CN113420700B - 手掌生物特征采集装置及方法 - Google Patents

手掌生物特征采集装置及方法 Download PDF

Info

Publication number
CN113420700B
CN113420700B CN202110751751.7A CN202110751751A CN113420700B CN 113420700 B CN113420700 B CN 113420700B CN 202110751751 A CN202110751751 A CN 202110751751A CN 113420700 B CN113420700 B CN 113420700B
Authority
CN
China
Prior art keywords
target
palm
depth
relative
acquisition system
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
Application number
CN202110751751.7A
Other languages
English (en)
Other versions
CN113420700A (zh
Inventor
郑伟军
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.)
Alipay Hangzhou Information Technology Co Ltd
Original Assignee
Alipay Hangzhou Information Technology 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 Alipay Hangzhou Information Technology Co Ltd filed Critical Alipay Hangzhou Information Technology Co Ltd
Priority to CN202110751751.7A priority Critical patent/CN113420700B/zh
Publication of CN113420700A publication Critical patent/CN113420700A/zh
Application granted granted Critical
Publication of CN113420700B publication Critical patent/CN113420700B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Abstract

本说明书提供的手掌生物特征采集装置及方法,通过深度采集系统获取目标手掌的深度图像,以获取目标手掌中各个部位的深度信息,以确定目标手掌的空间位置信息;控制装置根据目标手掌的空间位置信息检测目标手掌的姿态以及摆放位置,并将目标手掌的姿态和摆放位置与参考手掌的姿态和摆放位置进行对比,确定二者之间的差异,从而确定校正参数;控制装置使用校正参数对目标手掌的特征图像进行校正,对特征图像中的目标手掌进行旋转和缩放等操作,以使校正后的校正特征图像中的目标手掌的姿态和摆放位置与参考手掌的姿态和摆放位置一致,从而提升目标手掌的校正特征图像的图像质量,进一步提升生物特征识别的准确率。

Description

手掌生物特征采集装置及方法
技术领域
本说明书涉及数据采集技术领域,尤其涉及一种手掌生物特征采集装置及方法。
背景技术
生物识别技术是依靠人体生物特征进行身份认证的一种技术,以其不易遗忘或丢失,防伪性能好,随身携带,方便易用等优点广泛应用于考勤、门禁、司法鉴定、医疗、教育、金融、消费等领域。掌静脉识别具有一般体表特征没有的不易仿冒、活体检测等特点,具有更高的安全性和识别率优势。特别是非接触式掌静脉识别,出于公共卫生安全的考虑,越来越多地应用到各个领域。但是非接触式掌静脉识别对手掌摆放具有一定要求,用户手掌放置不合适,包括手掌放置各种倾斜,和摄像头成像平面不平行、手掌没有放在合适的中心地带、距离过远或者过近等,都会影响掌静脉图像质量,从而影响生物识别的准确率。
因此,需要提供一种更有效的非接触式的手掌生物特征采集装置及方法,以提升手掌图像质量,从而提升生物识别的准确率。
发明内容
本说明书提供一种更有效的非接触式的手掌生物特征采集装置及方法,以提升手掌图像质量,从而提升生物识别的准确率。
第一方面,本说明书提供一种手掌生物特征采集装置,包括深度采集系统、特征采集系统以及控制装置,所述深度采集系统运行时采集目标手掌的深度图像;所述特征采集系统,运行时采集所述目标手掌的特征图像;所述控制装置,运行时与所述深度采集系统和所述特征采集系统通信连接,基于所述深度图像确定所述目标手掌相对于所述深度采集系统的目标位姿数据,基于所述目标位姿数据以及预先存储的参考手掌相对于所述深度采集系统的参考位姿数据确定所述目标手掌相对于所述参考手掌的校正参数,对所述特征图像进行校正,得到校正特征图像。
在一些实施例中,所述深度采集系统包括结构光系统,包括激光投射器以及第一摄像头,所述激光投射器运行时投射图案化光束;以及所述第一摄像头与所述激光投射器按照预定的位置关系固定安装,运行时采集经所述目标手掌反射的图案化光束并生成所述深度图像。
在一些实施例中,所述特征采集系统包括红外光源以及第二摄像头,所述红外光源运行时投射红外光;所述第二摄像头运行时采集经所述目标手掌反射的红外光光束并生成所述特征图像。
在一些实施例中,所述第二摄像头与所述第一摄像头为同一个。
第二方面,本说明书还提供一种手掌生物特征采集方法,用于本说明书第一方面所述的手掌生物特征采集装置,包括:获取所述深度图像;基于所述深度图像,确定所述目标手掌相对于所述深度采集系统的所述目标位姿数据;基于所述目标位姿数据以及所述参考位姿数据,确定所述目标手掌相对于所述参考手掌的所述校正参数,所述参考位姿数据预先存储在所述控制装置中;获取所述特征图像;以及基于所述校正参数,对所述特征图像进行校正,得到所述校正特征图像。
在一些实施例中,所述基于所述深度图像,确定所述目标手掌相对于所述深度采集系统的所述目标位姿数据,包括:对所述深度图像进行识别,确定所述深度图像中包含所述目标手掌的目标像素点;确定所述目标像素点的深度信息,所述深度信息包括所述目标像素点对应的位置与所述深度采集系统的距离;基于所述目标像素点的所述深度信息,确定所述目标位姿数据,包括:基于所述目标像素点的位置信息及所述深度信息,确定所述目标手掌相对于所述深度采集系统的目标相对姿态和目标相对位置,所述目标相对姿态包括所述目标手掌相对于所述深度采集系统的旋转角度矩阵,所述目标相对位置至少包括所述目标手掌的掌心相对于所述深度采集系统所在平面的距离,所述目标位姿数据包括所述目标相对姿态以及所述目标相对位置。
在一些实施例中,所述参考位姿数据包括所述参考手掌相对于所述深度采集系统的参考相对姿态和参考相对位置,所述参考相对姿态包括所述参考手掌相对于所述深度采集系统的旋转角度矩阵,所述参考相对位置至少包括所述参考手掌的掌心相对于所述深度采集系统所在平面的距离,所述确定所述目标手掌相对于所述参考手掌的所述校正参数,包括:基于所述目标相对姿态以及所述参考相对姿态,确定旋转参数,所述旋转参数包括所述目标手掌相对于所述参考手掌的旋转角度矩阵;以及基于所述目标相对位置以及所述参考相对位置,确定比例参数,所述比例参数包括所述目标手掌相对于所述深度采集系统所在平面的距离与所述参考手掌相对于所述深度采集系统所在平面的距离的比例,所述校正参数包括所述旋转参数以及所述比例参数。
在一些实施例中,所述基于所述校正参数,对所述特征图像进行校正,包括:基于所述校正参数,确定目标映射关系,所述目标映射关系包括所述特征图像中的第一像素点位置与其在所述校正特征图像中的第二像素点位置之间的映射关系;以及基于所述目标映射关系,将所述特征图像中的像素点投影到所述校正特征图像中。
在一些实施例中,所述确定所述目标位姿数据,还包括:确定所述目标手掌的手掌弯曲数据。
在一些实施例中,在所述确定所述目标位姿数据相对于所述参考位姿数据的所述校正参数之前,所述方法还包括:确定所述目标位姿数据满足预设条件,包括:确定所述手掌弯曲数据不超过预设的弯曲阈值;以及确定所述目标相对位置在预设范围内。
在一些实施例中,所述确定所述目标位姿数据满足预设条件,还包括:识别所述目标手掌中的多个目标特征部位,确定所述多个目标特征部位没有被遮挡。
由以上技术方案可知,本说明书提供的手掌生物特征采集装置及方法,在获取目标手掌的特征图像之前,控制装置首先通过深度采集系统获取目标手掌的深度图像,以获取目标手掌中各个部位的深度信息,从而对目标手掌进行精确定位以确定目标手掌的空间位置信息;控制装置根据目标手掌的空间位置信息检测目标手掌的姿态以及摆放位置,并将目标手掌的姿态和摆放位置与参考手掌的姿态和摆放位置进行对比,确定目标手掌的姿态和摆放位置与参考手掌的姿态和摆放位置之间的差异,从而确定校正参数;控制装置使用校正参数对目标手掌的特征图像进行校正,对特征图像中的目标手掌进行旋转和缩放等操作,以使校正后的校正特征图像中的目标手掌的姿态和摆放位置与参考手掌的姿态和摆放位置一致,从而提升目标手掌的校正特征图像的图像质量,进一步提升生物特征识别的准确率。本说明书提供的手掌生物特征采集装置及方法,可以通过图像校正的方法提升图像质量,无需使用支架等方式引导用户按要求摆放手掌,在提升生物识别的准确率的同时,能够避免接触保证安全性,提升用户体验感。
本说明书提供的手掌生物特征采集装置及方法的其他功能将在以下说明中部分列出。根据描述,以下数字和示例介绍的内容将对那些本领域的普通技术人员显而易见。本说明书提供的手掌生物特征采集装置及方法的创造性方面可以通过实践或使用下面详细示例中所述的方法、装置和组合得到充分解释。
附图说明
为了更清楚地说明本说明书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说明书的一些实施例,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示出了根据本说明书的实施例提供的一种手掌生物特征采集装置的结构示意图;
图2示出了图1的左视图A;
图3示出了根据本说明书的实施例提供的一种控制装置的设备示意图;
图4示出了根据本说明书的实施例提供的一种手掌生物特征采集方法流程图;
图5示出了根据本说明书的实施例提供的一种获取目标位姿数据的流程图;以及
图6示出了根据本说明书的实施例提供的一种第一坐标系的示意图。
具体实施方式
以下描述提供了本说明书的特定应用场景和要求,目的是使本领域技术人员能够制造和使用本说明书中的内容。对于本领域技术人员来说,对所公开的实施例的各种局部修改是显而易见的,并且在不脱离本说明书的精神和范围的情况下,可以将这里定义的一般原理应用于其他实施例和应用。因此,本说明书不限于所示的实施例,而是与权利要求一致的最宽范围。
这里使用的术语仅用于描述特定示例实施例的目的,而不是限制性的。比如,除非上下文另有明确说明,这里所使用的,单数形式“一”,“一个”和“该”也可以包括复数形式。当在本说明书中使用时,术语“包括”、“包含”和/或“含有”意思是指所关联的整数,步骤、操作、元素和/或组件存在,但不排除一个或多个其他特征、整数、步骤、操作、元素、组件和/或组的存在或在该系统/方法中可以添加其他特征、整数、步骤、操作、元素、组件和/或组。
考虑到以下描述,本说明书的这些特征和其他特征、以及结构的相关元件的操作和功能、以及部件的组合和制造的经济性可以得到明显提高。参考附图,所有这些形成本说明书的一部分。然而,应该清楚地理解,附图仅用于说明和描述的目的,并不旨在限制本说明书的范围。还应理解,附图未按比例绘制。
本说明书中使用的流程图示出了根据本说明书中的一些实施例的系统实现的操作。应该清楚地理解,流程图的操作可以不按顺序实现。相反,操作可以以反转顺序或同时实现。此外,可以向流程图添加一个或多个其他操作。可以从流程图中移除一个或多个操作。
手掌静脉识别是指根据手掌静脉进行身份识别的生物特征识别技术。血液有吸收红外光的特质,当红外光照射在手掌上时,手掌中的静脉血管对红外光的吸收程度与手掌的其他部位对红外光的吸收程度不同,反射程度也不同。因此,采用红外照相机对手掌进行拍照采集,可以获取手掌静脉血管分布图像,通过计算机算法可以提取静脉识别特征,存储到计算系统中作为生物识别特征。在利用手掌静脉进行身份识别时,可以通过红外照相机实时采集待识别的手掌静脉图像,提取待识别特征值,并通过计算机识别算法将待识别特征值与计算机中存储的多个生物识别特征进行匹配,从而实现个人身份鉴定,确认身份。掌静脉识别具有一般体表特征没有的不易仿冒、活体检测等特点,具有更高的安全性和识别率优势。非接触式掌静脉识别对手掌摆放具有一定要求,一般在使用过程中,手掌心需要对准摄像头,保持规定的距离,手掌平面和摄像头成像平面平行。
图1示出了根据本说明书的实施例提供的一种手掌生物特征采集装置001的结构示意图;图2示出了图1的左视图A。如图1所示,手掌生物特征采集装置100可以包括深度采集系统200、特征采集系统400和控制装置600。在一些实施例中,手掌生物特征采集装置100还可以包括机身700。在一些实施例中,手掌生物特征采集装置100还可以包括人机交互设备800。
机身700可以是手掌生物特征采集装置001的安装壳体,深度采集系统200、特征采集系统400、控制装置600以及人机交互设备800可以安装在机身700上或机身700内部。
深度采集系统200可以安装在机身700上,运行时可以采集目标手掌002的深度图像。目标手掌002可以当前时刻待检测的目标用户的手掌。深度采集系统200可以采集视野范围内的深度图像。其中,目标手掌002可以处于深度采集系统200的视野范围内。所述深度图像可以是包含有深度信息的图像。所述深度信息可以是物体表面某个点到摄像头成像平面的距离信息。也就是说,目标手掌002的深度图像可以是包含有目标手掌002表面的多个点到深度采集系统200的成像平面的距离信息。
在一些实施例中,深度采集系统200可以包括结构光系统。如图1和图2所示,所述结构光系统可以包括激光投射器220和第一摄像头240。激光投射器220运行时可以向外投射图案化光束到物体表面及背景。当目标手掌002处于所述视野范围内时,激光投射器220可以向目标手掌002以及目标手掌002周围的空间投射所述图案化光束。具体地,激光投射器220可以包含发光件以及图案化元件,在开启发光件后,光线会通过上述的图案化元件产生图案化光束,并照射在目标手掌002上。图案化元件可为衍射光学元件或衍射光学元件和透镜的组合,此处不作限制。所述图案化光束可以是由点阵形成的散斑图案,比如,所述图案化光束可以为条纹图案,所述图案化光束还可以是二维码图案,所述图案化光束还可以是格雷码图案,等等。在一些实施例中,所述图案化光束可以是不可见光,比如红外光。
第一摄像头240与激光投射器220按照预定的位置关系固定安装。所述位置关系可以是第一位置关系。第一摄像头240与激光投射器220之间的第一位置关系可以预先存储在控制装置600中。第一摄像头240运行时可以采集经所述目标手掌002反射的图案化光束并生成所述深度图像。第一摄像头240可以是红外摄像头。第一摄像头240可以包括第一红外滤光片,以使红外光通过而阻止其他光线通过。所述深度图像可以包括目标手掌002的深度信息,控制装置600可以基于所述深度图像计算确定目标手掌002表面各个部位距离第一摄像头240的成像平面的距离。
所述结构光系统可以通过一个激光投射器220投射出图案化光束,控制装置600可以基于目标手掌002对所述图案化光束的反射,通过计算散斑图案的偏移量,确定目标手掌002各个部位的深度信息。所述结构光系统结构简单,且深度计算精度高。
在一些实施例中,深度采集系统200还可以是双目摄像头系统。即深度采集系统200可以包括两个按照预设方式安装的摄像头。所述双目摄像头系统通过所述两个摄像头分别获取目标手掌002的两个不同视角的图像,控制装置600可以基于所述两个不同视角的图像计算确定目标手掌002表面各个部位的深度信息。
为了方便展示,我们将以深度采集系统200为所述结构光系统为例进行描述。
特征采集系统400可以安装在机身700上,运行时采集所述目标手掌002的特征图像。特征采集系统400可以与深度采集系统200按照预设的位置关系固定安装。所述位置关系可以是第二位置关系。特征采集系统400与深度采集系统200的第二位置关系可以预先存储在控制装置600中。特征采集系统400运行时可以采集视野范围内的特征图像。其中,目标手掌002可以处于特征采集系统400的视野范围内。所述特征图像可以是包含有手掌的生物特征信息的图像。所述生物特征信息可以是能够用于进行生物特征识别的信息,比如,手掌的掌静脉特征,包括但不限于掌静脉的分布、走向、形状、尺寸、数量,等等,再比如,手掌的掌纹特征,包括但不限于掌纹的分布、走向、形状、尺寸、数量、深度,等等,再比如,手掌的骨骼特征,包括但不限于手掌骨骼的形状、尺寸,等等。
在一些实施例中,所述特征图像可以包括目标手掌002的掌静脉特征信息。此时,特征采集系统400可以包括红外光源420以及第二摄像头440。红外光源420运行时可以向外投射红外光。红外光源420可以是红外灯。所述红外灯的数量可以是一个或多个,围绕第二摄像头440分布。
第二摄像头440运行时采集经所述目标手掌002反射的红外光光束并生成所述特征图像。如前所述,特征采集系统400可以与深度采集系统200按照预设的第二位置关系固定安装。具体地,第二摄像头440和第一摄像头240可以按照预设的第二位置关系固定安装。第二摄像头440可以是红外摄像头。第二摄像头440可以包括第二红外滤光片,以使红外光通过而阻止其他光线通过。所述特征图像可以包含目标手掌002的生物特征。
在一些实施例中,所述第一红外滤光片与所述第二红外滤光片为不同的红外滤光片,针对不同波长的红外光,比如,第一红外滤光片可以是针对940nm波长的红外光,所述第二红外滤光片可以是针对850nm波长的红外光。此时,第一摄像头240和第二摄像头440是两个独立的不同的摄像头,以针对不同的红外光,从而同时提升深度图像和特征图像的图像质量。
在一些实施例中,所述第一红外滤光片与所述第二红外滤光片为相同的红外滤光片,针对相同波长的红外光,比如,都是针对940nm波长的红外光或者都是针对850nm波长的红外光。此时,第二摄像头440与第一摄像头240为同一个摄像头,即第二摄像头440与第一摄像头240是共用的,以降低手掌生物特征采集装置的结构空间,同时降低成本。
在一些实施例中,所述特征图像可以包括目标手掌002的掌纹特征信息。此时,特征采集系统400可以包括第三摄像头(图1和图2中未示出)。所述第三摄像头可以是RGB摄像头,以采集目标手掌002的RGB图像,从中提取目标手掌002的掌纹特征。在一些实施例中,特征采集系统400还可以包括补光灯,用于根据背景光照强度打开或关闭,以进行补光,获取更高质量的目标手掌002的RGB图像。
为了方便展示,我们将以所述特征图像包括目标手掌002的掌静脉特征信息为例进行描述。需要说明的是,当特征采集系统400包括红外光源420以及第二摄像头440时,所述特征图像中除了可以提取出所述掌静脉特征信息,还可以提取出所述掌纹特征信息。
控制装置600可以存储有执行本说明书描述的手掌生物特征采集方法的数据或指令,并可以执行或用于执行所述数据和/或指令。控制装置600工作时可以与特征采集系统400以及深度采集系统200通信连接,以获取所述深度图像和所述特征图像,并基于所述深度图像确定目标手掌002相对于深度采集系统200的目标位姿数据,基于所述目标位姿数据以及预先存储的参考手掌004相对于深度采集系统200的参考位姿数据确定目标手掌002相对于参考手掌004的校正参数,对所述特征图像进行校正,得到校正特征图像。所述通信连接是指能够直接地或者间接地接收信息的任何形式的连接。在一些实施例中,控制装置600可以同特征采集系统400以及深度采集系统200通过无线通信连接来彼此传递数据;在一些实施例中,控制装置600也可以同特征采集系统400以及深度采集系统200通过电线直接连接来彼此传递数据;在一些实施例中,控制装置600也可以通过电线同其他电路直接连接来建立同特征采集系统400以及深度采集系统200的间接连接,从而实现彼此传递数据。
如前所述,非接触式掌静脉识别对手掌摆放具有一定要求,比如,手掌心需要对准摄像头,保持规定的距离,手掌平面和摄像头成像平面平行,等等。参考手掌004可以是满足所述非接触式掌静脉识别摆放要求的手掌。参考手掌004相对于深度采集系统200的参考位姿数据可以预先存储在控制装置600中。
控制装置600可以包括具有数据信息处理功能的硬件设备和驱动该硬件设备工作所需必要的程序。当然,控制装置600也可以仅为具有数据处理能力的硬件设备,或者,仅为运行在硬件设备中的程序。在一些实施例中,控制装置600可以包括移动设备、平板电脑、笔记本电脑、机动车辆的内置设备或类似内容,或其任意组合。在一些实施例中,控制装置600可以是具有定位技术的设备,用于定位控制装置600的位置。
在一些实施例中,手掌生物特征采集装置001还可以包括人机交互设备800。人机交互设备800可以与控制装置800通信连接。所述人机交互设备800可以包括人机交互界面,用于与用户进行人机交互。在一些实施例中,所述人机交互功能包括但不限于:语音播报、语音输入、网络浏览、文字处理、状态提示、操作输入等。在一些实施例中,所述人机交互设备800可以包括显示屏。所述显示屏可以是触摸屏式的液晶显示器(LCD)。所述显示屏具有图像用户界面(GUI),可使得所述用户通过触摸所述图像用户界面(GUI)和/或通过手势与控制装置600进行人机交互。在一些实施例中,所述人机交互设备800可以包括语音播放装置,比如扬声器。所述语音播放装置可以是任意形式的可以传递音频信号的装置。所述用户可以通过所述语音播放装置接收控制装置600传递的语音信息,从而与控制装置600进行人机交互。在一些实施例中,用于执行上述人机交互功能的可执行指令被存储在一个或多个处理器可执行的计算机程序产品或可读存储介质中。
在手掌生物特征采集装置001在采集目标用户的目标手掌002的深度图像和特征图像时,当控制装置600根据所述深度图像计算得到的目标手掌002的所述目标位姿数据不满足预设条件时,控制装置600可以控制人机交互设备800,以提示目标用户调整目标手掌002的姿态或位置。比如,当控制装置600检测到目标手掌002未完全张开或者弯曲变形程度高,或者距离手掌生物特征采集装置001的距离过近或过远时,控制装置600可以控制人机交互设备800启动以提示用户调整目标手掌002的姿态或位置。
在一些实施例中,手掌生物特征采集装置001还可以包括感应装置(图1和图2中未示出)。所述感应装置可以用于感应是否有目标手掌002进入手掌生物特征采集装置001的视野范围内。所述感应装置可以与控制装置600通信连接,当所述感应装置感应到有目标手掌002进入到所述视野范围内时,控制装置600控制深度采集系统200和/或特征采集系统400启动,以执行本说明书描述的手掌生物特征采集方法。所述感应装置可以是距离传感器、红外传感器、雷达传感器、激光传感器、超声波传感器以及图像传感器中的一种或多种。
图3示出了一种控制装置600的设备示意图。控制装置600可以执行本说明书描述的手掌生物特征采集方法。所述手掌生物特征采集方法在本说明书中的其他部分介绍。如图3所示,控制装置600可以包括至少一个存储介质630和至少一个处理器620。在一些实施例中,控制装置600还可以包括通信端口650和内部通信总线610。同时,控制装置600还可以包括I/O组件660。
内部通信总线610可以连接不同的系统组件,包括存储介质630、处理器620和通信端口650。
I/O组件660支持控制装置600和其他组件之间的输入/输出。
通信端口650用于控制装置600同外界的数据通信,比如,通信端口650可以用于控制装置600同深度采集系统200、特征采集系统400以及人机交互设备800之间的数据通信。通信端口650可以是有线通信端口也可以是无线通信端口。
存储介质630可以包括数据存储装置。所述数据存储装置可以是非暂时性存储介质,也可以是暂时性存储介质。比如,所述数据存储装置可以包括磁盘632、只读存储介质(ROM)634或随机存取存储介质(RAM)636中的一种或多种。存储介质630还包括存储在所述数据存储装置中的至少一个指令集。所述指令是计算机程序代码,所述计算机程序代码可以包括执行本说明书提供的手掌生物特征采集方法的程序、例程、对象、组件、数据结构、过程、模块等等。
至少一个处理器620可以同至少一个存储介质630以及通信端口650通过内部通信总线610通信连接。至少一个处理器620用以执行上述至少一个指令集。当控制装置600运行时,至少一个处理器620读取所述至少一个指令集,并且根据所述至少一个指令集的指示,执行本说明书提供的手掌生物特征采集方法。处理器620可以执行手掌生物特征采集方法包含的所有步骤。处理器620可以是一个或多个处理器的形式,在一些实施例中,处理器620可以包括一个或多个硬件处理器,例如微控制器,微处理器,精简指令集计算机(RISC),专用集成电路(ASIC),特定于应用的指令集处理器(ASIP),中央处理单元(CPU),图形处理单元(GPU),物理处理单元(PPU),微控制器单元,数字信号处理器(DSP),现场可编程门阵列(FPGA),高级RISC机器(ARM),可编程逻辑器件(PLD),能够执行一个或多个功能的任何电路或处理器等,或其任何组合。仅仅为了说明问题,在本说明书中控制装置600中仅描述了一个处理器620。然而,应当注意,本说明书中控制装置600还可以包括多个处理器,因此,本说明书中披露的操作和/或方法步骤可以如本说明书所述的由一个处理器执行,也可以由多个处理器联合执行。例如,如果在本说明书中控制装置600的处理器620执行步骤A和步骤B,则应该理解,步骤A和步骤B也可以由两个不同处理器620联合或分开执行(例如,第一处理器执行步骤A,第二处理器执行步骤B,或者第一和第二处理器共同执行步骤A和B)。
图4示出了根据本说明书的实施例提供的一种手掌生物特征采集方法P100的流程图。手掌生物特征采集方法P100可以应用于手掌生物特征采集装置001中。控制装置600中的处理器620可以读取存储在其本地存储介质中的指令集,然后根据所述指令集的规定,执行本说明书所述的手掌生物特征采集方法P100。在一些实施例中,所述方法P100可以包括:
S110:控制装置600获取所述深度图像。
在一些实施例中,在步骤S110之前,所述方法P100还可以包括控制装置600基于所述感应装置的感应数据,确定有目标手掌002进入手掌生物特征采集装置001的视野范围内。此时,控制装置600可以控制深度采集系统200运行,以采集目标手掌002的深度图像。具体地,控制装置600可以控制激光投射器220运行,向目标手掌002投射所述图案化光束;然后控制装置600可以控制第一摄像头240运行,采集经目标手掌002反射的图案化光束并生成所述深度图像;然后控制装置600可以从第一摄像头240中获取所述深度图像。此时,红外光源420可以是关闭状态。
S120:控制装置600基于所述深度图像,确定目标手掌002相对于深度采集系统200的所述目标位姿数据。
如前所述,所述深度图像中包含目标手掌002的表面各个部位距离深度采集系统200的成像平面242的距离信息。深度采集系统200的成像平面242可以是第一摄像头240的成像平面。具体的,控制装置600可以基于所述深度图像,计算得到所述深度图像中的所有像素点对应的深度信息,即每个像素点对应的物体与深度采集系统200的成像平面242的距离。控制装置600可以根据所述深度图像中的所有像素点对应的深度信息,计算得到目标手掌002的空间信息,即所述目标位姿数据,比如,目标手掌002相对于成像平面242的倾斜角度、目标手掌002的弯曲程度、目标手掌002相对于成像平面242的距离,等等。所述目标位姿数据可以是目标手掌002相对于成像平面242的位姿数据。具体地,控制装置600可以基于成像平面242的原点和坐标轴建立基于成像平面242的基准坐标系O0-x0y0z0,基准坐标系O0-x0y0z0的原点O0在成像平面242的中心,x0轴和y0轴分别与成像平面242的两边平行,z0轴与成像平面242垂直。
图5示出了根据本说明书的实施例提供的一种获取目标位姿数据的流程图。如图5所示,步骤S120可以包括:
S122:控制装置600对所述深度图像进行识别,确定所述深度图像中包含目标手掌002的目标像素点。
具体地,控制装置600可以通过图像识别的方式识别出目标手掌002所在的目标像素点的位置并获取其位置信息,即所述目标像素点在基准坐标系O0-x0y0z0中的坐标位置,即每个目标像素点对应的x0轴和y0轴的坐标值。比如,控制装置600中可以预先存储有训练好的图像识别模型,以识别图像中的目标手掌002。
S124:控制装置600确定所述目标像素点的深度信息。
所述深度信息包括所述目标像素点对应的目标手掌002的表面与所述深度采集系统200的距离,即与成像平面242的距离。控制装置600可以根据所述深度图像,计算得到每个所述目标像素点对应的目标手掌002的表面的深度信息,即每个目标像素点对应目标手掌002的表面在z0轴的坐标值。
S126:控制装置600基于所述目标像素点的所述深度信息,确定所述目标位姿数据。
具体地,步骤S126可以是控制装置600基于所述目标像素点的位置信息及所述深度信息,确定目标手掌002相对于深度采集系统200的目标相对姿态和目标相对位置,即目标手掌002相对于成像平面242的目标相对姿态和目标相对位置。所述目标位姿数据可以包括所述目标相对姿态以及所述目标相对位置。所述目标相对姿态可以包括目标手掌002相对于深度采集系统200的旋转角度矩阵,即目标手掌002相对于成像平面242的旋转角度矩阵。所述目标相对位置至少包括目标手掌002的掌心相对于深度采集系统200所在平面的距离,即目标手掌002的掌心相对于成像平面242的距离。
控制装置600可以基于所述深度图像中的目标手掌002对应的目标像素点的位置信息以及所述深度信息,建立目标手掌002的第一坐标系O1-x1y1z1。图6示出了根据本说明书的实施例提供的一种第一坐标系O1-x1y1z1的示意图。如图6所示,第一坐标系O1-x1y1z1中,原点O1可以是目标手掌002的掌心,x1轴可以是目标手掌002的短轴线的方向,即宽度方向,y1轴可以是目标手掌002的长轴线方向,即长度方向,手腕到指尖的方向,z1轴与目标手掌002的平面垂直,并向手背方向延伸。控制装置600可以基于所述目标像素点的位置信息识别目标手掌002的掌心,目标手掌002的掌心可以是目标手掌002的几何中心,也可以是目标手掌002中拥有掌静脉生物特征最多的位置。控制装置600中可以设定目标手掌002的掌心在目标手掌002中所处的位置。控制装置600可以识别出目标手掌002的形状,并根据所述形状和目标手掌002的掌心在目标手掌002中所处的位置确定原点O1的位置。比如,控制装置600可以识别出目标手掌002的多个特征部位,比如手腕、掌根、各个手指根,并根据所述多个特征部位确定目标手掌002的掌心以及原点O1的位置。
在确定第一坐标系O1-x1y1z1之后,控制装置600可以基于第一坐标系O1-x1y1z1和基准坐标系O0-x0y0z0中,确定第一坐标系O1-x1y1z1相对于基准坐标系O0-x0y0z0的姿态和位置,即所述目标相对姿态和所述目标相对位置。所述目标相对姿态可以是目标手掌002相对于深度采集系统200的旋转角度矩阵,即目标手掌002的第一坐标系O1-x1y1z1分别绕基准坐标系O0-x0y0z0的x0轴、y0轴和z0轴的旋转角度。控制装置600还可以获取目标手掌002的原点O1分别在基准坐标系O0-x0y0z0的x0轴、y0轴和z0轴的位置。所述目标相对位置可以是目标手掌002的原点O1在基准坐标系O0-x0y0z0的z0轴的位置。
在一些实施例中,所述确定所述目标位姿数据还可以包括:确定目标手掌002的手掌弯曲数据。在一些实施例中,控制装置600可以根据目标手掌002的深度信息,拟合目标手掌002所在面,计算目标手掌002所在的面的弯曲数据,比如,曲线的曲率,等等。在一些实施例中,控制装置600中还可以预先存储有训练好的弯曲计算模型,将目标手掌002的深度信息输入所述弯曲计算模型以计算目标手掌002的手掌弯曲数据。
在一些实施例中,所述确定所述目标位姿数据还可以包括:确定目标手掌002的多个目标特征部位的相对于深度采集系统200所在平面的距离,即相对于成像平面242的距离。所述多个目标特征部位可以是掌根、各个手指根、掌心以及整个手掌面等,并根据识别出的所述多个目标特征部位对应的像素点的位置信息和深度信息,确定目标手掌002的多个目标特征部位的相对于深度采集系统200所在平面的距离。
在一些实施例中,所述方法P100还可以包括:
S140:控制装置600确定所述目标位姿数据满足预设条件。
步骤S140可以是控制装置600预先判断目标手掌002的位姿是否满足采样要求和校正要求。在一些实施例中,步骤D130可以包括:确定所述手掌弯曲数据不超过预设的弯曲阈值。当所述手掌弯曲数据超过所述弯曲阈值时,代表所述目标位姿数据不满足预设条件,目标手掌002变形弯曲程度过高,可能造成部分生物特征信息被遮挡,无法通过图像校正的方式校正,此时,控制装置600可以控制人机交互设备800启动,以提醒目标用户伸展目标手掌002使其充分张开。当所述手掌弯曲数据未超过所述弯曲阈值时,代表目标手掌002变形弯曲程度不高,可以通过图像校正的方式校正。在一些实施例中,所述弯曲阈值可以通过实验方式获得,也可以通过机器学习的方式获取。在一些实施例中,控制装置600可以通过所述弯曲计算模型确定所述手掌弯曲数据是否超过预设的弯曲阈值。
在一些实施例中,步骤D130还可以包括:确定所述目标相对位置在预设范围内。当所述目标相对位置在所述预设范围外时,代表所述目标位姿数据不满足预设条件,目标手掌002距离深度采集系统200的距离过近或者过远,距离过近可能导致目标手掌002采集不完全,图像不完整,距离过远可能导致目标手掌002的目标像素点太少,距离过近或过远都可能导致特征信息不完整或过少,无法通过图像校正的方式校正,此时,控制装置600可以控制人机交互设备800启动,以提醒目标用户移动目标手掌002,使其远离或靠近深度采集系统200,以放在合适的空间位置。在一些实施例中,所述预设范围可以通过实验方式获得,也可以通过机器学习的方式获取。
在一些实施例中,步骤D130还可以包括:识别所述目标手掌002中的多个目标特征部位,确定所述多个目标特征部位没有被遮挡。控制装置600可以识别所述目标手掌002中的多个目标特征部位,以确定目标手掌002充分张开。当控制装置600无法完全识别出所有目标特征部位时,代表所述目标位姿数据不满足预设条件,目标手掌002可能没有充分张开,可能造成部分生物特征信息被遮挡,无法通过图像校正的方式校正,此时,控制装置600可以控制人机交互设备800启动,以提醒目标用户伸展目标手掌002使其充分张开。当控制装置600完全识别出所有目标特征部位时,代表目标手掌002已经充分张开,可以通过图像校正的方式进行校正。
在一些实施例中,所述方法P100还可以包括:
控制装置600确定所述目标位姿数据不满足所述预设条件,控制人机交互设备800发送调整目标手掌002的提示信息。
当控制装置600确定所述目标位姿数据满足预设条件时,可以采集目标手掌002的特征图像并对特征图像进行校正,以提高图像质量。当控制装置600确定所述目标位姿数据不满足预设条件时,可以通过人机交互设备800对目标用户进行广播,根据目标手掌002不满足预设条件的具体情况给出具体的调整提醒,提示目标用户调整目标手掌002的位置和姿态,并重新采集目标手掌002的深度图像,直至所述目标位姿数据满足所述预设条件。比如,提示目标用户将目标手掌002充分打开,提示目标用户将目标手掌002远离或靠近深度采集系统200,等等。
所述方法P100还可以包括:
S160:控制装置600基于所述目标位姿数据以及所述参考位姿数据,确定所述目标手掌002相对于参考手掌004的校正参数。
所述参考位姿数据可以预先存储在控制装置600中。所述参考位姿数据可以包括参考手掌004相对于深度采集系统200的参考相对姿态和参考相对位置,即参考手掌004相对于成像平面242的目标相对姿态和目标相对位置。所述参考位姿数据可以是当参考手掌004位于满足所述非接触式掌静脉识别摆放要求的位置和姿态时,参考手掌004相对于深度采集系统200的参考相对姿态和参考相对位置。所述参考相对姿态可以包括参考手掌004相对于深度采集系统200的旋转角度矩阵,参考手掌004相对于成像平面242的旋转角度矩阵。参考相对位置至少可以包括参考手掌004的掌心相对于深度采集系统200所在平面的距离,即参考手掌004的掌心相对于成像平面242的距离。所述参考位姿数据可以是一个数据范围。所述参考位姿数据可以通过实验方式或机器学习的方式获取。所述参考位姿数据的计算方法与前述的目标位姿数据的计算方法相似,在此不再赘述。步骤S160可以包括:
S162:控制装置600基于所述目标相对姿态以及所述参考相对姿态,确定旋转参数。
所述校正参数可以包括所述旋转参数。所述旋转参数可以包括所述目标手掌002相对于所述参考手掌004的旋转角度矩阵。如前所述,所述目标相对姿态可以包括目标手掌002相对于深度采集系统200的旋转角度矩阵,所述参考相对姿态可以包括参考手掌004相对于深度采集系统200的旋转角度矩阵。控制装置600基于所述目标相对姿态以及所述参考相对姿态确定目标手掌002相对于所述参考手掌004的旋转角度矩阵,即目标手掌002的第一坐标系O1-x1y1z1分别绕参考手掌004的坐标系的三个坐标轴的旋转角度。控制装置600可以基于所述旋转参数对目标手掌002进行旋转,可以将目标手掌002旋转至参考手掌004的姿态。
S164:控制装置600基于所述目标相对位置以及所述参考相对位置,确定比例参数。
所述校正参数可以包括所述旋转参数所述比例参数。所述比例参数可以包括目标手掌002相对于深度采集系统200所在平面的距离与所述参考手掌004相对于深度采集系统200所在平面的距离的比例。控制装置600可以基于所述比例参数对目标手掌002进行缩放,可以将目标手掌002缩放至参考手掌004的大小。
所述方法P100还可以包括:
S170:控制装置600获取所述特征图像。
步骤S170可以是控制装置600可以控制激光投射器220关闭,并控制特征采集系统400运行,以采集目标手掌002的特征图像。具体地,控制装置600可以控制红外光源420打开,向目标手掌002投射所述红外光;然后控制装置600可以控制第二摄像头440运行,采集经目标手掌002反射的红外光光束并生成所述特征图像;然后控制装置600可以从第二摄像头440中获取所述特征图像。
所述方法P100还可以包括:
S180:控制装置600基于所述校正参数,对所述特征图像进行校正,得到所述校正特征图像。
具体地,步骤S180可以是:控制装置600基于所述校正参数,确定所述特征图像中的第一像素点位置与其在所述校正特征图像中的第二像素点位置之间的目标映射关系;控制装置600基于所述目标映射关系,将所述特征图像中的像素点投影到所述校正特征图像中。
具体地,步骤S180可以是对于所述校正特征图像中的每个所述第二像素点位置:基于所述目标映射关系以及当前第二像素点位置,确定其在所述特征图像中对应的第一像素点位置;基于所述特征图像,确定所述第一像素点位置对应的目标像素值;以及将所述目标像素值赋予所述当前第二像素点位置。在确定所述当前第二像素点位置,基于所述目标映射关系计算所述当前第二像素点位置在特征图像中对应的第一像素点位置时,所述当前第二像素点位置在特征图像中对应的第一像素点位置不一定是整数,可能是小数。这时,在确定所述当前第二像素点位置对应的所述第一像素点位置的目标像素值时,可以是在所述特征图像中选取与所述第一像素点位置距离最近的像素点位置对应的像素值作为所述目标像素值;也可以是基于所述第一像素点位置附近的多个像素点位置,通过插值算法计算所述第一像素点位置对应的所述目标像素值。比如,在特征图像中,根据计算确定的所述第一像素点位置确定附近的两个像素点位置,并根据所述两个像素点位置对应的像素值,通过插值算法计算所述第一像素点位置对应的所述目标像素值。所述插值算法可以是任意一种插值算法,比如离散平滑插值、样条插值,等等。本说明书对此不作限定。
如前所述,所述旋转参数可以包括目标手掌002相对于参考手掌004的三个坐标轴的旋转角度矩阵,由此可见,由所述旋转参数获取的目标映射关系可以对所述特征图像中的目标手掌002的三个方向进行旋转校正,从而使校正后的校正特征图像中的目标手掌002的姿态能够达到参考手掌004在特征图像中的位置和姿态,从而提高手掌生物特征识别的图像质量。
在得到所述校正特征图像之后,特征识别装置可以提取所述校正特征图像的生物特征信息,基于所述生物特征信息进行识别。
综上所述,本说明书提供的手掌生物特征采集装置001及方法P100,在获取目标手掌002的特征图像之前,控制装置600首先通过深度采集系统200获取目标手掌002的深度图像,以获取目标手掌002中各个部位的深度信息,从而对目标手掌002进行精确定位以确定目标手掌002的空间位置信息,即目标手掌002的表面各个点在深度采集系统200所在的坐标系中的空间坐标信息;控制装置600根据目标手掌002的空间位置信息检测目标手掌002的姿态以及摆放位置,包括指尖朝向位置、手掌倾斜程度、弯曲形变、手掌各个部位到成像平面242的距离,等;控制装置600可以将目标手掌002的姿态和摆放位置与参考手掌004的姿态和摆放位置进行对比,确定目标手掌002的姿态和摆放位置与参考手掌004的姿态和摆放位置之间的差异,从而确定校正参数,包括旋转参数和比例参数;控制装置600使用校正参数对目标手掌002的特征图像进行校正,对特征图像中的目标手掌002进行旋转和缩放等操作,以使校正后的校正特征图像中的目标手掌002的姿态和摆放位置与参考手掌004在特征图像中的姿态和摆放位置一致,从而提升目标手掌002的校正特征图像的图像质量,进一步提升生物特征识别的准确率。本说明书提供的手掌生物特征采集装置001及方法P100,可以通过图像校正的方法提升图像质量,无需使用支架等方式引导用户按要求摆放手掌,在提升生物识别的准确率的同时,能够避免接触保证安全性,提升用户体验感。本说明书提供的手掌生物特征采集装置001及方法P100还可以根据目标手掌003的空间位置信息,判定目标手掌003的位置和姿态是否符合摆放要求,在符合拜访要求是通过图像矫正的方法提高校正特征图像的图像质量,在不符合摆放要求时,通过人机交互设备800提示目标用户调整目标手掌002的摆放位置和姿态来提高特征图像的质量,从而提升校正特征图像的质量。
本说明书另一方面提供一种非暂时性存储介质,存储有至少一组手掌生物特征采集的可执行指令,当所述可执行指令被处理器执行时,所述可执行指令指导所述处理器实施本说明书所述的手掌生物特征采集方法P100的步骤。在一些可能的实施方式中,本说明书的各个方面还可以实现为一种程序产品的形式,其包括程序代码。当所述程序产品在控制装置600上运行时,所述程序代码用于使控制装置600执行本说明书描述的手掌生物特征采集的步骤。用于实现上述方法的程序产品可以采用便携式紧凑盘只读存储器(CD-ROM)包括程序代码,并可以在控制装置600上运行。然而,本说明书的程序产品不限于此,在本说明书中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统(例如处理器620)使用或者与其结合使用。所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。可以以一种或多种程序设计语言的任意组合来编写用于执行本说明书操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在控制装置600上执行、部分地在控制装置600上执行、作为一个独立的软件包执行、部分在控制装置600上部分在远程计算设备上执行、或者完全在远程计算设备上执行。
上述对本说明书特定实施例进行了描述。其他实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者是可能有利的。
综上所述,在阅读本详细公开内容之后,本领域技术人员可以明白,前述详细公开内容可以仅以示例的方式呈现,并且可以不是限制性的。尽管这里没有明确说明,本领域技术人员可以理解本说明书需求囊括对实施例的各种合理改变,改进和修改。这些改变,改进和修改旨在由本说明书提出,并且在本说明书的示例性实施例的精神和范围内。
此外,本说明书中的某些术语已被用于描述本说明书的实施例。例如,“一个实施例”,“实施例”和/或“一些实施例”意味着结合该实施例描述的特定特征,结构或特性可以包括在本说明书的至少一个实施例中。因此,可以强调并且应当理解,在本说明书的各个部分中对“实施例”或“一个实施例”或“替代实施例”的两个或更多个引用不一定都指代相同的实施例。此外,特定特征,结构或特性可以在本说明书的一个或多个实施例中适当地组合。
应当理解,在本说明书的实施例的前述描述中,为了帮助理解一个特征,出于简化本说明书的目的,本说明书将各种特征组合在单个实施例、附图或其描述中。然而,这并不是说这些特征的组合是必须的,本领域技术人员在阅读本说明书的时候完全有可能将其中一部分设备标注出来作为单独的实施例来理解。也就是说,本说明书中的实施例也可以理解为多个次级实施例的整合。而每个次级实施例的内容在于少于单个前述公开实施例的所有特征的时候也是成立的。
本文引用的每个专利,专利申请,专利申请的出版物和其他材料,例如文章,书籍,说明书,出版物,文件,物品等,可以通过引用结合于此。用于所有目的的全部内容,除了与其相关的任何起诉文件历史,可能与本文件不一致或相冲突的任何相同的,或者任何可能对权利要求的最宽范围具有限制性影响的任何相同的起诉文件历史。现在或以后与本文件相关联。举例来说,如果在与任何所包含的材料相关联的术语的描述、定义和/或使用与本文档相关的术语、描述、定义和/或之间存在任何不一致或冲突时,使用本文件中的术语为准。
最后,应理解,本文公开的申请的实施方案是对本说明书的实施方案的原理的说明。其他修改后的实施例也在本说明书的范围内。因此,本说明书披露的实施例仅仅作为示例而非限制。本领域技术人员可以根据本说明书中的实施例采取替代配置来实现本说明书中的申请。因此,本说明书的实施例不限于申请中被精确地描述过的实施例。

Claims (10)

1.一种手掌生物特征采集装置,包括:
深度采集系统,运行时采集目标手掌的深度图像;
特征采集系统,运行时采集所述目标手掌的特征图像;以及
控制装置,运行时与所述深度采集系统和所述特征采集系统通信连接,基于所述深度图像确定所述目标手掌相对于所述深度采集系统的目标位姿数据,基于所述目标位姿数据以及预先存储的参考手掌相对于所述深度采集系统的参考位姿数据确定所述目标手掌相对于所述参考手掌的校正参数,对所述特征图像进行校正,得到校正特征图像;
所述基于所述深度图像,确定所述目标手掌相对于所述深度采集系统的所述目标位姿数据,包括:对所述深度图像进行识别,确定所述深度图像中包含所述目标手掌的目标像素点,确定所述目标像素点的深度信息,所述深度信息包括所述目标像素点对应的位置与所述深度采集系统的距离,基于所述目标像素点的所述深度信息,确定所述目标位姿数据,其中,所述基于所述目标像素点的所述深度信息,确定所述目标位姿数据,包括:基于所述目标像素点的位置信息及所述深度信息,确定所述目标手掌相对于所述深度采集系统的目标相对姿态和目标相对位置,所述目标相对姿态包括所述目标手掌相对于所述深度采集系统的旋转角度矩阵,所述目标相对位置至少包括所述目标手掌的掌心相对于所述深度采集系统所在平面的距离,所述目标位姿数据包括所述目标相对姿态以及所述目标相对位置;
所述参考位姿数据包括所述参考手掌相对于所述深度采集系统的参考相对姿态和参考相对位置,所述参考相对姿态包括所述参考手掌相对于所述深度采集系统的旋转角度矩阵,所述参考相对位置至少包括所述参考手掌的掌心相对于所述深度采集系统所在平面的距离,所述确定所述目标手掌相对于所述参考手掌的所述校正参数,包括:基于所述目标相对姿态以及所述参考相对姿态,确定旋转参数,基于所述目标相对位置以及所述参考相对位置,确定比例参数,所述旋转参数包括所述目标手掌相对于所述参考手掌的旋转角度矩阵,所述比例参数包括所述目标手掌相对于所述深度采集系统所在平面的距离与所述参考手掌相对于所述深度采集系统所在平面的距离的比例。
2.如权利要求1所述的手掌生物特征采集装置,其中,所述深度采集系统包括结构光系统,包括:
激光投射器,运行时投射图案化光束;以及
第一摄像头,与所述激光投射器按照预定的位置关系固定安装,运行时采集经所述目标手掌反射的图案化光束并生成所述深度图像。
3.如权利要求2所述的手掌生物特征采集装置,其中,所述特征采集系统包括:
红外光源,运行时投射红外光;以及
第二摄像头,运行时采集经所述目标手掌反射的红外光光束并生成所述特征图像。
4.如权利要求3所述的手掌生物特征采集装置,其中,所述第二摄像头与所述第一摄像头为同一个。
5.一种手掌生物特征采集方法,用于权利要求1至权利要求4中任一项所述的手掌生物特征采集装置,包括:
获取所述深度图像;
基于所述深度图像,确定所述目标手掌相对于所述深度采集系统的所述目标位姿数据,包括:
对所述深度图像进行识别,确定所述深度图像中包含所述目标手掌的目标像素点,
确定所述目标像素点的深度信息,所述深度信息包括所述目标像素点对应的位置与所述深度采集系统的距离,以及
基于所述目标像素点的所述深度信息,确定所述目标位姿数据,包括:基于所述目标像素点的位置信息及所述深度信息,确定所述目标手掌相对于所述深度采集系统的目标相对姿态和目标相对位置,所述目标相对姿态包括所述目标手掌相对于所述深度采集系统的旋转角度矩阵,所述目标相对位置至少包括所述目标手掌的掌心相对于所述深度采集系统所在平面的距离,所述目标位姿数据包括所述目标相对姿态以及所述目标相对位置;
基于所述目标位姿数据以及所述参考位姿数据,确定所述目标手掌相对于所述参考手掌的所述校正参数,所述参考位姿数据预先存储在所述控制装置中,所述参考位姿数据包括所述参考手掌相对于所述深度采集系统的参考相对姿态和参考相对位置,所述参考相对姿态包括所述参考手掌相对于所述深度采集系统的旋转角度矩阵,所述参考相对位置至少包括所述参考手掌的掌心相对于所述深度采集系统所在平面的距离,所述确定所述目标手掌相对于所述参考手掌的所述校正参数,包括:基于所述目标相对姿态以及所述参考相对姿态,确定旋转参数,基于所述目标相对位置以及所述参考相对位置,确定比例参数,所述旋转参数包括所述目标手掌相对于所述参考手掌的旋转角度矩阵,所述比例参数包括所述目标手掌相对于所述深度采集系统所在平面的距离与所述参考手掌相对于所述深度采集系统所在平面的距离的比例;
获取所述特征图像;以及
基于所述校正参数,对所述特征图像进行校正,得到所述校正特征图像。
6.如权利要求5所述的手掌生物特征采集方法,其中,
所述校正参数包括所述旋转参数以及所述比例参数。
7.如权利要求5所述的手掌生物特征采集方法,其中,所述基于所述校正参数,对所述特征图像进行校正,包括:
基于所述校正参数,确定目标映射关系,所述目标映射关系包括所述特征图像中的第一像素点位置与其在所述校正特征图像中的第二像素点位置之间的映射关系;以及
基于所述目标映射关系,将所述特征图像中的像素点投影到所述校正特征图像中。
8.如权利要求5所述的手掌生物特征采集方法,其中,所述确定所述目标位姿数据,还包括:
确定所述目标手掌的手掌弯曲数据。
9.如权利要求8所述的手掌生物特征采集方法,其中,在所述确定所述目标位姿数据相对于所述参考位姿数据的所述校正参数之前,还包括:
确定所述目标位姿数据满足预设条件,包括:
确定所述手掌弯曲数据不超过预设的弯曲阈值;以及
确定所述目标相对位置在预设范围内。
10.如权利要求9所述的手掌生物特征采集方法,其中,所述确定所述目标位姿数据满足预设条件,还包括:
识别所述目标手掌中的多个目标特征部位,确定所述多个目标特征部位没有被遮挡。
CN202110751751.7A 2021-07-02 2021-07-02 手掌生物特征采集装置及方法 Active CN113420700B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110751751.7A CN113420700B (zh) 2021-07-02 2021-07-02 手掌生物特征采集装置及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110751751.7A CN113420700B (zh) 2021-07-02 2021-07-02 手掌生物特征采集装置及方法

Publications (2)

Publication Number Publication Date
CN113420700A CN113420700A (zh) 2021-09-21
CN113420700B true CN113420700B (zh) 2022-10-25

Family

ID=77720373

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110751751.7A Active CN113420700B (zh) 2021-07-02 2021-07-02 手掌生物特征采集装置及方法

Country Status (1)

Country Link
CN (1) CN113420700B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115471416A (zh) * 2022-08-29 2022-12-13 湖北星纪时代科技有限公司 目标识别方法、存储介质及设备
CN117037222B (zh) * 2023-10-08 2024-01-09 之江实验室 基于毫米波雷达的掌纹识别系统及其识别方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2152011A2 (en) * 2008-08-06 2010-02-10 Sony Corporation Image processing apparatus, image processing method, and program
KR20110116325A (ko) * 2010-04-19 2011-10-26 삼성전자주식회사 영상 처리 장치 및 그 방법
CN110717937A (zh) * 2019-09-29 2020-01-21 深圳市图郅创新科技有限公司 一种图像矫正方法及其系统、电子设备与可储存媒体

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107341473B (zh) * 2017-07-04 2018-07-06 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
CN109683710B (zh) * 2018-12-20 2019-11-08 北京字节跳动网络技术有限公司 一种手掌法向量确定方法、装置、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
CN112066906A (zh) * 2019-06-11 2020-12-11 深圳市光鉴科技有限公司 深度成像装置
CN110378946B (zh) * 2019-07-11 2021-10-01 Oppo广东移动通信有限公司 深度图处理方法、装置以及电子设备

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2152011A2 (en) * 2008-08-06 2010-02-10 Sony Corporation Image processing apparatus, image processing method, and program
KR20110116325A (ko) * 2010-04-19 2011-10-26 삼성전자주식회사 영상 처리 장치 및 그 방법
CN110717937A (zh) * 2019-09-29 2020-01-21 深圳市图郅创新科技有限公司 一种图像矫正方法及其系统、电子设备与可储存媒体

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
A Novel Multicamera System for High-Speed Touchless Palm Recognition;Xu Liang 等;《 IEEE Transactions on Systems, Man, and Cybernetics: Systems》;20190312;1534-1548 *

Also Published As

Publication number Publication date
CN113420700A (zh) 2021-09-21

Similar Documents

Publication Publication Date Title
US9122900B2 (en) Biometric authentication device and computer readable, non-transitory medium
CN113420700B (zh) 手掌生物特征采集装置及方法
JP6554638B2 (ja) 物体によって反射された光の特徴に基づく体積内の物体の識別
CN107209849B (zh) 眼睛跟踪
JP5061645B2 (ja) 情報抽出方法、情報抽出装置、プログラム、登録装置及び照合装置
US10264998B2 (en) Blood vessel imaging apparatus and personal authentication system
US20190018495A1 (en) Non-tactile interface systems and methods
US10417472B2 (en) Device and method for measuring three-dimensional shape
JP4640582B2 (ja) 照合装置、登録装置、画像補正方法及びプログラム
KR102408359B1 (ko) 전자 장치 및 전자 장치의 제어 방법
EP2562687B1 (en) Biometric authentication device and method
US20170091568A1 (en) Biometric image capturing apparatus and biometric image capturing method
CN104346604A (zh) 血管图像获取装置以及终端
TW200800107A (en) Biometrics device
US9690430B2 (en) Touch detection apparatus, touch detection method and recording medium
US9412014B2 (en) Biometric information process device, biometric information process method, and computer readable medium
KR20120006819A (ko) 시선 추적 방법 및 이를 적용하는 장치
EP2833318B1 (en) Biometric authentication device, biometric authentication method, and biometric authentication program
KR102581179B1 (ko) 생체 인증을 수행하는 전자 장치 및 그 동작 방법
EP3653108B1 (en) Vascular imaging device and vascular imaging method
CN106080136B (zh) 一种入射光强控制方法及设备
EP2120206A1 (en) Object shape generating method, object shape generating device and program
JP4910644B2 (ja) 撮像装置
US11734948B2 (en) Device and method for contactless fingerprint acquisition
US10866635B2 (en) Systems and methods for capturing training data for a gaze estimation model

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