一种手掌及其关键点检测方法、装置和终端设备制造方法及图纸

本申请适用于生物识别技术领域，提供了一种手掌及其关键点检测方法、装置和终端设备，所述方法包括：将待检测图像缩放至第一图像尺寸并输入经过训练的第一神经网络，得到所述待检测图像的第一手掌图像概率；当所述第一手掌图像概率大于所述第一概率阈值时，将所述待检测图像缩放至第二图像尺寸并输入经过训练的第二神经网络，得到所述待检测图像的第二手掌图像概率，其中，所述第二图像尺寸大于所述第一图像尺寸；当所述第二手掌图像概率大于所述第二概率阈值时，输出所述第二神经网络预测的第二手掌关键点预测坐标。本申请可以解决现有的手掌及其关键点检测方法的准确率较低，且检测速度较慢的问题。

【技术实现步骤摘要】
一种手掌及其关键点检测方法、装置和终端设备
本申请属于生物识别
，尤其涉及一种手掌及其关键点检测方法、装置和终端设备。
技术介绍
随着科技的发展，各式各样的生物识别技术应用在了人们的生活当中，例如指纹打卡、掌纹识别和声纹认证等。在这些生物识别技术当中，掌纹识别和掌静脉识别是分别利用手掌的纹线特征和掌静脉分布图进行个人身份验证的技术。在进行掌纹识别和掌静脉识别的过程中，手掌检测及手掌关键点检测是极其重要的环节，通过手掌检测可以判断一个图像中是否有手掌，这是进行后续手掌识别的基础，通过手掌关键点检测可以实现手掌定位，手掌关键点检测的关键点位置越准确，则手掌区域定位越准确，有利于提高后续进行掌纹识别和掌静脉识别的识别率。但是，当前的手掌及其关键点检测方法主要是对手掌图像进行肤色检测和背景阈值分割，然后通过特征点检测与比对算法判断图像是否为手掌图像以及确定手掌图像的关键点位置。这种方法不仅准确率比较低，无法准确地辨识手掌图像和定位关键点位置，而且因为对所有图像都进行详细比对，从而导致检测速度过慢。综上，现有的手掌及其关键点检测方法的准确率较低，且检测速度较慢。
技术实现思路
有鉴于此，本申请实施例提供了一种手掌及其关键点检测方法、装置和终端设备，以解决现有的手掌及其关键点检测方法的准确率较低，且检测速度较慢的问题。本申请实施例的第一方面提供了一种手掌及其关键点检测方法，包括：将待检测图像缩放至第一图像尺寸并输入经过训练的第一神经网络，得到所述待检测图像的第一手掌图像概率，判断所述第一手掌图像概率是否大于第一概率阈值；当所述第一手掌图像概率大于所述第一概率阈值时，将所述待检测图像缩放至第二图像尺寸并输入经过训练的第二神经网络，得到所述待检测图像的第二手掌图像概率，判断所述第二手掌图像概率是否大于第二概率阈值，其中，所述第二图像尺寸大于所述第一图像尺寸；当所述第二手掌图像概率大于所述第二概率阈值时，输出所述第二神经网络预测的第二手掌关键点预测坐标。本申请实施例的第二方面提供了一种手掌及其关键点检测装置，包括：第一检测模块，用于将待检测图像缩放至第一图像尺寸并输入经过训练的第一神经网络，得到所述待检测图像的第一手掌图像概率，判断所述第一手掌图像概率是否大于第一概率阈值；第二检测模块，用于当所述第一手掌图像概率大于所述第一概率阈值时，将所述待检测图像缩放至第二图像尺寸并输入经过训练的第二神经网络，得到所述待检测图像的第二手掌图像概率，判断所述第二手掌图像概率是否大于第二概率阈值，其中，所述第二图像尺寸大于所述第一图像尺寸；关键点输出模块，用于当所述第二手掌图像概率大于所述第二概率阈值时，输出所述第二神经网络预测的第二手掌关键点预测坐标。本申请实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述方法的步骤。本申请实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述方法的步骤。本申请实施例与现有技术相比存在的有益效果是：本申请提供了一种手掌及其关键点检测方法，首先将待检测图像缩放至第一图像尺寸，输入第一神经网络进行初检，然后将初检中第一手掌图像概率大于第一概率阈值的待检测图像缩放至第二图像尺寸，输入第二神经网络进行精细化检测，通过双重检测提高了准确率，并且第一图像尺寸小于第二图像尺寸，使得第一神经网络可以快速对待检测图像进行判断，筛选除掉明显不是手掌图像的待检测图像，只对经过筛选的待检测图像放大进行精细化检测，从而提高了检测速度，解决了现有的手掌及其关键点检测方法的准确率较低，且检测速度较慢的问题。附图说明为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要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，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1是本申请实施例一提供的一种手掌及其关键点检测方法的实现流程示意图；图2是本申请实施例一提供的一种手掌9关键点模型的示意图；图3是本申请实施例一提供的经过训练的第一神经网络的第一手掌关键点预测坐标的回归误差测试图；图4是本申请实施例一提供的经过训练的第一神经网络的分类精度测试图；图5是本申请实施例一提供的经过训练的第二神经网络的第二手掌关键点预测坐标的回归误差测试图；图6是本申请实施例一提供的经过训练的第二神经网络的分类精度测试图；图7是本申请实施例二提供的一种手掌及其关键点检测装置的结构示意图；图8是本申请实施例三提供的终端设备的示意图。具体实施方式以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。为了说明本申请所述的技术方案，下面通过具体实施例来进行说明。应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。还应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。还应当进一步理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。具体实现中，本申请实施例中描述的移动终端包括但不限于诸如具有触摸敏感表面(例如，触摸屏显示器和/或触摸板)的移动电话、膝上型计算机或平板计算机之类的其它便携式设备。还应当理解的是，在某些实施例中，上述设备并非便携式通信设备，而是具有触摸敏感表面(例如，触摸屏显示器和/或触摸板)的台式计算机。在接下来的讨论中，描述了包括显示器和触摸敏感表面的移动终端。然而，应当理解的是，移动终端可以包括诸如物理键盘、鼠标和/或控制杆的一个或多个其它物理用户接口设备。移动终端支持各种应用程序，例如以下中的一个或多个：绘图应用程序、演示应用程序、文字处理应用程序、网站创建应用程序、盘刻录应用程序、电子表格应用程序、游戏应用程序、电话应用程序、视频会议应用程序、电子邮件应用程序、即时消息收发应用程序、锻炼支持应用程序、照片管理应用程序、数码相机应用程序、数字摄影机应用程序、web浏览应用程序、数字音乐播放器应用程序和/或数字视频播放器应用本文档来自技高网...

【技术保护点】
1.一种手掌及其关键点检测方法，其特征在于，包括：将待检测图像缩放至第一图像尺寸并输入经过训练的第一神经网络，得到所述待检测图像的第一手掌图像概率，判断所述第一手掌图像概率是否大于第一概率阈值；当所述第一手掌图像概率大于所述第一概率阈值时，将所述待检测图像缩放至第二图像尺寸并输入经过训练的第二神经网络，得到所述待检测图像的第二手掌图像概率，判断所述第二手掌图像概率是否大于第二概率阈值，其中，所述第二图像尺寸大于所述第一图像尺寸；当所述第二手掌图像概率大于所述第二概率阈值时，输出所述第二神经网络预测的第二手掌关键点预测坐标。

【技术特征摘要】
1.一种手掌及其关键点检测方法，其特征在于，包括：将待检测图像缩放至第一图像尺寸并输入经过训练的第一神经网络，得到所述待检测图像的第一手掌图像概率，判断所述第一手掌图像概率是否大于第一概率阈值；当所述第一手掌图像概率大于所述第一概率阈值时，将所述待检测图像缩放至第二图像尺寸并输入经过训练的第二神经网络，得到所述待检测图像的第二手掌图像概率，判断所述第二手掌图像概率是否大于第二概率阈值，其中，所述第二图像尺寸大于所述第一图像尺寸；当所述第二手掌图像概率大于所述第二概率阈值时，输出所述第二神经网络预测的第二手掌关键点预测坐标。2.如权利要求1所述的手掌及其关键点检测方法，其特征在于，所述第一神经网络通过以下方式训练：将第一正样本图像和第一负样本图像缩放至所述第一图像尺寸并输入初始的第一神经网络，对所述初始的第一神经网络进行训练，得到所述经过训练的第一神经网络，其中，所述第一正样本图像为包含手掌并标注手掌关键点的图像，所述第一负样本图像为不包含手掌的图像。3.如权利要求1所述的手掌及其关键点检测方法，其特征在于，所述第二神经网络通过以下方式训练：将测试正样本图像和测试负样本图像缩放至所述第一图像尺寸并输入所述经过训练的第一神经网络，得到各个所述测试正样本图像对应的第一手掌图像概率、第一手掌关键点预测坐标和各个所述测试负样本图像对应的第一手掌图像概率，其中，所述测试正样本图像为包含手掌的图像，所述测试负样本图像为不包含手掌的图像；将所述第一手掌图像概率大于第三概率阈值且所述第一手掌关键点预测坐标的误差小于第一误差阈值的测试正样本图像作为第二正样本图像，将所述第一手掌图像概率大于第四概率阈值的测试负样本图像作为第二负样本图像，将所述第二正样本图像和所述第二负样本图像缩放至所述第二图像尺寸并输入初始的第二神经网络，对所述初始的第二神经网络进行训练，得到所述经过训练的第二神经网络。4.如权利要求2所述的手掌及其关键点检测方法，其特征在于，所述将第一正样本图像和第一负样本图像缩放至所述第一图像尺寸并输入初始的第一神经网络，对所述初始的第一神经网络进行训练，得到所述经过训练的第一神经网络之前还包括：对预置数量的所述第一正样本图像进行预处理，其中，所述预处理包括加入椒盐噪声、亮度调整、过曝光处理、图像翻转、图像旋转和截图中的一种或多种。5.如权利要求1至4中任意一项所述的手掌及其关键点检测方法，其特征在于，所述当所述第一手掌图像概率大于所述第一概率阈值时，将所述待检测图像缩放至第二图像尺寸并输入经过训练的第二神经网络，得到所述待检测图像的第二手掌图像概率，判断所述第二手掌图像概率是否大于第二概率阈值，其中，所述第二图像尺寸大于所述第一图像尺寸具体包括：当所述第一手掌图像概率大于所述第一概率阈值时，获...

【专利技术属性】
技术研发人员：陈书楷，钱叶青，
申请(专利权)人：厦门中控智慧信息技术有限公司，中控智慧科技股份有限公司，
类型：发明
国别省市：福建,35