CN113221891A - 掌静脉图像的识别角度的调整方法和装置 - Google Patents
掌静脉图像的识别角度的调整方法和装置 Download PDFInfo
- Publication number
- CN113221891A CN113221891A CN202110588031.3A CN202110588031A CN113221891A CN 113221891 A CN113221891 A CN 113221891A CN 202110588031 A CN202110588031 A CN 202110588031A CN 113221891 A CN113221891 A CN 113221891A
- Authority
- CN
- China
- Prior art keywords
- palm
- vein image
- plane
- adjusting
- 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
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
- G06V10/242—Aligning, centring, orientation detection or correction of the image by image rotation, e.g. by 90 degrees
-
- 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
本发明公开了一种掌静脉图像的识别角度的调整方法。所述掌静脉图像的识别角度的调整方法,包括:基于采集区域上的基准点,获取手掌的测量点;根据所述测量点构建手掌平面;确定所述手掌平面的倾斜度;根据所述倾斜度调整所述手掌平面对应的掌静脉图像的识别角度。本发明,通过基准点获取测量点,并通过测量点得到手掌平面,进而确定所述掌静脉图像的倾斜度,简单高效,提高对掌静脉图像的识别角度调整的准确性。同时,本发明还提供一种掌静脉图像的识别角度的装置和一种计算机可读存储介质。
Description
技术领域
本发明涉及图像识别技术领域,特别地,涉及一种掌静脉图像的识别角度的调整方法、一种掌静脉图像的识别角度的调整装置及一种计算机可读存储介质。
背景技术
掌静脉识别是近年新兴的一种生物特征识别技术,目前掌静脉识别技术的过程主要划分为:1、特征采集与提取;2、识别运算两大环节。
目前的技术中,在对手掌静脉进行特征采集与提取钱,往往需要将人手掌张开平放对准采集区域,对于手掌在采集区域中的左右倾斜,前后倾斜、自然弯曲等状态由于特征点分布偏差的原因均无法实现有效的识别。
因此,业内亟需一种能解决上述问题的技术方案。
发明内容
本发明提供了一种掌静脉图像的识别角度的调整方法,通过基准点获取测量点,并通过测量点得到手掌平面,进而确定所述掌静脉图像的倾斜度,简单高效,有利于掌静脉图像的识别角度的调整。同时,本发明还提供一种掌静脉图像的识别角度的装置和一种计算机可读存储介质。
第一方面,本发明提供一种掌静脉图像的识别角度的调整方法。
所述掌静脉图像的识别角度的调整方法包括:
基于采集区域上的基准点,获取手掌的测量点;
根据所述测量点构建手掌平面;
确定所述手掌平面的倾斜度;
根据所述倾斜度调整所述手掌平面对应的掌静脉图像的识别角度。
具体地,所述根据所述测量点构建手掌平面的步骤之前,还包括:
实时获取所述测量点与预设的基准平面的距离信息;
判断所述距离信息是否满足预设的启动条件;
若满足,则根据所述测量点构建手掌平面。
具体地,所述判断所述距离信息是否满足预设的启动条件具体包括:
获取各所述测量点相对于所述基准平面的高度值;
计算各所述测量点的高度值的差值;
判断所述差值是否满足预设的启动条件。
具体地,所述基于采集区域上的基准点,获取手掌的测量点的步骤中,具体包括:
获取所述基准点的位置坐标信息;
根据所述基准点的位置坐标信息确定所述测量点的位置坐标信息。
具体地,所述确定所述手掌平面的倾斜度的步骤中,具体包括:
根据所述测量点的位置坐标信息确定所述手掌平面的倾斜度。
具体地,所述根据所述倾斜度调整所述手掌平面对应的掌静脉图像的识别角度的步骤中,具体包括:
基于所述手掌平面,获取其对应的掌静脉图像;
基于所述倾斜度,调整所述掌静脉图像的识别角度。
具体地,所述基于倾斜度,调整所述掌静脉图像的识别角度的步骤中,具体包括:
将所述掌静脉图像变换至拉普拉斯域,得到拉普拉斯图像;
将所述拉普拉斯图像进行radon变换,得到radon图像,基于所述倾斜度,对所述radon图像在radon坐标系中调整识别角度。
优选地,所述基准点具有至少3个,基于所述至少3个基准点构建所述基准平面。
第二方面,本发明提供一种掌静脉图像的识别角度的调整装置。
所述掌静脉图像的识别角度的调整装置包括:
获取模块,用于基于采集区域上的基准点,获取手掌的测量点;
构建模块,用于根据所述测量点构建手掌平面;
确定模块,用于确定所述手掌平面的倾斜度;
调整模块,用于根据所述倾斜度调整所述手掌平面对应的掌静脉图像的识别角度。
第三方面,本发明提供一种计算机可读存储介质。
所述计算机可读存储介质存储有计算机程序,该计算机程序被处理器执行时实现第一方面任意一项所述的掌静脉图像的识别角度的调整方法的步骤。
相比于现有技术,本发明的方案具有以下优点:
本发明中,基于采集区域上的基准点,获取手掌的测量点;根据所述测量点构建手掌平面;确定所述手掌平面的倾斜度;根据所述倾斜度调整所述手掌平面对应的掌静脉图像的识别角度。本发明,通过基准点获取测量点,并通过测量点得到手掌平面,进而确定所述掌静脉图像的倾斜度,简单高效,可有效地对掌静脉图像的识别角度进行调整,并且保证调整的准确性。
本发明附加的方面和优点将在下面的描述中部分给出,这些将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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发明的一些实施例,对于本领域技术人员来讲,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示出了本发明中一种掌静脉图像的识别角度的调整方法的一种实施例的流程示意图;
图2示出了本发明中一种距离传感器的一种实施例的示意图;其中,T1、T2、T3表示所述距离传感器;
图3示出了本发明中一种基准平面与手掌平面的位置关系的一种实施例的示意图;
图4示出本发明中一种掌静脉图像的识别角度的调整装置的一种实施例的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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。
在本发明的说明书和权利要求书及上述附图中的描述的一些流程中,包含了按照特定顺序出现的多个操作,但是应该清楚了解,这些操作可以不按照其在本文中出现的顺序来执行或并行执行,操作的序号如101、102等,仅仅是用于区分开各个不同的操作,序号本身不代表任何的执行顺序。另外,这些流程可以包括更多或更少的操作,并且这些操作可以按顺序执行或并行执行。需要说明的是,本文中的“第一”、“第二”等描述,是用于区分不同的消息、设备、模块等,不代表先后顺序,也不限定“第一”和“第二”是不同的类型。
本领域普通技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
本发明对掌静脉识别过程中的掌静脉图像的识别角度进行调整矫正,设置在掌静脉特征采集与提取之前,解决了掌静脉识别中,手掌在采集区域中的左右倾斜、前后倾斜、自然弯曲等状态由于特征点分布偏差的原因均无法有效的识别的问题。
第一方面,本发明提供一种掌静脉图像的识别角度的调整方法。
如图1,所述掌静脉图像的识别角度的调整方法包括步骤S101、步骤S102、步骤S103和步骤S104:
步骤S101、基于采集区域上的基准点,获取手掌的测量点;
本发明中,所述采集区域用于采集手掌的数据信息,包括手掌的掌静脉图像、手掌的距离信息等。在获取手掌的掌静脉图像的同时,也会获取该手掌的距离信息等。因此,同一时刻的手掌的数据信息(如距离信息、手掌上的测量点)与所述掌静脉图像是对应关联的。
在掌静脉识别的过程中,在采集区域上设置基准点。当检测到人的手掌接近时,获取所述手掌上与所述基准点对应的测量点。所述基准点的数量不少于3个,对应地,所述测量点也应当不少于3个,可以理解的是,3个不在同一条线上的测量点相互连线,可构建一个平面,本发明中,利用测量点构建手掌平面。
步骤S102、根据所述测量点构建手掌平面;
本发明实施中,所述测量点的数量可随时调整,但所述测量点的数量不应当少于3个。当存在4个或4个以上的测量点时,可以将所述测量点所能构建的各平面罗列出来,从其中选取能代表所述手掌的手掌平面,或根据各平面求一个平面均值,将所述平面均值对应的平面当作手掌平面。优选地,所述测量点为3个,在兼顾准确性的同时,有助于节约测量的成本,降低掌静脉识别系统处理的复杂度。
步骤S103、确定所述手掌平面的倾斜度;
确定一个基准平面,在知晓所述测量点相对于所述基准平面的位置信息或坐标时,可通过测量点计算得到所述手掌平面的倾斜度。
在本发明实施例中,所述基准平面用于测量所述测量点的距离及表示所述测量点的位置坐标信息,所述基准平面可以是通过所述基准点建立的。亦即,所述基准平面可以是所述基准点所在的平面,也可以是与所述基准点所在的平面平行,并具有一定的垂直距离。优选的,所述基准点所在的平面为基准平面。
步骤S104、根据所述倾斜度调整所述手掌平面对应的掌静脉图像的识别角度。
在确定手掌平面的倾斜度时,则可知晓其对应的手掌的倾斜度,亦即该手掌对应的掌静脉图像的倾斜度,从而根据所述倾斜度调整矫正所述掌静脉图像的识别角度。
本发明中,所述掌静脉图像的识别角度调整方法通过基准点获取测量点,并通过测量点得到手掌平面,进而确定所述掌静脉图像的倾斜度,简单高效,可有效地对掌静脉图像的识别角度进行调整,并且保证调整的准确性。
参见图2,在本发明的一种优选实施例中,所述基准点是根据掌静脉识别系统中采集区域上的距离传感器的位置来确定的,所述距离传感器用于在采集区域中检测手掌的距离,从而获得手掌上的所述测量点的距离信息。一种可能的设计中,所述距离传感器T1、T2、T3,分别获取测量点1、2、3的距离L1、L2、L3。
在本发明的一种具体的实施例中,所述根据所述测量点构建手掌平面的步骤之前,还包括:
实时获取所述测量点与预设的基准平面的距离信息;
判断所述距离信息是否满足预设的启动条件;
若满足,则根据所述测量点构建手掌平面。
为保证当前的掌静脉别是用户的有效操作,减少误判或不必要的系统启动输出,本发明实施例中,系统判断测量点与所述基准平面的距离,亦即手掌的距离是否有效距离。若是有效距离,则确定为用户的有效操作,从而进行下一个操作流程。若非有效距离,则不进入“根据所述测量点构建手掌平面的过程”。
在本发明实施例中,通过判断各所述测量点的高度差距离,来确定是否满足预设的启动条件。
具体地,所述判断所述距离信息是否满足预设的启动条件具体包括:
获取各所述测量点相对于所述基准平面的高度值;
计算各所述测量点的高度值的差值;
判断所述差值是否满足预设的启动条件。
参见图2和图3,在一种可能的设计中,掌静脉识别设备前面板载有三个距离传感器依次记为T1,T2,T3。T1,T2,T3相互之间的距离为D。当手掌靠近掌静脉识别设备时,三个距离传感器即T1距离传感器,T2距离传感器,T3距离传感器,分别获得到手掌与自身的空间距离。将这三个空间距离记为H1,H2,H3。当H1,H2,H3满足预设的约束,即可启动设备进行后续处理。
优选地,预设的约束条件为:
0<MAX(||H1-H2||,||H1-H3||,||H2-H3||)<tan30°*D
其中,tan30°意味着靠近的物体有足够面积的平面。当然,只要数值意味着靠近的物体有满足条件的面积的平面,其就可以替代tan30°。
具体地,所述基于采集区域上的基准点,获取手掌的测量点的步骤中,具体包括:
获取所述基准点的位置坐标信息;
根据所述基准点的位置坐标信息确定所述测量点的位置坐标信息。
本发明的一种优选实施例中,基于所述基准点构建基准平面。根据所述基准平面确定所述基准点的位置坐标信息,由于基准点与测量点是一致的,当所获取的测量点在平面上的投影是基准点时,可以基于所述基准点的位置坐标信息与所述测量点距离基准平面的距离,获取所述测量点的坐标信息。
具体地,所述确定所述手掌平面的倾斜度的步骤中,具体包括:
根据所述测量点的位置坐标信息确定所述手掌平面的倾斜度。
例如,在一种可能的设计中,掌静脉识别设备前面板载有三个距离传感器依次记为S1,S2,S3。S1,S2,S3相互之间的距离为a。当手掌靠近掌静脉识别设备时,三个距离传感器即S1距离传感器,S2距离传感器,S3距离传感器,分别获得到手掌上的对应的测量点与自身的距离。将这三个距离记为H1,H2,H3。
显然,在一个空间坐标系中,可根据空间坐标系中手掌平面的测量点的坐标信息计算出该手掌平面倾斜角度θ。
具体地,所述根据所述倾斜度调整所述手掌平面对应的掌静脉图像的识别角度的步骤中,具体包括:
基于所述手掌平面,获取其对应的掌静脉图像;
基于所述倾斜度,调整所述掌静脉图像的识别角度。
所述采集区域用于采集手掌的数据信息,包括手掌的掌静脉图像、手掌的距离信息等。在获取手掌的掌静脉图像的同时,也会获取该手掌的距离信息等。因此,同一时刻的手掌的数据信息(如距离信息、手掌上的测量点)与所述掌静脉图像是对应关联的。所述测量点构建的手掌平面也是与所述掌静脉图像关联的,因此,基于手掌平面的倾斜度可以调整所述掌静脉图像的识别角度,实现对掌静脉图像的倾斜等问题的矫正。
具体地,所述基于倾斜度,调整所述掌静脉图像的识别角度的步骤中,具体包括:
将所述掌静脉图像变换至拉普拉斯域,得到拉普拉斯图像;
将所述拉普拉斯图像进行radon变换,得到radon图像,基于所述倾斜度,对所述radon图像在radon坐标系中调整识别角度。
在得到所述拉普拉斯图像之后,还可以求出拉普拉斯图像的图像边界。图像边界的意义在于感知所述拉普拉斯图像中手掌的位置以及根据图像边界坐标点的个数来确定所述掌静脉图像是否为有效手掌图像。当所述掌静脉图像为有效手掌图像时,再将所述拉普拉斯图像进行radon变换。如果存在手掌图像,边界坐标点数一般大于230个坐标点数。
例如,在一种可能的设计中,将所述掌静脉图像映射到laplace空间,即,拉普拉斯域,使用先前获得倾斜度θ,在lapace空间矫正,并映射回原图。具体的实现过程如下:
使用Laplace变换,将图像变换至拉普拉斯域,求出图像边界。所述掌静脉图像用f(x,y)表示,对于图像f(x,y)而言,其拉普拉斯变换为:
随后将图像进行radon变换,将二维平面(x,y)坐标系变换至(θ,p)坐标系,通过前一步计算的角度θ,在(θ,p)坐标系中对图像进行矫正,随后进行radon反变换获得矫正图像。
Radon变换:
Radon(θ,p)=∫∫f(x,y)δ(p-xcos(θ)-ysin(θ))d×dy
其中δ(x)为冲击函数。
Radon逆变换:
综上,本发明解决掌静脉识别设备实际使用过程中,用户手掌必须在固定位置的问题,使用本发明,用户可以在采集区域内自由摆放手掌位置,而不影响识别效果,同时在采集过程中,可以采集用户手掌多个位置信息,使得识别速度有一定上升。
第二方面,本发明提供一种掌静脉图像的识别角度的调整装置。
如图4,所述掌静脉图像的识别角度的调整装置包括获取模块101、构建模块102、确定模块103和调整模块104。其中:
获取模块101,用于基于采集区域上的基准点,获取手掌的测量点;
本发明中,所述采集区域用于采集手掌的数据信息,包括手掌的掌静脉图像、手掌的距离信息等。在获取手掌的掌静脉图像的同时,也会获取该手掌的距离信息等。因此,同一时刻的手掌的数据信息(如距离信息、手掌上的测量点)与所述掌静脉图像是对应关联的。
在掌静脉识别的过程中,在采集区域上设置基准点。当检测到人的手掌接近时,获取所述手掌上与所述基准点对应的测量点。所述基准点的数量不少于3个,对应地,所述测量点也应当不少于3个,可以理解的是,3个不在同一条线上的测量点相互连线,可构建一个平面,本发明中,利用测量点构建手掌平面。
构建模块102,用于根据所述测量点构建手掌平面;
本发明实施中,所述测量点的数量可随时调整,但所述测量点的数量不应当少于3个。当存在4个或4个以上的测量点时,可以将所述测量点所能构建的各平面罗列出来,从其中选取能代表所述手掌的手掌平面,或根据各平面求一个平面均值,将所述平面均值对应的平面当作手掌平面。优选地,所述测量点为3个,在兼顾准确性的同时,有助于节约测量的成本,降低掌静脉识别系统处理的复杂度。
确定模块103,用于确定所述手掌平面的倾斜度;
确定一个基准平面,在知晓所述测量点相对于所述基准平面的位置信息或坐标时,可通过测量点计算得到所述手掌平面的倾斜度。
在本发明实施例中,所述基准平面用于测量所述测量点的距离及表示所述测量点的位置坐标信息,所述基准平面可以是通过所述基准点建立的。亦即,所述基准平面可以是所述基准点所在的平面,也可以是与所述基准点所在的平面平行,并具有一定的垂直距离。优选的,所述基准点所在的平面为基准平面。
调整模块104,用于根据所述倾斜度调整所述手掌平面对应的掌静脉图像的识别角度。
在确定手掌平面的倾斜度时,则可知晓其对应的手掌的倾斜度,亦即该手掌对应的掌静脉图像的倾斜度,从而根据所述倾斜度调整矫正所述掌静脉图像的识别角度。
本发明中,所述掌静脉图像的识别角度调整方法通过基准点获取测量点,并通过测量点得到手掌平面,进而确定所述掌静脉图像的倾斜度,简单高效,可有效地对掌静脉图像的识别角度进行调整,并且保证调整的准确性。
参见图2,在本发明的一种优选实施例中,所述基准点是根据掌静脉识别系统中采集区域上的距离传感器的位置来确定的,所述距离传感器用于在采集区域中检测手掌的距离,从而获得手掌上的所述测量点的距离信息。一种可能的设计中,所述距离传感器T1、T2、T3,分别获取测量点1、2、3的距离L1、L2、L3。
在本发明的一种具体的实施例中,执行构建模块102之前,还包括:
实时获取所述测量点与预设的基准平面的距离信息;
判断所述距离信息是否满足预设的启动条件;
若满足,则根据所述测量点构建手掌平面。
为保证当前的掌静脉别是用户的有效操作,减少误判或不必要的系统启动输出,本发明实施例中,系统判断测量点与所述基准平面的距离,亦即手掌的距离是否有效距离。若是有效距离,则确定为用户的有效操作,从而进行下一个操作流程。若非有效距离,则不进入“根据所述测量点构建手掌平面的过程”。
在本发明实施例中,通过判断各所述测量点的高度差距离,来确定是否满足预设的启动条件。
具体地,所述判断所述距离信息是否满足预设的启动条件具体包括:
获取各所述测量点相对于所述基准平面的高度值;
计算各所述测量点的高度值的差值;
判断所述差值是否满足预设的启动条件。
参见图2和图3,在一种可能的设计中,掌静脉识别设备前面板载有三个距离传感器依次记为T1,T2,T3。T1,T2,T3相互之间的距离为D。当手掌靠近掌静脉识别设备时,三个距离传感器即T1距离传感器,T2距离传感器,T3距离传感器,分别获得到手掌与自身的空间距离。将这三个空间距离记为H1,H2,H3。当H1,H2,H3满足预设的约束,即可启动设备进行后续处理。
优选地,预设的约束条件为:
0<MAX(||H1-H2||,||H1-H3||,||H2-H3||)<tan30°*D
其中,tan30°意味着靠近的物体有足够面积的平面。当然,只要数值意味着靠近的物体有满足条件的面积的平面,其就可以替代tan30°。
具体地,所述获取模块101中,具体包括:
获取单元,用于获取所述基准点的位置坐标信息;
确定单元,用于根据所述基准点的位置坐标信息确定所述测量点的位置坐标信息。
本发明的一种优选实施例中,基于所述基准点构建基准平面。根据所述基准平面确定所述基准点的位置坐标信息,由于基准点与测量点是一致的,当所获取的测量点在平面上的投影是基准点时,可以基于所述基准点的位置坐标信息与所述测量点距离基准平面的距离,获取所述测量点的坐标信息。
具体地,所述确定模块103具体被配置为用于执行:
根据所述测量点的位置坐标信息确定所述手掌平面的倾斜度。
例如,在一种可能的设计中,掌静脉识别设备前面板载有三个距离传感器依次记为S1,S2,S3。S1,S2,S3相互之间的距离为a。当手掌靠近掌静脉识别设备时,三个距离传感器即S1距离传感器,S2距离传感器,S3距离传感器,分别获得到手掌上的对应的测量点与自身的距离。将这三个距离记为H1,H2,H3。
显然,在一个空间坐标系中,可根据空间坐标系中手掌平面的测量点的坐标信息计算出该手掌平面倾斜角度θ。
具体地,所述调整模块104中,具体包括:
调整单元用于基于所述手掌平面,获取其对应的掌静脉图像;
并基于所述倾斜度,调整所述掌静脉图像的识别角度。
所述采集区域用于采集手掌的数据信息,包括手掌的掌静脉图像、手掌的距离信息等。在获取手掌的掌静脉图像的同时,也会获取该手掌的距离信息等。因此,同一时刻的手掌的数据信息(如距离信息、手掌上的测量点)与所述掌静脉图像是对应关联的。所述测量点构建的手掌平面也是与所述掌静脉图像关联的,因此,基于手掌平面的倾斜度可以调整所述掌静脉图像的识别角度,实现对掌静脉图像的倾斜等问题的矫正。
具体地,所述调整模块104,用于基于倾斜度,调整所述掌静脉图像的识别角度,具体包括:
将所述掌静脉图像变换至拉普拉斯域,得到拉普拉斯图像;
将所述拉普拉斯图像进行radon变换,得到radon图像,基于所述倾斜度,对所述radon图像在radon坐标系中调整识别角度。
在得到所述拉普拉斯图像之后,还可以求出拉普拉斯图像的图像边界。图像边界的意义在于感知所述拉普拉斯图像中手掌的位置以及根据图像边界坐标点的个数来确定所述掌静脉图像是否为有效手掌图像。当所述掌静脉图像为有效手掌图像时,再将所述拉普拉斯图像进行radon变换。如果存在手掌图像,边界坐标点数一般大于230个坐标点数。
例如,在一种可能的设计中,将所述掌静脉图像映射到laplace空间,即,拉普拉斯域,使用先前获得倾斜度θ,在lapace空间矫正,并映射回原图。具体的实现过程如下:
使用Laplace变换,将图像变换至拉普拉斯域,求出图像边界。所述掌静脉图像用f(x,y)表示,对于图像f(x,y)而言,其拉普拉斯变换为:
随后将图像进行radon变换,将二维平面(x,y)坐标系变换至(θ,p)坐标系,通过前一步计算的角度θ,在(θ,p)坐标系中对图像进行矫正,随后进行radon反变换获得矫正图像。
Radon变换:
Radon(θ,p)=∫∫f(x,y)δ(p-xcos(θ)-ysin(θ))dxdy
其中δ(x)为冲击函数。
Radon逆变换:
综上,本发明解决掌静脉识别设备实际使用过程中,用户手掌必须在固定位置的问题,使用本发明,用户可以在采集区域内自由摆放手掌位置,而不影响识别效果,同时在采集过程中,可以采集用户手掌多个位置信息,使得识别速度有一定上升。
第三方面,本发明提供一种计算机可读存储介质。
所述计算机可读存储介质存储有计算机程序,该计算机程序被处理器执行时实现第一方面任意一项所述的掌静脉图像的识别角度的调整方法的步骤。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、磁盘或光盘等。
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可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上对本发明所提供的技术方案的实施例进行了详细介绍,对于本领域的一般技术人员,依据本发明实施例的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种掌静脉图像的识别角度的调整方法,其特征在于,包括:
基于采集区域上的基准点,获取手掌的测量点;
根据所述测量点构建手掌平面;
确定所述手掌平面的倾斜度;
根据所述倾斜度调整所述手掌平面对应的掌静脉图像的识别角度。
2.根据权利要求1所述的掌静脉图像的识别角度的调整方法,其特征在于,所述根据所述测量点构建手掌平面的步骤之前,还包括:
实时获取所述测量点与预设的基准平面的距离信息;
判断所述距离信息是否满足预设的启动条件;
若满足,则根据所述测量点构建手掌平面。
3.根据权利要求2所述的掌静脉图像的识别角度的调整方法,其特征在于,所述判断所述距离信息是否满足预设的启动条件具体包括:
获取各所述测量点相对于所述基准平面的高度值;
计算各所述测量点的高度值的差值;
判断所述差值是否满足预设的启动条件。
4.根据权利要求1所述的掌静脉图像的识别角度的调整方法,其特征在于,所述基于采集区域上的基准点,获取手掌的测量点的步骤中,具体包括:
获取所述基准点的位置坐标信息;
根据所述基准点的位置坐标信息确定所述测量点的位置坐标信息。
5.根据权利要求4所述的掌静脉图像的识别角度的调整方法,其特征在于,所述确定所述手掌平面的倾斜度的步骤中,具体包括:
根据所述测量点的位置坐标信息确定所述手掌平面的倾斜度。
6.根据权利要求1所述的掌静脉图像的识别角度的调整方法,其特征在于,所述根据所述倾斜度调整所述手掌平面对应的掌静脉图像的识别角度的步骤中,具体包括:
基于所述手掌平面,获取其对应的掌静脉图像;
基于所述倾斜度,调整所述掌静脉图像的识别角度。
7.根据权利要求6所述的掌静脉图像的识别角度的调整方法,其特征在于,所述基于倾斜度,调整所述掌静脉图像的识别角度的步骤中,具体包括:
将所述掌静脉图像变换至拉普拉斯域,得到拉普拉斯图像;
将所述拉普拉斯图像进行radon变换,得到radon图像,基于所述倾斜度,对所述radon图像在radon坐标系中调整识别角度。
8.根据权利要求2所述的掌静脉图像的识别角度的调整方法,其特征在于,所述基准点具有至少3个,基于所述至少3个基准点构建所述基准平面。
9.一种掌静脉图像的识别角度的调整装置,其特征在于,包括:
获取模块,用于基于采集区域上的基准点,获取手掌的测量点;
构建模块,用于根据所述测量点构建手掌平面;
确定模块,用于确定所述手掌平面的倾斜度;
调整模块,用于根据所述倾斜度调整所述手掌平面对应的掌静脉图像的识别角度。
10.一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存储有计算机程序,该计算机程序被处理器执行时实现权利要求1-8任意一项所述的掌静脉图像的识别角度的调整方法的步骤。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2021105193994 | 2021-05-12 | ||
CN202110519399 | 2021-05-12 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113221891A true CN113221891A (zh) | 2021-08-06 |
CN113221891B CN113221891B (zh) | 2022-12-09 |
Family
ID=77099698
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110588031.3A Active CN113221891B (zh) | 2021-05-12 | 2021-05-28 | 掌静脉图像的识别角度的调整方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113221891B (zh) |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009101702A1 (ja) * | 2008-02-15 | 2009-08-20 | Fujitsu Limited | 生体認証用の撮影装置及び生体認証装置 |
CN102842122A (zh) * | 2012-06-21 | 2012-12-26 | 哈尔滨工业大学 | 基于小波神经网络的增强现实图像方法 |
JP2015057724A (ja) * | 2014-11-07 | 2015-03-26 | 富士通株式会社 | 生体認証装置 |
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 |
CN104915631A (zh) * | 2014-03-10 | 2015-09-16 | 富士通株式会社 | 图像处理设备、生物认证设备和图像处理方法 |
CN106773080A (zh) * | 2015-12-25 | 2017-05-31 | 深圳超多维光电子有限公司 | 立体显示装置及显示方法 |
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 |
US20180357499A1 (en) * | 2015-11-24 | 2018-12-13 | Xiamen Zkteco Information Technology Co., Ltd. | Palm vein identification method and device |
CN109059895A (zh) * | 2018-03-28 | 2018-12-21 | 南京航空航天大学 | 一种基于手机摄像头和传感器的多模态室内测距及定位方法 |
CN109308684A (zh) * | 2017-07-27 | 2019-02-05 | 成都理想境界科技有限公司 | 一种图像倾斜矫正方法及计算机可读存储介质 |
CN109447052A (zh) * | 2019-01-09 | 2019-03-08 | 东浓智能科技(上海)有限公司 | 一种可精确定位手掌位置的掌静脉识别装置及其实现方法 |
CN109829368A (zh) * | 2018-12-24 | 2019-05-31 | 平安科技(深圳)有限公司 | 手掌特征的识别方法、装置、计算机设备及存储介质 |
CN111368747A (zh) * | 2020-03-06 | 2020-07-03 | 上海掌腾信息科技有限公司 | 基于tof技术实现掌静脉特征矫正处理的系统及其方法 |
CN111652230A (zh) * | 2020-05-25 | 2020-09-11 | 浙江大华技术股份有限公司 | 车牌识别方法、电子设备及存储介质 |
CN212575381U (zh) * | 2020-04-09 | 2021-02-23 | 公方娟 | 一种老年患者留置针护理装置 |
CN112528836A (zh) * | 2020-12-08 | 2021-03-19 | 熵基科技股份有限公司 | 一种掌静脉信息采集方法、装置、设备及存储介质 |
CN112784681A (zh) * | 2020-12-24 | 2021-05-11 | 深兰盛视科技(苏州)有限公司 | 手脉录入方法、装置、设备及计算机可读存储介质 |
-
2021
- 2021-05-28 CN CN202110588031.3A patent/CN113221891B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009101702A1 (ja) * | 2008-02-15 | 2009-08-20 | Fujitsu Limited | 生体認証用の撮影装置及び生体認証装置 |
CN102842122A (zh) * | 2012-06-21 | 2012-12-26 | 哈尔滨工业大学 | 基于小波神经网络的增强现实图像方法 |
CN104915631A (zh) * | 2014-03-10 | 2015-09-16 | 富士通株式会社 | 图像处理设备、生物认证设备和图像处理方法 |
JP2015057724A (ja) * | 2014-11-07 | 2015-03-26 | 富士通株式会社 | 生体認証装置 |
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 |
CN106773080A (zh) * | 2015-12-25 | 2017-05-31 | 深圳超多维光电子有限公司 | 立体显示装置及显示方法 |
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 |
CN109308684A (zh) * | 2017-07-27 | 2019-02-05 | 成都理想境界科技有限公司 | 一种图像倾斜矫正方法及计算机可读存储介质 |
CN109059895A (zh) * | 2018-03-28 | 2018-12-21 | 南京航空航天大学 | 一种基于手机摄像头和传感器的多模态室内测距及定位方法 |
CN109829368A (zh) * | 2018-12-24 | 2019-05-31 | 平安科技(深圳)有限公司 | 手掌特征的识别方法、装置、计算机设备及存储介质 |
CN109447052A (zh) * | 2019-01-09 | 2019-03-08 | 东浓智能科技(上海)有限公司 | 一种可精确定位手掌位置的掌静脉识别装置及其实现方法 |
CN111368747A (zh) * | 2020-03-06 | 2020-07-03 | 上海掌腾信息科技有限公司 | 基于tof技术实现掌静脉特征矫正处理的系统及其方法 |
CN212575381U (zh) * | 2020-04-09 | 2021-02-23 | 公方娟 | 一种老年患者留置针护理装置 |
CN111652230A (zh) * | 2020-05-25 | 2020-09-11 | 浙江大华技术股份有限公司 | 车牌识别方法、电子设备及存储介质 |
CN112528836A (zh) * | 2020-12-08 | 2021-03-19 | 熵基科技股份有限公司 | 一种掌静脉信息采集方法、装置、设备及存储介质 |
CN112784681A (zh) * | 2020-12-24 | 2021-05-11 | 深兰盛视科技(苏州)有限公司 | 手脉录入方法、装置、设备及计算机可读存储介质 |
Non-Patent Citations (4)
Title |
---|
MAIER JOHANNES 等: "Optically tracked and 3D printed haptic phantom hand for surgical training system", 《QUANTITATIVE IMAGING IN MEDICINE AND SURGERY 》 * |
叶慧: "基于方向局部描述子的掌纹和手掌静脉识别研究", 《中国优秀硕士学位论文全文数据库 (信息科技辑) 》 * |
孙东卫 等: "基于Radon变换的倾斜车牌图像角度检测与校正", 《微计算机应用》 * |
张环等: "手掌静脉识别算法", 《计算机应用》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113221891B (zh) | 2022-12-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI619080B (zh) | 指紋重疊區域面積的計算方法及電子裝置 | |
CN104268498B (zh) | 一种二维码的识别方法及终端 | |
CN112818988B (zh) | 一种指针式仪表自动识别读数方法及系统 | |
EP3537375B1 (en) | Image segmentation methods, image segmentation system and device comprising same, and storage medium | |
CN109376631B (zh) | 一种基于神经网络的回环检测方法及装置 | |
CN104867225B (zh) | 一种纸币的面向识别方法及装置 | |
CN107066961B (zh) | 指纹配准方法及装置 | |
CN111259890A (zh) | 一种水位尺的水位识别方法、装置及设备 | |
CN102236798A (zh) | 一种图像匹配方法及其装置 | |
CN110390668B (zh) | 螺栓松动检测方法、终端设备及存储介质 | |
CN110443237B (zh) | 证件识别方法、装置、电子设备及计算机可读存储介质 | |
WO2009137024A2 (en) | Method and system for enhanced image alignment | |
CN113392681A (zh) | 人体跌倒检测方法、装置及终端设备 | |
CN112699863B (zh) | 指纹增强方法、计算机可读存储介质及电子设备 | |
CN113221891B (zh) | 掌静脉图像的识别角度的调整方法和装置 | |
CN112418089A (zh) | 一种手势识别方法、装置及终端 | |
CN109840515B (zh) | 面部姿态调整方法、装置和终端 | |
CN106406507B (zh) | 图像处理方法以及电子设备 | |
CN108629219B (zh) | 一种识别一维码的方法及装置 | |
CN108734175A (zh) | 一种图像特征的提取方法、装置及电子设备 | |
CN109801428A (zh) | 纸币边缘直线的检测方法、检测装置及终端 | |
CN113191351B (zh) | 数字电表的示数识别方法及装置、模型训练方法及装置 | |
CN112146834B (zh) | 结构振动位移测量方法及装置 | |
CN115331193A (zh) | 一种车位识别方法、识别系统、电子设备及存储介质 | |
CN113223033A (zh) | 基于图像融合的家禽体温检测方法、设备以及介质 |
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 |