CN114783005A - 一种基于深度学习的掌纹识别的设备和方法 - Google Patents

一种基于深度学习的掌纹识别的设备和方法 Download PDF

Info

Publication number
CN114783005A
CN114783005A CN202210451751.XA CN202210451751A CN114783005A CN 114783005 A CN114783005 A CN 114783005A CN 202210451751 A CN202210451751 A CN 202210451751A CN 114783005 A CN114783005 A CN 114783005A
Authority
CN
China
Prior art keywords
palm print
circle
palm
deep learning
image
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
Application number
CN202210451751.XA
Other languages
English (en)
Inventor
李浩天
焦小雪
邓文爽
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.)
Hebei University of Engineering
Original Assignee
Hebei University of Engineering
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 Hebei University of Engineering filed Critical Hebei University of Engineering
Priority to CN202210451751.XA priority Critical patent/CN114783005A/zh
Publication of CN114783005A publication Critical patent/CN114783005A/zh
Pending legal-status Critical Current

Links

Images

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
    • 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
    • G06N3/08—Learning methods

Landscapes

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

Abstract

本发明公开了一种基于深度学习的掌纹识别设备和方法，该方案硬件方面包括正立方体铝型材框架、basler工业相机、带有照明功能的、可独立控制开关的PCB板及可调节的高度的支架，带有独立显卡的计算机。所述PCB板的表面设置有若干个USB接口供电，所述摄像头与计算机之间通过USB连接线电性连接，所述PCB板通过DC连接线电性连接。软件算法方面，本发明涉及神经网络技术领域。该基于深度学习的掌纹识别设备和方法，通过基于Resnet50网络的基础上添加神经元随机失活机制，避免网络过拟合。并引用smoothL1损失函数，强化了对不同拍摄条件下的掌纹照片识别率的提高，通过带有连续图像采集功能的工业相机和相应的图像处理算法，可以实现对人体掌纹的批量采集处理制作成训练集与测试集。除此之外，该发明还引用了一种高效的感兴趣区域(ROI)提取方法，即基于最大内切圆的ROI提取方法，此方法为从质量较差的掌纹图片中提取到感兴趣区域提供了方案。经初步测试该系统可以实现较高的掌纹识别精度。

Description

一种基于深度学习的掌纹识别的设备和方法
技术领域
本发明涉及神经网络领域，具体为一种基于深度学习的掌纹识别的设备和方法。
背景技术
随着信息系统的广泛普及，海量的个人信息通过互联网进行传播，人们对私密信息的保护、系统加密技术的安全性以及身份识别的准确性提出了更高的要求。基于知识或标志物，如数字、符号密码、智能卡等的身份识别技术易破解、易遗忘、易丢失，很容易造成机密信息泄露，无法满足当前的用户需求。如何有效地鉴识用户身份并保护私密信息，是一个急需解决的社会问题。目前的手势识别进准度不高，而且在黑暗或光照不强的情况下无法识别的问题。
每个人的掌纹都是唯一的，即使是双胞胎，他们的掌纹也不会完全一样。作为生物特征家族的重要成员，掌纹具有特征稳定、非侵犯性、用户可接受性好、数据采集方便、纹理健壮、不易破坏性和高防伪性等优点，奠定了它用于身份识别的坚实基础，具有广阔的应用前景。
目前，深度学习算法在掌纹识别技术中迅速发展，主要原因如下.1)手工设计特征的方法通常依赖设计者的先验知识，只能设计特定的滤波器以提取特征，无法利用大数据的优势.2)掌纹特征提取方法只在某种特定的数据库上表现良好，外界环境(如光照、模糊、亮度、对比度)的改变和手掌姿态的变化都会对掌纹识别的精度产生极大影响.而基于特征学习的识别算法能从数据中自行学习更复杂的纹理特征分布，提取的掌纹特征更丰富、泛化能力更强。
发明内容
针对现有技术的不足，本发明提供了一种基于深度学习的掌纹识别的设备和方法，解决了传统身份识别准确度不高的问题。
为实现以上目的，本发明通过以下技术方案予以实现：一种基于深度学习的手势识别开关的设备，包括正方体铝型材框架、basler工业相机，带有照明功能的、可独立控制开关的PCB板及高度可调节的支架，带有独立显卡的计算机。其特征在于：所述PCB板的表面设置有若干个USB接口供电，所述摄像头与计算机之间通过USB连接线电性连接，所述PCB板与电源通过DC连接线电性连接。
优选的，所述计算机安装有独立显卡。
本发明还公开了一种基于深度学习的手势识别开关的方法，具体包括以下步骤：
S1、建立多环境下的数据集，即不同角度，不同光线下的左右手掌纹图片。
S2、将原始图片存放于计算机中，并通过图像预处理算法进行图片的批量处理，其中包括：将图像转化为灰度图像，图像二值化，基于最大内切圆法的ROI区域提取，中值滤波，直方图均衡化操作。
S3、将得到处理的目标图像传入Resnet50网络中进行训练与测试，使用smooth L1损失函数。
S4、训练完成后，分别选取不同人的左右手进行识别检测。得到相应的识别结果：即该照片属于X的左(或右)手。
优选的，所述步骤S1中建立的数据集包括正方位手掌图片，反方位手掌图片，正方位向左倾斜45度手掌图片，正方位向右倾斜45度手掌图片。
优选的，所述Resnet50网络中引用神经元随机失活机制。
有益效果
本发明提供了一种基于深度学习的掌纹识别的设备和方法。与现有的技术相比具备以下有益效果：该基于深度学习的掌纹识别的设备和方法，通过添加基于Resnet50网络的基础上添加神经元随机失活机制，引用smooth L1损失函数，强化了在多种拍摄情况下的手掌图片识别率的提高，可以实现对掌纹拥有者身份的精准识别。
附图说明
图1为本发明的设备结构示意图。
图2为最大内切圆法提取ROI区域的原理示意图。
图3为识别结果示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，本发明提供一种技术方案：一种基于深度学习的掌纹识别的设备，包括正方体铝型材框架、basler工业相机，带有照明功能的、可独立控制开关的PCB板及高度可调节的支架，带有独立显卡的计算机。其特征在于：所述PCB板的表面设置有若干个USB接口供电，所述摄像头与计算机之间通过USB连接线电性连接，所述PCB板与电源通过DC连接线电性连接。
本发明还公开了一种基于深度学习的手势识别开关的方法，具体包括以下步骤：
S1、建立多环境下的数据集，即不同角度，不同光线下的左右手掌纹图片。并将其存储在计算机中
S2、将原始图片通过图像预处理算法进行图片的批量处理，其中包括：将图像转化为灰度图像，图像二值化，基于最大内切圆法的ROI区域提取，中值滤波，直方图均衡化操作。
S3、将得到处理的目标图像传入Resnet50网络中进行训练与测试，使用smooth L1损失函数。
S4、训练完成后，分别选取不同人的左右手进行识别检测。得到相应的识别结果：即该照片属于X的左(或右)手。
步骤S1中建立的数据集包括正方位手掌图片，反方位手掌图片，正方位向左倾斜45度手掌图片，正方位向右倾斜45度手掌图片。
步骤S3中引用神经元随机失活机制，使部分神经元失效，从而提高网络模型的泛化能力，提升多种拍摄环境下的识别准确率。可以更好的模拟实际使用中的各种情况。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (5)

1.一种基于深度学习的掌纹识别设备与方法，包括正方体铝型材框架、basler工业相机，带有照明功能的、可独立控制开关的PCB板及高度可调节的支架，带有独立显卡的计算机。其特征在于：所述PCB板的表面设置有若干个USB接口供电，所述摄像头与计算机之间通过USB连接线电性连接，所述PCB板与电源通过DC连接线电性连接。
2.根据权利要求1所述的一种基于深度学习的掌纹识别设备，其特征在于：所述正方体铝型材框架上安装有带有独立控制开关照明功能的PCB板与basler工业相机。
3.一种基于深度学习的掌纹识别方法，从图像采集到预处理及网络训练具体包括以下步骤：
S1、建立多环境下的数据集，即不同角度，不同光线下的左右手掌纹图片。
S2、将原始图片存放于计算机中，并通过图像预处理算法进行图片的批量处理，其中包括：将图像转化为灰度图像，图像二值化，基于最大内切圆法的ROI区域提取，中值滤波，直方图均衡化操作。
S3、将得到处理的目标图像传入Resnet50网络中进行训练与测试，使用smooth L1损失函数。
S4、训练完成后，分别选取不同人的左右手进行识别检测。得到相应的识别结果：即该照片属于X的左(或右)手。
4.根据权利要求3所述的一种基于最大内切圆的ROI提取这一算法，其特征在于：对二值化图像上的每一点，如果该点为手掌内的一点，则将该点作为圆心，以一定的单位值改变该圆的半径，当该圆的边缘落在掌纹边缘上时，则停止半径搜索，同时记下该圆的半径；然后，仍然改变圆的圆心，继续该圆半径的搜索；最后，将搜索后半径最大的圆的圆心与半径记录下来，则该圆即为整个手掌区域的最大内切圆。根据这个思路，可以得到最大内切圆。由于人体掌纹分布区域的独特性，此方法可以很好地讲ROI区域分割出来。
5.根据权利要求3所述的Resnet50网络，其特征在于：引入神经元随机失活的设计，提高网络的泛化能力，以应对较为复杂的图片拍摄环境。
CN202210451751.XA 2022-04-27 2022-04-27 一种基于深度学习的掌纹识别的设备和方法 Pending CN114783005A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210451751.XA CN114783005A (zh) 2022-04-27 2022-04-27 一种基于深度学习的掌纹识别的设备和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210451751.XA CN114783005A (zh) 2022-04-27 2022-04-27 一种基于深度学习的掌纹识别的设备和方法

Publications (1)

Publication Number Publication Date
CN114783005A true CN114783005A (zh) 2022-07-22

Family

ID=82432515

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210451751.XA Pending CN114783005A (zh) 2022-04-27 2022-04-27 一种基于深度学习的掌纹识别的设备和方法

Country Status (1)

Country Link
CN (1) CN114783005A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115359249A (zh) * 2022-10-21 2022-11-18 山东圣点世纪科技有限公司 一种手掌图像roi区域提取方法及系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115359249A (zh) * 2022-10-21 2022-11-18 山东圣点世纪科技有限公司 一种手掌图像roi区域提取方法及系统

Similar Documents

Publication Publication Date Title
CN108985134B (zh) 基于双目摄像机的人脸活体检测及刷脸交易方法及系统
Cross et al. Thermographic imaging of the subcutaneous vascular network of the back of the hand for biometric identification
CN101030244B (zh) 基于人体生理图像中排序测度特征的自动身份识别方法
Zhang et al. Robust palmprint verification using 2D and 3D features
Jia et al. Multi-scale local binary pattern with filters for spoof fingerprint detection
Lee et al. Dorsal hand vein recognition based on 2D Gabor filters
Lee Palm vein recognition based on a modified
CN111462379A (zh) 一种含掌静脉和人脸识别的门禁管理方法、系统及介质
CN1627317A (zh) 利用主动光源获取人脸图像的方法
WO2004029862A1 (en) Method and apparatus for palmprint identification
Wang et al. An automatic physical access control system based on hand vein biometric identification
Wu et al. A novel biometric system based on hand vein
CN108846269A (zh) 一种面向多种特征的身份认证方法和身份认证装置
CN111178130A (zh) 一种基于深度学习的人脸识别方法、系统和可读存储介质
Han et al. Palmprint recognition under unconstrained scenes
CN110909601B (zh) 一种基于深度学习的美瞳识别方法及系统
CN110866235B (zh) 同时捕获人体脉搏和静脉图像的身份识别方法及装置
CN109598235B (zh) 一种指静脉图像认证方法及装置
CN114783005A (zh) 一种基于深度学习的掌纹识别的设备和方法
Song et al. Face liveliness detection based on texture and color features
El-Naggar et al. Which dataset is this iris image from?
CN111914750A (zh) 去除高亮特征和方向梯度直方图的面部活体检测方法
CN108288040A (zh) 基于面部轮廓的多参数人脸识别系统
Seal et al. Minutiae based thermal human face recognition using label connected component algorithm
CN109165640B (zh) 基于比特位面内分块互信息的手背静脉识别方法及识别系统

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