CN114792431A - 一种静脉图像识别方法 - Google Patents
一种静脉图像识别方法 Download PDFInfo
- Publication number
- CN114792431A CN114792431A CN202210707966.3A CN202210707966A CN114792431A CN 114792431 A CN114792431 A CN 114792431A CN 202210707966 A CN202210707966 A CN 202210707966A CN 114792431 A CN114792431 A CN 114792431A
- Authority
- CN
- China
- Prior art keywords
- vein image
- middle finger
- fingertip
- palm
- finger
- 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
Classifications
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Collating Specific Patterns (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
一种静脉图像识别方法，包括：采集用户的手部静脉图像，计算手掌中心点坐标；构建手部静脉图像中各轮廓边缘点相对于手掌中心点的夹角‑距离曲线图，并根据夹角‑距离曲线图确定中指信息；根据中指信息判断手掌中心点坐标是否计算错误；基于手掌中心点坐标和中指信息确认手部静脉图像的矫正角度，根据矫正角度对手部静脉图像进行矫正；对矫正后的手部静脉图像进行ROI截取，并对ROI进行静脉特征提取；将静脉特征与模板静脉特征比对，若两者相匹配，则用户身份识别通过。本发明避免了在掌静脉识别过程中，因胳膊区域较长，最终影响静脉识别的成功率的问题。
Description
技术领域
本发明涉及生物特征识别技术领域，尤其涉及一种静脉图像识别方法。
背景技术
近年来，随着信息技术的发展，静脉识别技术取得了很大的进展，相对于人脸识别技术来讲，静脉识别具有体内特征、不可复制、安全级别高、个体差异大等优点。目前，静脉识别技术已用于金融、军工等领域，给人们的生活带来了极大的便利。人的手掌中包含极为丰富的静脉信息，包括掌静脉和指静脉，且在识别过程中，需要人主动伸出手掌方可进行检测，如此可以降低如人脸的被动检测而造成信息泄露的风险。
现有手部静脉识别的步骤一般为：对采集到的手部静脉图像进行预处理截除手指区域得到掌静脉图像，根据掌静脉图像计算手掌中心点坐标，并根据手掌中心点和中指-无名指指缝的连线对手部静脉图像进行旋转矫正，根据矫正后的手部静脉图像进行ROI截取及静脉特征提取。但若采集的手部静脉图像中包含较多的胳膊区域，图像预处理无法处理掉胳膊区域，则计算出的手掌中心点相对于实际的手掌中心点会向下偏移，从而影响静脉图像的旋转矫正及ROI提取，最终影响静脉识别的成功率。
发明内容
本发明的目的在于提供一种静脉图像识别方法，以解决静脉识别过程中，手掌中心点下移，影响手部静脉图像旋转矫正及ROI提取，最终影响静脉识别成功率的问题。
为了达到目的，本发明提供的技术方案为：一种静脉图像识别方法，用于用户的身份识别，包括：采集所述用户的手部静脉图像，并计算手掌中心点坐标；获取所述手部静脉图像中各轮廓边缘点相对于手掌中心点的夹角-距离曲线图，并根据所述夹角-距离曲线图确定所述用户的中指信息；根据所述中指信息判断所述手掌中心点坐标是否计算错误，若计算错误，则进行手部静脉图像预裁剪，得到预裁剪后的手部静脉图像，并根据预裁剪后的手部静脉图形重新确认手掌中心点坐标和中指信息；基于所述手掌中心点坐标和中指信息确认所述手部静脉图像的矫正角度，根据所述矫正角度对所述手部静脉图像进行矫正，得到矫正后的手部静脉图像；对所述矫正后的手部静脉图像进行ROI截取，并对所述ROI进行静脉特征提取；将所述静脉特征与模板静脉特征比对，若两者相匹配，则用户身份识别通过。
优选地，所述计算手掌中心点坐标包括：对获取的所述手部静脉图像进行分割处理，去除所述手部静脉图像的手指区域，得到掌静脉图像；基于边缘检测算法确定所述掌静脉图像的轮廓边缘点，并根据所述掌静脉图像的轮廓边缘点计算手掌中心点的坐标。
优选地，所述根据所述夹角-距离曲线图确定所述用户的中指信息，包括：根据所述夹角-距离曲线图确定中指指尖、无名指指尖在夹角-距离曲线图中的坐标，并计算中指-无名指指缝中点在所述夹角-距离曲线图中的坐标以及中指长度。
优选地，所述根据所述夹角-距离曲线图确定中指指尖、无名指指尖在夹角-距离曲线图中的坐标，包括：寻找多个指尖预测点，所述指尖预测点为所述夹角-距离曲线图中的波峰点；分别计算每个指尖预测点与所有指尖预测点的距离之和，所述与所有指尖预测点距离之和数值最小的指尖预测点为中指指尖，其在所述夹角-距离曲线图中对应的坐标为中指指尖坐标；在所述中指指尖左右两侧分别寻找两个指尖预测点，所述四个指尖预测点中纵坐标数值最小的指尖预测点为大拇指指尖，与所述中指指尖距离最近且相对于中指指尖与所述大拇指指尖方向相反的指尖预测点为无名指指尖，其在所述夹角-距离曲线图中对应的坐标为无名指指尖坐标。
优选地，所述中指-无名指指缝中点的横坐标为中指指尖与无名指指尖横坐标的平均值，所述中指-无名指指缝中点的纵坐标为中指-无名指指缝中点横坐标在所述夹角-距离曲线图对应的纵坐标，所述中指长度为中指指尖与中指-无名指指缝中点纵坐标差额的绝对值。
优选地，所述根据所述中指信息判断所述手掌中心点坐标是否计算错误，包括：计算所述掌静脉图像的长度；判断所述掌静脉图像的长度/中指长度是否小于等于1.5，若是则手掌中心点坐标计算正确，反之计算错误。
优选地，所述手部静脉图像预裁剪，包括：从中指指尖位置沿着中指所在方向截取2.5个中指长度的图像，得到预裁剪后的手部静脉图像。
优选地，所述基于所述手掌中心点坐标和中指信息确认所述手部静脉图像的矫正角度，所述手掌中心点和中指-无名指指缝中点的连线与垂直轴的夹角为矫正角度。
采用本发明提供的技术方案，与现有技术相比，具有如下有益效果：本发明在对手部静脉图像进行旋转矫正之前，进行了手掌中心点的预判断，若判断错误，则进行手部静脉图像预裁剪，并根据预裁剪的手部静脉图像重新计算手掌中心点，避免了在掌静脉识别过程中，胳膊区域较长，计算出的手掌中心点相对于手掌实际中心点下移的问题，从而影响手部静脉图像的旋转矫正及ROI提取，最终影响静脉识别的成功率。
附图说明
图1为本发明涉及的静脉图像识别方法的流程图；
图2为采集的手部静脉图像中胳膊区域较长的情况的示意图。
具体实施方式
为进一步了解本发明的内容，结合实施例对本发明作详细描述，以下实施例用于说明本发明，但不用来限制本发明的范围。
参照附图1，本发明涉及一种静脉图像识别方法，包括以下步骤：
1）采集用户的手部静脉图像，并计算手掌中心点坐标，其具体步骤为：
1.1）对获取的手部静脉图像进行分割处理，去除手部静脉图像的手指区域，得到掌静脉图像；
1.2）基于边缘检测算法确定掌静脉图像的轮廓边缘点，并根据掌静脉图像的轮廓边缘点计算手掌中心点的坐标。
其中，上述分割处理一般为开运算，开运算可以使图像边界平滑，消除尖刺，即可以去除手部静脉图像的手指区域。边缘检测算法可以是sobel算法、LapLace算法或canny算法等，在此不做限制，通过边缘检测算法获取掌静脉图像的轮廓边缘点坐标，然后分别对轮廓边缘点的横坐标与纵坐标分别求取其平均值，所得的平均值即为手掌中心点坐标。
2）采用边缘检测算法获取手部静脉图像的轮廓边缘点，以手部静脉图像的轮廓边缘点到手掌中心点的角度为横坐标，距离为纵坐标，构建手部静脉图像中各轮廓边缘点相对于手掌中心点的夹角-距离波峰曲线图，具体方法可参考专利公开号为CN113936307A中公开的技术方案，并根据夹角-距离曲线图确定中指信息。其中，中指信息包括中指指尖、中指-无名指指缝中点在夹角-距离曲线图中的坐标，同时根据上述坐标可以计算出中指长度。具体步骤为：
2.1）寻找多个指尖预测点，上述指尖预测点为夹角-距离曲线图中的波峰点，其中波峰点应该满足以下两个条件：
a）该指尖预测点到手掌中心点的距离大于与该点相邻的左右四个点到手掌中心点的距离，即该点的纵坐标大于左右四个点的纵坐标；
b）该点的纵坐标与左右八个点的纵坐标的平均值之差大于一定的阈值a，本实施例中a=8。因为手指较为陡峭，因此相邻像素点之间的位置差异较大，即坐标差较大。当采集到的掌静脉图像存在毛刺或者脏污等噪音时，会出现小波峰现象，此时仅有条件a），则有可能出现判断错误，因此本发明中以相邻像素点的纵坐标之差对手指指尖点进行进一步限制。
2.2）分别计算每个指尖预测点与所有指尖预测点的距离之和，与所有指尖预测点距离之和数值最小的指尖预测点为中指指尖所在位置，其在夹角-距离曲线图中对应的坐标为中指指尖坐标。
需要说明的是，上述距离为夹角距离，即每个指尖预测点横坐标差的绝对值为两个指尖预测点之间的距离。因为中指为5根手指的中心，所以中指到其它各个手指的夹角之和最小，因此将与所有指尖预测点距离之和数值最小的指尖预测点确认为中指指尖所在位置。
2.3）在中指指尖左右两侧分别寻找两个指尖预测点，四个指尖预测点中纵坐标数值最小的指尖预测点为大拇指指尖所在的位置，与中指指尖距离最近且相对于中指指尖与大拇指指尖方向相反的指尖预测点为无名指指尖所在位置，其在夹角-距离曲线图中对应的坐标为无名指指尖坐标。
在确认了中指指尖位置之后，需要进一步确认无名指指尖位置。首先，要先确认手掌方向，即是左手还是右手，具体的判断方法为，在上述指尖预测点中，在中指指尖左右两侧分别寻找两个距其夹角距离最小的指尖预测点，因为在正常的手掌中，大拇指指尖在其它四个手指指尖的下方，距离手掌中心点的距离最短，因此四个指尖预测点中纵坐标数值最小的指尖预测点为大拇指指尖所在位置。然后，与中指指尖夹角距离最近且相对于中指指尖与大拇指指尖方向相反的指尖预测点为无名指指尖所在位置，其在夹角-距离曲线图中对应的坐标为无名指指尖坐标。
2.4）中指-无名指指缝中点的横坐标为中指指尖与无名指指尖横坐标的平均值，中指-无名指指缝中点的纵坐标为中指-无名指指缝中点横坐标在夹角-距离曲线图对应的纵坐标。因为中指-无名指指缝中点在中指和无名指中间的位置，所以其横坐标为中指指尖与无名指指尖横坐标的平均值。
2.5）中指长度为中指指尖与中指-无名指指缝中点纵坐标差额的绝对值。需要说明的是，中指的长度本应为中指指尖与中指指根的纵坐标差额的绝对值，但为了减少计算时间，且，中指指根到手掌中心的距离与中指-无名指指缝中点到手掌中心点的距离大致相等，本实施例中，将中指指根的坐标约等于中指-无名指指缝中点的坐标，中指长度约等于中指指尖与中指-无名指指缝中点纵坐标差额的绝对值。
3）根据中指信息判断手掌中心点坐标是否计算错误，若计算错误，则进行手部静脉图像预裁剪，得到预裁剪后的手部静脉图像，并根据预裁剪后的手部静脉图形重新确认手掌中心点坐标和中指信息，其具体步骤为：
3.1）计算掌静脉图像的长度；
3.2）判断掌静脉图像的长度/中指长度是否小于等于1.5，若是则手掌中心点坐标计算正确，反之计算错误。
3.3）从中指指尖位置沿着中指所在方向截取2.5个中指长度的图像，得到预裁剪后的手部静脉图像。
在正常情况下，去除手指的掌部区域的长度一般为中指长度的1.2-1.4倍，若去除手指的掌部区域的长度/中指长度则大于1.4，此时必然是胳膊区域较长，则根据此静脉图像计算出的手掌中心点相对于实际的手掌中心点必然下移，从而影响后期的图像旋转矫正。本实施中以1.5作为判断标准，是因为如果胳膊区域是不是特别长，对实际效果影响不大。
本实施中，在对手部静脉图像进行旋转矫正之前，进行了手掌中心点的预判断，若判断错误，则进行手部静脉图像预裁剪，并根据预裁剪的手部静脉图像重新计算手掌中心点，避免了在掌静脉识别过程中，胳膊区域较长，计算出的手掌中心点相对于手掌实际中心点下移的问题，从而影响手部静脉图像的旋转矫正及ROI提取，最终影响静脉识别的成功率，如附图2所示为手部静脉图像中胳膊区域较长的情况的示意图。
4)基于手掌中心点坐标和中指信息确认手部静脉图像的矫正角度，根据矫正角度对手部静脉图像进行矫正，得到矫正后的手部静脉图像，其中，矫正角度为手掌中心点和中指-无名指指缝中点的连线与垂直轴的夹角为矫正角度，矫正后的手部静脉图像中，手掌中心点和中指-无名指指缝中点的连线应当与垂直轴平行，与水平轴的夹角为90度。
5)对矫正后的手部静脉图像进行ROI截取，并对ROI进行静脉特征提取。
6)将静脉特征与模板静脉特征比对，若两者相匹配，则用户身份识别通过。
以上结合实施例对本发明进行了详细说明，但所述内容仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等，均应仍属于本发明的专利涵盖范围之内。
Claims (8)
1.一种静脉图像识别方法，其特征在于，用于用户的身份识别，包括：采集所述用户的手部静脉图像，并计算手掌中心点坐标；构建所述手部静脉图像中各轮廓边缘点相对于手掌中心点的夹角-距离曲线图，并根据所述夹角-距离曲线图确定中指信息；根据所述中指信息判断所述手掌中心点坐标是否计算错误，若计算错误，则进行手部静脉图像预裁剪，并根据预裁剪后的手部静脉图形重新确认手掌中心点坐标和中指信息；基于所述手掌中心点坐标和中指信息确认所述手部静脉图像的矫正角度，根据所述矫正角度对所述手部静脉图像进行矫正；对矫正后的手部静脉图像进行ROI截取，并对所述ROI进行静脉特征提取；将所述静脉特征与模板静脉特征比对，若两者相匹配，则用户身份识别通过。
2.根据权利要求1所述的静脉图像识别方法，其特征在于，所述计算手掌中心点坐标包括：对获取的所述手部静脉图像进行分割处理，去除所述手部静脉图像的手指区域，得到掌静脉图像；基于边缘检测算法确定所述掌静脉图像的轮廓边缘点，并根据所述掌静脉图像的轮廓边缘点计算手掌中心点的坐标。
3.根据权利要求2所述的静脉图像识别方法，其特征在于，所述根据所述夹角-距离曲线图确定所述用户的中指信息，包括：根据所述夹角-距离曲线图确定中指指尖、无名指指尖在夹角-距离曲线图中的坐标，并计算中指-无名指指缝中点在所述夹角-距离曲线图中的坐标以及中指长度。
4.根据权利要求3所述的静脉图像识别方法，其特征在于，所述根据所述夹角-距离曲线图确定中指指尖、无名指指尖在夹角-距离曲线图中的坐标，包括：寻找多个指尖预测点，所述指尖预测点为所述夹角-距离曲线图中的波峰点；分别计算每个指尖预测点与所有指尖预测点的距离之和，与所有指尖预测点距离之和数值最小的指尖预测点为中指指尖，其在所述夹角-距离曲线图中对应的坐标为中指指尖坐标；在所述中指指尖左右两侧各寻找两个指尖预测点，四个指尖预测点中纵坐标数值最小的指尖预测点为大拇指指尖，与所述中指指尖距离最近且相对于中指指尖与所述大拇指指尖方向相反的指尖预测点为无名指指尖，其在所述夹角-距离曲线图中对应的坐标为无名指指尖坐标。
5.根据权利要求3所述的静脉图像识别方法，其特征在于，所述计算中指-无名指指缝中点在所述夹角-距离曲线图中的坐标包括：分别计算中指-无名指指缝中点在所述夹角-距离曲线图中的横坐标和纵坐标；所述中指-无名指指缝中点的横坐标为中指指尖与无名指指尖横坐标的平均值，所述中指-无名指指缝中点的纵坐标为中指-无名指指缝中点横坐标在所述夹角-距离曲线图对应的纵坐标，所述中指长度为中指指尖与中指-无名指指缝中点纵坐标差额的绝对值。
6.根据权利要求3所述的静脉图像识别方法，其特征在于，所述根据所述中指信息判断所述手掌中心点坐标是否计算错误，包括：计算所述掌静脉图像的长度；判断所述掌静脉图像的长度/中指长度是否小于等于1.5，若是则手掌中心点坐标计算正确，反之计算错误。
7.根据权利要求6所述的静脉图像识别方法，其特征在于，所述手部静脉图像预裁剪，包括：从中指指尖沿着中指所在方向截取2.5个中指长度的图像，得到预裁剪后的手部静脉图像。
8.根据权利要求3所述的静脉图像识别方法，其特征在于，所述基于所述手掌中心点坐标和中指信息确认所述手部静脉图像的矫正角度，所述矫正角度为所述手掌中心点和中指-无名指指缝中点的连线与垂直轴的夹角。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210707966.3A CN114792431A (zh) | 2022-06-22 | 2022-06-22 | 一种静脉图像识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210707966.3A CN114792431A (zh) | 2022-06-22 | 2022-06-22 | 一种静脉图像识别方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114792431A true CN114792431A (zh) | 2022-07-26 |
Family
ID=82463459
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210707966.3A Pending CN114792431A (zh) | 2022-06-22 | 2022-06-22 | 一种静脉图像识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114792431A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017113736A1 (zh) * | 2015-12-27 | 2017-07-06 | 乐视控股（北京）有限公司 | 手指与手腕的区分方法及其装置 |
| CN106991380A (zh) * | 2017-03-10 | 2017-07-28 | 电子科技大学 | 一种基于掌静脉图像的预处理方法 |
| JP2018088183A (ja) * | 2016-11-29 | 2018-06-07 | 株式会社東海理化電機製作所 | 画像認識装置 |
| US20180357499A1 (en) * | 2015-11-24 | 2018-12-13 | Xiamen Zkteco Information Technology Co., Ltd. | Palm vein identification method and device |
| CN113936305A (zh) * | 2021-12-17 | 2022-01-14 | 北京圣点云信息技术有限公司 | 一种手掌识别过程中的中指位置确认方法及特征提取方法 |
| CN114612951A (zh) * | 2022-05-11 | 2022-06-10 | 北京圣点云信息技术有限公司 | 一种手掌特征识别方法 |
-
2022
- 2022-06-22 CN CN202210707966.3A patent/CN114792431A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180357499A1 (en) * | 2015-11-24 | 2018-12-13 | Xiamen Zkteco Information Technology Co., Ltd. | Palm vein identification method and device |
| WO2017113736A1 (zh) * | 2015-12-27 | 2017-07-06 | 乐视控股（北京）有限公司 | 手指与手腕的区分方法及其装置 |
| JP2018088183A (ja) * | 2016-11-29 | 2018-06-07 | 株式会社東海理化電機製作所 | 画像認識装置 |
| CN106991380A (zh) * | 2017-03-10 | 2017-07-28 | 电子科技大学 | 一种基于掌静脉图像的预处理方法 |
| CN113936305A (zh) * | 2021-12-17 | 2022-01-14 | 北京圣点云信息技术有限公司 | 一种手掌识别过程中的中指位置确认方法及特征提取方法 |
| CN114612951A (zh) * | 2022-05-11 | 2022-06-10 | 北京圣点云信息技术有限公司 | 一种手掌特征识别方法 |
Non-Patent Citations (1)
| Title |
|---|
| 崔家礼等: "基于自适应手指分割与判别的静态手势识别", 《计算机应用与软件》 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Awrangjeb et al. | Robust image corner detection based on the chord-to-point distance accumulation technique | |
| CN113936307B (zh) | 一种基于薄膜传感器的静脉图像识别方法及装置 | |
| US8311332B2 (en) | Image processing system, mask fabrication method, and program | |
| US7298874B2 (en) | Iris image data processing for use with iris recognition system | |
| JP6212099B2 (ja) | 画像テンプレートマスキング | |
| Sutra et al. | The Viterbi algorithm at different resolutions for enhanced iris segmentation | |
| CN103955674B (zh) | 掌纹图像采集装置及掌纹图像定位与分割方法 | |
| Yang et al. | Superpixel based finger vein ROI extraction with sensor interoperability | |
| Podder et al. | An efficient iris segmentation model based on eyelids and eyelashes detection in iris recognition system | |
| CN110427909B (zh) | 一种移动端驾驶证检测方法、系统及电子设备和存储介质 | |
| CN115690884A (zh) | 一种人脸识别方法、系统、存储介质及计算设备 | |
| CN114783010A (zh) | 一种掌纹图像感兴趣区域提取方法 | |
| CN114792431A (zh) | 一种静脉图像识别方法 | |
| CN106650554A (zh) | 静态手势识别方法 | |
| CN114612951B (zh) | 一种手掌特征识别方法 | |
| CN113936305B (zh) | 一种手掌识别过程中的中指位置确认方法及特征提取方法 | |
| CN114882539B (zh) | 一种静脉图像roi提取方法及装置 | |
| CN110956200A (zh) | 一种轮胎花纹相似度检测方法 | |
| Mahoor et al. | 3D face recognition based on 3D ridge lines in range data | |
| CN112308044B (zh) | 针对掌静脉图像的图像增强处理方法和掌静脉识别方法 | |
| JP4020202B2 (ja) | 縞状パターン抽出システムおよび縞状パターン抽出方法 | |
| KR100391182B1 (ko) | 직접 골 추적을 이용한 지문 특징 추출방법 | |
| KR100698724B1 (ko) | 융선 방향 정보를 이용한 지문이미지의 특이점 및 중심점추출 방법 | |
| CN109145748B (zh) | 可见光静脉显像图像的静脉线提取算法 | |
| CN112381042A (zh) | 从掌静脉图像中提取掌静脉特征的方法、掌静脉识别方法 |
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 |