CN113569792B - 一种基于精准指纹识别的智能保险柜应用方法及装置 - Google Patents

一种基于精准指纹识别的智能保险柜应用方法及装置 Download PDF

Info

Publication number
CN113569792B
CN113569792B CN202110898250.1A CN202110898250A CN113569792B CN 113569792 B CN113569792 B CN 113569792B CN 202110898250 A CN202110898250 A CN 202110898250A CN 113569792 B CN113569792 B CN 113569792B
Authority
CN
China
Prior art keywords
image
detected
safe
enhanced image
processing
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
CN202110898250.1A
Other languages
English (en)
Other versions
CN113569792A (zh
Inventor
韩亚东
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.)
Beijing Huilang Times Technology Co Ltd
Original Assignee
Beijing Huilang Times 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 Beijing Huilang Times Technology Co Ltd filed Critical Beijing Huilang Times Technology Co Ltd
Priority to CN202110898250.1A priority Critical patent/CN113569792B/zh
Publication of CN113569792A publication Critical patent/CN113569792A/zh
Application granted granted Critical
Publication of CN113569792B publication Critical patent/CN113569792B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C9/00—Individual registration on entry or exit
    • G07C9/00174—Electronically operated locks; Circuits therefor; Nonmechanical keys therefor, e.g. passive or active electrical keys or other data carriers without mechanical keys
    • G07C9/00563—Electronically operated locks; Circuits therefor; Nonmechanical keys therefor, e.g. passive or active electrical keys or other data carriers without mechanical keys using personal physical data of the operator, e.g. finger prints, retinal images, voicepatterns
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C9/00—Individual registration on entry or exit
    • G07C9/00174—Electronically operated locks; Circuits therefor; Nonmechanical keys therefor, e.g. passive or active electrical keys or other data carriers without mechanical keys
    • G07C9/00896—Electronically operated locks; Circuits therefor; Nonmechanical keys therefor, e.g. passive or active electrical keys or other data carriers without mechanical keys specially adapted for particular uses
    • G07C9/00912—Electronically operated locks; Circuits therefor; Nonmechanical keys therefor, e.g. passive or active electrical keys or other data carriers without mechanical keys specially adapted for particular uses for safes, strong-rooms, vaults or the like

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Collating Specific Patterns (AREA)
  • Image Input (AREA)
  • Image Analysis (AREA)

Abstract

本发明提出了一种基于精准指纹识别的智能保险柜应用方法及装置，涉及指纹识别技术领域。该方法包括如下步骤：获取待检测图像。将待检测图像和预存的基准图像进行多尺度优化处理，分别得到第一加强图像和第二加强图像。计算第一加强图像和第二加强图像的熵值差异。若熵值差异大于第一预设值，则不开启保险柜。若熵值差异小于第一预设值，则利用多种卷积核对待检测图像和基准图像进行处理，以得到多个处理结果。根据多个处理结果判断是否开启保险柜。该装置包括待检测图像获取模块、优化处理模块、熵值差异计算模块、不开启保险柜模块、卷积核处理模块和判断模块。提升了保险柜指纹识别精度，极大限度地保证了保险柜的安全使用。

Description

一种基于精准指纹识别的智能保险柜应用方法及装置
技术领域
本发明涉及指纹识别技术领域，具体而言，涉及一种基于精准指纹识别的智能保险柜应用方法及装置。
背景技术
当今社会大家越来越重视财产的保管，存折、现金、借条等重要物品往往需要妥善保存。保险柜发挥了重要的作用，它可以帮助企业、家庭有效地保管上述重要财产。同时，很多不法分子利用盗窃等方式给企业、家庭等造成了巨大的财产损失，保险柜的安全性也因此受到了更多的关注。基于此，很多科研机构、科技公司利用指纹识别技术来控制保险柜的开启，最大限度地保证保险柜的使用安全。
虽然指纹识别技术得到了广泛应用，但现有的指纹识别技术仍然存在一定的不足之处。首先，传统方法没有对指纹图像进行有效的预处理，降低了指纹图像的使用价值；其次，指纹图像的表征方式存在一定的局限性，无法更加全面、准确地表征指纹图像，造成现有技术显著地降低了指纹识别的精度。则需要通过一种能够提升保险柜指纹识别精度的方法，使得保险柜对指纹识别更加精确，从而极大限度地保证保险柜的安全使用。
发明内容
本发明的目的在于提供一种基于精准指纹识别的智能保险柜应用方法和装置，其能够提升保险柜指纹识别精度，使得保险柜对指纹识别更加精确，极大限度地保证保险柜的安全使用。
本发明的实施例是这样实现的：
第一方面，本申请实施例提供一种基于精准指纹识别的智能保险柜应用方法，其包括如下步骤：获取待检测图像。将待检测图像和预存的基准图像进行多尺度优化处理，分别得到第一加强图像和第二加强图像。计算第一加强图像和第二加强图像的熵值差异。若熵值差异大于第一预设值，则不开启保险柜。若熵值差异小于第一预设值，则利用多种卷积核对待检测图像和基准图像进行处理，以得到多个处理结果。根据多个处理结果判断是否开启保险柜。
在本发明的一些实施例中，上述计算第一加强图像和第二加强图像的熵值差异的步骤包括：利用绝对差值计算第一加强图像和第二加强图像的熵值差异。
在本发明的一些实施例中，上述利用绝对差值计算第一加强图像和第二加强图像的熵值差异的步骤之前，方法还包括：计算第一加强图像中每个像素点的灰度值，并计算各个灰度值在第一加强图像中出现的概率。通过公式计算所述第一加强图像的熵值；其中，H1为所述第一加强图像的熵值，i为灰度值，Pi为某个灰度值在所述第一加强图像中出现的概率；计算所述第二加强图像中每个像素点的灰度值，并计算各个所述灰度值在所述第二加强图像中出现的概率；通过公式/>计算所述第二加强图像的熵值；其中，H2为所述第二加强图像的熵值，j为灰度值，Pj为某个灰度值在所述第二加强图像中出现的概率。
在本发明的一些实施例中，若熵值差异小于预设值，则利用多种卷积核对待检测图像和基准图像进行处理，以得到多个处理结果的步骤包括：利用平滑卷积核对基准图像和待检测图像进行处理，以得到第一处理结果。利用锐化卷积核对基准图像和待检测图像进行处理，以得到第二处理结果。利用去噪卷积核对基准图像和待检测图像进行处理，以得到第三处理结果。
在本发明的一些实施例中，上述根据多个处理结果判断是否开启保险柜的步骤包括：对于多个处理结果，分别计算通过卷积核处理后的基准图像和通过卷积核处理后的待检测图像的绝对差值。若存在至少两个绝对差值大于第二预设值，则不开启保险柜。若存在至少两个绝对差值小于第二预设值，则开启保险柜。
在本发明的一些实施例中，上述将待检测图像和预存的基准图像进行多尺度优化处理的步骤包括：利用最小二乘滤波器对待检测图像和基准图像分别进行过滤，以得到待检测图像的多个第一尺度和基准图像的多个第二尺度。不同第一尺度之间进行减除计算，以得到多个第一细节信息。将多个第一细节信息加权到待检测图像中，以得到第一加强图像。不同第二尺度之间进行减除计算，以得到多个第二细节信息。将多个第二细节信息加权到基准图像中，以得到第二加强图像。
第二方面，本申请实施例提供一种基于精准指纹识别的智能保险柜应用装置，其包括待检测图像获取模块，用于获取待检测图像。优化处理模块，用于将待检测图像和预存的基准图像进行多尺度优化处理，分别得到第一加强图像和第二加强图像。熵值差异计算模块，用于计算第一加强图像和第二加强图像的熵值差异。不开启保险柜模块，用于若熵值差异大于第一预设值，则不开启保险柜。卷积核处理模块，用于若熵值差异小于第一预设值，则利用多种卷积核对待检测图像和基准图像进行处理，以得到多个处理结果。判断模块，用于根据多个处理结果判断是否开启保险柜。
在本发明的一些实施例中，上述熵值差异计算模块包括：熵值差异计算单元，用于利用绝对差值计算第一加强图像和第二加强图像的熵值差异。
在本发明的一些实施例中，上述基于精准指纹识别的智能保险柜应用装置还包括：第一灰度值概率计算模块，用于计算第一加强图像中每个像素点的灰度值，并计算各个灰度值在第一加强图像中出现的概率。第一熵值计算模块，用于通过公式计算所述第一加强图像的熵值；其中，H1为所述第一加强图像的熵值，i为灰度值，Pi为某个灰度值在所述第一加强图像中出现的概率；计算所述第二加强图像中每个像素点的灰度值，并计算各个所述灰度值在所述第二加强图像中出现的概率；通过公式/>计算所述第二加强图像的熵值；其中，H2为所述第二加强图像的熵值，j为灰度值，Pj为某个灰度值在所述第二加强图像中出现的概率。
在本发明的一些实施例中，卷积核处理模块包括：第一处理单元，用于利用平滑卷积核对基准图像和待检测图像进行处理，以得到第一处理结果。第二处理单元，用于利用锐化卷积核对基准图像和待检测图像进行处理，以得到第二处理结果。第三处理单元，用于利用去噪卷积核对基准图像和待检测图像进行处理，以得到第三处理结果。
在本发明的一些实施例中，上述判断模块包括：绝对差值计算单元，用于对于多个处理结果，分别计算通过卷积核处理后的基准图像和通过卷积核处理后的待检测图像的绝对差值。不开启单元，用于若存在至少两个绝对差值大于第二预设值，则不开启保险柜。开启单元，用于若存在至少两个绝对差值小于第二预设值，则开启保险柜。
在本发明的一些实施例中，上述优化处理模块包括：图像过滤单元，用于利用最小二乘滤波器对待检测图像和基准图像分别进行过滤，以得到待检测图像的多个第一尺度和基准图像的多个第二尺度。第一细节信息得到单元，用于不同第一尺度之间进行减除计算，以得到多个第一细节信息。第一加强图像得到单元，用于将多个第一细节信息加权到待检测图像中，以得到第一加强图像。第二细节信息得到单元，用于不同第二尺度之间进行减除计算，以得到多个第二细节信息。第二加强图像得到单元，用于将多个第二细节信息加权到基准图像中，以得到第二加强图像。
第三方面，本申请实施例提供一种电子设备，其包括存储器，用于存储一个或多个程序；处理器。当一个或多个程序被处理器执行时，实现如上述第一方面中任一项的方法。
第四方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述第一方面中任一项的方法。
相对于现有技术，本发明的实施例至少具有如下优点或有益效果：
本发明提供一种基于精准指纹识别的智能保险柜应用方法及装置，包括如下步骤：获取待检测图像。将待检测图像和预存的基准图像进行多尺度优化处理，分别得到第一加强图像和第二加强图像。计算第一加强图像和第二加强图像的熵值差异。若熵值差异大于第一预设值，则不开启保险柜。若熵值差异小于第一预设值，则利用多种卷积核对待检测图像和基准图像进行处理，以得到多个处理结果。根据多个处理结果判断是否开启保险柜。一种基于精准指纹识别的智能保险柜应用方法及装置通过比较熵值差异和第一预设值的大小，判断是否拒绝开启保险柜。且当熵值差异小于第一预设值时，再利用多个卷积核对待检测图像和基准图像进行处理，以得到多个处理结果，并根据多个处理结果判断是否开启保险柜，进而较为精确的识别出保险柜使用者的指纹是否为保险柜持有者的指纹，提升了保险柜指纹识别精度，使得保险柜对指纹识别更加精确，极大限度地保证保险柜的安全使用。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1为本发明实施例提供的一种基于精准指纹识别的智能保险柜应用方法的流程图；
图2为本发明实施例提供的一种基于精准指纹识别的智能保险柜应用装置的结构示意图；
图3为本发明实施例提供的一种电子设备的示意性结构框图。
图标：100-基于精准指纹识别的智能保险柜应用装置；110-待检测图像获取模块；120-优化处理模块；130-熵值差异计算模块；140-不开启保险柜模块；150-卷积核处理模块；160-判断模块；101-存储器；102-处理器；103-通信接口。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，若出现术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，若出现术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，若出现由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
在本申请的描述中，需要说明的是，若出现术语“上”、“下”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该申请产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。
在本申请的描述中，还需要说明的是，除非另有明确的规定和限定，若出现术语“设置”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；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，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本申请中的具体含义。
下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的各个实施例及实施例中的各个特征可以相互组合。
实施例
请参照图1，图1所示为本申请实施例提供的一种基于精准指纹识别的智能保险柜应用方法的流程图。本申请实施例提供一种基于精准指纹识别的智能保险柜应用方法，其包括如下步骤：
S110：获取待检测图像；
具体的，保险柜的图像获取设备采集保险柜使用者的一幅指纹图像，作为待检测图像。
S120：将待检测图像和预存的基准图像进行多尺度优化处理，分别得到第一加强图像和第二加强图像；
具体的，利用保险柜的图像获取设备采集保险柜持有者的指纹图像，并将上述指纹图像作为基准图像保存。对基准图像进行多尺度优化处理后，可以得到含有丰富细节信息的第二加强图像。将待检测图像进行多尺度优化处理后，可以得到含有丰富细节信息的第一加强图像。由于第一加强图像和第二加强图像具有更加丰富的细节信息，则可以有效提高检测精度。
S130：计算第一加强图像和第二加强图像的熵值差异；
具体的，通过计算第一加强图像和第二加强图像的熵值差异，从而根据熵值差异判断是否发出打开保险柜的指令。图像的熵值表示为图像灰度级集合的比特平均数，其单位为比特/像素。通过计算第一加强图像和第二加强图像的熵值差异，可以得到第一加强图像和第二加强图像的图像灰度分布的相似性。
S140：若熵值差异大于第一预设值，则不开启保险柜；
具体的，当熵值差异大于第一预设值时，表明保险柜使用者的指纹不是保险柜持有者的指纹，则发出拒绝打开保险柜的指令，从而不开启保险柜。
S150：若熵值差异小于第一预设值，则利用多种卷积核对待检测图像和基准图像进行处理，以得到多个处理结果；
具体的，当熵值差异小于第一预设值时，则需要利用多种卷积核对待检测图像和基准图像分别进行处理，采用不同卷积核对待检测图像和基准图像进行处理，会得到不同的处理结果。通过卷积核处理后，可以得到待检测图像和基准图像的特征图，不同的卷积核得到的特征图不同，待检测图像的特征图和基准图像的特征图的差异即为处理结果。
示例性的，上述第一预设值可以是20％或者30％。用户可以根据实际情况选择不同的第一预设值。
S160：根据多个处理结果判断是否开启保险柜。
具体的，综合多个处理结果判断是否发出打开保险柜的指令。
上述实现过程中，首先将获取的待检测图像和预存的基准图像进行处理，得到含有丰富细节信息的第一加强图像和第二加强图像，以提高对第一加强图像和第二加强图像的检测精度。然后计算第一加强图像和第二加强图像的熵值差异，当熵值差异大于第一预设值时，则不开启保险柜。当熵值差异小于第一预设值时，则利用多种卷积核对待检测图像和基准图像进行处理，以得到多个处理结果，再根据多个处理结果判断是否开启保险柜。通过比较熵值差异和第一预设值的大小，判断是否拒绝开启保险柜。当熵值差异小于第一预设值时，再利用多个卷积核对待检测图像和基准图像进行处理，以得到多个处理结果，并根据多个处理结果判断是否开启保险柜，进而较为精确的识别出保险柜使用者的指纹是否为保险柜持有者的指纹，提升了保险柜指纹识别精度，使得保险柜对指纹识别更加精确，极大限度地保证保险柜的安全使用。
在本实施例的一些实施方式中，上述计算第一加强图像和第二加强图像的熵值差异的步骤包括：利用绝对差值计算第一加强图像和第二加强图像的熵值差异。通过计算第一加强图像的熵值和第二加强图像的熵值的绝对差值，可以得到第一加强图像和第二加强图像的熵值差异。示例性的，若第一加强图像的熵值为A，第二加强图像的熵值为B，则第一加强图像和第二加强图像的绝对差值为/A-B/。
在本实施例的一些实施方式中，上述利用绝对差值计算第一加强图像和第二加强图像的熵值差异的步骤之前，方法还包括：计算第一加强图像中每个像素点的灰度值，以得到i。并计算各个灰度值在第一加强图像中出现的概率，以得到Pi。
通过公式计算所述第一加强图像的熵值；其中，H1为所述第一加强图像的熵值，i为灰度值，Pi为某个灰度值在所述第一加强图像中出现的概率；具体的，通过将各灰度值i与各灰度值对应的Pi代入公式/>可以得到第一加强图像的熵值。计算第二加强图像中每个像素点的灰度值，以得到i。并计算各个灰度值在第二加强图像中出现的概率，以得到Pi。通过公式/>计算所述第二加强图像的熵值；其中，H2为所述第二加强图像的熵值，j为灰度值，Pj为某个灰度值在所述第二加强图像中出现的概率。具体的，通过将各灰度值j与各灰度值对应的Pj代入公式/>可以得到第二加强图像的熵值。上述实现过程中，通过公式/>和/>可以得到第一加强图像的熵值和第二加强图像的熵值，并且通过公式/>和计算得到的熵值可以表示图像灰度分布的聚集特征。从而可以比较第一加强图像和第二加强图像的熵值差异，得到第一加强图像和第二加强图像的图像灰度分布的差异，从而可以根据图像灰度分布的差异判断保险柜使用者的指纹是否为保险柜持有者的指纹。
在本实施例的一些实施方式中，若熵值差异小于预设值，则利用多种卷积核对待检测图像和基准图像进行处理，以得到多个处理结果的步骤包括：利用平滑卷积核对基准图像和待检测图像进行处理，以得到第一处理结果。具体的，利用平滑卷积核可以降低基准图像和待检测图像的噪声，以得到基准图像和待检测图像的特征图，即第一处理结果。利用锐化卷积核对基准图像和待检测图像进行处理，以得到第二处理结果。具体的，利用锐化卷积核可以突出基准图像和待检测图像中灰度的过渡部分，也就是可以突出基准图像和待检测图像的边缘信息，即第二处理结果。利用去噪卷积核对基准图像和待检测图像进行处理，以得到第三处理结果。具体的，利用去噪卷积核可以去除不重要的图像信息，以得到基准图像和待检测图像的特征图，即第三处理结果。
需要说明的是，通常情况下平滑卷积核、锐化卷积核和去噪卷积核的尺寸为3*3。
在本实施例的一些实施方式中，上述根据多个处理结果判断是否开启保险柜的步骤包括：对于多个处理结果，分别计算通过卷积核处理后的基准图像和通过卷积核处理后的待检测图像的绝对差值。具体的，根据上述第一处理结果，计算通过平滑卷积核处理后的基准图像和通过平滑卷积核处理后的待检测图像的绝对差值。根据上述第二处理结果，计算通过锐化卷积核处理后的基准图像和通过锐化卷积核处理后的待检测图像的绝对差值。根据上述第三处理结果，计算通过去噪卷积核处理后的基准图像和通过去噪卷积核处理后的待检测图像的绝对差值。若存在至少两个绝对差值大于第二预设值，则不开启保险柜。若存在至少两个绝对差值小于第二预设值，则开启保险柜。上述实现过程中，当熵值差异小于第一预设值时，计算各个卷积核处理后的基准图像和各个卷积核处理后的待检测图像的绝对差值，并根据大于第二预设值的绝对差值的数量，判断是否开启保险柜。经过多次的对比处理，可以较为精确的判断保险柜使用者的指纹是否为保险柜持有者的指纹，保证保险柜的安全使用。
示例性的，上述第二预设值可以为20％或者30％，用户可以根据实际情况选择不同的第二预设值。
在本实施例的一些实施方式中，上述将待检测图像和预存的基准图像进行多尺度优化处理的步骤包括：利用最小二乘滤波器对待检测图像和基准图像分别进行过滤，以得到待检测图像的多个第一尺度和基准图像的多个第二尺度。具体的，利用最小二乘滤波器对图像进行过滤，过滤后的图像会被分为多个尺度。不同第一尺度之间进行减除计算，以得到多个第一细节信息。将多个第一细节信息加权到待检测图像中，以得到第一加强图像。具体的，由于第一加强图像是由多个第一细节信息加权到待检测图像得到的，则第一加强图像含有丰富的细节信息，可以提高对第一加强图像的检测精度。不同第二尺度之间进行减除计算，以得到多个第二细节信息。将多个第二细节信息加权到基准图像中，以得到第二加强图像。具体的，由于第二加强图像是由多个第二细节信息加权到待检测图像得到的，则第二加强图像含有丰富的细节信息，可以提高对第二加强图像的检测精度。
请参照图2，图2所示为本申请实施例提供的一种基于精准指纹识别的智能保险柜应用装置100的结构示意图。本申请实施例提供一种基于精准指纹识别的智能保险柜应用装置100，其包括待检测图像获取模块110，用于获取待检测图像。具体的，保险柜的图像获取设备采集保险柜使用者的一幅指纹图像，作为待检测图像。优化处理模块120，用于将待检测图像和预存的基准图像进行多尺度优化处理，分别得到第一加强图像和第二加强图像。具体的，第一加强图像和第二加强图像含有丰富的细节信息。熵值差异计算模块130，用于计算第一加强图像和第二加强图像的熵值差异。具体的，通过熵值差异得到第一加强图像和第二加强图像的图像灰度分布的相似性。不开启保险柜模块140，用于若熵值差异大于第一预设值，则不开启保险柜。卷积核处理模块150，用于若熵值差异小于第一预设值，则利用多种卷积核对待检测图像和基准图像进行处理，以得到多个处理结果。判断模块160，用于根据多个处理结果判断是否开启保险柜。具体的，通过比较熵值差异和第一预设值的大小，判断是否拒绝开启保险柜。且当熵值差异小于第一预设值时，再利用多个卷积核对待检测图像和基准图像进行处理，以得到多个处理结果，并根据多个处理结果判断是否开启保险柜，进而较为精确的识别出保险柜使用者的指纹是否为保险柜持有者的指纹，提升了保险柜指纹识别精度，使得保险柜对指纹识别更加精确，极大限度地保证保险柜的安全使用。
在本实施例的一些实施方式中，上述熵值差异计算模块130包括：熵值差异计算单元，用于利用绝对差值计算第一加强图像和第二加强图像的熵值差异。具体的，通过计算第一加强图像的熵值和第二加强图像的熵值的绝对差值，可以得到第一加强图像和第二加强图像的熵值差异。
在本实施例的一些实施方式中，上述基于精准指纹识别的智能保险柜应用装置100还包括：第一灰度值概率计算模块，用于计算第一加强图像中每个像素点的灰度值，并计算各个灰度值在第一加强图像中出现的概率。第一熵值计算模块，用于通过公式计算所述第一加强图像的熵值；其中，H1为所述第一加强图像的熵值，i为灰度值，Pi为某个灰度值在所述第一加强图像中出现的概率；具体的，通过将各灰度值i与各灰度值对应的Pi代入公式/>可以得到第一加强图像的熵值。计算第二加强图像中每个像素点的灰度值，以得到i。并计算各个灰度值在第二加强图像中出现的概率，以得到Pi。通过公式/>计算所述第二加强图像的熵值；其中，H2为所述第二加强图像的熵值，j为灰度值，Pj为某个灰度值在所述第二加强图像中出现的概率。具体的，通过将各灰度值j与各灰度值对应的Pj代入公式/>可以得到第二加强图像的熵值。从而可以比较第一加强图像和第二加强图像的熵值差异，得到第一加强图像和第二加强图像的图像灰度分布的差异，从而可以根据图像灰度分布的差异判断保险柜使用者的指纹是否为保险柜持有者的指纹。
在本实施例的一些实施方式中，卷积核处理模块150包括：第一处理单元，用于利用平滑卷积核对基准图像和待检测图像进行处理，以得到第一处理结果。具体的，利用平滑卷积核可以降低基准图像和待检测图像的噪声，以得到基准图像和待检测图像的特征图，即第一处理结果。第二处理单元，用于利用锐化卷积核对基准图像和待检测图像进行处理，以得到第二处理结果。具体的，利用锐化卷积核可以突出基准图像和待检测图像中灰度的过渡部分，也就是可以突出基准图像和待检测图像的边缘信息，即第二处理结果。第三处理单元，用于利用去噪卷积核对基准图像和待检测图像进行处理，以得到第三处理结果。具体的，利用去噪卷积核可以去除不重要的图像信息，以得到基准图像和待检测图像的特征图，即第三处理结果。
在本实施例的一些实施方式中，上述判断模块160包括：绝对差值计算单元，用于对于多个处理结果，分别计算通过卷积核处理后的基准图像和通过卷积核处理后的待检测图像的绝对差值。具体的，根据上述第一处理结果，计算通过平滑卷积核处理后的基准图像和通过平滑卷积核处理后的待检测图像的绝对差值。根据上述第二处理结果，计算通过锐化卷积核处理后的基准图像和通过锐化卷积核处理后的待检测图像的绝对差值。根据上述第三处理结果，计算通过去噪卷积核处理后的基准图像和通过去噪卷积核处理后的待检测图像的绝对差值。不开启单元，用于若存在至少两个绝对差值大于第二预设值，则不开启保险柜。开启单元，用于若存在至少两个绝对差值小于第二预设值，则开启保险柜。具体的，当熵值差异小于第一预设值时，计算各个卷积核处理后的基准图像和各个卷积核处理后的待检测图像的绝对差值，并根据大于第二预设值的绝对差值的数量，判断是否开启保险柜。经过多次的对比处理，可以较为精确的判断保险柜使用者的指纹是否为保险柜持有者的指纹，保证保险柜的安全使用。
在本实施例的一些实施方式中，上述优化处理模块120包括：图像过滤单元，用于利用最小二乘滤波器对待检测图像和基准图像分别进行过滤，以得到待检测图像的多个第一尺度和基准图像的多个第二尺度。具体的，利用最小二乘滤波器对图像进行过滤，过滤后的图像会被分为多个尺度。第一细节信息得到单元，用于不同第一尺度之间进行减除计算，以得到多个第一细节信息。第一加强图像得到单元，用于将多个第一细节信息加权到待检测图像中，以得到第一加强图像。具体的，由于第一加强图像是由多个第一细节信息加权到待检测图像得到的，则第一加强图像含有丰富的细节信息，可以提高对第一加强图像的检测精度。第二细节信息得到单元，用于不同第二尺度之间进行减除计算，以得到多个第二细节信息。第二加强图像得到单元，用于将多个第二细节信息加权到基准图像中，以得到第二加强图像。具体的，由于第二加强图像是由多个第二细节信息加权到待检测图像得到的，则第二加强图像含有丰富的细节信息，可以提高对第二加强图像的检测精度。
请参阅图3，图3为本申请实施例提供的电子设备的一种示意性结构框图。电子设备包括存储器101、处理器102和通信接口103，该存储器101、处理器102和通信接口103相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。存储器101可用于存储软件程序及模块，如本申请实施例所提供的基于精准指纹识别的智能保险柜应用装置100对应的程序指令/模块，处理器102通过执行存储在存储器101内的软件程序及模块，从而执行各种功能应用以及数据处理。该通信接口103可用于与其他节点设备进行信令或数据的通信。
其中，存储器101可以是但不限于，随机存取存储器101(Random Access Memory，RAM)，只读存储器101(Read Only Memory，ROM)，可编程只读存储器101(ProgrammableRead-Only Memory，PROM)，可擦除只读存储器101(Erasable Programmable Read-OnlyMemory，EPROM)，电可擦除只读存储器101(Electric Erasable Programmable Read-OnlyMemory，EEPROM)等。
处理器102可以是一种集成电路芯片，具有信号处理能力。该处理器102可以是通用处理器102，包括中央处理器102(Central Processing Unit，CPU)、网络处理器102(Network Processor，NP)等；还可以是数字信号处理器102(Digital Signal Processing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
可以理解，图3所示的结构仅为示意，电子设备还可包括比图3中所示更多或者更少的组件，或者具有与图3所示不同的配置。图3中所示的各组件可以采用硬件、软件或其组合实现。
在本申请所提供的实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能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，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器101(ROM，Read-Only Memory)、随机存取存储器101(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
综上所述，本申请实施例提供的一种基于精准指纹识别的智能保险柜应用方法及装置，包括如下步骤：获取待检测图像。将待检测图像和预存的基准图像进行多尺度优化处理，分别得到第一加强图像和第二加强图像。计算第一加强图像和第二加强图像的熵值差异。若熵值差异大于第一预设值，则不开启保险柜。若熵值差异小于第一预设值，则利用多种卷积核对待检测图像和基准图像进行处理，以得到多个处理结果。根据多个处理结果判断是否开启保险柜。一种基于精准指纹识别的智能保险柜应用方法及装置通过比较熵值差异和第一预设值的大小，判断是否拒绝开启保险柜。且当熵值差异小于第一预设值时，再利用多个卷积核对待检测图像和基准图像进行处理，以得到多个处理结果，并根据多个处理结果判断是否开启保险柜，进而较为精确的识别出保险柜使用者的指纹是否为保险柜持有者的指纹，提升了保险柜指纹识别精度，使得保险柜对指纹识别更加精确，极大限度地保证保险柜的安全使用。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其它的具体形式实现本申请。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

Claims (7)

1.一种基于精准指纹识别的智能保险柜应用方法，其特征在于，包括如下步骤：
获取待检测图像；
将所述待检测图像和预存的基准图像进行多尺度优化处理，分别得到第一加强图像和第二加强图像；
计算所述第一加强图像和所述第二加强图像的熵值差异；
若熵值差异大于第一预设值，则不开启保险柜；
若熵值差异小于第一预设值，则利用多种卷积核对所述待检测图像和所述基准图像进行处理，以得到多个处理结果；
根据多个所述处理结果判断是否开启保险柜；
其中：
若熵值差异小于预设值，则利用多种卷积核对所述待检测图像和所述基准图像进行处理，以得到多个处理结果的步骤包括：
利用平滑卷积核对所述基准图像和所述待检测图像进行处理，以得到第一处理结果；
利用锐化卷积核对所述基准图像和所述待检测图像进行处理，以得到第二处理结果；
利用去噪卷积核对所述基准图像和所述待检测图像进行处理，以得到第三处理结果；
所述根据多个所述处理结果判断是否开启保险柜的步骤包括：
对于多个所述处理结果，分别计算通过卷积核处理后的所述基准图像和通过卷积核处理后的所述待检测图像的绝对差值；
若存在至少两个绝对差值大于第二预设值，则不开启所述保险柜；
若存在至少两个绝对差值小于第二预设值，则开启所述保险柜；
所述将所述待检测图像和预存的基准图像进行多尺度优化处理的步骤包括：
利用最小二乘滤波器对所述待检测图像和所述基准图像分别进行过滤，以得到所述待检测图像的多个第一尺度和所述基准图像的多个第二尺度；
不同所述第一尺度之间进行减除计算，以得到多个第一细节信息；
将多个所述第一细节信息加权到所述待检测图像中，以得到第一加强图像；
不同所述第二尺度之间进行减除计算，以得到多个第二细节信息；
将多个所述第二细节信息加权到所述基准图像中，以得到第二加强图像。
2.根据权利要求1所述的基于精准指纹识别的智能保险柜应用方法，其特征在于，所述计算所述第一加强图像和所述第二加强图像的熵值差异的步骤包括：
利用绝对差值计算所述第一加强图像和所述第二加强图像的熵值差异。
3.根据权利要求2所述的基于精准指纹识别的智能保险柜应用方法，其特征在于，所述利用绝对差值计算所述第一加强图像和所述第二加强图像的熵值差异的步骤之前，所述方法还包括：
计算所述第一加强图像中每个像素点的灰度值，并计算各个所述灰度值在所述第一加强图像中出现的概率；
通过公式计算所述第一加强图像的熵值；其中，H1为所述第一加强图像的熵值，i为灰度值，Pi为某个灰度值在所述第一加强图像中出现的概率；
计算所述第二加强图像中每个像素点的灰度值，并计算各个所述灰度值在所述第二加强图像中出现的概率；
通过公式计算所述第二加强图像的熵值；其中，H2为所述第二加强图像的熵值，j为灰度值，Pj为某个灰度值在所述第二加强图像中出现的概率。
4.一种基于精准指纹识别的智能保险柜应用装置，其特征在于，包括：
待检测图像获取模块，用于获取待检测图像；
优化处理模块，用于将所述待检测图像和预存的基准图像进行多尺度优化处理，分别得到第一加强图像和第二加强图像；所述将所述待检测图像和预存的基准图像进行多尺度优化处理的步骤包括：利用最小二乘滤波器对所述待检测图像和所述基准图像分别进行过滤，以得到所述待检测图像的多个第一尺度和所述基准图像的多个第二尺度；不同所述第一尺度之间进行减除计算，以得到多个第一细节信息；将多个所述第一细节信息加权到所述待检测图像中，以得到第一加强图像；不同所述第二尺度之间进行减除计算，以得到多个第二细节信息；将多个所述第二细节信息加权到所述基准图像中，以得到第二加强图像；
熵值差异计算模块，用于计算所述第一加强图像和所述第二加强图像的熵值差异；
不开启保险柜模块，用于若熵值差异大于第一预设值，则不开启保险柜；
卷积核处理模块，用于若熵值差异小于第一预设值，则利用多种卷积核对所述待检测图像和所述基准图像进行处理，以得到多个处理结果；具体的，利用平滑卷积核对所述基准图像和所述待检测图像进行处理，以得到第一处理结果；利用锐化卷积核对所述基准图像和所述待检测图像进行处理，以得到第二处理结果；利用去噪卷积核对所述基准图像和所述待检测图像进行处理，以得到第三处理结果；
判断模块，用于根据多个所述处理结果判断是否开启保险柜；具体的，对于多个所述处理结果，分别计算通过卷积核处理后的所述基准图像和通过卷积核处理后的所述待检测图像的绝对差值；若存在至少两个绝对差值大于第二预设值，则不开启所述保险柜；若存在至少两个绝对差值小于第二预设值，则开启所述保险柜。
5.根据权利要求4所述的基于精准指纹识别的智能保险柜应用装置，其特征在于，所述熵值差异计算模块包括：
熵值差异计算单元，用于利用绝对差值计算所述第一加强图像和所述第二加强图像的熵值差异。
6.一种电子设备，其特征在于，包括：
存储器，用于存储一个或多个程序；
处理器；
当所述一个或多个程序被所述处理器执行时，实现如权利要求1-3中任一项所述的方法。
7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-3中任一项所述的方法。
CN202110898250.1A 2021-08-05 2021-08-05 一种基于精准指纹识别的智能保险柜应用方法及装置 Active CN113569792B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110898250.1A CN113569792B (zh) 2021-08-05 2021-08-05 一种基于精准指纹识别的智能保险柜应用方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110898250.1A CN113569792B (zh) 2021-08-05 2021-08-05 一种基于精准指纹识别的智能保险柜应用方法及装置

Publications (2)

Publication Number Publication Date
CN113569792A CN113569792A (zh) 2021-10-29
CN113569792B true CN113569792B (zh) 2023-12-01

Family

ID=78170548

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110898250.1A Active CN113569792B (zh) 2021-08-05 2021-08-05 一种基于精准指纹识别的智能保险柜应用方法及装置

Country Status (1)

Country Link
CN (1) CN113569792B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1346116A (zh) * 2000-09-25 2002-04-24 王介生 人体生物特征识别方法
CN102663724A (zh) * 2012-03-03 2012-09-12 西安电子科技大学 基于自适应差异图的遥感图像变化检测方法
KR20190008474A (ko) * 2017-07-14 2019-01-24 주식회사 올아이티탑 생체정보를 이용한 금고의 잠금장치
CN111582099A (zh) * 2020-04-28 2020-08-25 吉林大学 一种基于虹膜远源特征交运算决策的身份验证方法
CN113191277A (zh) * 2021-05-06 2021-07-30 北京惠朗时代科技有限公司 一种基于熵值校验的表格图像区域识别方法及系统
CN113205494A (zh) * 2021-04-27 2021-08-03 武汉大学 基于自适应尺度图像块加权差测量的红外小目标检测方法和系统

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8331775B2 (en) * 2009-10-15 2012-12-11 Jack Harper Fingerprint scanning systems and methods
US9390325B2 (en) * 2014-11-26 2016-07-12 Iris Id, Inc Apparatus for recognizing iris and operating method thereof
US10068124B2 (en) * 2016-11-10 2018-09-04 Synaptics Incorporated Systems and methods for spoof detection based on gradient distribution

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1346116A (zh) * 2000-09-25 2002-04-24 王介生 人体生物特征识别方法
CN102663724A (zh) * 2012-03-03 2012-09-12 西安电子科技大学 基于自适应差异图的遥感图像变化检测方法
KR20190008474A (ko) * 2017-07-14 2019-01-24 주식회사 올아이티탑 생체정보를 이용한 금고의 잠금장치
CN111582099A (zh) * 2020-04-28 2020-08-25 吉林大学 一种基于虹膜远源特征交运算决策的身份验证方法
CN113205494A (zh) * 2021-04-27 2021-08-03 武汉大学 基于自适应尺度图像块加权差测量的红外小目标检测方法和系统
CN113191277A (zh) * 2021-05-06 2021-07-30 北京惠朗时代科技有限公司 一种基于熵值校验的表格图像区域识别方法及系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
基于DSP的保险箱智能指纹识别系统设计;王延年 等;西安工程大学学报;第25卷(第04期);第543-546页 *
基于双人指纹识别的家用保险柜控制系统设计;周金芝;杨明;;西昌学院学报(自然科学版);第33卷(第04期);第61-65页 *
基于图像二维熵的自适应形态学滤波方法;赵志强 等;哈尔滨工业大学学报;第40卷(第01期);第103-105页 *

Also Published As

Publication number Publication date
CN113569792A (zh) 2021-10-29

Similar Documents

Publication Publication Date Title
CN115861135B (zh) 一种应用于箱体全景探测的图像增强及识别方法
CN109447080B (zh) 一种字符识别方法及装置
CN110909784A (zh) 一种图像识别模型的训练方法、装置及电子设备
CN112949767A (zh) 样本图像增量、图像检测模型训练及图像检测方法
CN108197795B (zh) 恶意团体账户识别方法、装置、终端及存储介质
CN107316296B (zh) 一种基于对数变换的遥感图像变化检测方法及装置
CN110738204B (zh) 一种证件区域定位的方法及装置
CN112750038B (zh) 交易风险的确定方法、装置和服务器
CN108960246B (zh) 一种用于图像识别的二值化处理装置及方法
CN111353514A (zh) 模型训练方法、图像识别方法、装置及终端设备
CN109978855A (zh) 一种遥感图像变化检测方法及装置
CN111340139B (zh) 一种图像内容复杂度的判别方法及装置
CN113569792B (zh) 一种基于精准指纹识别的智能保险柜应用方法及装置
CN110458581B (zh) 商户业务周转异常的识别方法及装置
CN108985350B (zh) 一种基于梯度幅值稀疏特征信息识别模糊图像的方法和装置、计算设备及存储介质
CN113077355B (zh) 保险理赔方法、装置、电子设备及存储介质
CN114463764A (zh) 表格线检测方法、装置、计算机设备和存储介质
CN115171048B (zh) 基于图像识别的资产分类方法、系统、终端及存储介质
CN113516165B (zh) 一种基于图像金字塔匹配后验的客户满意度判别方法
CN113361497B (zh) 基于训练样本指纹识别智能尾箱应用方法及设备
CN113742543B (zh) 一种数据筛选方法、装置、电子设备及存储介质
CN112733902B (zh) 烟盒识别方法
CN117540038B (zh) 智能检测虚假数据合成方法和系统
CN112634247B (zh) 基于图像分离的搬运对象识别方法及装置
CN113343955B (zh) 一种基于深度金字塔的人脸识别智能尾箱应用方法

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