CN110163062A - 掌纹主线提取方法、装置、计算机设备及存储介质 - Google Patents
掌纹主线提取方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN110163062A CN110163062A CN201811385466.2A CN201811385466A CN110163062A CN 110163062 A CN110163062 A CN 110163062A CN 201811385466 A CN201811385466 A CN 201811385466A CN 110163062 A CN110163062 A CN 110163062A
- Authority
- CN
- China
- Prior art keywords
- streakline
- line
- palm
- main line
- ridge alignment
- 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
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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及一种掌纹主线提取方法、装置、计算机设备及存储介质,该方法包括:获取目标掌心图的灰度图;按照垂直梯度检测卷积核对灰度图卷积,得到包括水平趋向纹线的纹线图;根据对角线梯度检测卷积核对灰度图进行卷积,得到包括对角线趋向纹线的纹线图;按照水平梯度检测卷积核对灰度图卷积,得到包括垂直趋向纹线的纹线图;叠加包括水平趋向纹线的纹线图、包括对角线趋向纹线的纹线图和包括垂直趋向纹线的纹线图中的各条纹线,并将叠加后具有重叠的纹线进行合并处理;从叠加合并后的纹线中识别属于平滑曲线的纹线,得到候选掌纹主线;从各候选掌纹主线中筛选出最终的掌纹主线。本申请的方案,提高了所提取的掌纹主线的准确性。
Description
技术领域
本发明涉及计算机技术领域,特别是涉及一种掌纹主线提取方法、装置、计算机设备及存储介质。
背景技术
随着科学技术的飞速发展,各种新兴技术层出不穷。掌纹识别是近些年来新兴的一种生物识别技术。与其他用于识别的生物特征相比,掌纹具有很多独特的优势,因此,掌纹识别技术目前受到广泛关注。
在掌纹识别技术中,掌纹主线的准确提取是非常重要的。然而,传统方法往往是根据通用的线条提取方法,来提取手掌图像中的各线条,并没有考虑到掌纹自身的特征,导致提取的准确性较低。
发明内容
基于此,有必要针对传统方法准确性较低的问题,提供一种掌纹主线提取方法、装置、计算机设备及存储介质。
一种掌纹主线提取方法,所述方法包括:
获取目标掌心图的灰度图;
按照垂直梯度检测卷积核对灰度图卷积,得到包括水平趋向纹线的纹线图;
根据对角线梯度检测卷积核对所述灰度图进行卷积,得到包括对角线趋向纹线的纹线图;
按照水平梯度检测卷积核对灰度图卷积,得到包括垂直趋向纹线的纹线图;
叠加包括水平趋向纹线的纹线图、包括对角线趋向纹线的纹线图和包括垂直趋向纹线的纹线图中的各条纹线,并将叠加后具有重叠的纹线进行合并处理;
从叠加合并后的纹线中识别属于平滑曲线的纹线,得到候选掌纹主线;
从各候选掌纹主线中筛选出最终的掌纹主线。
一种掌纹主线提取装置,其特征在于,所述装置包括:
获取模块,用于获取目标掌心图的灰度图;
卷积模块,用于按照垂直梯度检测卷积核对灰度图卷积,得到包括水平趋向纹线的纹线图;根据对角线梯度检测卷积核对所述灰度图进行卷积,得到包括对角线趋向纹线的纹线图;按照水平梯度检测卷积核对灰度图卷积,得到包括垂直趋向纹线的纹线图;
合并模块,用于叠加包括水平趋向纹线的纹线图、包括对角线趋向纹线的纹线图和包括垂直趋向纹线的纹线图中的各条纹线,并将叠加后具有重叠的纹线进行合并处理;
主线提取模块,用于从叠加合并后的纹线中识别属于平滑曲线的纹线,得到候选掌纹主线;从各候选掌纹主线中筛选出最终的掌纹主线。
一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如下步骤:
获取目标掌心图的灰度图;
按照垂直梯度检测卷积核对灰度图卷积,得到包括水平趋向纹线的纹线图;
根据对角线梯度检测卷积核对所述灰度图进行卷积,得到包括对角线趋向纹线的纹线图;
按照水平梯度检测卷积核对灰度图卷积,得到包括垂直趋向纹线的纹线图;
叠加包括水平趋向纹线的纹线图、包括对角线趋向纹线的纹线图和包括垂直趋向纹线的纹线图中的各条纹线,并将叠加后具有重叠的纹线进行合并处理;
从叠加合并后的纹线中识别属于平滑曲线的纹线,得到候选掌纹主线;
从各候选掌纹主线中筛选出最终的掌纹主线。
一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如下步骤:
获取目标掌心图的灰度图;
按照垂直梯度检测卷积核对灰度图卷积,得到包括水平趋向纹线的纹线图;
根据对角线梯度检测卷积核对所述灰度图进行卷积,得到包括对角线趋向纹线的纹线图;
按照水平梯度检测卷积核对灰度图卷积,得到包括垂直趋向纹线的纹线图;
叠加包括水平趋向纹线的纹线图、包括对角线趋向纹线的纹线图和包括垂直趋向纹线的纹线图中的各条纹线,并将叠加后具有重叠的纹线进行合并处理;
从叠加合并后的纹线中识别属于平滑曲线的纹线,得到候选掌纹主线;
从各候选掌纹主线中筛选出最终的掌纹主线。
上述掌纹主线提取方法、装置、计算机设备及存储介质,按照垂直梯度检测卷积核对目标掌心图的灰度图进行卷积,能够提取灰度图中在垂直方向上存在灰度值梯度差异的纹线;按照对角线梯度检测卷积核进行卷积,能够提取灰度图中在近似对角线倾斜方向上存在灰度值梯度差异的纹线;按照水平梯度检测卷积核进行卷积,能够提取灰度图中在水平方向上存在灰度值梯度差异的纹线。通常,三大掌纹主线的走向分别接近水平方向、对角线方向和垂直方向,每条掌纹主线的颜色都比周围邻近的区域颜色要暗,属于局部暗区域,那么,在灰度图中,接近水平方向的掌纹主线上的像素点在垂直方向两侧的灰度值存在梯度差异,接近对角线方向的掌纹主线上的像素点在对角线方向两侧的灰度值存在梯度差异,接近垂直方向的掌纹主线上的像素点在水平方向两侧的灰度值存在梯度差异,所以,卷积得到的包括水平趋向纹线的纹线图中能够包括较完整的接近水平方向的那条掌纹主线、包括对角线趋向纹线的纹线图中就能够包括较完整的接近对角线方向的那条掌纹主线、以及包括垂直趋向纹线的纹线图中能够包括较完整的接近垂直方向的那条掌纹主线。进而,将各个纹线图叠加及合并所得到的纹线中就包括较完整的三条掌纹主线,进一步地基于掌纹主线的平滑性特点,剔除噪声,得到属于平滑曲线的候选掌纹主线,并从中筛选出最终的掌纹主线。上述方案基于掌纹主线的方向、属于局部暗区域以及具有平滑性等多方面特征,来提取掌纹主线,提高了所提取的掌纹主线的准确性。
附图说明
图1为一个实施例中掌纹主线提取方法的应用场景图;
图2为一个实施例中掌纹主线提取方法的流程示意图;
图3为一个实施例中卷积提取纹线的原理示意图;
图4为一个实施例中获得候选掌纹主线的原理示意图;
图5A为一个实施例中选取最终的掌纹主线的示意图;
图5B为一个实施例中传统方法提取掌纹主线的过程及效果示意图;
图6A为一个实施例中确定目标掌心图的灰度图的原理示意图;
图6B为一个实施例中灰度图增强前和增强后的纹线提取效果的对比图;
图7为一个实施例中为检测具有连续性的纹线的原理示意图;
图8A至图8B为一个实施例中二值化处理过程的原理示意图;
图8C为一个实施例中以传统方法的固定的二值化阈值进行二值化处理的效果图;
图9为一个实施例中掌纹主线提取方法的原理简化示意图;
图10A至图10F为一个实施例中掌纹主线提取效果的示意图;
图11为一个实施例中掌纹主线提取的界面示意图;
图12为一个实施例中掌纹匹配示意图;
图13为一个实施例中掌纹主线提取装置的结构框图;
图14为另一个实施例中掌纹主线提取装置的结构框图;
图15为一个实施例中计算机设备的内部结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
图1为一个实施例中掌纹主线提取方法的应用场景图。参照图1,该应用场景中包括通过网络连接的终端110和服务器120。终端110可以是智能电视机、台式计算机或移动终端,移动终端可以包括手机、平板电脑、笔记本电脑、个人数字助理和穿戴式设备等中的至少一种。服务器120可以用独立的服务器或者是多个物理服务器组成的服务器集群来实现。需要说明的是,本申请各实施例中的“第一”和“第二”仅用作区分,而并不用于大小、先后、从属等方面的限定。可以理解,终端110具有图像采集功能。
用户可以通过终端110采集目标手掌图,终端110可以将采集的目标手掌图上传至服务器120,服务器120可以从目标手掌图中提取目标手掌的掌心区域,得到目标掌心图。可以理解,用户也可以直接按照终端110上显示的采集指示信息,将手掌放置于掌心采集指定位置,这样终端110就可以直接采集目标掌心图并上传至服务器120。这里对服务器120获得目标掌心图的具体方式不做限定。
服务器120可以获取目标掌心图的灰度图;按照垂直梯度检测卷积核对灰度图卷积,得到包括水平趋向纹线的纹线图;根据对角线梯度检测卷积核对所述灰度图进行卷积,得到包括对角线趋向纹线的纹线图;按照水平梯度检测卷积核对灰度图卷积,得到包括垂直趋向纹线的纹线图;叠加包括水平趋向纹线的纹线图、包括对角线趋向纹线的纹线图和包括垂直趋向纹线的纹线图中的各条纹线,并将叠加后具有重叠的纹线进行合并处理;从叠加合并后的纹线中识别属于平滑曲线的纹线,得到候选掌纹主线;从各候选掌纹主线中筛选出最终的掌纹主线。进一步地,服务器120可以将筛选出的掌纹主线返回至终端110进行显示。
可以理解,在其他实施例中,终端110自身也可以掌纹主线提取功能,由终端110自身执行本申请各实施例中的掌纹主线提取方法。
图2为一个实施例中掌纹主线提取方法的流程示意图。本实施例主要以该掌纹主线提取方法应用于计算机设备为例进行举例说明,该计算机设备可以是图1中的服务器110。参照图2,该方法具体包括如下步骤:
S202,获取目标掌心图的灰度图。
其中,目标掌心图,是包括目标手掌的掌心区域的图像。掌心区域,是指手掌内侧不包含手指的区域。灰度图,是用灰度表示的图像。
具体地,计算机设备可以直接获取已经存在的目标掌心图的灰度图。计算机设备也可以对目标掌心图进行灰度化处理,得到相应灰度图。
可以理解,计算机设备可以直接获取目标掌心图。计算机设备也可以获取目标手掌图,从目标手掌图中提取掌心区域,得到目标掌心图。
S204,按照垂直梯度检测卷积核对灰度图卷积,得到包括水平趋向纹线的纹线图。
可以理解,在图像处理时,给定输入图像,在输出图像中每一个像素是输入图像的一个小区域中像素的加权平均,其中权值由一个函数定义,这个函数称为卷积核。卷积核,相当于滤波器,用于提取图像特征。
其中,垂直梯度检测卷积核,用于检测在垂直方向两侧的灰度存在梯度差异的像素点。纹线,即手掌纹线。水平趋向纹线,是指走向趋近于水平方向的手掌纹线。纹线图,是经过卷积处理得到的包括手掌纹线的图像。
可以理解,由于掌纹的三条主线的走向,分别趋近于水平方向、对角线方向和垂直方向,因此,计算机设备中预先设置了与趋近于水平方向的主线对应的垂直梯度检测卷积核、与趋近于对角线方向的主线对应的对角线梯度检测卷积核、以及与趋近于垂直方向的主线对应的水平梯度检测卷积核。
其中,掌纹主线,是掌心中局部最暗、凹陷最深的几条纹线。水平梯度检测卷积核,用于检测在水平方向两侧的灰度存在梯度差异的像素点。对角线梯度检测卷积核,用于检测在对角线方向两侧的灰度存在梯度差异的像素点。
可以理解,左手掌心和右手掌心中的掌纹主线所趋近的对角线方向不同。所以,针对左手和右手的掌纹主线设置的对角线梯度检测卷积核不同,在检测左手的掌纹主线时,使用针对左手设置的对角线梯度检测卷积核,在检测右手的掌纹主线时,使用针对右手设置的对角线梯度检测卷积核。
在一个实施例,水平梯度检测卷积核、垂直梯度检测卷积核、针对左手设置的对角线梯度检测卷积核和针对右手设置的对角线梯度检测卷积核依次为:
具体地,计算机设备可以按照垂直梯度检测卷积核对灰度图进行卷积,以提取在垂直方向两侧的灰度存在梯度差异的像素点,即提取的像素点在垂直方向的两侧的灰度值存在差异。可以理解,掌心中各条纹线都比周边非纹线部分的颜色要深,即灰度值要大,因此,趋近于水平方向的纹线上的像素点,其在垂直方向两侧的灰度值就会存在差异,即发生梯度变化,所以就可以被垂直梯度检测卷积核在卷积处理的过程中提取出来,所提取出来的一个个在垂直方向两侧的灰度值存在梯度差异的像素点构成的纹线的走向,就趋近于水平方向,即提取出的像素点构成水平趋向纹线。
可以理解,纹线的走向越趋近于水平方向,纹线上的像素点在垂直方向两侧的灰度值存在的梯度差异越明显,就越容易被垂直梯度检测卷积核提取,反之,纹线的走向越偏离水平方向,纹线上的像素点在垂直方向两侧的灰度值存在的梯度差异越不明显,就越不容易被垂直梯度检测卷积核提取。而,每条掌纹主线的颜色都比周围邻近的区域颜色要暗,属于局部暗区域,所以,趋近于水平方向的掌纹主线上的像素点在垂直方向两侧的灰度值存在很明显的梯度差异,因而能够较完整地被垂直梯度检测卷积核提取出来。即,包括水平趋向纹线的纹线图中能够包括较完整的趋近于水平方向的那条掌纹主线。
S206,根据对角线梯度检测卷积核对灰度图进行卷积,得到包括对角线趋向纹线的纹线图。
其中,对角线趋向纹线,是指走向趋近于对角线方向的手掌纹线。对角线方向,是位于水平方向和垂直方向之间的倾斜方向。可以理解,左手掌心和右手掌心中的掌纹主线所趋近的对角线方向不同。在一个实施例中,当目标掌心图对应左手掌心时,对角线方向可以为45度,当目标掌心图对应右手掌心时,对角线方向可以为135度。
对角线梯度检测卷积核,用于检测在对角线方向两侧的灰度存在梯度差异的像素点。
具体地,计算机设备可以按照对角线梯度检测卷积核对灰度图进行卷积,以提取在对角线方向两侧的灰度存在梯度差异的像素点,即提取的像素点在对角线方向的两侧的灰度值存在差异。可以理解,掌心中各条纹线都比周边非纹线部分的颜色要深,即灰度值要大,因此,趋近于对角线方向的纹线上的像素点,其在对角线方向两侧的灰度值就会存在差异,即发生梯度变化,所以就可以被对角线梯度检测卷积核在卷积处理的过程中提取出来。因而,提取出来的一个个在对角线方向两侧的灰度值存在梯度差异的像素点构成的纹线的走向,就趋近于对角线方向,即提取出的像素点构成对角线趋向纹线。
同样地,纹线的走向越趋近于对角线方向,纹线上的像素点在对角线方向两侧的灰度值存在的梯度差异越明显,就越容易被对角线梯度检测卷积核提取,反之,纹线的走向越偏离对角线方向,纹线上的像素点在对角线方向两侧的灰度值存在的梯度差异越不明显,就越不容易被对角线梯度检测卷积核提取。而,每条掌纹主线的颜色都比周围邻近的区域颜色要暗,属于局部暗区域,所以,趋近于对角线方向的掌纹主线上的像素点在对角线方向两侧的灰度值存在很明显的梯度差异,因而能够较完整地被对角线梯度检测卷积核提取出来。即,包括对角线趋向纹线的纹线图中能够包括较完整的趋近于对角线方向的那条掌纹主线。
S208,按照水平梯度检测卷积核对灰度图卷积,得到包括垂直趋向纹线的纹线图。
其中,垂直趋向纹线,是指走向趋近于垂直方向的手掌纹线。水平梯度检测卷积核,用于检测在水平方向两侧的灰度存在梯度差异的像素点。
具体地,计算机设备可以按照水平梯度检测卷积核对灰度图进行卷积,以提取在水平方向两侧的灰度存在梯度差异的像素点,即提取的像素点在水平方向的两侧的灰度值存在差异。可以理解,掌心中各条纹线都比周边非纹线部分的颜色要深,即灰度值要大,因此,走向趋近于垂直方向的纹线上的像素点,其在水平方向两侧的灰度值就会存在差异,即发生梯度变化,所以就可以被水平梯度检测卷积核在卷积处理的过程中提取出来。因而,提取出来的一个个在水平方向两侧的灰度值存在梯度差异的像素点构成的纹线的走向,就趋近于垂直方向,即提取出的像素点构成垂直趋向纹线。
同样地,纹线的走向越趋近于垂直方向,纹线上的像素点在水平方向两侧的灰度值存在的梯度差异越明显,就越容易被水平梯度检测卷积核提取,反之,纹线的走向越偏离垂直方向,纹线上的像素点在水平方向两侧的灰度值存在的梯度差异越不明显,就越不容易被水平梯度检测卷积核提取。而,每条掌纹主线的颜色都比周围邻近的区域颜色要暗,属于局部暗区域,所以,趋近于垂直方向的掌纹主线上的像素点在水平方向两侧的灰度值存在很明显的梯度差异,因而能够较完整地被水平梯度检测卷积核提取出来。即,包括垂直趋向纹线的纹线图中能够包括较完整的趋近于垂直方向的那条掌纹主线。
S210,叠加包括水平趋向纹线的纹线图、包括对角线趋向纹线的纹线图和包括垂直趋向纹线的纹线图中的各条纹线,并将叠加后具有重叠的纹线进行合并处理。
具体地,计算机设备可以将包括水平趋向纹线的纹线图、包括对角线趋向纹线的纹线图和包括垂直趋向纹线的纹线图中的各条纹线进行叠加,这样一来,叠加后得到的手掌纹线中就包括比较完整的各条掌纹主线。可以理解,不同的纹线图中,可能对同一条纹线都进行了提取,所以,将纹线图进行叠加后,可能存在具有重叠的纹线,计算机设备可以将具有重叠的纹线进行合并处理,将其合并为一条纹线。
在一个实施例中,计算机设备可以确定具有重叠的纹线之间所重叠的像素个数,当重叠的像素个数大于或等于预设数量阈值时,则将具有重叠的纹线进行合并处理,合并为一条。当重叠的像素个数小于预设数量阈值时,说明可能是由于卷积提取的偏差导致的少量重叠,则也可以不将重叠的纹线进行合并,使其作为独立的、分开的两条纹线。
为了便于理解,现结合图3进行举例说明。图3为一个实施例中卷积提取纹线的原理示意图。参照图3,302为目标掌心图的灰度图。将灰度图302按照垂直梯度检测卷积核进行卷积,得到的包括水平趋向纹线的纹线图304a,将灰度图302按照水平梯度检测卷积核进行卷积,得到的包括垂直趋向纹线的纹线图304b,将灰度图302按照对角线梯度检测卷积核进行卷积,得到的包括对角线趋向纹线的纹线图304c。从302中可知该目标掌心图为左手手掌,因此,按照与左手手掌对应的对角线梯度检测卷积核进行卷积后,得到的是趋近于45度对角线方向的纹线图304c。
计算机设备可以将纹线图304a~304c中的纹线进行叠加,得到图像306。参见图3可知,304a~304c中的纹线仅属于部分手掌纹线,每个纹线图中提取的是走向侧重某一方向的纹线,将纹线图中的纹线进行叠加后得到的图像306中就包括趋近于各个走向的纹线,即得到比较完整的掌纹纹线,其中包括了各条掌纹主线。参见306虚线框的区域可知,叠加后具有重叠的纹线。可以理解,重叠的这部分纹线的走向,既有点接近于水平方向,又有点接近于对角线方向,所以既被垂直梯度检测卷积核提取到纹线图304a中,又被对角线梯度检测卷积核提取到纹线图304c中,所以叠加后会出现重叠,因此,计算机设备可以将重叠的纹线进行合并处理,合并为一条纹线。
S212,从叠加合并后的纹线中识别属于平滑曲线的纹线,得到候选掌纹主线。
其中,平滑曲线,是曲率平滑变化的曲线,即曲率变化在预设范围内的曲线。候选掌纹主线,是待选为掌纹主线的纹线。
在一个实施例中,步骤S212包括:以叠加合并后的每条纹线为搜索纹线,遍历搜索纹线,当发现搜索纹线中的分叉节点时,确定与分叉节点相对应的分支纹线;当分叉节点在搜索纹线上和在分支纹线上的曲率之间平滑变化,判定分支纹线与搜索纹线位于同一条属于平滑曲线的纹线上;当分叉节点在搜索纹线上和在分支纹线的曲率之间变化不平滑,判定分支纹线为不同于搜索纹线的平滑曲线;将所确定的属于平滑曲线的纹线,作为候选掌纹主线。
其中,搜索纹线,是沿着进行遍历搜索分叉节点的纹线。即沿着搜索纹线进行遍历搜索,以搜索出分叉节点。分支纹线,是由分叉节点引出的纹线。
曲率,用于表示曲线偏离直线的程度。分叉节点在搜索纹线上的曲率,用于表示针对搜索纹线上分叉节点的切线方向角对弧长的转动率。分叉节点在分支纹线上的曲率,用于表示针对分支纹线上分叉节点的切线方向角对弧长的转动率。可以理解,分叉节点在搜索纹线和在分支纹线上的曲率不同。
可以理解,叠加合并后的各个纹线中可能存在交点,掌纹主线本身也与其他纹线存在交点。所以,需要将掌纹主线与其余的纹线区分开来,以避免被其余的纹线干扰,而影响到掌纹主线的正确选取。
可以理解,掌纹主线是比较长的纹线,而且掌纹主线上有一些分叉节点,分叉节点所对应的分支纹线中,就会存在一条原本就属于掌纹主线的分支纹线。考虑到掌纹主线本身具有曲率平滑变化的特征,所以,若分叉节点在分支纹线上的曲率,与在掌纹主线上的曲率之间平滑变化,则说明该分支纹线原本就属于掌纹主线的一部分,那些不平滑变化的分支纹线,就属于与掌纹主线有交点的其余纹线,而不属于掌纹主线的一部分。
因此,基于掌纹主线具有曲率平滑变化的特征,计算机设备可以以叠加合并后的每条纹线为搜索纹线,遍历所述搜索纹线,当发现所述搜索纹线中的分叉节点时,确定与所述分叉节点相对应的分支纹线;当分叉节点在搜索纹线上的曲率和在所述分支纹线上的曲率之间平滑变化,判定分支纹线与搜索纹线位于同一条属于平滑曲线的纹线上,当分叉节点在搜索纹线上和在所述分支纹线上的曲率之间变化不平滑时,判定分支纹线为不同于搜索纹线的平滑曲线,以此使得掌纹主线能够作为一条完整的平滑曲线,不被其余的存在交点的纹线干扰到。可以理解,其余的分支纹线自身可以单独作为一条平滑曲线,以避免与掌纹主线混为一条纹线。
计算机设备可以将所确定的属于平滑曲线的纹线,作为候选掌纹主线。可以理解,按照上述方法所确定出的属于平滑曲线的纹线中,必然包括真正意义上的掌纹主线,计算机设备可以将确定出的属于平滑曲线的纹线,作为候选掌纹主线,以从中筛选出最终的掌纹主线。
在一个实施例中,该方法还包括:确定所述分叉节点在搜索纹线上的第一斜率;分别确定所述分叉节点在各所述分支纹线上的第二斜率;当所述第一斜率和第二斜率之间满足预设接近条件时,判定所述分叉节点在搜索纹线上和在所述第二斜率对应的分支纹线的曲率之间平滑变化;当所述第一斜率和第二斜率之间不满足预设接近条件时,判定分叉节点在搜索纹线上和在所述第二斜率对应的分支纹线的曲率之间变化不平滑。
其中,预设接近条件,是预先设置的斜率之间较为接近条件。可以理解,第一斜率和第二斜率之间越接近,说明搜索纹线由分叉节点过渡到分支纹线越平缓,那么,分叉节点在搜索纹线和分支纹线上的曲率变化越平滑。因此,当第一斜率和第二斜率之间满足预设接近条件时,说明第一斜率和第二斜率比较接近,那么,可以判定分叉节点在搜索纹线上和在所述第二斜率对应的分支纹线的曲率之间平滑变化。当第一斜率和第二斜率之间不满足预设接近条件时,判定分叉节点在搜索纹线上和在所述第二斜率对应的分支纹线的曲率之间变化不平滑。
可以理解,预设接近条件,可以是对第一斜率和第二斜率进行直接约束的条件。在一个实施例中,预设接近条件,可以包括第一斜率和第二斜率这两个数值之间满足线性或非线性的接近约束条件。比如,第一斜率和第二斜率之间的差值小于预设差值阈值,或者第一斜率和第二斜率之间的比值小于预设比值阈值等。预设接近条件,也可以是对第一斜率和第二斜率进行间接约束的条件。
在一个实施例中,确定所述分叉节点在搜索纹线上的第一斜率包括:获取从分叉节点起沿着所述搜索纹线回溯预设步长得到的第二回溯点;根据所述分叉节点和所述第二回溯点确定第一斜率。所述分别确定所述分叉节点在各所述分支纹线上的第二斜率包括:针对每条分支纹线,获取从分叉节点起沿着所述分支纹线前进预设步长得到的前进点;根据所述分叉节点和所述前进点确定所述分支纹线的第二斜率。
其中,回溯,是指往回搜索。
具体地,计算机设备可以从分叉节点起在搜索纹线上回溯预设步长,得到相应第二回溯节点,根据所述分叉节点和第二回溯节点,确定所述分叉节点在搜索纹线上的第一斜率。计算机设备可以从分叉节点起在各分支纹线上前进预设步长,得到相应前进节点,基于分叉节点和各分支纹线上的前进节点,确定分叉节点在各分支纹线上的第二斜率。可以理解,回溯的预设步长和前进的预设步长可以相同也可以不同,对此不做限定。
在一个实施例中,预设接近条件包括:过所述分叉节点且满足所述第一斜率的第一直线与过所述分叉节点且满足所述第二斜率的第二直线之间的第二夹角小于或等于第二预设角度阈值;其中,所述第二夹角,是根据第一方向和第二方向确定出的所述第一直线和第二直线的夹角;所述第一方向为由所述第二回溯点指向所述分叉节点的方向,所述第二方向为由所述分叉节点指向相应前进点的方向。可以理解,该预设接近条件,是对第一斜率和第二斜率进行间接约束的条件。
为了便于理解,现结合图4对如何获得候选掌纹主线进行解释说明。参见图4中的图(a),402a为搜索纹线,从搜索纹线的左边开始沿着搜索纹线往前搜索,搜索到分叉节点为P,402p和404为对应于分叉节点P的分支纹线。参见图4中的图(b),过分叉节点P且满足P在搜索纹线402上的斜率的线为L1,过分叉节点P且满足P在分支纹线402p上的斜率的线为L2,过分叉节点P且满足P在分支纹线404上的斜率的线为L3。L1与L2之间的第二夹角小于第二预设角度阈值,说明L1的斜率与L2的斜率之间满足预设接近条件,则可以判定P在搜索纹线402和分支纹线402p上的曲率之间平滑变化,分支纹线402p和搜索纹线402位于同一条属于平滑曲线的纹线上。L1与L3之间的第二夹角大于第二预设角度阈值,说明L1的斜率与L3的斜率之间不满足预设接近条件,则可判定P在搜索纹线402和分支纹线404上的曲率之间变化不平滑,分支纹线404为不同于搜索纹线402的独立的平滑曲线。因此,就可以将分支纹线402p和搜索纹线402a所在的属于平滑曲线的纹线402,以及分支纹线404作为候选掌纹主线。可以理解,为了简洁,图(b)中省略了对搜索纹线402、分支纹线402p以及分支纹线404的标注。
S214,从各候选掌纹主线中筛选出最终的掌纹主线。
具体地,计算机设备可以从候选掌纹主线中,分别选取在垂直方向、水平方向和对角线方向最长的纹线,作为最终的掌纹主线。
在一个实施例中,步骤S214包括:分别对各候选掌纹主线做垂直方向和水平方向上的投影,得到水平投影图像和垂直投影图像;将水平投影图像中同一行的像素值进行累加,并将累加像素值最大的一行投影所对应的候选掌纹主线,判定为水平走向掌纹主线;将垂直投影图像中同一列的像素值进行累加,将累加像素值最大的一列投影所对应的候选掌纹主线,判定为垂直走向掌纹主线;从位于水平走向掌纹主线和垂直走向掌纹主线之间的候选掌纹主线中,定位出对角线走向掌纹主线。
具体地,计算机设备可以对各候选掌纹主线做垂直方向上的投影,将各候选掌纹主线投影到水平面上,得到水平投影图像,计算机设备可以对各候选掌纹主线做水平方向上的投影,将各候选掌纹主线投影到垂直面上,得到垂直投影图像。计算机设备可以将水平投影图像中同一行的像素值进行累加,并将累加像素值最大的一行投影所对应的候选掌纹主线,判定为水平走向掌纹主线;将垂直投影图像中同一列的像素值进行累加,将累加像素值最大的一列投影所对应的候选掌纹主线,判定为垂直走向掌纹主线。
可以理解,由于对角线走向掌纹主线,位于水平走向掌纹主线和垂直走向掌纹主线之间,所以,可以从位于水平走向掌纹主线和垂直走向掌纹主线之间的候选掌纹主线中,定位出对角线走向掌纹主线。当位于水平走向掌纹主线和垂直走向掌纹主线之间的候选掌纹主线仅有一条时,则将该候选掌纹主线判定为对角线走向掌纹主线,当有多条时,则可以比较位于水平走向掌纹主线和垂直走向掌纹主线之间的各条候选掌纹主线的长度,选取长度最长的候选掌纹主线判定作为对角线走向掌纹主线。
图5A为一个实施例中选取最终的掌纹主线的示意图。参照图5A,(a)为目标掌心图,(b)为纹线图中纹线叠加合并后得到的图像,可以理解,纹线图是由对目标掌心图的灰度图进行卷积得到的。图(b)里面有很多交叉的纹线,叠加合并后的纹线相互之间并没有区分开,不清楚哪些纹线是一条单独的纹线。(c)则是对(b)中的纹线进行了区分处理(具体处理步骤,即根据分叉节点在搜索纹线和分支纹线上的曲率变化是否平滑来进行区分判断的),确定出一条条单独的属于平滑曲线的候选掌纹主线。(d)即为从候选掌纹主线中提取出的最终的掌纹主线。
为了体现本申请各实施例中所提供的掌纹主线提取方法在处理过程和效果方面与传统方法所存在的差异,现通过图5B列举传统方法提取掌纹主线的过程及效果。参照图5B中的图(1),矩形区域为一条暗线纹理,圆形模板与暗线纹理有图5B中的图(1)所示的6种位置关系,其中,纹理外的模板的USAN(univalue segment assimilating nucleus,吸收核同值区,即指圆形模板中与圆形模板中心像素点具有相似灰度值的像素数目)值最大(即圆2);圆心处于纹理内的模板,其对应的USAN为局部较小值(即圆3);处于纹理角点边缘的模板,其对应的USAN为局部极小值(即圆1)。通过移动圆形模板,利用圆形模板中与圆心灰度相似的区域的面积USAN来判断圆心点是否属于纹线,即得到图5B中的图(2)所示的USAN面积的三维图,从该三维图中可知线宽为3个像素,通过移动圆形模板,可以找到每个点的USAN面积,该三维图中可以看到掌纹主线比较突出,因而可以确定出掌纹主线。图5B的图(3)中的(a)为掌心图的灰度图,(b)~(g)即为分别以不同的模板半径提取的纹线图。图5B的图(4)中的(a)为另一个掌心图的灰度图,按照上述传统方法依次经过图5B的图(4)中的(b)~(d)的处理,得到图(d)中的最终的掌纹主线。比对图5B的图(4)中的(d)中提取的掌纹主线和按照本申请方案提取出的图5A的图(d)的掌纹主线,不难发现,有一条掌纹主线基本没成形,因为图5B的这一传统方法没有考虑到掌纹的方向信息,所以导致所提取的掌纹主线不够准确。
上述掌纹主线提取方法,按照垂直梯度检测卷积核对目标掌心图的灰度图进行卷积,能够提取灰度图中在垂直方向上存在灰度值梯度差异的纹线;按照对角线梯度检测卷积核进行卷积,能够提取灰度图中在近似对角线倾斜方向上存在灰度值梯度差异的纹线;按照水平梯度检测卷积核进行卷积,能够提取灰度图中在水平方向上存在灰度值梯度差异的纹线。而通常,三大掌纹主线的走向分别接近水平方向、对角线方向和垂直方向,每条掌纹主线的颜色都比周围邻近的区域颜色要暗,属于局部暗区域,存在灰度值的梯度差异,所以,卷积得到的包括水平趋向纹线的纹线图中能够包括较完整的接近水平方向的那条掌纹主线、包括对角线趋向纹线的纹线图中就能够包括较完整的接近对角线方向的那条掌纹主线、以及包括垂直趋向纹线的纹线图中能够包括较完整的接近垂直方向的那条掌纹主线。进而,将各个纹线图叠加及合并所得到的纹线中就包括较完整的三条掌纹主线,进一步地基于掌纹主线的平滑性特点,剔除噪声,得到属于平滑曲线的候选掌纹主线,并从中筛选出最终的掌纹主线。上述方案基于掌纹主线的方向、属于局部暗区域以及具有平滑性等多方面特征,来提取掌纹主线,提高了所提取的掌纹主线的准确性。
在一个实施例中,步骤S202包括:获取目标手掌图;从目标手掌图中提取出目标手掌的掌心区域,得到目标掌心图;对目标掌心图进行灰度化处理;将灰度化后的目标掌心图进行纹理增强处理,得到目标掌心图的灰度图。
其中,目标手掌图,是包括目标手掌的图像。可以理解,目标手掌图与目标掌心图相比较而言,除了包括掌心区域还包括手掌的其他部分,比如手指等。灰度化处理,是指将目标掌心图转换为灰度图的处理过程。纹理增强处理,是使灰度化后的目标掌心图的纹理特征更加突出的处理过程。纹理,是指物体上呈现的线形纹路。
在一个实施例中,计算机设备可以识别出目标手掌图中目标手掌的手指,将目标手掌中除去手指的区域确定为掌心区域。计算机设备也可以识别出目标手掌图中目标手掌的指缝,根据指缝的位置,在目标手掌图中定位出掌心区域。
计算机设备可以对目标掌心图进行灰度化处理,并对灰度化处理后的目标掌心图(即灰度化的目标掌心图)进行纹理增强处理,以增强目标掌心图中的手掌纹线的纹理特征,使得手掌纹线更加清晰,得到目标掌心图最终的灰度图。
在一个实施例中,计算机设备可以将灰度化处理后的目标掌心图进行直方图均衡化处理,以增强掌纹主线的纹理特征。在一个实施例中,计算机设备可以对均衡化处理后的目标掌心图进行高斯模糊处理,以去除因均衡化处理形成的噪声。其中,直方图均衡化(Histogram equalization),是图像处理领域中利用图像直方图对对比度进行调整的方法。高斯模糊(Gaussian Blur),是指一个图像与二维高斯分布的概率密度函数做卷积的处理过程。
上述实施例中,将灰度化后的目标掌心图进行纹理增强处理,能够增强目标掌心图的纹理特征,从而使卷积处理过程中的纹线提取更加的准确。
在一个实施例中,从目标手掌图中提取出目标手掌的掌心区域,得到目标掌心图包括:检测目标手掌图中目标手掌的边缘轮廓;根据边缘轮廓,确定目标手掌的指缝关键点;根据各指缝关键点的位置,在目标手掌图中定位出掌心区域;从目标手掌图中提取出掌心区域,得到目标掌心图。
其中,指缝关键点,是目标手掌的指缝中用于定位掌心区域的关键性的点。
在一个实施例中,计算机设备可以对目标手掌图进行手势跟踪或肤色检测处理,以生成相应的手掌掩码图。对手掌掩码图进行边缘轮廓的提取处理,根据从手掌掩码图中提取的边缘轮廓,确定目标手掌图中目标手掌的边缘轮廓。
其中,掩码图(Mask)是一种图像滤镜的模板。手掌掩码图,是将目标手掌图中的目标手掌的区域与背景区域用不同的颜色区分表示,以将目标手掌从背景中抠出来得到的图像。
在一个实施例中,当手掌掩码图中包括其他非手掌区域的掩码区域,则可以去除该非手掌区域的掩码区域,得到只有手掌区域的掩码图。
具体地,计算机设备可以直接对边缘轮廓进行图形分析,确定出指缝关键点。计算机设备也可以使用数学方法(比如,距离比对)确定出边缘轮廓中的指缝关键点。
在一个实施例中,计算机设备可以确定出边缘轮廓上的凹点,根据凹点确定指缝关键点。
可以理解,计算机设备可以对边缘轮廓进行图像检测,确定出边缘轮廓上处于凹陷区域的部分,从凹陷区域的部分中选取凹点最底部的点,作为指缝关键点。计算机设备也可以确定所述边缘轮廓的起点和终点之间的中点;根据所述边缘轮廓上各点到所述中点的距离,识别所述边缘轮廓上的凹点。
在一个实施例中,根据边缘轮廓,确定目标手掌的指缝关键点包括:确定边缘轮廓的起点和终点之间的中点;根据边缘轮廓上各点到中点的距离,识别边缘轮廓上的凹点;对凹点进行聚类,得到凹点团簇;获取每个凹点团簇中距中点的距离最小的凹点,得到指缝关键点。
其中,凹点团簇,是聚为一类的凹点集合。可以理解,对于手掌的边缘轮廓而言,一个凹点团簇即对应一个指缝,那么,凹点团簇中的各个点,即为指缝中的各个点。
在一个实施例中,对凹点进行聚类,得到凹点团簇包括:获取任意两个凹点之间的凹点距离;将该凹点距离与预设的团簇阈值进行比对;当该凹点距离小于或等于团簇阈值时,则判定与该凹点距离相应的两个凹点处于同一凹点团簇。
可以理解,在确定出指缝关键点后,计算机设备可以根据各指缝关键点的位置,在目标手掌图中定位出掌心区域;从目标手掌图中提取出掌心区域,得到目标掌心图。
在一个实施例中,指缝关键点包括拇指与食指指缝中的第一指缝关键点、食指与中指指缝中的第二指缝关键点、中指与无名指指缝中的第三指缝关键点以及无名指与小拇指指缝中的第四指缝关键点。计算机设备可以连接第二指缝关键点和第四指缝关键点作直线,并过第一指缝关键点作该直线的垂线,根据该直线和相应垂线作与掌心区域匹配的矩形,根据该矩形提取出掌心区域,得到目标掌心图。可以理解,提取的掌心区域即为ROI(region of interest)区域,即感兴趣区域。
在一个实施例中,当目标掌心图与水平方向存在夹角时,则确定过第二指缝关键点和第四指缝关键点的直线与水平线的夹角,将目标掌心图按照该夹角进行旋转,使得该直线和垂线分别与水平线和垂直线平行,以将目标掌心图调正,提高后续计算的准确性。
图6A为一个实施例中确定目标掌心图的灰度图的原理示意图。如图6A中的(a)~(c),可以对目标手掌图进行肤色检测,得到原始的手掌掩码图(a),然后截取掉非手掌区域的掩码(如图(b)所示),检测截取掉非手掌区域后剩余的手掌掩码的边缘轮廓(如图(c)所示)。如图6A中的(d)所示,根据边缘轮廓,确定目标手掌图中边缘轮廓的起点S和终点E,取起点S和终点E的中点C,可以根据边缘轮廓上各点到中点C的距离,确定边缘轮廓上的凹点,并对凹点进行聚类,得到凹点团簇。参见(e)中每个指缝中包括多个凹点,即为一个凹点团簇,从每个凹点团簇中选取距中点C的距离最小的凹点,即得到指缝关键点。参见(e),即得到指缝关键点F1~F4。参见图6A中的(f),连接第二指缝关键点F2和第四指缝关键点F4作直线l1,并过第一指缝关键点F1作该直线l1的垂线l2,根据该直线l1和垂线l2作与掌心区域匹配的矩形(比如,宽高比为3:4的矩形),根据该矩形提取出掌心区域,得到目标掌心图。参见图6A中的(f)中,目标掌心图与水平方向存在夹角α,则需要将目标掌心图按照该夹角α进行旋转,使得该直线l1和垂线l2分别与水平线和垂直线平行,以将目标掌心图调正,得到参见图6A中的图(g)。将目标掌心图进行灰度化处理得到图6A中的(h)中所示的灰度图,但是(h)中的灰度图中的纹理比较浅,不明显,所以可以进行纹理增强处理,得到(i)中的目标掌心图的最终的灰度图。
可以理解,由于增强后的灰度图中手掌纹线的纹理特征更加的突出,所以基于增强后的灰度图进行纹线提取的效果,比增强前的灰度图提取的效果要好。图6B为一个实施例中灰度图增强前和增强后的纹线提取效果的对比图。从图6B中的A组和B组可以看出增强后的手掌的纹线提取效果,明显比增强前的纹线提取效果要好,能够提取出更多的纹线,进而能够筛选出更加完整的掌纹主线。
上述实施例中,根据目标手掌的边缘轮廓,确定目标手掌的指缝关键点;根据各指缝关键点的位置,在目标手掌图中定位出掌心区域;从目标手掌图中提取出掌心区域,得到目标掌心图。避免了对目标手掌的实质特征进行复杂的图像识别处理,就能够提取出掌心区域,提高了处理效率。
在一个实施例中,在将包括水平趋向纹线的纹线图、包括对角线趋向纹线的纹线图和包括垂直趋向纹线的纹线图中的各条纹线进行叠加之前,该方法还包括:分别对各纹线图进行二值化处理;将二值化处理后各纹线图中的具有连续性的间断纹线进行连接重建。本实施例中,叠加包括水平趋向纹线的纹线图、包括对角线趋向纹线的纹线图和包括垂直趋向纹线的纹线图中的各条纹线,包括:叠加进行纹线连接重建后的包括水平趋向纹线的纹线图、包括对角线趋向纹线的纹线图和包括垂直趋向纹线的纹线图中的各条纹线。
其中,各纹线图,是指包括水平趋向纹线的纹线图、包括对角线趋向纹线的纹线图以及包括垂直趋向纹线的纹线图这些纹线图。即,对这几种纹线图分别都进行二值化处理。连接重建,是指将具有连续性的间断纹线连接起来,重建为一条纹线。
可以理解,二值化处理可以使得所提取出的各条纹线更加的突出,去除掉一些噪声。但是,在进行二值化处理之后,可能会导致一些原本连续的线由于二值化处理而断开,因此,计算机设备可以确定二值化处理后各纹线图中的具有连续性、但相互之间断开的纹线,将这些具有连续性的间断纹线连接起来,重建为一条连续的纹线。
一个实施例中,计算机设备可以将各个纹线图分割为预设数量的子图,针对每张子图进行二值化处理。可以理解,针对每张子图进行二值化处理,则可以针对每张子图确定二值化阈值,而不需要以整张纹线图确定一个统一的二值化阈值,从而提高了二值化处理的有效性和准确性。
可以理解,计算机设备可以将进行纹线连接重建后的包括水平趋向纹线的纹线图、包括对角线趋向纹线的纹线图和包括垂直趋向纹线的纹线图中的各条纹线进行叠加。
在一个实施例中,该方法还包括:确定二值化处理后的各纹线图中每条纹线的边缘点;从边缘点起沿所处纹线按照预设回溯长度进行回溯,得到第一回溯点;根据边缘点和相应第一回溯点确定搜索斜率;从边缘点起按照搜索斜率搜索预设步长,得到纹线的搜索线;当存在两条相交的搜索线、且两条搜索线之间的第一夹角大于或等于第一预设角度阈值时,判定与两条搜索线相应的两条纹线之间具有连续性。
需要说明的是,搜索线带有搜索方向,搜索线的搜索方向,是由回溯点指向边缘点的方向。第一夹角,即是根据两条相交的搜索线的搜索方向确定的夹角。
在一个实施例中,同一条纹线的搜索线为多个。可以理解,多个即为至少两个。确定二值化处理后的各纹线图中每条纹线的边缘点包括:在二值化处理后的各纹线图中每条纹线上,从纹线的端点起选取预设边缘长度的纹线段;获取位于纹线段中的各个像素点,得到纹线的多个边缘点。当存在两条相交的搜索线、且两条搜索线之间的第一夹角大于或等于第一预设角度阈值时,判定与两条搜索线相应的两条纹线之间具有连续性包括:当同一条纹线所对应的任一搜索线与另一条纹线的搜索线相交、且相交的两条搜索线之间的第一夹角大于或等于第一预设角度阈值时,则判定与相交的两条搜索线相应的两条纹线之间具有连续性。
其中,边缘长度,是预先设置的用于表示在纹线上能够选取边缘点的长度。即,在纹线的端点到预设边缘长度之间的纹线段上的像素点都能够被选取为边缘点,而不局限于仅仅将纹线的端点作为单一的边缘点。可以理解,选取多个边缘点来确定搜索线,只要其中任一搜索线与另一条纹线的搜索线相交、且相交的第一夹角大于或等于第一预设角度阈值时,则可以判定这两条纹线之间具有连续性。相较于根据单一边缘点的搜索线来判断纹线之间的连续性而言,这种通过多个边缘点来确定多条搜索线进行纹线间连续性的判断的方法,提高了准确性。
图7为一个实施例中为检测具有连续性的纹线的原理示意图。参照图7中矩形框702的放大示意图即为图7中的图(a),矩形框704的放大示意图即为图7中的图(b)。参照图7中的图(a),在一条纹线M的边缘,按照预设边缘长度(即edgeLenth)选取多个边缘点SP,假设如图中按照预设边缘长度取3个边缘点,分别为SP1、SP2以及SP3,针对每个边缘点按照预设回溯长度(即approaxLenth)进行回溯,得到相应的回溯点,比如,针对边缘点SP1按照回溯长度进行回溯,得到相应的回溯点EP1,根据SP1和相应EP1确定搜索斜率,按照搜索斜率搜索预设搜索步长(即searchStep)得到搜索线S,同样地,对边缘点SP2和SP3执行同SP1一样的处理,那么,这条纹线M就会对应3条搜索线,图(a)仅作为示意,并未将纹线M对应的所有搜索线都画出来。参照图7中的图(b),当一条纹线M1的任意一条搜索线S1与另一条纹线M2的任意一条搜索线S2相交,且二者之间的第一夹角θ大于预设的第一角度阈值,则判定纹线M1和纹线M2之间具有连续性。
上述实施例中,先通过二值化处理使得所提取出的各条纹线更加的突出,能够去除掉一些噪声。接着,针对由于二值化处理造成的纹线断裂的副作用,通过确定间断纹线之间的连续性,将具有连续性的间断纹线连接重建为一条连续的纹线,从而修正了由二值化造成的副作用,提高了纹线的准确性和完整性。
在一个实施例中,分别对各纹线图进行二值化处理包括:针对每个纹线图,确定纹线图中纹线的走向所趋近的预设方向;取所趋近的预设方向的垂直方向作为搜索方向;沿着搜索方向在纹线图中搜索局部最大灰度值;根据局部最大灰度值确定与纹线图对应的二值化阈值;根据二值化阈值对纹线图进行二值化处理。
其中,预设方向包括水平方向、垂直方向和对角线方向。搜索方向,是指搜索局部最大灰度值的方向。局部最大灰度值,是指沿着搜索方向对纹线图进行局部搜索得到的最大灰度值。
具体地,计算机设备可以确定包括水平趋向纹线的纹线图中纹线的走向趋近于水平方向,确定包括对角线趋向纹线的纹线图中纹线的走向趋近于对角线方向,确定包括垂直趋向纹线的纹线图中纹线的走向趋近于垂直方向。针对包括水平趋向纹线的纹线图,计算机设备可以取水平方向的垂直方向作为搜索方向。针对包括对角线趋向纹线的纹线图,计算机设备可以取对角线方向的垂直方向作为搜索方向。针对包括垂直趋向纹线的纹线图,计算机设备可以取垂直方向的垂直方向作为搜索方向。
计算机设备可以沿着所确定的搜索方向,在纹线图中搜索局部最大灰度值。可以理解,搜索方向,相当于与纹线图中包括的掌纹主线的走向垂直,而掌纹主线比较长,所以沿着与掌纹主线的走向垂直的搜索方向进行搜索,基本上都能搜索到掌纹主线上的像素点的像素值,而掌纹主线上的像素点又最暗,属于局部暗区域,所以,掌纹主线上的像素点的像素值为局部最大灰度值,因而,沿着与掌纹主线的走向垂直的搜索方向进行搜索,能够搜索到局部最大灰度值。
计算机设备可以根据局部最大灰度值确定与纹线图对应的二值化阈值;根据二值化阈值对纹线图进行二值化处理。
在一个实施例中,计算机设备可以将在一张纹线图中搜索到的局部最大灰度值乘以预设比例,得到与纹线图对应的二值化阈值。
在其他实施例中,计算机设备也可以沿着搜索方向在所述纹线图中搜索灰度值,并将一次搜索得到的各个灰度值取中位数,得到二值化阈值。
可以理解,当将每个纹线图分割为子图进行二值化处理时,本申请各实施例中针对每个纹线图进行的二值化处理步骤,可以应用于每张子图。即可以针对每张子图,确定子图中纹线的走向所趋近的预设方向,取所趋近的预设方向的垂直方向作为搜索方向;沿着搜索方向在子图中搜索局部最大灰度值;根据局部最大灰度值确定与子图对应的二值化阈值;根据二值化阈值对子图进行二值化处理。
上述实施例中,针对每个纹线图分别确定相应的二值化阈值,从而实现了二值化阈值的自适应化,相较于传统设置固定的二值化阈值而言,提高了二值化处理的准确性。此外,取纹线图中的纹线所趋近的预设方向的垂直方向作为搜索方向,相当于沿着每张纹线图中包括的掌纹主线的走向的垂直方向进行搜索,而掌纹主线通常最长,所以沿着出搜索方向在纹线图中搜索往往能够搜索到掌纹主线上的像素值,而掌纹主线的颜色在局部区域内最深,因而能够搜索到局部最大灰度值,根据局部最大灰度值确定二值化阈值,考虑到了局部最大灰度值的情况,因而能够使得二值化阈值设置的更加的准确。
图8A至图8B为一个二值化处理的原理示意图。参照图8A,(a)为包括水平趋向纹线的纹线图,(b)为包括垂直趋向纹线的纹线图,(c)为针对左手的目标掌心图进行卷积得到的包括对角线趋向纹线的纹线图,(d)为针对右手的目标掌心图进行卷积得到的包括对角线趋向纹线的纹线图。其中,(a)~(d)每个纹线图都分割为4张子图,(a)中各纹线所趋近的预设方向为水平方向,则可以针对(a)中所分割的每张子图,将水平方向的垂直方向作为搜索方向进行局部最大灰度值搜索。(b)中各纹线所趋近的预设方向为垂直方向,则可以针对(b)中所分割的每张子图,将垂直方向的垂直方向(即水平方向)作为搜索方向进行局部最大灰度值搜索。(c)中各纹线所趋近的预设方向为45度对角线方向,则可以针对(c)中所分割的每张子图,将45度方向的垂直方向作为搜索方向进行局部最大灰度值搜索。(d)中各纹线所趋近的预设方向为135度对角线方向,则可以针对(d)中所分割的每张子图,将135度方向的垂直方向作为搜索方向进行局部最大灰度值搜索。根据搜索的局部最大灰度值确定相应的二值化阈值,进而根据二值化阈值进行二值化处理,将对应于同一纹线图的二值化处理后的子图合并,得到如图8B所示的二值化处理后的图像(e)~(h)。从图(e)~(h)可知,二值化处理后的纹线更加的突出、清晰,噪声有所减少。需要说明的是图8A中的图(d)以及对应的图8B中的(h)仅用于针对右手提取的对角线趋向纹线的纹线图的处理进行示意,针对左手的掌纹主线进行提取处理时,则不会涉及图8A中的图(d)以及对应的图8B中的(h)。
为了体现本申请实施例中实现二值化阈值的自适应效果,现通过图8C列举以传统方法设置固定的二值化阈值进行二值化处理的效果图。参见图8C,传统方法设置固定的统一的二值化阈值往往会出现阈值设置过小或过大的情况,都无法准确地进行二值化处理。图8C中图(a)和(b)的二值化效果,明显比图8B中按照本实施例的自适应确定二值化阈值进行二值化处理的效果差。
此外,图8B中还给出了纹线重建的示意图。参照图8B的图(e)~(h)可知,每张二值化处理后的图像中的纹线相较于图8A中二值化处理前的图像,出现了断裂。所以,可以对同一图像中的间断的、但具有连续性的纹线进行重建。可以理解,将图8B的图(e)~(h)中的各图像进行纹线重建后,分别得到图8B中的图(1)~(4)。需要说明的是,图8B中的(1)~(4)仅用于对纹线重建进行大概示意,因此,图8C的(1)~(4)中也存在并未对所有纹线示出的情况,比如,图8C中的图(1)并未示出所有纹线,只示出了一部分进行连接重建后的纹线,但并不用于限定对纹线连接重建后仅有所示出的纹线。可以理解,针对左手,则可以将图8C中的图(1)~(3)中的纹线进行叠加合并,得到一个包括完整掌纹主线的图像,进而执行从合并后的纹线中提取候选掌纹主线的步骤。需要说明的是图8B中的图(h)以及相应的重建后的纹线图(4)仅用于针对右手提取的对角线趋向纹线的纹线图的处理进行示意,针对左手的掌纹主线进行提取时,则不会出现图8B中图(h)以及图(4)。
图9为一个实施例中掌纹主线提取方法的原理简化示意图。参见图9,对(a)中的目标手掌图进行肤色检测得到(b)中的手掌掩码图,接着如(c)所示,检测手掌掩码图的轮廓,然后如(d)所示,通过检测轮廓凹点,定位指缝。然后,如(e)所示,定位出ROI区域(即目标手掌的掌心区域),得到目标掌心图,并对目标掌心图进行灰度化处理,得到(f)所示的目标掌心图的灰度图,然后将灰度图进行直方图均衡化处理以及高斯平滑处理,得到如(g)所示的增强后的灰度图。再接着对(g)所示增强后的灰度图分别按照垂直梯度检测卷积核进行卷积并进行黑帽处理,得到如(h)所示的包括水平趋向纹线的纹线图、按照水平梯度检测卷积核进行卷积并进行黑帽处理,得到如(i)所示的包括垂直趋向纹线的纹线图、以及按照对角线梯度检测卷积核进行卷积并进行黑帽处理,得到如(j)所示的包括对角线趋向纹线的纹线图。然后分别针对上述每个纹线图进行自适应二值化处理,得到如(k)~(m)的二值化后的纹线图,然后对因二值化处理造成断裂的纹线区域进行连接重建,得到如(k')~(m')所示的连接重建后的纹线图,进而可以对连接重建后的纹线图中的纹线进行叠加、合并处理,并从叠加合并后的纹线中识别属于平滑曲线的纹线,得到候选掌纹主线;从各候选掌纹主线中筛选出最终的掌纹主线。
为了便于理解,现结合一个具体实施例来说明掌纹主线提取方法的详细流程,该掌纹主线提取方法应用于计算机设备,该计算机设备可以是服务器。该详细流程具体包括如下步骤:
(1)获取目标手掌图;检测目标手掌图中目标手掌的边缘轮廓。
在一个实施例中,计算机设备可以对目标手掌图进行手势跟踪或肤色检测处理,以生成相应的手掌掩码图。对手掌掩码图进行边缘轮廓的提取处理,根据从手掌掩码图中提取的边缘轮廓,确定目标手掌图中目标手掌的边缘轮廓。
在一个实施例中,当手掌掩码图中包括其他非手掌区域的掩码区域,则可以去除该非手掌区域的掩码区域,得到只有手掌区域的掩码图。
在一个实施例中,用户可以在终端上安装客户端(APP,application),将目标手掌放在该客户端的预设手掌采集区域,以使该终端采集目标手掌图,终端可以将采集到的目标手掌图发送至服务器,使服务器执行步骤(2)~(16),以识别出掌纹主线。
(2)确定边缘轮廓的起点和终点之间的中点;确定边缘轮廓上各点到中点的距离;根据该距离,识别边缘轮廓上的凹点;获取任意两个凹点之间的凹点距离;将各凹点距离与预设的团簇阈值进行比对;当凹点距离小于或等于团簇阈值时,则判定与该凹点距离相应的两个凹点处于同一指缝团簇;获取每个凹点团簇中距中点的距离最小的凹点,得到指缝关键点。
在一个实施例中,针对边缘轮廓上每个点,分别确定在边缘轮廓上大于该点预设步长的第一邻近点和小于该点预设步长的第二邻近点,当该点到中点的距离比第一邻近点和第二邻近点到中点的距离都小时,则判定该点为凹点。
在一个实施例中,针对边缘轮廓上每个点,当该点到中点的距离满足以下公式时,则判定该点为凹点:
dist(i-stepSize)>dist(i)且dist(i+stepSize)>dist(i);
其中,dist为距离,i为边缘轮廓上的待判断是否为凹点的点,dist(i),为点i到中点的距离;i+stepSize为边缘轮廓上大于该点i预设步长的第一邻近点,dist(i+stepSize)为第一邻近点到中点的距离;i-stepSize为边缘轮廓上小于该点i预设步长的第二邻近点;dist(i-stepSize)为第二邻近点到中点的距离。
(3)根据各个指缝关键点的位置,在目标手掌图中定位出掌心区域;从目标手掌图中提取出掌心区域,得到目标掌心图。
在一个实施例中,指缝关键点包括拇指与食指指缝中的第一指缝关键点、食指与中指指缝中的第二指缝关键点、中指与无名指指缝中的第三指缝关键点以及无名指与小拇指指缝中的第四指缝关键点。计算机设备可以连接第二指缝关键点和第四指缝关键点作第一直线,并过第一指缝关键点作第一直线的垂线,根据第一直线和相应垂线作与掌心区域匹配的矩形,根据该矩形提取出掌心区域,得到目标掌心图。
在一个实施例中,当目标掌心图与水平方向存在夹角时,则确定第一直线与水平线的夹角,将目标掌心图按照该夹角进行旋转,使得第一直线和垂线分别与水平线和垂直线平行,以将目标掌心图调正,提高后续计算的准确性。
(4)对目标掌心图进行灰度化处理;将处理后的目标掌心图进行纹理增强处理,得到目标掌心图的灰度图。
在一个实施例中,计算机设备可以将灰度化处理后的目标掌心图进行直方图均衡化处理,以增强掌纹主线的纹理特征,然后对均衡化处理后的目标掌心图进行高斯模糊处理,以去除因均衡化处理形成的噪声。
(5)按照垂直梯度检测卷积核对灰度图卷积,得到包括水平趋向纹线的纹线图;根据对角线梯度检测卷积核对灰度图进行卷积,得到包括对角线趋向纹线的纹线图;按照水平梯度检测卷积核对灰度图卷积,得到包括垂直趋向纹线的纹线图。
(6)针对每个纹线图,确定纹线图中纹线的走向所趋近的预设方向;取所趋近的预设方向的垂直方向作为搜索方向;沿着搜索方向在纹线图中搜索局部最大灰度值;根据局部最大灰度值确定与纹线图对应的二值化阈值。
(7)根据二值化阈值对纹线图进行二值化处理;在二值化处理后的各纹线图中每条纹线上,从纹线的端点起选取预设边缘长度的纹线段。
在一个实施例中,可以将各个纹线图分割为预设数量的子图,根据二值化阈值对每张子图进行二值化处理。在一个实施例中,预设数量可以为4。
在一个实施例中,在对纹线图进行二值化处理之前,计算机设备还可以放大纹线图中的局部亮区,即亮区膨胀,从而将比较接近的断线融合连接,然后在对纹线图进行收缩处理,通过膨胀和收缩的处理,能够消除一些孤立的点,便于提高后续处理的准确性。
(8)获取位于纹线段中的各个像素点,得到纹线的多个边缘点;从每个边缘点起沿所处纹线按照预设回溯长度进行回溯,得到相应回溯点;根据该边缘点和相应回溯点确定搜索斜率;从该边缘点起按照搜索斜率搜索预设步长,得到纹线的搜索线。
(9)当同一条纹线所对应的任意搜索线与另一条纹线的搜索线相交、且相交的两条搜索线之间的第一夹角大于或等于第一预设角度阈值时,则判定与相交的两条搜索线相应的两条纹线之间具有连续性。
(10)将各纹线图中的具有连续性的间断纹线进行连接重建。
(11)叠加进行纹线连接重建后的包括水平趋向纹线的纹线图、包括对角线趋向纹线的纹线图和包括垂直趋向纹线的纹线图中的各条纹线。
可以理解,当将各纹线图分割为子图进行二值化处理时,则步骤(8)~(10)中即为纹线图则可以替换为子图,即针对每张子图按照步骤(8)~(10)进行处理。并在步骤(11)中,将分割开的子图进行合并,得到合并后的包括水平趋向纹线的纹线图、包括对角线趋向纹线的纹线图和包括垂直趋向纹线的纹线图,然后再叠加各纹线图中的各条纹线。
(12)以叠加合并后的每条纹线为搜索纹线,遍历搜索纹线,当发现搜索纹线中的分叉节点时,确定与分叉节点相对应的分支纹线;获取从分叉节点起沿着所述搜索纹线回溯预设步长得到的第二回溯点;根据所述分叉节点和所述第二回溯点确定第一斜率;针对每条分支纹线,获取从分叉节点起沿着所述分支纹线前进预设步长得到的前进点,并根据所述分叉节点和所述前进点确定所述分支纹线的第二斜率。
(13)当过分叉节点且满足第一斜率的第一直线与过分叉节点且满足第二斜率的第二直线间的第二夹角小于或等于第二预设角度阈值时,判定分叉节点在搜索纹线上和在所述第二斜率对应的分支纹线的曲率间平滑变化,则执行步骤(14);当第二夹角大于第二预设角度阈值时,判定分叉节点在搜索纹线上和在所述第二斜率对应的分支纹线的曲率之间变化不平滑,则执行步骤(15)。
(14)确定该第二斜率所对应的分支纹线与搜索纹线位于同一条属于平滑曲线的纹线上。
(15)确定该第二斜率所对应的分支纹线为不同于搜索纹线的平滑曲线。
(16)将所确定的属于平滑曲线的纹线,作为候选掌纹主线;分别对各候选掌纹主线做垂直方向和水平方向上的投影,得到水平投影图像和垂直投影图像;将水平投影图像中同一行的像素值进行累加,得到像素累计值;将像素累计值最大的一行投影所对应的掌纹主线判定为水平走向掌纹主线;将垂直投影图像中同一列的像素值进行累加;将累加像素值最大的一列投影所对应的掌纹主线判定为垂直走向掌纹主线;从位于水平走向掌纹主线和垂直走向掌纹主线之间的候选掌纹主线中,定位出对角线掌纹主线。
本申请发明人经过实验研究发现按照本申请各实施例中所述的方法所提取的掌纹主线效果图,相较于按照传统的两种方法所提取的掌纹主线效果图,更加的准确、噪声更少。
为了简要说明本申请各实施例中所述的掌纹主线提取方法的提取效果,现以图10A至10F中11组对照图来进行说明。需要说明的是,图10A至10F中的每组图分别对应于不同的用户手掌,同一组图中各图对应于同一用户手掌,每组图中图(1)为目标掌心图,(2)为按照本申请掌纹主线提取方法所提取的最终的掌纹主线的效果图。(3)为按照本申请掌纹主线提取方法所提取的候选掌纹主线的效果图。(4)和(5)分别为按照不同传统方法所提取的掌纹主线的效果图。因此,从每组图中各图的对比可以直观地发现,按照本申请各实施例中所述的方法所提取的掌纹主线相较于传统方法,更加的准确、清晰、噪声更加的少。
在一个实施例中,在筛选出掌纹主线之后,该方法还包括掌纹主线分析步骤,具体包括以下步骤:将筛选出的掌纹主线与预设的各个主线分析模板进行匹配,提取针对所匹配的主线分析模板中各条掌纹主线的分析描述信息,建立所提取的各条分析描述信息与筛选出的掌纹主线之间的对应关系,根据该对应关系,在终端上将各条分析描述信息与用户的掌纹主线进行关联展示。
其中,主线分析模板,是预先设置的包括主线的分析描述信息的掌纹主线模板。即主线分析模板中既包括掌纹主线模板又包括针对各条掌纹主线的分析描述信息。可以理解,主线分析模板为至少一个。分析描述信息,是描述相应掌纹主线的信息。分析描述信息可以是文字和图形等至少一种格式。
可以理解,当计算机设备是终端时,则终端直接可以在界面上将各条分析描述信息与所筛选出的用户的掌纹主线进行关联展示。当计算机设备是服务器时,服务器可以将与筛选出的各条掌纹主线对应的分析描述信息返回至终端,以指示终端在界面上将各条分析描述信息与所筛选出的用户的掌纹主线进行关联展示。可以理解,这里对分析描述信息的具体内容不做限定,对关联展示的方式也不做限定。
为了便于理解,现结合图11对掌纹主线分析步骤进行解释说明。图11为一个实施例中掌纹主线提取的界面示意图。如图11的(a)所示,用户可以将目标手掌放在该终端上的预设手掌采集区域,以使该终端采集目标手掌图,终端可以将采集到的目标手掌图发送至服务器,由服务器对目标手掌图中的掌纹主线进行识别,终端则可以显示如图11的(b)所示的识别界面。服务器识别出掌纹主线并对掌纹主线进行分析之后,可以将分析得到的与筛选出的各条掌纹主线对应的分析描述信息返回至终端,如图11的(c)所示,终端则在界面上将各条分析描述信息与所筛选出的用户的掌纹主线进行关联展示。图11的(C)中的矩形悬浮框中输出的即为与掌纹主线相应的分析描述信息。比如,图11的(C)中与趋近垂直走向的那条掌纹主线对应的分析描述信息为:健康以及三个竖条表示的三颗星指数。与趋近水平走向的那条掌纹主线对应的分析描述信息为:情感以及五个竖条表示的五颗星指数。与趋近对角线走向的那条掌纹主线对应的分析描述信息为:事业以及三个竖条表示的三颗星指数。需要说明的是,图11仅用于示意,并不做其他限定,比如,图11的(C)中的悬浮框可以具有一定程度的透明效果。
在一个实施例中,在筛选出掌纹主线之后,计算机设备还可以根据筛选出的掌纹主线建立一个主线地图(map),然后利用该主线地图进行掌纹匹配。具体地,计算机设备可以将待匹配的掌纹主线与所建立的主线地图中进行匹配,如果相差在预设范围内,则判定该待匹配的掌纹主线与该主线地图匹配,则表明待匹配的掌纹主线与该主线地图所表示的掌纹主线属于同一个用户的掌纹。可以理解,利用根据本申请方案所提取的掌纹主线建立主线地图进行掌纹匹配,能够提高掌纹匹配准确率。图12为一个实施例中掌纹匹配示意图。参照图12的(a)为按照本申请方案筛选出的掌纹主线,图12的(b)即为依据该掌纹主线(a)建立的主线地图,图12的(c)即为待匹配的掌纹主线。即,可以将图12的(c)中的待匹配的掌纹主线输入主线地图(b)中进行搜索匹配,以判断图12的(c)和图12的(a)是否属于同一个人的掌纹。
如图13所示,在一个实施例中,提供了一种掌纹主线提取装置1300,其特征在于,该装置1300包括:获取模块1302、卷积模块1304、合并模块1308以及主线提取模块1310,其中:
获取模块1302,用于获取目标掌心图的灰度图;
卷积模块1304,用于按照垂直梯度检测卷积核对灰度图卷积,得到包括水平趋向纹线的纹线图;根据对角线梯度检测卷积核对灰度图进行卷积,得到包括对角线趋向纹线的纹线图;按照水平梯度检测卷积核对灰度图卷积,得到包括垂直趋向纹线的纹线图;
合并模块1308,用于叠加包括水平趋向纹线的纹线图、包括对角线趋向纹线的纹线图和包括垂直趋向纹线的纹线图中的各条纹线,并将叠加后具有重叠的纹线进行合并处理;
主线提取模块1310,用于从叠加合并后的纹线中识别属于平滑曲线的纹线,得到候选掌纹主线;从各候选掌纹主线中筛选出最终的掌纹主线。
在一个实施例中,获取模块1302还用于获取目标手掌图;从目标手掌图中提取出目标手掌的掌心区域,得到目标掌心图;对目标掌心图进行灰度化处理;将灰度化后的目标掌心图进行纹理增强处理,得到目标掌心图的灰度图。
在一个实施例中,获取模块1302还用于检测目标手掌图中目标手掌的边缘轮廓;根据边缘轮廓,确定目标手掌的指缝关键点;根据各指缝关键点的位置,在目标手掌图中定位出掌心区域;从目标手掌图中提取出掌心区域,得到目标掌心图。
在一个实施例中,获取模块1302还用于确定边缘轮廓的起点和终点之间的中点;根据边缘轮廓上各点到中点的距离,识别边缘轮廓上的凹点;对凹点进行聚类,得到凹点团簇;获取每个凹点团簇中距中点的距离最小的凹点,得到指缝关键点。
如图14所示,在一个实施例中,该装置1300还包括:
二值化处理模块1305,用于分别对各纹线图进行二值化处理;
纹线重建模块1306,用于将二值化处理后各纹线图中的具有连续性的间断纹线进行连接重建;
合并模块1308还用于叠加进行纹线连接重建后的包括水平趋向纹线的纹线图、包括对角线趋向纹线的纹线图和包括垂直趋向纹线的纹线图中的各条纹线。
在一个实施例中,二值化处理模块1305还用于针对每个纹线图,确定纹线图中纹线的走向所趋近的预设方向;取所趋近的预设方向的垂直方向作为搜索方向;沿着搜索方向在纹线图中搜索局部最大灰度值;根据局部最大灰度值确定与纹线图对应的二值化阈值;根据二值化阈值对纹线图进行二值化处理。
在一个实施例中,纹线重建模块1306还用于确定二值化处理后的各纹线图中每条纹线的边缘点;从边缘点起沿所处纹线按照预设回溯长度进行回溯,得到第一回溯点;根据边缘点和相应第一回溯点确定搜索斜率;从边缘点起按照搜索斜率搜索预设步长,得到纹线的搜索线;当存在两条相交的搜索线、且两条搜索线之间的第一夹角大于或等于第一预设角度阈值时,判定与两条搜索线相应的两条纹线之间具有连续性。
在一个实施例中,同一条纹线的搜索线为多个;纹线重建模块1306还用于在二值化处理后的各纹线图中每条纹线上,从纹线的端点起选取预设边缘长度的纹线段;获取位于纹线段中的各个像素点,得到纹线的多个边缘点;当同一条纹线所对应的任一搜索线与另一条纹线的搜索线相交、且相交的两条搜索线之间的第一夹角大于或等于第一预设角度阈值时,则判定与相交的两条搜索线相应的两条纹线之间具有连续性。
在一个实施例中,主线提取模块1310还用于以叠加合并后的每条纹线为搜索纹线,遍历搜索纹线,当发现搜索纹线中的分叉节点时,确定与分叉节点相对应的分支纹线;当分叉节点在搜索纹线上和在分支纹线上的曲率之间平滑变化,判定该分支纹线与搜索纹线位于同一条属于平滑曲线的纹线上;当分叉节点在搜索纹线上和在分支纹线的曲率之间变化不平滑,判定分支纹线为不同于搜索纹线的平滑曲线;将所确定的属于平滑曲线的纹线,作为候选掌纹主线。
在一个实施例中,主线提取模块1310还用于确定分叉节点在搜索纹线上的第一斜率;分别确定分叉节点在各分支纹线上的第二斜率;当第一斜率和第二斜率之间满足预设接近条件时,判定分叉节点在搜索纹线上和在第二斜率对应的分支纹线的曲率之间平滑变化;当第一斜率和第二斜率之间不满足预设接近条件时,判定分叉节点在搜索纹线上和在第二斜率对应的分支纹线的曲率之间变化不平滑。
在一个实施例中,主线提取模块1310还用于获取从分叉节点起沿着搜索纹线回溯预设步长得到的第二回溯点;根据分叉节点和第二回溯点确定第一斜率;针对每条分支纹线,获取从分叉节点起沿着分支纹线前进预设步长得到的前进点;根据分叉节点和前进点确定分支纹线的第二斜率。
在一个实施例中,预设接近条件包括:过分叉节点且满足第一斜率的第一直线与过分叉节点且满足第二斜率的第二直线之间的第二夹角小于或等于第二预设角度阈值;其中,第二夹角,是根据第一方向和第二方向确定出的第一直线和第二直线的夹角;第一方向为由第二回溯点指向分叉节点的方向,第二方向为由分叉节点指向相应前进点的方向。
在一个实施例中,主线提取模块1310还用于分别对各候选掌纹主线做垂直方向和水平方向上的投影,得到水平投影图像和垂直投影图像;将水平投影图像中同一行的像素值进行累加,并将累加像素值最大的一行投影所对应的候选掌纹主线,判定为水平走向掌纹主线;将垂直投影图像中同一列的像素值进行累加,将累加像素值最大的一列投影所对应的候选掌纹主线,判定为垂直走向掌纹主线;从位于水平走向掌纹主线和垂直走向掌纹主线之间的候选掌纹主线中,定位出对角线走向掌纹主线。
图15为一个实施例中计算机设备的内部结构示意图。参照图15,该计算机设备可以是图1中所示的服务器120。可以理解,计算机设备也可以是终端。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质可存储操作系统和计算机程序。该计算机程序被执行时,可使得处理器执行一种掌纹主线提取方法。该计算机设备的处理器用于提供计算和控制能力,支撑整个计算机设备的运行。该内存储器中可储存有计算机程序,该计算机程序被处理器执行时,可使得处理器执行一种掌纹主线提取方法。计算机设备的网络接口用于进行网络通信。
本领域技术人员可以理解,图15中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,本申请提供的异常检测装置可以实现为一种计算机程序的形式,计算机程序可在如图15所示的计算机设备上运行,计算机设备的非易失性存储介质可存储组成该异常检测装置的各个程序模块,比如,图13所示的获取模块1302、卷积模块1304、合并模块1308以及主线提取模块1310。各个程序模块所组成的计算机程序用于使该计算机设备执行本说明书中描述的本申请各个实施例的掌纹主线提取方法中的步骤,例如,计算机设备可以通过如图13所示的掌纹主线提取装置1300中的获取模块1302获取目标掌心图的灰度图,并通过卷积模块1304按照垂直梯度检测卷积核对灰度图卷积,得到包括水平趋向纹线的纹线图;根据对角线梯度检测卷积核对灰度图进行卷积,得到包括对角线趋向纹线的纹线图;按照水平梯度检测卷积核对灰度图卷积,得到包括垂直趋向纹线的纹线图。计算机设备可以通过合并模块1308叠加包括水平趋向纹线的纹线图、包括对角线趋向纹线的纹线图和包括垂直趋向纹线的纹线图中的各条纹线,并将叠加后具有重叠的纹线进行合并处理。计算机设备可以通过主线提取模块1310从叠加合并后的纹线中识别属于平滑曲线的纹线,得到候选掌纹主线;从各候选掌纹主线中筛选出最终的掌纹主线。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器存储有计算机程序,计算机程序被处理器执行时,使得处理器执行上述掌纹主线提取方法的步骤。此处掌纹主线提取方法的步骤可以是上述各个实施例的掌纹主线提取方法中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,存储有计算机程序,计算机程序被处理器执行时,使得处理器执行上述掌纹主线提取方法的步骤。此处掌纹主线提取方法的步骤可以是上述各个实施例的掌纹主线提取方法中的步骤。
应该理解的是,虽然本申请各实施例中的各个步骤并不是必然按照步骤标号指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,各实施例中至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (15)
1.一种掌纹主线提取方法,所述方法包括:
获取目标掌心图的灰度图;
按照垂直梯度检测卷积核对灰度图卷积,得到包括水平趋向纹线的纹线图;
根据对角线梯度检测卷积核对所述灰度图进行卷积,得到包括对角线趋向纹线的纹线图;
按照水平梯度检测卷积核对灰度图卷积,得到包括垂直趋向纹线的纹线图;
叠加包括水平趋向纹线的纹线图、包括对角线趋向纹线的纹线图和包括垂直趋向纹线的纹线图中的各条纹线,并将叠加后具有重叠的纹线进行合并处理;
从叠加合并后的纹线中识别属于平滑曲线的纹线,得到候选掌纹主线;
从各候选掌纹主线中筛选出最终的掌纹主线。
2.根据权利要求1所述的方法,其特征在于,所述获取目标掌心图的灰度图包括:
获取目标手掌图;
从所述目标手掌图中提取出目标手掌的掌心区域,得到目标掌心图;
对所述目标掌心图进行灰度化处理;
将灰度化后的目标掌心图进行纹理增强处理,得到目标掌心图的灰度图。
3.根据权利要求2所述的方法,其特征在于,所述从所述目标手掌图中提取出目标手掌的掌心区域,得到目标掌心图包括:
检测所述目标手掌图中目标手掌的边缘轮廓;
根据所述边缘轮廓,确定所述目标手掌的指缝关键点;
根据各所述指缝关键点的位置,在所述目标手掌图中定位出掌心区域;
从目标手掌图中提取出所述掌心区域,得到目标掌心图。
4.根据权利要求3所述的方法,其特征在于,所述根据所述边缘轮廓,确定所述目标手掌的指缝关键点包括:
确定所述边缘轮廓的起点和终点之间的中点;
根据所述边缘轮廓上各点到所述中点的距离,识别所述边缘轮廓上的凹点;
对所述凹点进行聚类,得到凹点团簇;
获取每个凹点团簇中距所述中点的距离最小的凹点,得到指缝关键点。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
分别对各所述纹线图进行二值化处理;
将二值化处理后各纹线图中的具有连续性的间断纹线进行连接重建;
所述叠加包括水平趋向纹线的纹线图、包括对角线趋向纹线的纹线图和包括垂直趋向纹线的纹线图中的各条纹线,包括:
叠加进行纹线连接重建后的包括水平趋向纹线的纹线图、包括对角线趋向纹线的纹线图和包括垂直趋向纹线的纹线图中的各条纹线。
6.根据权利要求5所述的方法,其特征在于,所述分别对各所述纹线图进行二值化处理包括:
针对每个纹线图,确定所述纹线图中纹线的走向所趋近的预设方向;
取所趋近的预设方向的垂直方向作为搜索方向;
沿着所述搜索方向在所述纹线图中搜索局部最大灰度值;
根据所述局部最大灰度值确定与所述纹线图对应的二值化阈值;
根据所述二值化阈值对所述纹线图进行二值化处理。
7.根据权利要求5所述的方法,其特征在于,所述方法还包括:
确定二值化处理后的各纹线图中每条纹线的边缘点;
从所述边缘点起沿所处纹线按照预设回溯长度进行回溯,得到第一回溯点;
根据所述边缘点和相应第一回溯点确定搜索斜率;
从所述边缘点起按照搜索斜率搜索预设步长,得到所述纹线的搜索线;
当存在两条相交的搜索线、且所述两条搜索线之间的第一夹角大于或等于第一预设角度阈值时,判定与所述两条搜索线相应的两条纹线之间具有连续性。
8.根据权利要求7所述的方法,其特征在于,同一条纹线的搜索线为多个;
所述确定二值化处理后的各纹线图中每条纹线的边缘点包括:
在二值化处理后的各纹线图中每条纹线上,从所述纹线的端点起选取预设边缘长度的纹线段;
获取位于所述纹线段中的各个像素点,得到所述纹线的多个边缘点;
所述当存在两条相交的搜索线、且所述两条搜索线之间的第一夹角大于或等于第一预设角度阈值时,判定与所述两条搜索线相应的两条纹线之间具有连续性包括:
当同一条纹线所对应的任一搜索线与另一条纹线的搜索线相交、且相交的两条搜索线之间的第一夹角大于或等于第一预设角度阈值时,则判定与相交的两条搜索线相应的两条纹线之间具有连续性。
9.根据权利要求1所述的方法,其特征在于,所述从叠加合并后的纹线中识别属于平滑曲线的纹线,得到候选掌纹主线包括:
以叠加合并后的每条纹线为搜索纹线,遍历所述搜索纹线,当发现所述搜索纹线中的分叉节点时,确定与所述分叉节点相对应的分支纹线;
当分叉节点在搜索纹线上和在所述分支纹线上的曲率之间平滑变化,判定该分支纹线与搜索纹线位于同一条属于平滑曲线的纹线上;
当分叉节点在搜索纹线上和在所述分支纹线的曲率之间变化不平滑,判定所述分支纹线为不同于所述搜索纹线的平滑曲线;
将所确定的属于平滑曲线的纹线,作为候选掌纹主线。
10.根据权利要求9所述的方法,其特征在于,所述方法还包括:
确定所述分叉节点在搜索纹线上的第一斜率;
分别确定所述分叉节点在各所述分支纹线上的第二斜率;
当所述第一斜率和第二斜率之间满足预设接近条件时,判定所述分叉节点在搜索纹线上和在所述第二斜率对应的分支纹线的曲率之间平滑变化;
当所述第一斜率和第二斜率之间不满足预设接近条件时,判定分叉节点在搜索纹线上和在所述第二斜率对应的分支纹线的曲率之间变化不平滑。
11.根据权利要求10所述的方法,其特征在于,确定所述分叉节点在搜索纹线上的第一斜率包括:
获取从分叉节点起沿着所述搜索纹线回溯预设步长得到的第二回溯点;
根据所述分叉节点和所述第二回溯点确定第一斜率;
所述分别确定所述分叉节点在各所述分支纹线上的第二斜率包括:
针对每条分支纹线,获取从分叉节点起沿着所述分支纹线前进预设步长得到的前进点,并根据所述分叉节点和所述前进点确定所述分支纹线的第二斜率。
12.根据权利要求1至11中任一项所述的方法,其特征在于,所述从各候选掌纹主线中筛选出最终的掌纹主线包括:
分别对各候选掌纹主线做垂直方向和水平方向上的投影,得到水平投影图像和垂直投影图像;
将水平投影图像中同一行的像素值进行累加,并将累加像素值最大的一行投影所对应的候选掌纹主线,判定为水平走向掌纹主线;
将垂直投影图像中同一列的像素值进行累加,将累加像素值最大的一列投影所对应的候选掌纹主线,判定为垂直走向掌纹主线;
从位于水平走向掌纹主线和垂直走向掌纹主线之间的候选掌纹主线中,定位出对角线走向掌纹主线。
13.一种掌纹主线提取装置,其特征在于,所述装置包括:
获取模块,用于获取目标掌心图的灰度图;
卷积模块,用于按照垂直梯度检测卷积核对灰度图卷积,得到包括水平趋向纹线的纹线图;根据对角线梯度检测卷积核对所述灰度图进行卷积,得到包括对角线趋向纹线的纹线图;按照水平梯度检测卷积核对灰度图卷积,得到包括垂直趋向纹线的纹线图;
合并模块,用于叠加包括水平趋向纹线的纹线图、包括对角线趋向纹线的纹线图和包括垂直趋向纹线的纹线图中的各条纹线,并将叠加后具有重叠的纹线进行合并处理;
主线提取模块,用于从叠加合并后的纹线中识别属于平滑曲线的纹线,得到候选掌纹主线;从各候选掌纹主线中筛选出最终的掌纹主线。
14.一种计算机设备,其特征在于,包括存储器和处理器,所述存储器中存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行权利要求1至12中任一项所述方法的步骤。
15.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行权利要求1至12中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811385466.2A CN110163062B (zh) | 2018-11-20 | 2018-11-20 | 掌纹主线提取方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811385466.2A CN110163062B (zh) | 2018-11-20 | 2018-11-20 | 掌纹主线提取方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110163062A true CN110163062A (zh) | 2019-08-23 |
CN110163062B CN110163062B (zh) | 2023-04-18 |
Family
ID=67645181
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811385466.2A Active CN110163062B (zh) | 2018-11-20 | 2018-11-20 | 掌纹主线提取方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110163062B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111339932A (zh) * | 2020-02-25 | 2020-06-26 | 南昌航空大学 | 一种掌纹图像预处理方法和系统 |
CN114241536A (zh) * | 2021-12-01 | 2022-03-25 | 佛山市红狐物联网科技有限公司 | 一种掌脉图像识别方法及系统 |
CN115527079A (zh) * | 2022-02-28 | 2022-12-27 | 腾讯科技(深圳)有限公司 | 掌纹样本的生成方法、装置、设备、介质及程序产品 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110090541A1 (en) * | 2009-10-15 | 2011-04-21 | Jack Harper | Fingerprint scanning systems and methods |
CN104112125A (zh) * | 2014-07-24 | 2014-10-22 | 大连大学 | 基于掌纹和指横纹特征融合的身份识别方法 |
CN107392170A (zh) * | 2017-08-01 | 2017-11-24 | 云南大学 | 一种符合自然生长规律的掌纹主线提取方法 |
-
2018
- 2018-11-20 CN CN201811385466.2A patent/CN110163062B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110090541A1 (en) * | 2009-10-15 | 2011-04-21 | Jack Harper | Fingerprint scanning systems and methods |
CN104112125A (zh) * | 2014-07-24 | 2014-10-22 | 大连大学 | 基于掌纹和指横纹特征融合的身份识别方法 |
CN107392170A (zh) * | 2017-08-01 | 2017-11-24 | 云南大学 | 一种符合自然生长规律的掌纹主线提取方法 |
Non-Patent Citations (7)
Title |
---|
ZIA-UDDIN等: "A Novel Technique for Principal Lines Extraction in Palmprint Using Morphological TOP-HAT Filtering", 《WORLD APPLIED SCIENCES JOURNAL》 * |
徐海华等: "梯度法在大景深非接触掌纹识别中的应用", 《自动化技术与应用》 * |
戴青云等: "一种基于形态中值金字塔的线特征提取方法", 《华南理工大学学报(自然科学版)》 * |
李海燕等: "基于形态学滤波和邻域搜索的掌纹主线提取方法", 《计算机应用与软件》 * |
苑玮琦等: "手三模态融合识别方法", 《仪器仪表学报》 * |
郑艳清等: "基于形态学滤波和Hough变换的掌纹主线提取方法", 《北京交通大学学报》 * |
郭锐等: "基于平稳小波变换的掌纹特征提取与识别", 《计算机工程与应用》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111339932A (zh) * | 2020-02-25 | 2020-06-26 | 南昌航空大学 | 一种掌纹图像预处理方法和系统 |
CN114241536A (zh) * | 2021-12-01 | 2022-03-25 | 佛山市红狐物联网科技有限公司 | 一种掌脉图像识别方法及系统 |
CN115527079A (zh) * | 2022-02-28 | 2022-12-27 | 腾讯科技(深圳)有限公司 | 掌纹样本的生成方法、装置、设备、介质及程序产品 |
Also Published As
Publication number | Publication date |
---|---|
CN110163062B (zh) | 2023-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liang et al. | An efficient forgery detection algorithm for object removal by exemplar-based image inpainting | |
Noris et al. | Topology-driven vectorization of clean line drawings | |
JP3053388B2 (ja) | 指紋画像特色相関器 | |
CN110110715A (zh) | 文本检测模型训练方法、文本区域、内容确定方法和装置 | |
CN110163062A (zh) | 掌纹主线提取方法、装置、计算机设备及存储介质 | |
US7889947B2 (en) | Image completion | |
CN109685013B (zh) | 人体姿态识别中头部关键点的检测方法及装置 | |
CN109117714A (zh) | 一种同行人员识别方法、装置、系统及计算机存储介质 | |
CN109697416A (zh) | 一种视频数据处理方法和相关装置 | |
KR101506060B1 (ko) | 이미지 식별용 특징-기반 시그네처 | |
US20140092244A1 (en) | Object search method, search verification method and apparatuses thereof | |
WO2007029591A1 (ja) | 画像処理装置、マスク作成方法及びプログラム | |
CN110598687A (zh) | 车辆识别码的检测方法、装置及计算机设备 | |
CN107067412A (zh) | 一种多信息融合的视频火焰烟雾检测方法 | |
CN110263847A (zh) | 轨迹获取方法、装置、计算机设备及存储介质 | |
CN110503682A (zh) | 矩形控件识别方法、装置、终端及存储介质 | |
CN113763415B (zh) | 目标跟踪方法、装置、电子设备及存储介质 | |
Ngoc et al. | Document detection in videos captured by smartphones using a saliency-based method | |
KR101736939B1 (ko) | 이미지에서, 개인의 적어도 하나의 지문을 표시할 가능성이 있는 적어도 하나의 구역을 결정하는 방법 | |
Selamet et al. | Automatic detection and classification of defective areas on metal parts by using adaptive fusion of faster R-CNN and shape from shading | |
CN105740818A (zh) | 一种应用于增强现实的人工标志检测方法 | |
JP2017010419A (ja) | 情報処理プログラム及び情報処理装置 | |
WO2023196661A1 (en) | Systems and methods for monitoring trailing objects | |
JP4042602B2 (ja) | 画像処理装置 | |
CN110766003A (zh) | 一种基于卷积神经网络的片段和链接的场景文字的检测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |