CN117495860A - 一种静脉设备摄像头模组异常检测的方法和系统 - Google Patents
一种静脉设备摄像头模组异常检测的方法和系统 Download PDFInfo
- Publication number
- CN117495860A CN117495860A CN202410001431.3A CN202410001431A CN117495860A CN 117495860 A CN117495860 A CN 117495860A CN 202410001431 A CN202410001431 A CN 202410001431A CN 117495860 A CN117495860 A CN 117495860A
- Authority
- CN
- China
- Prior art keywords
- image
- camera
- concentric annular
- detection units
- dividing
- 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.)
- Granted
Links
- 210000003462 vein Anatomy 0.000 title claims abstract description 58
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000005856 abnormality Effects 0.000 title claims abstract description 28
- 238000001514 detection method Methods 0.000 claims abstract description 121
- 230000002159 abnormal effect Effects 0.000 claims abstract description 55
- 239000011324 bead Substances 0.000 claims abstract description 31
- 241000533950 Leucojum Species 0.000 claims description 11
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 11
- 230000011218 segmentation Effects 0.000 claims description 7
- 238000001990 intravenous administration Methods 0.000 claims 4
- 238000004519 manufacturing process Methods 0.000 abstract description 6
- 230000008569 process Effects 0.000 abstract description 6
- 230000008859 change Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 210000001015 abdomen Anatomy 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 102000001554 Hemoglobins Human genes 0.000 description 1
- 108010054147 Hemoglobins Proteins 0.000 description 1
- 230000003187 abdominal effect Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 239000000306 component Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30204—Marker
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Quality & Reliability (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Geometry (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明涉及一种静脉设备摄像头模组异常检测的方法和系统,属于生物识别技术领域,其中异常检测方法包括以下骤:利用静脉设备采集未放置用户手指时的空白图像,所述空白图像中包含近红外灯珠;以近红外灯珠为中心构建若干条同心环状分割线,将空白图像划分为若干个同心环状区域;以近红外灯珠为中心构建若干条径向角度分割线,将空白图像划分为若干个径向角度区域;根据同心环状分割线和径向角度分割线构建检测单元,根据检测单元的灰度判断所述静脉设备的摄像头是否异常。本发明的方法可以准确检测静脉设备摄像头模组在产线或使用过程中出现的异常情况。
Description
技术领域
本发明涉及生物识别技术领域,特别是涉及一种静脉设备摄像头模组异常检测的方法和系统。
背景技术
静脉识别技术是通过近红外光对手指指腹或指背区域进行照射,当手指流动血液中的血红蛋白吸收了近红外光后,可以获得指腹或指背静脉图像,再使用特征提取算法从静脉图像中提取出特征值,识别时将提取的特征值数据与之前存储的特征值数据进行比对,给出识别比对的结果,从而达到身份识别的功能。
市面上常见的手指静脉识别技术多采用指腹静脉识别技术或指背静脉识别技术,摄像头是静脉设备的核心部件,很大程度上决定了采集到的静脉图像的质量是否合格,因此需要对静脉设备生产线组装后的摄像头模组进行异常检测,将装有异常摄像头模组的静脉设备挑选出来,避免将不合格的静脉设备流入市场,以免造成不良的后果。此外静脉设备摄像头模组在日常使用过程中难免会出现异常,如摄像头异常导致的黑图、横纹图、竖纹图等,当这些异常现象出现时,会影响验证通过率,降低了用户的使用体验。
由于当静脉设备中的摄像头模组出现异常后,会影响到静脉设备的认假和拒真等性能指标,为提高用户的使用体验,需要开发静脉设备摄像头模组异常的检测算法,当静脉设备摄像头模组在产线或使用过程中出现异常情况时,可以及时排除潜在风险,亦可针对性的解决模组出现的异常问题。
发明内容
本发明的主要目的是提供一种静脉设备摄像头模组异常检测的方法和系统,可以准确检测静脉设备摄像头模组在产线或使用过程中出现的异常情况。为实现上述目的,本发明提供了如下方案:
一种静脉设备摄像头模组异常检测的方法,其包括以下步骤:
步骤1.利用静脉设备采集未放置用户手指时的空白图像,所述空白图像中包含近红外灯珠;
步骤2.以近红外灯珠为中心构建若干条同心环状分割线,将空白图像划分为若干个同心环状区域;
步骤3.以近红外灯珠为中心构建若干条径向角度分割线,将空白图像划分为若干个径向角度区域;
步骤4.根据同心环状分割线和径向角度分割线构建检测单元,根据检测单元的灰度判断所述静脉设备的摄像头是否异常。
优选地,步骤2中将空白图像划分为若干个同心环状区域的方法为:以近红外灯珠为中心点构建若干个同心圆,所述同心圆为同心环状分割线,相邻同心圆之间的区域为同心环状区域。
优选地,步骤3中将空白图像划分为若干个径向角度区域的方法为:以近红外灯珠为中心点,沿所述同心圆的半径方向构建若干角度分割线,相邻角度分割线之间的区域为径向角度区域。
优选地,步骤4中的检测单元为同心环状分割线和径向角度分割线围合形成的区域。
优选地,步骤4根据检测单元的灰度判断所述静脉设备的摄像头是否异常包括:
步骤4.1.依次计算每个检测单元的灰度平均值,判断摄像头采集的图像是否为黑图,若不是,则进入步骤4.2,反之停止检测;
步骤4.2.依次计算同心环状区域内相邻两个检测单元的灰度梯度,判断摄像头采集的图像是否为横纹或竖纹图像,若不是,则进入步骤4.3,反之停止检测;
步骤4.3.依次计算径向角度区域相邻两个检测单元的灰度梯度值,判断摄像头采集的图像是否为水波纹或雪花纹图像。
优选地,步骤4.1判断摄像头采集的图像是否为黑图的步骤为:
步骤4.1.1.设定灰度阈值,依次计算每个检测单元的灰度平均值,若检测单元的灰度平均值小于灰度阈值,则对该检测单元进行第一异常标记;
步骤4.1.2.统计第一异常标记检测单元的数量;
步骤4.1.3.设定第一比例阈值,计算第一异常标记的检测单元的数量占全部检测单元的数量的比值,若所述比值大于第一比例阈值,则判断摄像头采集的图像是否为黑图。
优选地,步骤4.2判断摄像头采集的图像是否为横纹或竖纹图像的步骤为:
步骤4.2.1.设定第一梯度阈值,依次计算每个检测单元与其同心环状区域内相邻的两个检测单元的灰度梯度绝对值的平均值,若其大于第一梯度阈值,则对该检测单元进行第二异常标记;
步骤4.2.2.统计每个同心环状区域内第二异常标记的检测单元的数量;
步骤4.2.3.确定目标同心环状区域,所述目标同心环状区域内第二异常标记的检测单元的数量大于第一异常标记检测单元的数量;
步骤4.2.4.设定第二比例阈值,将目标同心环状区域内的第二异常标记的检测单元的中心点两两连线,统计连线经过同心圆中心点的第二异常标记的检测单元的数量占全部检测单元的数量的比值,若所述比值大于第二比例阈值,则判断摄像头采集的图像是否为横纹或竖纹图像。
优选地,步骤4.3中判断摄像头采集的图像是否为水波纹或雪花纹图像的步骤为:
步骤4.3.1.设定第二梯度阈值,依次计算每个检测单元与其径向角度区域内相邻的两个检测单元的灰度梯度绝对值的平均值,若其大于第二梯度阈值,则对该检测单元进行第三异常标记;
步骤4.3.2.设定第三比例阈值,计算第三异常标记的检测单元的数量占全部检测单元的数量的比值,若所述比值大于第三比例阈值,则判断摄像头采集的图像是为水波纹或雪花纹图像。
优选地,在利用静脉设备采集未放置用户手指时的空白图像后,对空白图像进行质量检测,确定其为合格的空白图像。
为解决上述技术问题,本申请还提供一种静脉设备摄像头模组异常检测的系统,包括:
采集模块:利用静脉设备采集未放置用户手指时的空白图像,所述空白图像中包含近红外灯珠;
同心环状区域分割模块:以近红外灯珠为中心构建若干条同心环状分割线,将空白图像划分为若干个同心环状区域;
径向角度区域分割模块:以近红外灯珠为中心构建若干条径向角度分割线,将空白图像划分为若干个径向角度区域;
异常判断模块:根据同心环状分割线和径向角度分割线构建检测单元,根据检测单元的灰度判断所述静脉设备的摄像头是否异常。
本发明利用静脉设备采集未放置用户手指时的空白图像,并利用静脉设备的光强分布的同心环状区域以及基于同心圆的径向角度区域的灰度信息构建了静脉设备摄像头异常检测算法模型,可以对摄像头出现的黑图、横纹、竖纹、水波纹和雪花状图像进行有效检测。当静脉设备摄像头模组在产线或使用过程中出现异常情况时,将静脉设备异常的检测结果反馈给用户或售后机构,进而可针对性的解决模组出现的异常现象,提高了用户的使用体验,排除潜在风险。
附图说明
图1为本发明涉及的静脉设备摄像头模组异常检测的方法的流程图。
图2为本发明涉及的同心环状区域、径向角度区域、检测单元的示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,以下结合实施例和附图对本发明进行具体阐述,但本发明的保护范围并不限于此。
参照附图1所示,本发明涉及一种静脉设备摄像头模组异常检测的方法包括以下步骤:
步骤1.利用静脉设备采集未放置用户手指时的空白图像,所述空白图像中包含近红外灯珠;
空白图像的采集方式可分为三种类型:(1)静脉设备可以在静脉注册开始前或者结束后进行空白图像的采集;(2)静脉设备可以在静脉认证开始前或者结束后进行空白图像的采集;(3)静脉设备可以在任意时间段内进行空白图像的采集。
对静脉设备在生产线组装后的摄像头模组进行异常检测优选第三种采集方式,无需额外的装备辅助即可完成图像采集;对静脉设备摄像头模组在日常使用过程中进行检测,优选第一和第二种检测方式,如检测出静脉设备摄像头模组异常可禁止注册和验证,以免带来风险。
在获取空白图像后,在对其进行检测前,先对空白图像进行质量检测,确定其为合格的空白图像。
在一个示例中,空白检测的方法为计算空白图像的横向一阶梯度和二阶梯度,通过横向一阶梯度和二阶梯度确定其是否为空白图像。
在另一个示例中,空白检测的方法为计算空白图像的纵向一阶梯度和二阶梯度,通过纵向一阶梯度和二阶梯度确定其是否为空白图像。
在另一个示例中,空白检测的方法为将空白图像进行二值化处理,根据处理后的二值图确定其是否为空白图像。
通过空白图像检测,可以避免空白图像的错误采集而导致的静脉设备的误检测,提高了静脉设备摄像头模组异常检测的可靠性。
步骤2.以近红外灯珠为中心构建若干条同心环状分割线,将空白图像划分为若干个同心环状区域,具体方法为:以近红外灯珠为中心点构建若干个同心圆,所述同心圆为同心环状分割线,相邻同心圆之间的区域为同心环状区域。
需要说明的是,近红外灯珠的坐标在设备进行结构设计时即已经标注,因此可以直接调取数据使用近红外灯珠的坐标。此外,为了静脉的清晰呈像,通常一台静脉设备中会有多个近红外灯珠,此时取其坐标平均值作为中心点。
一种示例性的,同心圆间的间距相等。此时,构建同心圆的方式为:(1)计算近红外灯珠的坐标平均值作为同心圆的中心点;(2)确定同心圆的数量n,在一个示例中,同心圆的数量n的取值范围为[3, max(w,h)/10];(3)确定最大同心圆的直径max(w,h),其中w和h分别为空白图像的行数和列数;(4)计算同心圆之间的间距d,d=max(w,h)/n;(5)构建直径最大的同心圆,然后将同心圆的直径逐步缩小2d,构建多个同心圆。通过此步骤可以完成静脉设备的光强分布的同心环状区间的划分。
需要说明的是,本申请不对同心圆的构建方式限定,在一个示例中,最大同心圆的直径的计算方法为:依次计算中心点到空白图像边缘像素点的距离,选择最大距离作为最大同心圆的半径。在另一示例中,同心圆也可以不是等间距的。
步骤3.以近红外灯珠为中心构建若干条径向角度分割线,将空白图像划分为若干个径向角度区域,具体方法为:以近红外灯珠为中心点,沿所述同心圆的半径方向构建若干角度分割线,相邻角度分割线之间的区域为径向角度区域。
一个示例中,采用等间隔角度分割,即:角度分割线之间的夹角相等,等间隔角度的选择区间为[0°, 360°],优选范围为[0°, 10°]。一个示例中,不采用等间隔角度分割,本申请对此不做限定。
一种示例性的,检测单元为同心环状分割线和径向角度分割线围合形成的区域,如附图2所示,为本实施例提供的同心环状区域、径向角度区域、检测单元的示意图。图中的圆形虚线2为同心圆,即同心环状分割线,相邻同心环状分割线之间的区域即为同心环状区域,如图所示,共计5个同心环状区域;图中的实直线1为径向角度分割线,相邻径向角度分割线之间的区域即为径向角度区域,如图所示,共计12个径向角度区域;同心环状分割线和径向角度分割线围合形成的区域即为检测单元3,如图所示,共计60个检测单元。
步骤4.根据同心环状分割线和径向角度分割线构建检测单元,根据检测单元的灰度判断所述静脉设备的摄像头是否异常,具体包括:
步骤4.1.依次计算每个检测单元的灰度平均值,判断摄像头采集的图像是否为黑图,若不是,则进入步骤4.2,反之停止检测,其中,判断摄像头采集的图像是否为黑图的具体方法为:
步骤4.1.1.设定灰度阈值,依次计算每个检测单元的灰度平均值,若检测单元的灰度平均值小于灰度阈值,则对该检测单元进行第一异常标记;
步骤4.1.2.统计第一异常标记检测单元的数量;
步骤4.1.3.设定第一比例阈值,计算第一异常标记的检测单元的数量占全部检测单元的数量的比值,若所述比值大于第一比例阈值,则判断摄像头采集的图像是否为黑图。
在一个示例中,灰度阈值为20,第一比例阈值的取值范围为90%。若灰度平均值为小于20的检测单元数量/全部检测单元的数量大于90%,则可以认为是采集的空白图像整体较暗,是黑图,此时可以考虑摄像头的曝光等是否存在问题。
步骤4.2.依次计算同心环状区域内相邻两个检测单元的灰度梯度,判断摄像头采集的图像是否为横纹或竖纹图像,若不是,则进入步骤4.3,反之停止检测,其中,判断摄像头采集的图像是否为横纹或竖纹图像的具体方法为:
步骤4.2.1.设定第一梯度阈值,依次计算每个检测单元与其同心环状区域内相邻的两个检测单元的灰度梯度绝对值的平均值,若其大于第一梯度阈值,则对该检测单元进行第二异常标记;
步骤4.2.2.统计每个同心环状区域内第二异常标记的检测单元的数量;
步骤4.2.3.确定目标同心环状区域,所述目标同心环状区域内第二异常标记的检测单元的数量大于第一异常标记检测单元的数量;
步骤4.2.4.设定第二比例阈值,将目标同心环状区域内的第二异常标记的检测单元的中心点两两连线,统计连线经过同心圆中心点的第二异常标记的检测单元的数量占全部检测单元的数量的比值,若所述比值大于第二比例阈值,则判断摄像头采集的图像是否为横纹或竖纹图像。
在一个示例中,两个检测单元的灰度梯度为两个检测单元灰度平均值的差值,示例性的,在本发明中,记一个检测单元为A,其灰度值平均值为a,其同心环状区域内相邻的两个检测单元分别为B和C,灰度平均值分别为b和c,则该检测单元A与其同心环状区域内相邻的两个检测单元B和C的灰度梯度绝对值的平均值为1/2(|a-b|+|a-c|)。
在一个示例中,第一梯度阈值为15,第二比例阈值为80%。因横纹或竖纹图像在一个同心环状区域内的灰度存在规律性变化,该示例中判断同心环状区域内的检测单元是否存在规律性的变化,判断采集的空白图像是否为横纹或竖纹图像,如是,此时可以考虑摄像头的图像数据传输或晶振频率等是否存在问题。
步骤4.3.依次计算径向角度区域相邻两个检测单元的灰度梯度值,判断摄像头采集的图像是否为水波纹或雪花纹图像,具体方法为:
步骤4.3.1.设定第二梯度阈值,依次计算每个检测单元与其径向角度区域内相邻的两个检测单元的灰度梯度绝对值的平均值,若其大于第二梯度阈值,则对该检测单元进行第三异常标记;
步骤4.3.2.设定第三比例阈值,计算第三异常标记的检测单元的数量占全部检测单元的数量的比值,若所述比值大于第三比例阈值,则判断摄像头采集的图像是为水波纹或雪花纹图像。
在一个示例中,第二梯度阈值为15,第三比例阈值为80%。因水波纹或雪花纹图像图像在一个径向角度区域内的灰度存在规律性变化,该示例中判断径向角度区域的检测单元是否存在规律性的变化,判断采集的空白图像是否为水波纹或雪花纹图像,如是,此时可以考虑摄像头的感光元器件是否存在问题。
本发明罗列了3中摄像头模组容易出现的3种异常种类,确定了异常种类,可以准备反馈给厂商,便于厂商针对性的解决该异常现象,提高维修效率。
实施例
本发明还提供了一种一种静脉设备摄像头模组异常检测的系统,包括:
采集模块:利用静脉设备采集未放置用户手指时的空白图像,所述空白图像中包含近红外灯珠;
同心环状区域分割模块:以近红外灯珠为中心构建若干条同心环状分割线,将空白图像划分为若干个同心环状区域;
径向角度区域分割模块:以近红外灯珠为中心构建若干条径向角度分割线,将空白图像划分为若干个径向角度区域;
异常判断模块:根据同心环状分割线和径向角度分割线构建检测单元,根据检测单元的灰度判断所述静脉设备的摄像头是否异常。
以上所述的实施例仅是对本发明的优选方式进行描述,并非对本发明的范围进行限定,在不脱离本发明设计精神的前提下,本领域普通技术人员对本发明的技术方案做出的各种变形和改进,均应落入本发明权利要求书确定的保护范围内。
Claims (10)
1.一种静脉设备摄像头模组异常检测的方法,其特征在于,所述方法包括:
步骤1.利用静脉设备采集未放置用户手指时的空白图像,所述空白图像中包含近红外灯珠;
步骤2.以近红外灯珠为中心构建若干条同心环状分割线,将空白图像划分为若干个同心环状区域;
步骤3.以近红外灯珠为中心构建若干条径向角度分割线,将空白图像划分为若干个径向角度区域;
步骤4.根据同心环状分割线和径向角度分割线构建检测单元,根据检测单元的灰度判断所述静脉设备的摄像头是否异常。
2.根据权利要求1所述的静脉设备摄像头模组异常检测的方法,其特征在于,所述步骤2中将空白图像划分为若干个同心环状区域的方法为:以近红外灯珠为中心点构建若干个同心圆,所述同心圆为同心环状分割线,相邻同心圆之间的区域为同心环状区域。
3.根据权利要求2所述的静脉设备摄像头模组异常检测的方法,其特征在于,所述步骤3中将空白图像划分为若干个径向角度区域的方法为:以近红外灯珠为中心点,沿所述同心圆的半径方向构建若干角度分割线,相邻角度分割线之间的区域为径向角度区域。
4.根据权利要求3所述的静脉设备摄像头模组异常检测的方法,其特征在于,所述步骤4中的检测单元为同心环状分割线和径向角度分割线围合形成的区域。
5.根据权利要求4所述的静脉设备摄像头模组异常检测的方法,其特征在于,所述步骤4根据检测单元的灰度判断所述静脉设备的摄像头是否异常包括:
步骤4.1.依次计算每个检测单元的灰度平均值,判断摄像头采集的图像是否为黑图,若不是,则进入步骤4.2,反之停止检测;
步骤4.2.依次计算同心环状区域内相邻两个检测单元的灰度梯度,判断摄像头采集的图像是否为横纹或竖纹图像,若不是,则进入步骤4.3,反之停止检测;
步骤4.3.依次计算径向角度区域相邻两个检测单元的灰度梯度值,判断摄像头采集的图像是否为水波纹或雪花纹图像。
6.根据权利要求5所述的静脉设备摄像头模组异常检测的方法,其特征在于,所述步骤4.1判断摄像头采集的图像是否为黑图的步骤为:
步骤4.1.1.设定灰度阈值,依次计算每个检测单元的灰度平均值,若检测单元的灰度平均值小于灰度阈值,则对该检测单元进行第一异常标记;
步骤4.1.2.统计第一异常标记检测单元的数量;
步骤4.1.3.设定第一比例阈值,计算第一异常标记的检测单元的数量占全部检测单元的数量的比值,若所述比值大于第一比例阈值,则判断摄像头采集的图像是否为黑图。
7.根据权利要求6所述的静脉设备摄像头模组异常检测的方法,其特征在于,所述步骤4.2判断摄像头采集的图像是否为横纹或竖纹图像的步骤为:
步骤4.2.1.设定第一梯度阈值,依次计算每个检测单元与其同心环状区域内相邻的两个检测单元的灰度梯度绝对值的平均值,若其大于第一梯度阈值,则对该检测单元进行第二异常标记;
步骤4.2.2.统计每个同心环状区域内第二异常标记的检测单元的数量;
步骤4.2.3.确定目标同心环状区域,所述目标同心环状区域内第二异常标记的检测单元的数量大于第一异常标记检测单元的数量;
步骤4.2.4.设定第二比例阈值,将目标同心环状区域内的第二异常标记的检测单元的中心点两两连线,统计连线经过同心圆中心点的第二异常标记的检测单元的数量占全部检测单元的数量的比值,若所述比值大于第二比例阈值,则判断摄像头采集的图像是否为横纹或竖纹图像。
8.根据权利要求5所述的静脉设备摄像头模组异常检测的方法,其特征在于,所述步骤4.3中判断摄像头采集的图像是否为水波纹或雪花纹图像的步骤为:
步骤4.3.1.设定第二梯度阈值,依次计算每个检测单元与其径向角度区域内相邻的两个检测单元的灰度梯度绝对值的平均值,若其大于第二梯度阈值,则对该检测单元进行第三异常标记;
步骤4.3.2.设定第三比例阈值,计算第三异常标记的检测单元的数量占全部检测单元的数量的比值,若所述比值大于第三比例阈值,则判断摄像头采集的图像是为水波纹或雪花纹图像。
9.根据权利要求1所述的静脉设备摄像头模组异常检测的方法,其特征在于,在利用静脉设备采集未放置用户手指时的空白图像后,对空白图像进行质量检测,确定其为合格的空白图像。
10.一种静脉设备摄像头模组异常检测的系统,其特征在于,包括:
采集模块:利用静脉设备采集未放置用户手指时的空白图像,所述空白图像中包含近红外灯珠;
同心环状区域分割模块:以近红外灯珠为中心构建若干条同心环状分割线,将空白图像划分为若干个同心环状区域;
径向角度区域分割模块:以近红外灯珠为中心构建若干条径向角度分割线,将空白图像划分为若干个径向角度区域;
异常判断模块:根据同心环状分割线和径向角度分割线构建检测单元,根据检测单元的灰度判断所述静脉设备的摄像头是否异常。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410001431.3A CN117495860B (zh) | 2024-01-02 | 2024-01-02 | 一种静脉设备摄像头模组异常检测的方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410001431.3A CN117495860B (zh) | 2024-01-02 | 2024-01-02 | 一种静脉设备摄像头模组异常检测的方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117495860A true CN117495860A (zh) | 2024-02-02 |
CN117495860B CN117495860B (zh) | 2024-04-12 |
Family
ID=89676832
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410001431.3A Active CN117495860B (zh) | 2024-01-02 | 2024-01-02 | 一种静脉设备摄像头模组异常检测的方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117495860B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109934874A (zh) * | 2017-12-18 | 2019-06-25 | 比亚迪股份有限公司 | 摄像头标定中基于同心圆环模板进行求点的方法和装置 |
CN110866503A (zh) * | 2019-11-19 | 2020-03-06 | 圣点世纪科技股份有限公司 | 指静脉设备的异常检测方法及系统 |
CN112862832A (zh) * | 2020-12-31 | 2021-05-28 | 重庆盛泰光电有限公司 | 一种基于同心圆分割定位的脏污检测方法 |
CN113177935A (zh) * | 2021-05-21 | 2021-07-27 | 陕西利丰恒信生物科技发展有限公司 | 一种近红外光强均匀性检测方法、装置及计算机设备 |
CN116778537A (zh) * | 2023-08-24 | 2023-09-19 | 江苏圣点世纪科技有限公司 | 一种指背静脉图像识别过程中指甲的检测与处理方法 |
CN117079424A (zh) * | 2022-03-31 | 2023-11-17 | 旭宇光电(深圳)股份有限公司 | 基于光伏电池供电的远程森林火灾监测预警系统及方法 |
-
2024
- 2024-01-02 CN CN202410001431.3A patent/CN117495860B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109934874A (zh) * | 2017-12-18 | 2019-06-25 | 比亚迪股份有限公司 | 摄像头标定中基于同心圆环模板进行求点的方法和装置 |
CN110866503A (zh) * | 2019-11-19 | 2020-03-06 | 圣点世纪科技股份有限公司 | 指静脉设备的异常检测方法及系统 |
CN112862832A (zh) * | 2020-12-31 | 2021-05-28 | 重庆盛泰光电有限公司 | 一种基于同心圆分割定位的脏污检测方法 |
CN113177935A (zh) * | 2021-05-21 | 2021-07-27 | 陕西利丰恒信生物科技发展有限公司 | 一种近红外光强均匀性检测方法、装置及计算机设备 |
CN117079424A (zh) * | 2022-03-31 | 2023-11-17 | 旭宇光电(深圳)股份有限公司 | 基于光伏电池供电的远程森林火灾监测预警系统及方法 |
CN116778537A (zh) * | 2023-08-24 | 2023-09-19 | 江苏圣点世纪科技有限公司 | 一种指背静脉图像识别过程中指甲的检测与处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117495860B (zh) | 2024-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112818988B (zh) | 一种指针式仪表自动识别读数方法及系统 | |
US9704259B2 (en) | People counting device and people counting method | |
CN109741314A (zh) | 一种零件的视觉检测方法及系统 | |
CN104809433B (zh) | 一种基于最大稳定区域和随机采样的斑马线检测方法 | |
CN111382704A (zh) | 基于深度学习的车辆压线违章判断方法、装置及存储介质 | |
CN109978078B (zh) | 字体版权检测方法、介质、计算机设备及装置 | |
CN110111283A (zh) | 一种复杂背景下红外疑似目标的提示方法及系统 | |
Zeng et al. | Rapid automated detection of roots in minirhizotron images | |
CN116363520B (zh) | 一种城市绿地规划用景观生态检测系统 | |
CN103778411A (zh) | 一种基于栅格图像划分的圆检测方法及装置 | |
CN114972531B (zh) | 一种角点检测方法、设备及可读存储介质 | |
CN117495860B (zh) | 一种静脉设备摄像头模组异常检测的方法和系统 | |
CN116129102A (zh) | 一种基于改进型图像处理算法的水表识别方法及相关装置 | |
CN110288616A (zh) | 一种基于分形和rpca分割眼底图像中硬性渗出的方法 | |
Ying et al. | Research on an automatic counting method for steel bars' image | |
CN112560839A (zh) | 指针式仪表读数的自动识别方法及系统 | |
CN115965773B (zh) | 基于物联网大数据的气体泄漏检测系统 | |
CN101615255A (zh) | 一种视频文字多帧融合的方法 | |
CN113239738B (zh) | 一种图像的模糊检测方法及模糊检测装置 | |
CN115331193A (zh) | 一种车位识别方法、识别系统、电子设备及存储介质 | |
CN112629828B (zh) | 一种光学信息检测方法、装置及设备 | |
CN110853059B (zh) | 一种靶子环数的图像识别方法 | |
CN110279393A (zh) | 微血管检测装置和方法 | |
CN109151451B (zh) | 一种双目夜视仪分辨率检测方法 | |
CN116758106B (zh) | 基于无人机的水流登记单元界线核实方法 |
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 |