CN113963158A - 一种掌静脉图像感兴趣区域提取方法及装置 - Google Patents
一种掌静脉图像感兴趣区域提取方法及装置 Download PDFInfo
- Publication number
- CN113963158A CN113963158A CN202111415635.4A CN202111415635A CN113963158A CN 113963158 A CN113963158 A CN 113963158A CN 202111415635 A CN202111415635 A CN 202111415635A CN 113963158 A CN113963158 A CN 113963158A
- Authority
- CN
- China
- Prior art keywords
- palm
- finger joint
- image
- region
- extracted
- 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
Landscapes
- Collating Specific Patterns (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本申请实施例公开了一种掌静脉图像感兴趣区域提取方法及装置。本申请实施例提供的技术方案通过手掌关键点检测模型识别待提取图像中的手掌关键点,根据手掌关键点确定手掌类型和手掌倾斜信息,并根据手掌类型和手掌倾斜信息对待提取图像进行旋转校准,进一步根据手掌关键点确定待提取图像中的感兴趣区域,从待提取图像的感兴趣区域中提取出掌静脉图像,在提取掌静脉图像前根据手掌类型和手掌倾斜信息进行旋转校准,提高对感兴趣区域的定位准确度,提高对掌静脉图像的提取效果。
Description
技术领域
本申请实施例涉及图像处理技术领域,尤其涉及一种掌静脉图像感兴趣区域提取方法及装置。
背景技术
在掌静脉识别流程中,一般分为注册阶段和识别阶段,而这两个阶段都包含了待提取图像采集和感兴趣区域(ROI,Region Of Interest)提取的过程。
对于非接触式的掌静脉图像提取,一般是利用红外摄像头进行,红外摄像头可以捕捉到静脉的图像并对其进行高亮显示。在采集到待提取图像后,需要从待提取图像的感兴趣区域中提取出手掌的静脉区域,目前对感兴趣区域的确定一般是通过对手掌进行关键点检测,并根据关键点确定手掌掌心,以手掌掌心为中心确定矩形的感兴趣区域,再基于感兴趣区域提取掌静脉图像,这种掌静脉图像的提取方式容易出现感兴趣区域定位偏差的情况,掌静脉图像提取效果较差。
发明内容
本申请实施例提供一种掌静脉图像感兴趣区域提取方法及装置,以解决现有技术中容易出现感兴趣区域定位偏差,掌静脉图像提取效果较差的技术问题。
在第一方面,本申请实施例提供了一种掌静脉图像感兴趣区域提取方法,包括:
通过训练好的手掌关键点检测模型,获取待提取图像中的手掌关键点,所述手掌关键点包括掌腕、拇指关节、食指关节、中指关节、无名指关节和小指关节;
根据所述手掌关键点确定所述待提取图像的手掌类型以及手掌倾斜信息,所述手掌类型包括左手手掌和右手手掌;
根据所述手掌类型以及所述手掌倾斜信息,对所述待提取图像进行旋转校准;
根据所述手掌关键点确定所述待提取图像中的感兴趣区域,并从所述待提取图像的所述感兴趣区域中提取出掌静脉图像。
进一步的,所述根据所述手掌关键点确定所述待提取图像的手掌类型以及手掌倾斜信息,包括:
根据各个所述手掌关键点的坐标信息以及各所述手掌关键点的位置关系,确定所述待提取图像的手掌类型;
根据各个所述手掌关键点的坐标信息确定所述食指关节和所述小指关节之间的关节连线,计算所述关节连线的连线斜率。
进一步的,所述根据各个所述手掌关键点的坐标信息以及各所述手掌关键点的位置关系,确定所述待提取图像的手掌类型,包括:
在各个所述手掌关键点的坐标信息满足左手位置关系时,确定手掌类型为左手手掌;
在各个所述手掌关键点的坐标信息满足右手位置关系时,确定手掌类型为右手手掌。
进一步的,所述左手位置关系为:所述掌腕在其他所述手掌关键点的第一方向、所述拇指关节在所述食指关节、所述中指关节、所述无名指关节和所述小指关节的第一方向,以及所述拇指关节在其他所述手掌关键点的第二方向、所述食指关节在所述中指关节、所述无名指关节和所述小指关节的第二方向、所述中指关节在所述无名指关节和所述小指关节的第二方向、所述无名指关节在所述小指关节的第二方向,所述第一方向为所述第二方向逆时针旋转90°的方向;
所述右手位置关系为:所述掌腕在其他所述手掌关键点的第一方向、所述拇指关节在所述食指关节、所述中指关节、所述无名指关节和所述小指关节的第一方向,以及所述拇指关节在其他所述手掌关键点的第四方向、所述食指关节在所述中指关节、所述无名指关节和所述小指关节的第四方向、所述中指关节在所述无名指关节和所述小指关节的第四方向、所述无名指关节在所述小指关节的第四方向,所述第一方向为所述第四方向顺时针旋转90°的方向。
进一步的,所述根据所述手掌类型以及所述手掌倾斜信息,对所述待提取图像进行旋转校准,包括:
根据所述手掌倾斜信息,计算所述食指关节和所述小指关节之间的关节连线与图像横轴以及图像纵轴之间的第一角度和第二角度;
在所述手掌类型为右手手掌时,以所述食指关节为原点,以所述第二角度顺时针旋转所述待提取图像;
在所述手掌类型为左手手掌且所述第一角度大于零时,以所述食指关节为原点,以所述第一角度与90°的差顺时针旋转所述待提取图像;
在所述手掌类型为左手手掌且所述第一角度小于零时,以所述食指关节为原点,以所述第一角度与90°的和顺时针旋转所述待提取图像。
进一步的,所述计算所述食指关节和所述小指关节之间的关节连线与图像横轴以及图像纵轴之间的第一角度和第二角度之后,还包括:
在所述第一角度小于等于0°时,将所述第一角度增加180°。
进一步的,所述根据所述手掌关键点确定所述待提取图像中的感兴趣区域,包括:
确定所述食指关节和所述小指关节之间的连线距离,根据设定距离权重和所述连线距离确定区域边长;
根据所述手掌类型、所述食指关节和所述连线距离确定区域起点;
根据所述区域边长和所述区域起点确定所述待提取图像中的感兴趣区域。
进一步的,所述根据所述手掌类型、所述食指关节和所述连线距离确定区域起点,包括:
在所述手掌类型为左手手掌时,区域起点的横坐标为:ROI.X=index_x+a*d,区域起点的纵坐标为:ROI.Y=index_y-(1-a)*d,其中index_x和index_y分别为所述食指关节的横坐标和纵坐标,d为所述连线距离,a为设定权值;
在所述手掌类型为右手手掌时,区域起点的横坐标为:ROI.X=index_x+a*d,区域起点的纵坐标为:ROI.Y=index_y+a*d。
进一步的,所述根据所述手掌类型、所述食指关节和所述连线距离确定区域起点之后,还包括:
根据输出目标尺寸和所述区域起点,确定旋转校准是否正确;
若旋转校准错误,直接输出待提取图像。
进一步的,所述输出目标尺寸为m*n;
所述根据输出目标尺寸和所述区域起点,确定旋转校准是否正确,包括:
在ROI.X≤0、ROI.Y≤0、(ROI.X+d)>1280且(ROI.Y+d)>720时,确定旋转校准正确,否则确定旋转校准错误。
在第二方面,本申请实施例提供了一种掌静脉图像感兴趣区域提取装置,包括关键点提取模块、手掌分析模块、旋转校准模块和图像提取模块,其中:
所述关键点提取模块,用于通过训练好的手掌关键点检测模型,获取待提取图像中的手掌关键点,所述手掌关键点包括掌腕、拇指关节、食指关节、中指关节、无名指关节和小指关节;
所述手掌分析模块,用于根据所述手掌关键点确定所述待提取图像的手掌类型以及手掌倾斜信息,所述手掌类型包括左手手掌和右手手掌;
所述旋转校准模块,用于根据所述手掌类型以及所述手掌倾斜信息,对所述待提取图像进行旋转校准;
所述图像提取模块,用于根据所述手掌关键点确定所述待提取图像中的感兴趣区域,并从所述待提取图像的所述感兴趣区域中提取出掌静脉图像。
进一步的,所述手掌分析模块具体用于:根据各个所述手掌关键点的坐标信息以及各所述手掌关键点的位置关系,确定所述待提取图像的手掌类型;
根据各个所述手掌关键点的坐标信息确定所述食指关节和所述小指关节之间的关节连线,计算所述关节连线的连线斜率。
进一步的,所述手掌分析模块在根据各个所述手掌关键点的坐标信息以及各所述手掌关键点的位置关系,确定所述待提取图像的手掌类型时,包括:
在各个所述手掌关键点的坐标信息满足左手位置关系时,确定手掌类型为左手手掌;
在各个所述手掌关键点的坐标信息满足右手位置关系时,确定手掌类型为右手手掌。
进一步的,所述左手位置关系为:所述掌腕在其他所述手掌关键点的第一方向、所述拇指关节在所述食指关节、所述中指关节、所述无名指关节和所述小指关节的第一方向,以及所述拇指关节在其他所述手掌关键点的第二方向、所述食指关节在所述中指关节、所述无名指关节和所述小指关节的第二方向、所述中指关节在所述无名指关节和所述小指关节的第二方向、所述无名指关节在所述小指关节的第二方向,所述第一方向为所述第二方向逆时针旋转90°的方向;
所述右手位置关系为:所述掌腕在其他所述手掌关键点的第一方向、所述拇指关节在所述食指关节、所述中指关节、所述无名指关节和所述小指关节的第一方向,以及所述拇指关节在其他所述手掌关键点的第四方向、所述食指关节在所述中指关节、所述无名指关节和所述小指关节的第四方向、所述中指关节在所述无名指关节和所述小指关节的第四方向、所述无名指关节在所述小指关节的第四方向,所述第一方向为所述第四方向顺时针旋转90°的方向。
进一步的,所述旋转校准模块具体用于:根据所述手掌倾斜信息,计算所述食指关节和所述小指关节之间的关节连线与图像横轴以及图像纵轴之间的第一角度和第二角度;
在所述手掌类型为右手手掌时,以所述食指关节为原点,以所述第二角度顺时针旋转所述待提取图像;
在所述手掌类型为左手手掌且所述第一角度大于零时,以所述食指关节为原点,以所述第一角度与90°的差顺时针旋转所述待提取图像;
在所述手掌类型为左手手掌且所述第一角度小于零时,以所述食指关节为原点,以所述第一角度与90°的和顺时针旋转所述待提取图像。
进一步的,所述旋转校准模块在计算所述食指关节和所述小指关节之间的关节连线与图像横轴以及图像纵轴之间的第一角度和第二角度之后,还包括:
在所述第一角度小于等于0°时,将所述第一角度增加180°。
进一步的,所述图像提取模块在根据所述手掌关键点确定所述待提取图像中的感兴趣区域时,包括:
确定所述食指关节和所述小指关节之间的连线距离,根据设定距离权重和所述连线距离确定区域边长;
根据所述手掌类型、所述食指关节和所述连线距离确定区域起点;
根据所述区域边长和所述区域起点确定所述待提取图像中的感兴趣区域。
进一步的,所述图像提取模块在根据所述手掌类型、所述食指关节和所述连线距离确定区域起点时,包括:
在所述手掌类型为左手手掌时,区域起点的横坐标为:ROI.X=index_x+a*d,区域起点的纵坐标为:ROI.Y=index_y-(1-a)*d,其中index_x和index_y分别为所述食指关节的横坐标和纵坐标,d为所述连线距离,a为设定权值;
在所述手掌类型为右手手掌时,区域起点的横坐标为:ROI.X=index_x+a*d,区域起点的纵坐标为:ROI.Y=index_y+a*d。
进一步的,所述装置还包括校准纠错模块,用于根据输出目标尺寸和所述区域起点,确定旋转校准是否正确;
若旋转校准错误,直接输出待提取图像。
进一步的,所述输出目标尺寸为m*n;
所述校准纠错模块在根据输出目标尺寸和所述区域起点,确定旋转校准是否正确时,包括:
在ROI.X≤0、ROI.Y≤0、(ROI.X+d)>1280且(ROI.Y+d)>720时,确定旋转校准正确,否则确定旋转校准错误。
在第三方面,本申请实施例提供了一种掌静脉图像感兴趣区域提取设备,包括:存储器以及一个或多个处理器;
所述存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如第一方面所述的掌静脉图像感兴趣区域提取方法。
在第四方面,本申请实施例提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如第一方面所述的掌静脉图像感兴趣区域提取方法。
本申请实施例通过手掌关键点检测模型识别待提取图像中的手掌关键点,根据手掌关键点确定手掌类型和手掌倾斜信息,并根据手掌类型和手掌倾斜信息对待提取图像进行旋转校准,进一步根据手掌关键点确定待提取图像中的感兴趣区域,从待提取图像的感兴趣区域中提取出掌静脉图像,在提取掌静脉图像前根据手掌类型和手掌倾斜信息进行旋转校准,提高对感兴趣区域的定位准确度,提高对掌静脉图像的提取效果。
附图说明
图1是本申请实施例提供的一种掌静脉图像感兴趣区域提取方法的流程图;
图2是本申请实施例提供的一种左手手掌上的手掌关键点的分布示意图;
图3是本申请实施例提供的另一种掌静脉图像感兴趣区域提取方法的流程图;
图4是本申请实施例提供的一种左手手掌中关节连线的示意图;
图5是本申请实施例提供的一种旋转校准后的待提取图像的示意图;
图6是本申请实施例提供的一种掌静脉图像感兴趣区域提取装置的结构示意图;
图7是本申请实施例提供的一种掌静脉图像感兴趣区域提取设备的结构示意图。
具体实施方式
为了使本申请的目的、技术方案和优点更加清楚,下面结合附图对本申请具体实施例作进一步的详细描述。可以理解的是,此处所描述的具体实施例仅仅用于解释本申请,而非对本申请的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本申请相关的部分而非全部内容。在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理,但是其中的许多操作可以被并行地、并发地或者同时实施。此外,各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止,但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
图1给出了本申请实施例提供的一种掌静脉图像感兴趣区域提取方法的流程图,本申请实施例提供的掌静脉图像感兴趣区域提取方法可以由掌静脉图像感兴趣区域提取装置来执行,该掌静脉图像感兴趣区域提取装置可以通过硬件和/或软件的方式实现,并集成在掌静脉图像感兴趣区域提取设备中。
下述以掌静脉图像感兴趣区域提取装置执行掌静脉图像感兴趣区域提取方法为例进行描述。参考图1,该掌静脉图像感兴趣区域提取方法包括:
S101:通过训练好的手掌关键点检测模型,获取待提取图像中的手掌关键点,所述手掌关键点包括掌腕、拇指关节、食指关节、中指关节、无名指关节和小指关节。
本实施例提供的手掌关键点检测模型用于对输入的待提取图像进行关键点识别分析,识别并输出待提取图像中的手掌关键点(手掌关键点包括对应关键点的坐标信息、是否可见以及置信度,坐标信息包括横轴坐标和纵轴坐标,其中是否可见用于指示对应手掌关键点在待提取图像中是否可见)。本实施例提供的手掌关键点设置为6个,具体的,手掌关键点包括掌腕(wrist)、拇指关节(thumb)、食指关节(index)、中指关节(middle)、无名指关节(ring)和小指关节(pinky),即掌腕和每根手指与手掌连接的关节点,如图2所示的一种左手手掌上的手掌关键点的分布示意图,图中P0-P5依序为手掌关键点中的掌腕、拇指关节、食指关节、中指关节、无名指关节和小指关节。
在一个可能的实施例中,本方案基于openmmlab/mmpose项目中的2D HandKeypoint的6点手掌关键点检测,例如,本实施例提供的手掌关键点检测模型基于openmmlab/mmpose项目中的2D Hand Keypoint的手掌关键点检测模型的基础上进行构建,例如对2D Hand Keypoint的手掌关键点检测模型进行标注结构的修改。一般的,2D HandKeypoint的手掌关键点检测模型用于对手掌上的21个关键点进行检测,本实施例将这21个关键点修改为掌腕、拇指关节、食指关节、中指关节、无名指关节和小指关节这6个手掌关键点,并且将手掌关键点模型中骨架的链接方式修改为[0,1],[0,2],[0,3],[0,4]和[0,5],即骨架的链接方式为掌腕链接到其他5个手掌关键点。对应的,在对手掌关键点检测模型进行训练时,用于训练的手掌样本图像标注有以上6个手掌关键点的标注信息,标注信息包括每个手掌关键点的横轴坐标、纵轴坐标和是否可见(例如0为可见,1为不可见),对应的,手掌关键点检测模型在分析待提取图像后,将输出6个手掌关键点的标注信息(横轴坐标、纵轴坐标和是否可见),以及每个标注信息的置信度。通过基于openmmlab/mmpose项目中的2DHand Keypoint的6点手掌关键点检测,可实现对手掌关键点的快速检测,保证手掌关键点检测的时效性。
可选地,对于手掌关键点检测模型的数据管理,可参照onehand10K的标注方法进行文件管理,并以JSON文件格式进行数据记录,并且把onehand10K中的segmentation和area的信息删除掉,减少非必要信息的记录,并将JSON文件中的数组数量修改至与图片数量匹配。
本实施例提供的待提取图像可通过红外摄像设备(例如非接触式的掌静脉获取设备)拍摄获取,并将待提取图像输入到手掌关键点检测模型后,由手掌关键点检测模型进行分析处理,并输出6个手掌关键点的标注信息(横轴坐标、纵轴坐标和是否可见),以及每个标注信息的置信度。可以理解的是,在置信度达到设定置信阈值时,才进行后续的步骤,否则输出原始的待提取图像。
S102:根据所述手掌关键点确定所述待提取图像的手掌类型以及手掌倾斜信息,所述手掌类型包括左手手掌和右手手掌。
示例性的,在确定待提取图像中的手掌关键点之后,可根据各个手掌关键点之间的位置关系,以及左手手掌和右手手掌中各个手掌关键点的分布规律以及相对位置关系,确定待提取图像中手掌的手掌类型,其中手掌类型包括左手手掌和右手手掌。
其中,手掌倾斜信息用于指示待提取图像中的手掌的角度相对于设定的标准手掌图像中手掌的角度的倾斜情况。可以理解的是,由于用户在进行待提取图像的拍摄时,其手掌的摆放是不固定的,手掌在拍摄得到的待提取图像中的角度(例如相对于横坐标或纵坐标的角度)与设定标准角度(例如在设定标准角度下食指至小指对应的指向与横轴或纵轴平行,或者是食指与小指的连线与横轴或纵轴平行)存在偏差,若直接在该待提取图像上进行掌静脉图像的提取,会出现掌静脉图像包含非感兴趣区域(手掌中对掌静脉分析无用的区域或手掌以外的区域)的情况,本方案在提取掌静脉图像之前,先对待提取图像进行旋转校准,以更精确更大范围地获取掌静脉图像。示例性的,确定待提取图像中食指关节和小指关节之间的关节连线,根据关节连线相对于图像横轴和图像纵轴的角度确定手掌倾斜信息。
S103:根据所述手掌类型以及所述手掌倾斜信息,对所述待提取图像进行旋转校准。
示例性的,根据手掌类型以及手掌倾斜信息,确定待提取图像中的手掌相对于标准手掌图像中手掌的偏转角度,确定旋转角度,并按照该旋转角度对待提取图像进行旋转校准,以使旋转校准后的待提取图像中的手掌的角度与设定标准角度接近或一致。
可以理解的是,对不同手掌类型采集得到的待提取图像中,倾斜的角度和方向是不同的,不同的手掌类型,分别对应不同的标准手掌图像和设定标准角度,在确定旋转校准的旋转角度时,需要根据相应的手掌类型进行。并且无论是左手手掌还是右手手掌,按照确定的旋转角度进行旋转校准后的提取图像中,手掌的角度与设定标准角度一致,例如食指至小指对应的指向与横轴或纵轴平行,或者是食指与小指的连线与横轴或纵轴平行。
S104:根据所述手掌关键点确定所述待提取图像中的感兴趣区域,并从所述待提取图像的所述感兴趣区域中提取出掌静脉图像。
示例性的,在对待提取图像进行旋转校准后,按照感兴趣区域与手掌关键点之间的预设对应关系,确定待提取图像中的感兴趣区域,并从所述待提取图像的所述感兴趣区域中提取出掌静脉图像。在得到掌静脉图像后,可将掌静脉图像用于后续的处理流程中,例如掌静脉分析、用户识别等。
为了保证在感兴趣区域中提取的掌静脉图像都是对掌静脉分析有用的信息,感兴趣区域的面积要小于手掌掌心的区域,一般的,以食指关节或小指关节为顶点,食指关节和小指关节的关节连线为边长,所形成的区域即为手掌掌心的区域,本方案在手掌掌心以内的区域确定感兴趣区域,例如将食指关节或小指关节往待提取图像内部的偏移设定程度确定顶点,食指关节和小指关节的关节连线距离的设定百分比为边长,确定待提取图像中的感兴趣区域。
上述,通过手掌关键点检测模型识别待提取图像中的手掌关键点,根据手掌关键点确定手掌类型和手掌倾斜信息,并根据手掌类型和手掌倾斜信息对待提取图像进行旋转校准,进一步根据手掌关键点确定待提取图像中的感兴趣区域,从待提取图像的感兴趣区域中提取出掌静脉图像,在提取掌静脉图像前根据手掌类型和手掌倾斜信息进行旋转校准,提高对感兴趣区域的定位准确度,提高对掌静脉图像的提取效果。
在上述实施例的基础上,图3给出了本申请实施例提供的另一种掌静脉图像感兴趣区域提取方法的流程图,该掌静脉图像感兴趣区域提取方法是对上述掌静脉图像感兴趣区域提取方法的具体化。参考图3,该掌静脉图像感兴趣区域提取方法包括:
S201:通过训练好的手掌关键点检测模型,获取待提取图像中的手掌关键点,所述手掌关键点包括掌腕、拇指关节、食指关节、中指关节、无名指关节和小指关节。
可选地,在对手掌关键点检测模型进行训练时,可基于设定图片大小(例如256*256的大小)的手掌样本图像进行。对应的,在得到待提取图像时,将待提取图像的大小缩放为设定图片大小,并对原始的待提取图像和缩放后的图像之间的像素映射关系进行记录,将缩放后待提取图像输入到手掌关键点检测模型后,由手掌关键点检测模型进行分析处理,并输出6个手掌关键点的输出标注信息(输出坐标信息、是否可见和置信度),同时,根据像素映射关系得到这些输出坐标信息在原始的待提取图像的映射位置,即待提取图像中各手掌关键点的坐标信息,最终输出该待提取图像中各个手掌关键点的标注信息(坐标信息、是否可见和置信度)。
在一个可能的实施例中,在获取待提取图像中的手掌关键点之后,还包括:确定全部手掌关键点的置信度,在全部手掌关键点的置信度均达到设定置信阈值时,继续后续步骤,若存在置信度低于设定置信阈值的手掌关键点,直接输出待提取图像。
S202:根据各个所述手掌关键点的坐标信息以及各所述手掌关键点的位置关系,确定所述待提取图像的手掌类型,所述手掌类型包括左手手掌和右手手掌。
其中,分别根据左手手掌和右手手掌中各手掌关键点相对位置的不同,确定对应的手掌关键点的位置关系,根据该位置关系以及确定的各个手掌关键点的坐标信息,即可确定待提取图像的手掌类型。具体的,在确定待提取图像中各个手掌关键点,以及各手掌关键点的坐标信息后,根据坐标信息判断这些手掌关键点的位置关系是否满足左手位置关系或右手位置关系,并据此确定手掌类型。其中左手位置关系和右手位置关系分别记录了左手手掌和右手手掌中各手掌关键点的位置关系。
示例性的,在确定各个手掌关键点的坐标信息后,根据左手位置关系判断是否满足左手手掌中各手掌关键点的位置关系,若满足,则确定待提取图像的手掌类型为左手手掌,否则,根据右手位置关系判断是否满足右手手掌中各手掌关键点的位置关系,若满足,则确定待提取图像的手掌类型为右手手掌。可以理解的是,对于左右手手掌的判断顺序可根据需要进行设定,本申请不做限定。基于此,步骤S202包括:
S2021:在各个所述手掌关键点的坐标信息满足左手位置关系时,确定手掌类型为左手手掌。
S2022:在各个所述手掌关键点的坐标信息满足右手位置关系时,确定手掌类型为右手手掌。
其中,左手位置关系为:所述掌腕在其他所述手掌关键点的第一方向、所述拇指关节在所述食指关节、所述中指关节、所述无名指关节和所述小指关节的第一方向,以及所述拇指关节在其他所述手掌关键点的第二方向、所述食指关节在所述中指关节、所述无名指关节和所述小指关节的第二方向、所述中指关节在所述无名指关节和所述小指关节的第二方向、所述无名指关节在所述小指关节的第二方向,所述第一方向为所述第二方向逆时针旋转90°的方向。
在一个可能的实施例中,设定第一方向为横轴方向,则左手位置关系为:所述掌腕位于最右方、所述拇指关节在所述食指关节、所述中指关节、所述无名指关节和所述小指关节右方,以及所述拇指关节位于最下方、所述食指关节在所述中指关节、所述无名指关节和所述小指关节下方、所述中指关节在所述无名指关节和所述小指关节下方、所述无名指关节在所述小指关节下方。
示例性的,左手位置关系可表述为:wrist_x>thumb_x&&wrist_x>pinky_x&&wrist_x>middle_x&&wrist_x>index_x&&wrist_x>ring_x&&thumb_x>index_x&&thumb_x>middle_x&&thumb_x>ring_x&&thumb_x>pinky_x&&thumb_y<index_y&&thumb_y<middle_y&&thumb_y<ring_y&&thumb_y<pinky_y&&thumb_y<wrist_y&&index_y<middle_y&&index_y<ring_y&&index_y<pinky_y&&middle_y<ring_y&&middle_y<pinky_y&&ring_y<pinky_y,其中wrist、thumb、index、middle、ring和pinky分别表示掌腕、拇指关节、食指关节、中指关节、无名指关节和小指关节,x和y分别为对应手掌关键点中坐标信息的横坐标值和纵坐标值,例如wrist_x为掌腕的横坐标值,&&为与的关系。可以理解的是,在6个手掌关键点的坐标信息满足以上位置关系时,确定手掌类型为左手手掌。
对于右手位置关系为:所述掌腕在其他所述手掌关键点的第一方向、所述拇指关节在所述食指关节、所述中指关节、所述无名指关节和所述小指关节的第一方向,以及所述拇指关节在其他所述手掌关键点的第四方向、所述食指关节在所述中指关节、所述无名指关节和所述小指关节的第四方向、所述中指关节在所述无名指关节和所述小指关节的第四方向、所述无名指关节在所述小指关节的第四方向,所述第一方向为所述第四方向顺时针旋转90°的方向。
在一个可能的实施例中,设定第一方向为横轴方向,则右手位置关系为:所述掌腕位于最右方、所述拇指关节在所述食指关节、所述中指关节、所述无名指关节和所述小指关节右方,以及所述拇指关节位于最上方、所述食指关节在所述中指关节、所述无名指关节和所述小指关节上方、所述中指关节在所述无名指关节和所述小指关节上方、所述无名指关节在所述小指关节上方。
示例性的,右手位置关系可表述为:wrist_x>thumb_x&&wrist_x>pinky_x&&wrist_x>middle_x&&wrist_x>index_x&&wrist_x>ring_x&&thumb_x>index_x&&thumb_x>middle_x&&thumb_x>ring_x&&thumb_x>pinky_x&&thumb_y>index_y&&thumb_y>middle_y&&thumb_y>ring_y&&thumb_y>pinky_y&&thumb_y>wrist_y&&index_y>middle_y&&index_y>ring_y&&index_y>pinky_y&&middle_y>ring_y&&middle_y>pinky_y&&ring_y>pinky_y。可以理解的是,在6个手掌关键点的坐标信息满足以上位置关系时,确定手掌类型为右手手掌。
可以理解的是,图像中的横轴方向和纵轴方向一般指向图像的右方和下方,本方案提供的第一方向可根据红外摄像设备拍摄的方向进行确定,例如,在拍摄得到的待提取图像中,手指指向方向(食指至小指对应的指向)朝向待提取图像的左方时,可设定第一方向为横轴方向,而手指指向方向(食指至小指对应的指向)朝向待提取图像的上方时,可设定第一方向为纵轴方向。
S203:根据各个所述手掌关键点的坐标信息确定所述食指关节和所述小指关节之间的关节连线,计算所述关节连线的连线斜率。
本实施例提供的手掌倾斜信息包括食指关节和小指关节之间的关节连线对应的连线斜率。具体的,在确定各个手掌关键点的坐标信息后,在食指关节和小指关节之间连接一条线段作为食指关节和小指关节之间的关节连线,并计算该关节连线的连线斜率。
例如,如图4所示的左手手掌中关节连线的示意图,图中横轴朝右,纵轴朝下,假设食指关节和小指关节的坐标信息分别为(X2,Y2)和(X5,Y5),在(X2,Y2)和(X5,Y5)之间连线得到关节连线L,并计算关节连线L的斜率k=(Y2-Y5)/(X2-X5)。
S204:根据所述手掌类型以及所述手掌倾斜信息,对所述待提取图像进行旋转校准。
在确定待提取图像对应的手掌类型和手掌倾斜信息后,进一步根据手掌倾斜信息确定关节连线与图像横轴和图像纵轴的之间的角度,并基于关节连线与图像横轴和图像纵轴的之间的角度,以及手掌类型对待提取图像进行旋转校准。基于此,根据所述手掌类型以及所述手掌倾斜信息,对所述待提取图像进行旋转校准包括步骤S2041-S2044:
S2041:根据所述手掌倾斜信息,计算所述食指关节和所述小指关节之间的关节连线与图像横轴以及图像纵轴之间的第一角度和第二角度。
具体的,根据关节连线的连线斜率,计算关节连线与图像横轴以及图像纵轴之间的第一角度和第二角度。如图4所示,第一角度alpha=arctan(-1/k),第二角度beta=arctan(k)。
在一个可能的实施例中,在计算所述食指关节和所述小指关节之间的关节连线与图像横轴以及图像纵轴之间的第一角度和第二角度之后,还包括:在所述第一角度小于等于0°时,将所述第一角度增加180°。具体的,在计算得到第一角度之后,判断第一角度是否小于等于0°,若第一角度小于等于0°,则将第一角度增加180°。
S2042:在所述手掌类型为右手手掌时,以所述食指关节为原点,以所述第二角度顺时针旋转所述待提取图像。
在待提取图像的手掌类型为右手手掌时,则以待提取图像中食指关节(图4中P2)为原点,以第二角度(beta)顺时针旋转待提取图像。
S2043:在所述手掌类型为左手手掌且所述第一角度大于零时,以所述食指关节为原点,以所述第一角度与90°的差顺时针旋转所述待提取图像。
在待提取图像的手掌类型为左手手掌,并且第一角度(alpha)大于零时,则以食指关节为原点,以第一角度与90°的差(alpha-90)顺时针旋转所述待提取图像。
S2044:在所述手掌类型为左手手掌且所述第一角度小于零时,以所述食指关节为原点,以所述第一角度与90°的和顺时针旋转所述待提取图像。
在待提取图像的手掌类型为左手手掌,并且第一角度小于零时,则以食指关节为原点,以第一角度与90°的和(alpha+90)顺时针旋转所述待提取图像。在对待提取图像进行旋转校准后,食指关节和小指关节之间的关节连线与图像纵轴平行。对图4中的待提取图像进行旋转校准后,得到如图5所示的旋转校准后的待提取图像的示意图。
S205:确定所述食指关节和所述小指关节之间的连线距离,根据设定距离权重和所述连线距离确定区域边长。
具体的,在完成对待提取图像的旋转校准后,进一步根据食指关节和小指关节之间的连线距离,以及设定距离权重确定感兴趣区域的区域边长。其中设定距离权重的取值范围为0~1。例如,假设设定距离权重为0.9,那么可确定感兴趣区域的区域边长为0.9d,其中d为食指关节和小指关节之间的连线距离。
S206:根据所述手掌类型、所述食指关节和所述连线距离确定区域起点。
其中,感兴趣区域的区域起点根据左右手手掌的不同而不同,具体的,本方案提供的根据所述手掌类型、所述食指关节和所述连线距离确定区域起点,包括步骤S2061-S2062:
S2061:在所述手掌类型为左手手掌时,区域起点的横坐标为:ROI.X=index_x+a*d,区域起点的纵坐标为:ROI.Y=index_y-(1-a)*d,其中index_x和index_y分别为所述食指关节的横坐标和纵坐标,d为所述连线距离,a为设定权值。
在手掌类型为左手手掌时,分别基于公式ROI.X=index_x+a*d和ROI.Y=index_y-(1-a)*d确定区域起点的横坐标和纵坐标,即区域起点的坐标为(ROI.X,ROI.Y),其中设定权值可根据的取值范围为0~1,例如a=0.05。
S2062:在所述手掌类型为右手手掌时,区域起点的横坐标为:ROI.X=index_x+a*d,区域起点的纵坐标为:ROI.Y=index_y+a*d。
在手掌类型为右手手掌时,分别基于公式ROI.X=index_x+a*d和ROI.Y=index_y+a*d确定区域起点的横坐标和纵坐标,即区域起点的坐标为(ROI.X,ROI.Y),其中设定权值可根据的取值范围为0~1,例如a=0.05。
在一个可能的实施例中,在根据所述手掌类型、所述食指关节和所述连线距离确定区域起点之后,还包括:
S2063:根据输出目标尺寸和所述区域起点,确定旋转校准是否正确。
S2064:若旋转校准错误,直接输出待提取图像。
其中,对待提取图像进行旋转校准后,旋转校准后的待提取图像对应的输出目标尺寸为m*n(例如1280*720),基于此,所述根据输出目标尺寸和所述区域起点,确定旋转校准是否正确,包括:在ROI.X≤0、ROI.Y≤0、(ROI.X+d)>1280且(ROI.Y+d)>720时,确定旋转校准正确,否则确定旋转校准错误。
在满足ROI.X≤0、ROI.Y≤0、(ROI.X+d)>1280且(ROI.Y+d)>720时,可确定旋转校准后感兴趣区域在输出目标尺寸的范围内,旋转校准正确,可继续后续的掌静脉图像提取工作,否则确定旋转校准错误,直接输出待提取图像。
S207:根据所述区域边长和所述区域起点确定所述待提取图像中的感兴趣区域,并从所述待提取图像的所述感兴趣区域中提取出掌静脉图像。
在确定区域边长和区域起点后,根据区域边长和区域起点确定感兴趣区域(图5中ROI)在待提取图像中的位置,并从待提取图像的感兴趣区域中提取出掌静脉图像。可选的,在提取出掌静脉图像后,可在根据对应手掌类型对掌静脉图像进行标注(例如增加左右手标签),便于后续提供更多额外功能。
上述,通过手掌关键点检测模型识别待提取图像中的手掌关键点,根据手掌关键点确定手掌类型和手掌倾斜信息,并根据手掌类型和手掌倾斜信息对待提取图像进行旋转校准,进一步根据手掌关键点确定待提取图像中的感兴趣区域,从待提取图像的感兴趣区域中提取出掌静脉图像,在提取掌静脉图像前根据手掌类型和手掌倾斜信息进行旋转校准,提高对感兴趣区域的定位准确度,提高对掌静脉图像的提取效果。同时,根据手掌关键点的坐标信息以及各手掌关键点的位置关系,确定待提取图像的手掌类型,更精准地对待提取图像,并且对手掌类型对掌静脉图像进行标注,便于后续提供更多额外功能,减少后期质量评价的处理负担。并根据手掌类型确定对待提取图像进行旋转校准的角度,保证掌静脉图像提取的准确度,更精确更大范围地获取在掌静脉区域的生物特征。
图6给出了本申请实施例提供的一种掌静脉图像感兴趣区域提取装置的结构示意图。参考图6,该掌静脉图像感兴趣区域提取装置包括关键点提取模块31、手掌分析模块32、旋转校准模块33和图像提取模块34。
其中,所述关键点提取模块31,用于通过训练好的手掌关键点检测模型,获取待提取图像中的手掌关键点,所述手掌关键点包括掌腕、拇指关节、食指关节、中指关节、无名指关节和小指关节;所述手掌分析模块32,用于根据所述手掌关键点确定所述待提取图像的手掌类型以及手掌倾斜信息,所述手掌类型包括左手手掌和右手手掌;所述旋转校准模块33,用于根据所述手掌类型以及所述手掌倾斜信息,对所述待提取图像进行旋转校准;所述图像提取模块34,用于根据所述手掌关键点确定所述待提取图像中的感兴趣区域,并从所述待提取图像的所述感兴趣区域中提取出掌静脉图像。
上述,通过手掌关键点检测模型识别待提取图像中的手掌关键点,根据手掌关键点确定手掌类型和手掌倾斜信息,并根据手掌类型和手掌倾斜信息对待提取图像进行旋转校准,进一步根据手掌关键点确定待提取图像中的感兴趣区域,从待提取图像的感兴趣区域中提取出掌静脉图像,在提取掌静脉图像前根据手掌类型和手掌倾斜信息进行旋转校准,提高对感兴趣区域的定位准确度,提高对掌静脉图像的提取效果。
在一个可能的实施例中,所述手掌分析模块32具体用于:根据各个所述手掌关键点的坐标信息以及各所述手掌关键点的位置关系,确定所述待提取图像的手掌类型;
根据各个所述手掌关键点的坐标信息确定所述食指关节和所述小指关节之间的关节连线,计算所述关节连线的连线斜率。
在一个可能的实施例中,所述手掌分析模块32在根据各个所述手掌关键点的坐标信息以及各所述手掌关键点的位置关系,确定所述待提取图像的手掌类型时,包括:
在各个所述手掌关键点的坐标信息满足左手位置关系时,确定手掌类型为左手手掌;
在各个所述手掌关键点的坐标信息满足右手位置关系时,确定手掌类型为右手手掌。
在一个可能的实施例中,所述左手位置关系为:所述掌腕在其他所述手掌关键点的第一方向、所述拇指关节在所述食指关节、所述中指关节、所述无名指关节和所述小指关节的第一方向,以及所述拇指关节在其他所述手掌关键点的第二方向、所述食指关节在所述中指关节、所述无名指关节和所述小指关节的第二方向、所述中指关节在所述无名指关节和所述小指关节的第二方向、所述无名指关节在所述小指关节的第二方向,所述第一方向为所述第二方向逆时针旋转90°的方向;
所述右手位置关系为:所述掌腕在其他所述手掌关键点的第一方向、所述拇指关节在所述食指关节、所述中指关节、所述无名指关节和所述小指关节的第一方向,以及所述拇指关节在其他所述手掌关键点的第四方向、所述食指关节在所述中指关节、所述无名指关节和所述小指关节的第四方向、所述中指关节在所述无名指关节和所述小指关节的第四方向、所述无名指关节在所述小指关节的第四方向,所述第一方向为所述第四方向顺时针旋转90°的方向。
在一个可能的实施例中,所述旋转校准模块33具体用于:根据所述手掌倾斜信息,计算所述食指关节和所述小指关节之间的关节连线与图像横轴以及图像纵轴之间的第一角度和第二角度;
在所述手掌类型为右手手掌时,以所述食指关节为原点,以所述第二角度顺时针旋转所述待提取图像;
在所述手掌类型为左手手掌且所述第一角度大于零时,以所述食指关节为原点,以所述第一角度与90°的差顺时针旋转所述待提取图像;
在所述手掌类型为左手手掌且所述第一角度小于零时,以所述食指关节为原点,以所述第一角度与90°的和顺时针旋转所述待提取图像。
在一个可能的实施例中,所述旋转校准模块33在计算所述食指关节和所述小指关节之间的关节连线与图像横轴以及图像纵轴之间的第一角度和第二角度之后,还包括:在所述第一角度小于等于0°时,将所述第一角度增加180°。
在一个可能的实施例中,所述图像提取模块34在根据所述手掌关键点确定所述待提取图像中的感兴趣区域时,包括:
确定所述食指关节和所述小指关节之间的连线距离,根据设定距离权重和所述连线距离确定区域边长;
根据所述手掌类型、所述食指关节和所述连线距离确定区域起点;
根据所述区域边长和所述区域起点确定所述待提取图像中的感兴趣区域。
在一个可能的实施例中,所述图像提取模块34在根据所述手掌类型、所述食指关节和所述连线距离确定区域起点时,包括:
在所述手掌类型为左手手掌时,区域起点的横坐标为:ROI.X=index_x+a*d,区域起点的纵坐标为:ROI.Y=index_y-(1-a)*d,其中index_x和index_y分别为所述食指关节的横坐标和纵坐标,d为所述连线距离,a为设定权值;
在所述手掌类型为右手手掌时,区域起点的横坐标为:ROI.X=index_x+a*d,区域起点的纵坐标为:ROI.Y=index_y+a*d。
在一个可能的实施例中,所述装置还包括校准纠错模块,用于根据输出目标尺寸和所述区域起点,确定旋转校准是否正确;
若旋转校准错误,直接输出待提取图像。
在一个可能的实施例中,所述输出目标尺寸为m*n;
所述校准纠错模块在根据输出目标尺寸和所述区域起点,确定旋转校准是否正确时,包括:
在ROI.X≤0、ROI.Y≤0、(ROI.X+d)>1280且(ROI.Y+d)>720时,确定旋转校准正确,否则确定旋转校准错误。
本申请实施例还提供了一种掌静脉图像感兴趣区域提取设备,该掌静脉图像感兴趣区域提取设备可集成本申请实施例提供的掌静脉图像感兴趣区域提取装置。图7是本申请实施例提供的一种掌静脉图像感兴趣区域提取设备的结构示意图。参考图7,该掌静脉图像感兴趣区域提取设备包括:输入装置43、输出装置44、存储器42以及一个或多个处理器41;所述存储器42,用于存储一个或多个程序;当所述一个或多个程序被所述一个或多个处理器41执行,使得所述一个或多个处理器41实现如上述实施例提供的掌静脉图像感兴趣区域提取方法。其中输入装置43、输出装置44、存储器42和处理器41可以通过总线或者其他方式连接,图7中以通过总线连接为例。
存储器42作为一种计算设备可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本申请任意实施例所述的掌静脉图像感兴趣区域提取方法对应的程序指令/模块(例如,掌静脉图像感兴趣区域提取装置中的关键点提取模块31、手掌分析模块32、旋转校准模块33和图像提取模块34)。存储器42可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据设备的使用所创建的数据等。此外,存储器42可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器42可进一步包括相对于处理器41远程设置的存储器,这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置43可用于接收输入的数字或字符信息,以及产生与设备的用户设置以及功能控制有关的键信号输入。输出装置44可包括显示屏等显示设备。
处理器41通过运行存储在存储器42中的软件程序、指令以及模块,从而执行设备的各种功能应用以及数据处理,即实现上述的掌静脉图像感兴趣区域提取方法。
上述提供的掌静脉图像感兴趣区域提取装置、设备和计算机可用于执行上述任意实施例提供的掌静脉图像感兴趣区域提取方法,具备相应的功能和有益效果。
本申请实施例还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如上述实施例提供的掌静脉图像感兴趣区域提取方法,该掌静脉图像感兴趣区域提取方法包括:通过训练好的手掌关键点检测模型,获取待提取图像中的手掌关键点,所述手掌关键点包括掌腕、拇指关节、食指关节、中指关节、无名指关节和小指关节;根据所述手掌关键点确定所述待提取图像的手掌类型以及手掌倾斜信息,所述手掌类型包括左手手掌和右手手掌;根据所述手掌类型以及所述手掌倾斜信息,对所述待提取图像进行旋转校准;根据所述手掌关键点确定所述待提取图像中的感兴趣区域,并从所述待提取图像的所述感兴趣区域中提取出掌静脉图像。
存储介质——任何的各种类型的存储器设备或存储设备。术语“存储介质”旨在包括:安装介质,例如CD-ROM、软盘或磁带装置;计算机系统存储器或随机存取存储器,诸如DRAM、DDRRAM、SRAM、EDORAM,兰巴斯(Rambus)RAM等;非易失性存储器,诸如闪存、磁介质(例如硬盘或光存储);寄存器或其它相似类型的存储器元件等。存储介质可以还包括其它类型的存储器或其组合。另外,存储介质可以位于程序在其中被执行的第一计算机系统中,或者可以位于不同的第二计算机系统中,第二计算机系统通过网络(诸如因特网)连接到第一计算机系统。第二计算机系统可以提供程序指令给第一计算机用于执行。术语“存储介质”可以包括可以驻留在不同位置中(例如在通过网络连接的不同计算机系统中)的两个或更多存储介质。存储介质可以存储可由一个或多个处理器执行的程序指令(例如具体实现为计算机程序)。
当然,本申请实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的掌静脉图像感兴趣区域提取方法,还可以执行本申请任意实施例所提供的掌静脉图像感兴趣区域提取方法中的相关操作。
上述实施例中提供的掌静脉图像感兴趣区域提取装置、设备及存储介质可执行本申请任意实施例所提供的掌静脉图像感兴趣区域提取方法,未在上述实施例中详尽描述的技术细节,可参见本申请任意实施例所提供的掌静脉图像感兴趣区域提取方法。
上述仅为本申请的较佳实施例及所运用的技术原理。本申请不限于这里所述的特定实施例,对本领域技术人员来说能够进行的各种明显变化、重新调整及替代均不会脱离本申请的保护范围。因此,虽然通过以上实施例对本申请进行了较为详细的说明,但是本申请不仅仅限于以上实施例,在不脱离本申请构思的情况下,还可以包括更多其他等效实施例,而本申请的范围由权利要求的范围决定。
Claims (13)
1.一种掌静脉图像感兴趣区域提取方法,其特征在于,包括:
通过训练好的手掌关键点检测模型,获取待提取图像中的手掌关键点,所述手掌关键点包括掌腕、拇指关节、食指关节、中指关节、无名指关节和小指关节;
根据所述手掌关键点确定所述待提取图像的手掌类型以及手掌倾斜信息,所述手掌类型包括左手手掌和右手手掌;
根据所述手掌类型以及所述手掌倾斜信息,对所述待提取图像进行旋转校准;
根据所述手掌关键点确定所述待提取图像中的感兴趣区域,并从所述待提取图像的所述感兴趣区域中提取出掌静脉图像。
2.根据权利要求1所述的掌静脉图像感兴趣区域提取方法,其特征在于,所述根据所述手掌关键点确定所述待提取图像的手掌类型以及手掌倾斜信息,包括:
根据各个所述手掌关键点的坐标信息以及各所述手掌关键点的位置关系,确定所述待提取图像的手掌类型;
根据各个所述手掌关键点的坐标信息确定所述食指关节和所述小指关节之间的关节连线,计算所述关节连线的连线斜率。
3.根据权利要求2所述的掌静脉图像感兴趣区域提取方法,其特征在于,所述根据各个所述手掌关键点的坐标信息以及各所述手掌关键点的位置关系,确定所述待提取图像的手掌类型,包括:
在各个所述手掌关键点的坐标信息满足左手位置关系时,确定手掌类型为左手手掌;
在各个所述手掌关键点的坐标信息满足右手位置关系时,确定手掌类型为右手手掌。
4.根据权利要求3所述的掌静脉图像感兴趣区域提取方法,其特征在于,所述左手位置关系为:所述掌腕在其他所述手掌关键点的第一方向、所述拇指关节在所述食指关节、所述中指关节、所述无名指关节和所述小指关节的第一方向,以及所述拇指关节在其他所述手掌关键点的第二方向、所述食指关节在所述中指关节、所述无名指关节和所述小指关节的第二方向、所述中指关节在所述无名指关节和所述小指关节的第二方向、所述无名指关节在所述小指关节的第二方向,所述第一方向为所述第二方向逆时针旋转90°的方向;
所述右手位置关系为:所述掌腕在其他所述手掌关键点的第一方向、所述拇指关节在所述食指关节、所述中指关节、所述无名指关节和所述小指关节的第一方向,以及所述拇指关节在其他所述手掌关键点的第四方向、所述食指关节在所述中指关节、所述无名指关节和所述小指关节的第四方向、所述中指关节在所述无名指关节和所述小指关节的第四方向、所述无名指关节在所述小指关节的第四方向,所述第一方向为所述第四方向顺时针旋转90°的方向。
5.根据权利要求1所述的掌静脉图像感兴趣区域提取方法,其特征在于,所述根据所述手掌类型以及所述手掌倾斜信息,对所述待提取图像进行旋转校准,包括:
根据所述手掌倾斜信息,计算所述食指关节和所述小指关节之间的关节连线与图像横轴以及图像纵轴之间的第一角度和第二角度;
在所述手掌类型为右手手掌时,以所述食指关节为原点,以所述第二角度顺时针旋转所述待提取图像;
在所述手掌类型为左手手掌且所述第一角度大于零时,以所述食指关节为原点,以所述第一角度与90°的差顺时针旋转所述待提取图像;
在所述手掌类型为左手手掌且所述第一角度小于零时,以所述食指关节为原点,以所述第一角度与90°的和顺时针旋转所述待提取图像。
6.根据权利要求5所述的掌静脉图像感兴趣区域提取方法,其特征在于,所述计算所述食指关节和所述小指关节之间的关节连线与图像横轴以及图像纵轴之间的第一角度和第二角度之后,还包括:
在所述第一角度小于等于0°时,将所述第一角度增加180°。
7.根据权利要求1所述的掌静脉图像感兴趣区域提取方法,其特征在于,所述根据所述手掌关键点确定所述待提取图像中的感兴趣区域,包括:
确定所述食指关节和所述小指关节之间的连线距离,根据设定距离权重和所述连线距离确定区域边长;
根据所述手掌类型、所述食指关节和所述连线距离确定区域起点;
根据所述区域边长和所述区域起点确定所述待提取图像中的感兴趣区域。
8.根据权利要求7所述的掌静脉图像感兴趣区域提取方法,其特征在于,所述根据所述手掌类型、所述食指关节和所述连线距离确定区域起点,包括:
在所述手掌类型为左手手掌时,区域起点的横坐标为:ROI.X=index_x+a*d,区域起点的纵坐标为:ROI.Y=index_y-(1-a)*d,其中index_x和index_y分别为所述食指关节的横坐标和纵坐标,d为所述连线距离,a为设定权值;
在所述手掌类型为右手手掌时,区域起点的横坐标为:ROI.X=index_x+a*d,区域起点的纵坐标为:ROI.Y=index_y+a*d。
9.根据权利要求7所述的掌静脉图像感兴趣区域提取方法,其特征在于,所述根据所述手掌类型、所述食指关节和所述连线距离确定区域起点之后,还包括:
根据输出目标尺寸和所述区域起点,确定旋转校准是否正确;
若旋转校准错误,直接输出待提取图像。
10.根据权利要求9所述的掌静脉图像感兴趣区域提取方法,其特征在于,所述输出目标尺寸为m*n;
所述根据输出目标尺寸和所述区域起点,确定旋转校准是否正确,包括:
在ROI.X≤0、ROI.Y≤0、(ROI.X+d)>1280且(ROI.Y+d)>720时,确定旋转校准正确,否则确定旋转校准错误。
11.一种掌静脉图像感兴趣区域提取装置,其特征在于,包括关键点提取模块、手掌分析模块、旋转校准模块和图像提取模块,其中:
所述关键点提取模块,用于通过训练好的手掌关键点检测模型,获取待提取图像中的手掌关键点,所述手掌关键点包括掌腕、拇指关节、食指关节、中指关节、无名指关节和小指关节;
所述手掌分析模块,用于根据所述手掌关键点确定所述待提取图像的手掌类型以及手掌倾斜信息,所述手掌类型包括左手手掌和右手手掌;
所述旋转校准模块,用于根据所述手掌类型以及所述手掌倾斜信息,对所述待提取图像进行旋转校准;
所述图像提取模块,用于根据所述手掌关键点确定所述待提取图像中的感兴趣区域,并从所述待提取图像的所述感兴趣区域中提取出掌静脉图像。
12.一种掌静脉图像感兴趣区域提取设备,其特征在于,包括:存储器以及一个或多个处理器;
所述存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-10任一项所述的掌静脉图像感兴趣区域提取方法。
13.一种包含计算机可执行指令的存储介质,其特征在于,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-10任一项所述的掌静脉图像感兴趣区域提取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111415635.4A CN113963158A (zh) | 2021-11-25 | 2021-11-25 | 一种掌静脉图像感兴趣区域提取方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111415635.4A CN113963158A (zh) | 2021-11-25 | 2021-11-25 | 一种掌静脉图像感兴趣区域提取方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113963158A true CN113963158A (zh) | 2022-01-21 |
Family
ID=79472198
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111415635.4A Pending CN113963158A (zh) | 2021-11-25 | 2021-11-25 | 一种掌静脉图像感兴趣区域提取方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113963158A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114511885A (zh) * | 2022-02-10 | 2022-05-17 | 支付宝(杭州)信息技术有限公司 | 手掌感兴趣区域提取系统和方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN110276249A (zh) * | 2019-05-10 | 2019-09-24 | 平安科技(深圳)有限公司 | 立体手掌图像摆正方法及装置 |
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 |
-
2021
- 2021-11-25 CN CN202111415635.4A patent/CN113963158A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN110276249A (zh) * | 2019-05-10 | 2019-09-24 | 平安科技(深圳)有限公司 | 立体手掌图像摆正方法及装置 |
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 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114511885A (zh) * | 2022-02-10 | 2022-05-17 | 支付宝(杭州)信息技术有限公司 | 手掌感兴趣区域提取系统和方法 |
CN114511885B (zh) * | 2022-02-10 | 2024-05-10 | 支付宝(杭州)信息技术有限公司 | 手掌感兴趣区域提取系统和方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6842520B2 (ja) | 物体検出方法、装置、機器、記憶媒体及び車両 | |
CN110322500B (zh) | 即时定位与地图构建的优化方法及装置、介质和电子设备 | |
JP6918885B2 (ja) | 相対的位置姿勢の標定方法、相対的位置姿勢の標定装置、機器及び媒体 | |
CN109242913B (zh) | 采集器相对参数的标定方法、装置、设备和介质 | |
CN110766716B (zh) | 一种空间未知运动目标的信息获取方法及系统 | |
WO2016062159A1 (zh) | 图像匹配方法及手机应用测试平台 | |
Jiang et al. | Multiscale locality and rank preservation for robust feature matching of remote sensing images | |
JP2020047276A (ja) | センサーキャリブレーション方法と装置、コンピュータ機器、媒体及び車両 | |
US20080205769A1 (en) | Apparatus, method and program product for matching with a template | |
CN106447601A (zh) | 一种基于投影‑相似变换的无人机遥感影像拼接方法 | |
CN110926478B (zh) | 一种ar导航路线纠偏方法、系统及计算机可读存储介质 | |
CN111507908A (zh) | 图像矫正处理方法、装置、存储介质及计算机设备 | |
CN113724135A (zh) | 图像拼接方法、装置、设备及存储介质 | |
Santos et al. | Hybrid approach using sensors, GPS and vision based tracking to improve the registration in mobile augmented reality applications | |
CN112686947A (zh) | 一种虚拟空间中物体标注方法、装置和电子设备 | |
Yang et al. | Robust and real-time pose tracking for augmented reality on mobile devices | |
JP4694624B2 (ja) | 画像補正装置及び方法、並びにコンピュータプログラム | |
CN112198878A (zh) | 一种即时地图构建方法、装置、机器人及存储介质 | |
CN111950554A (zh) | 一种身份证识别方法、装置、设备及存储介质 | |
CN113963158A (zh) | 一种掌静脉图像感兴趣区域提取方法及装置 | |
WO2022237048A1 (zh) | 位姿获取方法、装置、电子设备、存储介质及程序 | |
CN112102404B (zh) | 物体检测追踪方法、装置及头戴显示设备 | |
US20160342831A1 (en) | Apparatus and method for neck and shoulder landmark detection | |
CN112652020A (zh) | 一种基于AdaLAM算法的视觉SLAM方法 | |
Lin et al. | A comprehensive review of image line segment detection and description: Taxonomies, comparisons, and challenges |
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 |