算第一点、第二点、第三点、第四点为中心、R为半径的邻域像素的灰度均值，以这4个灰度均值构成1×4的矩阵M；
第二手指灰度计算子单元，用于将左手掌部图像中尖端的图像作为左手各个手指尖对应的图像，将右手掌部图像中尖端的图像作为右手各个手指尖对应的图像，计算以各个手指尖对应的图像中手指尖位置为中心、R为半径的邻域的灰度均值，以这10个灰度均值构成10×1的矩阵N；
第二矩阵计算子单元，用于计算N×M得到的矩阵的特征值A”即特征向量b；
第二坐标系建立子单元，用于以第二点为原点，建立左手手指图像的平面直角坐标系，第一点的坐标为fa和fb，以第三点为原点，建立右手手指图像的平面直角坐标系，第四点的坐标为f’a和f’b；
第二交叉校正系数计算子单元，用于计算左手手指图像和右手手指图像中各像素的交叉校正系数α＝A”×(1-A灰度2×(1-x×lg(f’a/fa))/(1-y×lg(fb/f’b)))，得到灰度校正后的左手和右手手指图像，其中x，y分别是各像素在左手和右手的坐标系中的横、纵坐标值。
进一步地，第二中间图像获取单元包括：
针对某个手指，沿手指尖向手指与手掌连接处方向，根据与各个手指延伸方向垂直的纹路的粗细程度，查找最细的一条纹路，以此纹路为分界线，获得该分界线到对应的手指尖的区域，作为对应该手指的第二中间图像。
进一步地，所述掌纹图像获取单元包括：
第一面积计算子单元，用于计算第一帧中左手手掌面积B1和右手手掌面积B2，手掌与手指的边界参照各手的手指根部分叉点连线；
第二面积计算子单元，用于计算第二帧中左手手掌面积B’1和右手手掌面积B’2，手掌与手指的边界参照各手的手指根部分叉点连线；
手指面积计算子单元，用于对左手和右手的手指，分别累加各个所述第一中间图像面积和第二中间图像的面积，进而得到第一中间图像的面积和C1和第二中间图像的面积和C2；
参考矩阵计算子单元，用于计算矩阵a×b得到矩阵E；
手掌面积因子计算子单元，用于分别计算左手和右手的手掌面积因子：p左手掌＝ln(r×(B1/(2×B’1)))，p右手掌＝ln(R×(B2/(2×B’2)))；
图像噪声滤波子单元，用于对手掌图像进行滤波，其滤波因子β为：
根据滤波因子为β的图像噪声滤波器，对所述第一帧手掌图像进行指数滤波，其中滤波参数即该滤波因子β。
进一步地，所述r取值范围为0.02～0.1，R为0.08～0.3。
进一步地，所述R为r的3倍。
进一步地，所述初始灰度为RGB(255，255，255)。
本发明的技术方案具有以下优点：
利用主动改变在线指纹采集时的背景灰度并创造性地以左手和右手的手指、手掌的灰度平衡技术和借助于手指与手掌采集的相似性等特点，降低了在线采集时由于帧抖动或者网络传输信噪比对指纹采集图像的质量影响。经测试，识别率相比已有在线采集技术提高40％以上。
附图说明
图1示出了根据本发明的设备的组成框图。
具体实施方式
如图1所示，本发明的掌纹信息收集设备，包括：
第一校正处理单元，用于以初始灰度对采集到的第一帧掌部图像进行第一灰度校正处理，得到手指图像，所述掌部图像包括分别对应左手和右手的手掌图像和手指图像；
第一中间图像获取单元，用于利用手指纹路生理特征得到表示各个手指对应的指纹区域的第一中间图像；
第二校正处理单元，用于以第二灰度对采集到的第二帧掌部图像进行第二灰度校正处理，得到手指图像，所述掌部图像包括分别对应左手和右手的手掌图像和手指图像；
第二中间图像获取单元，用于利用手指纹路生理特征得到表示各个手指对应的指纹区域的第二中间图像；
掌纹图像获取单元，用于对第一中间图像和第二中间图像进行降噪处理，得到经过降噪的掌纹图像。
优选地，所述第一校正处理单元包括：
第一平均灰度计算单元，用于根据第一帧图像，计算左手和右手掌部图像的灰度平均值A灰度＝(A左掌+A右掌)/2；
第一手指确定子单元，用于在掌部图像中，以手指形状和长度为基准，确定以掌部图像中最短的手指的图像作为拇指对应的图像，确定次短的手指的图像作为小指对应的图像，确定靠近拇指的图像作为食指对应的图像，确定靠近小指的图像作为无名指对应的图像，确定剩余的手指状图像作为中指对应的图像；
第一手指根部分叉点确定子单元，用于确定掌部图像中手指根部分叉处所在位置为手指根部分叉点；
第一分割子单元，用于对左手掌部图像进行如下处理：将各个手指根部分叉点进行连线，并将中指与无名指的手指根部分叉点以及无名指与小指的手指根部分叉点这两个分叉处的连线的延长线与掌部图像中掌部靠近小指的轮廓的交点作为第一点，将中指与食指的手指根部分叉点以及食指与拇指的手指根部分叉点这两个分叉处的连线的延长线与掌部图像中掌部靠近拇指的轮廓的交点作为第二点；根据左手掌部图像的各个手指根部分叉点和第一点以及第二点，在左手掌部图像中去除左手手掌图像，得到左手手指图像；
第二分割子单元，用于对右手掌部图像进行如下处理：将各个手指根部分叉点进行连线，并将中指与无名指的手指根部分叉点以及无名指与小指的手指根部分叉点这两个分叉处的连线的延长线与掌部图像中掌部靠近小指的轮廓的交点作为第三点，将中指与食指的手指根部分叉点以及食指与拇指的手指根部分叉点这两个分叉处的连线的延长线与掌部图像中掌部靠近拇指的轮廓的交点作为第四点；根据右手掌部图像的各个手指根部分叉点和第一点以及第二点，在右手掌部图像中去除右手手掌图像，得到右手手指图像；
第一灰度均值计算子单元，用于分别计算第一点、第二点、第三点、第四点为中心、r为半径的邻域像素的灰度均值，以这4个灰度均值构成1×4的矩阵M；
第一手指灰度计算子单元，用于将左手掌部图像中尖端的图像作为左手各个手指尖对应的图像，将右手掌部图像中尖端的图像作为右手各个手指尖对应的图像，计算以各个手指尖对应的图像中手指尖位置为中心、r为半径的邻域的灰度均值，以这10个灰度均值构成10×1的矩阵N；
第一矩阵计算子单元，用于计算N×M得到的矩阵的特征值A’即特征向量a；
第一坐标系建立子单元，用于以第一点为原点，建立左手手指图像的平面直角坐标系，第二点的坐标为da和db，以第四点为原点，建立右手手指图像的平面直角坐标系，第三点的坐标为d’a和d’b；
第一交叉校正系数计算子单元，用于计算左手手指图像和右手手指图像中各像素的交叉校正系数α＝A’×(1-A灰度×(1-x×ed’a/da)/(1-y×edb/d’b))，得到灰度校正后的左手和右手手指图像，其中x，y分别是各像素在左手和右手的坐标系中的横、纵坐标值。
优选地，所述第一中间图像获取单元包括：
针对某个手指，沿手指尖向手指与手掌连接处方向，根据与各个手指延伸方向垂直的纹路的粗细程度，查找最粗的一条纹路，以此纹路为分界线，获得该分界线到对应的手指尖的区域，作为对应该手指的第一中间图像。
优选地，所述第二校正处理单元包括：
背景光灰度调整单元，用于将采集掌部图像的背景光灰度调整为A灰度/2；
第二平均灰度计算单元，用于根据第二帧图像，计算左手和右手掌部图像的灰度平均值A灰度2＝(A左掌2+A右掌2)/2；
第二手指确定子单元，用于在掌部图像中，以手指形状和长度为基准，确定以掌部图像中最短的手指的图像作为拇指对应的图像，确定次短的手指的图像作为小指对应的图像，确定靠近拇指的图像作为食指对应的图像，确定靠近小指的图像作为无名指对应的图像，确定剩余的手指状图像作为中指对应的图像；
第二手指根部分叉点确定子单元，用于确定掌部图像中手指根部分叉处所在位置为手指根部分叉点；
第三分割子单元，用于对左手掌部图像进行如下处理：将各个手指根部分叉点进行连线，并将中指与无名指的手指根部分叉点以及无名指与小指的手指根部分叉点这两个分叉处的连线的延长线与掌部图像中掌部靠近小指的轮廓的交点作为第一点，将中指与食指的手指根部分叉点以及食指与拇指的手指根部分叉点这两个分叉处的连线的延长线与掌部图像中掌部靠近拇指的轮廓的交点作为第二点；根据左手掌部图像的各个手指根部分叉点和第一点以及第二点，在左手掌部图像中去除左手手掌图像，得到左手手指图像；
第四分割子单元，用于对右手掌部图像进行如下处理：将各个手指根部分叉点进行连线，并将中指与无名指的手指根部分叉点以及无名指与小指的手指根部分叉点这两个分叉处的连线的延长线与掌部图像中掌部靠近小指的轮廓的交点作为第三点，将中指与食指的手指根部分叉点以及食指与拇指的手指根部分叉点这两个分叉处的连线的延长线与掌部图像中掌部靠近拇指的轮廓的交点作为第四点；根据右手掌部图像的各个手指根部分叉点和第一点以及第二点，在右手掌部图像中去除右手手掌图像，得到右手手指图像；
第二灰度均值计算子单元，用于分别计算第一点、第二点、第三点、第四点为中心、R为半径的邻域像素的灰度均值，以这4个灰度均值构成1×4的矩阵M；
第二手指灰度计算子单元，用于将左手掌部图像中尖端的图像作为左手各个手指尖对应的图像，将右手掌部图像中尖端的图像作为右手各个手指尖对应的图像，计算以各个手指尖对应的图像中手指尖位置为中心、R为半径的邻域的灰度均值，以这10个灰度均值构成10×1的矩阵N；
第二矩阵计算子单元，用于计算N×M得到的矩阵的特征值A”即特征向量b；
第二坐标系建立子单元，用于以第二点为原点，建立左手手指图像的平面直角坐标系，第一点的坐标为fa和fb，以第三点为原点，建立右手手指图像的平面直角坐标系，第四点的坐标为f’a和f’b；
第二交叉校正系数计算子单元，用于计算左手手指图像和右手手指图像中各像素的交叉校正系数α＝A”×(1-A灰度2×(1-x×lg(f’a/fa))/(1-y×lg(fb/f’b)))，得到灰度校正后的左手和右手手指图像，其中x，y分别是各像素在左手和右手的坐标系中的横、纵坐标值。
优选地，第二中间图像获取单元包括：
针对某个手指，沿手指尖向手指与手掌连接处方向，根据与各个手指延伸方向垂直的纹路的粗细程度，查找最细的一条纹路，以此纹路为分界线，获得该分界线到对应的手指尖的区域，作为对应该手指的第二中间图像。
优选地，所述掌纹图像获取单元包括：
第一面积计算子单元，用于计算第一帧中左手手掌面积B1和右手手掌面积B2，手掌与手指的边界参照各手的手指根部分叉点连线；
第二面积计算子单元，用于计算第二帧中左手手掌面积B’1和右手手掌面积B’2，手掌与手指的边界参照各手的手指根部分叉点连线；
手指面积计算子单元，用于对左手和右手的手指，分别累加各个所述第一中间图像面积和第二中间图像的面积，进而得到第一中间图像的面积和C1和第二中间图像的面积和C2；
参考矩阵计算子单元，用于计算矩阵a×b得到矩阵E；
手掌面积因子计算子单元，用于分别计算左手和右手的手掌面积因子：p左手掌＝ln(r×(B1/(2×B’1)))，p右手掌＝ln(R×(B2/(2×B’2)))；
图像噪声滤波子单元，用于对手掌图像进行滤波，其滤波因子β为：
根据滤波因子为β的图像噪声滤波器，对所述第一帧手掌图像进行指数滤波，其中滤波参数即该滤波因子β。
优选地，所述r取值范围为0.02～0.1，R为0.08～0.3。
优选地，所述R为r的3倍。
优选地，所述初始灰度为RGB(255，255，255)。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (4)
1.一种掌纹信息收集设备，包括：
第一校正处理单元，用于以初始灰度对采集到的第一帧掌部图像进行第一灰度校正处理，得到手指图像，所述掌部图像包括分别对应左手和右手的手掌图像和手指图像；
第一中间图像获取单元，用于利用手指纹路生理特征得到表示各个手指对应的指纹区域的第一中间图像；
第二校正处理单元，用于以第二灰度对采集到的第二帧掌部图像进行第二灰度校正处理，得到手指图像，所述掌部图像包括分别对应左手和右手的手掌图像和手指图像；
第二中间图像获取单元，用于利用手指纹路生理特征得到表示各个手指对应的指纹区域的第二中间图像；
掌纹图像获取单元，用于对第一中间图像和第二中间图像进行降噪处理，得到经过降噪的掌纹图像；
其特征在于，所述第一校正处理单元包括：
第一平均灰度计算单元，用于根据第一帧图像，计算左手和右手掌部图像的灰度平均值A灰度＝(A左掌+A右掌)/2；
第一手指确定子单元，用于在掌部图像中，以手指形状和长度为基准，确定以掌部图像中最短的手指的图像作为拇指对应的图像，确定次短的手指的图像作为小指对应的图像，确定靠近拇指的图像作为食指对应的图像，确定靠近小指的图像作为无名指对应的图像，确定剩余的手指状图像作为中指对应的图像；
第一手指根部分叉点确定子单元，用于确定掌部图像中手指根部分叉处所在位置为手指根部分叉点；
第一分割子单元，用于对左手掌部图像进行如下处理：将各个手指根部分叉点进行连线，并将中指与无名指的手指根部分叉点以及无名指与小指的手指根部分叉点这两个分叉处的连线的延长线与掌部图像中掌部靠近小指的轮廓的交点作为第一点，将中指与食指的手指根部分叉点以及食指与拇指的手指根部分叉点这两个分叉处的连线的延长线与掌部图像中掌部靠近拇指的轮廓的交点作为第二点；根据左手掌部图像的各个手指根部分叉点和第一点以及第二点，在左手掌部图像中去除左手手掌图像，得到左手手指图像；
第二分割子单元，用于对右手掌部图像进行如下处理：将各个手指根部分叉点进行连线，并将中指与无名指的手指根部分叉点以及无名指与小指的手指根部分叉点这两个分叉处的连线的延长线与掌部图像中掌部靠近小指的轮廓的交点作为第三点，将中指与食指的手指根部分叉点以及食指与拇指的手指根部分叉点这两个分叉处的连线的延长线与掌部图像中掌部靠近拇指的轮廓的交点作为第四点；根据右手掌部图像的各个手指根部分叉点和第三点以及第四点，在右手掌部图像中去除右手手掌图像，得到右手手指图像；
第一灰度均值计算子单元，用于分别计算第一点、第二点、第三点、第四点为中心、r为半径的邻域像素的灰度均值，以这4个灰度均值构成1×4的矩阵M；
第一手指灰度计算子单元，用于将左手掌部图像中尖端的图像作为左手各个手指尖对应的图像，将右手掌部图像中尖端的图像作为右手各个手指尖对应的图像，计算以各个手指尖对应的图像中手指尖位置为中心、r为半径的邻域的灰度均值，以这10个灰度均值构成10×1的矩阵N；
第一矩阵计算子单元，用于计算N×M得到的矩阵的特征值A’即特征向量a；
第一坐标系建立子单元，用于以第一点为原点，建立左手手指图像的平面直角坐标系，第二点的坐标为da和db，以第四点为原点，建立右手手指图像的平面直角坐标系，第三点的坐标为d’a和d’b；
第一交叉校正系数计算子单元，用于计算左手手指图像和右手手指图像中各像素的交叉校正系数
得到灰度校正后的左手和右手手指图像，其中x，y分别是各像素在左手和右手的坐标系中的横、纵坐标值；
所述第一中间图像获取单元包括：
针对某个手指，沿手指尖向手指与手掌连接处方向，根据与各个手指延伸方向垂直的纹路的粗细程度，查找最粗的一条纹路，以此纹路为分界线，获得该分界线到对应的手指尖的区域，作为对应该手指的第一中间图像；
所述第二校正处理单元包括：
背景光灰度调整单元，用于将采集掌部图像的背景光灰度调整为A灰度/2；
第二平均灰度计算单元，用于根据第二帧图像，计算左手和右手掌部图像的灰度平均值A灰度2＝(A左掌2+A右掌2)/2；
第二手指确定子单元，用于在掌部图像中，以手指形状和长度为基准，确定以掌部图像中最短的手指的图像作为拇指对应的图像，确定次短的手指的图像作为小指对应的图像，确定靠近拇指的图像作为食指对应的图像，确定靠近小指的图像作为无名指对应的图像，确定剩余的手指状图像作为中指对应的图像；
第二手指根部分叉点确定子单元，用于确定掌部图像中手指根部分叉处所在位置为手指根部分叉点；
第三分割子单元，用于对左手掌部图像进行如下处理：将各个手指根部分叉点进行连线，并将中指与无名指的手指根部分叉点以及无名指与小指的手指根部分叉点这两个分叉处的连线的延长线与掌部图像中掌部靠近小指的轮廓的交点作为第一点，将中指与食指的手指根部分叉点以及食指与拇指的手指根部分叉点这两个分叉处的连线的延长线与掌部图像中掌部靠近拇指的轮廓的交点作为第二点；根据左手掌部图像的各个手指根部分叉点和第一点以及第二点，在左手掌部图像中去除左手手掌图像，得到左手手指图像；
第四分割子单元，用于对右手掌部图像进行如下处理：将各个手指根部分叉点进行连线，并将中指与无名指的手指根部分叉点以及无名指与小指的手指根部分叉点这两个分叉处的连线的延长线与掌部图像中掌部靠近小指的轮廓的交点作为第三点，将中指与食指的手指根部分叉点以及食指与拇指的手指根部分叉点这两个分叉处的连线的延长线与掌部图像中掌部靠近拇指的轮廓的交点作为第四点；根据右手掌部图像的各个手指根部分叉点和第三点以及第四点，在右手掌部图像中去除右手手掌图像，得到右手手指图像；
第二灰度均值计算子单元，用于分别计算第一点、第二点、第三点、第四点为中心、R为半径的邻域像素的灰度均值，以这4个灰度均值构成1×4的矩阵M；
第二手指灰度计算子单元，用于将左手掌部图像中尖端的图像作为左手各个手指尖对应的图像，将右手掌部图像中尖端的图像作为右手各个手指尖对应的图像，计算以各个手指尖对应的图像中手指尖位置为中心、R为半径的邻域的灰度均值，以这10个灰度均值构成10×1的矩阵N；
第二矩阵计算子单元，用于计算N×M得到的矩阵的特征值A”即特征向量b；
第二坐标系建立子单元，用于以第二点为原点，建立左手手指图像的平面直角坐标系，第一点的坐标为fa和fb，以第三点为原点，建立右手手指图像的平面直角坐标系，第四点的坐标为f’a和f’b；
第二交叉校正系数计算子单元，用于计算左手手指图像和右手手指图像中各像素的交叉校正系数α＝A”×(1-A灰度2×(1-x×lg(f'a/fa))/(1-y×lg(fb/f'b)))，得到灰度校正后的左手和右手手指图像，其中x，y分别是各像素在左手和右手的坐标系中的横、纵坐标值；
所述第二中间图像获取单元包括：
针对某个手指，沿手指尖向手指与手掌连接处方向，根据与各个手指延伸方向垂直的纹路的粗细程度，查找最细的一条纹路，以此纹路为分界线，获得该分界线到对应的手指尖的区域，作为对应该手指的第二中间图像；
所述掌纹图像获取单元包括：
第一面积计算子单元，用于计算第一帧中左手手掌面积B1和右手手掌面积B2，手掌与手指的边界参照各手的手指根部分叉点连线；
第二面积计算子单元，用于计算第二帧中左手手掌面积B’1和右手手掌面积B’2，手掌与手指的边界参照各手的手指根部分叉点连线；
手指面积计算子单元，用于对左手和右手的手指，分别累加各个所述第一中间图像面积和第二中间图像的面积，进而得到第一中间图像的面积和C1和第二中间图像的面积和C2；
参考矩阵计算子单元，用于计算矩阵a×b得到矩阵E；
手掌面积因子计算子单元，用于分别计算左手和右手的手掌面积因子：p左手掌＝ln(r×(B1/(2×B’1)))，p右手掌＝ln(R×(B2/(2×B’2)))；
图像噪声滤波子单元，用于对手掌图像进行滤波，其滤波因子β为：
根据滤波因子为β的图像噪声滤波器，对所述第一帧手掌图像进行指数滤波，其中滤波参数即该滤波因子β。
2.如权利要求1所述的掌纹信息收集设备，所述r取值范围为0.02～0.1，R为0.08～0.3。
3.如权利要求1所述的掌纹信息收集设备，所述R为r的3倍。
4.如权利要求1所述的掌纹信息收集设备，所述初始灰度为RGB(255，255，255)。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810068890.8A CN108073916B (zh) | 2018-01-24 | 2018-01-24 | 掌纹信息收集设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810068890.8A CN108073916B (zh) | 2018-01-24 | 2018-01-24 | 掌纹信息收集设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108073916A CN108073916A (zh) | 2018-05-25 |
| CN108073916B true CN108073916B (zh) | 2021-12-17 |
Family
ID=62156901
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810068890.8A Active CN108073916B (zh) | 2018-01-24 | 2018-01-24 | 掌纹信息收集设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108073916B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101093539A (zh) * | 2007-07-27 | 2007-12-26 | 哈尔滨工程大学 | 手指静脉特征提取与匹配识别方法 |
| CN102739856A (zh) * | 2012-05-31 | 2012-10-17 | 西安电子科技大学 | 基于手掌图像信息的手机解锁系统及解锁方法 |
| CN104778445A (zh) * | 2015-03-17 | 2015-07-15 | 山东大学 | 基于手指静脉立体特征的活体识别装置及方法 |
| CN105426821A (zh) * | 2015-11-04 | 2016-03-23 | 浙江工业大学 | 一种基于八邻域和二次匹配的手掌静脉特征提取和匹配方法 |
| CN105512656A (zh) * | 2014-09-22 | 2016-04-20 | 郭进锋 | 采集手掌静脉图像的方法 |
| CN107358185A (zh) * | 2017-07-03 | 2017-11-17 | 上海奥宜电子科技有限公司 | 基于拓扑分析的掌纹掌脉图像识别方法及装置 |
| CN107578009A (zh) * | 2017-09-02 | 2018-01-12 | 宜宾学院 | 多手指远端指间关节纹路的识别方法 |
| CN107609499A (zh) * | 2017-09-04 | 2018-01-19 | 南京航空航天大学 | 一种复杂环境下非接触式掌纹感兴趣区提取方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104252621A (zh) * | 2014-09-29 | 2014-12-31 | 深圳市汇顶科技股份有限公司 | 指纹识别装置和方法 |
-
2018
- 2018-01-24 CN CN201810068890.8A patent/CN108073916B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101093539A (zh) * | 2007-07-27 | 2007-12-26 | 哈尔滨工程大学 | 手指静脉特征提取与匹配识别方法 |
| CN102739856A (zh) * | 2012-05-31 | 2012-10-17 | 西安电子科技大学 | 基于手掌图像信息的手机解锁系统及解锁方法 |
| CN105512656A (zh) * | 2014-09-22 | 2016-04-20 | 郭进锋 | 采集手掌静脉图像的方法 |
| CN104778445A (zh) * | 2015-03-17 | 2015-07-15 | 山东大学 | 基于手指静脉立体特征的活体识别装置及方法 |
| CN105426821A (zh) * | 2015-11-04 | 2016-03-23 | 浙江工业大学 | 一种基于八邻域和二次匹配的手掌静脉特征提取和匹配方法 |
| CN107358185A (zh) * | 2017-07-03 | 2017-11-17 | 上海奥宜电子科技有限公司 | 基于拓扑分析的掌纹掌脉图像识别方法及装置 |
| CN107578009A (zh) * | 2017-09-02 | 2018-01-12 | 宜宾学院 | 多手指远端指间关节纹路的识别方法 |
| CN107609499A (zh) * | 2017-09-04 | 2018-01-19 | 南京航空航天大学 | 一种复杂环境下非接触式掌纹感兴趣区提取方法 |
Non-Patent Citations (1)
| Title |
|---|
| Contactless palm vein identification using multiple representations;Yingbo Zhou等;《2010 Fourth IEEE International Conference on Biometrics: Theory, Applications and Systems (BTAS)》;20101111;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108073916A (zh) | 2018-05-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wang et al. | AIPNet: Image-to-image single image dehazing with atmospheric illumination prior | |
| CN107680054B (zh) | 雾霾环境下多源图像融合方法 | |
| US20160154469A1 (en) | Mid-air gesture input method and apparatus | |
| CN106446952B (zh) | 一种乐谱图像识别方法及装置 | |
| US8442267B2 (en) | Apparatus and method for detecting upper body posture and hand posture | |
| CN109544523B (zh) | 基于多属性人脸比对的人脸图像质量评价方法及装置 | |
| CN108537203A (zh) | 一种基于卷积神经网络的手掌关键点定位方法 | |
| CN106548185A (zh) | 一种前景区域确定方法和装置 | |
| CN106203326B (zh) | 一种图像处理方法、装置及移动终端 | |
| CN110298796B (zh) | 基于改进Retinex与对数图像处理的低照度图像增强方法 | |
| WO2019210707A1 (zh) | 一种图像清晰度评测方法、装置及电子设备 | |
| CN112883824A (zh) | 一种用于智能采血的手指静脉特征识别装置及其识别方法 | |
| CN108052918A (zh) | 一种笔迹比对系统及方法 | |
| KR20210110860A (ko) | 인체 측정 데이터 휴대용 획득 장치 및 인체 측정 데이터 수집 방법 | |
| CN112712054B (zh) | 脸部皱纹检测方法 | |
| CN108073916B (zh) | 掌纹信息收集设备 | |
| CN108256528B (zh) | 指掌纹安防系统 | |
| CN108280428B (zh) | 复合型指掌纹验证系统 | |
| CN108154141B (zh) | 利用指静脉的生物参数辨识系统 | |
| Fathy et al. | Benchmarking of pre-processing methods employed in facial image analysis | |
| Liu et al. | Illumination compensation and feedback of illumination feature in face detection | |
| CN108491820B (zh) | 图像中肢体表示信息的识别方法、装置及设备、存储介质 | |
| CN108268851B (zh) | 在线指纹采集方法 | |
| CN109886320B (zh) | 一种人体股骨x光片智能识读方法及系统 | |
| CN107967469B (zh) | 指纹采样方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20211123 Address after: 257000 b607-609, Dongying Software Park, No. 228, Nanyi Road, Dongying District, Dongying City, Shandong Province Applicant after: SHANDONG HUIJIA SOFTWARE TECHNOLOGY Co.,Ltd. Applicant after: Huijia (Jinan) data Technology Co., Ltd Address before: 610000 No. 10, floor 20, building 3, No. 88, Jitai fifth road, high tech Zone, Chengdu, Sichuan Applicant before: SICHUAN ZHENG'ANTONG TECHNOLOGY CO.,LTD. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |