CN116012895A - 一种手掌特征识别设备及其识别方法、存储介质 - Google Patents

Abstract

本申请提供了一种手掌特征识别设备及其识别方法、存储介质。手掌特征识别设备包括光源、多光谱相机及控制与处理器；其中：光源用于投射波长处于可见光波段的第一光束和处于红外光波段的第二光束至待识别手掌；多光谱相机用于采集待识别手掌反射回的第一光束和第二光束，生成待识别手掌的多光谱图像；控制与处理器用于从多光谱图像中提取每个通道的通道图像，并根据所有的通道图像和预设的掌纹图像重建系数，重建得到待识别手掌的掌纹图像并识别掌纹，以及根据所有的通道图像和预设的掌静脉图像重建系数，重建得到待识别手掌的掌静脉图像并识别掌静脉。本申请可以得到掌纹图像和掌静脉图像，并且具有较高的识别精度。

Description

一种手掌特征识别设备及其识别方法、存储介质

【技术领域】

本申请涉及生物识别技术领域，尤其涉及一种手掌特征识别设备及其识别方法、存储介质。

【背景技术】

近些年来，诸如掌纹、掌静脉等手掌生物特征作为新兴的生物识别对象发展起来，其一般通过对手掌进行成像的方式实现。随着全球新冠肺炎疫情的不断蔓延，人们的日常出行也需要在佩戴口罩的前提下进行，从而导致通过人脸识别进行身份鉴定存在诸多不便之处，这就为通过手掌生物特征识别进行身份鉴定带来了跨越式的变革。

相关技术中，手掌特征识别设备通常包括三种类型：第一，通过彩色摄像头对手掌进行成像以识别出相应的掌纹信息，但缺少活体检测的功能；第二，通过红外摄像头对手掌进行成像以识别出相应的掌静脉信息，虽然具有活体检测的功能，但是掌静脉信息不如掌纹信息丰富；第三，通过彩色摄像头对手掌进行成像以识别出相应的掌纹信息，以及通过红外摄像头对手掌进行成像以识别出相应的掌静脉信息，虽然能够同时识别出掌纹信息与掌静脉信息，也具有活体检测的功能，但是却需要彩色摄像头与红外摄像头两个成像部件，制作成本较高，而且彩色摄像头与红外摄像头所采集的手掌图像之间存在视差，还需要进行配准。

【发明内容】

本申请提供了一种手掌特征识别设备及其识别方法、存储介质，旨在解决相关技术中手掌特征识别设备所存在的至少一个问题。

为了解决上述技术问题，本申请实施例第一方面提供了一种手掌特征识别设备，包括光源、多光谱相机及控制与处理器；光源用于投射波长处于可见光波段的第一光束和处于红外光波段的第二光束至待识别手掌；多光谱相机用于采集待识别手掌反射回的第一光束以及第二光束，生成待识别手掌的多光谱图像；控制与处理器用于：从多光谱图像中提取每个通道的通道图像；根据所有的通道图像和预设的掌纹图像重建系数，重建得到待识别手掌的掌纹图像并识别掌纹；根据所有的通道图像和预设的掌静脉图像重建系数，重建得到待识别手掌的掌静脉图像并识别掌静脉。

在一些实施例中，第一光束的波长在400nm～580nm之间，第二光束的波长在800nm～980nm之间。在一些实施例中，光源为环形光源，多光谱相机位于环形光源的中心，环形光源包括用于产生第一光束的多个第一光源和用于产生第二光束的多个第二光源，多个第一光源和多个第二光源相互交替排列，多个第一光源用于产生一种或多种波长的第一光束，多个第二光源用于产生一种或多种波长的第二光束。在一些实施例中，掌纹图像重建系数包括各张通道图像对应的掌纹图像重建子系数，掌静脉图像重建系数包括各张通道图像对应的掌静脉图像重建子系数；控制与处理器具体用于：将各张通道图像分别乘以对应的掌纹图像重建子系数，并进行求和得到掌纹图像；将各张通道图像分别乘以对应的掌静脉图像重建子系数，并进行求和得到掌静脉图像。

本申请实施例第二方面提供了一种手掌特征识别方法，包括：投射波长处于可见光波段的第一光束和处于红外光波段的第二光束至待识别手掌；采集待识别手掌反射回的第一光束和第二光束，并生成待识别手掌的多光谱图像；从多光谱图像中提取每个通道的通道图像；根据所有的通道图像和预设的掌纹图像重建系数，重建得到待识别手掌的掌纹图像，并根据掌纹图像识别掌纹；根据所有的通道图像和预设的掌静脉图像重建系数，重建得到待识别手掌的掌静脉图像，并根据掌静脉图像识别掌静脉。

在一些实施例中，手掌特征识别方法还包括：获取光源的亮度曲线及多光谱相机的多光谱响应曲线，光源用于发射第一光束和第二光束，多光谱相机用于采集多光谱图像；根据亮度曲线和多光谱响应曲线，生成多光谱相机对第一光束和第二光束的实际响应曲线；获取预设的目标通道的目标响应曲线，并根据目标响应曲线和实际响应曲线，计算掌纹图像重建系数和掌静脉图像重建系数。在其中一些实施例中，实际响应曲线包括多光谱相机的多个通道分别对光源的多条实际子响应曲线，目标响应曲线包括第一目标通道的第一目标子响应曲线、及第二目标通道的第二目标子响应曲线；根据目标响应曲线和实际响应曲线，计算掌纹图像重建系数和掌静脉图像重建系数，包括：计算多条实际子响应曲线拟合成第一目标子响应曲线的第一拟合系数，并将第一拟合系数作为掌纹图像重建系数；计算多条实际子响应曲线拟合成第二目标子响应曲线的第二拟合系数，并将第二拟合系数作为掌静脉图像重建系数。在其中一些实施例中，第一光束的波长为第一波长，第二光束的波长为第二波长，第一目标通道的中心波长为第一波长，第二目标通道的中心波长为第二波长。

在一些实施例中，掌纹图像重建系数包括各张通道图像对应的掌纹图像重建子系数，掌静脉图像重建系数包括各张通道图像对应的掌静脉图像重建子系数；根据所有的通道图像和预设的掌纹图像重建系数，重建得到待识别手掌的掌纹图像，包括：将各张通道图像分别乘以对应的掌纹图像重建子系数，并进行求和得到掌纹图像；根据所有的通道图像和预设的掌静脉图像重建系数，重建得到待识别手掌的掌静脉图像，包括：将各张通道图像分别乘以对应的掌静脉图像重建子系数，并进行求和得到掌静脉图像。

本申请实施例第三方面提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被控制与处理器执行时实现本申请实施例第二方面所述的手掌特征识别方法。

从上述描述可知，与相关技术相比，本申请的有益效果在于：

通过光源、多光谱相机及控制与处理器的配合，实现了一个成像部件即可完成掌纹、掌静脉的识别，避免了相关技术中手掌特征识别设备内的两个成像部件所采集的图像之间存在视差的问题；并且，得到多光谱图像后基于多光谱图像重建得到掌纹图像及掌静脉图像，相较于根据多光谱图像进行掌纹和掌静脉识别而言，提高了掌纹及掌静脉识别的精度。

【附图说明】

为了更清楚地说明相关技术或本申请实施例中的技术方案，下面将对相关技术或本申请实施例的描述中所需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申请的一些实施例，而并非是全部实施例，对于本领域的普通技术人员来讲，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为本申请实施例提供的手掌特征识别设备的框架示意图；

图2为本申请实施例提供的光源与多光谱相机的相对位置示意图；

图3为本申请实施例提供的光源的亮度曲线示例图；

图4为本申请实施例提供的9通道多光谱相机的多光谱响应曲线示例图；

图5为本申请实施例提供的实际响应曲线示例图；

图6为本申请实施例提供的目标响应曲线示例图；

图7为本申请实施例提供的将实际响应曲线向目标响应曲线拟合后得到的拟合响应曲线示例图；

图8为本申请实施例提供的从9通道多光谱图像中提取的9个通道的通道图像示例图；

图9为本申请实施例提供的重建出的掌纹图像示例图；

图10为本申请实施例提供的重建出的掌静脉图像示例图；

图11为本申请实施例提供的手掌特征识别方法的流程示意图；

图12为本申请实施例提供的计算掌纹、掌静脉图像重建系数的流程示意图。

【具体实施方式】

为了使本申请的目的、技术方案及优点更加的明显、易懂，下面将结合本申请实施例以及相应的附图，对本申请进行清楚、完整地描述，其中，自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。应当理解的是，下面所描述的本申请的各个实施例仅用以解释本申请，并不用于限定本申请，即基于本申请的各个实施例，本领域的普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。此外，下面所描述的本申请的各个实施例中所涉及的技术特征只要彼此之间未构成冲突就可以相互组合。

图1为本申请实施例提供的手掌特征识别设备的框架示意图，该手掌特征识别设备用于获取待识别手掌100的掌纹图像与掌静脉图像，并依据所获取的掌纹图像进行掌纹识别，以及依据所获取的掌静脉图像进行掌静脉识别。手掌特征识别设备包括控制与处理器10、光源20及多光谱相机30，其中，控制与处理器10连接光源20和多光谱相机30，并能对光源20和多光谱相机30进行控制，例如，控制光源20发光及控制多光谱相机30采集图像数据。

在本申请实施例中，光源20用于产生波长处于可见光波段的第一光束和处于红外光波段的第二光束，在进行手掌特征识别时，待识别手掌100需放在光源20的光路中，且待识别手掌100的掌面朝向光源20，光源20发出的第一光束和第二光束会投射至待识别手掌100，被待识别手掌100反射至多光谱相机30。多光谱相机30用于采集待识别手掌100反射回的第一光束和第二光束，并根据采集到的光束生成待识别手掌100的多光谱图像，同时由于多光谱相机30具有多个通道，所以控制与处理器10可以从多光谱图像中提取到每个通道的通道图像，并根据所有的通道图像和预设的掌纹图像重建系数，重建得到待识别手掌100的掌纹图像，以进行掌纹识别，控制与处理器10还根据所有通道图像和预设的掌静脉图像重建系数，重建得到待识别手掌100的掌静脉图像，以进行掌静脉识别。其中，掌纹图像重建系数和掌静脉图像重建系数预先计算得到，具体的计算过程将在下文中详细描述。

在本申请实施例中，手掌特征识别设备除了包括光源20、多光谱相机30及控制与处理器10以外，还可以包括连接于控制与处理器10的存储器(图中未示出)，该存储器用于存储掌纹、掌静脉识别过程中的所有数据，比如待识别手掌100的多光谱图像及每个通道的通道图像、掌纹图像重建系数、掌静脉图像重建系数、待识别手掌100的掌纹图像及掌静脉图像等。该存储器还用于存储可以被控制与处理器10调用以执行的计算机程序，该计算机程序规定了控制与处理器10对待识别手掌100进行掌纹、掌静脉识别的程序，包括但不限于控制光源20产生第一光束和第二光束，控制多光谱相机30生成待识别手掌100的多光谱图像，从多光谱图像中重建出待识别手掌100的掌纹图像与掌静脉图像以及识别掌纹、掌静脉。

由上可见，相较只设置彩色摄像头或红外摄像头、及同时设置彩色摄像头与红外摄像头的手掌特征识别设备而言，本申请实施例的手掌特征识别设备通过光源20、多光谱相机30及控制与处理器10的配合，实现了一个成像部件(即多光谱相机30)即可完成掌纹、掌静脉的识别；并且，得到待识别手掌100的多光谱图像后重建出掌纹图像和掌静脉图像，然后基于掌纹图像识别掌纹、基于掌静脉图像识别掌静脉，相较于直接使用多光谱图像进行掌纹及掌静脉的识别而言更加精准，另外，相对于同时设置彩色摄像头与红外摄像头而言成本更低，避免了掌纹图像与掌静脉图像之间存在视差的问题。

通过实验验证发现，当照射于待识别手掌100的光束的波长小于580nm时，所获取的掌纹图像比较清晰；当照射于待识别手掌100的光束的波长大于580nm时，所获取的掌静脉图像越来越清晰，大于800nm时，所获取的掌静脉图像的清晰度更加清晰。在一些实施方式中，光源20产生的第一光束的波长≤580nm、第二光束的波长≥800nm，使得重建得到的掌纹图像及掌静脉图像较清晰。作为其中的一种实施方式，第一光束的波长处于400nm～580nm之间，例如400nm、450nm、500nm、525nm、550nm、580nm等；第二光束的波长处于800nm～980nm之间，例如800nm、850nm、880nm、900nm、940nm、980nm等；如此，使得后续基于多光谱图像重建得到的掌纹图像及掌静脉图像更加清晰。

在一些实施方式中，光源20为环形光源，所呈现的环状形态可以包括但不限于圆环、椭圆环、矩形环、梯形环、三角形环和多边形环。图2为本申请实施例提供的光源20与多光谱相机30的相对位置示意图，光源20包括用于产生第一光束的多个第一光源21和用于产生第二光束的多个第二光源22，多个第一光源21与多个第二光源22相互交替排列，即，任意相邻的两个光源包括一个第一光源21和一个第二光源22，如此，环形光源投射至待识别手掌100的第一光束与第二光束分布更加均匀。其中，第一光源21发射的光束主要用于获取掌纹数据，第二光源22发射的光束主要用于获取掌静脉数据。

作为其中的一种实施方式，多光谱相机30位于环形光源的中心，比如当环形光源所呈现的环状形态为圆环时，多光谱相机30位于圆环的圆心，如此，多光谱相机30采集的经待识别手掌100反射的第一光束与第二光束更加均匀并且更加充足，有利于提高后续多光谱图像的成像精度。

作为其中的一种实施方式，多个第一光源21发射一种或多种波长(位于可见光波段内)的第一光束；例如，多个第一光源21均发射同一波长的第一光束；再例如，多个第一光源21发射至少两种波长的第一光束，即全部或部分第一光源21发射的第一光束的波长不同。多个第二光源22发射一种或多种波长(位于红外光波段内)的第二光束；例如，多个第二光源22均发射同一波长的第二光束；再例如，多个第二光源22发射至少两种波长的第二光束，即部分或全部的第二光源22发射的第二光束的波长不同。

多光谱相机30包括多光谱图像传感器，多光谱图像传感器包括多光谱滤光片阵列及感光芯片阵列，多光谱滤光片阵列包括多种不同中心波长的滤光片以分别允许不同波长的光束通过，进而多光谱相机30具有多个通道。多个通道包括可见光通道和红外光通道，以使可采集待识别手掌100反射回的第一光束和第二光束，由于环境光束也会被待识别手掌100反射，因此多光谱相机30还会采集反射回的环境光束，然后生成多光谱图像。

控制与处理器10接收多光谱相机30采集到的多光谱图像，并提取多光谱图像中每个像素点中各个通道的数据，进而提取得到各个通道对应的通道图像。受限于目前的制造工艺，多光谱相机30中各个通道均较宽，每个通道都可能接收到第一光束和第二光束，各个通道图像中既有掌纹数据又有掌静脉数据，没有纯掌纹数据和掌静脉数据的通道图像。为此，控制与处理器10根据预设的掌纹图像重建系数融合所有的通道图像，进行图像重建得到待识别手掌100的掌纹图像，根据预设的掌静脉图像重建系数融合所有的通道图像，进行图像重建得到待识别手掌100的掌静脉图像。如此，得到的掌纹图像和掌静脉图像中掌纹和掌静脉不易混杂在一起，便于根据掌纹图像和掌静脉图像分别进行掌纹识别和掌静脉识别，掌纹识别及掌静脉识别的精度更高。

掌纹图像重建系数包括多个掌纹图像重建子系数，掌静脉图像重建系数包括多个掌静脉图像重建子系数，均分别对应多张通道图像。将各张通道图像分别乘以对应的掌纹图像重建子系数，然后进行求和得到掌纹图像；将各张通道图像分别乘以对应的掌静脉图像重建子系数，然后进行求和得到掌静脉图像。例如，多光谱相机30具有n个通道，则可提取得到n张通道图像，n≥4；掌纹图像重建系数包括n个掌纹图像重建子系数，掌静脉图像重建系数包括n个掌静脉图像重建子系数。

掌纹图像重建系数和掌静脉图像重建系数可通过预先计算得到后存储于存储器内。首先，利用光谱仪测试光源20的的光谱，得到光源20的亮度曲线，亮度曲线包括第一光束和第二光束对应的亮度曲线，其亮度曲线实际上指示第一光束与第二光束的相对强度，即指示第一光源21与第二光源22的相对强度。同步获取多光谱相机30的多光谱响应曲线，多光谱响应曲线包括各个通道对应的光谱响应曲线，多光谱响应曲线可预先标定后存储于存储器内。然后根据光源20的亮度曲线及多光谱相机30的多光谱响应曲线，生成多光谱相机20对光源20的实际响应曲线，例如，将亮度曲线与多光谱响应曲线相乘后得到实际响应曲线，实际响应曲线包括各个通道对光源20的实际子响应曲线。预先可针对第一光束和第二光束的波长设计目标通道及目标通道的目标响应曲线，根据实际响应曲线和目标响应曲线计算掌纹图像重建系数和掌静脉图像重建系数。

目标通道包括只接收第一光束的第一目标通道和只接收第二光束的第二目标通道，第一目标通道和第二目标通道的中心波长分别与第一光源21和第二光源22的波长相同。需要获取第一目标通道的第一目标子响应曲线和第二目标通道的第二目标子响应曲线，计算所有的实际子响应曲线拟合成第一目标子响应曲线的第一拟合系数，将第一拟合系数作为掌纹图像重建系数，计算所有的实际子响应曲线拟合成第二目标子响应曲线的第二拟合系数，将第二拟合系数作为掌静脉图像重建系数，可通过拟合工具或算法计算得到。其中，第一目标通道和第二目标通道的数量均不限于一个，当所有第一光源21产生的第一光束的波长为多种时，则第一目标通道的数量为多个，而多个第一目标通道分别具有不同的中心波长，分别为多种第一光束的波长；第二目标通道亦然。

以所有第一光源21产生的第一光束的波长均为525nm，所有第二光源22产生的第二光束的波长均为850nm，多光谱相机30为9通道为例对手掌特征识别设备进行说明，则第一目标通道的中心波长为525nm，第二目标通道的中心波长为850nm。光源20的亮度曲线可以参阅图3所给出的光源的亮度曲线示例图，第一光束和第二光束的亮度曲线分别为m1和m2，图3中m1和m2形成一条亮度曲线，该亮度曲线的纵坐标用矩阵Illu(1,band)表示，横坐标为波长，Illu(1,band)中的数据为将光源20的亮度归一化后的数据。多光谱响应曲线包括9个通道的光谱响应曲线，共有9条光谱响应曲线，多光谱响应曲线可以参阅图4所给出的9通道多光谱相机的多光谱响应曲线示例图，9个通道的光谱响应曲线分别为n1、n2、n3、n4、n5、n6、n7、n8及n9，将9个通道的光谱响应曲线的横坐标用波长表示，纵坐标分别用矩阵QE1(1,band)、QE2(1,band)、QE3(1,band)、QE4(1,band)、QE5(1,band)、QE6(1,band)、QE7(1,band)、QE8(1,band)、QE9(1,band)表示，每个矩阵中的数据均为对应的通道对各个波长的透过率。将光源20的亮度曲线与多光谱相机30的9条光谱响应曲线相乘后得到9个通道对光源20的实际子响应曲线，9条实际子响应曲线的组合为多光谱相机30对光源20的实际响应曲线，如图5所给出的实际响应曲线示例图，分别为o1、o2、o3、o4、o5、o6、o7、o8及o9，这9条实际子响应曲线的纵坐标Res1至Res9分别表示为：

Res1＝Illu(1,band).*QE1(1,band)；

Res2＝Illu(1,band).*QE2(1,band)；

Res3＝Illu(1,band).*QE3(1,band)；

Res4＝Illu(1,band).*QE4(1,band)；

Res5＝Illu(1,band).*QE5(1,band)；

Res6＝Illu(1,band).*QE6(1,band)；

Res7＝Illu(1,band).*QE7(1,band)；

Res8＝Illu(1,band).*QE8(1,band)；

Res9＝Illu(1,band).*QE9(1,band)；

其中，运算符号“.*”表示点乘，其是两个矩阵中相对应的数据之间的乘积。

对应于图4中多光谱相机30的9个通道的光谱响应曲线，图5中多光谱相机30的9个通道对光源20的实际子响应曲线都包含了对525nm的第一光束和850nm的第二光束的响应，即是说各个通道中掌纹数据与掌静脉数据混合在一起，为了将掌纹数据和掌静脉数据区分开，本申请实施例重建出单独的对525nm(即第一目标通道)的第一光束的响应及单独的对850nm(第二目标通道)的第二光束的响应。

第一目标通道的中心波长为525nm，第二目标通道的中心波长为850nm，参阅图6所给出的目标响应曲线示例图，图6中包括第一目标子响应曲线及第二目标子响应曲线，分别为p1和p2，将第一目标子响应曲线的纵坐标用矩阵Tgt1(1,band)表示，将第二目标子响应曲线的纵坐标用矩阵Tgt2(1,band)表示。

将多条实际子响应曲线拟合成第一目标子响应曲线，得到掌纹图像重建系数(即向第一目标子响应曲线拟合时的第一拟合系数)；将多条实际子响应曲线拟合成第二目标子响应曲线，得到掌静脉图像重建系数(即向第二目标子响应曲线拟合时的第二拟合系数)。具体可通过MATLAB等拟合工具或最小二乘法等拟合算法拟合的方式计算得到掌纹图像重建系数和掌静脉图像重建系数。

其中，多条实际子响应曲线拟合成第一目标子响应曲线和第二目标子响应曲线的过程可以由如下两个关系式表示：

Tgt1(1,band)＝a1*Res1+b1*Res2+c1*Res3+d1*Res4+e1*Res5+f1*Res6+g1*Res7+h1*Res8+i1*Res9；

Tgt2(1,band)＝a2*Res1+b2*Res2+c2*Res3+d2*Res4+e2*Res5+f2*Res6+g2*Res7+h2*Res8+i2*Res9；

通过拟合等方式可计算得到第一拟合系数(a1、b1、c1、d1、e1、f1、g1、h1、i1)和第二拟合系数(a2、b2、c2、d2、e2、f2、g2、h2、i2)，第一拟合系数中的a1至i1这9个第一拟合子系数分别表示从多光谱图像中提取的9张通道图像对应的掌纹图像重建子系数，组成掌纹图像重建系数；第二拟合系数中的a2至i2这9个第二拟合子系数分别表示从多光谱图像中提取的9个通道图像对应的掌静脉图像重建子系数，组成掌静脉图像重建系数。如图7所示，示出了经第一拟合系数和第二拟合系数拟合得到的第一拟合目标通道曲线和第二拟合目标通道曲线，分别为q1和q2，可以看出拟合得到的第一拟合目标通道曲线q1和第二拟合目标通道曲线q2与第一目标子响应曲线p1及第二目标子响应曲线p2的接近度比较高。

如图8所示，为从多光谱图像中提取得到9个通道对应的9张通道图像示例图，将这9张通道图像分别用gray1、gray2、gray3、gray4、gray5、gray6、gray7、gray8及gray9表示。将9张通道图像gray1、gray2、gray3、gray4、gray5、gray6、gray7、gray8及gray9分别与对应的掌纹图像重建子系数a1、b1、c1、d1、e1、f1、g1、h1、i1相乘，然后再求和得到如图9所示的待识别手掌100的掌纹图像；其中，待识别手掌100的掌纹图像Palmprint表示为：Palmprint＝a1*gray1+b1*gray2+c1*gray3+d1*gray4+e1*gray5+f1*gray6+g1*gray7+h1*gray8+i1*gray9。将9张通道图像gray1、gray2、gray3、gray4、gray5、gray6、gray7、gray8及gray9分别与对应的掌静脉图像重建子系数a2、b2、c2、d2、e2、f2、g2、h2、i2)相乘，然后再求和得到如图10所示的待识别手掌100的掌静脉图像；其中，待识别手掌100的掌静脉图像Palmvein表示为：Palmvein＝a2*gray1+b2*gray2+c2*gray3+d2*gray4+e2*gray5+f2*gray6+g2*gray7+h2*gray8+i2*gray9。

从图4可以看出，多光谱相机30的9个通道均比较宽，即能接收较宽的波段的光束，每个通道采集到的光束包括第一光束和第二光束，多光谱图像中混杂了掌纹和掌静脉数据，即使提取出各个通道图像也混杂掌纹和掌静脉数据，不利于后续对掌纹和掌静脉的识别。本申请实施例所需的目标通道(即第一目标通道与第二目标通道)均对应窄波段，即第一目标子响应曲线与第二目标子响应曲线均是较窄的滤光曲线，本申请实施例从图4的9个宽波段的滤光曲线中拟合出图6所示的窄波段的滤光曲线的响应，从而得到理想的目标通道的图像，如此最终重建出的掌纹图像与掌静脉图像的清晰度更佳，有利于提高掌纹及掌静脉识别的精度。换句话说，多光谱相机30原始的9通道中没有纯净的525nm和850nm两个通道，依照目前的制造工艺也很难制造出525nm和850nm这种窄波段的通道，本申请实施例结合光源20方案的设计，从多光谱相机30原始的9个宽的通道中拟合出纯净的525nm以及850nm两个通道，进而重建出纯净的掌纹图像和掌静脉图像，提升掌纹及掌静脉识别的精度。

基于上述的手掌特征识别设备，本申请实施例还提供了一种手掌特征识别方法。图11为本申请实施例提供的手掌特征识别方法的流程示意图，该手掌特征识别方法包括如下步骤1101至1105。

步骤1101、投射波长处于可见光波段的第一光束和处于红外光波段的第二光束至待识别手掌。

步骤1102、采集待识别手掌反射回的第一光束和第二光束，生成待识别手掌的多光谱图像。

步骤1103、从多光谱图像中提取每个通道的通道图像。

步骤1104、根据所有的通道图像和预设的掌纹图像重建系数，重建得到待识别手掌的掌纹图像，根据掌纹图像识别掌纹。

步骤1105、根据所有的通道图像和预设的掌静脉图像重建系数，重建得到待识别手掌的掌静脉图像，根据掌静脉图像识别掌静脉。

在一些实施方式中，前文所述的手掌特征识别方法还包括预先确立掌纹图像重建系数、掌静脉图像重建系数的流程。具体地，图12为本申请实施例提供的计算掌纹、掌静脉图像重建系数的流程示意图，该计算掌纹、掌静脉图像重建系数的流程包括如下步骤1201至1204。

步骤1201、获取光源的亮度曲线及多光谱相机的多光谱响应曲线。

步骤1202、根据亮度曲线和多光谱响应曲线，生成多光谱相机对光源的实际响应曲线。

步骤1203、获取预设的目标通道的目标响应曲线。

步骤1204、根据目标响应曲线和实际响应曲线，计算掌纹图像重建系数和掌静脉图像重建系数。

在一些实施方式中，目标通道包括第一目标通道和第二目标通道，目标响应曲线包括第一目标子响应曲线及第二目标子响应曲线。步骤1204包括步骤：计算多条实际子响应曲线拟合成第一目标子响应曲线的第一拟合系数，将第一拟合系数作为掌纹图像重建系数；计算多条实际子响应曲线拟合成第二目标子响应曲线的第二拟合系数，将第二拟合系数作为掌静脉图像重建系数。在一些实施方式中，第一光束的波长为第一波长，第二光束的波长为第二波长，第一目标通道的中心波长为第一波长，第二目标通道的中心波长为第二波长。

在一些实施方式中，步骤1104包括：将各张通道图像分别乘以对应的掌纹图像重建子系数，并进行求和，得到掌纹图像。步骤1105包括：将各张通道图像分别乘以对应的掌静脉图像重建子系数，并进行求和，得到掌静脉图像。

上述手掌特征识别方法中的各个步骤的具体内容可参照上述手掌特征识别设备的相关描述，在此不做赘述。即，上述手掌特征识别设备的相关内容均可应用至上述手掌特征识别方法中。

上述实施方式仅作为本申请实施例的优选实现，其并非是对所描述内容的唯一限定；对此，本领域技术人员可以在本申请实施例的基础上，根据实际应用场景进行灵活设定。

综上所述，本申请实施例提供了一种手掌特征识别设备及相应的识别方法，本申请实施例结合多光谱相机30的特性及光源20的设计，使得仅通过对待识别手掌100采集一次多光谱图像即可从中重建出相互独立且清晰的掌纹图像与掌静脉图像，能够同时用于掌纹、掌静脉的识别及活体检测，不仅提高了掌纹及掌静脉识别的精度，还避免了相关技术中手掌特征识别方案中彩色图像与红外图像之间存在视差的问题。

此外，本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被控制与处理器执行时，使得控制与处理器执行本申请实施例提供的前述手掌特征识别方法。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请所述的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读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。可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk)等。

需要说明的是，本申请内容中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于产品类实施例而言，由于其与方法类实施例相似，所以描述的比较简单，相关之处参见方法类实施例的部分说明即可。

还需要说明的是，在本申请内容中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请内容。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本申请内容中所定义的一般原理可以在不脱离本申请内容的精神或范围的情况下，在其它实施例中实现。因此，本申请内容将不会被限制于本申请内容所示的这些实施例，而是要符合与本申请内容所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种手掌特征识别设备，其特征在于，包括：

光源，用于投射波长处于可见光波段的第一光束和处于红外光波段的第二光束至待识别手掌；

多光谱相机，用于采集所述待识别手掌反射回的所述第一光束和所述第二光束，生成所述待识别手掌的多光谱图像；

控制与处理器，用于：从所述多光谱图像中提取每个通道的通道图像；根据所有的所述通道图像和预设的掌纹图像重建系数，重建得到所述待识别手掌的掌纹图像并识别掌纹；根据所有的所述通道图像和预设的掌静脉图像重建系数，重建得到所述待识别手掌的掌静脉图像并识别掌静脉。

2.如权利要求1所述的手掌特征识别设备，其特征在于，所述第一光束的波长在400nm～580nm之间，所述第二光束的波长在800nm～980nm之间。

3.如权利要求1所述的手掌特征识别设备，其特征在于，所述光源为环形光源，所述多光谱相机位于所述环形光源的中心，所述环形光源包括用于产生所述第一光束的多个第一光源和用于产生所述第二光束的多个第二光源，多个所述第一光源和多个所述第二光源相互交替排列，所述多个第一光源用于产生一种或多种波长的所述第一光束，所述多个第二光源用于产生一种或多种波长的所述第二光束。

4.如权利要求1所述的手掌特征识别设备，其特征在于，所述掌纹图像重建系数包括各张所述通道图像对应的掌纹图像重建子系数，所述掌静脉图像重建系数包括各张所述通道图像对应的掌静脉图像重建子系数；所述控制与处理器具体用于：

将各张所述通道图像分别乘以对应的所述掌纹图像重建子系数，并进行求和，得到所述掌纹图像；

将各张所述通道图像分别乘以对应的所述掌静脉图像重建子系数，并进行求和，得到所述掌静脉图像。

5.一种手掌特征识别方法，其特征在于，包括：

投射波长处于可见光波段的第一光束和处于红外光波段的第二光束至待识别手掌；

采集所述待识别手掌反射回的所述第一光束和所述第二光束，生成所述待识别手掌的多光谱图像；

从所述多光谱图像中提取每个通道的通道图像；

根据所有的所述通道图像和预设的掌纹图像重建系数，重建得到所述待识别手掌的掌纹图像，根据所述掌纹图像识别掌纹；

根据所有的所述通道图像和预设的掌静脉图像重建系数，重建得到所述待识别手掌的掌静脉图像，根据所述掌静脉图像识别掌静脉。

6.如权利要求5所述的手掌特征识别方法，其特征在于，还包括：

获取光源的亮度曲线及多光谱相机的多光谱响应曲线，所述光源用于发射所述第一光束和所述第二光束，所述多光谱相机用于采集所述多光谱图像；

根据所述亮度曲线和所述多光谱响应曲线，生成所述多光谱相机对所述第一光束和所述第二光束的实际响应曲线；

获取预设的目标通道的目标响应曲线，并根据所述目标响应曲线和所述实际响应曲线，计算所述掌纹图像重建系数和所述掌静脉图像重建系数。

7.如权利要求6所述的手掌特征识别方法，其特征在于，所述实际响应曲线包括所述多光谱相机的多个通道分别对所述光源的多条实际子响应曲线，所述目标响应曲线包括第一目标通道的第一目标子响应曲线、及第二目标通道的第二目标子响应曲线；

所述根据所述目标响应曲线和所述实际响应曲线，计算所述掌纹图像重建系数和所述掌静脉图像重建系数，包括：

计算所述多条实际子响应曲线拟合成所述第一目标子响应曲线的第一拟合系数，将所述第一拟合系数作为所述掌纹图像重建系数；

计算所述多条实际子响应曲线拟合成所述第二目标子响应曲线的第二拟合系数，将所述第二拟合系数作为所述掌静脉图像重建系数。

8.如权利要求7所述的手掌特征识别方法，其特征在于，所述第一目标通道的中心波长与所述第一光束的波长相同，所述第二目标通道的中心波长与所述第二光束的波长相同。

9.如权利要求5所述的手掌特征识别方法，其特征在于，所述掌纹图像重建系数包括各张所述通道图像对应的掌纹图像重建子系数，所述掌静脉图像重建系数包括各张所述通道图像对应的掌静脉图像重建子系数；

所述根据所有的所述通道图像和预设的掌纹图像重建系数，重建得到所述5待识别手掌的掌纹图像，包括：

将各张所述通道图像分别乘以对应的所述掌纹图像重建子系数，并进行求和，得到所述掌纹图像；

所述根据所有的所述通道图像和预设的掌静脉图像重建系数，重建得到所述待识别手掌的掌静脉图像，包括：

0将各张所述通道图像分别乘以对应的所述掌静脉图像重建子系数，并进行求和，得到所述掌静脉图像。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被控制与处理器执行时实现如权利要求5～9任一项所述的手掌特征识别方法。

Images