CN110866503A - 指静脉设备的异常检测方法及系统 - Google Patents

Abstract

本发明实施例公开一种指静脉设备的异常检测方法及系统。该异常检测方法包括：通过所述指静脉设备采集灰度图像；获取所述灰度图像的每一像素点的灰度；统计灰度小于第一阈值的所述像素点的第一数量；若所述第一数量占所有所述像素点的总数量的比值大于第一比值阈值，则确定所述指静脉设备出现黑屏异常。本发明实施例，可检出异常设备，保证了出产设备的零误识率，同时由于无需拆开设备进行检测，提高了检测效率，节约了大量人工检测的成本。

Description

指静脉设备的异常检测方法及系统

技术领域

本发明涉及指静脉设备技术领域，尤其涉及一种指静脉设备的异常检测方法及系统。

背景技术

指静脉识别技术是一种新的生物特征识别技术，它利用手指内的静脉分布图像来进行身份识别，具有活体识别、内部特征和非接触式三个特征，确保了使用者的手指静脉特征很难被伪造，所以手指静脉识别系统安全等级高，特别适合于安全要求高的场所使用。由于其安全等级高、操作简单快捷等优点，该技术成为了近些年的研究热点，并得到越来越广泛的应用。

目前，指静脉设备若发生异常，例如，设备黑屏、镜面脏污、设备成像模糊、设备存在波纹等，对成像结果影响较大。固有的脏污和纹路容易形成固有的伪特征，造成不同手指间误识率的提高。因此，指静脉设备的异常导致的误识率高的问题是行业内亟待解决问题之一。若人工地拆开每一个设备进行异常检测，将造成生产力极大程度的浪费。

发明内容

本发明实施例提供一种指静脉设备的异常检测方法及系统，以解决现有技术通过人工检测指静脉设备的异常导致效率低的问题。

第一方面，提供一种指静脉设备的异常检测方法，包括：

通过所述指静脉设备采集灰度图像；

获取所述灰度图像的每一像素点的灰度；

统计灰度小于第一阈值的所述像素点的第一数量；

若所述第一数量占所有所述像素点的总数量的比值大于第一比值阈值，则确定所述指静脉设备出现黑屏异常。

第二方面，提供一种指静脉设备的异常检测系统，包括：

采集模块，用于通过所述指静脉设备采集灰度图像；

第一获取模块，用于获取所述灰度图像的每一像素点的灰度；

第一统计模块，用于统计灰度小于第一阈值的所述像素点的第一数量；

第一确定模块，用于若所述第一数量占所有所述像素点的总数量的比值大于第一比值阈值，则确定所述指静脉设备出现黑屏异常。

这样，本发明实施例，基于检测用卡纸，通过对灰度图和二值图进行图像处理和分析，可以进行黑屏检测、卡纸异常检测、成像异常检测、波纹异常检测、黑影异常检测、脏污检测和倾斜检测，实现了常见异常类型设备的检出，保证了出产设备的零误识率，同时由于无需拆开设备进行检测，提高了检测效率，节约了大量人工检测的成本。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例的指静脉设备的异常检测方法的流程图一；

图2是本发明实施例的指静脉设备的出现黑屏异常时采集的灰度图像的示意图；

图3是本发明实施例的指静脉设备的异常检测方法的流程图二；

图4是本发明实施例的卡纸的示意图；

图5是本发明实施例的指静脉设备的异常检测方法的流程图三；

图6是本发明实施例的指静脉设备的异常检测方法的流程图四；

图7是本发明实施例的指静脉设备的出现波纹异常时采集的灰度图像的示意图；

图8是本发明实施例的指静脉设备的异常检测方法的流程图五；

图9是本发明一优选实施例的指静脉设备的异常检测方法的指静脉设备是否为脏污设备的步骤的流程图；

图10是本发明另一优选实施例的指静脉设备的异常检测方法的指静脉设备是否为脏污设备的步骤的流程图；

图11是本发明实施例的指静脉设备为脏污设备时采集的灰度图像的示意图；

图12是本发明实施例的指静脉设备的异常检测方法的流程图六；

图13是本发明实施例的指静脉设备为倾斜设备时采集的灰度图像的示意图；

图14是本发明实施例的指静脉设备的异常检测系统的结构框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获取的所有其他实施例，都属于本发明保护的范围。

本发明实施例公开了一种指静脉设备的异常检测方法。如图1所示，该方法包括如下的步骤：

步骤S101：通过指静脉设备采集灰度图像。

应当理解的是，该步骤在放置卡纸和未放置卡纸的情况下都可以进行。无论采集到的灰度图像是放置卡纸后的灰度图像还是未放置卡纸的灰度图像，对于黑屏检测均采用下述相同的方法进行检测。

步骤S102：获取灰度图像的每一像素点的灰度。

该灰度可通过相应的软件检测得到。

步骤S103：统计灰度小于第一阈值的像素点的第一数量。

在本发明一优选的实施例中，第一阈值为60。应当理解的是，第一阈值并不以此为限，可根据具体情况设定。

步骤S104：若第一数量占所有像素点的总数量的比值大于第一比值阈值，则确定指静脉设备出现黑屏异常。

在本发明一优选的实施例中，第一比值阈值为70％。应当理解的是，第一比值阈值并不以此为限，可根据具体情况设定。

通过上述的步骤，通过统计灰度图像中灰度较低的像素点的个数，可以检测指静脉设备是否出现黑屏异常。黑屏异常对应的图像如图2所示。若指静脉设备出现黑屏异常，则应先修复黑屏异常，再进行其他异常的检测。

若第一数量占所有像素点的总数量的比值不大于第一比值阈值，则表明指静脉设备不具有黑屏异常，可以进行其他异常的检测，具体的，如图3所示，步骤S103之后，本发明实施例的方法还包括：

步骤S105：若第一数量占所有像素点的总数量的比值不大于第一比值阈值，则计算所述灰度图像的像素点的一阶梯度。

具体的，采用大小为3×3滑窗的各项同性的Sobel梯度算子计算灰度图像的像素点的一阶梯度，计算式如下：

其中，G_x表示一阶梯度的x轴分量。G_y表示一阶梯度的y轴分量。G表示一阶梯度。A表示灰度图像上3×3滑窗的灰度，应当理解的是，该滑窗的灰度随着滑窗的移动而变化。

步骤S106：统计一阶梯度大于第二阈值的像素点的第二数量。

在本发明一优选的实施例中，卡纸的尺寸如图4所示，单位为mm，则第二阈值为50。应当理解的是，第二阈值并不以此为限，可根据具体情况设定。

步骤S107：若第二数量不大于第一数量阈值，则确定指静脉设备未检测到卡纸。

在本发明一优选的实施例中，第一数量阈值为4000。应当理解的是，第一数量阈值并不以此为限，可根据具体情况设定。

通过上述的步骤，可检测指静脉设备是否放置了卡纸。若指静脉设备未放置卡纸，则应先放置卡纸，并从黑屏检测开始，重复上述黑屏检测和卡纸异常检测的过程，直到检测不具有这两个异常后，再进行其他异常的检测。

若第二数量大于第一数量阈值，则表明指静脉设备放置了卡纸，可以进行其他异常的检测，具体的，如图5所示，步骤S106之后，该方法还包括：

步骤S108：若第二数量大于第一数量阈值，则统计一阶梯度大于第三阈值的像素点的第三数量。

本发明实施例的卡纸具有特征图像。如图4所示，在本发明一优选的实施例中，卡纸具有图4示出的特定尺寸的十字特征图像。应当理解的是，卡纸的特征图像并不以此为限，还可以是其他图案，例如圆形、方形等等。

在本发明一优选的实施例中，第三阈值为170。应当理解的是，第三阈值并不以此为限，可根据具体情况设定。

步骤S109：若第三数量小于第二数量阈值，则确定指静脉设备出现成像模糊异常。

在本发明一优选的实施例中，第二数量阈值为1100。应当理解的是，第二数量阈值并不以此为限，可根据具体情况设定。

若第三数量小于第二数量阈值，则卡纸的特征图像显示模糊，表明指静脉设备出现成像模糊异常。

通过上述的步骤，基于梯度算子计算灰度图像的一阶梯度，通过统计梯度分布，可检测指静脉设备是否可清晰成像。若指静脉设备出现成像异常，则在修复成像异常后，应从黑屏检测开始，重复上述黑屏检测、卡纸异常检测和成像异常检测的过程，直到检测不具有这三个异常后，再进行其他异常的检测。

若第三数量不大于第二数量阈值，则表明指静脉设备成像清晰，可以进行其他异常的检测，具体的，如图6所示，步骤S108之后，该方法还包括：

步骤S110：若第三数量不大于第二数量阈值，则根据灰度图像统计得到灰度直方图。

应当理解的是，由于该步骤是在确定放置了卡纸后进行的，所以该步骤及随后的步骤中的灰度图像是卡纸的灰度图像。灰度直方图是将灰度图像中的所有像素点，按照灰度的大小，统计其出现的频数。灰度直方图中每一直方对应一个灰度。

步骤S111：获取灰度直方图的最大频数及最大频数对应的灰度。

用maxH表示灰度直方图的最大频数，即直方图的高度的最大值。用grayH表示灰度直方图的最大频数对应的灰度。

步骤S112：获取灰度范围。

其中，灰度范围的下限为灰度直方图的最大频数对应的灰度与第四阈值的差，灰度范围的上限为灰度直方图的最大频数对应的灰度与第五阈值的差。在本发明一优选的实施例中，第四阈值为20，第五阈值为1，即灰度范围为[grayH-20，grayH-1]。应当理解的是，第四阈值和第五阈值并不以此为限，可根据具体情况设定。

步骤S113：统计灰度范围内小于第六阈值的灰度直方图的频数对应的灰度的第四数量。

在本发明一优选的实施例中，第六阈值为灰度直方图的最大频数的三分之一，即maxH/3。应当理解的是，第六阈值并不以此为限，可根据具体情况设定。

步骤S114：若第四数量大于第三数量阈值，则确定指静脉设备的成像出现波纹异常。

在本发明一优选的实施例中，第三数量阈值为7。应当理解的是，第三数量阈值并不以此为限，可根据具体情况设定。

若第四数量大于第三数量阈值，则表明图像存在灰度跳跃，如图7所示，说明指静脉设备成像有波纹。

通过上述的步骤，统计灰度图像的灰度直方图，判断是否存在灰度跳跃，可检测指静脉设备的成像是否出现波纹异常。若指静脉设备出现波纹异常，则在修复波纹异常后，应从黑屏检测开始，重复上述黑屏检测、卡纸异常检测、成像异常检测和波纹异常检测的过程，直到检测不具有这四个异常后，再进行其他异常的检测。

若第四数量不大于第三数量阈值，则表明指静脉设备的成像没有出现波纹异常，可以进行其他异常的检测，具体的，如图8所示，步骤S113之后，该方法还包括：

步骤S115：若第四数量不大于第三数量阈值，则分别计算灰度图像的左侧区域、右侧区域和中央区域的灰度均值。

在本发明一优选的实施例中，中央区域指的是位于中部的竖条形区域，且该竖条形区域的宽度为灰度图像宽度的3/5，则中央区域的左右两侧各有宽度为灰度图像宽度1/5的竖条形区域，分别为左侧区域和右侧区域。

步骤S116：计算左侧区域和中央区域的灰度均值的比值，以及，右侧区域和中央区域的灰度均值的比值。

步骤S117：若左侧区域和中央区域的灰度均值的比值，以及，右侧区域和中央区域的灰度均值的比值中的至少一个小于第二比值阈值，则确定指静脉设备为黑影设备。

在本发明一优选的实施例中，第二比值阈值为2/3。应当理解的是，第二比值阈值并不以此为限，可根据具体情况设定。

通过上述的步骤，统计卡纸的灰度图像的左右两边和中央的灰度均值比值，可检测指静脉设备是否为黑影设备。若指静脉设备为黑影设备，则在修复黑影异常后，应从黑屏检测开始，重复上述黑屏检测、卡纸异常检测、成像异常检测、波纹异常检测和黑影异常检测的过程，直到检测不具有这五个异常后，再进行其他异常的检测。

若左侧区域和中央区域的灰度均值的比值，以及，右侧区域和中央区域的灰度均值的比值均不小于第二比值阈值，则表明指静脉设备不是黑影设备，可以进行其他异常的检测，具体的，步骤S116之后，该方法还包括：

步骤S118：若左侧区域和中央区域的灰度均值的比值，以及，右侧区域和中央区域的灰度均值的比值均不小于第二比值阈值，则判断指静脉设备是否为脏污设备。

具体的，在本发明一优选的实施例中，如图9所示，通过如下的过程判断指静脉设备是否为脏污设备：

步骤S118-1A：在灰度图像的卡纸的特征图像之外的区域，统计一阶梯度大于第七阈值的像素点的第五数量。

在本发明一优选的实施例中，第七阈值为40。应当理解的是，第七阈值并不以此为限，可根据具体情况设定。

步骤S118-2A：若第五数量大于第四数量阈值，则确定指静脉设备为脏污设备。

在本发明一优选的实施例中，第四数量阈值为30。应当理解的是，第四数量阈值并不以此为限，可根据具体情况设定。若第五数量大于第四数量阈值，则采集的图像脏污，如图11所示。

本发明一优选的实施例通过上述的步骤，统计灰度图像的一阶梯度较大的像素点的个数，可确定检测指静脉设备是否为脏污设备。

具体的，在本发明另一优选的实施例中，如图10所示，通过如下的过程判断指静脉设备是否为脏污设备：

步骤S118-1B：获取灰度图像对应的第一二值图。

第一二值图通过如下的规则得到：若灰度图像的像素点的一阶梯度大于60，则将该像素点的值设为1；否则，设为0。

步骤S118-2B：统计第一二值图的每一像素点的第一邻域内的值为1的像素点的第六数量。

在本发明一优选的实施例中，第一邻域为以像素点为中心的周围3×3的区域。应当理解的是该第一邻域的范围并不以3×3为限，可根据具体情况设定。

步骤S118-3B：若第六数量大于第五数量阈值，则将第一邻域内的所有像素点的值均设为1，得到第二二值图。

在本发明一优选的实施例中，第五数量阈值为6。应当理解的是，第五数量阈值并不以此为限，可根据具体情况设定。当第六数量大于6，则3×3的邻域内的9个点的值都设为1。

步骤S118-4B：对第二二值图进行单像素细化处理，得到单像素二值图。

该步骤可采用《A fast parallel algorithm for thinning digital patterns》(T.Y.Zhang，CY Suen，Communications of the ACM 27(3)，236-239(1984))公开的方法进行单像素细化处理。

步骤S118-5B：在单像素二值图的卡纸的特征图像的第二邻域内，进行交叉点检测。

在本发明一优选的实施例中，第二邻域为以卡纸的特征图像为中心的，在特征图像周围10个像素点的区域。应当理解的是该第二邻域的范围并不以10个像素点为限，可根据具体情况设定。

在本发明一优选的实施例中，采用的交叉点检测的方法如下：

(1)获取第二邻域内的每个像素点的第三邻域。

在本发明一优选的实施例中，第三邻域为以像素点为中心的周围3×3的区域。应当理解的是该第三邻域的范围并不以3×3为限，可根据具体情况设定。

(2)计算得到每个像素点的第三邻域内的除自身外的所有相邻两个像素点的值的差值的绝对值的和。

(3)若和为第九阈值，则检测到交叉点。

在本发明一优选的实施例中，第九阈值为6。应当理解的是，第九阈值并不以此为限，可根据具体情况设定。

通过上述的方法，可以检测单像素二值图中是否具有交叉点。

步骤S118-6B：若检测到交叉点，则确定指静脉设备为脏污设备。

若检测到交叉点，则采集的图像脏污，如图11所示。

本发明另一优选的实施例通过上述的步骤，统计二值图的特征轮廓上的交叉点的个数，可检测指静脉设备是否为脏污设备。

通过上述的两种不同实施方式，可检测指静脉设备是否为脏污设备。若指静脉设备为脏污设备，则在清理脏污后，应从黑屏检测开始，重复上述黑屏检测、卡纸异常检测、成像异常检测、波纹异常检测、黑影异常检测和脏污检测的过程，直到检测不具有这六个异常后，再进行其他异常的检测。

若指静脉设备不为脏污设备，则可以进行其他异常的检测，具体的，如图12所示，步骤S118之后，该方法还包括：

步骤S119：若指静脉设备不为脏污设备，则获取灰度图像对应的第一二值图。

该步骤与上述的步骤S118-1B相同，在此不再赘述。

步骤S120：对第一二值图进行去毛刺处理，得到第三二值图。

在本发明一优选的实施例中，去毛刺处理的方法如下：

(1)在第三二值图中的纹线上跟踪预设数量的像素点。

该纹线上的像素点的值均为1，即纹线是由值为1的像素点组成的线。

在本发明一优选的实施例中，预设数量为16。应当理解的是，预设数量并不以此为限，可根据具体情况设定。

(2)在跟踪的过程中，若检测到交叉点，则确定纹线的像素点均为毛刺。

在本发明一优选的实施例中，该交叉点检测方法与步骤S118-5B相同，具体为：获取纹线上的每个像素点的第四邻域。计算得到每个像素点的第四邻域内的除自身外的所有相邻两个像素点的值的差值的绝对值的和。若和为第十阈值，则检测到交叉点。优选的，第四邻域为以像素点为中心的周围3×3的区域，第十阈值为6。应当理解的是，第四邻域和第十阈值并不以此为限，可根据具体情况设定。

若检测到交叉点，则该纹线上的像素点均为长度小于16的毛刺。

(3)将具有毛刺的纹线的所有像素点的值设为0。

通过将相应像素点的值设为0，可去除毛刺。

步骤S121：将第三二值图的卡纸的特征图像均分为上半部特征图像和下半部特征图像。

步骤S122：获取上半部特征图像的第一特征宽度和下半部特征图像的第二特征宽度。

在本发明一优选的实施例中，第一特征宽度通过如下的方法获得：

(1)从上半部特征图像的位于最上方的第一行开始，从左到右逐行遍历上半部特征图像。

(2)在遍历的过程中，若检测到任一行中的两个像素点的值为1，且两个像素点的列坐标的差值的绝对值位于预设范围内，则将两个像素点的列坐标的差值的绝对值作为上半部特征图像的第一特征宽度。

在本发明一优选的实施例中，预设范围为[90，130]。应当理解的是，预设范围并不以此为限，可以根据具体情况设定。还应当理解的是，在遍历的过程中，当找到满足条件的这样的两个像素点后，停止遍历。

在本发明一优选的实施例中，第二特征宽度通过如下的方法获得：

(1)从下半部特征图像的位于最下方的第一行开始，从左到右逐行遍历下半部特征图像。

即下半部特征图像是从下往上进行逐行遍历，而如前所述的上半部特征图像，是从上往下逐行遍历。

(2)在遍历的过程中，若检测到一行中的两个像素点的值为1，且两个像素点的列坐标的差值的绝对值位于预设范围内，则将两个像素点的列坐标的差值的绝对值作为下半部特征图像的第二特征宽度。

该预设范围与如前文上半部特征图像所述的预设范围相同。应当理解的是，在遍历的过程中，当找到满足条件的这样的两个像素点后，停止遍历。

步骤S123：计算得到第一特征宽度和第二特征宽度的差值的绝对值。

步骤S124：若差值的绝对值大于第八阈值，则确定指静脉设备为倾斜设备。

在本发明一优选的实施例中，第八阈值为5。应当理解的是，第八阈值并不以此为限，可根据具体情况设定。

通过上述的步骤，采用二值图的卡纸的特征图像的上、下半部的特征宽度差，可以检测指静脉设备是否为倾斜设备。倾斜设备采集的图像如图13所示。

综上，本发明实施例的指静脉设备的异常检测方法，基于检测用卡纸，通过对灰度图和二值图进行图像处理和分析，可以进行黑屏检测、卡纸异常检测、成像异常检测、波纹异常检测、黑影异常检测、脏污检测和倾斜检测，实现了常见异常类型设备的检出，保证了出产设备的零误识率，同时由于无需拆开设备进行检测，提高了检测效率，节约了大量人工检测的成本。

本发明实施例还公开了一种指静脉设备的异常检测系统。如图14所示，该系统包括如下的模块：

采集模块1401，用于通过指静脉设备采集灰度图像。

第一获取模块1402，用于获取灰度图像的每一像素点的灰度。

第一统计模块1403，用于统计灰度小于第一阈值的像素点的第一数量。

第一确定模块1404，用于若第一数量占所有像素点的总数量的比值大于第一比值阈值，则确定指静脉设备出现黑屏异常。

优选的，系统还包括：

第一计算模块，用于统计灰度小于第一阈值的像素点的第一数量的步骤之后，若第一数量占所有像素点的总数量的比值不大于第一比值阈值，则计算灰度图像的像素点的一阶梯度。

第二统计模块，用于统计一阶梯度大于第二阈值的像素点的第二数量。

第二确定模块，用于若第二数量不大于第一数量阈值，则确定指静脉设备未检测到卡纸。

优选的，该系统还包括：

第三统计模块，用于统计一阶梯度大于第二阈值的像素点的第二数量的步骤之后，若第二数量大于第一数量阈值，则统计一阶梯度大于第三阈值的像素点的第三数量。

第三确定模块，用于若第三数量小于第二数量阈值，则确定指静脉设备出现成像模糊异常。

优选的，该系统还包括：

第四统计模块，用于统计一阶梯度大于第三阈值的像素点的第三数量的步骤之后，若第三数量不大于第二数量阈值，则根据灰度图像统计得到灰度直方图。

第二获取模块，用于获取灰度直方图的最大频数及最大频数对应的灰度。

第三获取模块，用于获取灰度范围。

其中，灰度范围的下限为灰度直方图的最大频数对应的灰度与第四阈值的差，灰度范围的上限为灰度直方图的最大频数对应的灰度与第五阈值的差。

第五统计模块，用于统计灰度范围内小于第六阈值的灰度直方图的频数对应的灰度的第四数量。

第四确定模块，用于若第四数量大于第三数量阈值，则确定指静脉设备的成像出现波纹异常。

优选的，该系统还包括：

第二计算模块，用于统计灰度范围内小于第六阈值的灰度直方图的频数对应的灰度的第四数量的步骤之后，若第四数量不大于第三数量阈值，则分别计算灰度图像的左侧区域、右侧区域和中央区域的灰度均值。

第三计算模块，用于计算左侧区域和中央区域的灰度均值的比值，以及，右侧区域和中央区域的灰度均值的比值。

第五确定模块，用于若左侧区域和中央区域的灰度均值的比值，以及，右侧区域和中央区域的灰度均值的比值中的至少一个小于第二比值阈值，则确定指静脉设备为黑影设备。

优选的，该系统还包括：

判断模块，用于计算左侧区域和中央区域的灰度均值的比值，以及，右侧区域和中央区域的灰度均值的比值的步骤之后，若左侧区域和中央区域的灰度均值的比值，以及，右侧区域和中央区域的灰度均值的比值均不小于第二比值阈值，则判断指静脉设备是否为脏污设备。

更优选的，判断模块包括：

第一统计子模块，用于在灰度图像的卡纸的特征图像之外的区域，统计一阶梯度大于第七阈值的像素点的第五数量。

第一确定子模块，用于若第五数量大于第四数量阈值，则确定指静脉设备为脏污设备。

更优选的，判断模块包括：

获取子模块，用于获取灰度图像对应的第一二值图。

第二统计子模块，用于统计第一二值图的每一像素点的第一邻域内的值为1的像素点的第六数量。

设置子模块，用于若第六数量大于第五数量阈值，则将第一邻域内的所有像素点的值均设为1，得到第二二值图。

处理子模块，用于对第二二值图进行单像素细化处理，得到单像素二值图。

检测子模块，用于在单像素二值图的卡纸的特征图像的第二邻域内，进行交叉点检测。

第二确定子模块，用于若检测到交叉点，则确定指静脉设备为脏污设备。

优选的，该系统还包括：

第四获取模块，用于判断指静脉设备是否为脏污设备的步骤之后，若指静脉设备不为脏污设备，则获取灰度图像对应的第一二值图。

去毛刺模块，用于对第一二值图进行去毛刺处理，得到第三二值图。

均分模块，用于将第三二值图的卡纸的特征图像均分为上半部特征图像和下半部特征图像。

第五获取模块，用于获取上半部特征图像的第一特征宽度和下半部特征图像的第二特征宽度。

第四计算模块，用于计算得到第一特征宽度和第二特征宽度的差值的绝对值。

第六确定模块，用于若差值的绝对值大于第八阈值，则确定指静脉设备为倾斜设备。

对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

综上，本发明实施例的指静脉设备的异常检测系统，基于检测用卡纸，通过对灰度图和二值图进行图像处理和分析，可以进行黑屏检测、卡纸异常检测、成像异常检测、波纹异常检测、黑影异常检测、脏污检测和倾斜检测，实现了常见异常类型设备的检出，保证了出产设备的零误识率，同时由于无需拆开设备进行检测，提高了检测效率，节约了大量人工检测的成本。

下面以一具体实施例对本发明的技术方案做进一步的说明。

该具体实施例中，共生产了15066台指静脉设备，通过本发明实施例的异常检测方法进行异常检出，检测出14台黑屏设备、25台成像模糊设备、13台波纹设备、10台倾斜设备、16台黑影设备、17台脏污设备。本发明实施例的异常检出方法能将误识率较高的异常设备检出，如脏污设备、波纹设备，这些异常设备的误识率高达10^-6量级，而正常设备为零误识率，明显地降低了这批设备的误识率。本发明实施例的异常检测系统可采用2.8GHz的Corei5-8400处理器，异常检出所需时间不超过20ms/台。

本领域普通技术人员可以意识到，结合本发明实施例中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种指静脉设备的异常检测方法，其特征在于，包括：

通过所述指静脉设备采集灰度图像；

获取所述灰度图像的每一像素点的灰度；

统计灰度小于第一阈值的所述像素点的第一数量；

若所述第一数量占所有所述像素点的总数量的比值大于第一比值阈值，则确定所述指静脉设备出现黑屏异常。

2.根据权利要求1所述的方法，其特征在于，所述统计灰度小于第一阈值的所述像素点的第一数量的步骤之后，所述方法还包括：

若所述第一数量占所有所述像素点的总数量的比值不大于第一比值阈值，则计算所述灰度图像的像素点的一阶梯度；

统计一阶梯度大于第二阈值的所述像素点的第二数量；

若所述第二数量不大于第一数量阈值，则确定所述指静脉设备未检测到所述卡纸。

3.根据权利要求2所述的方法，其特征在于，所述统计一阶梯度大于第二阈值的所述像素点的第二数量的步骤之后，所述方法还包括：

若所述第二数量大于所述第一数量阈值，则统计一阶梯度大于第三阈值的所述像素点的第三数量；

若所述第三数量小于第二数量阈值，则确定所述指静脉设备出现成像模糊异常。

4.根据权利要求3所述的方法，其特征在于，所述统计一阶梯度大于第三阈值的所述像素点的第三数量的步骤之后，所述方法还包括：

若所述第三数量不大于所述第二数量阈值，则根据所述灰度图像统计得到灰度直方图；

获取所述灰度直方图的最大频数及所述最大频数对应的灰度；

获取灰度范围，其中，所述灰度范围的下限为所述灰度直方图的最大频数对应的灰度与第四阈值的差，所述灰度范围的上限为所述灰度直方图的最大频数对应的灰度与第五阈值的差；

统计所述灰度范围内小于第六阈值的所述灰度直方图的频数对应的灰度的第四数量；

若所述第四数量大于第三数量阈值，则确定所述指静脉设备的成像出现波纹异常。

5.根据权利要求4所述的方法，其特征在于，所述统计所述灰度范围内小于第六阈值的所述灰度直方图的频数对应的灰度的第四数量的步骤之后，所述方法还包括：

若所述第四数量不大于所述第三数量阈值，则分别计算所述灰度图像的左侧区域、右侧区域和中央区域的灰度均值；

计算所述左侧区域和所述中央区域的灰度均值的比值，以及，所述右侧区域和所述中央区域的灰度均值的比值；

若所述左侧区域和所述中央区域的灰度均值的比值，以及，所述右侧区域和所述中央区域的灰度均值的比值中的至少一个小于第二比值阈值，则确定所述指静脉设备为黑影设备。

6.根据权利要求5所述的方法，其特征在于，所述计算所述左侧区域和所述中央区域的灰度均值的比值，以及，所述右侧区域和所述中央区域的灰度均值的比值的步骤之后，所述方法还包括：

若所述左侧区域和所述中央区域的灰度均值的比值，以及，所述右侧区域和所述中央区域的灰度均值的比值均不小于所述第二比值阈值，则判断所述指静脉设备是否为脏污设备。

7.根据权利要求6所述的方法，其特征在于，所述判断所述指静脉设备是否为脏污设备的步骤，包括：

在所述灰度图像的所述卡纸的特征图像之外的区域，统计一阶梯度大于第七阈值的所述像素点的第五数量；

若所述第五数量大于第四数量阈值，则确定所述指静脉设备为脏污设备。

8.根据权利要求6所述的方法，其特征在于，所述判断所述指静脉设备是否为脏污设备的步骤包括：

获取所述灰度图像对应的第一二值图；

统计所述第一二值图的每一像素点的第一邻域内的值为1的像素点的第六数量；

若所述第六数量大于第五数量阈值，则将所述第一邻域内的所有像素点的值均设为1，得到第二二值图；

对所述第二二值图进行单像素细化处理，得到单像素二值图；

在所述单像素二值图的所述卡纸的特征图像的第二邻域内，进行交叉点检测；

若检测到所述交叉点，则确定所述指静脉设备为脏污设备。

9.根据权利要求7所述的方法，其特征在于，所述判断所述指静脉设备是否为脏污设备的步骤之后，所述方法还包括：

若所述指静脉设备不为脏污设备，则获取所述灰度图像对应的第一二值图；

对所述第一二值图进行去毛刺处理，得到第三二值图；

将所述第三二值图的所述卡纸的特征图像均分为上半部特征图像和下半部特征图像；

获取所述上半部特征图像的第一特征宽度和所述下半部特征图像的第二特征宽度；

计算得到所述第一特征宽度和所述第二特征宽度的差值的绝对值；

若所述差值的绝对值大于第八阈值，则确定所述指静脉设备为倾斜设备。

10.一种指静脉设备的异常检测系统，其特征在于，包括：

采集模块，用于通过所述指静脉设备采集灰度图像；

第一获取模块，用于获取所述灰度图像的每一像素点的灰度；

第一统计模块，用于统计灰度小于第一阈值的所述像素点的第一数量；

第一确定模块，用于若所述第一数量占所有所述像素点的总数量的比值大于第一比值阈值，则确定所述指静脉设备出现黑屏异常。

Images