CN110751105A - 一种手指图像采集方法、装置及存储介质 - Google Patents

Abstract

本发明公开了一种手指图像采集方法体，该方法体包括：当接收到请求方发送来的图像采集指令时，将摄像头调整至多个预设位置，以得到所述摄像头在所述多个预设位置处拍摄的手指图像；分别计算出每个手指图像中的手指区域面积，并将手指区域面积最大的手指图像设置为目标手指图像；利用训练好的CNN卷积神经网络算法判断在所述目标手指图像中包含的是指腹还是指背，若是指腹，则将所述目标手指图像发送至所述请求方；本发明解决了目前手指静脉采集设备中存在的因用户手指摆放不正确而造成的采集到的手指图像质量较差，从而影响手指静脉识别的准确率的问题。

Description

一种手指图像采集方法、装置及存储介质

技术领域

本发明涉及图像识别技术领域，具体涉及一种手指图像采集方法、装置及存储介质。

背景技术

随着国家消费升级的不断推进，安全领域也越来越多的受到关注；手指静脉识别是目前较为前沿的生物识别技术，具有识别速度快、性能好、特征不易伪造等优点；但是，手指静脉的识别很大程度上要依赖于手指静脉图像采集质量的高低；现有技术中的手指静脉采集设备，为了提高采集到的手指图像的质量，强制规定了用户的手指摆放位置和姿态，用户体验度较差；若在手指图像采集过程中，用户未按照规定放置手指位置，则会导致获取到的手指图像质量较差，严重影响手指静脉识别的准确率的问题。

发明内容

本发明的目的在于提供一种手指图像采集方法、装置及存储介质，解决了目前手指静脉采集设备中存在的因用户手指摆放不正确而造成的采集到的手指图像质量较差，从而影响手指静脉识别的准确率的问题。

根据本发明的一个方面，提供了一种手指图像采集方法，具体包括以下步骤：

当接收到请求方发送来的图像采集指令时，将摄像头调整至多个预设位置，以得到所述摄像头在所述多个预设位置处拍摄的手指图像；

分别计算出每个手指图像中的手指区域面积，并将手指区域面积最大的手指图像设置为目标手指图像；

利用训练好的CNN卷积神经网络算法判断在所述目标手指图像中包含的是指腹还是指背，若是指腹，则将所述目标手指图像发送至所述请求方。

可选的，所述通过将摄像头调整至多个预设位置，以得到所述摄像头在所述多个预设位置处拍摄的手指图像，具体包括：

当所述摄像头在一个预设位置处拍摄到图像后，按照预设尺寸大小，从拍摄到的图像中截取出手指图像。

可选的，所述分别计算出每个手指图像中的手指区域面积，并将手指区域面积最大的手指图像设置为目标手指图像，具体包括：

分别根据每个手指图像中的各个像素点的灰度值，对每个手指图像进行二值化处理；其中，二值化处理后的手指图像中的像素点的灰度值仅包括0和255；

分别在每个二值化处理后的手指图像中统计出像素值为255的像素点的总个数，并将统计出的总个数最多的手指图像设置为目标手指图像。

可选的，所述分别根据每个手指图像中的各个像素点的灰度值，对每个手指图像进行二值化处理，具体包括：

针对一个手指图像，依次判断所述手指图像中的各个像素点的灰度值是否大于等于预设灰度阈值，若是，则将对应像素点的灰度值调至为255，若否，则将对应像素点的灰度值调整至0。

可选的，所述利用训练好的CNN卷积神经网络算法判断在所述目标手指图像中包含的是指腹还是指背，具体包括：

利用训练好的CNN卷积神经网络算法，计算出在所述目标手指图像中包含的是指背的概率值；

判断所述概率值是否大于等于预设概率阈值；若是，则判定在所述目标手指图像中包含的是指背；若否，则判定在所述目标手指图像中包含的是指腹。

可选的，所述方法还包括：

若在所述目标手指图像中包含的是指背，则基于拍摄所述目标手指图像所对应的预设位置调整所述摄像头，通过调整后的摄像头重新拍摄到包含指腹的手指图像，并将重新拍摄到的手指图像发送至所述请求方。

可选的，所述若在所述目标手指图像中包含的是指背，则基于拍摄所述目标手指图像所对应的预设位置调整所述摄像头，具体包括：

若在所述目标手指图像中包含的是指背，则基于拍摄所述目标手指图像所对应的预设位置计算出可拍摄到包含指腹的手指图像的旋转角度，根据所述旋转角度调整所述摄像头。

根据本发明的另一个方面，还提供了一种手指图像采集装置，具体包括以下组成部分：

摄像头；

用于安放所述摄像头的可旋转壳体；

用于驱动所述可旋转壳体旋转的驱动电机；

用于控制所述驱动电机驱动所述可旋转壳体旋转以及控制所述摄像头拍摄的控制器，所述控制器包括存储器、处理器，所述存储器上存储有可在所述处理器上运行的程序，所述处理器执行所述程序时能够实现上述介绍的手指图像采集方法的步骤。

可选的，所述摄像头安装在所述可旋转壳体的内壁上。

根据本发明的另一个方面，还提供了一种存储介质，其上存储有程序，所述程序被处理器执行时实现上述介绍的手指图像采集方法的步骤。

本发明提供的手指图像采集方法、装置及存储介质，可应用到各种类型的手指静脉采集和识别系统中，解决了目前手指静脉采集设备中存在的因用户手指摆放不正确而造成的采集到的手指图像质量较差，从而影响手指静脉识别的准确率的问题；本发明不仅可以增加用户使用时的手指摆放自由度，同时还保证了采集到的手指图像的稳定性，提高了用户使用的体验度。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1为实施例一提供的手指图像采集方法的一种可选的流程示意图；

图2为实施例二提供的手指图像采集装置的一种可选的程序模块示意图；

图3为实施例二提供的控制器的一种可选的硬件架构示意图；

图4为实施例三提供的手指图像采集装置的一种可选的程序模块示意图。

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用以解释本发明，并不用于限定本发明。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例一

本发明实施例提供了一种手指图像采集方法，应用于手指静脉采集设备中，如图1所示，该方法具体包括以下步骤：

步骤S101：当接收到请求方发送来的图像采集指令时，将摄像头调整至多个预设位置，以得到所述摄像头在所述多个预设位置处拍摄的手指图像。

具体的，所述通过将摄像头调整至多个预设位置，以得到所述摄像头在所述多个预设位置处拍摄的手指图像，具体包括：

当所述摄像头在一个预设位置处拍摄到图像后，按照预设尺寸大小，从拍摄到的图像中截取出手指图像。

在本实施例中，为了减少后面运算的运算量，会从拍摄到的图像中选择比较合适的一部分区域作为手指图像，例如，通过所述摄像头拍摄到的图像的尺寸均为1080×810，按照预设尺寸大小，从拍摄到的图像的最左边起截取300至800，以及从拍摄到的图像的最上边起截图200至600的区域，以得到手指图像。

步骤S102：分别计算出每个手指图像中的手指区域面积，并将手指区域面积最大的手指图像设置为目标手指图像。

具体的，所述分别计算出每个手指图像中的手指区域面积，并将手指区域面积最大的手指图像设置为目标手指图像，具体包括：

步骤A1：分别根据每个手指图像中的各个像素点的灰度值，对每个手指图像进行二值化处理；其中，二值化处理后的手指图像中的像素点的灰度值仅包括0和255；

步骤A2：分别在每个二值化处理后的手指图像中统计出像素值为255的像素点的总个数，并将统计出的总个数最多的手指图像设置为目标手指图像。

进一步的，所述分别根据每个手指图像中的各个像素点的灰度值，对每个手指图像进行二值化处理，具体包括：

针对一个手指图像，依次判断所述手指图像中的各个像素点的灰度值是否大于等于预设灰度阈值，若是，则将对应像素点的灰度值调至为255，若否，则将对应像素点的灰度值调整至0。

步骤S103：利用训练好的CNN卷积神经网络算法判断在所述目标手指图像中包含的是指腹还是指背，若是指腹，则将所述目标手指图像发送至所述请求方。

具体的，在步骤S103之前，所述方法还包括：

获取设定数量的样本手指图像；其中，在每个样本手指图像中均标注出了包含的是指腹还是指背；

根据所述设定数量的样本手指图像，对CNN卷积神经网络算法进行训练以得到可以用于确定出手指图像中包含的是指背的概率值的识别模型。

进一步的，所述利用训练好的CNN卷积神经网络算法判断在所述目标手指图像中包含的是指腹还是指背，具体包括：

利用训练好的CNN卷积神经网络算法，计算出在所述目标手指图像中包含的是指背的概率值；

判断所述概率值是否大于等于预设概率阈值；若是，则判定在所述目标手指图像中包含的是指背；若否，则判定在所述目标手指图像中包含的是指腹。

进一步的，所述方法还包括：

若在所述目标手指图像中包含的是指背，则基于拍摄所述目标手指图像所对应的预设位置调整所述摄像头，通过调整后的摄像头重新拍摄到包含指腹的手指图像，并将重新拍摄到的手指图像发送至所述请求方。

更进一步的，所述若在所述目标手指图像中包含的是指背，则基于拍摄所述目标手指图像所对应的预设位置调整所述摄像头，具体包括：

若在所述目标手指图像中包含的是指背，则基于拍摄所述目标手指图像所对应的预设位置计算出可拍摄到包含指腹的手指图像的旋转角度，根据所述旋转角度调整所述摄像头。

优选的，在拍摄所述目标手指图像所对应的预设位置处将所述摄像头绕手指旋转180度以得到可以拍摄到包含指腹的手指图像。

在本实施例中，当请求方需要采集用户手指图像时，用户可以以任意姿态摆放手指，摄像头会按照预设位置拍摄用户手指在不同角度下的手指图像，并从多张手指图像中筛选出手指区域最大的手指图像；由于在手指区域最大的手指图像中包含的可能是指腹也可能是指背，在本实施例中还利用CNN卷积神经网络算法对手指图像进行识别；若识别出为指腹，则将包含指腹的手指图像发送至请求方，以供请求方根据包含指腹的手指图像进行后续的手指静脉识别操作；若识别出的为指背，则通过调整摄像头的角度以使得摄像头拍摄到包含指腹的手指图像。

实施例二

本发明实施例提供了一种手指图像采集装置，如图2所示，该装置具体包括以下组成部分：

摄像头201；

用于安放所述摄像头201的可旋转壳体202；具体的，所述摄像头201安装在所述可旋转壳体202的内壁上；

用于驱动所述可旋转壳体202旋转的驱动电机203；

用于控制所述驱动电机203驱动所述可旋转壳体202旋转以及控制所述摄像头201拍摄的控制器204。

具体的，如图3所示，所述控制器204至少包括但不限于：可通过系统总线相互通信连接的存储器、处理器；需要指出的是，图3仅示出了具有存储器和处理器的控制器204，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。

在本实施例中，存储器(即可读存储介质)包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，存储器可以是控制器204的内部存储单元，例如该控制器204的硬盘或内存。在另一些实施例中，存储器也可以是控制器204的外部存储设备，例如该控制器204上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(Flash Card)等。当然，存储器还可以既包括控制器204的内部存储单元也包括其外部存储设备。在本实施例中，存储器通常用于存储安装于控制器204的操作系统和各类应用软件。此外，存储器还可以用于暂时地存储已经输出或者将要输出的各类数据。

处理器在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、微控制器、微处理器、或其他数据处理芯片。该处理器通常用于控制控制器204的总体操作。

进一步的，在本实施例中，所述存储器上存储有可在所述处理器上运行的程序，所述处理器执行所述程序时能够实现以下步骤：

当接收到请求方发送来的图像采集指令时，将摄像头调整至多个预设位置，以得到所述摄像头在所述多个预设位置处拍摄的手指图像；

分别计算出每个手指图像中的手指区域面积，并将手指区域面积最大的手指图像设置为目标手指图像；

利用训练好的CNN卷积神经网络算法判断在所述目标手指图像中包含的是指腹还是指背，若是指腹，则将所述目标手指图像发送至所述请求方。

上述方法步骤的具体实施例过程可参见第一实施例，本实施例在此不再重复赘述。

更进一步的，在实际应用中，当控制器204接收到请求方发送来的图像采集指令时，向驱动电机203发送旋转指令；驱动电机203根据所述旋转指令驱动可旋转壳体202旋转，以使位于可旋转壳体202内壁上的摄像头201调整至多个预设位置；摄像头201在每个预设位置处拍摄到手指图像，并将拍摄到的手指图像发送至控制器204。

实施例三

本发明实施例提供了一种手指图像采集装置，如图4所示，该装置具体包括以下组成部分：固定件401、连接件402、驱动电机403、可旋转壳体404、图像采集模组405、指尖槽406；

其中，固定件401用于固定所述手指图像采集装置；

连接件402的一端与固定件401连接，另一端处设置有指尖槽406，且连接件402与可旋转壳体404连接；

驱动电机403设置在连接件402的内部，且与可旋转壳体404连接，用于驱动可旋转壳体404转动；

可旋转壳体404为圆筒状，且可旋转壳体404的内壁为黑色；

图像采集模组405包括：摄像头、补光灯，用于图像拍摄，且图像采集模组405安装在可旋转壳体404的内壁上；

指尖槽406用于放置用户手指的指尖，且用户可以以任意姿态摆放手指。

此外，所述手指图像采集装置还包括：控制器(未在图4中示出)，控制器分别与驱动电机403和图像采集模组405电连接，基于所述手指图像采集装置，本发明实施例还提供了一种手指图像采集方法，该方法具体包括以下步骤：

步骤S1：在用户手指指尖放入指尖槽后，请求方向控制器发送图像采集指令。

步骤S2：控制器在接收到图像采集指令后，向驱动电机发送旋转指令；

步骤S3：驱动电机在接收到旋转指令后，驱动可旋转壳体按照预设角度旋转，以使位于可旋转壳体内壁上的图像采集模组调整至多个预设位置。

其中，图像采集模组的初始位置位于可旋转壳体的最低位置处；驱动电机在接收到旋转指令后，先驱动可旋转壳体顺时针依次旋转设定数量的预设角度，以使图像采集模组达到设定数量的预设位置处；例如，可旋转壳体顺时针依次旋转9个10度；之前，驱动电机驱动可旋转壳体旋转至初始位置，再驱动可旋转壳体逆时针依次旋转设定数量的设定角度，以使图像采集模组达到设定数量的预设位置处；例如，可旋转壳体逆时针依次旋转9个10度。

步骤S4：图像采集模组在每个预设位置处对用户手指进行拍摄以得到不同角度的手指图像，并将拍摄得到的手指图像发送至控制器。

步骤S5：控制器确定出每个手指图像中的各个像素点的灰度值，并根据每个手指图像中的各个像素点的灰度值对每个手指图像进行二值化处理。

具体的，所述根据每个手指图像中的各个像素点的灰度值对每个手指图像进行二值化处理，包括：

针对一个手指图像，控制器依次判断所述手指图像中的各个像素点的灰度值是否大于等于预设灰度阈值，若是，则将对应像素点的灰度值调至为255，若否，则将对应像素点的灰度值调整至0。

步骤S6：控制器分别在每个二值化处理后的手指图像中统计出像素值为255的像素点的总个数，并将统计出的总个数最多的手指图像设置为目标手指图像。

通过上述步骤S5和步骤S6，控制器可以从图像采集模组拍摄得到的多个手指图像中确定出包含手指区域面积最大的目标手指图像。由于手指为扁平状，所以无论用户以何种姿态将手指插入指尖槽，都可以从不同角度拍摄的多个手指图像中确定出包含手指区域面积最大的目标手指图像。

步骤S7：控制器利用训练好的CNN卷积神经网络算法判断在所述目标手指图像中包含的是指腹还是指背。

由于在目标手指图像中包含的可能是指腹也可能是指背，所以在本实施例中还利用CNN卷积神经网络算法对手指图像进行图像识别。

具体的，步骤S7，包括：

利用训练好的CNN卷积神经网络算法，计算出在所述目标手指图像中包含的是指背的概率值；

判断所述概率值是否大于等于预设概率阈值；若是，则判定在所述目标手指图像中包含的是指背；若否，则判定在所述目标手指图像中包含的是指腹。

步骤S8：若在目标手指图像中包含的是指腹，则控制器将目标手指图像发送至请求方，以供请求方根据目标手指图像进行手指静脉识别操作。

步骤S9：若在目标手指图像中包含的是指背，则控制器基于拍摄目标手指图像所对应的预设位置计算出可拍摄到包含指腹的手指图像的旋转角度，并将计算出的旋转角度发送至驱动电机，以使驱动电机按照该旋转角度驱动可旋转壳体旋转。

步骤S10：图像采集模组重新拍摄包含指腹的手指图像，并将重新拍摄的手指图像通过控制器转发至请求方。

在本实施例中，用户可以以任意姿态在指尖槽中摆放手指，通过调整图像采集模组的位置找到用户手指的指腹处，并在手指指腹处的正下方拍摄手指图像，从而得到最佳的用于进行手指静脉识别的手指图像。

实施例四

本实施例还提供一种计算机可读存储介质，如闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用商城等等，其上存储有计算机程序，所述计算机程序被处理器执行时实现如下方法步骤：

当接收到请求方发送来的图像采集指令时，通过将摄像头调整至多个预设位置，以得到所述摄像头在所述多个预设位置处拍摄的手指图像；

分别计算出每个手指图像中的手指区域面积，并将手指区域面积最大的手指图像设置为目标手指图像；

利用训练好的CNN卷积神经网络算法判断在所述目标手指图像中包含的是指腹还是指背，若是指腹，则将所述目标手指图像发送至所述请求方。

上述方法步骤的具体实施例过程可参见第一实施例，本实施例在此不再重复赘述。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种手指图像采集方法，其特征在于，所述方法包括：

当接收到请求方发送来的图像采集指令时，将摄像头调整至多个预设位置，以得到所述摄像头在所述多个预设位置处拍摄的手指图像；

分别计算出每个手指图像中的手指区域面积，并将手指区域面积最大的手指图像设置为目标手指图像；

利用训练好的CNN卷积神经网络算法判断在所述目标手指图像中包含的是指腹还是指背，若是指腹，则将所述目标手指图像发送至所述请求方。

2.根据权利要求1所述的手指图像采集方法，其特征在于，所述通过将摄像头调整至多个预设位置，以得到所述摄像头在所述多个预设位置处拍摄的手指图像，具体包括：

当所述摄像头在一个预设位置处拍摄到图像后，按照预设尺寸大小，从拍摄到的图像中截取出手指图像。

3.根据权利要求1所述的手指图像采集方法，其特征在于，所述分别计算出每个手指图像中的手指区域面积，并将手指区域面积最大的手指图像设置为目标手指图像，具体包括：

分别根据每个手指图像中的各个像素点的灰度值，对每个手指图像进行二值化处理；其中，二值化处理后的手指图像中的像素点的灰度值仅包括0和255；

分别在每个二值化处理后的手指图像中统计出像素值为255的像素点的总个数，并将统计出的总个数最多的手指图像设置为目标手指图像。

4.根据权利要求3所述的手指图像采集方法，其特征在于，所述分别根据每个手指图像中的各个像素点的灰度值，对每个手指图像进行二值化处理，具体包括：

针对一个手指图像，依次判断所述手指图像中的各个像素点的灰度值是否大于等于预设灰度阈值，若是，则将对应像素点的灰度值调至为255，若否，则将对应像素点的灰度值调整至0。

5.根据权利要求1所述的手指图像采集方法，其特征在于，所述利用训练好的CNN卷积神经网络算法判断在所述目标手指图像中包含的是指腹还是指背，具体包括：

利用训练好的CNN卷积神经网络算法，计算出在所述目标手指图像中包含的是指背的概率值；

判断所述概率值是否大于等于预设概率阈值；若是，则判定在所述目标手指图像中包含的是指背；若否，则判定在所述目标手指图像中包含的是指腹。

6.根据权利要求1所述的手指图像采集方法，其特征在于，所述方法还包括：

若在所述目标手指图像中包含的是指背，则基于拍摄所述目标手指图像所对应的预设位置调整所述摄像头，通过调整后的摄像头重新拍摄到包含指腹的手指图像，并将重新拍摄到的手指图像发送至所述请求方。

7.根据权利要求6所述的手指图像采集方法，其特征在于，所述若在所述目标手指图像中包含的是指背，则基于拍摄所述目标手指图像所对应的预设位置调整所述摄像头，具体包括：

若在所述目标手指图像中包含的是指背，则基于拍摄所述目标手指图像所对应的预设位置计算出可拍摄到包含指腹的手指图像的旋转角度，根据所述旋转角度调整所述摄像头。

8.一种手指图像采集装置，其特征在于，所述装置包括：

摄像头；

用于安放所述摄像头的可旋转壳体；

用于驱动所述可旋转壳体旋转的驱动电机；

用于控制所述驱动电机驱动所述可旋转壳体旋转以及控制所述摄像头拍摄的控制器，所述控制器包括存储器、处理器，所述存储器上存储有可在所述处理器上运行的程序，所述处理器执行所述程序时能够实现如权利要求1至7中任一项所述方法的步骤。

9.根据权利要求8所述的手指图像采集装置，其特征在于：

所述摄像头安装在所述可旋转壳体的内壁上。

10.一种存储介质，其上存储有程序，其特征在于，所述程序被处理器执行时实现如权利要求1至7中任一项所述方法的步骤。

Images