CN111553241B - 掌纹的误匹配点剔除方法、装置、设备及存储介质 - Google Patents
掌纹的误匹配点剔除方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111553241B CN111553241B CN202010331794.5A CN202010331794A CN111553241B CN 111553241 B CN111553241 B CN 111553241B CN 202010331794 A CN202010331794 A CN 202010331794A CN 111553241 B CN111553241 B CN 111553241B
- Authority
- CN
- China
- Prior art keywords
- point
- verified
- standard
- matching
- image
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000000605 extraction Methods 0.000 claims description 14
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 238000004891 communication Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 239000000284 extract Substances 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 238000002790 cross-validation Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
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
-
- 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
- G06V40/1365—Matching; Classification
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Collating Specific Patterns (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及人工智能领域，提供一种掌纹的误匹配点剔除的方法、装置、设备及存储介质，即基于ORB算法提取待验证手掌图像对应的待验证图像特征点；基于蛮力匹配算法、预设标准手掌图像对应的标准图像特征点以及所述待验证图像特征点，确定两个手掌图像对应的初始匹配点；基于特征匹配算法GMS，确定所述初始匹配点在两个手掌图像中的相关领域点是否匹配；若所述不匹配，则将所述初始匹配点标记为误匹配点并进行剔除。其中，标准手掌图像可存储于区块链中。本发明提高了掌纹的识别精确度。
Description
技术领域
本发明涉及人工智能技术领域，尤其涉及一种掌纹的误匹配点剔除方法、装置、设备及计算机可读存储介质。
背景技术
掌纹是一个相对稳定的生物特征，可以利用掌纹有效识别出人物的身份，例如将掌纹识别应用到无人超市、职场考勤等各种需要进行人物身份识别的应用场景。但是现有通过掌纹进行人物识别由于存在较多的误匹配点，导致识别准确率低下。因此，如何解决现有掌纹识别准确率低下，成为了目前亟待解决的技术问题。
发明内容
本发明的主要目的在于提供一种掌纹的误匹配点剔除方法、装置、设备及计算机可读存储介质，旨在解决现有掌纹识别准确率低下的技术问题。
为实现上述目的，本发明提供一种掌纹的误匹配点剔除方法，所述掌纹的误匹配点剔除方法包括以下步骤：
获取待验证手掌图像，并基于快速特征点提取和描述算法ORB算法提取所述待验证手掌图像对应的待验证图像特征点；
基于蛮力匹配算法、预设标准手掌图像对应的标准图像特征点以及所述待验证图像特征点，确定所述待验证手掌图像以及所述标准手掌图像对应的初始匹配点，并根据所述初始匹配点生成初始匹配点集；
在所述初始匹配点集中获取一初始匹配点，作为所述当前匹配点，并基于特征匹配算法GMS，确定所述当前匹配点在所述待验证图像中的待验证相关领域点集以及在所述标准图像中的标准相关领域点集；
根据所述待验证相关领域点集与所述标准相关领域点集，确定所述当前匹配点是否为误匹配点，并在所述初始匹配点集中剔除携带误匹配点标识的当前匹配点。
可选地，所述基于蛮力匹配算法、预设标准手掌图像对应的标准图像特征点以及所述待验证图像特征点，确定所述待验证手掌图像以及所述标准手掌图像对应的初始匹配点，并根据所述初始匹配点生成初始匹配点集的步骤具体包括：
基于所述蛮力匹配算法，获取所述标准手掌图像中的一标准图像特征点，作为第一标准图像特征点，并提取所述待验证手掌图像中的一待验证图像特征点，作为第一待验证图像特征点；
判断所述第一标准图像特征点是否为第一标准匹配点，其中，所述第一标准匹配点为所述标准手掌图像中与所述待第一待验证匹配点对应的匹配点；
在所述第一标准图像特征点为所述第一标准匹配点时，判断所述第一待验证图像特征点是否为第一待验证匹配点，其中，所述第一待验证匹配点为所述待验证手掌图像中与所述第一标准图像特征点对应的匹配点；
在所述第一待验证图像特征点为所述第一待验证匹配点时，将所述第一标准图像特征点与所述第一待验证图像特征点标记为一对初始匹配点，并根据所述初始匹配点生成初始匹配点集。
可选地，所述在所述第一待验证图像特征点为所述第一待验证匹配点时，将所述第一标准图像特征点与所述第一待验证图像特征点标记为一对初始匹配点，并根据所述初始匹配点生成初始匹配点集的步骤之后，还包括：
在所述第一待验证图像特征点不是所述第一待验证匹配点时，将所述第一标准图像特征点与所述第一待验证图像特征点标记为误匹配点。
可选地，所述判断所述第一标准图像特征点是否为第一标准匹配点，其中，所述第一标准匹配点为所述标准手掌图像中与所述待第一待验证匹配点对应的匹配点的步骤具体包括：
计算所述第一标准图像特征点对应的第一标准特征值，并计算所述第一待验证图像特征点对应的第一待验证特征值；
根据所述第一标准特征值与所述第一待验证特征值，计算所述第一标准特征点与所述第一待验证匹配点的相似度；
根据所述所述第一标准特征点与所述第一待验证匹配点的相似度，判断所述第一标准图像特征点是否为所述第一标准匹配点。
可选地，所述根据所述待验证相关领域点集与所述标准相关领域点集，确定所述当前匹配点是否为误匹配点，并在所述初始匹配点集中剔除携带误匹配点标识的当前匹配点的步骤具体包括：
在所述待验证相关领域点集与所述标准相关领域点集不匹配时，将所述当前匹配点标记为误匹配点，并在所述初始匹配点集中剔除携带误匹配点标识的当前匹配点。
可选地，所述在所述待验证相关领域点集与所述标准相关领域点集不匹配时，将所述当前匹配点标记为误匹配点，并在所述初始匹配点集中剔除携带误匹配点标识的当前匹配点的步骤之前，还包括：
获取所述待验证相关领域点集中与所述标准相关领域点集相匹配的一待验证相关领域点，作为目标点，生成目标点集；
判断所述目标点集中的目标点个数是否大于第一阈值；
若所述目标点个数不大于所述第一阈值，则判定所述待验证相关领域点集与所述标准相关领域点集不匹配。
可选地，所述根据所述待验证相关领域点集与所述标准相关领域点集，确定所述当前匹配点是否为误匹配点，并在所述初始匹配点集中剔除携带误匹配点标识的当前匹配点的步骤还包括：
在所述待验证相关领域点集与所述标准相关领域点集相匹配时，判定所述待验证手掌与所述标准手掌相同。
此外，为实现上述目的，本发明还提供一种掌纹的误匹配点剔除装置，所述掌纹的误匹配点剔除装置包括：
特征点提取模块，用于获取待验证手掌图像，并基于快速特征点提取和描述算法ORB算法提取所述待验证手掌图像对应的待验证图像特征点；
匹配点确定模块，用于基于蛮力匹配算法、预设标准手掌图像对应的标准图像特征点以及所述待验证图像特征点，确定所述待验证手掌图像以及所述标准手掌图像对应的初始匹配点，并根据所述初始匹配点生成初始匹配点集；
匹配点判断模块，用于在所述初始匹配点集中获取一初始匹配点，作为所述当前匹配点，并基于特征匹配算法GMS，确定所述当前匹配点在所述待验证图像中的待验证相关领域点集以及在所述标准图像中的标准相关领域点集；
误配点剔除模块，用于根据所述待验证相关领域点集与所述标准相关领域点集，确定所述当前匹配点是否为误匹配点，并在所述初始匹配点集中剔除携带误匹配点标识的当前匹配点。
此外，为实现上述目的，本发明还提供一种设备，所述设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的程序，其中所述程序被所述处理器执行时，实现如上述的方法的步骤。
此外，为实现上述目的，本发明还提供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程序，其中所述程序被处理器执行时，实现如上述的方法的步骤。
本发明提供一种掌纹的误匹配点剔除的方法，通过获取待验证手掌图像，并基于快速特征点提取和描述算法ORB算法提取所述待验证手掌图像对应的待验证图像特征点；基于蛮力匹配算法、预设标准手掌图像对应的标准图像特征点以及所述待验证图像特征点，确定所述待验证手掌图像以及所述标准手掌图像对应的初始匹配点，并根据所述初始匹配点生成初始匹配点集；在所述初始匹配点集中获取一初始匹配点，作为所述当前匹配点，并基于特征匹配算法GMS，确定所述当前匹配点在所述待验证图像中的待验证相关领域点集以及在所述标准图像中的标准相关领域点集；根据所述待验证相关领域点集与所述标准相关领域点集，确定所述当前匹配点是否为误匹配点，并在所述初始匹配点集中剔除携带误匹配点标识的当前匹配点。通过上述方式，本发明基于ORB算法提取掌纹图像特征，然后基于蛮力匹配算法获取标准手掌图像以及待验证手掌图像两幅图像对应的匹配点，然后用GMS(Grid-based Motion Statistic)剔除不符合领域一致性的匹配点，由此可基于最后的匹配结果，进行掌纹识别，提高了掌纹的识别精确度，解决了现有掌纹识别准确率低下的技术问题。
附图说明
图1为本发明实施例方案中涉及的设备的硬件结构示意图；
图2为本发明方法第一实施例的流程示意图；
图3为本发明方法第二实施例的流程示意图；
图4为本发明方法第三实施例的流程示意图；
图5为本发明装置第一实施例的功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
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。
本发明实施例涉及的掌纹的误匹配点剔除方法主要应用于掌纹的误匹配点剔除设备，该掌纹的误匹配点剔除设备可以是PC、便携计算机、移动终端等具有显示和处理功能的设备。
参照图1，图1为本发明实施例方案中涉及的掌纹的误匹配点剔除设备的硬件结构示意图。本发明实施例中，掌纹的误匹配点剔除设备可以包括处理器1001(例如CPU)，通信总线1002，用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信；用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)；网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)；存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器，存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的硬件结构并不构成对掌纹的误匹配点剔除设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
继续参照图1，图1中作为一种计算机可读存储介质的存储器1005可以包括操作系统、网络通信模块以及掌纹的误匹配点剔除程序。
在图1中，网络通信模块主要用于连接服务器，与服务器进行数据通信；而处理器1001可以调用存储器1005中存储的掌纹的误匹配点剔除程序，并执行本发明实施例提供的掌纹的误匹配点剔除方法。
本发明实施例提供了一种掌纹的误匹配点剔除方法。
参照图2，图2为本发明掌纹的误匹配点剔除方法第一实施例的流程示意图。
本实施例中，所述掌纹的误匹配点剔除方法包括以下步骤：
步骤S10,获取待验证手掌图像，并基于快速特征点提取和描述算法ORB算法提取所述待验证手掌图像对应的待验证图像特征点；
掌纹是一个相对稳定的生物特征，可以利用掌纹有效识别出人物的身份，例如将掌纹识别应用到无人超市、职场考勤等各种需要进行人物身份识别的应用场景。但是现有通过掌纹进行人物识别由于存在较多的误匹配点，导致识别准确率低下。为了解决上述问题，本发明基于ORB算法提取掌纹图像特征，然后基于蛮力匹配算法获取标准手掌图像以及待验证手掌图像两幅图像对应的匹配点，然后用交叉验证的方法剔除不是最佳匹配的误匹配点，由此可基于最后的匹配结果，进行掌纹识别，提高了掌纹的识别精确度。具体地，掌纹图像具有比较丰富的特征，在掌纹识别过程中可以通过提取掌纹图像的特征来判断两幅图像是否为同一个手掌。常用的特征提取方法有sift、surf和ORB等。其中，ORB(OrientedFAST and Rotated BRIEF，快速特征点提取和描述的算法)。ORB特征是将FAST特征点的检测方法与BRIEF特征描述算法结合起来，并在它们原来的基础上做了改进与优化，并通过ORB算法提取所述待验证手掌图像对应的待验证图像特征点。
步骤S20，基于蛮力匹配算法、预设标准手掌图像对应的标准图像特征点以及所述待验证图像特征点，确定所述待验证手掌图像以及所述标准手掌图像对应的初始匹配点，并根据所述初始匹配点生成初始匹配点集；
本实施例中，使用ORB分别提取预设标准手掌图像对应的标准图像特征点以及待验证手掌图像对应的待验证图像特征点，然后用蛮力匹配算法获取两幅图像对应的匹配点，蛮力匹配原理是图像A中的点i在图像B中必然会找到与其最优匹配的一个点j，从而构成一对匹配点。对于图像B中的点j，图像A中的点i并不一定是其最优匹配点，这样就人为(i,j)是一对误匹配点。因此，需要对所述初始匹配点进行进一步匹配验证。将所述初始匹配点添加至初始匹配点集中，其中，所述初始匹配点集中具有一个或者多个匹配点。
作为一种实施方式，为保证上述标准手掌图像的私密和安全性，标准手掌图像可存储于区块链中。本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
步骤S30，在所述初始匹配点集中获取一初始匹配点，作为所述当前匹配点，并基于特征匹配算法GMS，确定所述当前匹配点在所述待验证图像中的待验证相关领域点集以及在所述标准图像中的标准相关领域点集；
本实施例中，常规的特征匹配方法主要存在的问题是匹配效果好的匹配速度慢，匹配速度快的匹配结果经常不稳定等问题，针对这种问题GMS(Grid-based MotionStatistic)方法提出了一个简单的基于统计的解决方法，利用邻域一致性这一强有力的约束条件，可以快速区分出正确的匹配和错误的匹配，提高了匹配的稳定性。该方法的核心思想是：运动的平滑性导致了匹配的特征点邻域有较多匹配的点，正确的匹配点附近的邻域里的特征点也是一一对应的。即初始匹配点在所述待验证图像中的待验证相关领域点以及在所述标准图像中的标准相关领域点也应该一一对应，或者是大部分一一对应。即依次获取所述初始匹配点集中的一初始匹配点，作为所述当前匹配点(由此将所述初始匹配点集中的全部初始匹配点轮流作为当前匹配点进行操作)，基于特征匹配算法GMS，确定所述当前匹配点在所述待验证图像中的待验证相关领域点集以及在所述标准图像中的标准相关领域点集。具体实施例中，可以通过计数邻域的匹配点个数来判断一个匹配点是否为误匹配点。
步骤S40，根据所述待验证相关领域点集与所述标准相关领域点集，确定所述当前匹配点是否为误匹配点，并在所述初始匹配点集中剔除携带误匹配点标识的当前匹配点。
本实施例中，将所述待验证相关领域点集中的各个点与所述标准相关领域点集中的各个点进行匹配，根据匹配结果，确定所述当前匹配点是否为误匹配点。若判定所述待验证相关领域点集与所述标准相关领域点集不匹配，即初始匹配点相邻的点并不匹配。即表示该初始匹配点只是单个点对应匹配上，将所述初始匹配点标记为误匹配点，并将携带误匹配点标识的初始匹配点进行剔除。
本实施例中提供提供一种掌纹的误匹配点剔除的方法，通过获取待验证手掌图像，并基于快速特征点提取和描述算法ORB算法提取所述待验证手掌图像对应的待验证图像特征点；基于蛮力匹配算法、预设标准手掌图像对应的标准图像特征点以及所述待验证图像特征点，确定所述待验证手掌图像以及所述标准手掌图像对应的初始匹配点，并根据所述初始匹配点生成初始匹配点集；在所述初始匹配点集中获取一初始匹配点，作为所述当前匹配点，并基于特征匹配算法GMS，确定所述当前匹配点在所述待验证图像中的待验证相关领域点集以及在所述标准图像中的标准相关领域点集；根据所述待验证相关领域点集与所述标准相关领域点集，确定所述当前匹配点是否为误匹配点，并在所述初始匹配点集中剔除携带误匹配点标识的当前匹配点。通过上述方式，本发明基于ORB算法提取掌纹图像特征，然后基于蛮力匹配算法获取标准手掌图像以及待验证手掌图像两幅图像对应的匹配点，然后用GMS(Grid-based Motion Statistic)剔除不符合领域一致性的匹配点，由此可基于最后的匹配结果，进行掌纹识别，提高了掌纹的识别精确度，解决了现有掌纹识别准确率低下的技术问题。
参照图3，图3为本发明掌纹的误匹配点剔除方法第二实施例的流程示意图。
基于上述图2所示实施例，本实施例中，所述步骤S20具体包括：
步骤S21，基于所述蛮力匹配算法，获取所述标准手掌图像中的一标准图像特征点，作为第一标准图像特征点，并提取所述待验证手掌图像中的一待验证图像特征点，作为第一待验证图像特征点；
步骤S22，判断所述第一标准图像特征点是否为第一标准匹配点，其中，所述第一标准匹配点为所述标准手掌图像中与所述待第一待验证匹配点对应的匹配点；
其中，所述步骤S22具体包括：
计算所述第一标准图像特征点对应的第一标准特征值，并计算所述第一待验证图像特征点对应的第一待验证特征值；
根据所述第一标准特征值与所述第一待验证特征值，计算所述第一标准特征点与所述第一待验证匹配点的相似度；
根据所述所述第一标准特征点与所述第一待验证匹配点的相似度，判断所述第一标准图像特征点是否为所述第一标准匹配点。
步骤S23，在所述第一标准图像特征点为所述第一标准匹配点时，判断所述第一待验证图像特征点是否为第一待验证匹配点，其中，所述第一待验证匹配点为所述待验证手掌图像中与所述第一标准图像特征点对应的匹配点；
步骤S24，在所述第一待验证图像特征点为所述第一待验证匹配点时，将所述第一标准图像特征点与所述第一待验证图像特征点标记为一对初始匹配点，并根据所述初始匹配点生成初始匹配点集。
进一步地，所述步骤S20还包括：
在所述第一待验证图像特征点不是所述第一待验证匹配点时，将所述第一标准图像特征点与所述第一待验证图像特征点标记为误匹配点。
本实施例中，首先基于所述蛮力匹配算法，获取所述标准手掌图像对应的第一标准图像特征点，并提取所述待验证手掌图像对应的第一待验证图像特征点；基于所述第一标准图像特征点以及所述第一待验证图像特征点，在所述第一标准图像特征点中确定与所述待第一待验证匹配点对应匹配的第一标准匹配点；如手掌图像A和手掌图像B，使用ORB算法分别提取图像特征，然后用蛮力匹配算法获取两幅图像对应的匹配点，蛮力匹配原理是图像A中的点i在图像B中必然会找到与其最优匹配的一个点j，从而构成一对匹配点。对于图像B中的点j，图像A中的点i并不一定是其最优匹配点，这样就人为(i,j)是一对误匹配点。因此本文采用交叉验证的方法剔除此种类型的误匹配点。交叉验证的思想是：图像A中的点i在图像B中的最佳匹配点为j，同时图像B中的点j在图像A中的最佳匹配点为i，则人为点对(i,j)是一对最佳匹配点。
其中，ORB提取图片特征，每一个特征点有256个维度的特征值，计算图像A中点i与图像B中点j的相似性，就是计算i和j两个特征点的相应256个特征值的相似度(或距离)。
具体在图像B中确定图像A中的点i作为匹配点包括以下步骤：
1)获取图像A和图像B，两幅图像的特征点及特征点对应的特征值
2)遍历图像A中每一个特征点，取图像A中的特征点i，及其特征值；
3)对于图像A中的点i，遍历图像B中每一个特征点j，计算特征点i和j的对应特征值的相似性(或距离)，得到一系列计算结果；
4)对上述步骤得到的值进行排序，取值最大的一个特征点j作为图像A中点i的匹配点；
在图像A中确定图像B中的点j作为匹配点的步骤与以上步骤相同。
其中，最佳匹配点和误匹配点的确定步骤为：
获取图像A中点i及其在图像B中的匹配点j；
根据1)得到的图像B中的点j获取其在图像A中的匹配点m；
判断i和m是否为同一个特征点(判断方法：ORB提取特征得到的是一个固定序列，只需判断i和m在序列中的坐标是否一致即可)。若i和m是同一个点，则图像A中点和图像B中点是最佳匹配点，否则认为是误匹配点。
本实施例中，本发明基于ORB算法提取掌纹图像特征，然后基于蛮力匹配算法获取标准手掌图像以及待验证手掌图像两幅图像对应的匹配点，再用交叉验证的方法剔除不是最佳匹配的误匹配点，最后用GMS(Grid-based Motion Statistic)剔除不符合领域一致性的匹配点，由此可基于最后的匹配结果，进行掌纹识别，提高了掌纹的识别精确度，解决了现有基于掌纹识别方法的识别准确率低下的技术问题。
参照图4，图4为本发明掌纹的误匹配点剔除方法第三实施例的流程示意图。
基于上述图3所示实施例，本实施例中，所述步骤S40具体包括：
步骤S41，在所述待验证相关领域点集与所述标准相关领域点集不匹配时，将所述当前匹配点标记为误匹配点，并在所述初始匹配点集中剔除携带误匹配点标识的当前匹配点。
其中，所述步骤S41之前，还包括：
获取所述待验证相关领域点集中与所述标准相关领域点集相匹配的一待验证相关领域点，作为目标点，生成目标点集；
判断所述目标点集中的目标点个数是否大于第一阈值；
若所述目标点个数不大于所述第一阈值，则判定所述待验证相关领域点集与所述标准相关领域点集不匹配。
其中，所述步骤S40具体还包括：
在所述待验证相关领域点集与所述标准相关领域点集相匹配时，判定所述待验证手掌与所述标准手掌相同。
本实施例中，常规的特征匹配方法主要存在的问题是匹配效果好的匹配速度慢，匹配速度快的匹配结果经常不稳定等问题，针对这种问题GMS(Grid-based MotionStatistic)方法提出了一个简单的基于统计的解决方法，利用邻域一致性这一强有力的约束条件，可以快速区分出正确的匹配和错误的匹配，提高了匹配的稳定性。该方法的核心思想是：运动的平滑性导致了匹配的特征点邻域有较多匹配的点，正确的匹配点附近的邻域里的特征点也是一一对应的。可以通过计数邻域的匹配点个数来判断所述待验证相关领域点集与所述标准相关领域点集是否匹配。
其中，判断各个匹配点的特征领域是否有较多匹配的点的具体步骤如下：
1)分别将图像A和图像B划分为20*20的网格，并对划分网格的每一个小格子进行排序0～400；
2)对于图像A和图像B中的匹配点对(i，j)，在图像A和图像B中分别对应网格位置m和n，并统计m和n周围8邻域范围内是否存在匹配点，并计算匹配点个数；
3)图像A和图像B的对应网格m和n周围8邻域内匹配点个数大于给定阈值，则认为图像A和图像B中的匹配点对(I，j)是最佳匹配点，否则剔除匹配点对(i，j)。例如，若A和B匹配点周围有其它相邻匹配点，并且相邻匹配点数量大于给定阈值4，则认为A和B是最佳匹配点；C和D匹配对周围没有其它匹配点，则认为是误匹配点，则删除C和D匹配点。
此外，本发明实施例还提供一种掌纹的误匹配点剔除装置。
参照图5，图5为本发明掌纹的误匹配点剔除装置第一实施例的功能模块示意图。
本实施例中，所述掌纹的误匹配点剔除装置包括：
特征点提取模块10，用于获取待验证手掌图像，并基于快速特征点提取和描述算法ORB算法提取所述待验证手掌图像对应的待验证图像特征点；
匹配点确定模块20，用于基于蛮力匹配算法、预设标准手掌图像对应的标准图像特征点以及所述待验证图像特征点，确定所述待验证手掌图像以及所述标准手掌图像对应的初始匹配点，并根据所述初始匹配点生成初始匹配点集；
匹配点判断模块30，用于在所述初始匹配点集中获取一初始匹配点，作为所述当前匹配点，并基于特征匹配算法GMS，确定所述当前匹配点在所述待验证图像中的待验证相关领域点集以及在所述标准图像中的标准相关领域点集；
误配点剔除模块40，用于根据所述待验证相关领域点集与所述标准相关领域点集，确定所述当前匹配点是否为误匹配点，并在所述初始匹配点集中剔除携带误匹配点标识的当前匹配点。
进一步地，所述匹配点确定模块20具体包括：
图像特征点提取单元，用于基于所述蛮力匹配算法，获取所述标准手掌图像中的一标准图像特征点，作为第一标准图像特征点，并提取所述待验证手掌图像中的一待验证图像特征点，作为第一待验证图像特征点；
第一匹配点判断单元，用于判断所述第一标准图像特征点是否为第一标准匹配点，其中，所述第一标准匹配点为所述标准手掌图像中与所述待第一待验证匹配点对应的匹配点；
第二匹配点判断单元，用于在所述第一标准图像特征点为所述第一标准匹配点时，判断所述第一待验证图像特征点是否为第一待验证匹配点，其中，所述第一待验证匹配点为所述待验证手掌图像中与所述第一标准图像特征点对应的匹配点；
匹配点标记单元，用于在所述第一待验证图像特征点为所述第一待验证匹配点时，将所述第一标准图像特征点与所述第一待验证图像特征点标记为一对初始匹配点，并根据所述初始匹配点生成初始匹配点集。
进一步地，所述匹配点确定模块20具体还包括：
第一匹配点剔除单元，用于在所述第一待验证图像特征点不是所述第一待验证匹配点时，将所述第一标准图像特征点与所述第一待验证图像特征点标记为误匹配点。
进一步地，所述第一匹配点判断单元还用于：
计算所述第一标准图像特征点对应的第一标准特征值，并计算所述第一待验证图像特征点对应的第一待验证特征值；
根据所述第一标准特征值与所述第一待验证特征值，计算所述第一标准特征点与所述第一待验证匹配点的相似度；
根据所述所述第一标准特征点与所述第一待验证匹配点的相似度，判断所述第一标准图像特征点是否为所述第一标准匹配点。
进一步地，所述误配点剔除模块40具体包括：
第二匹配点剔除单元，用于在所述待验证相关领域点集与所述标准相关领域点集不匹配时，将所述当前匹配点标记为误匹配点，并在所述初始匹配点集中剔除携带误匹配点标识的当前匹配点。
进一步地，所述误配点剔除模块40还包括：
目标点获取单元，用于获取所述待验证相关领域点集中与所述标准相关领域点集相匹配的一待验证相关领域点，作为目标点，生成目标点集；
目标点判断单元，用于判断所述目标点集中的目标点个数是否大于第一阈值；
结果不匹配单元，用于若所述目标点个数不大于所述第一阈值，则判定所述待验证相关领域点集与所述标准相关领域点集不匹配。
结果匹配单元，用于在所述待验证相关领域点集与所述标准相关领域点集相匹配时，判定所述待验证手掌与所述标准手掌相同。
其中，上述掌纹的误匹配点剔除装置中各个模块与上述掌纹的误匹配点剔除方法实施例中各步骤相对应，其功能和实现过程在此处不再一一赘述。
此外，本发明实施例还提供一种计算机可读存储介质。
本发明计算机可读存储介质上存储有掌纹的误匹配点剔除程序，其中所述掌纹的误匹配点剔除程序被处理器执行时，实现如上述的掌纹的误匹配点剔除方法的步骤。
其中，掌纹的误匹配点剔除程序被执行时所实现的方法可参照本发明掌纹的误匹配点剔除方法的各个实施例，此处不再赘述。
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、物品或者系统不仅包括那些要素，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、物品或者系统所固有的要素。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、物品或者系统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。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如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
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 (5)
1.一种掌纹的误匹配点剔除方法，其特征在于，所述掌纹的误匹配点剔除方法包括以下步骤：
获取待验证手掌图像，并基于快速特征点提取和描述算法ORB算法提取所述待验证手掌图像对应的待验证图像特征点；
基于蛮力匹配算法、预设标准手掌图像对应的标准图像特征点以及所述待验证图像特征点，确定所述待验证手掌图像以及标准手掌图像对应的初始匹配点，并根据所述初始匹配点生成初始匹配点集；所述标准手掌图像存储于区块链中；
在所述初始匹配点集中获取一初始匹配点，作为当前匹配点，并基于特征匹配算法GMS，确定所述当前匹配点在所述待验证图像中的待验证相关领域点集以及在所述标准图像中的标准相关领域点集；
根据所述待验证相关领域点集与所述标准相关领域点集，确定所述当前匹配点是否为误匹配点，并在所述初始匹配点集中剔除携带误匹配点标识的当前匹配点；
所述基于蛮力匹配算法、预设标准手掌图像对应的标准图像特征点以及所述待验证图像特征点，确定所述待验证手掌图像以及所述标准手掌图像对应的初始匹配点，并根据所述初始匹配点生成初始匹配点集的步骤具体包括：
基于所述蛮力匹配算法，获取所述标准手掌图像中的一标准图像特征点，作为第一标准图像特征点，并提取所述待验证手掌图像中的一待验证图像特征点，作为第一待验证图像特征点；
判断所述第一标准图像特征点是否为第一标准匹配点，其中，所述第一标准匹配点为所述标准手掌图像中与所述第一待验证图像特征点对应的匹配点；
在所述第一标准图像特征点为所述第一标准匹配点时，判断所述第一待验证图像特征点是否为第一待验证匹配点，其中，所述第一待验证匹配点为所述待验证手掌图像中与所述第一标准图像特征点对应的匹配点；
在所述第一待验证图像特征点为所述第一待验证匹配点时，将所述第一标准图像特征点与所述第一待验证图像特征点标记为一对初始匹配点，并根据所述初始匹配点生成初始匹配点集；
所述在所述第一待验证图像特征点为所述第一待验证匹配点时，将所述第一标准图像特征点与所述第一待验证图像特征点标记为一对初始匹配点，并根据所述初始匹配点生成初始匹配点集的步骤之后，还包括：
在所述第一待验证图像特征点不是所述第一待验证匹配点时，将所述第一标准图像特征点与所述第一待验证图像特征点标记为误匹配点；
所述判断所述第一标准图像特征点是否为第一标准匹配点，其中，所述第一标准匹配点为所述标准手掌图像中与所述第一待验证图像特征点对应的匹配点的步骤具体包括：
计算所述第一标准图像特征点对应的第一标准特征值，并计算所述第一待验证图像特征点对应的第一待验证特征值；
根据所述第一标准特征值与所述第一待验证特征值，计算所述第一标准图像特征点与所述第一待验证图像特征点的相似度；
根据所述第一标准图像特征点与所述第一待验证图像特征点的相似度，判断所述第一标准图像特征点是否为所述第一标准匹配点；
所述根据所述待验证相关领域点集与所述标准相关领域点集，确定所述当前匹配点是否为误匹配点，并在所述初始匹配点集中剔除携带误匹配点标识的当前匹配点的步骤具体包括：
在所述待验证相关领域点集与所述标准相关领域点集不匹配时，将所述当前匹配点标记为误匹配点，并在所述初始匹配点集中剔除携带误匹配点标识的当前匹配点；
所述在所述待验证相关领域点集与所述标准相关领域点集不匹配时，将所述当前匹配点标记为误匹配点，并在所述初始匹配点集中剔除携带误匹配点标识的当前匹配点的步骤之前，还包括：
获取所述待验证相关领域点集中与所述标准相关领域点集相匹配的一待验证相关领域点，作为目标点，生成目标点集；
判断所述目标点集中的目标点个数是否大于第一阈值；
若所述目标点个数不大于所述第一阈值，则判定所述待验证相关领域点集与所述标准相关领域点集不匹配。
2.如权利要求1所述的掌纹的误匹配点剔除方法，其特征在于，所述根据所述待验证相关领域点集与所述标准相关领域点集，确定所述当前匹配点是否为误匹配点，并在所述初始匹配点集中剔除携带误匹配点标识的当前匹配点的步骤还包括：
在所述待验证相关领域点集与所述标准相关领域点集相匹配时，判定所述待验证手掌与所述标准手掌相同。
3.一种掌纹的误匹配点剔除装置，其特征在于，所述掌纹的误匹配点剔除装置包括：
特征点提取模块，用于获取待验证手掌图像，并基于快速特征点提取和描述算法ORB算法提取所述待验证手掌图像对应的待验证图像特征点；
匹配点确定模块，用于基于蛮力匹配算法、预设标准手掌图像对应的标准图像特征点以及所述待验证图像特征点，确定所述待验证手掌图像以及标准手掌图像对应的初始匹配点，并根据所述初始匹配点生成初始匹配点集；所述标准手掌图像存储于区块链中；
匹配点判断模块，用于在所述初始匹配点集中获取一初始匹配点，作为当前匹配点，并基于特征匹配算法GMS，确定所述当前匹配点在所述待验证图像中的待验证相关领域点集以及在所述标准图像中的标准相关领域点集；
误配点剔除模块，用于根据所述待验证相关领域点集与所述标准相关领域点集，确定所述当前匹配点是否为误匹配点，并在所述初始匹配点集中剔除携带误匹配点标识的当前匹配点；
所述基于蛮力匹配算法、预设标准手掌图像对应的标准图像特征点以及所述待验证图像特征点，确定所述待验证手掌图像以及所述标准手掌图像对应的初始匹配点，并根据所述初始匹配点生成初始匹配点集的操作具体包括：
基于所述蛮力匹配算法，获取所述标准手掌图像中的一标准图像特征点，作为第一标准图像特征点，并提取所述待验证手掌图像中的一待验证图像特征点，作为第一待验证图像特征点；
判断所述第一标准图像特征点是否为第一标准匹配点，其中，所述第一标准匹配点为所述标准手掌图像中与所述第一待验证图像特征点对应的匹配点；
在所述第一标准图像特征点为所述第一标准匹配点时，判断所述第一待验证图像特征点是否为第一待验证匹配点，其中，所述第一待验证匹配点为所述待验证手掌图像中与所述第一标准图像特征点对应的匹配点；
在所述第一待验证图像特征点为所述第一待验证匹配点时，将所述第一标准图像特征点与所述第一待验证图像特征点标记为一对初始匹配点，并根据所述初始匹配点生成初始匹配点集；
所述在所述第一待验证图像特征点为所述第一待验证匹配点时，将所述第一标准图像特征点与所述第一待验证图像特征点标记为一对初始匹配点，并根据所述初始匹配点生成初始匹配点集的步骤之后，还包括：
在所述第一待验证图像特征点不是所述第一待验证匹配点时，将所述第一标准图像特征点与所述第一待验证图像特征点标记为误匹配点；
所述判断所述第一标准图像特征点是否为第一标准匹配点，其中，所述第一标准匹配点为所述标准手掌图像中与所述第一待验证图像特征点对应的匹配点的操作具体包括：
计算所述第一标准图像特征点对应的第一标准特征值，并计算所述第一待验证图像特征点对应的第一待验证特征值；
根据所述第一标准特征值与所述第一待验证特征值，计算所述第一标准图像特征点与所述第一待验证图像特征点的相似度；
根据所述第一标准图像特征点与所述第一待验证图像特征点的相似度，判断所述第一标准图像特征点是否为所述第一标准匹配点；
所述根据所述待验证相关领域点集与所述标准相关领域点集，确定所述当前匹配点是否为误匹配点，并在所述初始匹配点集中剔除携带误匹配点标识的当前匹配点的操作具体包括：
在所述待验证相关领域点集与所述标准相关领域点集不匹配时，将所述当前匹配点标记为误匹配点，并在所述初始匹配点集中剔除携带误匹配点标识的当前匹配点；
所述在所述待验证相关领域点集与所述标准相关领域点集不匹配时，将所述当前匹配点标记为误匹配点，并在所述初始匹配点集中剔除携带误匹配点标识的当前匹配点的操作之前，还包括：
获取所述待验证相关领域点集中与所述标准相关领域点集相匹配的一待验证相关领域点，作为目标点，生成目标点集；
判断所述目标点集中的目标点个数是否大于第一阈值；
若所述目标点个数不大于所述第一阈值，则判定所述待验证相关领域点集与所述标准相关领域点集不匹配。
4.一种掌纹的误匹配点剔除设备，其特征在于，所述掌纹的误匹配点剔除设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的掌纹的误匹配点剔除程序，其中所述掌纹的误匹配点剔除程序被所述处理器执行时，实现如权利要求1或2所述的掌纹的误匹配点剔除方法的步骤。
5.一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掌纹的误匹配点剔除程序，其中所述掌纹的误匹配点剔除程序被处理器执行时，实现如权利要求1或2所述的掌纹的误匹配点剔除方法的步骤。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010331794.5A CN111553241B (zh) | 2020-04-24 | 2020-04-24 | 掌纹的误匹配点剔除方法、装置、设备及存储介质 |
| PCT/CN2020/135853 WO2021212874A1 (zh) | 2020-04-24 | 2020-12-11 | 掌纹的误匹配点剔除方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010331794.5A CN111553241B (zh) | 2020-04-24 | 2020-04-24 | 掌纹的误匹配点剔除方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111553241A CN111553241A (zh) | 2020-08-18 |
| CN111553241B true CN111553241B (zh) | 2024-05-07 |
Family
ID=72003947
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010331794.5A Active CN111553241B (zh) | 2020-04-24 | 2020-04-24 | 掌纹的误匹配点剔除方法、装置、设备及存储介质 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN111553241B (zh) |
| WO (1) | WO2021212874A1 (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111553241B (zh) * | 2020-04-24 | 2024-05-07 | 平安科技（深圳）有限公司 | 掌纹的误匹配点剔除方法、装置、设备及存储介质 |
| CN112819095B (zh) * | 2021-02-26 | 2023-04-18 | 吉林大学 | 特征点匹配方法、装置、智能终端及计算机可读存储介质 |
| CN114972629B (zh) * | 2022-04-14 | 2024-10-15 | 广州极飞科技股份有限公司 | 一种特征点匹配方法、装置、设备以及存储介质 |
| CN115049847B (zh) * | 2022-06-21 | 2024-04-16 | 上海大学 | 一种基于orb描述子的特征点局部邻域特征匹配方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107980140A (zh) * | 2017-10-16 | 2018-05-01 | 厦门中控智慧信息技术有限公司 | 一种掌静脉的识别方法及装置 |
| CN110147769A (zh) * | 2019-05-22 | 2019-08-20 | 成都艾希维智能科技有限公司 | 一种手指静脉图像匹配方法 |
| CN110826355A (zh) * | 2018-08-07 | 2020-02-21 | 腾讯数码（天津）有限公司 | 一种图像识别方法、装置和存储介质 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9286681B2 (en) * | 2014-06-05 | 2016-03-15 | Drvision Technologies Llc | Edit guided processing method for time-lapse image analysis |
| US11001804B2 (en) * | 2017-08-30 | 2021-05-11 | Wayne State University | Methods for the production of therapeutic, diagnostic, or research antibodies |
| CN109886089A (zh) * | 2019-01-07 | 2019-06-14 | 平安科技（深圳）有限公司 | 掌纹识别方法、装置和计算机设备 |
| CN111553241B (zh) * | 2020-04-24 | 2024-05-07 | 平安科技（深圳）有限公司 | 掌纹的误匹配点剔除方法、装置、设备及存储介质 |
-
2020
- 2020-04-24 CN CN202010331794.5A patent/CN111553241B/zh active Active
- 2020-12-11 WO PCT/CN2020/135853 patent/WO2021212874A1/zh active Application Filing
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107980140A (zh) * | 2017-10-16 | 2018-05-01 | 厦门中控智慧信息技术有限公司 | 一种掌静脉的识别方法及装置 |
| CN110826355A (zh) * | 2018-08-07 | 2020-02-21 | 腾讯数码（天津）有限公司 | 一种图像识别方法、装置和存储介质 |
| CN110147769A (zh) * | 2019-05-22 | 2019-08-20 | 成都艾希维智能科技有限公司 | 一种手指静脉图像匹配方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111553241A (zh) | 2020-08-18 |
| WO2021212874A1 (zh) | 2021-10-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111553241B (zh) | 掌纹的误匹配点剔除方法、装置、设备及存储介质 | |
| CN108229130B (zh) | 一种验证方法及装置 | |
| CN111899270B (zh) | 卡片边框检测方法、装置、设备及可读存储介质 | |
| CN111626371A (zh) | 一种图像分类方法、装置、设备及可读存储介质 | |
| CN111191201B (zh) | 基于数据埋点的用户识别方法、装置、设备及存储介质 | |
| CN112381092B (zh) | 跟踪方法、装置及计算机可读存储介质 | |
| CN114612941B (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 | |
| CN110795714A (zh) | 一种身份验证方法、装置、计算机设备及存储介质 | |
| CN114925348B (zh) | 一种基于指纹识别的安全验证方法及系统 | |
| CN113807342A (zh) | 基于图像获取设备信息的方法及相关装置 | |
| CN111488798B (zh) | 指纹识别方法、装置、电子设备及存储介质 | |
| CN111191207A (zh) | 电子文件的控制方法、装置、计算机设备及存储介质 | |
| CN112307994A (zh) | 基于扫地机的障碍物识别方法、电子装置及存储介质 | |
| CN112580108A (zh) | 签名和印章完整性验证方法及计算机设备 | |
| CN110008892A (zh) | 一种基于四连指指纹图像采集的指纹核验方法及装置 | |
| CN114386013A (zh) | 学籍自动认证方法、装置、计算机设备及存储介质 | |
| CN111178310A (zh) | 手掌特征识别方法、装置、计算机设备和存储介质 | |
| CN112733635B (zh) | 对象识别方法、装置及电子设备 | |
| JP6341059B2 (ja) | 文字認識装置、文字認識方法、およびプログラム | |
| CN111582354B (zh) | 图片识别方法、装置、设备及存储介质 | |
| CN111814535B (zh) | 掌纹图像的识别方法、装置、设备及计算机可读存储介质 | |
| CN116094971A (zh) | 一种工控协议识别方法、装置、电子设备及存储介质 | |
| CN115775404A (zh) | 人脸识别模型的训练方法、装置、设备和存储介质 | |
| CN113177543B (zh) | 证件识别方法、装置、设备及存储介质 | |
| CN109726625B (zh) | 反人脸识别方法、装置、终端设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40032311 Country of ref document: HK |
|
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |