CN112381042A - 从掌静脉图像中提取掌静脉特征的方法、掌静脉识别方法 - Google Patents

从掌静脉图像中提取掌静脉特征的方法、掌静脉识别方法 Download PDF

Info

Publication number
CN112381042A
CN112381042A CN202011359882.2A CN202011359882A CN112381042A CN 112381042 A CN112381042 A CN 112381042A CN 202011359882 A CN202011359882 A CN 202011359882A CN 112381042 A CN112381042 A CN 112381042A
Authority
CN
China
Prior art keywords
palm vein
image
palm
finger
point
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
CN202011359882.2A
Other languages
English (en)
Inventor
程自昂
曾林森
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.)
Foshan Yumai Technology Co ltd
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN202011359882.2A priority Critical patent/CN112381042A/zh
Publication of CN112381042A publication Critical patent/CN112381042A/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
    • 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
    • G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • 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)
  • Collating Specific Patterns (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本申请涉及生物信息识别领域，具体涉及一种从掌静脉图像中提取掌静脉特征的方法和一种掌静脉识别方法。所述方法包括：从采集到的掌静脉图像中提取感兴趣区域图像；对所述感兴趣区域图像进行增强处理，得到增强处理后的感兴趣区域图像；使用六个方向滤波器从所述增强处理后的感兴趣区域图像中提取方向信息，根据所述六个方向滤波器提取到的方向信息获得所述掌静脉图像的掌静脉特征。本发明实施例能够缩短从掌静脉图像中提取掌静脉特征的耗时，提高提取到的掌静脉特征的准确性。

Description

从掌静脉图像中提取掌静脉特征的方法、掌静脉识别方法
技术领域
本申请涉及生物信息识别领域，特别是涉及一种从掌静脉图像中提取掌静脉特征的方法及其装置、掌静脉识别方法及其装置。
背景技术
掌静脉识别是近几年提出的一种较新的生物特征识别技术。掌静脉，即手掌内静脉，由于静脉血管纹路是无法复制的，因此掌静脉识别相较于目前常用的指纹识别安全性更高。
掌静脉识别系统通常包括掌静脉图像采集、图像预处理、掌静脉特征提取和掌静脉特征匹配四个部分。掌静脉识别流程比如可以是实时采集认证主体(进行身份认证的个人)的掌静脉图像(图中包括该认证主体的手掌的手指、腕部和背景区域)，对掌静脉图像进行预处理，然后从预处理后的掌静脉图像中提取掌静脉特征，将提取的掌静脉特征与该认证主体对应的预先提取并存储的掌静脉特征进行匹配，从而实现对该认证主体进行身份鉴定。
目前掌静脉识别系统对掌静脉图像的处理效率低下，处理一张掌静脉图像以从中提取掌静脉特征的处理耗时普遍高达1秒，由于掌静脉图像的处理耗时比较长，因此在目前进行掌静脉识别时，通常只采集个人的单张掌静脉图像来进行处理，并基于从该单张掌静脉图像中提取的掌静脉特征来进行掌静脉特征匹配过程，然而，依据单张掌静脉图像中提取的掌静脉特征来进行掌静脉特征匹配，匹配结果具有偶然性，识别效果不稳定，鲁棒性不高，容易出现误识别的问题。
发明内容
本发明针对现有技术的缺点，提供了一种从掌静脉图像中提取掌静脉特征的方法及其装置、掌静脉识别方法及其装置、计算机设备和存储介质，本发明实施例能够缩短从掌静脉图像中提取掌静脉特征的耗时，提高提取到的掌静脉特征的准确性。
本发明根据第一方面提供了一种从掌静脉图像中提取掌静脉特征的方法，在一个实施例中，该方法包括：
从采集到的掌静脉图像中提取感兴趣区域图像；
对感兴趣区域图像进行增强处理，得到增强处理后的感兴趣区域图像；
使用六个方向滤波器从增强处理后的感兴趣区域图像中提取方向信息，根据该六个方向滤波器提取到的方向信息获得掌静脉图像的掌静脉特征；该六个方向滤波器是在极坐标之下的0-180度范围内构建的，该六个方向滤波器中各个方向滤波器对应的角度区分别为：0、[π/6，17π/96]、[31π/96，2π/6]、3π/6、[4π/6、65π/96]、[79π/96、5π/6]。
在一个实施例中，从采集到的掌静脉图像中提取感兴趣区域图像的步骤，包括：
将采集到的掌静脉图像处理为二值化黑白图像；
根据二值化黑白图像确定出手掌中的第一指缝点和第二指缝点，第一指缝点是手掌中的食指与中指之间的指缝点、第二指缝点是手掌中无名指与小拇指之间的指缝点；
对第一指缝点和第二指缝点做延展处理，得到第三指缝点和第四指缝点，根据第三指缝点和第四指缝点获得感兴趣区域位置信息；
根据感兴趣区域位置信息从掌静脉图像中截取局部掌静脉图像；
将局部掌静脉图像缩放为预设尺寸的图像，将缩放后得到的预设尺寸的图像作为感兴趣区域图像。
在一个实施例中，对第一指缝点和第二指缝点做延展处理，得到第三指缝点和第四指缝点的步骤，包括：
假设第一指缝点为A点，第二指缝点为B点，第一指缝点和第二指缝点之间的线段为线段AB，将线段AB中的A点沿着B点至A点的方向延展第一预设延展距离，得到第三指缝点，将线段AB中的B点沿着A点至B点的方向延展第二预设延展距离，得到第四指缝点；第一预设延展距离和第二预设延展距离相等，均为手掌中中指宽度的三分之一。
在一个实施例中，根据第三指缝点和第四指缝点获得感兴趣区域位置信息的步骤，包括：
以第三指缝点和第四指缝点之间的线段为边，向手掌的掌腕方向做正方形；
将获得的正方形的四个端点的位置信息作为感兴趣区域位置信息。
在一个实施例中，对感兴趣区域图像进行增强处理，得到增强处理后的感兴趣区域图像的步骤，包括：
将感兴趣区域图像分为多个图像块；
计算每个图像块的平均灰度值；
根据每个图像块的平均灰度值获得感兴趣区域图像的背景灰度估计值矩阵；
对感兴趣区域图像与背景灰度估计值矩阵进行做差处理，获得增强图像；
对增强图像进行限制对比度自适应直方图均衡增强处理，获得增强处理后的感兴趣区域图像。
在一个实施例中，方向信息是指方向特征矩阵。
在一个实施例中，使用六个方向滤波器从增强处理后的感兴趣区域图像中提取方向信息，根据该六个方向滤波器提取到的方向信息获得掌静脉图像的掌静脉特征的步骤，包括：
使用六个方向滤波器从增强处理后的感兴趣区域图像中提取得到六个方向特征矩阵；
对提取到的该六个方向特征矩阵进行竞争编码处理，得到二进制矩阵，将二进制矩阵作为掌静脉图像的掌静脉特征。
本发明根据第二方面提供了一种掌静脉识别方法，该掌静脉图像识别方法包括：
采集认证主体的多张掌静脉图像；
使用如前述的前7个实施例中任一个实施例提供的从掌静脉图像中提取掌静脉特征的方法对每张掌静脉图像进行处理，得到每张掌静脉图像的掌静脉特征，将得到的每个掌静脉特征分别与数据库中预存储的认证主体的注册掌静脉特征进行对比，根据对比得到的每个掌静脉特征分别对应的匹配结果确定出认证主体本次的掌静脉识别结果。
本发明根据第三方面提供了一种从掌静脉图像中提取掌静脉特征的装置，在一个实施例中，该装置包括：
感兴趣区域图像提取模块，用于从采集到的掌静脉图像中提取感兴趣区域图像；
图像增强处理模块，用于对感兴趣区域图像进行增强处理，得到增强处理后的感兴趣区域图像；
掌静脉特征获得模块，用于使用六个方向滤波器从增强处理后的感兴趣区域图像中提取方向信息，根据该六个方向滤波器提取到的方向信息获得掌静脉图像的掌静脉特征；该六个方向滤波器是在极坐标之下的0-180度范围内构建的，该六个方向滤波器中各个方向滤波器对应的角度区分别为：0、[π/6，17π/96]、[31π/96，2π/6]、3π/6、[4π/6、65π/96]、[79π/96、5π/6]。
本发明根据第四方面提供了一种掌静脉识别装置，该掌静脉图像识别装置包括：
掌静脉图像采集模块，用于采集认证主体的多张掌静脉图像；
图像处理模块，用于使用如前述的前7个实施例中任一个实施例所提供的从掌静脉图像中提取掌静脉特征的方法对每张掌静脉图像进行处理，得到每张掌静脉图像的掌静脉特征，将得到的每个掌静脉特征分别与数据库中预存储的认证主体的注册掌静脉特征进行对比，根据对比得到的每个掌静脉特征分别对应的匹配结果确定出认证主体本次的掌静脉识别结果。
本发明根据第五方面提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述任一从掌静脉图像中提取掌静脉特征的方法的实施例的步骤，或者实现上述掌静脉识别方法的实施例的步骤。
本发明根据第六方面提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述任一从掌静脉图像中提取掌静脉特征的方法的实施例的步骤，或者实现上述掌静脉识别方法的实施例的步骤。
在本发明实施例中，从采集到的掌静脉图像中提取感兴趣区域图像；对感兴趣区域图像进行增强处理，得到增强处理后的感兴趣区域图像；使用六个方向滤波器从增强处理后的感兴趣区域图像中提取方向信息，根据所述六个方向滤波器提取到的方向信息获得所述掌静脉图像的掌静脉特征。本发明实施例构建了六个方向滤波器来从增强处理后的感兴趣区域图像中提取方向信息，从而能够从该图像中提取到足够的方向信息，并且该六个方向滤波器的限定角度为角度区间，这能大大提升各方向滤波器提取方向信息的能力，进而能够显著地缩短从掌静脉图像中提取掌静脉特征的处理耗时，提高提取到的掌静脉特征的准确性，从而不容易出现误识别的问题。
附图说明
图1为一个实施例中一种从掌静脉图像中提取掌静脉特征的方法的流程示意图；
图2为一个实施例中提取的增强处理前的感兴趣区域图像的示意图；
图3为一个实施例中增强处理后的感兴趣区域图像的示意图；
图4为一个实施例中提取的掌静脉特征的图像的示意图；
图5为另一个实施例中一种针对掌静脉图像的图像增强处理方法的流程示意图；
图6为一个实施例中延展处理后的感兴趣区域的位置示意图；
图7为一个实施例中一种从掌静脉图像中提取掌静脉特征的装置的结构框图；
图8为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅用以解释本申请，并不用于限定本申请。
实施例一
本发明针对现有技术的不足提供了一种从掌静脉图像中提取掌静脉特征的方法。
该方法包括如图1所示的步骤。本实施例所提供的从掌静脉图像中提取掌静脉特征的方法的执行主体可以是由多个设备构成的系统(比如掌静脉识别系统)，该系统至少可以实现掌静脉识别过程中的图像预处理操作，也可以实现整个掌静脉识别过程，即能够完成掌静脉图像的采集、对采集到的掌静脉图像进行预处理、从预处理后的掌静脉图像中提取掌静脉特征以及将提取到的掌静脉特征与预先提取并保存的相应的掌静脉特征(即注册掌静脉特征)进行匹配。在一种实现方式中，该系统至少可以包括采集端(比如，可以是静脉识别仪等掌静脉识别设备)、图像处理端(比如，可以是服务器或服务器集群)和数据库(比如，可以MySQL数据库)，其中采集端用于采集掌静脉图像，图像处理端用于对采集端采集到并发送过来的掌静脉图像进行预处理、掌静脉特征提取以及掌静脉特征匹配等操作，数据库用于存储预先提取的掌静脉特征。进一步地，该执行主体也可以是一个单独的设备(比如，可以是掌静脉识别设备、智能移动终端如手机/平板电脑等、服务器、或者是上述掌静脉识别系统中的图像处理端)，该设备至少可以实现掌静脉识别过程中的图像预处理操作(即对采集到的掌静脉图像进行预处理)。
以下对图1所示的步骤进行详细说明。
S110：从采集到的掌静脉图像中提取感兴趣区域图像。
在本实施例中，掌静脉图像中包括认证主体(即要进行身份注册/认证的人)的手掌的手指、腕部和背景区域。对于掌静脉图像的获得方式，本实施例不进行限制，该采集到的掌静脉图像可以是执行主体本身采集到的，也可以其他设备采集到后再发送给执行主体的。在一种可能的实施方式中，可以利用850nm或者940nm近红外光的COMS来获取掌静脉图像。进一步地，掌静脉图像尺寸大小为：640(像素)*480(像素)。
进一步地，可以在COMS镜头前加入滤光片，该滤光片用于滤除可见光干扰而保留红外部分，对于通过加入滤光片的COMS所采集到的掌静脉图像，将该掌静脉图像处理为二值化黑白图像后，能够更容易从中找到特征点，有利于提高后续操作中提取掌静脉特征的速度、以及能够提取到更加准确的掌静脉特征。
其中，感兴趣区域位置信息用于确定出感兴趣区域的位置，感兴趣区域即ROI(region of interest)，其是指从被处理的掌静脉图像中以方框、圆、椭圆、不规则多边形等方式勾勒出的需要处理的区域。
S120：对感兴趣区域图像进行增强处理，得到增强处理后的感兴趣区域图像。
在本实施例中，在获得感兴趣区域图像之后，执行主体对该感兴趣区域图像进行增强处理。在一个实施方式中，执行主体对感兴趣区域图像做增强处理，获得增强处理后的感兴趣区域图像的步骤，可以包括：
将感兴趣区域图像分为多个图像块；计算每个图像块的平均灰度值，根据每个图像块的平均灰度值获得感兴趣区域图像的背景灰度估计值矩阵；对感兴趣区域图像与背景灰度估计值矩阵进行做差处理，获得过渡的增强图像；对过渡的增强图像进行限制对比度自适应直方图均衡增强处理，获得增强处理后的感兴趣区域图像。
其中，将该感兴趣区域图像进行分块，得到多个图像块，具体地，每个图像块的大小是一致的，图像块的大小可以为16*16。接着计算出每个图像块的平均灰度值，之后利用线性插值方法获得该感兴趣区域图像的背景灰度估计值矩阵，再使用该感兴趣区域图像与背景灰度估计值矩阵做差，以获得该感兴趣区域图像过渡的增强图像，最后对获得的该增强图像做限制对比度自适应直方图均衡(Contrast Limited Adaptive HistogramEqualization,CLAHE)处理，从而获得增强后的感兴趣区域图像，示例性地，从掌静脉图像中获得的感兴趣区域图像可以如图2所示，增强处理后的感兴趣区域图像可以如图3所示，通过这两张图像的对比可以直观地看出，经过上述处理能够使感兴趣区域图像中的手掌静脉信息更加突出，因而后续操作中能够更容易提取到准确的掌静脉特征。
S130：使用六个方向滤波器从增强处理后的感兴趣区域图像中提取方向信息，根据该六个方向滤波器提取到的方向信息获得掌静脉图像的掌静脉特征；该六个方向滤波器是在极坐标之下的0-180度范围内构建的，该六个方向滤波器中各个方向滤波器对应的角度区分别为：0、[π/6，17π/96]、[31π/96，2π/6]、3π/6、[4π/6、65π/96]、[79π/96、5π/6]。其中，该方向信息是指方向特征矩阵。示例性地，从掌静脉图像中获得的掌静脉特征的图像可以如图4所示。
本实施例构建了六个方向滤波器来从增强处理后的感兴趣区域图像中提取方向信息，能够从增强处理后的感兴趣区域图像中提取到足够的方向信息，另一方面，本实施例采用的六方向滤波器相比现有技术常用的八方向滤波器，计算复杂度更低，能够提高开发效率以及降低成本，当本实施例提供的方法应用于嵌入式设备时，能够显著提高对掌静脉图像的识别速度。此外，本实施例将该六个方向滤波器的限定角度设置为角度区间，相比将限定角度全部限定为单一角度(比如0度、30度等)，这能大大提升各方向滤波器提取方向信息的能力，进而能够显著地缩短从掌静脉图像中提取掌静脉特征的处理耗时，提高提取到的掌静脉特征的准确性，不容易出现误识别的问题，从而在进行掌静脉识别时，可以采集个人的多张掌静脉图像来进行处理，并基于从多张掌静脉图像中提取的掌静脉特征来进行掌静脉特征匹配过程，依据多张掌静脉图像中提取的掌静脉特征来进行掌静脉特征匹配，能够有效降低匹配结果的偶然性，使识别效果更为稳定，鲁棒性高，不容易出现误识别的问题。
具体地，在一个实施方式中，执行主体使用六个方向滤波器从增强处理后的感兴趣区域图像中提取方向信息，根据该六个方向滤波器提取到的方向信息获得掌静脉图像的掌静脉特征的步骤，包括：使用六个方向滤波器从增强处理后的感兴趣区域图像中提取得到六个方向特征矩阵；对提取到的该六个方向特征矩阵进行竞争编码处理，得到二进制矩阵，将二进制矩阵作为掌静脉图像的掌静脉特征。
其中，使用方向滤波器来提取方向特征矩阵的方式可以是，先定义f(x,y)表示为图像(即增强处理后的感兴趣区域图像)在(x,y)坐标系下的亮度值，Radon[Lk]表示为f(x，y)在k方向下的响应值，k为Lk对应的直线斜率(即方向)。
应用的公式如下：
Lk＝{(i,j)|j＝k(i-i0)+j0,(i,j)∈f(x,y)}
Radon[Lk]＝∑(i,j)∈Lkf[i,j]
其中LK线宽为2，即LK每点均为大小为2x2的矩阵。
每个方向的特征为：
D(x,y)＝argmin(Radon[Lk])
方向特征矩阵为：
Figure BDA0002803696420000091
其中，m＝q/2,n＝p/2,p，q为特征矩阵大小。
按照上述方式得到六个方向特征矩阵之后，使用竞争编码将特征矩阵编码为3个bit(比特)的二进制矩阵，即掌静脉图像的掌静脉特征。进一步地，可以将获得的掌静脉特征存储指定的数据库中作为认证主体的注册掌静脉特征。
实施例二
目前掌静脉采集设备所采集到的掌静脉图像可能不够清晰准确，图像中可能存在大量冗余的信息，目前进行图像预处理时采用的滤波、图像二值化和细化等手段无法很好地解决上述问题，这为后续从掌静脉图像中提取掌静脉特征的操作增加了难度，还可能导致最终提取到的掌静脉特征不够准确，进而影响了掌静脉特征的匹配识别效果。
针对上述的现有技术的不足，本发明提供了实施例二。具体地，在上述的实施例一中，从采集到的掌静脉图像中提取感兴趣区域图像的步骤，可以如图5所示，包括：
S111：将采集到的掌静脉图像处理为二值化黑白图像。
其中，执行主体将采集到的掌静脉图像处理为二值化黑白图像的步骤，可以包括：对采集到的掌静脉图像进行滤波降噪处理，得到滤波后的掌静脉图像；将所述滤波后的掌静脉图像转换为灰度图像；对所述灰度图像进行二值化处理，得到二值化黑白图像。
示例性地，可以先使用卷积核尺寸为3*3的高斯滤波器，对采集到的掌静脉图像进行滤波降噪从而得到滤波后的掌静脉图像，再将滤波后的掌静脉图像从RGB(红(R)、绿(G)、蓝(B))色彩模式的图像转换为灰度图像，并对转换得到的灰度图像做二值化处理，转化为二值化黑白图像。
S112：根据二值化黑白图像确定出手掌中的第一指缝点和第二指缝点。其中，第一指缝点是手掌中的食指与中指之间的指缝点、第二指缝点是手掌中无名指与小拇指之间的指缝点。
执行主体将采集到的掌静脉图像处理为二值化黑白图像之后，要通过该二值化黑白图像来确定出该掌静脉图像的感兴趣区域位置信息。其中，需要先根据该二值化黑白图像来确定出该掌静脉图像所包括的手掌的第一指缝点和第二指缝点。
具体地，根据二值化黑白图像确定出手掌中的第一指缝点和第二指缝点的步骤，包括：根据二值化黑白图像的梯度寻找出手掌边缘的像素坐标值集合；根据像素坐标值集合确定出二值化黑白图像的质心；计算像素坐标值集合中的各点与质心的欧氏距离，获得距离集合；使用大小窗分割法对距离集合进行处理，以确定手掌中食指到小拇指的三个指缝点的位置信息。
示例性地，可以先根据该二值化黑白图像的梯度寻找出该手掌边缘的像素坐标值集合，并根据该像素坐标值集合计算出该二值化黑白图像的质心，接着计算出该像素坐标值集合中的各点与该质心间的欧氏距离从而获得距离集合，最后使用大小窗分割法对该距离集合进行处理，即先将距离集合的距离变化二次微分找到全部极值点，再将距离集合分割为十段，然后寻找每一段的极值点，两者集合即可得到食指到小拇指的三个指缝，其中，三个指缝点包括手掌中的食指与中指之间的指缝点(第一指缝点)、无名指与小拇指之间的指缝点(第二指缝点)、以及中指和无名指之间的指缝点。
S113：对第一指缝点和第二指缝点做延展处理，得到第三指缝点和第四指缝点，根据第三指缝点和第四指缝点获得感兴趣区域位置信息。
在本实施方式中，执行主体对上一步骤获得的第一指缝点和第二指缝点进行延展处理从而得到第三指缝点和第四指缝点，再根据该第三指缝点和第四指缝点来确定出感兴趣区域位置信息。通过对第一指缝点和第二指缝点的延展处理，能够使最终取得的感兴趣区域更大，从该感兴趣区域中能够提取到更为完整的掌静脉特征，进而能够提高后续的掌静脉特征匹配的识别准确度。
其中，执行主体对第一指缝点和第二指缝点做延展处理，得到第三指缝点和第四指缝点的步骤，包括：
假设第一指缝点为A点，第二指缝点为B点，第一指缝点和第二指缝点之间的线段为线段AB，将线段AB中的A点沿着B点至A点的方向延展第一预设延展距离，得到第三指缝点，将线段AB中的B点沿着A点至B点的方向延展第二预设延展距离，得到第四指缝点；第一预设延展距离和第二预设延展距离相等，均为手掌中中指宽度的三分之一。
相应地，执行主体根据第三指缝点和第四指缝点获得感兴趣区域位置信息的步骤，包括：以第三指缝点和第四指缝点之间的线段为边，向手掌的掌腕方向做正方形；将获得的正方形的四个端点的位置信息(即坐标信息)作为感兴趣区域位置信息。
比如，如图6所示，手掌中的食指与中指之间的指缝点为A点、无名指与小拇指之间的指缝点为B点，延展处理之后可以得到第三指缝点A'和第四指缝点B'，之后以A'和B'构成的线段为边，向手掌的掌腕方向做正方形，从而能够确定出该正方形中除了A'和B'外的两个端点为A”和B”。
S114：根据感兴趣区域位置信息从掌静脉图像中截取局部掌静脉图像。
S115：将局部掌静脉图像缩放为预设尺寸的图像，将缩放后得到的预设尺寸的图像作为感兴趣区域图像。
在本实施方式中，预设尺寸可以是128*128。
本发明实施例对于采集到的掌静脉图像，先将其处理为二值化黑白图像，根据二值化黑白图像确定出手掌中的第一指缝点和第二指缝点，再对第一指缝点和第二指缝点做延展处理从而得到第三指缝点和第四指缝点，接着根据第三指缝点和第四指缝点获得感兴趣区域位置信息，以及根据感兴趣区域位置信息从掌静脉图像中获得感兴趣区域图像，最后对感兴趣区域图像做增强处理从而获得增强处理后的感兴趣区域图像，由于本发明实施例对掌静脉图像进行了增强，能使掌静脉图像中的手掌静脉信息相比现有技术更为突出，从而后续能够更容易从掌静脉图像中提取到准确的掌静脉特征，进而提高了掌静脉识别准确度。
实施例三
基于上述实施例提供的从掌静脉图像中提取掌静脉特征的方法，本发明还提供了一种掌静脉识别方法。在一个实施例中，该掌静脉识别方法包括以下步骤。
采集认证主体的多张掌静脉图像。
使用如前述的实施例一或二所提供的从掌静脉图像中提取掌静脉特征的方法对每张掌静脉图像进行处理，得到每张掌静脉图像的掌静脉特征，将得到的每个掌静脉特征分别与数据库中预存储的认证主体的注册掌静脉特征进行对比，根据对比得到的每个掌静脉特征分别对应的匹配结果确定出认证主体本次的掌静脉识别结果。
其中，将实时提取的每个掌静脉特征与预存储的注册掌静脉特征进行对比时，可以计算该掌静脉特征与注册掌静脉特征的汉明距离来获得匹配分，当所有掌静脉特征中，有预设个数的掌静脉特征的匹配分高于预设阈值(比如，38)时，即可确定该掌静脉特征对应的认证主体与该注册掌静脉特征对应的认证主体是相同的(即同一人)。比如，从认证主体那采集了6张掌静脉图像并分别从中提取得到6个掌静脉特征，如果有4个掌静脉特征与注册掌静脉特征对比所得到的匹配分高于38分，则确定掌静脉识别结果为认证通过。
本实施例在进行掌静脉识别时，可以采集个人的多张掌静脉图像来进行处理，并基于从多张掌静脉图像中提取的掌静脉特征来进行掌静脉特征匹配过程，依据多张掌静脉图像中提取的掌静脉特征来进行掌静脉特征匹配，相比只采集一张掌静脉图像来进行识别的方式，能够有效降低匹配结果的偶然性，使识别效果更为稳定，鲁棒性高，不容易出现误识别的问题。
实施例四
基于前述的实施例一和实施例二相同的发明构思，本发明还提供了一种从掌静脉图像中提取掌静脉特征的装置。在一个实施例中，如图7所示，该从掌静脉图像中提取掌静脉特征的装置，包括以下模块：
感兴趣区域图像提取模块110，用于从采集到的掌静脉图像中提取感兴趣区域图像；
图像增强处理模块120，用于对感兴趣区域图像进行增强处理，得到增强处理后的感兴趣区域图像；
掌静脉特征获得模块130，用于使用六个方向滤波器从增强处理后的感兴趣区域图像中提取方向信息，根据该六个方向滤波器提取到的方向信息获得掌静脉图像的掌静脉特征；该六个方向滤波器是在极坐标之下的0-180度范围内构建的，该六个方向滤波器中各个方向滤波器对应的角度区分别为：0、[π/6，17π/96]、[31π/96，2π/6]、3π/6、[4π/6、65π/96]、[79π/96、5π/6]。
感兴趣区域图像提取模块，包括：
二值化处理子模块，用于将采集到的掌静脉图像处理为二值化黑白图像；
指缝点确定子模块，用于根据二值化黑白图像确定出手掌中的第一指缝点和第二指缝点，第一指缝点是手掌中的食指与中指之间的指缝点、第二指缝点是手掌中无名指与小拇指之间的指缝点；
延展处理子模块，用于对第一指缝点和第二指缝点做延展处理，得到第三指缝点和第四指缝点，根据第三指缝点和第四指缝点获得感兴趣区域位置信息；
图像截取子模块，用于根据感兴趣区域位置信息从掌静脉图像中截取局部掌静脉图像；
感兴趣区域图像提取子模块，用于将局部掌静脉图像缩放为预设尺寸的图像，将缩放后得到的预设尺寸的图像作为感兴趣区域图像。
在一个实施例中，假设第一指缝点为A点，第二指缝点为B点，第一指缝点和第二指缝点之间的线段为线段AB。延展处理子模块，包括：
第一延展处理单元，用于将线段AB中的A点沿着B点至A点的方向延展第一预设延展距离，得到第三指缝点；
第二延展处理单元，用于将线段AB中的B点沿着A点至B点的方向延展第二预设延展距离，得到第四指缝点。
进一步地，在一个实施方式中，第一预设延展距离和第二预设延展距离相等，均为手掌中中指宽度的三分之一。
在一个实施例中，延展处理子模块还包括位置信息确定单元。该位置信息确定单元，用于以第三指缝点和第四指缝点之间的线段为边，向手掌的掌腕方向做正方形，将获得的正方形的四个端点的位置信息作为感兴趣区域位置信息。
在一个实施例中，图像增强处理模块，包括：
图像分块子模块，用于将感兴趣区域图像分为多个图像块；
估计值矩阵获得子模块，用于计算每个图像块的平均灰度值，根据每个图像块的平均灰度值获得感兴趣区域图像的背景灰度估计值矩阵；
增强图像获得子模块，用于对感兴趣区域图像与背景灰度估计值矩阵进行做差处理，获得增强图像；
增强处理子模块，用于对增强图像进行限制对比度自适应直方图均衡增强处理，获得增强处理后的感兴趣区域图像。
在一个实施例中，方向信息是指方向特征矩阵。掌静脉特征获得模块，包括：
方向特征矩阵提取子模块，用于使用六个方向滤波器从增强处理后的感兴趣区域图像中提取得到六个方向特征矩阵；
掌静脉特征获得子模块，用于对提取到的该六个方向特征矩阵进行竞争编码处理，得到二进制矩阵，将二进制矩阵作为掌静脉图像的掌静脉特征。
针对掌静脉图像的图像增强处理装置，还包括掌静脉特征存储模块或掌静脉特征匹配模块。
掌静脉特征存储模块，用于将获得的该掌静脉图像的掌静脉特征存储到数据库中，作为该掌静脉图像对应的认证主体的注册掌静脉特征。
掌静脉特征匹配模块，用于从数据库中获取预存储的该掌静脉图像对应的认证主体的注册掌静脉特征，将获得的该掌静脉图像的掌静脉特征和获取的注册掌静脉特征进行匹配得到匹配结果，执行与匹配结果对应的预设操作。
关于从掌静脉图像中提取掌静脉特征的装置的具体限定可以参见上文中对于从掌静脉图像中提取掌静脉特征的方法的限定，在此不再赘述。上述从掌静脉图像中提取掌静脉特征的装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
实施例五
基于前述的实施例三相同的发明构思，本发明还提供了一种掌静脉识别装置。在一个实施例中，该装置包括以下模块：
掌静脉图像采集模块，用于采集认证主体的多张掌静脉图像；
图像处理模块，用于使用如前述的实施例一或实施例二所提供的从掌静脉图像中提取掌静脉特征的方法对每张掌静脉图像进行处理，得到每张掌静脉图像的掌静脉特征，将得到的每个掌静脉特征分别与数据库中预存储的认证主体的注册掌静脉特征进行对比，根据对比得到的每个掌静脉特征分别对应的匹配结果确定出认证主体本次的掌静脉识别结果。
关于掌静脉识别装置的具体限定可以参见上文中对于掌静脉识别方法的限定，在此不再赘述。上述掌静脉识别装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
实施例六
在一个实施例中，提供了一种计算机设备，其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储掌静脉图像、掌静脉特征和/或注册掌静脉特征等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现实施例一或实施例二提供的一种从掌静脉图像中提取掌静脉特征的方法，或是实现实施例三提供的一种掌静脉识别方法。
本领域技术人员可以理解，图8中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
实施例七
在本实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现实施例一或实施例二提供的一种从掌静脉图像中提取掌静脉特征的方法，或是实现实施例三提供的一种掌静脉识别方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种从掌静脉图像中提取掌静脉特征的方法，其特征在于，所述方法包括：
从采集到的掌静脉图像中提取感兴趣区域图像；
对所述感兴趣区域图像进行增强处理，得到增强处理后的感兴趣区域图像；
使用六个方向滤波器从所述增强处理后的感兴趣区域图像中提取方向信息，根据所述六个方向滤波器提取到的方向信息获得所述掌静脉图像的掌静脉特征；所述六个方向滤波器是在极坐标之下的0-180度范围内构建的，所述六个方向滤波器中各个方向滤波器对应的角度区分别为：0、[π/6，17π/96]、[31π/96，2π/6]、3π/6、[4π/6、65π/96]、[79π/96、5π/6]。
2.如权利要求1所述的从掌静脉图像中提取掌静脉特征的方法，其特征在于，所述从采集到的掌静脉图像中提取感兴趣区域图像的步骤，包括：
将采集到的掌静脉图像处理为二值化黑白图像；
根据所述二值化黑白图像确定出手掌中的第一指缝点和第二指缝点，所述第一指缝点是手掌中的食指与中指之间的指缝点、第二指缝点是手掌中无名指与小拇指之间的指缝点；
对第一指缝点和第二指缝点做延展处理，得到第三指缝点和第四指缝点，根据所述第三指缝点和所述第四指缝点获得感兴趣区域位置信息；
根据所述感兴趣区域位置信息从所述掌静脉图像中截取局部掌静脉图像；
将所述局部掌静脉图像缩放为预设尺寸的图像，将缩放后得到的预设尺寸的图像作为感兴趣区域图像。
3.如权利要求2所述的从掌静脉图像中提取掌静脉特征的方法，其特征在于，所述对第一指缝点和第二指缝点做延展处理，得到第三指缝点和第四指缝点的步骤，包括：
假设所述第一指缝点为A点，所述第二指缝点为B点，所述第一指缝点和第二指缝点之间的线段为线段AB，将线段AB中的A点沿着B点至A点的方向延展第一预设延展距离，得到第三指缝点，将线段AB中的B点沿着A点至B点的方向延展第二预设延展距离，得到第四指缝点；所述第一预设延展距离和所述第二预设延展距离相等，均为手掌中中指宽度的三分之一。
4.如权利要求2所述的从掌静脉图像中提取掌静脉特征的方法，其特征在于，所述根据所述第三指缝点和所述第四指缝点获得感兴趣区域位置信息的步骤，包括：
以所述第三指缝点和第四指缝点之间的线段为边，向手掌的掌腕方向做正方形；
将获得的所述正方形的四个端点的位置信息作为感兴趣区域位置信息。
5.如权利要求2所述的从掌静脉图像中提取掌静脉特征的方法，其特征在于，所述对所述感兴趣区域图像进行增强处理，得到增强处理后的感兴趣区域图像的步骤，包括：
将所述感兴趣区域图像分为多个图像块；
计算每个图像块的平均灰度值；
根据每个图像块的平均灰度值获得所述感兴趣区域图像的背景灰度估计值矩阵；
对所述感兴趣区域图像与所述背景灰度估计值矩阵进行做差处理，获得增强图像；
对所述增强图像进行限制对比度自适应直方图均衡增强处理，获得增强处理后的感兴趣区域图像。
6.如权利要求1所述的从掌静脉图像中提取掌静脉特征的方法，其特征在于，所述方向信息是指方向特征矩阵。
7.如权利要求6所述的从掌静脉图像中提取掌静脉特征的方法，其特征在于，所述使用六个方向滤波器从所述增强处理后的感兴趣区域图像中提取方向信息，根据所述六个方向滤波器提取到的方向信息获得所述掌静脉图像的掌静脉特征的步骤，包括：
使用六个方向滤波器从所述增强处理后的感兴趣区域图像中提取得到六个方向特征矩阵；
对提取到的所述六个方向特征矩阵进行竞争编码处理，得到二进制矩阵，将所述二进制矩阵作为所述掌静脉图像的掌静脉特征。
8.一种掌静脉识别方法，其特征在于，所述掌静脉图像识别方法包括：
采集认证主体的多张掌静脉图像；
使用如权利要求1至7任一项所述的从掌静脉图像中提取掌静脉特征的方法对每张所述掌静脉图像进行处理，得到每张所述掌静脉图像的掌静脉特征，将得到的每个所述掌静脉特征分别与数据库中预存储的所述认证主体的注册掌静脉特征进行对比，根据对比得到的每个所述掌静脉特征分别对应的匹配结果确定出所述认证主体本次的掌静脉识别结果。
9.一种从掌静脉图像中提取掌静脉特征的装置，其特征在于，所述装置包括：
感兴趣区域图像提取模块，用于从采集到的掌静脉图像中提取感兴趣区域图像；
图像增强处理模块，用于对所述感兴趣区域图像进行增强处理，得到增强处理后的感兴趣区域图像；
掌静脉特征获得模块，用于使用六个方向滤波器从所述增强处理后的感兴趣区域图像中提取方向信息，根据所述六个方向滤波器提取到的方向信息获得所述掌静脉图像的掌静脉特征，所述六个方向滤波器中各个方向滤波器对应的角度区分别为：0、[π/6，17π/96]、[31π/96，2π/6]、3π/6、[4π/6、65π/96]、[79π/96、5π/6]。
10.一种掌静脉识别装置，其特征在于，所述掌静脉图像识别装置包括：
掌静脉图像采集模块，用于采集认证主体的多张掌静脉图像；
图像处理模块，用于使用如权利要求1至7任一项所述的从掌静脉图像中提取掌静脉特征的方法对每张所述掌静脉图像进行处理，得到每张所述掌静脉图像的掌静脉特征，将得到的每个所述掌静脉特征分别与数据库中预存储的所述认证主体的注册掌静脉特征进行对比，根据对比得到的每个所述掌静脉特征分别对应的匹配结果确定出所述认证主体本次的掌静脉识别结果。
CN202011359882.2A 2020-11-27 2020-11-27 从掌静脉图像中提取掌静脉特征的方法、掌静脉识别方法 Pending CN112381042A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011359882.2A CN112381042A (zh) 2020-11-27 2020-11-27 从掌静脉图像中提取掌静脉特征的方法、掌静脉识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011359882.2A CN112381042A (zh) 2020-11-27 2020-11-27 从掌静脉图像中提取掌静脉特征的方法、掌静脉识别方法

Publications (1)

Publication Number Publication Date
CN112381042A true CN112381042A (zh) 2021-02-19

Family

ID=74588946

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011359882.2A Pending CN112381042A (zh) 2020-11-27 2020-11-27 从掌静脉图像中提取掌静脉特征的方法、掌静脉识别方法

Country Status (1)

Country Link
CN (1) CN112381042A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113936307A (zh) * 2021-12-17 2022-01-14 北京圣点云信息技术有限公司 一种基于薄膜传感器的静脉图像识别方法及装置
CN118116040A (zh) * 2023-12-06 2024-05-31 珠海易胜智能科技有限公司 一种掌静脉识别方法

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103793692A (zh) * 2014-01-29 2014-05-14 五邑大学 低分辨率多光谱掌纹、掌静脉实时身份识别方法与系统
CN104091145A (zh) * 2013-06-02 2014-10-08 广东智冠实业发展有限公司 人体掌脉特征图像采集方法
CN104615634A (zh) * 2014-11-10 2015-05-13 广东智冠信息技术股份有限公司 基于方向特征的手掌静脉指导性快速检索方法
CN105426821A (zh) * 2015-11-04 2016-03-23 浙江工业大学 一种基于八邻域和二次匹配的手掌静脉特征提取和匹配方法
CN105474234A (zh) * 2015-11-24 2016-04-06 厦门中控生物识别信息技术有限公司 一种掌静脉识别的方法和掌静脉识别装置
KR101626835B1 (ko) * 2015-04-07 2016-06-02 주식회사 나르테크놀로지 지정맥 영상의 혈관증강처리 방법 및 그 장치
CN106022218A (zh) * 2016-05-06 2016-10-12 浙江工业大学 一种基于小波变换和Gabor滤波器的掌纹掌静脉图像层融合方法
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
CN107273844A (zh) * 2017-06-12 2017-10-20 成都芯软科技股份公司 掌静脉识别匹配方法及装置
CN108509886A (zh) * 2018-03-26 2018-09-07 电子科技大学 基于静脉像素点判定的掌静脉识别方法
CN111160332A (zh) * 2019-12-28 2020-05-15 广东智冠信息技术股份有限公司 一种掌静脉自适应移动抓取定位方法、装置及存储介质

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104091145A (zh) * 2013-06-02 2014-10-08 广东智冠实业发展有限公司 人体掌脉特征图像采集方法
CN103793692A (zh) * 2014-01-29 2014-05-14 五邑大学 低分辨率多光谱掌纹、掌静脉实时身份识别方法与系统
CN104615634A (zh) * 2014-11-10 2015-05-13 广东智冠信息技术股份有限公司 基于方向特征的手掌静脉指导性快速检索方法
KR101626835B1 (ko) * 2015-04-07 2016-06-02 주식회사 나르테크놀로지 지정맥 영상의 혈관증강처리 방법 및 그 장치
CN105426821A (zh) * 2015-11-04 2016-03-23 浙江工业大学 一种基于八邻域和二次匹配的手掌静脉特征提取和匹配方法
CN105474234A (zh) * 2015-11-24 2016-04-06 厦门中控生物识别信息技术有限公司 一种掌静脉识别的方法和掌静脉识别装置
CN106022218A (zh) * 2016-05-06 2016-10-12 浙江工业大学 一种基于小波变换和Gabor滤波器的掌纹掌静脉图像层融合方法
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
CN107273844A (zh) * 2017-06-12 2017-10-20 成都芯软科技股份公司 掌静脉识别匹配方法及装置
CN108509886A (zh) * 2018-03-26 2018-09-07 电子科技大学 基于静脉像素点判定的掌静脉识别方法
CN111160332A (zh) * 2019-12-28 2020-05-15 广东智冠信息技术股份有限公司 一种掌静脉自适应移动抓取定位方法、装置及存储介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113936307A (zh) * 2021-12-17 2022-01-14 北京圣点云信息技术有限公司 一种基于薄膜传感器的静脉图像识别方法及装置
CN113936307B (zh) * 2021-12-17 2022-03-15 北京圣点云信息技术有限公司 一种基于薄膜传感器的静脉图像识别方法及装置
CN118116040A (zh) * 2023-12-06 2024-05-31 珠海易胜智能科技有限公司 一种掌静脉识别方法

Similar Documents

Publication Publication Date Title
US11238274B2 (en) Image feature extraction method for person re-identification
US10726260B2 (en) Feature extraction and matching for biometric authentication
US11830230B2 (en) Living body detection method based on facial recognition, and electronic device and storage medium
WO2020119301A1 (zh) 二维码识别方法、装置及设备
CN1255756C (zh) 校正旋转的虹膜图像的非接触型人虹膜识别方法
CN108416291B (zh) 人脸检测识别方法、装置和系统
CN110555875A (zh) 瞳孔半径的检测方法、装置、计算机设备和存储介质
CN112464829B (zh) 一种瞳孔定位方法、设备、存储介质及视线追踪系统
CN110852311A (zh) 一种三维人手关键点定位方法及装置
CN112330715A (zh) 一种跟踪方法、跟踪装置、终端设备及可读存储介质
CN108710883B (zh) 一种采用轮廓检测的完整显著性物体检测方法
CN110837781A (zh) 一种人脸识别方法、人脸识别装置及电子设备
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
CN113228105A (zh) 一种图像处理方法、装置和电子设备
CN105631285A (zh) 一种生物特征身份识别方法及装置
CN114925348A (zh) 一种基于指纹识别的安全验证方法及系统
CN114333023A (zh) 基于角度估计的人脸步态多模态加权融合身份识别方法与系统
CN112381042A (zh) 从掌静脉图像中提取掌静脉特征的方法、掌静脉识别方法
CN111612083B (zh) 一种手指静脉识别方法、装置及设备
CN111104826A (zh) 一种车牌字符识别方法、装置及电子设备
CN110222749B (zh) 一种可见光图像与红外图像匹配方法
CN111428643A (zh) 指静脉图像识别方法、装置、计算机设备及存储介质
CN113159037B (zh) 图片矫正方法、装置、计算机设备及存储介质
CN110751059B (zh) 基于最小二乘法的指静脉roi提取的方法、装置及存储介质
Sisodia et al. A conglomerate technique for finger print recognition using phone camera captured images

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
TA01 Transfer of patent application right

Effective date of registration: 20210722

Address after: 528000 2202, second floor, building 1, No. 51, zumiao Road, Chancheng District, Foshan City, Guangdong Province

Applicant after: Foshan Yumai Technology Co.,Ltd.

Address before: 528000 room 1608, 03 staircase, block n, H District, JunJing garden, Shishan town, Nanhai District, Foshan City, Guangdong Province

Applicant before: Cheng Ziang

TA01 Transfer of patent application right
RJ01 Rejection of invention patent application after publication

Application publication date: 20210219

RJ01 Rejection of invention patent application after publication