CN113033429A - 手掌掌型掌脉特征提取及识别方法 - Google Patents
手掌掌型掌脉特征提取及识别方法 Download PDFInfo
- Publication number
- CN113033429A CN113033429A CN202110340189.9A CN202110340189A CN113033429A CN 113033429 A CN113033429 A CN 113033429A CN 202110340189 A CN202110340189 A CN 202110340189A CN 113033429 A CN113033429 A CN 113033429A
- Authority
- CN
- China
- Prior art keywords
- palm
- person
- type
- vein
- comparison
- 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
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
- 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
Abstract
本发明公开手掌掌型掌脉特征提取及识别方法,对已知个人进行注册,采集手掌图像,提取掌型特征写入数据库,计算获取手掌关键点,截取相应的ROI图像并增强,提取掌脉特征写入数据库;对被识别人进行认证识别,采集手掌图像,提取掌型特征,计算获取手掌关键点,截取相应的ROI图像并增强,提取掌脉特征;采用汉明距离,计算掌脉特征和数据库中的之间的匹配比对分;采用多边形相似度方法,计算掌型特征和数据库中的之间的匹配比对分;设置掌脉匹配比对分阈值和掌型匹配比对分阈值;设置掌脉匹配比对分权重和掌型匹配比对分权重;计算最终匹配比对分,可快速实现掌型和掌脉的识别,可以被广泛推广和使用在安全防盗/认证识别等装置/系统上。
Description
技术领域
本发明涉及特征提取及识别方法的技术领域,尤其是一种手掌掌型掌脉特征提取及识别方法。
背景技术
随着社会的不断发展,人们对于安全意识也在不断的提升。智能门锁、智能门禁等一些列信息化的安全防盗装置也在各个行业得到广泛的普及。目前这类门锁或门禁装置大都是采用指纹识别方式来进行有效的防盗,虽然在安全系数上得到了很大的提高,但是当面对一些不法分子采用指纹膜进行窃取,这些装置就会存在很大的漏洞,给人们的财产带来了很大的安全隐患。
发明内容
本发明要解决的技术问题是:为了解决上述背景技术中存在的问题,提供一种手掌掌型掌脉特征提取及识别方法,可快速实现掌型和掌脉的识别,可以被广泛推广和使用在安全防盗/认证识别等装置/系统上。
本发明解决其技术问题所采用的技术方案是:一种手掌掌型掌脉特征提取,包括掌型特征提取和掌脉特征提取;
所述的掌型特征提取,具体步骤如下:
步骤1、首先获取带静脉的手掌图像;
步骤2、然后通过滤波等算法,获得手掌二值化图像;
步骤3、再通过扫描等算法,获得手掌各指缝间的四个谷点,四个谷点分别为P1、P2、P3、P4;
步骤4、再将四个谷点P1、P2、P3、P4组成四边形;
步骤5、再计算上述四边形各夹角Jp1、Jp2、Jp3、Jp4;
步骤6、再计算手掌二值化图像质量中心C of M;
步骤7、再将图像质量中心和四个谷点P1、P2、P3、P4组成三个三角形;
步骤8、再计算上述三个三角形的各个夹角,共计9个夹角;
步骤9、最后将上述所有夹角构成手型特征向量Fj;
所述的掌脉特征提取,具体步骤如下:
步骤1、首先在手掌图像四个谷点P1、P2、P3、P4的基础上,以其中的P1和P3为平行四边形中一个边上的两个顶点,向掌心方向组成平行四边形,该平行四边形的四个顶点是P1、P3、P5、P7;
步骤2、然后截取上述平行四边形,得到手掌ROI;
步骤3、再将ROI图像增强,得到ROI增强图Ie;
步骤4、再将ROI增强图依灰度值大小分为多级,得到多个等级的增强图像;
步骤5、最后利用特征提取法,分别对多个等级进行特征提取,得到多个特征矩阵。
一种手掌掌型掌脉特征提取的识别方法,包括手掌掌型识别方法和手掌掌脉识别方法;
所述的手掌掌型识别方法,具体步骤如下:
步骤一、注册:通过手掌识别设备,事先将已知个人Pi(i是大于等于1的整数)的基本信息和其掌型特征Fsi(i是大于等于1的整数)写入注册样本库;
步骤二、验证:通过手掌识别设备,实时获取被验证人Pj的掌型特征Fsj,将Fsj与注册样本库中指定人Pp的掌型特征Fsp进行比对,得到掌型比对分Msp,如果比对分Msp大于设定的掌型比对分阈值Msv,则被验证人Pj即为指定人Pp;否则,被验证人Pj不是指定人Pp;
步骤三、识别:通过手掌识别设备,实时获取被验证人Pj的掌型特征Fsj,将Fsj与注册样本库中所有人Pi的掌型特征Fsi进行比对,得到比对分Msi(i是大于等于1的整数);如果所有比对分Msi均小于设定的掌型比对分阈值Msv,则被验证人Pj 不是样本库中的任何一个人Pi;如果比对分Msi有大于设定掌型比对分阈值Msv的,取比对分Msi最大值所对应的样本库中的个人Pd,被验证人Pj为样本库中的Pd;
所述的手掌掌脉识别方法,具体步骤如下:
步骤一、注册:通过手掌识别设备,事先将已知个人Pi(i是大于等于1的整数)的基本信息和其掌脉特征Fpi(i是大于等于1的整数)写入注册样本库;
步骤二、验证:通过手掌识别设备,实时获取被验证人Pj的掌脉特征Fpj,将Fpj与注册样本库中指定人Pp的掌脉特征Fpp进行比对,得到比对分Mpp,如果比对分Mpp大于设定的掌脉比对分阈值Mpv,则被验证人Pj即为指定人Pp;否则,被验证人Pj不是指定人Pp;
步骤三、识别:通过手掌识别设备,实时获取被验证人Pj的掌脉特征Fpj,将Fpj与注册样本库中所有人Pi的掌脉特征Fpi进行比对,得到比对分Mpi(i是大于等于1的整数);如果所有比对分Mpi均小于设定的掌脉比对分阈值Mpv,则被验证人Pj 不是样本库中的任何一个人Pi;如果比对分Mpi有大于设定掌脉比对分阈值Mpv的,取比对分Mpi最大所对应的样本库中的个人Pd,被验证人Pj是样本库中的Pd。
进一步具体地限定,上述技术方案中,还包括手掌掌型掌脉融合识别方法,所述的手掌掌型掌脉融合识别方法,具体步骤如下:
步骤一、首先对已知个人Pi进行注册,采集Pi手掌图像,该Pi手掌图像包括手掌掌型和手掌掌脉,通过对手掌图像二值化,提取掌型特征Fsi,写入数据库;在手掌图像二值化的基础上,计算获取手掌关键点,截取相应的ROI图像并增强,再提取掌脉特征Fpi,写入数据库,完成注册过程;
步骤二、然后对被识别人Pj进行认证识别:采集Pj手掌图像,该Pj手掌图像包括手掌掌型和手掌掌脉,通过对手掌图像二值化,提取掌型特征Fsj;将Fsj与注册样本库中指定人Pp的掌型特征Fsp进行比对,得到掌型比对分Msp;在手掌图像二值化的基础上,计算获取手掌关键点,截取相应的ROI图像并增强,再提取掌脉特征Fpj;将Fpj与注册样本库中指定人Pp的掌脉特征Fpp进行比对,得到掌脉比对分Mpp;如果Msp大于掌型比对分掌型比对分阈值Msv,且Mpp大于掌脉比对分掌脉比对分阈值Mpv,则被验证人Pj即为指定人Pp;在Msp大于Msv 但Mpp小于Mpv或者Mpp大于Mpv但Msp小于Msv的情况下,计算掌型掌脉融合比对分 Mmp= Ws*Msp + Wp*Mpp,其中权重 Ws+Wp =1,如果Mmp大于掌型掌脉融合比对分阈值Mmv,则被验证人Pj即为指定人Pp;否则,被验证人Pj不是指定人Pp;
步骤三、再采用汉明距离,计算掌脉特征Fpj和数据库中的Fpi之间的匹配比对分Mpi,即被验证人Pj的掌脉特征Fpj与注册样本库中所有人Pi的掌脉特征Fpi进行比对,得到掌脉比对分Mpi;
步骤四、再采用多边形相似度方法,计算掌型特征Fsj和数据库中的Fsi之间的匹配比对分Msi,即被验证人Pj的掌型特征Fsj与注册样本库中所有人Pi的掌型特征Fsi进行比对,得到掌型比对分Msi;
步骤五、再设置手掌掌脉匹配比对分掌脉比对分阈值Mpv和手掌掌型匹配比对分掌型比对分阈值Msv,Mpi大于等于Mpv 和Msi大于等于Msv的样本,作为候选对象;如果Msi小于掌型比对分掌型比对分阈值Msv,且Mpi小于掌脉比对分掌脉比对分阈值Mpv,则被验证人Pj不是样本库中的任何人Pi;
步骤六、再设置掌脉比对分权重 Wp 和掌型比对分权重 Ws,Wp+Ws=1;
步骤七、最后针对候选对象,计算最终匹配比对分Mi,Mi=Wp*Mp+Ws*Ms,最大的Mi对应的样本即为识别样本,完成识别过程。
本发明的有益效果是:本发明的手掌掌型掌脉特征提取及识别方法,可快速实现手掌掌型和手掌掌脉的识别,可以被广泛推广和使用在智能门锁、智能门禁、安全认证、智能识别等一些列信息化的安全防盗装置上,大大提高安全防盗装置整体的安全系数,有效的避免盗窃事故的发生。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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申请中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是手掌的掌型和掌脉的图像采集终端结构框图;
图2是手掌原图;
图3是手掌二值化图;
图4是手掌谷点图;
图5是手掌谷点的四边形图;
图6是手掌谷点和质点组成的多三角形图;
图7是手掌关键区域图;
图8是手掌ROI图;
图9是手掌ROI增强图;
图10是手掌的掌型掌脉融合识别方法的流程图。
具体实施方式
为了使本发明所解决的技术问题、技术方案及有益效果更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。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。
一种手掌掌型掌脉特征提取,包括掌型特征提取和掌脉特征提取。
其中,提取掌型特征的具体步骤如下:
步骤1、首先获取带静脉的手掌图像,具体见图2。
步骤2、然后通过滤波等算法,获得手掌二值化图像,具体见图3。
步骤3、再通过扫描等算法,获得手掌各指缝间的四个谷点,四个谷点分别为P1、P2、P3、P4,具体见图4。
步骤4、再将四个谷点P1、P2、P3、P4组成四边形,具体见图5。
步骤5、再计算上述四边形各夹角Jp1、Jp2、Jp3、Jp4,具体见图6。
步骤6、再计算手掌二值化图像质量中心C of M(Center of Mass),具体见图6。
步骤7、再将图像质量中心和四个谷点P1、P2、P3、P4组成三个三角形,具体见图6。
步骤8、再计算上述三个三角形的各个夹角,共计9个夹角,具体见图6。
步骤9、最后将上述所有夹角构成手型特征向量Fj。
其中,提取掌脉特征的具体步骤如下:
步骤1、首先在手掌图像四个谷点P1、P2、P3、P4的基础上(见图4),以其中的P1和P3为平行四边形中一个边上的两个顶点,向掌心方向组成平行四边形,该平行四边形的四个顶点是P1、P3、P5、P7,具体见图7。
步骤2、然后截取上述平行四边形,得到手掌ROI(感兴趣区域 Region ofInterest),具体见图8。
步骤3、再将ROI图像增强,得到ROI增强图Ie (Image of Enhancement),具体见图9。
步骤4、再将ROI增强图依灰度值大小分为多级,得到多个等级的增强图像。以五级为例,得到五个等级的增强图像:
第一级的增强图像:Iel1,0~50,将Ie中像素值不为1~50的像素设为0,保留像素值为1~50的像素;
第二级的增强图像:Iel2,51~100,将Ie中像素值不为51~100的像素设为0,保留像素值为51~100的像素;
第三级的增强图像:Iel3,101~150,将Ie中像素值不为101~150的像素设为0,保留像素值为101~150的像素;
第四级的增强图像:Iel4,151~200,将Ie中像素值不为151~200的像素设为0,保留像素值为151~200的像素;
第五级的增强图像:Iel5,201~255,将Ie中像素值不为201~255的像素设为0,保留像素值为201~255的像素。
步骤5、最后利用特征提取法,如方向特征提取法或其他特征提取法,分别对多个等级进行特征提取,得到多个特征矩阵。以五级为例,分别对Iel1、Iel2、Iel3、Iel4、Iel5进行方向特征提取或其他特征提取,得到五个方向特征矩阵:F1、F2、F3、F4、F5 (例如,43*43像素的特征矩阵)。
一种手掌掌型掌脉特征提取的识别方法,包括手掌掌型识别方法、手掌掌脉识别方法和手掌掌型掌脉融合识别方法。
其中,手掌掌型识别方法,具体步骤如下:
步骤一、注册:通过手掌识别设备,事先将已知个人Pi(i是大于等于1的整数)的姓名等基本信息和其掌型特征Fsi(i是大于等于1的整数)写入注册样本库。
步骤二、验证:通过手掌识别设备,实时获取被验证人Pj的掌型特征Fsj,将Fsj与注册样本库中指定人Pp的掌型特征Fsp进行比对,得到掌型比对分Msp,如果比对分Msp大于设定的掌型比对分阈值Msv,则被验证人Pj即为指定人Pp;否则,被验证人Pj不是指定人Pp。
步骤三、识别:通过手掌识别设备,实时获取被验证人Pj的掌型特征Fsj,将Fsj与注册样本库中所有人Pi的掌型特征Fsi进行比对,得到比对分Msi(i是大于等于1的整数);如果所有比对分Msi均小于设定的掌型比对分阈值Msv,则被验证人Pj 不是样本库中的任何一个人Pi;如果比对分Msi有大于设定掌型比对分阈值Msv的,取比对分Msi最大值所对应的样本库中的个人Pd,被验证人Pj为样本库中的Pd。
其中,手掌掌脉识别方法,具体步骤如下:
步骤一、注册:通过手掌识别设备,事先将已知个人Pi(i是大于等于1的整数)的姓名等基本信息和其掌脉特征Fpi(i是大于等于1的整数)写入注册样本库。
步骤二、验证:通过手掌识别设备,实时获取被验证人Pj的掌脉特征Fpj,将Fpj与注册样本库中指定人Pp的掌脉特征Fpp进行比对,得到比对分Mpp,如果比对分Mpp大于设定的掌脉比对分阈值Mpv,则被验证人Pj即为指定人Pp;否则,被验证人Pj不是指定人Pp。
步骤三、识别:通过手掌识别设备,实时获取被验证人Pj的掌脉特征Fpj,将Fpj与注册样本库中所有人Pi的掌脉特征Fpi进行比对,得到比对分Mpi(i是大于等于1的整数);如果所有比对分Mpi均小于设定的掌脉比对分阈值Mpv,则被验证人Pj 不是样本库中的任何一个人Pi;如果比对分Mpi有大于设定掌脉比对分阈值Mpv的,取比对分Mpi最大所对应的样本库中的个人Pd,被验证人Pj是样本库中的Pd。
见图10,手掌掌型掌脉融合识别方法,具体步骤如下:
步骤一、首先对已知个人Pi进行注册,采集Pi手掌图像,该Pi手掌图像包括手掌掌型和手掌掌脉,通过对手掌图像二值化,提取掌型特征Fsi,写入数据库;在手掌图像二值化的基础上,计算获取手掌关键点,截取相应的ROI图像并增强,再提取掌脉特征Fpi,写入数据库,完成注册过程。
步骤二、然后对被识别人Pj进行认证识别:采集Pj手掌图像,该Pj手掌图像包括手掌掌型和手掌掌脉,通过对手掌图像二值化,提取掌型特征Fsj;将Fsj与注册样本库中指定人Pp的掌型特征Fsp进行比对,得到掌型比对分Msp;在手掌图像二值化的基础上,计算获取手掌关键点,截取相应的ROI图像并增强,再提取掌脉特征Fpj。将Fpj与注册样本库中指定人Pp的掌脉特征Fpp进行比对,得到掌脉比对分Mpp;如果Msp大于掌型比对分掌型比对分阈值Msv,且Mpp大于掌脉比对分掌脉比对分阈值Mpv,则被验证人Pj即为指定人Pp;在Msp大于Msv 但Mpp小于Mpv或者Mpp大于Mpv但Msp小于Msv的情况下,计算掌型掌脉融合比对分 Mmp= Ws*Msp + Wp*Mpp,其中权重 Ws+Wp =1,如果Mmp大于掌型掌脉融合比对分阈值Mmv,则被验证人Pj即为指定人Pp;否则,被验证人Pj不是指定人Pp。
手掌图像采集过程中涉及到人手、CMOS摄像头、图像采集&控制系统、多模态识别系统、网络接口、服务器以及光源系统。当CMOS摄像头工作拍摄人手时,图像采集&控制系统控制光源系统开启并给人手提供补光,CMOS摄像头拍摄完成后将图片发送给图像采集&控制系统,图像采集&控制系统采集到图片后通过多模态识别系统的识别再借助于网络接口将图片上传至服务器,见图1。
步骤三、再采用汉明距离或其他方法,计算掌脉特征Fpj和数据库中的Fpi之间的匹配比对分Mpi。即被验证人Pj的掌脉特征Fpj与注册样本库中所有人Pi的掌脉特征Fpi进行比对,得到掌脉比对分Mpi。
步骤四、再采用多边形相似度方法或其他方法,计算掌型特征Fsj和数据库中的Fsi之间的匹配比对分Msi。即被验证人Pj的掌型特征Fsj与注册样本库中所有人Pi的掌型特征Fsi进行比对,得到掌型比对分Msi。
步骤五、再设置手掌掌脉匹配比对分掌脉比对分阈值Mpv和手掌掌型匹配比对分掌型比对分阈值Msv,Mpi大于等于Mpv 和Msi大于等于Msv的样本,作为候选对象。如果Msi小于掌型比对分掌型比对分阈值Msv,且Mpi小于掌脉比对分掌脉比对分阈值Mpv,则被验证人Pj不是样本库中的任何人Pi。
步骤六、再设置掌脉比对分权重 Wp 和掌型比对分权重 Ws,Wp+Ws=1。
步骤七、最后针对候选对象,计算最终匹配比对分Mi,Mi=Wp*Mp+Ws*Ms,最大的Mi对应的样本即为识别样本,完成识别过程。
需要说明的是:Fs表示掌型特征;Fp表示掌脉特征;Ms表示掌型比对分;Mp表示掌脉比对分;Mpv表示掌脉比对分阈值;Msv表示掌型比对分阈值;Ws表示掌型比对分权重;Wp表示掌脉比对分权重。其中,字母F是Feature的简写;字母s是ship的简写;字母p是palmvein的简写,;字母P是person or Point的简写;字母M是Match score的简写;字母v是(threshold) value的简写。
以上所述的,仅为本发明较佳的具体实施方式,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,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (3)
1.一种手掌掌型掌脉特征提取,其特征在于:包括掌型特征提取和掌脉特征提取;
所述的掌型特征提取,具体步骤如下:
步骤1、首先获取带静脉的手掌图像;
步骤2、然后通过滤波等算法,获得手掌二值化图像;
步骤3、再通过扫描等算法,获得手掌各指缝间的四个谷点,四个谷点分别为P1、P2、P3、P4;
步骤4、再将四个谷点P1、P2、P3、P4组成四边形;
步骤5、再计算上述四边形各夹角Jp1、Jp2、Jp3、Jp4;
步骤6、再计算手掌二值化图像质量中心C of M;
步骤7、再将图像质量中心和四个谷点P1、P2、P3、P4组成三个三角形;
步骤8、再计算上述三个三角形的各个夹角,共计9个夹角;
步骤9、最后将上述所有夹角构成手型特征向量Fj;
所述的掌脉特征提取,具体步骤如下:
步骤1、首先在手掌图像四个谷点P1、P2、P3、P4的基础上,以其中的P1和P3为平行四边形中一个边上的两个顶点,向掌心方向组成平行四边形,该平行四边形的四个顶点是P1、P3、P5、P7;
步骤2、然后截取上述平行四边形,得到手掌ROI;
步骤3、再将ROI图像增强,得到ROI增强图Ie;
步骤4、再将ROI增强图依灰度值大小分为多级,得到多个等级的增强图像;
步骤5、最后利用特征提取法,分别对多个等级进行特征提取,得到多个特征矩阵。
2.一种如权利要求1所述的手掌掌型掌脉特征提取的识别方法,其特征在于:包括手掌掌型识别方法和手掌掌脉识别方法;
所述的手掌掌型识别方法,具体步骤如下:
步骤一、注册:通过手掌识别设备,事先将已知个人Pi(i是大于等于1的整数)的基本信息和其掌型特征Fsi(i是大于等于1的整数)写入注册样本库;
步骤二、验证:通过手掌识别设备,实时获取被验证人Pj的掌型特征Fsj,将Fsj与注册样本库中指定人Pp的掌型特征Fsp进行比对,得到掌型比对分Msp,如果比对分Msp大于设定的掌型比对分阈值Msv,则被验证人Pj即为指定人Pp;否则,被验证人Pj不是指定人Pp;
步骤三、识别:通过手掌识别设备,实时获取被验证人Pj的掌型特征Fsj,将Fsj与注册样本库中所有人Pi的掌型特征Fsi进行比对,得到比对分Msi(i是大于等于1的整数);如果所有比对分Msi均小于设定的掌型比对分阈值Msv,则被验证人Pj 不是样本库中的任何一个人Pi;如果比对分Msi有大于设定掌型比对分阈值Msv的,取比对分Msi最大值所对应的样本库中的个人Pd,被验证人Pj为样本库中的Pd;
所述的手掌掌脉识别方法,具体步骤如下:
步骤一、注册:通过手掌识别设备,事先将已知个人Pi(i是大于等于1的整数)的基本信息和其掌脉特征Fpi(i是大于等于1的整数)写入注册样本库;
步骤二、验证:通过手掌识别设备,实时获取被验证人Pj的掌脉特征Fpj,将Fpj与注册样本库中指定人Pp的掌脉特征Fpp进行比对,得到比对分Mpp,如果比对分Mpp大于设定的掌脉比对分阈值Mpv,则被验证人Pj即为指定人Pp;否则,被验证人Pj不是指定人Pp;
步骤三、识别:通过手掌识别设备,实时获取被验证人Pj的掌脉特征Fpj,将Fpj与注册样本库中所有人Pi的掌脉特征Fpi进行比对,得到比对分Mpi(i是大于等于1的整数);如果所有比对分Mpi均小于设定的掌脉比对分阈值Mpv,则被验证人Pj 不是样本库中的任何一个人Pi;如果比对分Mpi有大于设定掌脉比对分阈值Mpv的,取比对分Mpi最大所对应的样本库中的个人Pd,被验证人Pj是样本库中的Pd。
3.根据权利要求2所述的手掌掌型掌脉特征提取的识别方法,其特征在于:还包括手掌掌型掌脉融合识别方法,所述的手掌掌型掌脉融合识别方法,具体步骤如下:
步骤一、首先对已知个人Pi进行注册,采集Pi手掌图像,该Pi手掌图像包括手掌掌型和手掌掌脉,通过对手掌图像二值化,提取掌型特征Fsi,写入数据库;在手掌图像二值化的基础上,计算获取手掌关键点,截取相应的ROI图像并增强,再提取掌脉特征Fpi,写入数据库,完成注册过程;
步骤二、然后对被识别人Pj进行认证识别:采集Pj手掌图像,该Pj手掌图像包括手掌掌型和手掌掌脉,通过对手掌图像二值化,提取掌型特征Fsj;将Fsj与注册样本库中指定人Pp的掌型特征Fsp进行比对,得到掌型比对分Msp;在手掌图像二值化的基础上,计算获取手掌关键点,截取相应的ROI图像并增强,再提取掌脉特征Fpj;将Fpj与注册样本库中指定人Pp的掌脉特征Fpp进行比对,得到掌脉比对分Mpp;如果Msp大于掌型比对分掌型比对分阈值Msv,且Mpp大于掌脉比对分掌脉比对分阈值Mpv,则被验证人Pj即为指定人Pp;在Msp大于Msv 但Mpp小于Mpv或者Mpp大于Mpv但Msp小于Msv的情况下,计算掌型掌脉融合比对分 Mmp= Ws*Msp + Wp*Mpp,其中权重 Ws+Wp =1,如果Mmp大于掌型掌脉融合比对分阈值Mmv,则被验证人Pj即为指定人Pp;否则,被验证人Pj不是指定人Pp;
步骤三、再采用汉明距离,计算掌脉特征Fpj和数据库中的Fpi之间的匹配比对分Mpi,即被验证人Pj的掌脉特征Fpj与注册样本库中所有人Pi的掌脉特征Fpi进行比对,得到掌脉比对分Mpi;
步骤四、再采用多边形相似度方法,计算掌型特征Fsj和数据库中的Fsi之间的匹配比对分Msi,即被验证人Pj的掌型特征Fsj与注册样本库中所有人Pi的掌型特征Fsi进行比对,得到掌型比对分Msi;
步骤五、再设置手掌掌脉匹配比对分掌脉比对分阈值Mpv和手掌掌型匹配比对分掌型比对分阈值Msv,Mpi大于等于Mpv 和Msi大于等于Msv的样本,作为候选对象;如果Msi小于掌型比对分掌型比对分阈值Msv,且Mpi小于掌脉比对分掌脉比对分阈值Mpv,则被验证人Pj不是样本库中的任何人Pi;
步骤六、再设置掌脉比对分权重 Wp 和掌型比对分权重 Ws,Wp+Ws=1;
步骤七、最后针对候选对象,计算最终匹配比对分Mi,Mi=Wp*Mp+Ws*Ms,最大的Mi对应的样本即为识别样本,完成识别过程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110340189.9A CN113033429A (zh) | 2021-03-30 | 2021-03-30 | 手掌掌型掌脉特征提取及识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110340189.9A CN113033429A (zh) | 2021-03-30 | 2021-03-30 | 手掌掌型掌脉特征提取及识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113033429A true CN113033429A (zh) | 2021-06-25 |
Family
ID=76453006
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110340189.9A Pending CN113033429A (zh) | 2021-03-30 | 2021-03-30 | 手掌掌型掌脉特征提取及识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113033429A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104537338A (zh) * | 2014-12-17 | 2015-04-22 | 广东智冠信息技术股份有限公司 | 一种手掌静脉识别的手掌位置四点定位方法 |
CN107122700A (zh) * | 2017-03-02 | 2017-09-01 | 华南理工大学 | 一种基于视频的掌纹掌脉联合注册和识别方法 |
CN107341473A (zh) * | 2017-07-04 | 2017-11-10 | 深圳市利众信息科技有限公司 | 手掌特征识别方法、手掌特征识别设备、及存储介质 |
US20180357499A1 (en) * | 2015-11-24 | 2018-12-13 | Xiamen Zkteco Information Technology Co., Ltd. | Palm vein identification method and device |
-
2021
- 2021-03-30 CN CN202110340189.9A patent/CN113033429A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104537338A (zh) * | 2014-12-17 | 2015-04-22 | 广东智冠信息技术股份有限公司 | 一种手掌静脉识别的手掌位置四点定位方法 |
US20180357499A1 (en) * | 2015-11-24 | 2018-12-13 | Xiamen Zkteco Information Technology Co., Ltd. | Palm vein identification method and device |
CN107122700A (zh) * | 2017-03-02 | 2017-09-01 | 华南理工大学 | 一种基于视频的掌纹掌脉联合注册和识别方法 |
CN107341473A (zh) * | 2017-07-04 | 2017-11-10 | 深圳市利众信息科技有限公司 | 手掌特征识别方法、手掌特征识别设备、及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108985134B (zh) | 基于双目摄像机的人脸活体检测及刷脸交易方法及系统 | |
Tome et al. | The 1st competition on counter measures to finger vein spoofing attacks | |
WO2016149944A1 (zh) | 用于识别人脸的方法、系统和计算机程序产品 | |
CN107169458B (zh) | 数据处理方法、装置及存储介质 | |
CN109376604B (zh) | 一种基于人体姿态的年龄识别方法和装置 | |
Yang et al. | Personal authentication using finger vein pattern and finger-dorsa texture fusion | |
Fei et al. | Complete binary representation for 3-D palmprint recognition | |
Sushama et al. | Face recognition using DRLBP and SIFT feature extraction | |
CN114360071A (zh) | 基于人工智能实现离线手写签名验证的方法 | |
CN116884070A (zh) | 高效图像处理算法及其在人脸识别中的应用 | |
Bouzaglo et al. | Synthesis and reconstruction of fingerprints using generative adversarial networks | |
CN104318216A (zh) | 视频监控中跨盲区行人目标的识别匹配方法 | |
CN113033429A (zh) | 手掌掌型掌脉特征提取及识别方法 | |
CN112380966B (zh) | 基于特征点重投影的单眼虹膜匹配方法 | |
JP5279007B2 (ja) | 照合システム、照合方法、プログラム及び記録媒体 | |
Aggithaya et al. | A multimodal biometric authentication system based on 2D and 3D palmprint features | |
Zheng et al. | Joint Multiple-type Features Encoding for Palmprint Recognition | |
EP3702958B1 (en) | Method for verifying the identity of a user by identifying an object within an image that has a biometric characteristic of the user and separating a portion of the image comprising the biometric characteristic from other portions of the image | |
Palanivel et al. | Real time face authentication system using autoassociative neural network models | |
Triantafyllou et al. | Iris authentication utilizing co-occurrence matrices and textile features | |
Kanchana et al. | Quadtree decomposition for palm print feature representation in palmprint recognition system | |
Wang et al. | Low-effort user authentication for kiosk systems based on smartphone user’s gripping hand geometry | |
CN111291586A (zh) | 活体检测方法、装置、电子设备及计算机可读存储介质 | |
CN116665256B (zh) | 一种基于指纹图像局部区域质量的指纹匹配方法 | |
Kakarash et al. | Biometric Iris recognition approach based on filtering techniques |
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 |