CN109740007A - 一种基于图像特征签名的静脉图像快速检索方法 - Google Patents
一种基于图像特征签名的静脉图像快速检索方法 Download PDFInfo
- Publication number
- CN109740007A CN109740007A CN201811034398.5A CN201811034398A CN109740007A CN 109740007 A CN109740007 A CN 109740007A CN 201811034398 A CN201811034398 A CN 201811034398A CN 109740007 A CN109740007 A CN 109740007A
- Authority
- CN
- China
- Prior art keywords
- image
- signature
- array
- vein
- word
- 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.)
- Granted
Links
- 210000003462 vein Anatomy 0.000 title claims abstract description 26
- 238000000034 method Methods 0.000 title claims abstract description 24
- 239000011159 matrix material Substances 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 235000013399 edible fruits Nutrition 0.000 claims 1
- 238000005516 engineering process Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 210000001367 artery Anatomy 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- VIKNJXKGJWUCNN-XGXHKTLJSA-N norethisterone Chemical compound O=C1CC[C@@H]2[C@H]3CC[C@](C)([C@](CC4)(O)C#C)[C@@H]4[C@@H]3CCC2=C1 VIKNJXKGJWUCNN-XGXHKTLJSA-N 0.000 description 1
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明公开了一种基于图像特征签名的静脉图像快速检索方法，该方法通过分解图像为局部特征集合，对局部特征进行签名编码，利用全文检索引擎，把图片检索转化成文本检索，从而实现静脉图像的快速检索。本发明方法通过对特征向量进行降维，并对图像进行签名，达到缩小检索范围、降低特征的存储空间的目的。同时，借鉴文本检索的方式进行图像检索，有效地提高了检索效率，在亿级规模的图片保持较高精度的同时可达到毫秒级的响应速度，达到了工业可用的程度。
Description
技术领域
本发明涉及静脉特征识别技术领域，尤其涉及一种基于图像特征签名的静脉图像快速检索方法。
背景技术
静脉识别作为一种生物特征识别技术，比指纹、人脸等生物特征识别技术更为精准，其利用掌静脉、指静脉等的分布纹路进行身份识别，主要特点是非接触式的图像采集，安全卫生，在可见光下无法获取，且只有活体才能检测出静脉，无法伪造，具有较强的隐蔽性及防伪能力，手掌静脉血管结构相比人脸和指纹等特征信息更加丰富复杂，安全级别高。目前静脉识别技术已经逐渐应用于安防系统、银行系统、楼宇门禁等。
传统的静脉识别技术考虑到安全性必须保证较高的精度，与之相对的牺牲了一定的识别速度，在应用到大流量的场景等需要应对海量数据存储，高并发、实时响应的系统时，会造成较差的用户体验。基于这一点，如何应对海量图像检索问题成为我们不可避免的问题。
传统的图像检索方案包括基于树结构的方法、基于哈希的方法和基于视觉单词的倒排索引方法等。基于树结构的方法，通常的实现是对待处理数据集在树这种数据结构进行空间的划分，因为检索的时候需要在树上进行子结点的递归回溯，当数据规模较大、空间维度较高时，会出现维度灾难的问题导致检索十分低效。基于哈希的方法，通常的实现是对待处理数据集进行散列化，把数据划分到多个散列表中，通过对待查询数据检索到哈希桶中若干个散列表，从而避免暴力检索全数据集以达到加速的效果，在小规模的数据上有卓越的表现。然而，当面对大规模、高维度的数据时，由哈希带来的精度损失及散列表占用存储空间过大等问题，导致其无法满足大部分工业应用的需求。
发明内容
针对上述的技术背景，为解决上述问题，本发明提出一种基于图像特征签名的静脉图像快速检索方法，通过对特征向量进行降维，并对图像进行签名，从而达到缩小检索范围、降低特征的存储空间的目的。同时，以相似性检索代替精确检索，借鉴文本检索的方式进行图像检索，有效地提高了检索效率，在亿级规模的图片保持较高精度的同时可达到毫秒级的响应速度，达到了工业可用的程度。
实现本发明的技术目的所采用的技术方案如下：
一种基于图像特征签名的静脉图像快速检索方法，包括如下的实施步骤：
步骤(1)：采用连通域检测的方法对需要处理的静脉图像进行局部特征提取，得到静脉图像的关键点区域图像集合，定义为P。
步骤(2)：进一步对提取得到的集合P进行图像特征签名操作，以获得图像特征签名阵列Signature。
具体的，首先将关键点区域图像转换为8位灰度图，并在图像上设置9x9网格点；其次，在每个网格点处，计算以网格点为中心的P*P平方的平均灰度级；最后，将每个网格点与八个邻居网格点的进行平均灰度级比较，得到一个代表比较结果的8元素阵列，将该阵列从左到右、从上到下串联，得到图像特征签名阵列Signature。
步骤(3)：将图像特征签名阵列转换成N行3列的矩阵S，S每行3列从左到右视作3进制数的低三位，把矩阵S的N行3列数转换成10进制的N行1列矩阵，得到由N个32位整数组成的图像特征签名。
步骤(4)：将转化后的图像特征签名视作N个word，结合图像特征签名阵列Signature，作为一条记录插入到Elasticsearch。
步骤(5)：对静脉图像进行快速检索，具体步骤还包括：
(5.1)对待检索图像进行特征签名，得到待检索图像特征签名阵列Signature；
(5.2)对得到的图像特征签名阵列signature进行转换，得到N个word组成的文档；
(5.3)将得到的文档数据用作Elasticsearch模糊检索，检索数据库中根据TF/IDF算法计算包含待检索图像相应word记录的得分，并排序得到候选结果集；
(5.4)在候选结果集中，对Elasticsearch得到的图像特征签名阵列用汉明距离与待检索图像进行比对，通过淘汰距离较远的数据进一步过滤、筛选候选集，最终得到精确的检索结果。
附图说明
图1是本发明技术方案实施流程图；
图2是本发明掌静脉图像示意图；
图3是本发明掌静脉图像局部特征提取示意图；
图4是本发明图像特征签名示意图；
具体实施方式
为了使本发明的目的、技术方案更加清楚明白，以下结合附图及实施例对本发明的技术方案进行详细阐述。
本发明公开了一种基于图像特征签名的静脉图像快速检索方法，通过分解图像为局部特征集合，对局部特征进行签名编码，利用全文检索引擎，把图片检索转化成文本检索，从而实现静脉图像的快速检索。
参照图1所示，以掌静脉图像的快速检索为例，具体实施步骤如下：
步骤(1)：采用连通域检测的方法对需要处理的掌静脉图像进行局部特征提取，得到掌静脉图像的关键点区域图像集合，定义为P。
具体的，掌静脉图像具有复杂的内部网状结构及较弱的局部相关性，在选取掌静脉有效区域时存在较大的随机性。掌静脉可视为由若干个局部关键点组成，局部关键点定义为具有一定连通性的掌静脉交叉点区域，利用OpenCV里的连通域标记算法及边缘检测算法，提取掌静脉局部关键点图像，即获取关键点区域图像集合P。
步骤(2)：进一步对提取得到的关键点区域图像集合P进行图像特征签名操作，以获得图像特征签名阵列Signature。
具体的，图像特征签名操作包括以下步骤：
(2.1)将关键点区域图像转换为8位灰度图，并在图像上设置9x9网格点；
(2.2)在每个网格点处，计算以网格点为中心的P*P平方的平均灰度级；
(2.3)将每个网格点与八个邻居网格点的进行平均灰度级比较，比较的结果是“更暗”，“略暗”，“相同”，“亮”或“更亮”，分别在数字上表示为-2，-1，0，1和2；
(2.4)对图像进行特征签名，其结果对应于网格点的8元素阵列的串联，将该阵列从左到右、从上到下串联，得到长度为9×9×8的图像签名阵列Signature＝[0，-1，1，-2，....1]。
步骤(3)：将图像特征签名阵列转换成N行3列的矩阵S，须裁剪掉大于1及小于-1的值，即将第i行第j列的数值进行变换，公式为：
S每行3列从左到右视作3进制数的低三位，把矩阵S的N行3列数转换成10进制的N行1列矩阵，得到由N个32位整数组成的图像特征签名。
步骤(4)：将上一步转化后的图像特征签名视作N个word，结合图像特征签名阵列Signature，作为一条记录插入到Elasticsearch，该记录定义为X，表达式为：
X＝{Signature，word1，word2，...，wordN}。
步骤(5)：对掌静脉图像进行快速检索，具体步骤包括：
(5.1)对待检索掌静脉图像进行特征签名，得到待检索图像特征签名阵列Signature；
(5.2)对得到的掌静脉图像特征签名阵列signature进行转换，得到N个word组成的文档；
(5.3)将得到的文档数据用作Elasticsearch模糊检索，检索数据库中根据TF/IDF算法计算包含待检索掌静脉图像相应word记录的得分，并排序得到候选结果集；
(5.4)在候选结果集中，对Elasticsearch得到的图像特征签名阵列用汉明距离与待检索图像进行比对，通过淘汰距离较远的数据进一步过滤、筛选候选集，最终得到精确的检索结果。
以上所述是对本发明的较佳实施进行具体说明，并不限于所述的实施例，熟悉本领域的技术人员在不违背本发明精神的前提下所作的等同变形或替换等，均应包含在本发明的保护范围之内。
Claims (3)
1.一种基于图像特征签名的静脉图像快速检索方法，其特征在于：所述的方法包括如下的实施步骤：
(1)采用连通域检测的方法对需要处理的静脉图像进行局部特征提取，得到静脉图像的关键点区域图像集合，定义为P；
(2)进一步对提取得到的集合P进行以下操作，以获得图像特征签名阵列Signature：
(2.1)将关键点区域图像转换为8位灰度图，并在图像上设置9x9网格点；
(2.2)在每个网格点处，计算以网格点为中心的P*P平方的平均灰度级；
(2.3)将每个网格点与八个邻居网格点的进行平均灰度级比较，得到一个代表比较结果的8元素阵列，将该阵列从左到右、从上到下串联，得到图像特征签名阵列Signature；
(3)将图像特征签名阵列转换成N行3列的矩阵S，S每行3列从左到右视作3进制数的低三位，把矩阵S的N行3列数转换成10进制的N行1列矩阵，得到由N个32位整数组成的图像特征签名；
(4)将转化后的图像特征签名视作N个word，结合图像特征签名阵列Signature，作为一条记录插入到Elasticsearch；
(5)对静脉图像进行快速检索，具体包括以下步骤：
(5.1)按照图像特征签名流程对待检索图像进行特征签名，得到待检索图像特征签名阵列Signature；
(5.2)按照图像特征签名转换流程对得到的图像特征签名阵列signature进行转换，得到N个word组成的文档；
(5.3)将得到的文档数据用作Elasticsearch模糊检索，检索数据库中根据TF/IDF算法计算包含待检索图像相应word记录的得分，并排序得到候选结果集；
(5.4)在候选结果集中，对Elasticsearch得到的图像特征签名阵列用汉明距离与待检索图像进行比对，通过淘汰距离较远的数据进一步过滤、筛选候选集，最终得到精确的检索结果。
2.根据权利要求1所述的一种基于图像特征签名的静脉图像快速检索方法，其特征在于：步骤(3)中所述的图像特征签名阵列转换成N行3列的矩阵S，须裁剪掉大于1及小于-1的值，即将第i行第j列的数值进行变换，公式为：
再进行转换得到由N个32位整数组成的图像签名。
3.根据权利要求1所述的一种基于图像特征签名的静脉图像快速检索方法，其特征在于：步骤(4)中所述的将转化后的图像特征签名视作N个word，结合图像特征签名阵列Signature，作为一条记录插入到Elasticsearch，该记录定义为X，表达式为：
X＝{Signature，word1，word2，...，wordN}。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811034398.5A CN109740007B (zh) | 2018-08-27 | 2018-08-27 | 一种基于图像特征签名的静脉图像快速检索方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811034398.5A CN109740007B (zh) | 2018-08-27 | 2018-08-27 | 一种基于图像特征签名的静脉图像快速检索方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109740007A true CN109740007A (zh) | 2019-05-10 |
| CN109740007B CN109740007B (zh) | 2022-03-11 |
Family
ID=66354359
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811034398.5A Active CN109740007B (zh) | 2018-08-27 | 2018-08-27 | 一种基于图像特征签名的静脉图像快速检索方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109740007B (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1641646A (zh) * | 2004-01-15 | 2005-07-20 | 微软公司 | 基于图像文档的索引和检索 |
| US20070211964A1 (en) * | 2006-03-09 | 2007-09-13 | Gad Agam | Image-based indexing and classification in image databases |
| US20090025039A1 (en) * | 2007-07-16 | 2009-01-22 | Michael Bronstein | Method and apparatus for video digest generation |
| CN101859320A (zh) * | 2010-05-13 | 2010-10-13 | 复旦大学 | 一种基于多特征签名的海量图像检索方法 |
| US20100318515A1 (en) * | 2009-06-10 | 2010-12-16 | Zeitera, Llc | Media Fingerprinting and Identification System |
| WO2011126515A1 (en) * | 2010-04-08 | 2011-10-13 | Hrg Healthcare Resource Group Inc. | Authenticating a person's identity using rfid card, biometric signature recognition and facial recognition |
| WO2013114212A2 (en) * | 2012-02-03 | 2013-08-08 | See-Out Pty Ltd. | Notification and privacy management of online photos and videos |
| CN105469096A (zh) * | 2015-11-18 | 2016-04-06 | 南京大学 | 一种基于哈希二值编码的特征袋图像检索方法 |
| CN105793867A (zh) * | 2013-12-20 | 2016-07-20 | 西-奥特有限公司 | 图像搜索方法及设备 |
| CN105893952A (zh) * | 2015-12-03 | 2016-08-24 | 无锡度维智慧城市科技股份有限公司 | 基于pca方法的手写签名识别方法 |
| CN105975939A (zh) * | 2016-05-06 | 2016-09-28 | 百度在线网络技术（北京）有限公司 | 视频检测方法和装置 |
| CN106227851A (zh) * | 2016-07-29 | 2016-12-14 | 汤平 | 基于深度卷积神经网络端对端的通过分层深度搜索的图像检索方法 |
| CN107832739A (zh) * | 2017-11-28 | 2018-03-23 | 广州麦仑信息科技有限公司 | 一种基于orb特征提取的掌静脉识别系统及方法 |
-
2018
- 2018-08-27 CN CN201811034398.5A patent/CN109740007B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1641646A (zh) * | 2004-01-15 | 2005-07-20 | 微软公司 | 基于图像文档的索引和检索 |
| US20070211964A1 (en) * | 2006-03-09 | 2007-09-13 | Gad Agam | Image-based indexing and classification in image databases |
| US20090025039A1 (en) * | 2007-07-16 | 2009-01-22 | Michael Bronstein | Method and apparatus for video digest generation |
| US20100318515A1 (en) * | 2009-06-10 | 2010-12-16 | Zeitera, Llc | Media Fingerprinting and Identification System |
| WO2011126515A1 (en) * | 2010-04-08 | 2011-10-13 | Hrg Healthcare Resource Group Inc. | Authenticating a person's identity using rfid card, biometric signature recognition and facial recognition |
| CN101859320A (zh) * | 2010-05-13 | 2010-10-13 | 复旦大学 | 一种基于多特征签名的海量图像检索方法 |
| WO2013114212A2 (en) * | 2012-02-03 | 2013-08-08 | See-Out Pty Ltd. | Notification and privacy management of online photos and videos |
| CN105793867A (zh) * | 2013-12-20 | 2016-07-20 | 西-奥特有限公司 | 图像搜索方法及设备 |
| CN105469096A (zh) * | 2015-11-18 | 2016-04-06 | 南京大学 | 一种基于哈希二值编码的特征袋图像检索方法 |
| CN105893952A (zh) * | 2015-12-03 | 2016-08-24 | 无锡度维智慧城市科技股份有限公司 | 基于pca方法的手写签名识别方法 |
| CN105975939A (zh) * | 2016-05-06 | 2016-09-28 | 百度在线网络技术（北京）有限公司 | 视频检测方法和装置 |
| CN106227851A (zh) * | 2016-07-29 | 2016-12-14 | 汤平 | 基于深度卷积神经网络端对端的通过分层深度搜索的图像检索方法 |
| CN107832739A (zh) * | 2017-11-28 | 2018-03-23 | 广州麦仑信息科技有限公司 | 一种基于orb特征提取的掌静脉识别系统及方法 |
Non-Patent Citations (2)
| Title |
|---|
| 朱远毅: "基于多特征签名的图像检索技术研究", 《中国优秀硕士学位论文全文数据库 (信息科技辑)》 * |
| 朱远毅等: "一种基于多特征签名的图像检索系统", 《计算机应用与软件》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109740007B (zh) | 2022-03-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Dhomne et al. | Gender recognition through face using deep learning | |
| Manjunatha et al. | Explicit bias discovery in visual question answering models | |
| Huang et al. | Object-location-aware hashing for multi-label image retrieval via automatic mask learning | |
| Fang et al. | Camouflage people detection via strong semantic dilation network | |
| Omara et al. | Deep features for efficient multi-biometric recognition with face and ear images | |
| Nguyen-Quoc et al. | A revisit histogram of oriented descriptor for facial color image classification based on fusion of color information | |
| Huo et al. | Unique faces recognition in videos | |
| Kusakunniran et al. | Biometric for cattle identification using muzzle patterns | |
| Yue et al. | Consistency analysis on orientation features for fast and accurate palmprint identification | |
| Sadanand et al. | Impact of zoning on Zernike moments for handwritten MODI character recognition | |
| Alamri et al. | Transformer-encoder detector module: Using context to improve robustness to adversarial attacks on object detection | |
| Bakić et al. | Inria IMEDIA2's participation at ImageCLEF 2012 plant identification task | |
| Lamghari et al. | Template matching for recognition of handwritten Arabic characters using structural characteristics and Freeman code | |
| Nakjai et al. | Thai finger spelling localization and classification under complex background using a YOLO-based deep learning | |
| Zhang et al. | Facial expression analysis across databases | |
| Bouibed et al. | Multiple writer retrieval systems based on language independent dissimilarity learning | |
| CN109740007A (zh) | 一种基于图像特征签名的静脉图像快速检索方法 | |
| Liu et al. | Thermal infrared object tracking via Siamese convolutional neural networks | |
| Liang et al. | Deep hashing with multi-task learning for large-scale instance-level vehicle search | |
| NAWWAR et al. | Improvement of confusion matrix for Hand Vein Recognition Based On Deep-Learning multi-classifier Decisions | |
| Montazer et al. | Extended bag of visual words for face detection | |
| Li et al. | A combined feature representation of deep feature and hand-crafted features for person re-identification | |
| Laghari et al. | Dorsal hand vein identification using transfer learning from AlexNet | |
| Ghosh et al. | Efficient indexing for query by string text retrieval | |
| Yashavanth et al. | Performance analysis of multimodal biometric system using LBP and PCA |
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 | ||
| CB02 | Change of applicant information |
Address after: 510670 17 / F, building 3, Yunsheng Science Park, No. 11, puyuzhong Road, Huangpu District, Guangzhou City, Guangdong Province Applicant after: GUANGZHOU MELUX INFORMATION TECHNOLOGY Co.,Ltd. Address before: 510670 5th floor, building 5, No.8, science Avenue, Science City, Guangzhou high tech Industrial Development Zone, Guangzhou City, Guangdong Province Applicant before: GUANGZHOU MELUX INFORMATION TECHNOLOGY Co.,Ltd. |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| PP01 | Preservation of patent right |
Effective date of registration: 20231120 Granted publication date: 20220311 |
|
| PP01 | Preservation of patent right | ||
| PD01 | Discharge of preservation of patent |
Date of cancellation: 20231219 Granted publication date: 20220311 |
|
| PD01 | Discharge of preservation of patent |