CN115761826A - 掌静脉有效区域提取方法、系统、介质及电子设备 - Google Patents

Abstract

本申请提供一种掌静脉有效区域提取方法、系统、介质及电子设备；所述方法包括以下步骤：包括以下步骤：获取第一手掌图像；对所述第一手掌图像进行图像分割，获取第二手掌图像；根据所述第二手掌图像确定两个目标定点；基于所述第一手掌图像和两个所述目标定点提取掌静脉有效区域；本申请实现了掌静脉有效区域的提取，能够去掉手掌图像中除掌静脉有效区域以外的，可能受干扰的图像像素，从而实现利用该掌静脉有效区域进行后续特征信息的提取，以提高识别速度和识别精度。

Description

掌静脉有效区域提取方法、系统、介质及电子设备

技术领域

本申请属于图像处理技术领域，涉及掌静脉，特别是涉及一种掌静脉有效区域提取方法、系统、介质及电子设备。

背景技术

目前，随着信息技术和网络技术的高速发展，信息安全显示出前所未有的重要性；生物识别技术以其特有的稳定性、唯一性和方便性，得到越来越广泛的应用，而掌纹识别作为一项新型有效的生物识别技术，因具有采样简单、图像信息丰富以及用户接受程度高、不易伪造、受噪声干扰小等特点受到了国内外研究人员的广泛关注。

现有掌纹识别是基于一整张手掌图像实现的，通常，在该手掌图像中，除包含掌静脉有效区域外，还含有其它的可能受干扰的图像像素，这对掌纹识别的速度和精度都有所影响，导致识别速度和识别精度降低，因此，亟需一种掌静脉有效区域的提取方法。

发明内容

本申请的目的在于提供一种掌静脉有效区域提取方法、系统、介质及电子设备，用于解决现有掌纹识别技术的识别速度和识别精度低的问题。

第一方面，本申请提供一种掌静脉有效区域提取方法，所述掌静脉有效区域提取方法包括以下步骤：获取第一手掌图像；对所述第一手掌图像进行图像分割，获取第二手掌图像；根据所述第二手掌图像确定两个目标定点；基于所述第一手掌图像和两个所述目标定点提取掌静脉有效区域。

本申请中，基于图像分割技术实现了掌静脉有效区域的提取，能够去掉手掌图像中除掌静脉有效区域以外的，可能受干扰的图像像素，从而实现利用该掌静脉有效区域进行后续特征信息的提取，以提高识别速度和识别精度。

在第一方面的一种实现方式中，所述获取第一手掌图像包括以下步骤：获取手掌原始图像；对所述手掌原始图像进行灰度处理，获取手掌灰度图像；对所述手掌灰度图像中的手掌进行多个手关节点的预估；多个所述手关节点至少包括：手腕部点和手腕到中指骨架上的指根点；基于所述手掌灰度图像和多个所述手关节点获取所述第一手掌图像。

本实现方式中，通过对手掌灰度图像中的手掌进行手关节点的预估，便于后续根据该手关节点从该手掌灰度图像中获取第一手掌图像。

在第一方面的一种实现方式中，所述基于所述手掌灰度图像和多个所述手关节点获取所述第一手掌图像包括以下步骤：根据所述手腕部点和所述手腕到中指骨架上的指根点判断所述手掌灰度图像中的手掌朝向是否为正向；若所述手腕部点和所述手腕到中指骨架上的指根点的连线处于垂直线上，则所述手掌朝向为正向；在所述手掌朝向不为正向时，旋转所述手掌灰度图像，以使所述手掌朝向为正向，获取手掌正向图像；在所述手掌朝向为正向时，所述手掌灰度图像为所述手掌正向图像；根据多个所述手关节点从所述手掌正向图像中获取所述第一手掌图像。

考虑到不同手掌图像中，手掌朝向可能是各种方向的，本实现方式中，通过对手掌灰度图像进行正向旋转处理，便于后续的统一处理，且在一定程度上，能够提高掌静脉有效区域的提取精度。

在第一方面的一种实现方式中，所述根据所述第二手掌图像确定两个目标定点包括以下步骤：基于所述第二手掌图像分别确定第一指缝的第一最低点和第二指缝的第二最低点；其中，所述第一指缝为食指和中指之间的指缝；所述第二指缝为无名指和小指之间的指缝；从所述第一最低点开始，分别沿所述食指的边缘和所述中指的边缘延伸多个点，形成第一曲线；从所述第二最低点开始，分别沿所述无名指的边缘和所述小指的边缘延伸多个点，形成第二曲线；确定所述第一曲线和所述第二曲线的切线，及所述切线与所述第一曲线的第一相交点和所述切线与所述第二曲线的第二相交点；所述第一相交点和所述第二相交点为两个所述目标定点。

在第一方面的一种实现方式中，所述基于所述第一手掌图像和两个所述目标定点提取掌静脉有效区域包括以下步骤：判断两个所述目标定点的连接线是否处于水平线上；在两个所述目标定点的连接线不处于水平线上时，旋转所述第一手掌图像，以使两个所述目标定点的连接线处于水平线上，获取第三手掌图像，及评估所述第三手掌图像中的手掌宽度；在两个所述目标定点的连接线处于水平线上时，评估所述第一手掌图像中的手掌宽度；根据所述手掌宽度和处于水平线上的两个所述目标定点从所述第一手掌图像或所述第三手掌图像中截取所述掌静脉有效区域。

在第一方面的一种实现方式中，所述评估所述第三手掌图像中的手掌宽度包括以下步骤：获取所述第三手掌图像中手掌的边缘轮廓；基于处于水平线上的两个所述目标定点扫描所述边缘轮廓，获取多个边缘距离；所述边缘距离为所述边缘轮廓中两个相对的边缘点之间的距离；根据多个所述边缘距离评估所述手掌宽度。

在第一方面的一种实现方式中，所述根据所述手掌宽度和处于水平线上的两个所述目标定点从所述第一手掌图像或所述第三手掌图像中截取所述掌静脉有效区域包括以下步骤：确定切割宽度；所述切割宽度为所述手掌宽度与预设切割比例的乘积；根据所述切割宽度和处于水平线上的两个所述目标定点确定于所述第一手掌图像或所述第三手掌图像中的目标切割范围，以基于所述目标切割范围从所述第一手掌图像或所述第三手掌图像中截取所述掌静脉有效区域；所述目标切割范围对应所述掌静脉有效区域。

第二方面，本申请提供一种掌静脉有效区域提取系统，所述掌静脉有效区域提取系统包括：图像获取模块，用于获取第一手掌图像；图像分割模块，用于对所述第一手掌图像进行图像分割，获取第二手掌图像；定点确定模块，用于根据所述第二手掌图像确定两个目标定点；有效区域提取模块，用于基于所述第一手掌图像和两个所述目标定点提取掌静脉有效区域。

第三方面，本申请提供一种电子设备，所述电子设备包括：存储器，所述存储器用于存储计算机程序；处理器，所述处理器用于执行所述计算机程序，以使所述电子设备执行上述的掌静脉有效区域提取方法。

第四方面，本申请提供一种计算机可读存储介质，其上存储有计算机程序，该程序被电子设备执行时实现上述的掌静脉有效区域提取方法。

如上所述，本申请所述的掌静脉有效区域提取方法、系统、介质及电子设备，具有以下

有益效果：

与现有技术相比，本申请提供了一种掌静脉有效区域的提取方法，实现了对于手掌图像中掌静脉有效区域的快速提取，避免了手掌图像中除掌静脉有效区域以外的，可能受干扰的图像像素对后续掌纹识别的干扰，从而提高了掌纹识别的速度和精度。

附图说明

图1A显示为本申请实施例所述的21个评估点的示意图。

图1B～图1J显示为本申请实施例所述的掌静脉有效区域提取方法过程中所涉及的手掌相关图像的示意图。

图2显示为本申请实施例所述的掌静脉有效区域提取方法的流程图。

图3显示为本申请实施例所述的获取第一手掌图像的流程图。

图4显示为本申请实施例所述的基于手掌灰度图像和多个手关节点获取第一手掌图像的流程图。

图5显示为本申请实施例所述的根据第二手掌图像确定两个目标定点的流程图。

图6显示为本申请实施例所述的基于第一手掌图像和两个目标定点提取掌静脉有效区域的流程图。

图7显示为本申请实施例所述的评估第三手掌图像中的手掌宽度的流程图。

图8显示为本申请实施例所述的根据手掌宽度和处于水平线上的两个目标定点从第一手掌图像或第三手掌图像中截取掌静脉有效区域的流程图。

图9显示为本申请实施例所述的掌静脉有效区域提取系统的结构示意图。

具体实施方式

以下通过特定的具体实例说明本申请的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本申请的其他优点与功效。本申请还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本申请的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。

需要说明的是，以下实施例中所提供的图示仅以示意方式说明本申请的基本构想，遂图式中仅显示与本申请中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。

参阅图1A至图1J，及图2至图9。本申请以下实施例提供了掌静脉有效区域提取方法、系统、介质及电子设备，与现有技术相比，本申请提供了一种掌静脉有效区域的提取方法，实现了对于手掌图像中掌静脉有效区域的快速提取，避免了手掌图像中除掌静脉有效区域以外的，可能受干扰的图像像素对后续掌纹识别的干扰，从而提高了掌纹识别的速度和精度。

于一实施例中，将本申请提供的掌静脉有效区域提取方法应用于一电子设备。

如图1A至图1J所示，于本实施例中，该掌静脉有效区域提取方法的工作原理如下：

1)旋转手掌

输入的手掌图像中，手掌的朝向可能是各种方向的，为了后续的统一处理，将手掌旋转到正向。

该手掌图像是摄像头采集的符合图像质量要求的手掌图像。

如图1A和图1B所示，经Mediapipe获取手掌的21评估点信息。

Mediapipe，是一个用于构建机器学习管道的框架，用于处理视频、音频等时间序列数据，这个跨平台框架适用于桌面/服务器、Android、iOS和嵌入式设备，如Raspberry Pi和Jetson Nano。

将图1A中的0评估点和9评估点作为旋转的基准，使旋转后的两点处于垂直线上(此时，认为手掌朝向为正向)。

如图1A所示，21个评估点分别为：

0号点为手腕部点；

{1,2,3,4}为手腕到大拇指骨架上关键点；

{5,6,7,8}为手腕到食指骨架上关键点；

{9,10,11,12}为手腕到中指骨架上关键点；

{13,14,15,16}为手腕到无名指骨架上关键点；

{17,18,19,20}为手腕到小拇指骨架上关键点；

其中，{4,8,12,16,20}为指尖点，{5,9,13,17}为指根点。

具体地，首先输入手掌图像(该手掌图像中的手掌朝向不是正向的)；然后对该手掌图像进行灰度处理，获取灰度图像；接着，对该灰度图像经Mediapipe预估21个评估点，并在该灰度图像中标注这21个评估点(如图1B所示)；最后，根据0评估点和9评估点旋转灰度图像，使灰度图像中的手掌朝向为正向(如图1C所示)。

2)切割手掌大小的图像

根据上述21个点的坐标，取最外围的点，形成一个矩形框，并乘以一个系数，使矩形框稍微扩大；然后，使用该矩形框取出原图像(上述图1C对应的图像)中对应的手掌。

考虑到根据21个点中最外围的点，确定的矩形框没有完全覆盖手掌全部区域，所以，这里将矩形框再乘以一个系数，使其稍微扩大，从而得到的矩形框能够完全覆盖手掌全部区域。

该系数，是经过训练得到的一定值，其具体为多少，不作为限制本申请的条件，只要保证大于1即可；在实际应用中，可根据具体应用场景来设定。

由此，可以排除图像中离手掌较远的干扰信息；然后，为了便于后续处理，对图像进行填充，使其成为512x512(512是指像素点)的方形图像(如图1D所示)。

这里，也可以将图像填充为1024×1024的方形图像，即512x512不作为限制本申请的条件；在实际应用中，可根据具体应用场景选择将图像填充为什么样的方形图像。

像素点越大，对于后续掌静脉有效区域的提取效果越好，但是，对于后续掌静脉有效区域的提取速率会越慢。

3)图像分割

图像分割，目的是将手掌与背景分割开来，得到手掌的大致形状，分割得到的mask图像，用于后续的指缝切点确认和手掌宽度评估。

于本实施例中，图像分割采用大津法，分割得到的结果如图1E所示。

大津法(OTSU)，是一种确定图像二值化分割阈值的算法，由日本学者大津于1979年提出，从大津法的原理上来讲，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。

4)计算两指缝之间的切线和切点

该部分功能是为了由两个指缝确定两个定点；首先，通过图像截取从上述图1E对应的图像中截取到两个指缝区域；其中，第一个指缝区域为食指和中指之间的指缝区域；第二个指缝区域为无名指和小指间的指缝区域(选取这两个指缝区域是考虑到手指在张开时，这两个指缝区域的范围相对较大，便于后续的处理)；然后，从第一个指缝区域中找到最低点，并从该最低点开始，分别沿食指的边缘向前和沿中指的边缘向后各延伸100个点，形成一个200点的曲线；从第二个指缝区域中找到最低点，并从该最低点开始，分别沿无名指的边缘向前和沿小指的边缘向后各延伸100个点，形成另一个200点的曲线；最后，由两指缝得到的两个曲线，找到两个曲线的切线，求出切点；所得的切点，就是基准点(即定点)，如图1F所示，显示为第一个指缝区域。

上述在从最低点开始，向前、向后延伸的点数不作为限制本申请的条件，在实际应用中，可根据具体应用场景来设定。

5)依照切线/切点旋转手掌

如图1G所示，依照基准点的坐标旋转图1D对应的图像，使两个基准点在同一水平线(即使切线处在水平线上，方便后续掌纹切割区域的确定。

6)计算手掌宽度

该部分功能是为了计算手掌宽度，后面用于确定掌静脉的切割大小。

首先，基于图1G对应的图像，使用Canny算法，得到手掌的边缘轮廓，如图1H所示；然后，从两基准点所在水平线位置开始，向下进行水平扫描，并依次记录手掌边缘轮廓两个相对边缘点之间的距离，最后根据该距离评估出手掌的宽度。

Canny算法，是John F.Canny于1986年开发出来的一个多级边缘检测算法，更为重要的是Canny创立了边缘检测计算理论(Computational theory of edge detection)解释这项技术如何工作。通常情况下，边缘检测的目的是在保留原有图像属性的情况下，显著减少图像的数据规模，有多种算法可以进行边缘检测，虽然Canny算法年代久远，但可以说它是边缘检测的一种标准算法，而且仍在研究中广泛使用。

于一实施例中，在进行水平扫描时，当所得距离发生突变时，停止扫描。

于本实施例中，根据距离评估手掌宽度包括：取距离的中值作为手掌宽度。

于一实施例中，将距离大于预设距离阈值，定义为距离发生突变。

该预设距离阈值是预先设定好的，其具体设为多少，不作为限制本发明的条件，在实际应用中，可根据具体应用场景来设定。

于一实施例中，在进行水平扫描时，当扫描到1评估点时，停止扫描。

于本实施例中，根据距离评估手掌宽度包括：取距离中的最小值作为手掌宽度。

7)切割手掌

如图1I所示，该部分功能首先需要计算切割框，切割框的基准由手指缝的基准点确定，切割框的大小，由手掌宽度乘以切割比例确定。

该切割比例是预先设定好的，其具体设为多少，不作为限制本发明的条件，在实际应用中，可根据具体应用场景来设定。

于一实施例中，切割比例小于1。

于一实施例中，切割比例为0.8-0.9。

然后，如图1J所示，应用切割框就可以得到掌静脉有效区域。

于本实施例中，掌静脉有效区域大小为140×140。

本申请中，通过对掌静脉有效区域进行提取，去掉了有效区域以外的、可能受干扰的图像像素，使用有效区域进行后续的特征信息提取，提高了后续掌纹的识别速度和识别精度。

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行详细描述。

如图2所示，本实施例提供一种掌静脉有效区域提取方法，所述掌静脉有效区域提取方法包括以下步骤：

步骤S1、获取第一手掌图像。

如图3所示，于一实施例中，所述获取第一手掌图像包括以下步骤：

步骤S11、获取手掌原始图像。

具体地，从摄像头采集的手掌图像中获取该手掌原始图像。

该手掌原始图像符合图像质量要求。

于一实施例中，将摄像头采集的手掌图像中不符合图像质量要求的手掌图像去除，从剩余的符合图像质量要求的手掌图像中选取手掌原始图像。

于一实施例中，该图像质量要求是预先设置好的规则。

具体地，将满足该规则的手掌图像定义为符合图像质量要求；反之，将不满足该规则的手掌图像定义为不符合图像质量要求。

于一实施例中，图像质量要求至少包括但并不限于：清晰度大于第一预设值和/或手掌完整度大于第二预设值。

其中，第一预设值和第二预设值均是预先设定好的值，其具体取多少，均不作为限制本申请的条件。

步骤S12、对所述手掌原始图像进行灰度处理，获取手掌灰度图像。

步骤S13、对所述手掌灰度图像中的手掌进行多个手关节点的预估。

需要说明的是，多个所述手关节点至少包括但并不限于：手腕部点(对应上述实施例中的“0评估点”)和手腕到中指骨架上的指根点(对应上述实施例中的“9评估点”)。

步骤S14、基于所述手掌灰度图像和多个所述手关节点获取所述第一手掌图像。

如图4所示，于一实施例中，所述基于所述手掌灰度图像和多个所述手关节点获取所述第一手掌图像包括以下步骤：

步骤S141、根据所述手腕部点和所述手腕到中指骨架上的指根点判断所述手掌灰度图像中的手掌朝向是否为正向。

于本实施例中，若所述手腕部点和所述手腕到中指骨架上的指根点的连线处于垂直线上(即手腕部点和手腕到中指骨架上的指根点，这两个点的横坐标相同)，则所述手掌朝向为正向。

在所述手掌朝向不为正向(即手腕部点和手腕到中指骨架上的指根点，这两个点的横坐标不同)时，执行步骤S142。

步骤S142、旋转所述手掌灰度图像，以使所述手掌朝向为正向，获取手掌正向图像。

需要说明的是，在所述手掌朝向为正向时，所述手掌灰度图像为所述手掌正向图像。

步骤S143、根据多个所述手关节点从所述手掌正向图像中获取所述第一手掌图像。

步骤S2、对所述第一手掌图像进行图像分割，获取第二手掌图像。

于一实施例中，利用大津法对第一手掌图像进行图像分割，获取第二手掌图像。

步骤S3、根据所述第二手掌图像确定两个目标定点。

如图5所示，于一实施例中，所述根据所述第二手掌图像确定两个目标定点包括以下步骤：

步骤S31、基于所述第二手掌图像分别确定第一指缝的第一最低点和第二指缝的第二最低点。

其中，所述第一指缝为食指和中指之间的指缝；所述第二指缝为无名指和小指之间的指缝。

步骤S32、从所述第一最低点开始，分别沿所述食指的边缘和所述中指的边缘延伸多个点，形成第一曲线。

步骤S33、从所述第二最低点开始，分别沿所述无名指的边缘和所述小指的边缘延伸多个点，形成第二曲线。

步骤S34、确定所述第一曲线和所述第二曲线的切线，及所述切线与所述第一曲线的第一相交点和所述切线与所述第二曲线的第二相交点。

需要说明的是，所述第一相交点和所述第二相交点为两个所述目标定点(对应上述实施例中的“基准点”)。

具体地，利用多边形求切线算法，找到第一曲线和第二曲线的切线，该切线分别与第一曲线和第二曲线的交点即为两个目标定点。

步骤S4、基于所述第一手掌图像和两个所述目标定点提取掌静脉有效区域。

如图6所示，于一实施例中，所述基于所述第一手掌图像和两个所述目标定点提取掌静脉有效区域包括以下步骤：

步骤S41、判断两个所述目标定点的连接线是否处于水平线上。

在两个所述目标定点的连接线不处于水平线上(即两个目标定点的纵坐标不同)时，执行步骤S42。

步骤S42、旋转所述第一手掌图像，以使两个所述目标定点的连接线处于水平线上，获取第三手掌图像，及评估所述第三手掌图像中的手掌宽度。

如图7所示，于一实施例中，所述评估所述第三手掌图像中的手掌宽度包括以下步骤：

步骤S421、获取所述第三手掌图像中手掌的边缘轮廓。

于一实施例中，利用Canny算法获取第三手掌图像中手掌的边缘轮廓。

步骤S422、基于处于水平线上的两个所述目标定点扫描所述边缘轮廓，获取多个边缘距离。

需要说明的是，所述边缘距离为所述边缘轮廓中两个相对的边缘点之间的距离。

步骤S423、根据多个所述边缘距离评估所述手掌宽度。

于一实施例中，从多个边缘距离中选择最小的边缘距离，作为该手掌宽度。

于一实施例中，从多个边缘距离中选择中值，作为该手掌宽度。

在两个所述目标定点的连接线处于水平线上(即两个目标定点的纵坐标相同)时，执行步骤S43。

步骤S43、评估所述第一手掌图像中的手掌宽度。

需要说明的是，该步骤S43中，评估第一手掌图像中的手掌宽度，与上述步骤S42中，评估第三手掌图像中的手掌宽度，原理相同，故在此不再详细赘述其工作原理。

步骤S44、根据所述手掌宽度和处于水平线上的两个所述目标定点从所述第一手掌图像或所述第三手掌图像中截取所述掌静脉有效区域。

如图8所示，于一实施例中，所述根据所述手掌宽度和处于水平线上的两个所述目标定点从所述第一手掌图像或所述第三手掌图像中截取所述掌静脉有效区域包括以下步骤：

步骤S441、确定切割宽度。

于一实施例中，所述切割宽度为所述手掌宽度与预设切割比例(对应上述实施例中的“切割比例”)的乘积。

步骤S442、根据所述切割宽度和处于水平线上的两个所述目标定点确定于所述第一手掌图像或所述第三手掌图像中的目标切割范围，以基于所述目标切割范围从所述第一手掌图像或所述第三手掌图像中截取所述掌静脉有效区域。

于本实施例中，所述目标切割范围(对应上述实施例中的“切割框”)对应所述掌静脉有效区域。

于本实施例中，该掌静脉有效区域提取方法的工作原理与上述图1A～图1J对应的实施例提供的掌静脉有效区域提取方法的工作原理相同，故在此不再详细赘述。

本申请实施例所述的掌静脉有效区域提取方法的保护范围不限于本实施例列举的步骤执行顺序，凡是根据本申请的原理所做的现有技术的步骤增减、步骤替换所实现的方案都包括在本申请的保护范围内。

本申请实施例还提供一种掌静脉有效区域提取系统，所述掌静脉有效区域提取系统可以实现本申请所述的掌静脉有效区域提取方法，但本申请所述的掌静脉有效区域提取方法的实现装置包括但不限于本实施例列举的掌静脉有效区域提取系统的结构，凡是根据本申请的原理所做的现有技术的结构变形和替换，都包括在本申请的保护范围内。

如图9所示，本实施例提供一种掌静脉有效区域提取系统，所述掌静脉有效区域提取系统包括：

图像获取模块91，用于获取第一手掌图像。

图像分割模块92，用于对所述第一手掌图像进行图像分割，获取第二手掌图像。

定点确定模块93，用于根据所述第二手掌图像确定两个目标定点。

有效区域提取模块94，用于基于所述第一手掌图像和两个所述目标定点提取掌静脉有效区域。

需要说明的是，所述图像获取模块91、所述图像分割模块92、所述定点确定模块93及所述有效区域提取模块94的结构及原理与上述掌静脉有效区域提取方法中的步骤(步骤S1～步骤S4)一一对应，故在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置或方法，可以通过其它的方式实现。例如，以上所描述的系统实施例仅是示意性的，例如，模块/单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或单元可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

作为分离部件说明的模块/单元可以是或者也可以不是物理上分开的，作为模块/单元显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块/单元来实现本申请实施例的目的。例如，在本申请各个实施例中的各功能模块/单元可以集成在一个处理模块中，也可以是各个模块/单元单独物理存在，也可以两个或两个以上模块/单元集成在一个模块/单元中。

本领域普通技术人员应该还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

本实施例还提供一种电子设备，所述电子设备包括：存储器，所述存储器用于存储计算机程序；处理器，所述处理器用于执行所述计算机程序，以使所述电子设备执行上述掌静脉有效区域提取方法。

本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被电子设备执行时实现上述掌静脉有效区域提取方法。

本领域普通技术人员可以理解实现上述实施例的方法中的全部或部分步骤是可以通过程序来指令处理器完成，所述的程序可以存储于计算机可读存储介质中，所述存储介质是非短暂性(non-transitory)介质，例如随机存取存储器，只读存储器，快闪存储器，硬盘，固态硬盘，磁带(magnetic tape)，软盘(floppy disk)，光盘(optical disc)及其任意组合。上述存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。该可用介质可以是磁性介质(例如，软盘、硬盘、磁带)、光介质(例如数字视频光盘(digital video disc，DVD))、或者半导体介质(例如固态硬盘(solid state disk，SSD))等。

上述各个附图对应的流程或结构的描述各有侧重，某个流程或结构中没有详述的部分，可以参见其他流程或结构的相关描述。

上述实施例仅例示性说明本申请的原理及其功效，而非用于限制本申请。任何熟悉此技术的人士皆可在不违背本申请的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本申请所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本申请的权利要求所涵盖。

Claims (10)

1.一种掌静脉有效区域提取方法，其特征在于，所述掌静脉有效区域提取方法包括以下步骤：

获取第一手掌图像；

对所述第一手掌图像进行图像分割，获取第二手掌图像；

根据所述第二手掌图像确定两个目标定点；

基于所述第一手掌图像和两个所述目标定点提取掌静脉有效区域。

2.根据权利要求1所述的掌静脉有效区域提取方法，其特征在于，所述获取第一手掌图像包括以下步骤：

获取手掌原始图像；

对所述手掌原始图像进行灰度处理，获取手掌灰度图像；

对所述手掌灰度图像中的手掌进行多个手关节点的预估；多个所述手关节点至少包括：手腕部点和手腕到中指骨架上的指根点；

基于所述手掌灰度图像和多个所述手关节点获取所述第一手掌图像。

3.根据权利要求2所述的掌静脉有效区域提取方法，其特征在于，所述基于所述手掌灰度图像和多个所述手关节点获取所述第一手掌图像包括以下步骤：

根据所述手腕部点和所述手腕到中指骨架上的指根点判断所述手掌灰度图像中的手掌朝向是否为正向；若所述手腕部点和所述手腕到中指骨架上的指根点的连线处于垂直线上，则所述手掌朝向为正向；

在所述手掌朝向不为正向时，旋转所述手掌灰度图像，以使所述手掌朝向为正向，获取手掌正向图像；在所述手掌朝向为正向时，所述手掌灰度图像为所述手掌正向图像；

根据多个所述手关节点从所述手掌正向图像中获取所述第一手掌图像。

4.根据权利要求1所述的掌静脉有效区域提取方法，其特征在于，所述根据所述第二手掌图像确定两个目标定点包括以下步骤：

基于所述第二手掌图像分别确定第一指缝的第一最低点和第二指缝的第二最低点；其中，所述第一指缝为食指和中指之间的指缝；所述第二指缝为无名指和小指之间的指缝；

从所述第一最低点开始，分别沿所述食指的边缘和所述中指的边缘延伸多个点，形成第一曲线；

从所述第二最低点开始，分别沿所述无名指的边缘和所述小指的边缘延伸多个点，形成第二曲线；

确定所述第一曲线和所述第二曲线的切线，及所述切线与所述第一曲线的第一相交点和所述切线与所述第二曲线的第二相交点；所述第一相交点和所述第二相交点为两个所述目标定点。

5.根据权利要求1所述的掌静脉有效区域提取方法，其特征在于，所述基于所述第一手掌图像和两个所述目标定点提取掌静脉有效区域包括以下步骤：

判断两个所述目标定点的连接线是否处于水平线上；

在两个所述目标定点的连接线不处于水平线上时，旋转所述第一手掌图像，以使两个所述目标定点的连接线处于水平线上，获取第三手掌图像，及评估所述第三手掌图像中的手掌宽度；

在两个所述目标定点的连接线处于水平线上时，评估所述第一手掌图像中的手掌宽度；

根据所述手掌宽度和处于水平线上的两个所述目标定点从所述第一手掌图像或所述第三手掌图像中截取所述掌静脉有效区域。

6.根据权利要求5所述的掌静脉有效区域提取方法，其特征在于，所述评估所述第三手掌图像中的手掌宽度包括以下步骤：

获取所述第三手掌图像中手掌的边缘轮廓；

基于处于水平线上的两个所述目标定点扫描所述边缘轮廓，获取多个边缘距离；所述边缘距离为所述边缘轮廓中两个相对的边缘点之间的距离；

根据多个所述边缘距离评估所述手掌宽度。

7.根据权利要求5所述的掌静脉有效区域提取方法，其特征在于，所述根据所述手掌宽度和处于水平线上的两个所述目标定点从所述第一手掌图像或所述第三手掌图像中截取所述掌静脉有效区域包括以下步骤：

确定切割宽度；所述切割宽度为所述手掌宽度与预设切割比例的乘积；

根据所述切割宽度和处于水平线上的两个所述目标定点确定于所述第一手掌图像或所述第三手掌图像中的目标切割范围，以基于所述目标切割范围从所述第一手掌图像或所述第三手掌图像中截取所述掌静脉有效区域；所述目标切割范围对应所述掌静脉有效区域。

8.一种掌静脉有效区域提取系统，其特征在于，所述掌静脉有效区域提取系统包括：

图像获取模块，用于获取第一手掌图像；

图像分割模块，用于对所述第一手掌图像进行图像分割，获取第二手掌图像；

定点确定模块，用于根据所述第二手掌图像确定两个目标定点；

有效区域提取模块，用于基于所述第一手掌图像和两个所述目标定点提取掌静脉有效区域。

9.一种电子设备，其特征在于，所述电子设备包括：

存储器，所述存储器用于存储计算机程序；

处理器，所述处理器用于执行所述计算机程序，以使所述电子设备执行权利要求1至7中任一项所述的掌静脉有效区域提取方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被电子设备执行时实现权利要求1至7所述的掌静脉有效区域提取方法。

Images