CN114511885B - 手掌感兴趣区域提取系统和方法 - Google Patents
手掌感兴趣区域提取系统和方法 Download PDFInfo
- Publication number
- CN114511885B CN114511885B CN202210125956.9A CN202210125956A CN114511885B CN 114511885 B CN114511885 B CN 114511885B CN 202210125956 A CN202210125956 A CN 202210125956A CN 114511885 B CN114511885 B CN 114511885B
- Authority
- CN
- China
- Prior art keywords
- target
- palm
- image
- determining
- contour
- 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
Links
- 238000000605 extraction Methods 0.000 title claims abstract description 63
- 238000000034 method Methods 0.000 title claims abstract description 61
- 210000003811 finger Anatomy 0.000 claims abstract description 60
- 210000004932 little finger Anatomy 0.000 claims abstract description 14
- 238000004891 communication Methods 0.000 claims description 27
- 238000012544 monitoring process Methods 0.000 claims description 17
- 238000004458 analytical method Methods 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims 3
- 210000003462 vein Anatomy 0.000 abstract description 52
- 210000004247 hand Anatomy 0.000 abstract description 3
- 238000003860 storage Methods 0.000 description 19
- 238000010586 diagram Methods 0.000 description 11
- 230000003993 interaction Effects 0.000 description 10
- 239000011159 matrix material Substances 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 238000001914 filtration Methods 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000013500 data storage Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000036544 posture Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000001788 irregular Effects 0.000 description 3
- 230000000670 limiting effect Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 102000001554 Hemoglobins Human genes 0.000 description 2
- 108010054147 Hemoglobins Proteins 0.000 description 2
- 210000000988 bone and bone Anatomy 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 241000256626 Pterygota <winged insects> Species 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 210000002615 epidermis Anatomy 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000002792 vascular Effects 0.000 description 1
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Collating Specific Patterns (AREA)
Abstract
本说明书提供的手掌感兴趣区域提取系统和方法,以手掌中食指和中指交叉的第一目标点和无名指和小指交叉的第二目标点为基准点提取掌静脉识别的感兴趣区域。由于第一目标点和第二目标点相对于掌心具有对称性,因此无需区分左右手,均可有效提取感兴趣区域。所述手掌感兴趣区域提取系统和方法以第一目标点和第二目标点之间的距离作为正方形的边长,以手掌中心为正方形的中心做正方形,并以预设的比例参数调整正方形的大小,直至正方形与手掌轮廓相交,并将与手掌轮廓相交的正方形区域作为手掌的感兴趣区域,从而最大限度的保留了手掌中的信息区域,对于不同个体均能提取其手掌中含有特征信息的最大区域,为静脉的准确识别奠定基础。
Description
技术领域
本说明书涉及数据采集领域,尤其涉及一种手掌感兴趣区域提取系统和方法。
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,在采集过程中,由于手掌的位置和姿势不固定,导致每次采集静脉图像的区域、角度、纹路(包括褶皱、主线、突纹等)等均存在较大差异,影响掌静脉图像质量,从而影响生物识别的准确率,影响用户体验。现有技术中的感兴趣区域提取方法对手掌位置和姿势要求较高,识别效率低,且不能保证所取区域的特征信息最大化,因此不仅影响识别精度和效率,而且用户体验也较差。
因此,需要提供一种更有效的手掌感兴趣区域提取系统和方法,以使特征提取区域中的手掌静脉信息最大化,从而提升掌静脉识别的准确率。
发明内容
本说明书提供一种更有效的手掌感兴趣区域提取系统和方法,以使特征提取区域中的手掌静脉信息最大化,从而提升掌静脉识别的准确率。
第一方面,本说明书提供一种手掌感兴趣区域提取系统,包括视觉传感器以及控制装置,所述视觉传感器运行时采集视场范围内的目标手掌的特征图像;所述控制装置运行时与所述视觉传感器通信连接,并执行:获取所述特征图像;基于所述特征图像,确定所述目标手掌的第一轮廓、手掌中心以及第一目标点和第二目标点,所述第一目标点包括食指和中指的交叉点,所述第二目标点包括无名指和小指的交叉点;以所述手掌中心为中心点,所述第一目标点与所述第二目标点的目标连线的长度为边长,建立目标正方形,其中,所述目标正方形中至少有一个边与所述目标连线平行;以及以所述手掌中心为基点,基于预设的比例参数依次调整所述目标正方形的尺寸,直至与所述第一轮廓相交,将所述特征图像中与所述第一轮廓相交的正方形区域对应的图像作为所述目标手掌的感兴趣区域。
在一些实施例中,所述手掌感兴趣区域提取系统还包括光源,运行时与所述控制装置通信连接,并向所述视场范围投射预设波长的光线,所述获取所述特征图像,包括:确定所述视场范围内存在所述目标手掌,控制所述光源打开;以及控制所述视觉传感器采集所述特征图像。
在一些实施例中,所述手掌感兴趣区域提取系统还包括距离传感器,运行时与所述控制装置通信连接,被配置为监测是否有目标物体进入所述视场范围,并生成监测数据,所述距离传感器包括红外传感器、激光传感器、超声波传感器以及雷达传感器中的至少一种,所述确定所述视场范围内存在所述目标手掌,控制所述光源打开,包括:基于所述监测数据确定所述视场范围内存在所述目标物体;控制所述视觉传感器采集所述目标物体的目标图像;基于所述目标图像,对所述目标图像中的所述目标物体进行图像识别,确定所述目标物体为所述目标手掌;以及控制所述光源打开。
在一些实施例中,所述基于所述目标图像,对所述目标图像中的所述目标物体进行图像识别,确定所述目标物体为所述目标手掌,包括:从所述目标图像中提取所述目标物体的第二轮廓;基于所述第二轮廓,确定所述目标物体的几何中心;基于凹形分析方法确定所述第二轮廓中的至少一个凹点;确定所述至少一个凹点中的每个凹点与所述几何中心的目标距离;以及按照所述至少一个凹点的位置,依次对所述每个凹点执行:分别计算当前凹点对应的所述目标距离与所述当前凹点相邻的两个凹点对应的两个所述目标距离之间的两个目标差值;确定所述至少一个凹点中存在目标凹点对应的所述两个目标差值均小于预设的阈值,确定所述目标物体为所述目标手掌。
在一些实施例中,所述基于所述特征图像,确定所述目标手掌的第一轮廓、手掌中心以及第一目标点和第二目标点,包括:确定所述第二轮廓在所述目标图像中的第二像素位置;确定所述特征图像中的所述第二像素位置对应的图像为所述第一轮廓;确定所述几何中心在所述目标图像中的第三像素位置;确定所述特征图像中的所述第三像素位置为所述手掌中心;以及确定与所述目标凹点相邻的两个凹点分别为所述第一目标点以及所述第二目标点。
在一些实施例中,在所述建立所述目标正方形之前,所述控制装置还执行:以所述手掌中心为基点,旋转所述特征图像,使所述目标连线与预设基准线平行。
第二方面,本说明书还提供一种手掌感兴趣区域提取方法,应用于本说明书第一方面所述的手掌感兴趣区域提取系统,所述方法包括通过所述控制装置执行:获取所述目标手掌的所述特征图像;基于所述特征图像,确定所述目标手掌的第一轮廓、手掌中心以及第一目标点和第二目标点,所述第一目标点包括食指和中指的交叉点,所述第二目标点包括无名指和小指的交叉点;以所述手掌中心为中心点,所述第一目标点与所述第二目标点的目标连线的长度为边长,建立目标正方形,其中,所述目标正方形中至少有一个边与所述目标连线平行;以及以所述手掌中心为基点,基于预设的比例参数依次调整所述目标正方形的尺寸,直至与所述第一轮廓相交,将所述特征图像中与所述第一轮廓相交的正方形区域对应的图像作为所述目标手掌的感兴趣区域。
在一些实施例中,所述手掌感兴趣区域提取系统还包括光源,运行时与所述控制装置通信连接,并向所述视场范围投射预设波长的光线,所述获取所述目标手掌的所述特征图像,包括:确定所述视场范围内存在所述目标手掌,控制所述光源打开;以及控制所述视觉传感器采集所述特征图像。
在一些实施例中,所述手掌感兴趣区域提取系统还包括距离传感器,运行时与所述控制装置通信连接,被配置为监测是否有目标物体进入所述视场范围,并生成监测数据,所述距离传感器包括红外传感器、激光传感器、超声波传感器以及雷达传感器中的至少一种,所述确定所述视场范围内存在所述目标手掌,控制所述光源打开,包括:基于所述监测数据确定所述视场范围内存在所述目标物体;控制所述视觉传感器采集所述目标物体的目标图像;基于所述目标图像,对所述目标图像中的所述目标物体进行图像识别,确定所述目标物体为所述目标手掌;以及控制所述光源打开。
在一些实施例中,所述基于所述目标图像,对所述目标图像中的所述目标物体进行图像识别,确定所述目标物体为所述目标手掌,包括:从所述目标图像中提取所述目标物体的第二轮廓;基于所述第二轮廓,确定所述目标物体的几何中心;基于凹形分析方法确定所述第二轮廓中的至少一个凹点;确定所述至少一个凹点中的每个凹点与所述几何中心的目标距离;以及按照所述至少一个凹点的位置,依次对所述每个凹点执行:确定当前凹点对应的所述目标距离与所述当前凹点相邻的两个凹点对应的两个所述目标距离之间的两个目标差值;确定所述至少一个凹点中存在目标凹点对应的所述两个目标差值均小于预设的阈值,确定所述目标物体为所述目标手掌。
在一些实施例中,所述基于所述特征图像,确定所述目标手掌的第一轮廓、手掌中心以及第一目标点和第二目标点,包括:确定所述第二轮廓在所述目标图像中的第二像素位置;确定所述特征图像中的所述第二像素位置对应的图像为所述第一轮廓;确定所述几何中心在所述目标图像中的第三像素位置;确定所述特征图像中的所述第三像素位置为所述手掌中心;以及确定与所述目标凹点相邻的两个凹点分别为所述第一目标点以及所述第二目标点。
在一些实施例中,在所述建立所述目标正方形之前,所述方法还包括通过所述控制装置执行:以所述手掌中心为基点,旋转所述特征图像,使所述目标连线与预设基准线平行。
由以上技术方案可知,本说明书提供的手掌感兴趣区域提取系统和方法,以手掌中食指和中指交叉的第一目标点和无名指和小指交叉的第二目标点为基准点提取手掌掌静脉识别的感兴趣区域。由于第一目标点和第二目标点相对于掌心具有对称性,因此无需区分左右手,均可有效提取感兴趣区域。所述手掌感兴趣区域提取系统和方法以第一目标点和第二目标点之间的距离作为正方形的边长,以手掌中心为正方形的中心做正方形,并以预设的比例参数调整正方形的大小,直至正方形与手掌轮廓相交,并将与手掌轮廓相交的正方形区域作为手掌的感兴趣区域。本说明书提供的手掌感兴趣区域提取系统和方法,有效矫正了由用户姿势导致的尺度效应、旋转、不规则边界等问题,并最大限度的保留了手掌中的信息区域,对于不同个体均能提取其手掌中含有特征信息的最大区域,为静脉的准确识别奠定基础。本说明书提供的手掌感兴趣区域提取系统和方法,还能够利用距离传感器判断视场范围中是否有目标物体,并通过识别目标物体的关键特征点的方法确定目标物体是否为目标手掌。在确定目标物体为目标手掌后,才打开红外补光灯组采集目标手掌的静脉图像并提取感兴趣区域进行识别,从而实现较低功耗下的用户无感识别,提升客户体验。
本说明书提供的手掌感兴趣区域提取系统和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感兴趣区域提取系统和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感兴趣区域提取系统的结构示意图;
图2示出了根据本说明书的实施例提供的一种控制装置的硬件结构图;
图3示出了根据本说明书的实施例提供的一种手掌感兴趣区域提取方法流程图;
图4示出了根据本说明书的实施例提供的一种获取特征图像的方法流程图;
图5示出了根据本说明书的实施例提供的一种对目标图像进行图像识别的方法流程图;
图6示出了根据本说明书的实施例提供的一种目标物体的第二轮廓和几何中心的示意图;
图7示出了根据本说明书的实施例提供的一种步骤S140的方法流程图;
图8示出了根据本说明书的实施例提供的一种目标正方形的示意图;以及
图9示出了根据本说明书的实施例提供的一种感兴趣区域的示意图。
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。静脉信息位于表皮以下,其特征信息需要特定设备在指定波长的红外光下采集,在可见光下无法全部获取,因此需要用户主动配合,属于主动特征,不易在无感知情况下被非法获取和复制,相比于暴露于体表的指纹、掌纹等生物特征,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、防伪性和识别率优势。同时,掌静脉含有丰富的个人信息,生物特异性强,拥有大数据集下更高的身份鉴定能力,可用于公共安全、金融等高安全等级的场景。
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。在非接触式的静脉信息采集过程中,由于手掌的位置和姿势不固定,导致每次采集静脉图像的区域、角度、纹路(包括褶皱、主线、突纹等)等均存在较大差异,进而增大识别难度,降低识别率,影响用户体验。
ROI(Reigion of Interest,感兴趣区域)提取是掌静脉识别的关键步骤之一,主要通过建立凹性分析模型确定手掌中含有特征信息最丰富的区域,降低环境、距离、倾斜等因素的影响,为后续特征提取和识别奠定基础。目前,市面上的掌静脉采集和识别系统多采用摄像头识别手指间的关键点,而后将关键点连线取向掌心方向90°的特定尺寸的矩形框区域形成ROI区域。此方法对手掌位置和姿势要求较高,识别效率低,且不能保证所取区域的特征信息最大化,因此不仅影响识别精度和效率,而且用户体验也较差。
图1示出了根据本说明书的实施例提供的一种手掌感兴趣区域提取系统001的结构示意图。手掌感兴趣区域提取系统001(以下简称系统001)可以用于非接触式掌静脉的提取和识别。系统001可以采集视场范围内的目标手掌002的特征图像,并对所述特征图像中的感兴趣区域进行提取。在一些实施例中,系统001还可以对感兴趣区域中的特征信息进行识别。所述视场范围可以是系统001的工作范围。所述视场范围可以是任意空间区域,比如,超市、商场、餐饮店,等等。系统001可以应用于任意需要进行手掌感兴趣区域提取和/或识别的场合,比如,掌静脉识别场景。掌静脉识别场景可以是各种需要对待检测对象进行掌静脉识别的场景,比如,掌静脉支付场景,再比如掌静脉解锁场景、掌静脉认证场景,等等。如图1所示,系统001可以包括视觉传感器400和控制装置600。在一些实施例中,系统001还可以包括光源200。在一些实施例中,系统001还可以包括距离传感器300。在一些实施例中,系统001还可以包括机身700。
机身700可以是系统001的安装壳体,视觉传感器400、控制装置600、光源200以及距离传感器300可以安装在机身700上或机身700内部。
视觉传感器400可以安装在机身700上,运行时采集视觉传感器400的视场范围内的目标手掌002的特征图像。其中,目标手掌002可以处于视觉传感器400的视场范围内。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,视觉传感器400可以是红外视觉传感器。所述红外视觉传感器运行时采集经目标手掌002反射的红外光光束并生成所述特征图像。所述红外视觉传感器可以是红外摄像头。红外摄像头可以包括红外滤光片,以使红外光通过而阻止其他光线通过。在一些实施例中,红外摄像头可以是带有红外截止滤光片的CMOS摄像头。在一些实施例中,红外摄像头可以是红外CCD摄像头。
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,视觉传感器400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。
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,当视觉传感器400为红外视觉传感器时,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。
在一些实施例中,系统001还可以包括光源200。光源200运行时可以与控制装置600通信连接,并向所述视场范围投射预设波长的光线,以对所述视场范围内的光线进行补充。光源200的数量可以是一个或多个,围绕视觉传感器400均匀或非均匀分布。
在一些实施例中,当特征图像为目标手掌002的掌静脉特征信息,视觉传感器400为红外视觉传感器时,光源200可以是红外光源。红外光源运行时可以向外投射红外光。红外光源可以是红外灯。所述红外灯可以是LED灯。所述红外灯的数量可以是一个或多个,围绕视觉传感器400均匀或非均匀分布。
在一些实施例中,红外光源可以向所述视场范围内投射同一种波长的红外光。即至少一个红外灯可以是同种波长的红外光源。比如,至少一个红外灯可以是波长为940nm的红外灯,以投射940nm波长的红外光。再比如,至少一个红外灯可以是波长为850nm的红外灯,以投射850nm波长的红外光。
在一些实施例中,红外光源可以向所述视场范围内投射不同波长的红外光。即至少一个红外灯可以是不同波长的红外光源。比如,至少一个红外灯既可以包括波长为940nm的红外灯,又可以包括波长为850nm的红外灯,以向所述视场范围内投射射940nm波长的红外光和850nm波长的红外光。波长为940nm的红外灯与波长为850nm的红外灯可以交替设置,围绕视觉传感器400均匀或非均匀分布。由于静脉图像采集的原理是人体血红蛋白对红外光的吸收,940nm和850nm这两种波长是有血红蛋白的吸收峰,成像效果最好。因此,红外光源为940nm和850nm两种光源时,可以提升掌静脉特征图像的图像质量。
在一些实施例中,当特征图像为目标手掌002的掌纹特征信息,视觉传感器400为RGB摄像头时,光源200可以为可见光光源,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。
控制装置600可以存储有执行本说明书描述的手掌感兴趣区域提取方法的数据或指令,并可以执行或用于执行所述数据和/或指令。控制装置600工作时可以与视觉传感器400、光源200以及距离传感器300通信连接,并执行本说明书描述的手掌感兴趣区域提取方法的数据或指令,以基于所述特征图像确定目标手掌002中的感兴趣区域。关于手掌感兴趣区域提取方法将在后面的描述中详细介绍。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可以同视觉传感器400、光源200以及距离传感器300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也可以同视觉传感器400、光源200以及距离传感器300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视觉传感器400、光源200以及距离传感器300的间接连接,从而实现彼此传递数据。
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,系统001还可以包括距离传感器300。距离传感器300可以用于监测是否有目标物体进入系统001的视场范围内,并生成监测数据。距离传感器300运行时可以与控制装置600通信连接,并将所述监测数据发送给控制装置600。在一些实施例中,所述目标物体可以是目标手掌002。在一些实施例中,所述目标物体可以是目标手掌002之外的任何其他物体。当有目标物体进入到系统001的市场范围内时,所述监测数据发生变化,控制装置600基于所述监测数据的变化确定有目标物体进入到所述视场范围内。此时,控制装置600可以控制视觉传感器400启动,以执行本说明书描述的手掌感兴趣区域提取方法。距离传感器300可以做为系统001由待机状态切换至工作状态的触发信号。在一些实施例中,距离传感器300可以是TOF距离传感器,比如,距离传感器300可以包括红外TOF传感器、激光传感器、超声波传感器以及雷达传感器中的至少一种。在一些实施例中,距离传感器300可以是接近传感器,比如,检测固定量程范围的红外接近传感器或微波传感器。
系统001采用距离传感器300作为探测传感器监测是否有目标物体进入视场范围内,即可实现待机状态至工作状态的切换,系统001无需工作在常开模式,且切换过程中,用户无需任何接触式的操作,在降低功耗和成本的同时,提升客户体验。
在一些实施例中,系统001还可以包括人机交互设备。人机交互设备可以与控制装置600通信连接。所述人机交互设备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。
图2示出了根据本说明书的实施例提供的一种控制装置600的硬件结构图。控制装置600可以执行本说明书描述的手掌感兴趣区域提取方法。所述手掌感兴趣区域提取方法在本说明书中的其他部分介绍。如图2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同视觉传感器400、光源200以及距离传感器300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感兴趣区域提取方法的程序、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感兴趣区域提取方法。处理器620可以执行手掌感兴趣区域提取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),中心处理单元(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3示出了根据本说明书的实施例提供的一种感兴趣区域提取方法P100的流程图。如前所述,控制装置600可以执行本说明书所述的感兴趣区域提取方法P100。具体地,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感兴趣区域提取方法P100。如图3所示,所述方法P100可以包括:
S120:获取目标手掌002的所述特征图像。
以所述特征图像为包含掌静脉信息的红外图像为例进行描述。如前所述,目标手掌002的特征图像可以由视觉传感器400采集。目标手掌002可以是待识别的人手手掌。在一些实施例中,控制装置600可以控制视觉传感器400采集所述视场范围的特征图像。当目标手掌002位于所述视场范围内时,所述视场范围的特征图像可以包括目标手掌002的特征图像。在一些实施例中,控制装置600可以直接控制视觉传感器400采集所述视场范围的特征图像,比如,控制装置600可以控制视觉传感器400定时采集所述视场范围的特征图像。
在一些实施例中,为了降低功耗,控制装置600可以与距离传感器300通信连接,并基于距离传感器300的监测数据,确定有目标物体进入所述视场范围,并控制视觉传感器400采集所述视场范围的特征图像。此时,所述目标物体位于所述视场范围内。即所述视场范围的特征图像包括所述目标物体的特征图像。
在一些实施例中,为了进一步降低功耗,控制装置600可以与光源200以及距离传感器300通信连接。控制装置600可以与距离传感器300通信连接,并基于距离传感器300的监测数据,确定有目标物体进入所述视场范围,并控制视觉传感器400采集所述目标物体的特征图像,为了方便描述,我们将目标物体的特征图像定义为目标图像;然后,控制装置600可以对所述目标图像中的目标物体进行图像识别,在确定所述目标物体为目标手掌002后,控制装置600可以基于与光源200的通信连接,控制光源200打开,以向所述视场范围投射红外光;最后,控制装置600可以控制视觉传感器400采集目标手掌002的所述特征图像。
图4示出了根据本说明书的实施例提供的一种获取特征图像的方法流程图。图4示出了步骤S120。如图4所示,步骤S120可以包括:
S122:确定所述视场范围内存在目标手掌002,控制光源200打开。
为了降低系统001的功耗,从而降低运行成本,使系统001更环保,控制装置600可以在确定视场范围内存在目标手掌002时才开启视觉传感器400以及光源200,以采集目标手掌002的特征图像。当视场范围内不存在目标手掌002也不存在其他物体,比如目标物体时,系统001处于待机状态。当系统001处于待机状态时,仅距离传感器300处于工作状态,光源200关闭,视觉传感器400待机。具体地,步骤S122可以包括:
S122-2:基于距离传感器300的所述监测数据确定所述视场范围内存在目标物体。
所述目标物体可以是任意可以进入视场范围内的物体,比如,人脸、背包、飞虫、动物,等等。在一些实施例中,目标物体还可以是目标手掌002。当距离传感器300检测有目标物体进入视场范围时,距离传感器300的监测数据发生变化;控制装置600接收所述监测数据,并基于所述监测数据的变化,确定有目标物体进入所述视场范围内。
S122-4:控制视觉传感器400采集所述目标物体的目标图像。
控制装置600在确定有目标物体进入所述视场范围内时,控制装置600可以生成并向视觉传感器400发送控制信号,控制视觉传感器400启动,以采集目标物体的图像,为了方便描述,我们将视觉传感器400采集的目标物体的图像定义为目标图像。
S122-6:基于所述目标图像,对所述目标图像中的所述目标物体进行图像识别,确定所述目标物体为目标手掌002。
在步骤S122-6中,控制装置600可以对目标图像中的目标物体进行图像识别,以确认目标图像中的目标物体是否为目标手掌002。当控制装置600确认目标物体为目标手掌002时,控制装置600可以控制光源200打开,并控制视觉传感器400采集目标手掌002的特征图像,以对目标手掌002的特征图像进行感兴趣区域提取和特征识别。当控制装置600确认目标物体不是目标手掌002时,控制装置600判定进入视场范围内的目标物体是异物,此时,控制装置600不会控制光源200打开,也不会控制视觉传感器400采集图像。此时,若距离传感器300监测到视场范围内的目标物体消失时,控制装置600控制系统001恢复待机状态。若距离传感器300仍监测到视场范围内存在目标物体时,则控制装置600控制视觉传感器400定时采集目标物体的目标图像,以再次对目标物体进行图像识别。
在一些实施例中,控制装置600可以对所述目标图像中的目标物体进行预处理和关键特征点提取,并将所提取的关键特征点与目标手掌002的特征点进行匹配。若二者相匹配,则确定目标物体为目标手掌002;若二者不匹配,则确定目标物体不是目标手掌002。图5示出了根据本说明书的实施例提供的一种对目标图像进行图像识别的方法流程。图5示出的是步骤S122-6。如图5所示,步骤S122-6可以包括:
S122-62:从所述目标图像中提取所述目标物体的第二轮廓。
在步骤S122-62之前,控制装置600可以对所述目标图像进行预处理。所述预处理可以包括控制装置600对所述目标图像四周边缘进行裁剪和扩充;然后,控制装置600可以对裁剪和扩充后的目标图像进行滤波降噪,其中,滤波方法可采用高斯滤波或中值滤波,而后利用OSTU算法得到目标图像的二值图像;然后,控制装置600可以对目标图像的二值图像进行轮廓提取,得到目标图像中的所有轮廓,取其中面积或周长最大的轮廓为目标物体的第二轮廓。具体地,控制装置600可以通过边界跟踪的方法分离非零像素区域和零像素区域来扫描轮廓点,从而跟踪目标物体的轮廓。
其中,OTSU算法又称为大津法,是一种确定图像二值化分割阈值的算法。该方法又称作最大类间方差法,因为按照大津法求得的阈值进行图像二值化分割后,前景与背景图像的类间方差最大。它被认为是图像分割中阈值选取的最佳算法,计算简单,不受图像亮度和对比度的影响,因此在数字图像处理上得到了广泛的应用。它是按图像的灰度特性,将图像分成背景和前景两部分。因方差是灰度分布均匀性的一种度量,背景和前景之间的类间方差越大,说明构成图像的两部分的差别越大,当部分前景错分为背景或部分背景错分为前景都会导致两部分差别变小。因此,使类间方差最大的分割意味着错分概率最小。
S122-63:基于所述第二轮廓,确定所述目标物体的几何中心。
控制装置600可以基于提取出的目标物体的第二轮廓,从所述第二轮廓中确定目标物体的几何中心。所述几何中心可以是目标物体的质心。具体的,步骤S122-63可以是控制装置600计算得出第二轮廓的1阶中心距,进而得到所述几何中心。
图6示出了根据本说明书的实施例提供的一种目标物体003的第二轮廓004和几何中心O的示意图。
S122-64:基于凹形分析方法确定所述第二轮廓中的至少一个凹点。
控制装置600可以计算所述第二轮廓中的每个轮廓点与所述几何中心的距离,并生成距离矩阵,所述距离可以是欧式距离;然后,控制装置600可以对所述距离矩阵进行二维离散傅里叶变换得到频域矩阵;然后,控制装置600可以根据设定的截止频率fcutoff对所述频域矩阵进行高通滤波,以达到降噪效果,去除不必要的轮廓点;然后,控制装置600可以对滤波后的频域矩阵进行二维离散傅里叶逆变换,得到滤除低频分量的距离矩阵。在一些实施例中,截止频率fcutoff可以取10-15Hz。
控制装置600还可以对滤除低频分量的距离矩阵进行微分。为了避免滤除低频分量的距离矩阵的离散二阶微分不可导,控制装置600可以先计算滤除低频分量的距离矩阵的离散一阶微分导,然后通过如下sign函数对离散一阶微分导后的数据进行处理后,再进行二阶微分导,从而得到第二轮廓中所有的凹点和凸点。其中,凹点可以是二阶微分导大于0的点,比如,手掌中位于指尖的轮廓点。凸点可以是二阶微分导小于0的点,比如手掌中位于手指缝的轮廓点。所述第二轮廓中包括至少一个凹点。sign函数可以表示为如下公式:
S122-66:确定所述至少一个凹点中的每个凹点与所述几何中心的目标距离。
当目标物体为目标手掌002时,目标物体中应至少包括3个凹点,分别是食指和中指的轮廓交叉点、中指和无名指的轮廓交叉点以及无名指和小指的轮廓交叉点。当目标物体为目标手掌002时,所述3个凹点与目标物体的几何中心的距离值相近,或距离的差值小于预设的阈值。为了判定所述目标物体是否为目标手掌002,控制装置600可以获取所述目标物体中的至少一个凹点中的每个凹点与所述几何中心的目标距离。
S122-67:按照所述至少一个凹点的位置,依次对所述每个凹点执行:分别计算当前凹点对应的所述目标距离与所述当前凹点相邻的两个凹点对应的两个所述目标距离之间的两个目标差值。
控制装置600可以计算每个凹点与几何中心的目标距离与其相邻的两个凹点与几何中心的目标距离之间的差值。为了方便描述,我们对每个凹点进行排序和编号,我们将当前凹点定义为第i个凹点,将第i个凹点与几何中心的目标距离标记为Di。与当前凹点相邻的两个凹点分别为第i-1个凹点和第i+1个凹点。第i-1个凹点与几何中心的目标距离标记为Di-1。第i+1个凹点与几何中心的目标距离标记为Di+1。步骤S122-67中所述的两个目标差值分别为|Di-Di-1|和|Di-Di+1|。
S122-68:确定所述至少一个凹点中存在目标凹点对应的所述两个目标差值均小于预设的阈值,确定所述目标物体为目标手掌002。
如前所述,在目标手掌002中,食指和中指的轮廓交叉点、中指和无名指的轮廓交叉点以及无名指和小指的轮廓交叉点与目标手掌002的几何中心的距离值相近或差值小于预设的阈值。控制装置600可以判断每个凹点对应的两个目标差值(|Di-Di-1|和|Di-Di+1|)是否均小于所述阈值。所述阈值可以预先存储在控制装置600中。所述阈值可以基于统计方式获取。当所述至少一个凹点中存在目标凹点对应的所述两个目标差值(|Di-Di-1|和|Di-Di+1|)均小于所述阈值时,控制装置600可以确定所述目标凹点为中指与无名指的轮廓交叉点,此时,控制装置600可以判定目标物体为目标手掌002。否则,控制装置600判定目标物体不是目标手掌002。
若至少一个凹点中仅存在一个目标凹点,则所述目标凹点为中指与无名指的轮廓交叉点。与所述目标凹点相邻的两个凹点分别为食指与中指的轮廓交叉点以及无名指与小指的轮廓交叉点。若至少一个凹点中存在多个目标凹点,控制装置600可以取多个目标凹点中与几何中心的目标距离最小的凹点为中指与无名指的轮廓交叉点。与中指与无名指的轮廓交叉点相邻的两个凹点分别为食指与中指的轮廓交叉点以及无名指与小指的轮廓交叉点。
在一些实施例中,控制装置600还可以通过其他方法对目标物体进行图像识别,比如,手势识别方法、轮廓识别方法、几何形状识别方法、光流方法以及机器学习,等等。
如图4所示,步骤S120还可以包括:
S122-8:控制光源200打开。
当控制装置600确认目标物体为目标手掌002时,控制装置600可以控制光源200(以光源200为红外光源为例)打开,以向视场范围内投射红外光,以便视觉传感器400采集目标手掌002的红外图像。
S124:控制视觉传感器400采集所述特征图像。
控制装置600在控制光源200打开后,还可以控制视觉传感器400采集目标手掌002的特征图像,以对目标手掌002的特征图像进行感兴趣区域提取和特征识别。
本说明书所述的获取目标手掌002的特征图像的方法结构简单、降低了功耗成本,仅利用1个距离传感器300,即可实现待机状态至工作状态的切换,使光源200和视觉传感器400无需工作在常开模式,且切换过程中,用户无需任何接触式的操作,同时保护了隐私,拥有良好的客户体验。
如图3所示,所述方法P100还可以包括:
S140:基于所述特征图像,确定所述目标手掌的第一轮廓、手掌中心以及第一目标点和第二目标点。
其中,所述第一目标点包括食指和中指的轮廓交叉点,所述第二目标点包括无名指和小指的轮廓交叉点。为了方便描述,我们将第一目标点定义为V1,将第二目标点定义为V2。由于目标物体的目标图像与目标手掌002的特征图像之间的时间差极短,我们可以认为目标图像与特征图像中,目标手掌002的位置是一致的。因此,我们可以基于目标图像来确定特征图像中的第一轮廓、手掌中心以及第一目标点V1和第二目标点V2。图7示出了根据本说明书的实施例提供的一种步骤S140的方法流程图.如图7所示,步骤S140可以包括:
S142:确定所述第二轮廓在所述目标图像中的第二像素位置。
S144:确定所述特征图像中的所述第二像素位置对应的图像为所述第一轮廓。
当目标物体为目标手掌002时,目标物体的第二轮廓在目标图像中的位置与目标手掌002的第一轮廓在特征图像中的位置一致。因此,控制装置600可以将从目标图像中提取的目标物体的第二轮廓对应的第二像素位置作为目标手掌002的第一轮廓在特征图像中对应的像素位置,并将特征图像中的第二像素位置对应的图像作为目标手掌002的第一轮廓。
S146:确定所述几何中心在所述目标图像中的第三像素位置。
S147:确定所述特征图像中的所述第三像素位置为所述手掌中心。
由于,目标物体的第二轮廓在目标图像中的位置与目标手掌002的第一轮廓在特征图像中的位置一致。因此,目标物体的几何中心在目标图像中的位置与目标手掌002的手掌中心在特征图像中的位置一致。控制装置600可以将从目标图像中提取的目标物体的几何中心对应的第三像素位置作为目标手掌002的手掌中心在特征图像中的像素位置,并将特征图像中的第三像素位置对应的图像作为目标手掌002的手掌中心。
S148:确定与所述目标凹点相邻的两个凹点分别为所述第一目标点V1以及所述第二目标点V2。
如前所述,在步骤S122-6中,控制装置600可以确定目标物体的至少一个凹点中存在目标凹点。控制装置600判定所述目标凹点为中指与无名指的轮廓交叉点,与中指与无名指的轮廓交叉点相邻的两个凹点分别为食指与中指的轮廓交叉点以及无名指与小指的轮廓交叉点,即第一目标点V1和第二目标点V2。
如图3所示,在一些实施例中,所述方法P100还可以包括:
S160:以所述手掌中心为中心点,所述第一目标点V1与所述第二目标点V2的目标连线的长度为边长,建立目标正方形。
其中,所述目标正方形中至少有一个边与所述目标连线平行。在一些实施例中,在步骤S160之前,控制装置600还可以对特征图像进行旋转。具体地,控制装置600可以执行:以所述手掌中心为基点,旋转所述特征图像,使所述目标连线与预设基准线平行。所述目标连线包括所述第一目标点V1与所述第二目标点V2的连线。所述预设的基准线可以预先存储在控制装置600中。所述预设的基准线可以是用于进行掌静脉识别的基准线。如前所述,在非接触式掌静脉识别中,目标手掌002的位置和姿势不固定。为了使控制装置600可以更好地识别目标手掌002中的掌静脉特征信息,控制装置600可以将目标手掌002的特征图像进行旋转,以使目标手掌002的特征图像的角度符合掌静脉识别的角度。在一些实施例中,所述预设基准线可以是任意角度的基准线,比如,水平线、竖直线,等等。
为了方面描述,我们将目标连线与预设基准线之间的角度定义为θ。我们以预设基准线为水平线为例进行描述。以手掌中心为坐标原点O,水平线为X轴,竖直线为Y轴,建立坐标系O-XY。我们将第一目标点V1在坐标系O-XY中的坐标定义为(x1,y1),将第二目标点V2在坐标系O-XY中的坐标定义为(x2,y2)。所述预设基准线与所述目标连线之间的角度θ可以表示为以下公式:
在步骤S160中,目标连线的长度为图8示出了根据本说明书的实施例提供的一种目标正方形006的示意图。如图8所示,目标正方形006以手掌中心O为中心,目标正方形006的一边与目标连线V1V2平行。第一轮廓为008。
如图3所示,在一些实施例中,所述方法P100还可以包括:
S180:以所述手掌中心O为基点,基于预设的比例参数依次调整所述目标正方形006的尺寸,直至与所述第一轮廓008相交,将所述特征图像中与所述第一轮廓008相交的正方形区域对应的图像作为目标手掌002的感兴趣区域。
为了使所述感兴趣区域包含的特征信息最大化,控制装置600可以对目标正方形006的尺寸进行调整,以使调整后的正方形包含更多的特征信息。具体地,控制装置600可以以手掌中心O为基点,以预设的比例参数对目标正方形006的尺寸进行放大。所述预设的比例参数可以预先存储在控制装置600中。所述预设的比例参数可以基于实验统计的方式获取,也可以基于机器学习的方法获取,等等。比如,所述预设的比例参数可以是等等。再比如,所述预设的比例参数可以是/>等等。所述预设的比例参数还可以是其他数值,本说明书对此不做限定。
图9示出了根据本说明书的实施例提供的一种感兴趣区域009的示意图。控制装置600可以按照从小到达的顺序,依次使用所述预设的比例参数对目标正方形006的尺寸进行放大,直至调整后的正方形的边与第一轮廓008相交。控制装置600可以将与第一轮廓008相交的正方形区域对应的图像作为目标手掌002的感兴趣区域009。
所述方法P100以食指与中指的轮廓交叉点和小指与无名指的轮廓交叉点为基准点提取目标手掌002的感兴趣区域。由于食指与中指的轮廓交叉点和小指与无名指的轮廓交叉点相对于手掌掌心O具有对称性,因此无需区分左右手,均可有效提取感兴趣区域。所述方法P100有效矫正了由用户姿势导致的尺度效应、旋转、不规则边界等问题,并最大限度的保留了目标手掌002中的信息区域,为静脉的准确识别奠定基础。
综上所述,本说明书提供了一种低功耗、低成本的手掌感兴趣区域提取方法P100以及系统001,利用距离传感器300配合感兴趣区域提取方法,即可实现待机状态至工作状态的切换,使光源200和视觉传感器400无需工作在常开模式,且切换过程中,用户无需任何接触式的操作,拥有良好的客户体验;同时所述方法P100以及系统001中,当距离传感器300检测到视场范围内有目标物体时,通过识别目标物体的关键特征点是否与目标手掌002相符,判断是否启动光源200和视觉传感器400的手掌感兴趣区域提取步骤,可有效避免由异物闯入导致误启动;同时,所述方法P100以及系统001提出一种针对目标手掌002特征的图像预处理和关键特征点提取方法,可有效提取指叉关键点,用以判定目标物体是否为目标手掌002,其算法简单、计算量低、计算精度高;最后,所述方法P100以及系统001可有效矫正由用户姿势导致的尺度效应、旋转、不规则边界等问题,并最大限度的保留了目标手掌002中的信息区域,为静脉的准确识别奠定基础。
本说明书另一方面提供一种非暂时性存储介质,存储有至少一组用来进行手掌感兴趣区域提取的可执行指令。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感兴趣区域提取方法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感兴趣区域提取方法P100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 (8)
1.一种手掌感兴趣区域提取系统,包括:
视觉传感器,运行时采集视场范围内的目标手掌的特征图像;
控制装置,运行时与所述视觉传感器通信连接;
光源,运行时与所述控制装置通信连接,并向所述视场范围投射预设波长的光线;以及
距离传感器,运行时与所述控制装置通信连接,被配置为监测是否有目标物体进入所述视场范围,并生成监测数据,
所述控制装置运行时执行:
基于所述监测数据确定所述视场范围内存在所述目标物体;
控制所述视觉传感器采集所述目标物体的目标图像;
基于所述目标图像,对所述目标图像中的所述目标物体进行图像识别,确定所述目标物体为所述目标手掌,包括:
从所述目标图像中提取所述目标物体的第二轮廓,
基于所述第二轮廓,确定所述目标物体的几何中心,
基于凹形分析方法确定所述第二轮廓中的至少一个凹点,
确定所述至少一个凹点中的每个凹点与所述几何中心的目标距离,以及
按照所述至少一个凹点的位置,依次对所述每个凹点执行,分别计算当前凹点对应的所述目标距离与所述当前凹点相邻的两个凹点对应的两个所述目标距离之间的两个目标差值,
确定所述至少一个凹点中存在目标凹点对应的所述两个目标差值均小于预设的阈值,确定所述目标物体为所述目标手掌;
控制所述光源打开;以及控制所述视觉传感器采集所述特征图像;
基于所述特征图像,确定所述目标手掌的第一轮廓、手掌中心以及第一目标点和第二目标点,所述第一目标点包括食指和中指的交叉点,所述第二目标点包括无名指和小指的交叉点;
以所述手掌中心为中心点,所述第一目标点与所述第二目标点的目标连线的长度为边长,建立目标正方形,其中,所述目标正方形中至少有一个边与所述目标连线平行;以及
以所述手掌中心为基点,基于预设的比例参数依次调整所述目标正方形的尺寸,直至与所述第一轮廓相交,将所述特征图像中与所述第一轮廓相交的正方形区域对应的图像作为所述目标手掌的感兴趣区域。
2.如权利要求1所述的手掌感兴趣区域提取系统,其中,所述距离传感器包括红外传感器、激光传感器、超声波传感器以及雷达传感器中的至少一种。
3.如权利要求1所述的手掌感兴趣区域提取系统,其中,所述基于所述特征图像,确定所述目标手掌的第一轮廓、手掌中心以及第一目标点和第二目标点,包括:
确定所述第二轮廓在所述目标图像中的第二像素位置;
确定所述特征图像中的所述第二像素位置对应的图像为所述第一轮廓;
确定所述几何中心在所述目标图像中的第三像素位置;
确定所述特征图像中的所述第三像素位置为所述手掌中心;以及
确定与所述目标凹点相邻的两个凹点分别为所述第一目标点以及所述第二目标点。
4.如权利要求1所述的手掌感兴趣区域提取系统,其中,在所述建立所述目标正方形之前,所述控制装置还执行:
以所述手掌中心为基点,旋转所述特征图像,使所述目标连线与预设基准线平行。
5.一种手掌感兴趣区域提取方法,应用于权利要求1所述的手掌感兴趣区域提取系统,所述方法包括通过所述控制装置执行:
基于所述监测数据确定所述视场范围内存在所述目标物体;
控制所述视觉传感器采集所述目标物体的目标图像;
基于所述目标图像,对所述目标图像中的所述目标物体进行图像识别,确定所述目标物体为所述目标手掌,包括:
从所述目标图像中提取所述目标物体的第二轮廓,
基于所述第二轮廓,确定所述目标物体的几何中心,
基于凹形分析方法确定所述第二轮廓中的至少一个凹点,
确定所述至少一个凹点中的每个凹点与所述几何中心的目标距离,以及
按照所述至少一个凹点的位置,依次对所述每个凹点执行,分别计算当前凹点对应的所述目标距离与所述当前凹点相邻的两个凹点对应的两个所述目标距离之间的两个目标差值,
确定所述至少一个凹点中存在目标凹点对应的所述两个目标差值均小于预设的阈值,确定所述目标物体为所述目标手掌;
控制所述光源打开;以及
控制所述视觉传感器采集所述特征图像;
基于所述特征图像,确定所述目标手掌的第一轮廓、手掌中心以及第一目标点和第二目标点,所述第一目标点包括食指和中指的交叉点,所述第二目标点包括无名指和小指的交叉点;
以所述手掌中心为中心点,所述第一目标点与所述第二目标点的目标连线的长度为边长,建立目标正方形,其中,所述目标正方形中至少有一个边与所述目标连线平行;以及
以所述手掌中心为基点,基于预设的比例参数依次调整所述目标正方形的尺寸,直至与所述第一轮廓相交,将所述特征图像中与所述第一轮廓相交的正方形区域对应的图像作为所述目标手掌的感兴趣区域。
6.如权利要求5所述的手掌感兴趣区域提取方法,其中,所述距离传感器包括红外传感器、激光传感器、超声波传感器以及雷达传感器中的至少一种。
7.如权利要求5所述的手掌感兴趣区域提取方法,其中,所述基于所述特征图像,确定所述目标手掌的第一轮廓、手掌中心以及第一目标点和第二目标点,包括:
确定所述第二轮廓在所述目标图像中的第二像素位置;
确定所述特征图像中的所述第二像素位置对应的图像为所述第一轮廓;
确定所述几何中心在所述目标图像中的第三像素位置;
确定所述特征图像中的所述第三像素位置为所述手掌中心;以及
确定与所述目标凹点相邻的两个凹点分别为所述第一目标点以及所述第二目标点。
8.如权利要求5所述的手掌感兴趣区域提取方法,其中,在所述建立所述目标正方形之前,所述方法还包括通过所述控制装置执行:
以所述手掌中心为基点,旋转所述特征图像,使所述目标连线与预设基准线平行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210125956.9A CN114511885B (zh) | 2022-02-10 | 2022-02-10 | 手掌感兴趣区域提取系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210125956.9A CN114511885B (zh) | 2022-02-10 | 2022-02-10 | 手掌感兴趣区域提取系统和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114511885A CN114511885A (zh) | 2022-05-17 |
CN114511885B true CN114511885B (zh) | 2024-05-10 |
Family
ID=81551139
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210125956.9A Active CN114511885B (zh) | 2022-02-10 | 2022-02-10 | 手掌感兴趣区域提取系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114511885B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN116738411B (zh) * | 2023-06-02 | 2024-04-19 | 广州广电运通智能科技有限公司 | 基于生物特征识别的多模态注册方法和身份识别方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104866804A (zh) * | 2014-02-20 | 2015-08-26 | 阿里巴巴集团控股有限公司 | 一种掌纹信息识别的方法和设备 |
CN107223258A (zh) * | 2017-03-31 | 2017-09-29 | 中控智慧科技股份有限公司 | 图像采集方法和设备 |
CN107341473A (zh) * | 2017-07-04 | 2017-11-10 | 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 |
CN109460746A (zh) * | 2016-06-08 | 2019-03-12 | 大连民族大学 | 掌纹roi的分隔方法 |
CN110008825A (zh) * | 2019-02-20 | 2019-07-12 | 平安科技(深圳)有限公司 | 掌纹识别方法、装置、计算机设备和存储介质 |
CN110956635A (zh) * | 2019-11-15 | 2020-04-03 | 上海联影智能医疗科技有限公司 | 一种肺段分割方法、装置、设备及存储介质 |
CN112036383A (zh) * | 2020-11-04 | 2020-12-04 | 北京圣点云信息技术有限公司 | 一种基于手静脉的身份识别方法及装置 |
CN112699845A (zh) * | 2021-01-14 | 2021-04-23 | 浙江德菲洛智能机械制造有限公司 | 一种在线非接触手掌静脉感兴趣区域提取方法 |
CN113515988A (zh) * | 2020-07-09 | 2021-10-19 | 腾讯科技(深圳)有限公司 | 掌纹识别方法、特征提取模型训练方法、设备及介质 |
CN113515987A (zh) * | 2020-07-09 | 2021-10-19 | 腾讯科技(深圳)有限公司 | 掌纹识别方法、装置、计算机设备及存储介质 |
CN113673343A (zh) * | 2021-07-19 | 2021-11-19 | 西安交通大学 | 一种基于加权元度量学习的开放集掌纹识别系统及方法 |
CN113963158A (zh) * | 2021-11-25 | 2022-01-21 | 佳都科技集团股份有限公司 | 一种掌静脉图像感兴趣区域提取方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8781177B2 (en) * | 2011-07-08 | 2014-07-15 | I Shou University | Method and computer program product for extracting feature vectors from a palm image |
-
2022
- 2022-02-10 CN CN202210125956.9A patent/CN114511885B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104866804A (zh) * | 2014-02-20 | 2015-08-26 | 阿里巴巴集团控股有限公司 | 一种掌纹信息识别的方法和设备 |
CN109460746A (zh) * | 2016-06-08 | 2019-03-12 | 大连民族大学 | 掌纹roi的分隔方法 |
CN107223258A (zh) * | 2017-03-31 | 2017-09-29 | 中控智慧科技股份有限公司 | 图像采集方法和设备 |
CN107341473A (zh) * | 2017-07-04 | 2017-11-10 | 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 |
CN110008825A (zh) * | 2019-02-20 | 2019-07-12 | 平安科技(深圳)有限公司 | 掌纹识别方法、装置、计算机设备和存储介质 |
CN110956635A (zh) * | 2019-11-15 | 2020-04-03 | 上海联影智能医疗科技有限公司 | 一种肺段分割方法、装置、设备及存储介质 |
CN113515988A (zh) * | 2020-07-09 | 2021-10-19 | 腾讯科技(深圳)有限公司 | 掌纹识别方法、特征提取模型训练方法、设备及介质 |
CN113515987A (zh) * | 2020-07-09 | 2021-10-19 | 腾讯科技(深圳)有限公司 | 掌纹识别方法、装置、计算机设备及存储介质 |
CN112036383A (zh) * | 2020-11-04 | 2020-12-04 | 北京圣点云信息技术有限公司 | 一种基于手静脉的身份识别方法及装置 |
CN112699845A (zh) * | 2021-01-14 | 2021-04-23 | 浙江德菲洛智能机械制造有限公司 | 一种在线非接触手掌静脉感兴趣区域提取方法 |
CN113673343A (zh) * | 2021-07-19 | 2021-11-19 | 西安交通大学 | 一种基于加权元度量学习的开放集掌纹识别系统及方法 |
CN113963158A (zh) * | 2021-11-25 | 2022-01-21 | 佳都科技集团股份有限公司 | 一种掌静脉图像感兴趣区域提取方法及装置 |
Non-Patent Citations (2)
Title |
---|
ROI extraction for online touchless palm vein based on concavity analysis;Xiongwei Sun;《2017 32nd Youth Academic Annual Conference of Chinese Association of Automation (YAC)》;20170721;1-4 * |
非接触式高质量掌静脉图像获取方法研究;王春义;《中国优秀硕士学位论文全文数据库(信息科技辑)》;20190115;I138-2478 * |
Also Published As
Publication number | Publication date |
---|---|
CN114511885A (zh) | 2022-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10108858B2 (en) | Texture features for biometric authentication | |
CN114511885B (zh) | 手掌感兴趣区域提取系统和方法 | |
US8675925B2 (en) | Spoof detection for biometric authentication | |
US10095927B2 (en) | Quality metrics for biometric authentication | |
US10748017B2 (en) | Palm vein identification method and device | |
CN107209849B (zh) | 眼睛跟踪 | |
Matsuda et al. | Finger-vein authentication based on deformation-tolerant feature-point matching | |
Syarif et al. | Enhanced maximum curvature descriptors for finger vein verification | |
Liu et al. | 3D fingerprint reconstruction system using feature correspondences and prior estimated finger model | |
Uhl et al. | Multi-stage visible wavelength and near infrared iris segmentation framework | |
US20210166045A1 (en) | Method and apparatus with liveness testing | |
CN110287918B (zh) | 活体识别方法及相关产品 | |
He et al. | A new segmentation approach for iris recognition based on hand-held capture device | |
CN103955674A (zh) | 掌纹图像采集装置及掌纹图像定位与分割方法 | |
CN105844727A (zh) | 一种智能动态人脸识别考勤记录管理系统 | |
Mohammed et al. | Accurate pupil features extraction based on new projection function | |
CN113420700B (zh) | 手掌生物特征采集装置及方法 | |
CN113516096B (zh) | 指静脉roi区域提取方法及装置 | |
WO2018213947A1 (zh) | 图像识别系统及电子装置 | |
Poornima et al. | Unconstrained iris authentication through fusion of RGB channel information | |
Xia et al. | An accurate eye localization approach for smart embedded system | |
Chopra et al. | Finger print and finger vein recognition using repeated line tracking and minutiae | |
Liao et al. | Translational calibration in region-of-interest localization for palmprint recognition | |
CN112507843A (zh) | 一种基于哈希算法的指静脉采集认证装置及检测方法 | |
San et al. | Eye detection system using Orientation Histogram |
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 |