CN112241710A - 掌脉识别方法、掌脉识别装置 - Google Patents

掌脉识别方法、掌脉识别装置 Download PDF

Info

Publication number
CN112241710A
CN112241710A CN202011137409.XA CN202011137409A CN112241710A CN 112241710 A CN112241710 A CN 112241710A CN 202011137409 A CN202011137409 A CN 202011137409A CN 112241710 A CN112241710 A CN 112241710A
Authority
CN
China
Prior art keywords
palm vein
image
palm
interest
data format
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.)
Pending
Application number
CN202011137409.XA
Other languages
English (en)
Inventor
陈海波
其他发明人请求不公开姓名
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Deep Blue Technology Shanghai Co Ltd
Original Assignee
Deep Blue Technology Shanghai Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Deep Blue Technology Shanghai Co Ltd filed Critical Deep Blue Technology Shanghai Co Ltd
Priority to CN202011137409.XA priority Critical patent/CN112241710A/zh
Publication of CN112241710A publication Critical patent/CN112241710A/zh
Pending legal-status Critical Current

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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/602—Providing cryptographic facilities or services
    • 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
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
    • 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)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • Bioethics (AREA)
  • General Health & Medical Sciences (AREA)
  • Collating Specific Patterns (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明提供一种掌脉识别方法、掌脉识别装置，其中，掌脉识别方法包括以下步骤：采集掌脉图像；获取感兴趣区域的掌脉图像；对感兴趣区域的掌脉图像进行预处理，并提取感兴趣区域的掌脉图像的特征值；将特征值转换为JSON数据格式，并进行加密；根据加密后的JSON数据格式的特征值与掌脉数据库中的JSON数据格式的特征值进行匹配，以进行身份识别。该方法将特征值转换为JSON数据格式后进行加密，由于JSON数据格式可以在任何语言直接相互转换，可以将掌脉数据应用到任何可编程的地方，扩展了掌脉数据的应用领域。

Description

掌脉识别方法、掌脉识别装置
技术领域
本发明涉及图像识别技术领域，具体涉及一种掌脉识别方法、掌脉识别装置和一种非临时性计算机可读存储介质。
背景技术
随着移动互联网技术的快速发展，各种支付层出不穷，其中代表有支付宝和微信支付，也成为当下主要的交易支付技术手段，人们已经不在广泛使用信用卡等等支付方式，通过人体生物特征(例如人脸、指纹、虹膜、掌脉等)的身份识别技术进行支付，用户可随时随地可通过手机终端进行支付交易业务，大大节省了人们的交易时间成本，带来的支付领域的革命性变革。而人体生物特征的身份识别技术中，掌静脉特征由于很难被伪造，安全等级较高，被广泛应用于身份识别。
相关技术中，掌脉识别一般只可以解决现场的身份识别，掌脉存储在本地局域网进行验证，对于远程掌脉验证以及在将掌脉数据进行网络传输应用方面，具有一定局限性。
发明内容
本发明为解决上述技术问题，本发明的第一个目的提出一种掌脉识别方法，该方法将特征值转换为JSON(JavaScript Object Notation，JS对象简谱，是一种轻量级的数据交换格式)数据格式后进行加密，由于JSON数据格式可以在任何语言直接相互转换，可以将掌脉数据应用到任何可编程的地方，扩展了掌脉数据的应用领域。
本发明的第二个目的提出一种掌脉识别装置。
本发明的第三个目的在于提出一种非临时性计算机可读存储介质。
本发明采用的技术方案如下：
本发明的第一方面实施例提出了一种掌脉识别方法，包括：采集掌脉图像；获取感兴趣区域的掌脉图像；对所述感兴趣区域的掌脉图像进行预处理，并提取所述感兴趣区域的掌脉图像的特征值；将所述特征值转换为JSON数据格式，并进行加密；根据加密后的JSON数据格式的特征值与掌脉数据库中的JSON数据格式的特征值进行匹配，以进行身份识别。
本发明上述提出的掌脉识别方法还可以具有如下附加技术特征：
根据本发明的一个实施例，对所述感兴趣区域的掌脉图像进行预处理，包括：图像阈值分割、二值化、轮廓跟踪、图像填充、图像开运算、计算重心以及中心投影。
根据本发明的一个实施例，所述感兴趣区域为：食指中点、无名指中点、中指最下面关节构成的三角区域。
根据本发明的一个实施例，通过近红外线CCD(Charge-coupled Device，电荷耦合器件)摄像头采集所述掌脉图像。
本发明第二方面的实施例提出了一种掌脉识别装置，包括：采集模块，所述采集模块用于采集掌脉图像；获取模块，所述获取模块用于获取感兴趣区域的掌脉图像；提取模块，所述提取模块用于对所述感兴趣区域的掌脉图像进行预处理，并提取所述感兴趣区域的掌脉图像的特征值；转换模块，所述转换模块用于将所述特征值转换为JSON数据格式，并进行加密；匹配模块，所述匹配模块用于根据加密后的JSON数据格式的特征值与掌脉数据库中的JSON数据格式的特征值进行匹配，以进行身份识别。
本发明上述提出的掌脉识别装置还可以具有如下附加技术特征：
根据本发明的一个实施例，所述提取模块对所述感兴趣区域的掌脉图像进行预处理，包括：图像阈值分割、二值化、轮廓跟踪、图像填充、图像开运算、计算重心以及中心投影。
根据本发明的一个实施例，所述感兴趣区域为：食指中点、无名指中点、中指最下面关节构成的三角区域。
根据本发明的一个实施例，所述采集模块通过近红外线CCD摄像头采集所述掌脉图像。
本发明第三方面的实施例提出了一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明第一方面实施例所述的掌脉识别方法。
本发明的有益效果：
本发明将特征值转换为JSON数据格式后进行加密，由于JSON数据格式可以在任何语言直接相互转换，可以将掌脉数据应用到任何可编程的地方，扩展了掌脉数据的应用领域。
附图说明
图1是根据本发明一个实施例的掌脉识别方法的流程图；
图2是根据本发明一个实施例的感兴趣区域的示意图；
图3是根据本发明一个实施例的掌脉识别装置的方框示意图。
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，所描述的实施例仅仅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。
掌脉即掌静脉，为透过手掌的皮肤隐约可见的青筋，包括手掌范围内的所有静脉系统，静脉是导血回心的血管，起于毛细血管，止于心房。用掌静脉进行身份认证时，获取的是掌静脉的图像特征，是掌活体时才存在的特征，非活体的手掌是得不到静脉图像特征的，因而无法识别，从而也就无法造假。用掌静脉进行身份认证时，获取的是手掌内部的静脉图像特征，而不是手掌表面的图像特征，因此，不存在任何由于手掌表面的损伤、磨损、干燥或太湿等带来的识别障碍。用掌静脉进行身份认证，获取手掌静脉图像时，手掌无须与设备接触，轻轻一放，即可完成识别，这种方式没有手接触设备时的不卫生的问题以及手指表面特征可能被复制所带来的安全问题，并避免了被当作审查对象的心理不适，同时也不会因脏物污染而无法识别。手掌静脉方式由于静脉位于手掌内部，气温等外部因素的影响程度可以忽略不计，几乎适用于所有用户，用户接受度好。除了无需与扫描器表面发生直接接触以外，这种非侵入性的扫描过程既简单又自然，减轻了用户由于担心卫生程度或使用麻烦而可能存在的抗拒心理。因为有了前面的活体识别、内部特征和非接触式3个方面的特征，确保了使用者的掌静脉特征很难被伪造。所以掌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。
图1是根据本发明一个实施例的掌脉识别方法的流程图。如图1所示，该方法包括以下步骤：
S1，采集掌脉图像。
其中，可以，通过近红外线CCD摄像头采集掌脉图像。
S2，获取感兴趣区域的掌脉图像。
S3，对感兴趣区域的掌脉图像进行预处理，并提取感兴趣区域的掌脉图像的特征值。
其中，对感兴趣区域的掌脉图像进行预处理，包括：图像阈值分割、二值化、轮廓跟踪、图像填充、图像开运算、计算重心以及中心投影。
S4，将特征值转换为JSON数据格式，并进行加密。
具体的，JSON是一种数据格式。它本身是一串字符串，只是它有固定格式的字符串，符合这个数据格式要求的字符串，我们称之为JSON。JSON常用来数据传输，因为它易于程序之前读写操作。JSON来自JavaScript对象(Object)的定义，但是它作为数据格式来使用的时候，和JavaScript没有任何关系，它只是参照了JavaScript对对象定义的数据格式。
JSON可以服务任何语言，C、C++、Java、Objective-C、Python、Go、等，在各个语言中的字典、Map和JSON是类似的结构，所以它们之间可以相互转换。
S5，根据加密后的JSON数据格式的特征值与掌脉数据库中的JSON数据格式的特征值进行匹配，以进行身份识别。
具体的，掌脉识别可以包括注册过程和匹配过程。注册过程包括：采集掌脉图像，获取感兴趣区域的掌脉图像；对感兴趣区域的掌脉图像进行预处理，并提取感兴趣区域的掌脉图像的特征值；将特征值转换为JSON数据格式，并进行加密；将加密后的JSON数据格式的特征值和对应的ID(Identity document，身份标识号码)存入掌脉数据库中。匹配过程包括：采集掌脉图像，获取感兴趣区域的掌脉图像；对感兴趣区域的掌脉图像进行预处理，并提取感兴趣区域的掌脉图像的特征值；将特征值转换为JSON数据格式，并进行加密；根据加密后的JSON数据格式的特征值与掌脉数据库中的JSON数据格式的特征值进行匹配，以进行身份识。
在本发明中，匹配过程可以在本地进行，也可在云端进行。
由此，将特征值转换为JSON数据格式后进行加密，由于JSON数据格式可以在任何语言直接相互转换，可以将掌脉数据应用到任何可编程的地方，扩展了掌脉数据的应用领域。
根据本发明的一个实施例，如图2所示，感兴趣区域为：食指中点P1、无名指中点P2、中指最下面关节P3构成的三角区域。采用手掌中心区域作为感兴趣区域，避免由于用户手掌放置位置偏差等造成部分数据丢失。
可以采用其他手掌关键部位作为感兴趣区域，但以方便构建JSON为出发点。
综上所述，根据本发明实施例的掌脉识别方法，采集掌脉图像；获取感兴趣区域的掌脉图像；对感兴趣区域的掌脉图像进行预处理，并提取感兴趣区域的掌脉图像的特征值；将特征值转换为JSON数据格式，并进行加密；根据加密后的JSON数据格式的特征值与掌脉数据库中的JSON数据格式的特征值进行匹配，以进行身份识别。该方法将特征值转换为JSON数据格式后进行加密，由于JSON数据格式可以在任何语言直接相互转换，可以将掌脉数据应用到任何可编程的地方，扩展了掌脉数据的应用领域。
与上述的掌脉识别方法相对应，本申请还提出一种掌脉识别装置，由于本发明的装置实施例与上述的方法实施例相对应，对于装置实施例中未披露的细节，可参照上述的方法实施例，本发明中不再进行赘述。
图3是根据本发明一个实施例的掌脉识别装置的方框示意图。如图3所示，该装置包括：采集模块1、获取模块2、提取模块3、转换模块4和匹配模块5。
其中，采集模块1用于采集掌脉图像；获取模块2用于获取感兴趣区域的掌脉图像；提取模块3用于对感兴趣区域的掌脉图像进行预处理，并提取感兴趣区域的掌脉图像的特征值；转换模块4用于将特征值转换为JSON数据格式，并进行加密；匹配模块5用于根据加密后的JSON数据格式的特征值与掌脉数据库中的JSON数据格式的特征值进行匹配，以进行身份识别。
根据本发明的一个实施例，提取模块3对感兴趣区域的掌脉图像进行预处理，包括：图像阈值分割、二值化、轮廓跟踪、图像填充、图像开运算、计算重心以及中心投影。
根据本发明的一个实施例，感兴趣区域为：食指中点、无名指中点、中指最下面关节构成的三角区域。
根据本发明的一个实施例，采集模块1可以通过近红外线CCD摄像头采集掌脉图像。
根据本发明实施例的掌脉识别装置，通过采集模块采集掌脉图像，获取模块获取感兴趣区域的掌脉图像，提取模块对感兴趣区域的掌脉图像进行预处理，并提取感兴趣区域的掌脉图像的特征值，转换模块将特征值转换为JSON数据格式，并进行加密，匹配模块根据加密后的JSON数据格式的特征值与掌脉数据库中的JSON数据格式的特征值进行匹配，以进行身份识别。由此，将特征值转换为JSON数据格式后进行加密，由于JSON数据格式可以在任何语言直接相互转换，可以将掌脉数据应用到任何可编程的地方，扩展了掌脉数据的应用领域。
本发明还提出一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述的掌脉识别方法。
根据本发明实施例的非临时性计算机可读存储介质，存储在其上的计算机程序被处理器执行时，采集掌脉图像，获取感兴趣区域的掌脉图像，对感兴趣区域的掌脉图像进行预处理，并提取感兴趣区域的掌脉图像的特征值，将特征值转换为JSON数据格式，并进行加密，根据加密后的JSON数据格式的特征值与掌脉数据库中的JSON数据格式的特征值进行匹配，以进行身份识别，由此，将特征值转换为JSON数据格式后进行加密，由于JSON数据格式可以在任何语言直接相互转换，可以将掌脉数据应用到任何可编程的地方，扩展了掌脉数据的应用领域。
在本发明的描述中，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。“多个”的含义是两个或两个以上，除非另有明确具体的限定。
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件车厢内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必针对相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，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模块中，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模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (9)

1.一种掌脉识别方法，其特征在于，包括以下步骤：
采集掌脉图像；
获取感兴趣区域的掌脉图像；
对所述感兴趣区域的掌脉图像进行预处理，并提取所述感兴趣区域的掌脉图像的特征值；
将所述特征值转换为JSON数据格式，并进行加密；
根据加密后的JSON数据格式的特征值与掌脉数据库中的JSON数据格式的特征值进行匹配，以进行身份识别。
2.根据权利要求1所述的掌脉识别方法，其特征在于，对所述感兴趣区域的掌脉图像进行预处理，包括：图像阈值分割、二值化、轮廓跟踪、图像填充、图像开运算、计算重心以及中心投影。
3.根据权利要求1所述的掌脉识别方法，其特征在于，所述感兴趣区域为：食指中点、无名指中点、中指最下面关节构成的三角区域。
4.根据权利要求1所述的掌脉识别方法，其特征在于，通过近红外线CCD摄像头采集所述掌脉图像。
5.一种掌脉识别装置，其特征在于，包括：
采集模块，所述采集模块用于采集掌脉图像；
获取模块，所述获取模块用于获取感兴趣区域的掌脉图像；
提取模块，所述提取模块用于对所述感兴趣区域的掌脉图像进行预处理，并提取所述感兴趣区域的掌脉图像的特征值；
转换模块，所述转换模块用于将所述特征值转换为JSON数据格式，并进行加密；
匹配模块，所述匹配模块用于根据加密后的JSON数据格式的特征值与掌脉数据库中的JSON数据格式的特征值进行匹配，以进行身份识别。
6.根据权利要求5所述的掌脉识别装置，其特征在于，所述提取模块对所述感兴趣区域的掌脉图像进行预处理，包括：图像阈值分割、二值化、轮廓跟踪、图像填充、图像开运算、计算重心以及中心投影。
7.根据权利要求5所述的掌脉识别装置，其特征在于，所述感兴趣区域为：食指中点、无名指中点、中指最下面关节构成的三角区域。
8.根据权利要求5所述的掌脉识别装置，其特征在于，所述采集模块通过近红外线CCD摄像头采集所述掌脉图像。
9.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现根据权利要求1-4中任一项所述的掌脉识别方法。
CN202011137409.XA 2020-10-22 2020-10-22 掌脉识别方法、掌脉识别装置 Pending CN112241710A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011137409.XA CN112241710A (zh) 2020-10-22 2020-10-22 掌脉识别方法、掌脉识别装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011137409.XA CN112241710A (zh) 2020-10-22 2020-10-22 掌脉识别方法、掌脉识别装置

Publications (1)

Publication Number Publication Date
CN112241710A true CN112241710A (zh) 2021-01-19

Family

ID=74169598

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011137409.XA Pending CN112241710A (zh) 2020-10-22 2020-10-22 掌脉识别方法、掌脉识别装置

Country Status (1)

Country Link
CN (1) CN112241710A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113392787A (zh) * 2021-06-22 2021-09-14 中国工商银行股份有限公司 手掌图像预处理方法、装置、设备、介质和程序产品

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108121902A (zh) * 2017-12-21 2018-06-05 上海亦源智能科技有限公司 人脸识别身份自认证方法及系统
CN108319911A (zh) * 2018-01-30 2018-07-24 深兰科技（上海）有限公司 基于手脉识别的生物身份认证和支付系统及身份认证方法
CN111597872A (zh) * 2020-03-27 2020-08-28 北京梦天门科技股份有限公司 一种基于深度学习的卫生监督执法非法行医人脸识别方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108121902A (zh) * 2017-12-21 2018-06-05 上海亦源智能科技有限公司 人脸识别身份自认证方法及系统
CN108319911A (zh) * 2018-01-30 2018-07-24 深兰科技（上海）有限公司 基于手脉识别的生物身份认证和支付系统及身份认证方法
CN111597872A (zh) * 2020-03-27 2020-08-28 北京梦天门科技股份有限公司 一种基于深度学习的卫生监督执法非法行医人脸识别方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张文辉: "掌静脉识别系统研究与实现", 《中国优秀硕士学位论文全文数据库》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113392787A (zh) * 2021-06-22 2021-09-14 中国工商银行股份有限公司 手掌图像预处理方法、装置、设备、介质和程序产品

Similar Documents

Publication Publication Date Title
Wu et al. Review of palm vein recognition
CN102542281B (zh) 非接触式生物特征识别方法和系统
Lee A novel biometric system based on palm vein image
Han et al. Palm vein recognition using adaptive Gabor filter
Wang et al. Minutiae feature analysis for infrared hand vein pattern biometrics
Woodard et al. Finger surface as a biometric identifier
JP4027118B2 (ja) 本人認証方法、プログラム及び装置
CN102542242B (zh) 非接触式采集图像的生物特征区域定位方法和装置
Moolla et al. Biometric recognition of infants using fingerprint, iris, and ear biometrics
Kanhangad et al. Combining 2D and 3D hand geometry features for biometric verification
CN101093539A (zh) 手指静脉特征提取与匹配识别方法
CN101539995A (zh) 基于手指静脉纹与手指背纹的成像设备及多模态身份认证方法
US20170109563A1 (en) Palm vein-based low-cost mobile identification system for a wide age range
CN112016516A (zh) 掌脉识别方法、掌脉识别装置
Karabulut et al. Cycle-consistent generative adversarial neural networks based low quality fingerprint enhancement
Parziale et al. Advanced technologies for touchless fingerprint recognition
CN112241710A (zh) 掌脉识别方法、掌脉识别装置
Soni et al. A new vein pattern-based verification system
CN113011544B (zh) 基于二维码的人脸生物信息识别方法、系统、终端、介质
Kolivand et al. Finger vein recognition techniques: a comprehensive review
Hoshyar et al. Review on finger vein authentication system by applying neural network
Cao et al. MyPalmVein: a palm vein-based low-cost mobile identification system for wide age range
CN103198306A (zh) 用于能够提示纠正错误的手指位置的指纹采集器
CN109241884B (zh) 一种基于高光谱图像的非侵入式潜在指纹提取方法
KR100648548B1 (ko) 생체 검출 장치 및 방법 및 생체 검출 기능을 갖는 인증장치

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210119