CN111160290A - 一种提取手掌静脉有效区域的方法 - Google Patents
一种提取手掌静脉有效区域的方法 Download PDFInfo
- Publication number
- CN111160290A CN111160290A CN201911415308.1A CN201911415308A CN111160290A CN 111160290 A CN111160290 A CN 111160290A CN 201911415308 A CN201911415308 A CN 201911415308A CN 111160290 A CN111160290 A CN 111160290A
- Authority
- CN
- China
- Prior art keywords
- image
- middle finger
- palm
- effective region
- palm vein
- 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
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
- G06V40/14—Vascular patterns
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明提供一种提取手掌静脉有效区域的方法,包括S1、图像预处理,S2、图像特征寻找,S3、图像区域标定,S4、截取图像,本发明通过在手掌上标定一个有效区域,获取稳定的手掌特征区域,防止背景、手掌轮廓等无效特征在识别上的干扰因素,减小掌静脉识别时的算法难度,提升识别速度与通过率,提升使用者的使用体验;克服了距离远近、手掌旋转及运动导致的图像变化,同一手掌却得到了不同特征的问题,在不使用手掌固定架装置的情况下,本发明依然能够获取稳定的有效区域。
Description
技术领域
本发明涉及人体生物识别领域,尤其涉及一种提取手掌静脉有效区域的方法。
背景技术
手掌静脉识别是一种新的生物特征识别技术,主要应用于个人身份鉴别,同人的指纹相比,手掌静脉不仅具有高度的唯一性,而且活体性、防伪性和特征稳定性更为突出,在身份认证方面具有更高的安全性。所有人的静脉都是不同的,即使是长相非常相似的双胞胎的静脉图像也不同。
在掌静脉识别中,通常需获得个人掌静脉分布图,并通过其分布的匹配程度来识别用户,掌静脉特征指个人掌面内的静脉分布,而掌静脉识别设备通常拍摄到的幅面比较大,除背景外,手指及手掌轮廓都是掌静脉识别的干扰因素,因此在掌静脉识别中,标定手掌静脉有效区可以有效的提高识别效率。为减小掌静脉识别时的算法难度,提升识别速度,去除无效特征对识别的干扰。参阅图1现有技术与本发明的效果比对示意图,以固定矩形为有效区域,若使用者以①方式放置手掌可获得较好的特征。如图②由距离远导致图像变小,但选取不能灵活变化,并导致引入干扰特征。如图③由手掌旋转一定角度导致特征跟着旋转,等等。这些不能根据实际情况确定的选区,极大的干扰了识别效率和匹配通过率。
此外,现有技术主要是通过放置手掌定位架来固定手掌放置,当手掌成像时取图像中心固定区域作为有掌静脉效区,不能够根据手掌具体放置情况进行自动标定,导致在特征识别中往往通过率不高,匹配时间长,体验不佳。
因此,有必要提供一种提取手掌静脉有效区域的方法解决以上问题。
发明内容
本发明提供一种提取手掌静脉有效区域的方法。
为解决上述技术问题,本发明提供的提取手掌静脉有效区域的方法包括S1、图像预处理,图像灰度转化,图像缩小比例,图像二值化;S2、图像特征寻找,对所述S1图像预处理后的图像查找角点,对包含角点的矩阵进行手指凹点模型匹配,重复特征点过滤,得出手指两两相交的凹点特征点;S3、图像区域标定,根据S2图像特征寻找得到的所述凹点特征点来截取包含中指的区域图像,计算所述区域图像的中指直线公式以及中指平均宽度,根据所述中指直线公式计算得出手掌中的掌静脉有效区域起始坐标及长度和宽度,以中指线为基准旋转获得手掌静脉有效区域;S4、截取图像。
进一步地,所述步骤S1中,图像灰度转化具体为:简化图像的色彩,将彩色图像转化为灰度图像;图像缩小比例具体为:处理图像时,在图像不失真的情况下缩小图像;图像二值化包括如下步骤:S11、计算整幅图像像素的平均灰度值;S12、遍历所有像素,把像素值大于所述平均灰度值的点的像素设为255,否则设为0。
进一步地,所述步骤S2中,查找角点的具体方式为:选取半径为R的区域像素,当区域边界有三分之一的像素值与中心像素不一致时则该区域存在角点,获取角点密集区域。
进一步地,所述步骤S3中,所述中指直线公式包括中指斜率、中指截距、中指线垂线、中指线斜率反正切的旋转角度。
进一步地,所述步骤S3中,依据所述中指斜率和中指截距得到中指线,以中指线为基准向上平移所述中指平均宽度距离,得到有效区域上边界,以中指线为基准向下平移所述中指平均宽度距离,得到有效区域下边界,以中指线垂线为基准向右平移所述中指平均宽度距离,得到有效区域左边界,以中指线垂线为基准向右平移三倍所述中指平均宽度距离,得到有效区域右边界。
进一步地,得到所述有效区域后,计算所述有效区域的起点、长度、宽度,以所述有效区域的起点为图像中心旋转中指线斜率反正切的旋转角度。
进一步地,所述步骤S4截取图像中,以所述有效区域的起点为起点进行截取。
本技术方案具有如下有益效果:
与现有技术相比,本技术方案的提取手掌静脉有效区域的方法,原理是在手掌上标定一个有效区域,获取稳定的手掌特征区域,防止背景、手掌轮廓等无效特征在识别上的干扰因素,减小掌静脉识别时的算法难度,提升识别速度与通过率,提升使用者的使用体验。
克服了距离远近、手掌旋转及运动导致的图像变化,同一手掌却得到了不同特征的问题,在不使用手掌固定架装置的情况下,本发明依然能够获取稳定的有效区域。
附图说明
图1为现有技术与本发明的效果比对示意图;
图2为本发明提供的提取手掌静脉有效区域的方法的流程示意图;
图3为本发明提供的提取手掌静脉有效区域的方法的效果示意图;
图4为本发明提供的提取手掌静脉有效区域的方法的S1中图像二值化的说明示意图;
图5为本发明提供的提取手掌静脉有效区域的方法的S2中角点的说明示意图;
图6为本发明提供的提取手掌静脉有效区域的方法的实现过程示意图;
图6中:
P1、P2、P3、P4:手指两两交点
Lb1:中指线
Lb2:中指线垂线
Len:中指平均宽度
θ:中指线斜率反正切的旋转角度
P0:有效区域的起点
w:有效区域宽度
h:有效区域高度
虚线框:中指选区
实线框:有效区域
具体实施方式
下面结合附图1、图2、图3、图4、图5、图6和实施方式对本发明作进一步说明。其中,图1为现有技术与本发明的效果比对示意图,作为对比说明使用;图2为本发明提供的提取手掌静脉有效区域的方法的流程示意图;图3为本发明提供的提取手掌静脉有效区域的方法的效果示意图;图4与图5分别为本发明提供的提取手掌静脉有效区域的方法的S1中图像二值化、S2中角点的说明示意图,作为本方法解释说明使用;图6为本发明提供的提取手掌静脉有效区域的方法的实现过程示意图,作为设计原理说明使用。
在本发明的一种实施例中,提供了一种提取手掌静脉有效区域的方法,用于获取稳定的手掌特征区域,专用于掌静脉识别。本发明的提取手掌静脉有效区域的方法包括S1、图像预处理,图像灰度转化,图像缩小比例,图像二值化;S2、图像特征寻找,对所述S1图像预处理后的图像查找角点,对包含角点的矩阵进行手指凹点模型匹配,重复特征点过滤,得出手指两两相交的凹点特征点;S3、图像区域标定,根据S2图像特征寻找得到的所述凹点特征点来截取包含中指的区域图像,计算所述区域图像的中指直线公式以及中指平均宽度,根据所述中指直线公式计算得出手掌中的掌静脉有效区域起始坐标及长度和宽度,以中指线为基准旋转获得手掌静脉有效区域;S4、截取图像。
参阅图2,本技术方案中,步骤S1中的图像灰度转化,是因为在对颜色不敏感的图像处理中,颜色是一个很大的干扰因素,并且一副彩色图的一个像素点由“R,G,B”3个值组成,而灰度图的一个像素只用1个值表示,将彩色图像转为灰度图可有效的缩减后续对手掌静脉有效区域提取的难度,图像灰度转化具体为:简化图像的色彩,将彩色图像转化为灰度图像。
步骤S1中,为了获取较清晰的图片,通常直接拍摄的图片像素不能过小,防止图像信息丢失。但处理图像时不必使用原大小直接处理,在图像不失的真情况下缩小图像,可以减少后续特征查找的复杂度,降低计算的复杂度,所以进行图像缩小比例,具体为:处理图像时,在图像不失真的情况下缩小图像。
步骤S1中,图像二值化包括如下步骤:S11、计算整幅图像像素的平均灰度值;S12、遍历所有像素,把像素值大于所述平均灰度值的点的像素设为255,否则设为0。图像二值化是将图像上的像素点的灰度值设置为0或255,也就是将整个图像呈现出明显的黑白效果。参阅图4,经过图像二值化后,图像的效果呈现出明显的黑白状态,处理后有利于进一步的特征寻找与区域计算,是本方法中的筛选阶段工序。
本实施例中,经过图像预处理后,在进行步骤S2的图像特征寻找,对所述S1图像预处理后的图像查找角点,参阅图5,角点通常被定义为两条边的角点,图片的不同位置会出现角点,更严格的说,角点的局部邻域应该具有两个不同区域的不同方向的边界,查找角点后,对包含角点的矩阵进行手指凹点模型匹配,重复特征点过滤,即可的到凹点特征点。查找角点的方式为:选取半径为R的区域像素,当区域边界有三分之一的像素值与中心像素不一致时则该区域存在角点,获取角点密集区域。
步骤S3的图像区域标定,是在步骤S2图像特征寻找得到凹点特征点后的步骤,截取包含中指的区域图像,根据计算得出手掌中的掌静脉有效区域,随后进行旋转得到所需图像。中指直线公式包括中指斜率、中指截距、中指线垂线、中指线斜率反正切的旋转角度,依据中指斜率和中指截距得到中指线,以中指线为基准向上平移中指平均宽度距离,得到有效区域上边界,以中指线为基准向下平移中指平均宽度距离,得到有效区域下边界,以中指线垂线为基准向右平移中指平均宽度距离,得到有效区域左边界,以中指线垂线为基准向右平移三倍中指平均宽度距离,得到有效区域右边界,至此得到有效区域。得到有效区域后,计算有效区域的起点、长度、宽度,以有效区域的起点为图像中心旋转中指线斜率反正切的旋转角度。
详细说明:参阅图6,本发明提供的提取手掌静脉有效区域的方法设计原理说明如下:查找四根手指交点的坐标(手指两两交点)P1、P2、P3、P4,其中中指左右交点为P2、P3,根据中指交点选取中指区域,中指区域的选取是用于具体定位图像有效区选取的中指线Lb1,也可称为基准线,图6中虚线框为中指选区,当手掌自然放置时,有中指与手掌的相对位置保持不变的特点,则可得到手掌在整图的旋转角度,为获得旋转不变性的有效区选框提供依据。首先,计算中指斜率k和中指截距b,依据中指斜率k和中指截距可得到中指线Lb1;计算中指平均宽度Len,当摄像头位置固定时,手掌距镜头越远手掌成像越小,手掌距镜头越近成像越大。非特殊情况下,有指宽与掌形存在保持比例不变的特定。则指宽为获得距离远近变化的有效区选框不变性提供依据,这是计算中指平均宽度的意义所在;根据中指线Lb1可以得到中指线垂线Lb2,随后,以中指线Lb1为基准,向上平移中指平均宽度Len的距离,得到有效区域上边界,以中指线Lb1为基准,向下平移中指平均宽度Len的距离,得到有效区域下边界,以中指线垂线Lb2为基准向右平移中指平均宽度距离,得到有效区域左边界,以中指线垂线Lb2为基准向右平移三倍中指平均宽度距离,得到有效区域右边界,至此得到有效区域,图6中实线框即为有效区域;计算有效区域的起点P0及有效区域宽度w和有效区域高度h;计算中指线斜率k反正切得到旋转角度θ(中指线斜率反正切的旋转角度),以P0为图像中心旋转θ度。
步骤S4为截取图像,以有效区域的起点P0为起点进行截取。
参阅图3本发明提供的提取手掌静脉有效区域的方法的效果示意图,与图1相比,本发明的提取手掌静脉有效区域的方法克服了距离远近、手掌旋转及运动导致的图像变化,同一手掌却得到了不同特征的问题,在不使用手掌固定架装置的情况下,本发明依然能够获取稳定的有效区域。
以上所述仅为本发明的实施例,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它相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (8)
1.一种提取手掌静脉有效区域的方法,其特征在于,包括
S1、图像预处理,
S2、图像特征寻找,
S3、图像区域标定,
S4、截取图像。
2.根据权利要求1所述的提取手掌静脉有效区域的方法,其特征在于,所述步骤S1的图像预处理包括图像灰度转化、图像缩小比例、图像二值化,所述图像灰度转化具体为:简化图像的色彩,将彩色图像转化为灰度图像;所述图像缩小比例具体为:处理图像时,在图像不失真的情况下缩小图像;所述图像二值化包括如下步骤:
S11、计算整幅图像像素的平均灰度值;
S12、遍历所有像素,把像素值大于所述平均灰度值的点的像素设为255,否则设为0。
3.根据权利要求2所述的提取手掌静脉有效区域的方法,其特征在于,所述图像特征寻找是对所述S1图像预处理后的图像查找角点,对包含角点的矩阵进行手指凹点模型匹配,重复特征点过滤,得出手指两两相交的凹点特征点,查找角点的具体方式为:选取半径为R的区域像素,当区域边界有三分之一的像素值与中心像素不一致时则该区域存在角点,获取角点密集区域。
4.据权利要求3所述的提取手掌静脉有效区域的方法,其特征在于,所述图像区域标定是根据S2图像特征寻找得到的所述凹点特征点来截取包含中指的区域图像,计算所述区域图像的中指直线公式以及中指平均宽度,根据所述中指直线公式计算得出手掌中的掌静脉有效区域起始坐标及长度和宽度,以中指线为基准旋转获得手掌静脉有效区域。
5.根据权利要求4所述的提取手掌静脉有效区域的方法,其特征在于,所述步骤S3中,所述中指直线公式包括中指斜率、中指截距、中指线垂线、中指线斜率反正切的旋转角度。
6.根据权利要求5所述的提取手掌静脉有效区域的方法,其特征在于,所述步骤S3中,依据所述中指斜率和中指截距得到中指线,以中指线为基准向上平移所述中指平均宽度距离,得到有效区域上边界,以中指线为基准向下平移所述中指平均宽度距离,得到有效区域下边界,以中指线垂线为基准向右平移所述中指平均宽度距离,得到有效区域左边界,以中指线垂线为基准向右平移三倍所述中指平均宽度距离,得到有效区域右边界。
7.根据权利要求6所述的提取手掌静脉有效区域的方法,其特征在于,得到所述有效区域后,计算所述有效区域的起点、长度、宽度,以所述有效区域的起点为图像中心旋转中指线斜率反正切的旋转角度。
8.根据权利要求7所述的提取手掌静脉有效区域的方法,其特征在于,所述步骤S4截取图像中,以所述有效区域的起点为起点进行截取。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911415308.1A CN111160290B (zh) | 2019-12-31 | 2019-12-31 | 一种提取手掌静脉有效区域的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911415308.1A CN111160290B (zh) | 2019-12-31 | 2019-12-31 | 一种提取手掌静脉有效区域的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111160290A true CN111160290A (zh) | 2020-05-15 |
CN111160290B CN111160290B (zh) | 2023-09-01 |
Family
ID=70560093
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911415308.1A Active CN111160290B (zh) | 2019-12-31 | 2019-12-31 | 一种提取手掌静脉有效区域的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111160290B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115376167A (zh) * | 2022-10-26 | 2022-11-22 | 山东圣点世纪科技有限公司 | 一种复杂背景下的手掌检测方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105760841A (zh) * | 2016-02-22 | 2016-07-13 | 桂林航天工业学院 | 一种身份识别方法及系统 |
CN106991380A (zh) * | 2017-03-10 | 2017-07-28 | 电子科技大学 | 一种基于掌静脉图像的预处理方法 |
US20170277963A1 (en) * | 2016-03-24 | 2017-09-28 | Fujitsu Limited | Image processing device, image processing method and computer-readable non-transitory medium |
US20180357499A1 (en) * | 2015-11-24 | 2018-12-13 | Xiamen Zkteco Information Technology Co., Ltd. | Palm vein identification method and device |
-
2019
- 2019-12-31 CN CN201911415308.1A patent/CN111160290B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180357499A1 (en) * | 2015-11-24 | 2018-12-13 | Xiamen Zkteco Information Technology Co., Ltd. | Palm vein identification method and device |
CN105760841A (zh) * | 2016-02-22 | 2016-07-13 | 桂林航天工业学院 | 一种身份识别方法及系统 |
US20170277963A1 (en) * | 2016-03-24 | 2017-09-28 | Fujitsu Limited | Image processing device, image processing method and computer-readable non-transitory medium |
CN106991380A (zh) * | 2017-03-10 | 2017-07-28 | 电子科技大学 | 一种基于掌静脉图像的预处理方法 |
Non-Patent Citations (2)
Title |
---|
吴微;苑玮琦;林森;宋辉;张洪涛;: "手掌静脉识别中感兴趣区域的选择与定位研究" * |
苑玮琦;李威;: "基于特征参量空间的掌脉识别方法研究" * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115376167A (zh) * | 2022-10-26 | 2022-11-22 | 山东圣点世纪科技有限公司 | 一种复杂背景下的手掌检测方法及系统 |
CN115376167B (zh) * | 2022-10-26 | 2023-02-24 | 山东圣点世纪科技有限公司 | 一种复杂背景下的手掌检测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111160290B (zh) | 2023-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109427066A (zh) | 任意角度的边缘检测方法 | |
CN111507994A (zh) | 一种人像提取方法、人像提取装置及移动终端 | |
US8478070B2 (en) | Information processing apparatus, block detection method, and program | |
CN108875621A (zh) | 图像处理方法、装置、计算机设备及存储介质 | |
JP2007272435A (ja) | 顔特徴抽出装置及び顔特徴抽出方法 | |
CN109902586A (zh) | 掌纹提取方法、装置及存储介质、服务器 | |
CN110032936A (zh) | 无参数手背静脉最大圆形区域提取方法 | |
CN114612941A (zh) | 一种基于掌静脉特征的多模式身份认证方法、装置及系统 | |
CN106778766B (zh) | 一种基于定位点的旋转数字识别方法及系统 | |
CN106960184B (zh) | 一种书本边框的图像定位方法 | |
CN110110697B (zh) | 基于方向矫正的多指纹分割提取方法、系统、设备及介质 | |
CN111160290A (zh) | 一种提取手掌静脉有效区域的方法 | |
CN109766850A (zh) | 基于特征融合的指纹图像匹配方法 | |
CN109670447A (zh) | 印章选票填涂框图像的识别方法、装置及可读存储介质 | |
CN107153806A (zh) | 一种人脸检测方法及装置 | |
CN115359249B (zh) | 一种手掌图像roi区域提取方法及系统 | |
Lin | A novel iris recognition method based on the natural-open eyes | |
CN112308044B (zh) | 针对掌静脉图像的图像增强处理方法和掌静脉识别方法 | |
JP5051671B2 (ja) | 情報処理装置、情報処理方法およびプログラム | |
CN108647680A (zh) | 图像定位框检测方法和装置 | |
KR100300961B1 (ko) | 최적얼굴영역추출방법및그에따른얼굴인식방법 | |
Li et al. | Research on Low Contrast Image Enhancement Algorithm | |
CN110097065B (zh) | 一种基于FreeMan链码的直线检测方法及终端 | |
JPH0785255B2 (ja) | 文字パターン整形装置 | |
US11080518B2 (en) | Face image generating method for recognizing face |
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 |