CN115578760B - 一种基于地形起伏度静脉识别的控制系统及控制方法 - Google Patents

一种基于地形起伏度静脉识别的控制系统及控制方法 Download PDF

Info

Publication number
CN115578760B
CN115578760B CN202211420534.0A CN202211420534A CN115578760B CN 115578760 B CN115578760 B CN 115578760B CN 202211420534 A CN202211420534 A CN 202211420534A CN 115578760 B CN115578760 B CN 115578760B
Authority
CN
China
Prior art keywords
image
vein
feature
gray
window
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
Application number
CN202211420534.0A
Other languages
English (en)
Other versions
CN115578760A (zh
Inventor
高旭
李学双
赵国栋
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.)
Shandong Shengdian Century Technology Co ltd
Original Assignee
Shandong Shengdian Century Technology Co ltd
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 Shandong Shengdian Century Technology Co ltd filed Critical Shandong Shengdian Century Technology Co ltd
Priority to CN202211420534.0A priority Critical patent/CN115578760B/zh
Publication of CN115578760A publication Critical patent/CN115578760A/zh
Application granted granted Critical
Publication of CN115578760B publication Critical patent/CN115578760B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/14—Vascular patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C9/00—Individual registration on entry or exit
    • G07C9/30—Individual registration on entry or exit not involving the use of a pass
    • G07C9/32—Individual registration on entry or exit not involving the use of a pass in combination with an identity check
    • G07C9/37—Individual registration on entry or exit not involving the use of a pass in combination with an identity check using biometric data, e.g. fingerprints, iris scans or voice recognition
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/30—Assessment of water resources

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Vascular Medicine (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本发明公开了一种基于地形起伏度静脉识别的控制系统及控制方法，属于智能控制系统技术领域，其包括静脉图像采集模块、用于对静脉图像进行归一化处理和增强处理的静脉图像预处理模块、用于计算静脉灰度图像的地形起伏度的地形起伏度计算模块、用于对地形起伏度进行特征编码的特征编码模块、用于将待比对特征图像和模板特征图像的特征编码比对并判定相似度和图像识别的识别模块、用于在识别结果为“匹配”时给予该用户操作权限的控制模块。本发明将地形起伏度的计算方法进行改进，引入到静脉图像特征提取中，并用新的编码方式进行特征编码，能够更加准确的表达静脉细节之间的变化，进而使静脉特征描述更加准确，更准确的计算相似度，降低误识率。

Description

一种基于地形起伏度静脉识别的控制系统及控制方法
技术领域
本发明属于智能控制系统技术领域，尤其涉及一种基于地形起伏度静脉识别的控制系统及控制方法。
背景技术
生物识别技术是对人体自身所拥有的生物特征进行自动身份识别的技术，其中，静脉特征识别是生物识别技术中较为常见的一种，其通过提取人体手掌、手指等部位的静脉血管的特征进行识别的技术，是一种安全性很高的身份识别技术，将生物识别技术引入控制系统中，能够保证系统的安全性。
目前常用的静脉图像特征提取的方法主要分为纹理特征、细节点特征，基于纹理分析的方法能够有效的描述静脉的纹理特征，因此在静脉识别中有着广泛的应用。如专利号为CN101840511B的中国发明公开的手静脉特征提取与匹配识别方法，该专利公开的特征提取的方法为：对手静脉纹路图进行子块划分，对于每个子块图像采用双向特征值加权分块的双向二维主成分分析的方法进行特征提取；识别分析是将各个子块的特征作为整体采用最近邻分类器进行识别。由于受到现有图像采集设备和环境因素的影响，导致采集的手静脉图像存在对比度低、灰度分布不均等问题，这就降低了静脉特征提取的准确性，进而影响手静脉识别系统的识别率。在上述的静脉图像特征提取的方法过程中，在提取特征时未曾考虑中心点邻域像素点的影响，对于低质量手静脉图像，无法准确地表达静脉图像像素之间的变化情况，导致了静脉特征表达不够精确。
发明内容
本发明提供了一种基于地形起伏度静脉识别的控制系统及控制方法，以解决现有静脉识别过程中无法准确地表达静脉细节特征，导致识别出错率高的问题。
为了解决上述技术问题，本发明提供的技术方案为：
本发明涉及一种基于地形起伏度静脉识别的控制系统，其包括：
静脉图像采集模块，用于采集用户的静脉图像；
静脉图像预处理模块，用于对静脉图像进行归一化处理和增强处理，形成静脉灰度图像；
地形起伏度计算模块，采用滑动窗口法计算静脉灰度图像的地形起伏度；
特征编码模块，用于设定地形起伏度阈值，基于静脉灰度图像的地形起伏度及地形起伏度阈值的大小关系对地形起伏度进行特征编码，形成特征图像；
识别模块，采用像素点与区域比对的方式将待比对特征图像和模板特征图像的特征编码进行比对，进而判定相似度，基于相似度对待比对特征图像进行识别；
控制模块，当识别结果为“匹配”时，用于给予该用户操作的权限。
优选地，所述的静脉图像预处理模块对静脉图像进行增强处理的具体步骤包括：
S2.1.对静脉图像进行幂次方差变换；
S2.2.对变换后的静脉图像进行灰度校正，得到去除静脉图像偏移场后的图像；
S2.3.对去除静脉图像偏移场后的图像进行去噪处理，得到平滑后的静脉灰度图像。
优选地，所述步骤S2.1对静脉图像进行幂次方差变换的变换公式为：
Figure 196205DEST_PATH_IMAGE001
公式中，
Figure 869894DEST_PATH_IMAGE002
表示变换前静脉图像像素点的坐标，/>
Figure 914073DEST_PATH_IMAGE003
表示点的灰度值，/>
Figure 906169DEST_PATH_IMAGE004
和
Figure 693996DEST_PATH_IMAGE005
分别表示变换前静脉图像的均值和方差，/>
Figure 471459DEST_PATH_IMAGE006
和/>
Figure 374956DEST_PATH_IMAGE007
分别表示变换后静脉灰度图像的均值和方差，/>
Figure 605080DEST_PATH_IMAGE008
、/>
Figure 445866DEST_PATH_IMAGE009
均为正数，取值范围为[0，1]，/>
Figure 812256DEST_PATH_IMAGE010
表示幂次方差变换后的静脉灰度图像的灰度值；
所述步骤S2.2对变换后的静脉图像进行灰度校正的公式为：
Figure 198238DEST_PATH_IMAGE011
公式中，
Figure 931970DEST_PATH_IMAGE012
为静脉图像的真实信息，/>
Figure 999283DEST_PATH_IMAGE013
为静脉图像的偏移场，/>
Figure 531764DEST_PATH_IMAGE014
为静脉图像的噪声信息，其中，所述的静脉图像的偏移场采用Gabor滤波确定，其计算公式为：
Figure 291910DEST_PATH_IMAGE015
公式中，
Figure 247359DEST_PATH_IMAGE016
表示卷积，/>
Figure 180680DEST_PATH_IMAGE017
表示Gabor滤波器；
根据公式（2）和（3）可得去除静脉图像偏移场后的图像
Figure 256083DEST_PATH_IMAGE018
为：
Figure 701977DEST_PATH_IMAGE019
公式中，静脉图像的噪声信息
Figure 190727DEST_PATH_IMAGE014
设为0，即去除静脉图像偏移场后的图像
Figure 350575DEST_PATH_IMAGE018
表示为：
Figure 608381DEST_PATH_IMAGE020
。
优选地，所述的地形起伏度计算模块采用滑动窗口法计算静脉灰度图像的地形起伏度的具体步骤为：
S3.1.为静脉灰度图像设置一个固定长度的窗口，统计该窗口的最大和最小灰度值，计算该窗口的初始地形起伏度，循环移动窗口，完成静脉灰度图像初始地形起伏度的计算；
S3.2.根据初始地形起伏度计算对应窗口内的平地面积；
S3.3.根据窗口内的平地面积完成静脉灰度图像地形起伏度的计算，计算公式为：
Figure 710329DEST_PATH_IMAGE021
公式中，
Figure 873326DEST_PATH_IMAGE022
和/>
Figure 148450DEST_PATH_IMAGE024
表示所要计算的像素点的行、列坐标，/>
Figure 203038DEST_PATH_IMAGE025
为像素点/>
Figure 272626DEST_PATH_IMAGE026
的地形起伏度，/>
Figure 939230DEST_PATH_IMAGE027
为像素点/>
Figure 939416DEST_PATH_IMAGE028
所在窗口区域内的静脉灰度图像的灰度平均值，/>
Figure 171814DEST_PATH_IMAGE029
为静脉灰度图像的灰度平均值，/>
Figure 100718DEST_PATH_IMAGE030
、/>
Figure 254619DEST_PATH_IMAGE031
分别为窗口区域内的静脉灰度图像的最大灰度值和最小灰度值；/>
Figure 871545DEST_PATH_IMAGE032
、/>
Figure 145401DEST_PATH_IMAGE033
分别为静脉灰度图像的最大灰度值和最小灰度值，/>
Figure 822370DEST_PATH_IMAGE034
和/>
Figure 948720DEST_PATH_IMAGE035
分别为窗口的长和宽，/>
Figure 41441DEST_PATH_IMAGE036
为窗口内的平地面积。
优选地，所述的静脉灰度图像的灰度平均值的计算公式为：
Figure 248431DEST_PATH_IMAGE037
公式中，
Figure 283252DEST_PATH_IMAGE038
和/>
Figure 880587DEST_PATH_IMAGE039
分别表示静脉灰度图像的行列数，/>
Figure 590048DEST_PATH_IMAGE040
表示静脉灰度图像像素点
Figure 589228DEST_PATH_IMAGE041
的灰度值。
优选地，所述的像素点
Figure 60529DEST_PATH_IMAGE041
所在窗口区域内的静脉灰度图像的灰度平均值的计算公式为：
Figure 410739DEST_PATH_IMAGE042
公式中，
Figure 907580DEST_PATH_IMAGE034
和/>
Figure 511999DEST_PATH_IMAGE035
分别为窗口的长和宽，/>
Figure 904934DEST_PATH_IMAGE043
表示窗口区域内的静脉灰度图像像素点/>
Figure 991707DEST_PATH_IMAGE044
的灰度值，/>
Figure 292239DEST_PATH_IMAGE045
为像素点/>
Figure 16743DEST_PATH_IMAGE046
所在窗口区域内的静脉灰度图像的灰度平均值。
优选地，所述初始地形起伏度
Figure 315001DEST_PATH_IMAGE047
的计算公式为：
Figure 889070DEST_PATH_IMAGE048
；
所述窗口内的平地面积为窗口内初始地形起伏度值
Figure 727713DEST_PATH_IMAGE049
小于设定阈值/>
Figure 555992DEST_PATH_IMAGE050
的个数，阈值/>
Figure 838200DEST_PATH_IMAGE052
根据采集的指静脉图像进行跑批得到，窗口内的平地面积的计算公式为：
Figure 384719DEST_PATH_IMAGE053
公式中，
Figure 479583DEST_PATH_IMAGE034
和/>
Figure 693526DEST_PATH_IMAGE035
分别为窗口的长和宽。
优选地，所述特征编码模块基于静脉灰度图像的地形起伏度及地形起伏度阈值S的大小关系对地形起伏度进行特征编码的具体方式如下：
若满足以下条件：
Figure 84319DEST_PATH_IMAGE054
，
则设置该像素点的特征编码为0；
若满足以下条件：
Figure 914872DEST_PATH_IMAGE055
，/>
则设置该像素点的特征编码为1；
若满足以下条件：
Figure 485530DEST_PATH_IMAGE056
，
则设置该像素点的特征编码为2；
若满足以下条件：
Figure 288401DEST_PATH_IMAGE057
，
则设置该像素点的特征编码为3；
若满足以下条件：
Figure 924130DEST_PATH_IMAGE058
，
则设置该像素点的特征编码为4；
若满足以下条件：
Figure 179662DEST_PATH_IMAGE059
，
则设置该像素点的特征编码为5；
若满足以下条件：
Figure 616329DEST_PATH_IMAGE060
，
则设置该像素点的特征编码为6；
若满足以下条件：
Figure 539285DEST_PATH_IMAGE061
，
则设置该像素点的特征编码为7；
Figure 537459DEST_PATH_IMAGE063
为像素点/>
Figure 342604DEST_PATH_IMAGE065
的地形起伏度，地形起伏度阈值S的大小根据采集的指静脉图像进行跑批得到。
优选地，所述识别模块采用像素点与区域比对的方式将待比对特征图像和模板特征图像的特征编码进行比对，进而判定相似度的具体步骤为：
S5.1.计算待比对特征图像上的像素点与模板特征图像上对应区域块的比对值，计算公式为：
Figure 68115DEST_PATH_IMAGE066
S5.2.计算模板特征图像上的像素点与待比对特征图像上对应区域块的比对值，计算公式为：
Figure 891583DEST_PATH_IMAGE067
S5.3.计算待比对特征图像与模板特征图像的比对值，计算公式为：
Figure 309926DEST_PATH_IMAGE068
公式中，
Figure 25204DEST_PATH_IMAGE069
为待比对特征图像上的像素点与模板特征图像上对应区域块的比对值，/>
Figure 819984DEST_PATH_IMAGE070
为模板特征图像上的像素点与待比对特征图像上对应区域块的比对值，
Figure 248692DEST_PATH_IMAGE071
为待比对特征图像与模板特征图像的比对值，/>
Figure 821624DEST_PATH_IMAGE072
为待比对特征图像，/>
Figure 804624DEST_PATH_IMAGE073
为模板特征图像，/>
Figure 684986DEST_PATH_IMAGE074
为待比对特征图像上的坐标为/>
Figure 905883DEST_PATH_IMAGE046
的像素点的特征编码，/>
Figure 728346DEST_PATH_IMAGE075
为模板特征图像中与待比对特征图像上的坐标为/>
Figure 182330DEST_PATH_IMAGE041
的像素点对应的点所在的矩形区域的特征编码，/>
Figure 787755DEST_PATH_IMAGE076
为模板特征图像上的坐标为/>
Figure 941786DEST_PATH_IMAGE046
的像素点的特征编码，/>
Figure 872833DEST_PATH_IMAGE077
为带对比特征图像中与模板特征图像上的坐标为/>
Figure 548534DEST_PATH_IMAGE041
的像素点对应的点所在的矩形区域的特征编码，
Figure 285546DEST_PATH_IMAGE078
为待比对特征图像/>
Figure 746614DEST_PATH_IMAGE072
和模板特征图像/>
Figure 333716DEST_PATH_IMAGE079
的大小。
本发明还涉及一种基于地形起伏度静脉识别的控制方法，其包括以下步骤：
S1.采集用户的静脉图像；
S2.对静脉图像进行归一化处理和增强处理，形成静脉灰度图像；
S3.采用滑动窗口法计算静脉灰度图像的地形起伏度；
S4.设定地形起伏度阈值，基于静脉灰度图像的地形起伏度及地形起伏度阈值的大小关系对地形起伏度进行特征编码，形成特征图像；
S5.采用像素点与区域比对的方式将待比对特征图像和模板特征图像的特征编码进行比对，进而判定相似度，基于相似度对待比对特征图像进行识别；
S6.当识别结果为“匹配”时，给予该用户操作的权限。
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：
1.本发明涉及的基于地形起伏度静脉识别的控制系统引入了地形起伏度计算模块和特征编码模块，地形起伏度计算模块采用滑动窗口法计算静脉灰度图像的地形起伏度，特征编码模块基于静脉灰度图像的地形起伏度及地形起伏度阈值的大小关系对地形起伏度进行特征编码，进而提取静脉特征，该方法考虑到静脉图像的静脉血管灰度和背景灰度的差异，能够更加准确的表达静脉细节之间的变化，进而使静脉特征描述更加准确。
2.本发明涉及的基于地形起伏度静脉识别的控制系统中的识别模块，采用像素点与区域比对的方式对待比对特征图像和模板特征图像的灰度值进行比对，进而判定相似度，基于相似度对待比对特征图像进行识别，通过该方式计算两幅静脉图像的静脉特征的相似度，可以更准确的计算相似度，进而降低误识率。
3.本发明涉及的基于地形起伏度静脉识别的控制系统在对静脉图像进行增强处理时，先去除静脉图像偏移场，再进行去噪处理，避免了去噪过程中可能导致的特征灰度信息的丢失。
附图说明
图1为本发明涉及的地形起伏度静脉识别的控制系统的结构框架图。
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所示，本发明涉及的基于地形起伏度静脉识别的控制系统包括：
静脉图像采集模块，用于采集用户的静脉图像；
静脉图像预处理模块，用于对静脉图像进行归一化处理和增强处理，形成静脉灰度图像；
地形起伏度计算模块，采用滑动窗口法计算静脉灰度图像的地形起伏度；
特征编码模块，用于设定地形起伏度阈值，基于静脉灰度图像的地形起伏度及地形起伏度阈值的大小关系对地形起伏度进行特征编码，形成特征图像；
识别模块，采用像素点与区域比对的方式将待比对特征图像和模板特征图像的特征编码进行比对，进而判定相似度，基于相似度对待比对特征图像进行识别；
控制模块，当识别结果为“匹配”时，用于给予该用户操作的权限。
基于地形起伏度静脉识别的控制系统可用于门禁系统、电梯控制系统、电子设备的控制系统等场景中，本实施例以运用于门禁系统的场景进行说明。
采用上述基于地形起伏度静脉识别的控制系统的控制方法，其包括以下步骤：
S1.门禁系统中的静脉图像采集模块采集用户的静脉图像，静脉图像可以是指静脉图像，也可以是掌静脉图像；
S2.对静脉图像进行归一化处理和增强处理，形成静脉灰度图像，具体步骤为：
S2.1.对静脉图像进行幂次方差变换，变换公式为：
Figure 44183DEST_PATH_IMAGE081
公式中，
Figure 771836DEST_PATH_IMAGE002
表示变换前静脉图像像素点的坐标，/>
Figure 884149DEST_PATH_IMAGE003
表示点的灰度值，/>
Figure 422578DEST_PATH_IMAGE082
和
Figure 574335DEST_PATH_IMAGE005
分别表示变换前静脉图像的均值和方差，/>
Figure 387571DEST_PATH_IMAGE006
和/>
Figure 72499DEST_PATH_IMAGE083
分别表示变换后静脉灰度图像的均值和方差，/>
Figure 250670DEST_PATH_IMAGE008
、/>
Figure 201309DEST_PATH_IMAGE009
均为正数，取值范围为[0，1]，/>
Figure 772230DEST_PATH_IMAGE010
表示幂次方差变换后的静脉灰度图像的灰度值；
S2.2.对变换后的静脉图像进行灰度校正，得到去除静脉图像偏移场后的图像，灰度校正的公式为：
Figure 796817DEST_PATH_IMAGE011
公式中，
Figure 457475DEST_PATH_IMAGE012
为静脉图像的真实信息，/>
Figure 567513DEST_PATH_IMAGE013
为静脉图像的偏移场，/>
Figure 930406DEST_PATH_IMAGE014
为静脉图像的噪声信息，其中，所述的静脉图像的偏移场采用Gabor滤波确定，其计算公式为：
Figure 871818DEST_PATH_IMAGE015
公式中，
Figure 922950DEST_PATH_IMAGE016
表示卷积，/>
Figure 769552DEST_PATH_IMAGE017
表示Gabor滤波器；
根据公式（2）和（3）可得去除静脉图像偏移场后的图像
Figure 728281DEST_PATH_IMAGE018
为：
Figure 743773DEST_PATH_IMAGE019
由于静脉图像的噪声较小，提前对图像进行去噪可能会丢失特征灰度信息，因此，这里将公式中的噪声信息
Figure 700227DEST_PATH_IMAGE014
设为0，其目的是为了在去除静脉图像偏移场后再进行噪声处理，则去除静脉图像偏移场后的图像/>
Figure 34126DEST_PATH_IMAGE012
表示为：
Figure 796545DEST_PATH_IMAGE020
；
S2.3.对去除静脉图像偏移场后的图像进行去噪处理，去噪处理的方法为采用小窗口的模板对图像进行高斯滤波，得到平滑后的静脉灰度图像。
S3.采用滑动窗口法计算静脉灰度图像的地形起伏度，其具体步骤为：
S3.1.为静脉灰度图像设置一个固定长度的窗口，窗口的大小为W1*W2，统计该窗口的最大和最小灰度值，计算该窗口的初始地形起伏度，所述初始地形起伏度
Figure 650232DEST_PATH_IMAGE084
的计算公式为：
Figure 590637DEST_PATH_IMAGE085
；
循环移动窗口，完成静脉灰度图像初始地形起伏度的计算；
S3.2.根据初始地形起伏度计算对应窗口内的平地面积，所述窗口内的平地面积为窗口内初始地形起伏度值
Figure 428143DEST_PATH_IMAGE047
小于设定阈值/>
Figure 915625DEST_PATH_IMAGE050
的个数，阈值/>
Figure 889397DEST_PATH_IMAGE052
根据采集的指静脉图像进行跑批得到，窗口内的平地面积的计算公式为：
Figure 249972DEST_PATH_IMAGE053
公式中，
Figure 794348DEST_PATH_IMAGE034
和/>
Figure 898570DEST_PATH_IMAGE035
分别为窗口的长和宽；
S3.3.根据窗口内的平地面积完成静脉灰度图像地形起伏度的计算，计算公式为：
Figure 241695DEST_PATH_IMAGE086
公式中，
Figure 710854DEST_PATH_IMAGE022
和/>
Figure DEST_PATH_IMAGE088
表示所要计算的像素点的行、列坐标，/>
Figure 476947DEST_PATH_IMAGE089
为像素点/>
Figure 322543DEST_PATH_IMAGE026
的地形起伏度，/>
Figure 316913DEST_PATH_IMAGE027
为像素点/>
Figure 222552DEST_PATH_IMAGE028
所在窗口区域内的静脉灰度图像的灰度平均值，/>
Figure DEST_PATH_IMAGE090
为静脉灰度图像的灰度平均值，/>
Figure 475941DEST_PATH_IMAGE030
、/>
Figure 125228DEST_PATH_IMAGE031
分别为窗口区域内的静脉灰度图像的最大灰度值和最小灰度值；/>
Figure 177367DEST_PATH_IMAGE032
、/>
Figure 50645DEST_PATH_IMAGE033
分别为静脉灰度图像的最大灰度值和最小灰度值，/>
Figure 56909DEST_PATH_IMAGE034
和/>
Figure 244308DEST_PATH_IMAGE035
分别为窗口的长和宽，/>
Figure 964002DEST_PATH_IMAGE036
为窗口内的平地面积；其中，静脉灰度图像的灰度平均值/>
Figure 195132DEST_PATH_IMAGE090
的计算公式为：
Figure 937960DEST_PATH_IMAGE037
；
公式中，
Figure 476520DEST_PATH_IMAGE038
和/>
Figure 253983DEST_PATH_IMAGE039
分别表示静脉灰度图像的行列数，/>
Figure 656015DEST_PATH_IMAGE040
表示静脉灰度图像像素点
Figure 948456DEST_PATH_IMAGE041
的灰度值；
像素点
Figure 212078DEST_PATH_IMAGE044
所在窗口区域内的静脉灰度图像的灰度平均值/>
Figure 872078DEST_PATH_IMAGE091
的计算公式为：/>
Figure 258060DEST_PATH_IMAGE042
公式中，
Figure 959169DEST_PATH_IMAGE034
和/>
Figure 292061DEST_PATH_IMAGE035
分别为窗口的长和宽，/>
Figure DEST_PATH_IMAGE092
表示窗口区域内的静脉灰度图像像素点/>
Figure 529270DEST_PATH_IMAGE093
的灰度值，/>
Figure 23836DEST_PATH_IMAGE045
为像素点/>
Figure 477820DEST_PATH_IMAGE046
所在窗口区域内的静脉灰度图像的灰度平均值。
S4.设定地形起伏度阈值为S，基于静脉灰度图像的地形起伏度及地形起伏度阈值的大小关系对地形起伏度进行特征编码，获取像素点的灰度值，特征编码的具体方式如下：
Figure 411141DEST_PATH_IMAGE054
，
则设置该像素点的特征编码为0；
若满足以下条件：
Figure 548861DEST_PATH_IMAGE055
，
则设置该像素点的特征编码为1；
若满足以下条件：
Figure 230641DEST_PATH_IMAGE056
，
则设置该像素点的特征编码为2；
若满足以下条件：
Figure 657074DEST_PATH_IMAGE057
，
则设置该像素点的特征编码为3；
若满足以下条件：
Figure 846616DEST_PATH_IMAGE058
，
则设置该像素点的特征编码为4；
若满足以下条件：
Figure 104422DEST_PATH_IMAGE059
，
则设置该像素点的特征编码为5；
若满足以下条件：
Figure 691523DEST_PATH_IMAGE060
，
则设置该像素点的特征编码为6；
若满足以下条件：
Figure 667569DEST_PATH_IMAGE061
，
则设置该像素点的特征编码为7；
Figure DEST_PATH_IMAGE094
为像素点/>
Figure 67327DEST_PATH_IMAGE065
的地形起伏度，地形起伏度阈值S的大小根据采集的指静脉图像进行跑批得到。
S5.采用像素点与区域比对的方式将待比对特征图像和模板特征图像的特征编码进行比对，其具体步骤为：
S5.1.计算待比对特征图像上的像素点与模板特征图像上对应区域块的比对值，计算公式为：
Figure 179639DEST_PATH_IMAGE066
S5.2.计算模板特征图像上的像素点与待比对特征图像上对应区域块的比对值，计算公式为：
Figure 203221DEST_PATH_IMAGE067
S5.3.计算待比对特征图像与模板特征图像的比对值，计算公式为：
Figure 400984DEST_PATH_IMAGE068
公式中，
Figure 683061DEST_PATH_IMAGE069
为待比对特征图像上的像素点与模板特征图像上对应区域块的比对值，/>
Figure 836831DEST_PATH_IMAGE070
为模板特征图像上的像素点与待比对特征图像上对应区域块的比对值，
Figure 342898DEST_PATH_IMAGE095
为待比对特征图像与模板特征图像的比对值，/>
Figure 716373DEST_PATH_IMAGE072
为待比对特征图像，/>
Figure 536561DEST_PATH_IMAGE073
为模板特征图像，/>
Figure 623466DEST_PATH_IMAGE074
为待比对特征图像上的坐标为/>
Figure 487386DEST_PATH_IMAGE041
的像素点的特征编码，/>
Figure 659741DEST_PATH_IMAGE075
为模板特征图像中与待比对特征图像上的坐标为/>
Figure 34353DEST_PATH_IMAGE046
的像素点对应的点所在的矩形区域的特征编码，/>
Figure DEST_PATH_IMAGE096
为模板特征图像上的坐标为/>
Figure 647868DEST_PATH_IMAGE041
的像素点的特征编码，/>
Figure 682689DEST_PATH_IMAGE077
为带对比特征图像中与模板特征图像上的坐标为/>
Figure 545603DEST_PATH_IMAGE046
的像素点对应的点所在的矩形区域的特征编码，
Figure 255064DEST_PATH_IMAGE078
为待比对特征图像/>
Figure 254244DEST_PATH_IMAGE072
和模板特征图像/>
Figure 459966DEST_PATH_IMAGE079
的大小；
通过比对值的大小判定相似度，基于相似度判定待比对特征图像与模板特征图像是否“匹配”，进而完成识别；
S6.当识别结果为“匹配”时，给予该用户操作的权限，即解除门禁，允许用户进入。
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)

1.一种基于地形起伏度静脉识别的控制系统，其特征在于：其包括：
静脉图像采集模块，用于采集用户的静脉图像；
静脉图像预处理模块，用于对静脉图像进行归一化处理和增强处理，形成静脉灰度图像；
地形起伏度计算模块，采用滑动窗口法计算静脉灰度图像的地形起伏度，具体步骤为：
S3.1.为静脉灰度图像设置一个固定长度的窗口，统计该窗口的最大和最小灰度值，计算该窗口的初始地形起伏度，循环移动窗口，完成静脉灰度图像初始地形起伏度的计算，初始地形起伏度
Figure QLYQS_1
的计算公式为：
Figure QLYQS_2
，
公式中，
Figure QLYQS_3
、/>
Figure QLYQS_4
分别为窗口区域内的静脉灰度图像的最大灰度值和最小灰度值；
S3.2.根据初始地形起伏度计算对应窗口内的平地面积，所述窗口内的平地面积为窗口内初始地形起伏度值
Figure QLYQS_5
小于设定阈值/>
Figure QLYQS_6
的个数，计算公式为：
Figure QLYQS_7
，
公式中，
Figure QLYQS_8
为窗口内的平地面积，/>
Figure QLYQS_9
和/>
Figure QLYQS_10
分别为窗口的长和宽，阈值/>
Figure QLYQS_11
根据采集的指静脉图像进行跑批得到；
S3.3.根据窗口内的平地面积完成静脉灰度图像地形起伏度的计算，计算公式为：
Figure QLYQS_12
，
公式中，
Figure QLYQS_14
和/>
Figure QLYQS_17
表示所要计算的像素点的行、列坐标，/>
Figure QLYQS_19
为像素点/>
Figure QLYQS_15
的地形起伏度，/>
Figure QLYQS_18
为像素点/>
Figure QLYQS_20
所在窗口区域内的静脉灰度图像的灰度平均值，/>
Figure QLYQS_21
为静脉灰度图像的灰度平均值；/>
Figure QLYQS_13
、/>
Figure QLYQS_16
分别为静脉灰度图像的最大灰度值和最小灰度值；
特征编码模块，用于设定地形起伏度阈值，基于静脉灰度图像的地形起伏度及地形起伏度阈值的大小关系对地形起伏度进行特征编码，形成特征图像；
识别模块，采用像素点与区域比对的方式将待比对特征图像和模板特征图像的特征编码进行比对，进而判定相似度，基于相似度对待比对特征图像进行识别；
控制模块，当识别结果为“匹配”时，用于给予该用户操作的权限。
2.根据权利要求1所述的基于地形起伏度静脉识别的控制系统，其特征在于：所述的静脉图像预处理模块对静脉图像进行增强处理的具体步骤包括：
S2.1.对静脉图像进行幂次方差变换；
S2.2.对变换后的静脉图像进行灰度校正，得到去除静脉图像偏移场后的图像；
S2.3.对去除静脉图像偏移场后的图像进行去噪处理，得到平滑后的静脉灰度图像。
3.根据权利要求2所述的基于地形起伏度静脉识别的控制系统，其特征在于：所述步骤S2.1对静脉图像进行幂次方差变换的变换公式为：
Figure QLYQS_22
，
公式中，
Figure QLYQS_24
表示变换前静脉图像像素点的坐标，/>
Figure QLYQS_28
表示点的灰度值，/>
Figure QLYQS_30
和/>
Figure QLYQS_25
分别表示变换前静脉图像的均值和方差，/>
Figure QLYQS_27
和/>
Figure QLYQS_29
分别表示变换后静脉灰度图像的均值和方差，/>
Figure QLYQS_31
、/>
Figure QLYQS_23
均为正数，取值范围为[0，1]，/>
Figure QLYQS_26
表示幂次方差变换后的静脉灰度图像的灰度值；
所述步骤S2.2对变换后的静脉图像进行灰度校正的公式为：
Figure QLYQS_32
，
公式中，
Figure QLYQS_33
为静脉图像的真实信息，/>
Figure QLYQS_34
为静脉图像的偏移场，/>
Figure QLYQS_35
为静脉图像的噪声信息，其中，所述的静脉图像的偏移场采用Gabor滤波确定，其计算公式为：
Figure QLYQS_36
，
公式中，
Figure QLYQS_37
表示卷积，/>
Figure QLYQS_38
表示Gabor滤波器；
根据公式（2）和（3）可得去除静脉图像偏移场后的图像
Figure QLYQS_39
为：
Figure QLYQS_40
，
公式中，静脉图像的噪声信息
Figure QLYQS_41
设为0，即去除静脉图像偏移场后的图像/>
Figure QLYQS_42
表示为：
Figure QLYQS_43
。
4.根据权利要求1所述的基于地形起伏度静脉识别的控制系统，其特征在于：所述的静脉灰度图像的灰度平均值的计算公式为：
Figure QLYQS_44
，
公式中，
Figure QLYQS_45
和/>
Figure QLYQS_46
分别表示静脉灰度图像的行列数，/>
Figure QLYQS_47
表示静脉灰度图像像素点
Figure QLYQS_48
的灰度值。
5.根据权利要求1所述的基于地形起伏度静脉识别的控制系统，其特征在于：所述的像素点
Figure QLYQS_49
所在窗口区域内的静脉灰度图像的灰度平均值的计算公式为：
Figure QLYQS_50
，/>
公式中，
Figure QLYQS_51
和/>
Figure QLYQS_52
分别为窗口的长和宽，/>
Figure QLYQS_53
表示窗口区域内的静脉灰度图像像素点/>
Figure QLYQS_54
的灰度值，/>
Figure QLYQS_55
为像素点/>
Figure QLYQS_56
所在窗口区域内的静脉灰度图像的灰度平均值。
6.根据权利要求1所述的基于地形起伏度静脉识别的控制系统，其特征在于：所述特征编码模块基于静脉灰度图像的地形起伏度及地形起伏度阈值S的大小关系对地形起伏度进行特征编码的具体方式如下：
若满足以下条件：
Figure QLYQS_57
，
则设置该像素点的特征编码为0；
若满足以下条件：
Figure QLYQS_58
，
则设置该像素点的特征编码为1；
若满足以下条件：
Figure QLYQS_59
，
则设置该像素点的特征编码为2；
若满足以下条件：
Figure QLYQS_60
，
则设置该像素点的特征编码为3；
若满足以下条件：
Figure QLYQS_61
，
则设置该像素点的特征编码为4；
若满足以下条件：
Figure QLYQS_62
，
则设置该像素点的特征编码为5；
若满足以下条件：
Figure QLYQS_63
，
则设置该像素点的特征编码为6；
若满足以下条件：
Figure QLYQS_64
，
则设置该像素点的特征编码为7；
Figure QLYQS_65
为像素点/>
Figure QLYQS_66
的地形起伏度，地形起伏度阈值S的大小根据采集的指静脉图像进行跑批得到。
7.根据权利要求1所述的基于地形起伏度静脉识别的控制系统，其特征在于：所述识别模块采用像素点与区域比对的方式将待比对特征图像和模板特征图像的特征编码进行比对，进而判定相似度的具体步骤为：
S5.1.计算待比对特征图像上的像素点与模板特征图像上对应区域块的比对值，计算公式为：
Figure QLYQS_67
，
S5.2.计算模板特征图像上的像素点与待比对特征图像上对应区域块的比对值，计算公式为：
Figure QLYQS_68
，
S5.3.计算待比对特征图像与模板特征图像的比对值，计算公式为：
Figure QLYQS_69
，
公式中，
Figure QLYQS_74
为待比对特征图像上的像素点与模板特征图像上对应区域块的比对值，/>
Figure QLYQS_77
为模板特征图像上的像素点与待比对特征图像上对应区域块的比对值，/>
Figure QLYQS_83
为待比对特征图像与模板特征图像的比对值，/>
Figure QLYQS_71
为待比对特征图像，/>
Figure QLYQS_85
为模板特征图像，
Figure QLYQS_73
为待比对特征图像上的坐标为/>
Figure QLYQS_81
的像素点的特征编码，/>
Figure QLYQS_76
为模板特征图像中与待比对特征图像上的坐标为/>
Figure QLYQS_84
的像素点对应的点所在的矩形区域的特征编码，
Figure QLYQS_70
为模板特征图像上的坐标为/>
Figure QLYQS_79
的像素点的特征编码，/>
Figure QLYQS_72
为带对比特征图像中与模板特征图像上的坐标为/>
Figure QLYQS_82
的像素点对应的点所在的矩形区域的特征编码，/>
Figure QLYQS_75
为待比对特征图像/>
Figure QLYQS_80
和模板特征图像/>
Figure QLYQS_78
的大小。
8.一种基于地形起伏度静脉识别的控制方法，其特征在于：其包括以下步骤：
S1.采集用户的静脉图像；
S2.对静脉图像进行归一化处理和增强处理，形成静脉灰度图像；
S3.采用滑动窗口法计算静脉灰度图像的地形起伏度，具体步骤为：
S3.1.为静脉灰度图像设置一个固定长度的窗口，统计该窗口的最大和最小灰度值，计算该窗口的初始地形起伏度，循环移动窗口，完成静脉灰度图像初始地形起伏度的计算，初始地形起伏度
Figure QLYQS_86
的计算公式为：
Figure QLYQS_87
，
公式中，
Figure QLYQS_88
、/>
Figure QLYQS_89
分别为窗口区域内的静脉灰度图像的最大灰度值和最小灰度值；
S3.2.根据初始地形起伏度计算对应窗口内的平地面积，所述窗口内的平地面积为窗口内初始地形起伏度值
Figure QLYQS_90
小于设定阈值/>
Figure QLYQS_91
的个数，计算公式为：
Figure QLYQS_92
，
公式中，
Figure QLYQS_93
为窗口内的平地面积，/>
Figure QLYQS_94
和/>
Figure QLYQS_95
分别为窗口的长和宽，阈值/>
Figure QLYQS_96
根据采集的指静脉图像进行跑批得到；
S3.3.根据窗口内的平地面积完成静脉灰度图像地形起伏度的计算，计算公式为：
Figure QLYQS_97
，
公式中，
Figure QLYQS_100
和/>
Figure QLYQS_102
表示所要计算的像素点的行、列坐标，/>
Figure QLYQS_104
为像素点/>
Figure QLYQS_99
的地形起伏度，/>
Figure QLYQS_103
为像素点/>
Figure QLYQS_105
所在窗口区域内的静脉灰度图像的灰度平均值，/>
Figure QLYQS_106
为静脉灰度图像的灰度平均值；/>
Figure QLYQS_98
、/>
Figure QLYQS_101
分别为静脉灰度图像的最大灰度值和最小灰度值；
S4.设定地形起伏度阈值，基于静脉灰度图像的地形起伏度及地形起伏度阈值的大小关系对地形起伏度进行特征编码，形成特征图像；
S5.采用像素点与区域比对的方式将待比对特征图像和模板特征图像的特征编码进行比对，进而判定相似度，基于相似度对待比对特征图像进行识别；
S6.当识别结果为“匹配”时，给予该用户操作的权限。
CN202211420534.0A 2022-11-15 2022-11-15 一种基于地形起伏度静脉识别的控制系统及控制方法 Active CN115578760B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211420534.0A CN115578760B (zh) 2022-11-15 2022-11-15 一种基于地形起伏度静脉识别的控制系统及控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211420534.0A CN115578760B (zh) 2022-11-15 2022-11-15 一种基于地形起伏度静脉识别的控制系统及控制方法

Publications (2)

Publication Number Publication Date
CN115578760A CN115578760A (zh) 2023-01-06
CN115578760B true CN115578760B (zh) 2023-05-30

Family

ID=84588114

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211420534.0A Active CN115578760B (zh) 2022-11-15 2022-11-15 一种基于地形起伏度静脉识别的控制系统及控制方法

Country Status (1)

Country Link
CN (1) CN115578760B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111639559A (zh) * 2020-05-15 2020-09-08 圣点世纪科技股份有限公司 一种基于地形凹凸特性的指静脉机器学习识别方法及装置
CN112036382A (zh) * 2020-11-04 2020-12-04 北京圣点云信息技术有限公司 一种基于地形点分类的指静脉特征提取及识别方法和装置
CN112101319A (zh) * 2020-11-17 2020-12-18 北京圣点云信息技术有限公司 一种基于地形点分类的静脉图像分类方法及装置

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106898045B (zh) * 2017-02-24 2020-02-07 郑州大学 一种基于sgog瓦块的大区域真三维地理场景自适应构建方法
CN111222456B (zh) * 2020-01-04 2023-06-23 圣点世纪科技股份有限公司 一种指静脉超大用户量下的高速检索算法
CN111639560B (zh) * 2020-05-15 2023-05-30 圣点世纪科技股份有限公司 基于静脉骨架线和地形凹凸特性动态融合的指静脉特征提取方法及装置
WO2022068931A1 (zh) * 2020-09-30 2022-04-07 墨奇科技（北京）有限公司 非接触指纹识别方法、装置、终端及存储介质
CN112288010B (zh) * 2020-10-30 2022-05-13 黑龙江大学 基于网络学习的指静脉图像质量评价方法
CN113780174B (zh) * 2021-09-10 2023-09-15 福州大学 结合随机森林算法的高植被台风暴雨型滑坡识别方法
CN114612655B (zh) * 2022-05-10 2022-08-02 北京圣点云信息技术有限公司 一种静脉识别算法移植方法及装置
CN114724188B (zh) * 2022-05-23 2022-08-16 北京圣点云信息技术有限公司 基于灰度共生矩阵的静脉识别方法及装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111639559A (zh) * 2020-05-15 2020-09-08 圣点世纪科技股份有限公司 一种基于地形凹凸特性的指静脉机器学习识别方法及装置
CN112036382A (zh) * 2020-11-04 2020-12-04 北京圣点云信息技术有限公司 一种基于地形点分类的指静脉特征提取及识别方法和装置
CN112101319A (zh) * 2020-11-17 2020-12-18 北京圣点云信息技术有限公司 一种基于地形点分类的静脉图像分类方法及装置

Also Published As

Publication number Publication date
CN115578760A (zh) 2023-01-06

Similar Documents

Publication Publication Date Title
CN108009520B (zh) 基于卷积变分自编码器网络的手指静脉识别方法及系统
CN102254188B (zh) 掌纹识别方法及装置
CN106548176B (zh) 基于自适应引导滤波的指静脉图像增强方法
CN111507206B (zh) 一种基于多尺度局部特征融合的手指静脉识别方法
CN108875629B (zh) 基于多样本特征融合的掌静脉识别方法
CN112597812A (zh) 一种基于卷积神经网络和sift算法的手指静脉识别方法及系统
CN115223211B (zh) 一种将静脉图像转化为指纹图像的识别方法
CN111223063A (zh) 基于纹理特征和双核函数的手指静脉图像nlm去噪方法
CN111639560B (zh) 基于静脉骨架线和地形凹凸特性动态融合的指静脉特征提取方法及装置
CN107516083B (zh) 一种面向识别的远距离人脸图像增强方法
CN108090492B (zh) 基于尺度线索抑制的轮廓检测方法
CN106845362B (zh) 一种基于多尺度变换的稀疏表示的人脸识别方法
CN105550646B (zh) 基于对数梯度直方图的广义光照不变人脸特征描述方法
Hu et al. A composite fingerprint segmentation based on log-gabor filter and orientation reliability
CN116778537B (zh) 一种指背静脉图像识别过程中指甲的检测与处理方法
CN111639555B (zh) 一种指静脉图像噪声精确提取和自适应滤波去噪方法及装置
CN116665258B (zh) 一种手掌图像指缝分割方法
CN115578760B (zh) 一种基于地形起伏度静脉识别的控制系统及控制方法
Rajkumar et al. A secondary fingerprint enhancement and minutiae extraction
CN115311696B (zh) 一种基于静脉纹理特征的手指区域检测方法
CN107578009B (zh) 多手指远端指间关节纹路的识别方法
CN115439891A (zh) 一种基于小指纹头、低算力和低存储芯片的指纹识别方法
CN111639557B (zh) 一种指静脉图像智能注册反馈方法
CN110502996B (zh) 一种面向模糊指静脉图像的动态识别方法
CN107122710A (zh) 一种基于散射卷积网络的手指静脉特征提取方法

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
GR01 Patent grant
GR01 Patent grant