CN113642489A - 非接触生物识别方法及系统 - Google Patents
非接触生物识别方法及系统 Download PDFInfo
- Publication number
- CN113642489A CN113642489A CN202110955752.3A CN202110955752A CN113642489A CN 113642489 A CN113642489 A CN 113642489A CN 202110955752 A CN202110955752 A CN 202110955752A CN 113642489 A CN113642489 A CN 113642489A
- Authority
- CN
- China
- Prior art keywords
- palm
- image
- authentication
- wind
- preset
- 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
- 238000000034 method Methods 0.000 title claims abstract description 63
- 210000003462 vein Anatomy 0.000 claims abstract description 66
- 230000008569 process Effects 0.000 claims abstract description 26
- 238000001035 drying Methods 0.000 claims abstract description 25
- 238000013459 approach Methods 0.000 claims abstract description 7
- 230000007246 mechanism Effects 0.000 claims description 38
- 238000012545 processing Methods 0.000 claims description 37
- 238000001914 filtration Methods 0.000 claims description 17
- 238000005286 illumination Methods 0.000 claims description 11
- 230000003287 optical effect Effects 0.000 claims description 6
- 238000012935 Averaging Methods 0.000 claims description 4
- 230000002146 bilateral effect Effects 0.000 claims description 4
- 238000003708 edge detection Methods 0.000 claims description 4
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 8
- 230000009182 swimming Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 241001391944 Commicarpus scandens Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000003287 bathing Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000739 chaotic effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47K—SANITARY EQUIPMENT NOT OTHERWISE PROVIDED FOR; TOILET ACCESSORIES
- A47K10/00—Body-drying implements; Toilet paper; Holders therefor
- A47K10/48—Drying by means of hot air
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Collating Specific Patterns (AREA)
Abstract
本公开提供了一种非接触生物识别方法。本公开还提供了一种非接触生物识别系统。该非接触生物识别方法包括：感知手掌是否接近；在感知到手掌接近时，为手掌提供具有第一风速的干燥风；采集手掌的图像；根据图像判断手掌上水分的量是否高于预设值；高于预设值，为手掌提供具有第二风速的干燥风，预设时间后，重新采集手掌的图像；不高于预设值，根据图像对手掌进行掌静脉认证；判断认证过程中计算的匹配分数是否高于阈值；高于阈值，输出认证结果，关闭干燥风；不高于阈值，重新为手掌提供具有第二风速的干燥风，预设时间后，重新采集手掌的图像。该非接触生物识别方法能够提高在水分大的环境中，手掌静脉识别的识别结果的准确性。
Description
技术领域
本公开属于生物识别技术领域，本公开尤其涉及一种非接触生物识别方法及系统。
背景技术
在游泳池桑拿房/浴池等地方，需要一些付款和个人身份验证过程，例如，使用泳池内的一些设施、餐厅及各种游乐设备时，必须经过个人识别过程才能支付和使用。目前主要使用的方式是，入场时提供与使用者相关的磁性识别手链等，以预付/后付方式使用，但存在着丢失、误用等问题，且必须将其戴在使用者身体上。最近虽然普及了很多具有防水功能的手机，但由于防水功能的限制和耐久性问题，很难在以上环境内自由使用。
上述问题可以通过生物识别技术的个人识别技术来克服，但是在游泳池/桑拿/浴室的情况下，存在严重的局限性。指纹识别在存在水分的情况下，根本无法正常获得特征。被水浸湿的手接触指静脉设备时无法使用。人脸识别虽然是非接触方式，几乎不会受到水分的影响，但是游泳帽或湿头发的识别性能会明显下降，在混乱的环境下人脸识别容易出现误判。虹膜识别的情况，使用方法不方便，在戴隐形眼镜较多的游泳池里，有可能会出现一些误判。对于在游泳池/桑拿房/浴池等地方，最安全、最方便使用的非接触方式的手掌静脉识别方法而言，由于静脉识别设备具有复杂的照明/光学系统的相机系统，手掌上的湿气/水分也会给特征点造成影响。
发明内容
为了解决上述技术问题中的至少一个，本公开提供了一种非接触生物识别方法。本公开的非接触生物识别方法通过以下技术方案实现：
该非接触生物识别方法包括：
感知手掌是否接近；
在感知到手掌接近时，为所述手掌提供具有第一风速的干燥风；
采集所述手掌的图像；
根据所述图像判断所述手掌上水分的量是否高于预设值；
在所述手掌上水分的量高于预设值时，为所述手掌提供具有第二风速的干燥风，所述第二风速高于所述第一风速，预设时间后，重新采集所述手掌的图像；
在所述手掌上水分的量不高于预设值时，根据所述图像对所述手掌进行掌静脉认证；
判断认证过程中计算的匹配分数是否高于阈值；
在所述匹配分数高于阈值时，输出认证结果，关闭所述干燥风；
在所述匹配分数不高于阈值时，重新为所述手掌提供具有第二风速的干燥风，预设时间后，重新采集所述手掌的图像。
根据本公开的至少一个实施方式，所述根据所述图像判断所述手掌上水分的量是否高于预设值具体包括：判断所述图像的清晰度是否满足需求；在满足需求时，判断所述图像中的掌静脉纹线是否连续；在连续时，所述手掌上水分的量不高于预设值；在不满足需求或不连续时，所述手掌上水分的量高于预设值。
根据本公开的至少一个实施方式，所述判断所述图像的清晰度是否满足需求具体包括：
对所述图像进行滤波增强处理；
计算滤波增强处理后的图像的熵值；
判断所述滤波增强处理后的图像的熵值是否在预设熵值范围内；
在所述预设熵值范围内，所述图像的清晰度满足需求，不在所述预设熵值范围内，所述图像的清晰度不满足需求。
根据本公开的至少一个实施方式，所述对所述图像进行滤波增强处理包括：
选用一组Gabor滤波器增强选定方向和尺度的图像纹理；
将滤波后的多张图像求均值；
使用bilateral滤波降噪，保留掌静脉边缘信息；
其中，Gabor滤波器中的二维Gabor函数的数学表达为：
式中：x′＝xcosθ+ysiθ，y′＝-xsinθ+ycosθ，x，y为像素坐标，θ为滤波角度，
为相位偏移，σ为高斯标准差，γ为滤波长宽比，λ为常量参数，i为虚数单位。
根据本公开的至少一个实施方式，根据以下公式计算滤波增强处理后的图像的熵值：
其中，pi，j表示邻域像素灰度均值和中心像素灰度构成的二元组。
根据本公开的至少一个实施方式，所述判断所述图像中的掌静脉纹线是否连续具体包括：
对所述图像进行滤波增强处理；
对滤波增强处理后的图像进行高斯差分处理；
对高斯差分处理后的图像进行形态学处理，得到增强的掌静脉图像；
对所述掌静脉图像进行边缘检测，统计检测到的掌静脉纹线的几何长度；
判断所述掌静脉纹线的几何长度是否在预设长度范围内；
在所述预设长度范围内，所述掌静脉纹线连续，不在所述预设长度范围内，所述掌静脉纹线不连续。
根据本公开的至少一个实施方式，通过以下公式对滤波增强处理后的图像进行高斯差分处理：
其中，x，y为像素坐标，σ1，σ2为高斯差分标准差。
根据本公开的至少一个实施方式，所述根据所述图像对所述手掌进行掌静脉认证具体包括：从所述图像中定位手掌的感兴趣区域；对所述感兴趣区域进行预处理；提取预处理后的感兴趣区域中的手掌静脉特征；将所述手掌静脉特征与用户注册模板进行匹配，并计算匹配分数。
为了解决上述技术问题中的至少一个，本公开还提供了一种非接触生物识别系统。本公开的非接触生物识别系统通过以下技术方案实现：
该非接触生物识别系统包括：
近距离传感器，用于感知手掌是否接近；
图像采集机构，用于采集所述手掌的图像；
风生成机构，用于为所述手掌提供干燥风；
识别机构，包括水分判断模块和认证模块，所述水分判断模块用于根据所述图像判断所述手掌上水分的量是否高于预设值，所述认证模块包括认证单元、分数判断单元和结果输出单元，所述认证单元用于在所述手掌上水分的量不高于预设值时，根据所述图像对所述手掌进行掌静脉认证；所述分数判断单元用于判断认证过程中计算的匹配分数是否高于阈值；所述结果输出单元用于在所述匹配分数高于阈值时，输出认证结果；
控制机构，包括第一控制单元、第二控制单元和第三控制单元；所述第一控制单元用于在感知到手掌接近时，控制所述风生成机构为所述手掌提供具有第一风速的干燥风；所述第二控制单元用于在所述手掌上水分的量高于预设值时，或者，在认证过程中计算的匹配分数不高于阈值时，控制所述风生成机构为所述手掌提供具有第二风速的干燥风，所述第二风速高于所述第一风速；所述第三控制单元用于在所述匹配分数高于阈值时，控制所述风生成机构关闭。
根据本公开的至少一个实施方式，所述非接触生物识别系统还包括照明机构，所述照明机构用于为所述图像采集机构提供照明光线；所述风生成机构提供的干燥风的风向与所述照明光线的光轴路径相同。
本公开提供一种非接触生物识别方法及系统，在该非接触生物识别方法中，首先感知手掌是否接近，在感知到手掌接近时，为手掌提供具有第一风速的干燥风(相当于预备启动)，然后采集手掌的图像，根据图像判断手掌上水分的量是否高于预设值，在手掌上有水分的量高于预设值时，为手掌提供具有第二风速的干燥风，以吹干手掌，预设时间后，重新返回采集手掌的图像，在手掌上水分的量不高于预设值时，根据图像对手掌进行掌静脉认证，进一步判断认证过程中计算的匹配分数是否高于阈值，在匹配分数高于阈值时，输出认证结果，关闭干燥风，在匹配分数不高于阈值时，重新为手掌提供具有第二风速的干燥风，继续吹干手掌，预设时间后，重新返回采集手掌的图像，直至匹配分数高于阈值输出认证结果。因此，在以上非接触生物识别过程中，通过干燥风可以及时吹干手掌，避免手掌上的湿气/水分也会给特征点造成影响，进而保证手掌静脉识别的识别结果的准确性。
附图说明
附图示出了本公开的示例性实施方式，并与其说明一起用于解释本公开的原理，其中包括了这些附图以提供对本公开的进一步理解，并且附图包括在本说明书中并构成本说明书的一部分。
图1为本发明实施例提供的非接触生物识别方法的流程图；
图2为本发明实施例提供的步骤S400的具体流程图；
图3为本发明实施例提供的子步骤S401的具体流程图；
图4为本发明实施例提供的子步骤S402的具体流程图；
图5为本发明实施例提供的非接触生物识别系统的模块图一；
图6为本发明实施例提供的非接触生物识别系统的模块图二。
附图标记说明：
1000-近距离传感器；2000-图像采集机构；3000-风生成机构；
4000-识别机构；5000-控制机构；6000-照明机构。
具体实施方式
下面结合附图和实施方式对本公开作进一步的详细说明。可以理解的是，此处所描述的具体实施方式仅用于解释相关内容，而非对本公开的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本公开相关的部分。
需要说明的是，在不冲突的情况下，本公开中的实施方式及实施方式中的特征可以相互组合。下面将参考附图并结合实施方式来详细说明本公开的技术方案。
除非另有说明，否则示出的示例性实施方式/实施例将被理解为提供可以在实践中实施本公开的技术构思的一些方式的各种细节的示例性特征。因此，除非另有说明，否则在不脱离本公开的技术构思的情况下，各种实施方式/实施例的特征可以另外地组合、分离、互换和/或重新布置。
此外，在附图中，为了清楚和/或描述性的目的，可以夸大部件的尺寸和相对尺寸。当可以不同地实施示例性实施例时，可以以不同于所描述的顺序来执行具体的工艺顺序。例如，可以基本同时执行或者以与所描述的顺序相反的顺序执行两个连续描述的工艺。此外，同样的附图标记可以表示同样的部件。
当一个部件被称作“在”另一部件“上”或“之上”、“连接到”或“结合到”另一部件时，该部件可以直接在所述另一部件上、直接连接到或直接结合到所述另一部件，或者可以存在中间部件。然而，当部件被称作“直接在”另一部件“上”、“直接连接到”或“直接结合到”另一部件时，不存在中间部件。为此，术语“连接”可以指物理连接、电气连接等，并且具有或不具有中间部件。
本文使用的术语是为了描述具体实施例的目的，而不意图是限制性的。如这里所使用的，除非上下文另外清楚地指出，否则单数形式“一个(种、者)”和“所述(该)”也意图包括复数形式。此外，当在本说明书中使用术语“包含”和/或“包括”以及它们的变型时，说明存在所陈述的特征、整体、步骤、操作、部件、组件和/或它们的组，但不排除存在或附加一个或更多个其它特征、整体、步骤、操作、部件、组件和/或它们的组。还要注意的是，如这里使用的，术语“基本上”、“大约”和其它类似的术语被用作近似术语而不用作程度术语，如此，它们被用来解释本领域普通技术人员将认识到的测量值、计算值和/或提供的值的固有偏差。
需要说明的是，如不冲突，本发明实施例中的各技术特征均可以相互结合。
本发明实施例提供一种非接触生物识别方法，具体地，如图1所示，图1为本发明实施例提供的非接触生物识别方法的流程图，该非接触生物识别方法包括：
步骤S100、感知手掌是否接近。
在识别环境比较简单时，使用者有意识将手掌靠近非接触生物识别系统，则无需额外判断接近非接触生物识别系统的物体是否为手掌。若在比较复杂的识别环境中时，存在其他物体误靠近非接触生物识别系统的风险，则以上感知手掌是否接近的过程可以包括：利用近距离传感器(reflective sensor)感知是否有物体接近，如果感知到物体接近，则采集接近物体的图像，之后判断接近的物体是否是手掌。若是手掌，则执行后边的步骤。
步骤S200、在感知到手掌接近时，为手掌提供具有第一风速的干燥风。
具体可以通过预启动风扇(如开启后风扇转速从低速逐渐调节到中速)等风生成机构，为手掌提供具有第一风速的干燥风。其中，第一风速并不是指固定的速度，而是和之后的第二风速进行对比而言，若第二风速为风扇高速转动得到的干燥风的风速，则第一风速可以为风扇低速或中速转动得到的干燥风的风速。
以上为手掌提供具有第一风速的干燥风的过程，会一直持续，直到后续其他步骤中控制干燥风的有无或大小。
步骤S300、采集手掌的图像。
若在步骤S100中无需判断接近的物体是否为手掌，则在此步骤中采集手掌的图像即可，若在步骤S100中存在判断接近的物体是否为手掌的过程，且已经采集了接近物体(手掌)的图像，则此处无需再重复采集，直接执行步骤S400即可。
步骤S400、根据图像判断手掌上水分的量是否高于预设值。
其中，在手掌上水分的量高于预设值时，执行步骤S5，在手掌上水分的量不高于预设值时，执行步骤S6。
上述预设值可以根据实际需要进行设定，具体以是否足以导致图像畸变为例。以上畸变指的是，手掌上的掌纹/静脉通常具有连续的特征点，水分导致光的折射/反射，使得掌纹/静脉不连续。因此，可以通过以上原理判断手掌上水分的量是否高于预设值。
示例性地，如图2所示，图2为本发明实施例提供的步骤S400的具体流程图，本发明实施例中，根据图像判断手掌上水分的量是否高于预设值具体包括：子步骤S401、判断图像的清晰度是否满足需求，在满足需求时，执行子步骤S402；子步骤S402、判断图像中的掌静脉纹线是否连续。其中，掌静脉纹线连续，手掌上水分的量不高于预设值，图像的清晰度不满足需求或掌静脉纹线不连续，手掌上水分的量高于预设值。
具体地，如图3所示，图3为本发明实施例提供的子步骤S401的具体流程图，本发明实施例中，判断图像的清晰度是否满足需求具体包括：
子步骤S4011、对图像进行滤波增强处理。
具体地，对图像进行滤波增强处理具体包括：
选用一组Gabor滤波器增强选定方向和尺度的图像纹理；
将滤波后的多张图像求均值；
使用bilateral滤波降噪，保留掌静脉边缘信息；
其中，Gabor滤波器中的二维Gabor函数的数学表达为：
式中：x′＝xcosθ+ysinθ,y′＝-xsinθ+ycosθ，x，y为像素坐标，θ为滤波角度，
为相位偏移，σ为高斯标准差，γ为滤波长宽比，λ为常量参数，i为虚数单位。
子步骤S4012、计算滤波增强处理后的图像的熵值。
熵值(entropy)能反映图像信息丰富程度，因此本发明实施例中采用熵值来衡量图像的清晰度。
具体地，根据以下公式计算滤波增强处理后的图像的熵值：
其中，pi，j表示邻域像素灰度均值和中心像素灰度构成的二元组。
子步骤S4013、判断滤波增强处理后的图像的熵值是否在预设熵值范围内。
其中，在预设熵值范围内，图像的清晰度满足需求，不在预设熵值范围内，图像的清晰度不满足需求。也就是说，正常情况下，掌静脉图像清晰稳定，熵值范围满足[T1，T2]，手掌沾水后，掌静脉图像清晰度下降，熵值不满足此范围。
具体地，如图4所示，图4为本发明实施例提供的子步骤S402的具体流程图，本发明实施例中，判断图像中的掌静脉纹线是否连续具体包括：
子步骤S4021、对图像进行滤波增强处理。
具体地，对图像进行滤波增强处理具体包括：
选用一组Gabor滤波器增强选定方向和尺度的图像纹理；
将滤波后的多张图像求均值；
使用bilateral滤波降噪，保留掌静脉边缘信息；
其中，Gabor滤波器中的二维Gabor函数的数学表达为：
式中：x′＝xcosθ+ysinθ，y′＝-xsing+ycosθ，x，y为像素坐标，θ为滤波角度，
为相位偏移，σ为高斯标准差，γ为滤波长宽比，λ为常量参数，i为虚数单位。
子步骤S4022、对滤波增强处理后的图像进行高斯差分处理。
具体地，通过以下公式对滤波增强处理后的图像进行高斯差分处理：
其中，x，y为像素坐标，σ1，σ2为高斯差分标准差。
子步骤S4023、对高斯差分处理后的图像进行形态学处理，得到增强的掌静脉图像。
此处的形态学指的是数学形态学(mathematical Morphology)，用于从图像中提取对表达和描绘区域形状有意义的图像分量，使后续的识别工作能够抓住目标对象最为本质(最具区分能力－most discriminative)的形状特征，如边界和连通区域等。
子步骤S4024、对掌静脉图像进行边缘检测，统计检测到的掌静脉纹线的几何长度。
具体可以对掌静脉图像进行canny边缘检测，统计检测到的掌静脉纹线的几何长度。
子步骤S4025、判断掌静脉纹线的几何长度是否在预设长度范围内。
其中，在预设长度范围内，掌静脉纹线连续，不在预设长度范围内，掌静脉纹线不连续。也就是说，正常情况下，掌静脉纹线的长度范围满足[L1，L2]，手掌沾水后，掌静脉纹线容易发生断裂，长度不满足此范围。
步骤S500、为手掌提供具有第二风速的干燥风，第二风速高于第一风速，预设时间后，返回执行步骤S300重新采集手掌的图像。
具体地，在步骤S400中，判断手掌上水分的量高于预设值时，提高风扇等风生成机构的转速，为手掌提供具有第二风速的干燥风。其中，第二风速并不是指固定的速度，而是和之前的第一风速进行对比而言，若第一风速为风扇低速或中速转动得到的干燥风的风速，则第二风速可以为风扇高速转动得到的干燥风的风速。
以上预设时间本领域技术人员可以根据实际需要进行设置，此处不再进行限定。
需要说明的是，预设时间后，返回执行步骤S300，为手掌提供的干燥风也相应调节为第一风速，而非停止。
步骤S600、根据图像对手掌进行掌静脉认证。
具体地，在步骤S400中，判断手掌上水分的量不高于预设值时，即可根据图像对手掌进行掌静脉认证。
可选地，根据图像对手掌进行掌静脉认证的过程具体可以为：从图像中定位手掌的感兴趣区域(region of interest，ROI)，然后对感兴趣区域进行预处理，并提取预处理后的感兴趣区域的手掌静脉特征，最后将提取到的手掌静脉特征与用户注册模板进行匹配，计算匹配分数。
上述匹配分数的计算过程如下：首先计算手掌静脉特征和用户注册模板比较的向量相似性分数(向量相似性的计算方法包括：L1范数，Hamming距离等)，然后计算手掌静脉特征和用户注册模板比较的位置匹配分数(位置计算方法为立体匹配)，最后将向量相似性分数和位置匹配分数进行融合、归一化，得到匹配分数(匹配分数为0-100之间的浮点数)。
步骤S700、判断认证过程中计算的匹配分数是否高于阈值。
其中，在匹配分数高于阈值时，执行步骤S800，在匹配分数不高于阈值时，返回执行步骤S500，也就是重新为手掌提供具有第二风速的干燥风，预设时间后，重新返回执行步骤S300采集手掌的图像。
步骤S700的目的在于，防止在手掌上水分的量不高于预设值，手掌上只一部分有水分，只发生部分畸变时，最终认证结果被判定为“拒绝(Reject)”的情况出现。
步骤S800、输出认证结果，关闭干燥风。
此认证结果为“通过”、“成功”等。
在本发明实施例提供的非接触生物识别方法中，首先感知手掌是否接近，在感知到手掌接近时，为手掌提供具有第一风速的干燥风(相当于预备启动)，然后采集手掌的图像，根据图像判断手掌上水分的量是否高于预设值，在手掌上有水分的量高于预设值时，为手掌提供具有第二风速的干燥风，以吹干手掌，预设时间后，重新返回采集手掌的图像，在手掌上水分的量不高于预设值时，根据图像对手掌进行掌静脉认证，进一步判断认证过程中计算的匹配分数是否高于阈值，在匹配分数高于阈值时，输出认证结果，关闭干燥风，在匹配分数不高于阈值时，重新为手掌提供具有第二风速的干燥风，继续吹干手掌，预设时间后，重新返回采集手掌的图像，直至匹配分数高于阈值输出认证结果。因此，在以上非接触生物识别过程中，通过干燥风可以及时吹干手掌，避免手掌上的湿气/水分也会给特征点造成影响，进而保证手掌静脉识别的识别结果的准确性。
在上述非接触生物识别方法中，执行各步骤时，不会给用户单独的指令或动作改变，都是自动去判断/进行，因此用户不需要执行其他操作。而且，由于风扇会根据手的情况以可变的方式操作，可以使功耗最小化，并且可以最小化用户的反感。
此外，本发明实施例还提供了一种非接触生物识别系统，具体地，如图5所示，图5为本发明实施例提供的非接触生物识别系统的模块图一，该非接触生物识别系统包括：
近距离传感器1000，用于感知手掌是否接近；
图像采集机构2000，用于采集手掌的图像；
风生成机构3000，用于为手掌提供干燥风；
识别机构4000，包括水分判断模块和认证模块，水分判断模块用于根据图像判断手掌上水分的量是否高于预设值，认证模块包括认证单元、分数判断单元和结果输出单元，认证单元用于在手掌上水分的量不高于预设值时，根据图像对手掌进行掌静脉认证；分数判断单元用于判断认证过程中计算的匹配分数是否高于阈值；结果输出单元用于在匹配分数高于阈值时，输出认证结果；
控制机构5000，包括第一控制单元、第二控制单元和第三控制单元；第一控制单元用于在感知到手掌接近时，控制风生成机构3000为手掌提供具有第一风速的干燥风；第二控制单元用于在手掌上有水分的量高于预设值时，或者，在认证过程中计算的匹配分数不高于阈值时，控制风生成机构3000为手掌提供具有第二风速的干燥风，第二风速高于第一风速；第三控制单元用于在匹配分数高于阈值时，控制风生成机构3000关闭。
以上风生成机构3000具体可以为风扇。
可选地，如图6所示，图6为本发明实施例提供的非接触生物识别系统的模块图二，本发明实施例中非接触生物识别系统还包括照明机构6000，照明机构6000用于为图像采集机构提供照明光线；风生成机构3000提供的干燥风的风向与照明光线的光轴路径相同。此时，风生成结构3000提供的干燥风对采集到的图像的提升效果最好。
需要说明的是，以上非接触生物识别方法中各步骤、子步骤的具体内容，均适用于其对应的机构/单元，此处不再进行赘述。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本公开的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本公开的实施方式所属技术领域的技术人员所理解。处理器执行上文所描述的各个方法和处理。例如，本公开中的方法实施方式可以被实现为软件程序，其被有形地包含于机器可读介质，例如存储器。在一些实施方式中，软件程序的部分或者全部可以经由存储器和/或通信接口而被载入和/或安装。当软件程序加载到存储器并由处理器执行时，可以执行上文描述的方法中的一个或多个步骤。备选地，在其他实施方式中，处理器可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行上述方法之一。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，可以具体实现在任何可读存储介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。
就本说明书而言，“可读存储介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。可读存储介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式只读存储器(CDROM)。另外，可读存储介质甚至可以是可在其上打印程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得程序，然后将其存储在存储器中。
应当理解，本公开的各部分可以用硬件、软件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施方式方法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，的程序可以存储于一种可读存储介质中，该程序在执行时，包括方法实施方式的步骤之一或其组合。
此外，在本公开各个实施方式中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。集成的模块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，也可以存储在一个可读存储介质中。存储介质可以是只读存储器，磁盘或光盘等。
在本说明书的描述中，参考术语“一个实施方式/方式”、“一些实施方式/方式”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施方式/方式或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施方式/方式或示例中。在本说明书中，对上述术语的示意性表述不必须的是相同的实施方式/方式或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施方式/方式或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施方式/方式或示例以及不同实施方式/方式或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
本领域的技术人员应当理解，上述实施方式仅仅是为了清楚地说明本公开，而并非是对本公开的范围进行限定。对于所属领域的技术人员而言，在上述公开的基础上还可以做出其它变化或变型，并且这些变化或变型仍处于本公开的范围内。
Claims (10)
1.一种非接触生物识别方法，其特征在于，包括：
感知手掌是否接近；
在感知到手掌接近时，为所述手掌提供具有第一风速的干燥风；
采集所述手掌的图像；
根据所述图像判断所述手掌上水分的量是否高于预设值；
在所述手掌上水分的量高于预设值时，为所述手掌提供具有第二风速的干燥风，所述第二风速高于所述第一风速，预设时间后，重新采集所述手掌的图像；
在所述手掌上水分的量不高于预设值时，根据所述图像对所述手掌进行掌静脉认证；
判断认证过程中计算的匹配分数是否高于阈值；
在所述匹配分数高于阈值时，输出认证结果，关闭所述干燥风；
在所述匹配分数不高于阈值时，重新为所述手掌提供具有第二风速的干燥风，预设时间后，重新采集所述手掌的图像。
2.根据权利要求1所述的非接触生物识别方法，其特征在于，所述根据所述图像判断所述手掌上水分的量是否高于预设值具体包括：判断所述图像的清晰度是否满足需求；在满足需求时，判断所述图像中的掌静脉纹线是否连续；在连续时，所述手掌上水分的量不高于预设值；在不满足需求或不连续时，所述手掌上水分的量高于预设值。
3.根据权利要求2所述的非接触生物识别方法，其特征在于，所述判断所述图像的清晰度是否满足需求具体包括：
对所述图像进行滤波增强处理；
计算滤波增强处理后的图像的熵值；
判断所述滤波增强处理后的图像的熵值是否在预设熵值范围内；
在所述预设熵值范围内，所述图像的清晰度满足需求，不在所述预设熵值范围内，所述图像的清晰度不满足需求。
4.根据权利要求3所述的非接触生物识别方法，其特征在于，所述对所述图像进行滤波增强处理包括：
选用一组Gabor滤波器增强选定方向和尺度的图像纹理；
将滤波后的多张图像求均值；
使用bilateral滤波降噪，保留掌静脉边缘信息；
其中，Gabor滤波器中的二维Gabor函数的数学表达为：
式中：x′＝xcosθ+ysinθ，y′＝-xsinθ+ycosθ，x，y为像素坐标，θ为滤波角度，
为相位偏移，σ为高斯标准差，γ为滤波长宽比，λ为常量参数，i为虚数单位。
5.根据权利要求3所述的非接触生物识别方法，其特征在于，根据以下公式计算滤波增强处理后的图像的熵值：
其中，pi，j表示邻域像素灰度均值和中心像素灰度构成的二元组。
6.根据权利要求2所述的非接触生物识别方法，其特征在于，所述判断所述图像中的掌静脉纹线是否连续具体包括：
对所述图像进行滤波增强处理；
对滤波增强处理后的图像进行高斯差分处理；
对高斯差分处理后的图像进行形态学处理，得到增强的掌静脉图像；
对所述掌静脉图像进行边缘检测，统计检测到的掌静脉纹线的几何长度；
判断所述掌静脉纹线的几何长度是否在预设长度范围内；
在所述预设长度范围内，所述掌静脉纹线连续，不在所述预设长度范围内，所述掌静脉纹线不连续。
7.根据权利要求6所述的非接触生物识别方法，其特征在于，通过以下公式对滤波增强处理后的图像进行高斯差分处理：
其中，x，y为像素坐标，σ1，σ2为高斯差分标准差。
8.根据权利要求1所述的非接触生物识别方法，其特征在于，所述根据所述图像对所述手掌进行掌静脉认证具体包括：从所述图像中定位手掌的感兴趣区域；对所述感兴趣区域进行预处理；提取预处理后的感兴趣区域中的手掌静脉特征；将所述手掌静脉特征与用户注册模板进行匹配，并计算匹配分数。
9.一种非接触生物识别系统，其特征在于，包括：
近距离传感器，用于感知手掌是否接近；
图像采集机构，用于采集所述手掌的图像；
风生成机构，用于为所述手掌提供干燥风；
识别机构，包括水分判断模块和认证模块，所述水分判断模块用于根据所述图像判断所述手掌上水分的量是否高于预设值，所述认证模块包括认证单元、分数判断单元和结果输出单元，所述认证单元用于在所述手掌上水分的量不高于预设值时，根据所述图像对所述手掌进行掌静脉认证；所述分数判断单元用于判断认证过程中计算的匹配分数是否高于阈值；所述结果输出单元用于在所述匹配分数高于阈值时，输出认证结果；
控制机构，包括第一控制单元、第二控制单元和第三控制单元；所述第一控制单元用于在感知到手掌接近时，控制所述风生成机构为所述手掌提供具有第一风速的干燥风；所述第二控制单元用于在所述手掌上水分的量高于预设值时，或者，在认证过程中计算的匹配分数不高于阈值时，控制所述风生成机构为所述手掌提供具有第二风速的干燥风，所述第二风速高于所述第一风速；所述第三控制单元用于在所述匹配分数高于阈值时，控制所述风生成机构关闭。
10.根据权利要求9所述的非接触生物识别系统，其特征在于，还包括照明机构，所述照明机构用于为所述图像采集机构提供照明光线；所述风生成机构提供的干燥风的风向与所述照明光线的光轴路径相同。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110955752.3A CN113642489B (zh) | 2021-08-19 | 2021-08-19 | 非接触生物识别方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110955752.3A CN113642489B (zh) | 2021-08-19 | 2021-08-19 | 非接触生物识别方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113642489A true CN113642489A (zh) | 2021-11-12 |
| CN113642489B CN113642489B (zh) | 2024-02-23 |
Family
ID=78422912
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110955752.3A Active CN113642489B (zh) | 2021-08-19 | 2021-08-19 | 非接触生物识别方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113642489B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115273282A (zh) * | 2022-07-26 | 2022-11-01 | 宁波芯然科技有限公司 | 一种基于掌静脉识别的车门解锁方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106228151A (zh) * | 2016-05-04 | 2016-12-14 | 中国人民解放军国防科学技术大学 | 指掌静脉融合特征识别方法 |
| US20170011210A1 (en) * | 2014-02-21 | 2017-01-12 | Samsung Electronics Co., Ltd. | Electronic device |
| US20180357499A1 (en) * | 2015-11-24 | 2018-12-13 | Xiamen Zkteco Information Technology Co., Ltd. | Palm vein identification method and device |
| CN109389103A (zh) * | 2018-11-30 | 2019-02-26 | 青岛奥美克生物信息科技有限公司 | 生物识别图像采集装置 |
| CN112016516A (zh) * | 2020-09-11 | 2020-12-01 | 深兰科技（上海）有限公司 | 掌脉识别方法、掌脉识别装置 |
| CN112308044A (zh) * | 2020-11-27 | 2021-02-02 | 程自昂 | 针对掌静脉图像的图像增强处理方法和掌静脉识别方法 |
-
2021
- 2021-08-19 CN CN202110955752.3A patent/CN113642489B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170011210A1 (en) * | 2014-02-21 | 2017-01-12 | Samsung Electronics Co., Ltd. | Electronic device |
| US20180357499A1 (en) * | 2015-11-24 | 2018-12-13 | Xiamen Zkteco Information Technology Co., Ltd. | Palm vein identification method and device |
| CN106228151A (zh) * | 2016-05-04 | 2016-12-14 | 中国人民解放军国防科学技术大学 | 指掌静脉融合特征识别方法 |
| CN109389103A (zh) * | 2018-11-30 | 2019-02-26 | 青岛奥美克生物信息科技有限公司 | 生物识别图像采集装置 |
| CN112016516A (zh) * | 2020-09-11 | 2020-12-01 | 深兰科技（上海）有限公司 | 掌脉识别方法、掌脉识别装置 |
| CN112308044A (zh) * | 2020-11-27 | 2021-02-02 | 程自昂 | 针对掌静脉图像的图像增强处理方法和掌静脉识别方法 |
Non-Patent Citations (2)
| Title |
|---|
| GAURAV JASWAL: "Palm print ROI extraction using Bresenham line algorithm", 《IEEE》, 25 January 2018 (2018-01-25) * |
| 才华: "生物识别技术在金融支付领域应用探索", 《计算机应用与软件》, 30 April 2021 (2021-04-30) * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115273282A (zh) * | 2022-07-26 | 2022-11-01 | 宁波芯然科技有限公司 | 一种基于掌静脉识别的车门解锁方法 |
| CN115273282B (zh) * | 2022-07-26 | 2024-05-17 | 宁波芯然科技有限公司 | 一种基于掌静脉识别的车门解锁方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113642489B (zh) | 2024-02-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| TWI737040B (zh) | 指紋識別方法、晶片及電子裝置 | |
| Liu et al. | Fingerprint reference-point detection | |
| Chikkerur et al. | Fingerprint image enhancement using STFT analysis | |
| CN108009472B (zh) | 一种基于卷积神经网络和贝叶斯分类器的指背关节纹识别方法 | |
| WO2017059591A1 (zh) | 手指静脉识别方法及装置 | |
| Lopez-Molina et al. | Unsupervised ridge detection using second order anisotropic Gaussian kernels | |
| WO2018213946A1 (zh) | 图像识别方法、图像识别装置、电子装置及计算机存储介质 | |
| CN110555380A (zh) | 基于Center Loss损失函数的指静脉识别方法 | |
| CN113642489B (zh) | 非接触生物识别方法及系统 | |
| Mohammed et al. | Accurate pupil features extraction based on new projection function | |
| Julasayvake et al. | An algorithm for fingerprint core point detection | |
| CN110427826B (zh) | 一种手掌识别方法、装置、电子设备及存储介质 | |
| CN114511885A (zh) | 手掌感兴趣区域提取系统和方法 | |
| Methani et al. | Pose invariant palmprint recognition | |
| CN111160173B (zh) | 一种基于机器人的手势识别方法及机器人 | |
| Wang et al. | Sphere-spin-image: A viewpoint-invariant surface representation for 3D face recognition | |
| KR101037759B1 (ko) | 활성형상모델과 가버 특징 벡터를 이용한 얼굴 인식 방법 | |
| Bukhari et al. | Textline information extraction from grayscale camera-captured document images | |
| CN103473546B (zh) | 一种基于结构张量的指纹方向场获取方法 | |
| Shashidhara et al. | A novel approach to circular edge detection for iris image segmentation | |
| CN110781745B (zh) | 基于复合窗及梯度加权方向滤波的尾部睫毛检测方法 | |
| Nandakumar et al. | Incorporating ancillary information in multibiometric systems | |
| Yan et al. | A novel bimodal identification approach based on hand-print | |
| Amayeh et al. | A component-based approach to hand verification | |
| Bong et al. | Application of Fixed-Radius Hough Transform In Eye Detection. |
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 |