一种手掌感兴趣区域的定位方法及装置制造方法及图纸

本发明专利技术实施例公开了一种手掌感兴趣区域的定位方法及装置，用于准确定位手掌图像中的ROI区域。本发明专利技术实施例方法包括：采集N个手掌图像样本，在每一个手掌图像样本上标注真实关键点位置，所述N为正整数；对所述N个手掌图像样本以及每一个手掌图像样本中的真实关键点位置进行训练，得到一个级联回归器；根据所述级联回归器，定位待识别人脸图像中的目标关键点位置，根据所述目标关键点位置确定感兴趣区域ROI。

Method and device for positioning palm region of interest

The embodiment of the invention discloses a method and a device for locating the region of interest of the palm, which is used for accurately locating the ROI region in the palm image. The embodiment of the invention includes acquiring N palm image samples, mark the location of real key points in each palm image samples, the N is a positive integer; the training of the N palm image samples and each sample in the real image of the palm of the hand of key points, a cascaded regression device get; according to the cascade regression, after positioning target key position of facial image recognition in the ROI region of interest is determined according to the key position of the target.

【技术实现步骤摘要】
一种手掌感兴趣区域的定位方法及装置
本专利技术涉及生物特征识别技术，具体涉及一种手掌感兴趣区域的定位方法及装置
技术介绍
掌纹识别为生物特征识别技术中较新的识别技术。手掌中有很多掌纹特征可以用作身份识别。在非接触式的掌纹识别中，最关键的是手掌感兴趣区域(RegionofInterest，简称ROI)的定位。传统的手掌感兴趣区域定位方法通过对手掌图像进行肤色检测或背景阈值分割，然后搜索最大连通域即为手掌区域。但是，传统的手掌感兴趣区域定位方法会受到环境光照的影响，并且边缘轮廓信息或者边缘关键点的定位存在的偏差会造成掌纹定位出现误差，从而影响手掌感兴趣区域定位的精准度。
技术实现思路
本专利技术实施例提供了一种手掌感兴趣区域的定位方法及装置，用于解决传统手掌感兴趣区域定位方法中定位精准度较低的问题。本专利技术第一方面提供了一种手掌感兴趣区域定位方法，可包括：采集N个手掌图像样本，在每一个手掌图像样本上标注真实关键点位置，上述N为正整数；对上述N个手掌图像样本以及每一个手掌图像样本中的真实关键点位置进行训练，得到一个级联回归器；根据上述级联回归器，定位待识别人脸图像中的目标关键点位置，根据上述目标关键点位置确定感兴趣区域ROI。可以看出，在本专利技术实施例中，通过采集N个手掌图像样本，然后在手掌图像样本中标注真实关键点位置，然后根据N个手掌图像样本，以及手掌图像样本中的真实关键点位置，训练得到一个级联回归器，最后可以用该级联回归器来定位出待识别人脸图像中的目标关键点，然后根据目标关键点进行ROI定位。可选地，在本专利技术一些实施例中，上述对上述N个手掌图像样本以及每一个手掌图像样本中的真实关键点位置进行训练，得到一个级联回归器包括：根据上述N个手掌图像样本中的真实关键点位置，得到每一个手掌图像样本中每一个真实关键点位置对应的初始估计位置；对每一个初始估计位置进行训练，以使上述初始估计位置逼近对应的真实关键点位置，得到一个级联回归器。可选地，在本专利技术一些实施例中，上述根据上述N个手掌图像样本中的真实关键点位置，得到每一个手掌图像样本中每一个真实关键点位置对应的初始估计位置包括：获取每一个手掌图像样本的第M个手掌位置上的真实关键点位置，上述M为大于或等于1的正整数；计算N个手掌图像样本在上述第M个手掌位置上的真实关键点位置的平均值，上述平均值为每一个手掌图像样本的上述第M个手掌位置对应的初始估计位置。可选地，在本专利技术一些实施例中，上述真实关键点位置分别是大拇指与食指之间缝隙的凹点，上述食指与中指之间缝隙的凹点，上述中指与无名指之间缝隙的凹点，上述无名指与小指之间缝隙的凹点，上述小指到手掌的凹点。可选地，在本专利技术一些实施例中，上述真实关键点位置分别是大拇指与食指之间缝隙的凹点，上述食指与中指之间缝隙的凹点，上述中指与无名指之间缝隙的凹点，上述无名指与小指之间缝隙的凹点，上述小指到手掌的凹点，与上述食指与中指之间缝隙的凹点相连的边界点，以及与上述无名指与小指之间缝隙的凹点相连的边界点。可选地，在本专利技术一些实施例中，上述真实关键点位置分别是大拇指与食指之间缝隙的凹点，上述食指与中指之间缝隙的凹点，上述中指与无名指之间缝隙的凹点，上述无名指与小指之间缝隙的凹点，上述小指到手掌的凹点，与上述食指与中指之间缝隙的凹点相连的边界点，与上述无名指与小指之间缝隙的凹点相连的边界点，横向主掌纹的左端点和右端点。在本专利技术一些实施例中，上述对每一个初始估计位置进行训练，以使上述初始估计位置逼近对应的真实关键点位置，得到一个级联回归器包括：依次以每一个手掌图像样本中的每一个真实关键点位置对应的初始估计位置为目标点，根据上述目标点获取一个特征训练点；组合一个手掌图像样本中的所有真实关键点位置对应的初始估计位置，得到P个特征训练点，并记录上述P个特征训练点的位置信息；按照组合方式从上述P个特征训练点中选取两个特征训练点，计算选取的两个特征训练点的像素灰度值的第一差值，每一个第一差值为一个训练特征，得到F个训练特征；计算每一个手掌图像样本中的每一个真实关键点位置与对应的初始估计位置之间的第二差值，以上述第二差值作为训练目标，对每一个手掌图像样本中的F个训练特征进行训练得到一个弱回归器；根据上述弱回归器，对上述F个训练特征进行回归得到每一个初始估计位置的增量值；计算上述增量值与对应初始估计位置的和，得到新的初始估计位置；判断低层训练次数是否满足L1次，若没有满足L1次，则转向执行按照组合方式从上述P个特征训练点中选取两个特征训练点的步骤；若是满足L1次，则判断上层训练次数是否满足L2次，若没有满足L2次，则转向执行依次以每一个手掌图像样本中的每一个真实关键点位置对应的初始估计位置为目标点，根据上述目标点获取一个特征训练点的步骤；若满足L2次，则完成训练，得到上述级联回归器。在本专利技术一些实施例中，上述依次以每一个手掌图像样本中的每一个真实关键点位置对应的初始估计位置为目标点，根据上述目标点获取一个特征训练点包括：依次从每一个手掌图像样本选择一个真实关键点位置对应的初始估计位置作为目标点；以上述目标点作为圆点，以r作为半径作圆，并在圆内提取一点，得到一个训练特征点。本专利技术第二方面提供了一种手掌感兴趣区域定位装置，包括：训练模块，用于采集N个手掌图像样本，在每一个手掌图像样本上标注真实关键点位置，上述N为正整数；对上述N个手掌图像样本以及每一个手掌图像样本中的真实关键点位置进行训练，得到一个级联回归器；识别模块，用于根据上述级联回归器，定位待识别人脸图像中的目标关键点位置，根据上述目标关键点位置确定感兴趣区域ROI。在本专利技术一些实施例中，上述训练模块具体用于，根据上述N个手掌图像样本中的真实关键点位置，得到每一个手掌图像样本中每一个真实关键点位置对应的初始估计位置；对每一个初始估计位置进行训练，以使上述初始估计位置逼近对应的真实关键点位置，得到一个级联回归器。可选地，在本专利技术一些实施例中，上述训练模块进一步具体用于，获取每一个手掌图像样本的第M个手掌位置上的真实关键点位置，上述M为大于或等于1的正整数；计算N个手掌图像样本在上述第M个手掌位置上的真实关键点位置的平均值，上述平均值为每一个手掌图像样本的上述第M个手掌位置对应的初始估计位置。可选地，在本专利技术一些实施例中，上述真实关键点位置分别是大拇指与食指之间缝隙的凹点，上述食指与中指之间缝隙的凹点，上述中指与无名指之间缝隙的凹点，上述无名指与小指之间缝隙的凹点，上述小指到手掌的凹点。可选地，在本专利技术一些实施例中，上述真实关键点位置分别是大拇指与食指之间缝隙的凹点，上述食指与中指之间缝隙的凹点，上述中指与无名指之间缝隙的凹点，上述无名指与小指之间缝隙的凹点，上述小指到手掌的凹点，与上述食指与中指之间缝隙的凹点相连的边界点，以及与上述无名指与小指之间缝隙的凹点相连的边界点。可选地，在本专利技术一些实施例中，上述真实关键点位置分别是大拇指与食指之间缝隙的凹点，上述食指与中指之间缝隙的凹点，上述中指与无名指之间缝隙的凹点，上述无名指与小指之间缝隙的凹点，上述小指到手掌的凹点，与上述食指与中指之间缝隙的凹点相连的边界点，与上述无名指与小指之间缝隙的凹点相连的边界点，横向主掌纹的左端点和右端点。可选地，本文档来自技高网...

【技术保护点】
一种手掌感兴趣区域的定位方法，其特征在于，包括：采集N个手掌图像样本，在每一个手掌图像样本上标注真实关键点位置，所述N为正整数；对所述N个手掌图像样本以及每一个手掌图像样本中的真实关键点位置进行训练，得到一个级联回归器；根据所述级联回归器，定位待识别人脸图像中的目标关键点位置，根据所述目标关键点位置确定感兴趣区域ROI。

【技术特征摘要】
1.一种手掌感兴趣区域的定位方法，其特征在于，包括：采集N个手掌图像样本，在每一个手掌图像样本上标注真实关键点位置，所述N为正整数；对所述N个手掌图像样本以及每一个手掌图像样本中的真实关键点位置进行训练，得到一个级联回归器；根据所述级联回归器，定位待识别人脸图像中的目标关键点位置，根据所述目标关键点位置确定感兴趣区域ROI。2.根据权利要求1所述的方法，其特征在于，所述对所述N个手掌图像样本以及每一个手掌图像样本中的真实关键点位置进行训练，得到一个级联回归器包括：根据所述N个手掌图像样本中的真实关键点位置，得到每一个手掌图像样本中每一个真实关键点位置对应的初始估计位置；对每一个初始估计位置进行训练，以使所述初始估计位置逼近对应的真实关键点位置，得到一个级联回归器。3.根据权利要求2所述的方法，其特征在于，所述根据所述N个手掌图像样本中的真实关键点位置，得到每一个手掌图像样本中每一个真实关键点位置对应的初始估计位置包括：获取每一个手掌图像样本的第M个手掌位置上的真实关键点位置，所述M为大于或等于1的正整数；计算N个手掌图像样本在所述第M个手掌位置上的真实关键点位置的平均值，所述平均值为每一个手掌图像样本的所述第M个手掌位置对应的初始估计位置。4.根据权利要求1～3任一项所述的方法，其特征在于，所述真实关键点位置分别是大拇指与食指之间缝隙的凹点，所述食指与中指之间缝隙的凹点，所述中指与无名指之间缝隙的凹点，所述无名指与小指之间缝隙的凹点，所述小指到手掌的凹点。5.根据权利要求1～3任一项所述的方法，其特征在于，所述真实关键点位置分别是大拇指与食指之间缝隙的凹点，所述食指与中指之间缝隙的凹点，所述中指与无名指之间缝隙的凹点，所述无名指与小指之间缝隙的凹点，所述小指到手掌的凹点，与所述食指与中指之间缝隙的凹点相连的边界点，以及与所述无名指与小指之间缝隙的凹点相连的边界点。6.根据权利要求1～3任一项所述的方法，其特征在于，所述真实关键点位置分别是大拇指与食指之间缝隙的凹点，所述食指与中指之间缝隙的凹点，所述中指与无名指之间缝隙的凹点，所述无名指与小指之间缝隙的凹点，所述小指到手掌的凹点，与所述食指与中指之间缝隙的凹点相连的边界点，与所述无名指与小指之间缝隙的凹点相连的边界点，横向主掌纹的左端点和右端点。7.根据权利要求2所述的方法，其特征在于，所述对每一个初始估计位置进行训练，以使所述初始估计位置逼近对应的真实关键点位置，得到一个级联回归器包括：依次以每一个手掌图像样本中的每一个真实关键点位置对应的初始估计位置为目标点，根据所述目标点获取一个特征训练点；组合一个手掌图像样本中的所有真实关键点位置对应的初始估计位置，得到P个特征训练点，并记录所述P个特征训练点的位置信息；按照组合方式从所述P个特征训练点中选取两个特征训练点，计算选取的两个特征训练点的像素灰度值的第一差值，每一个第一差值为一个训练特征，得到F个训练特征；计算每一个手掌图像样本中的每一个真实关键点位置与对应的初始估计位置之间的第二差值，以所述第二差值作为训练目标，对每一个手掌图像样本中的F个训练特征进行训练得到一个弱回归器；根据所述弱回归器，对所述F个训练特征进行回归得到每一个初始估计位置的增量值；计算所述增量值与对应初始估计位置的和，得到新的初始估计位置；判断低层训练次数是否满足L1次，若没有满足L1次，则转向执行按照组合方式从所述P个特征训练点中选取两个特征训练点的步骤；若是满足L1次，则判断上层训练次数是否满足L2次，若没有满足L2次，则转向执行依次以每一个手掌图像样本中的每一个真实关键点位置对应的初始估计位置为目标点，根据所述目标点获取一个特征训练点的步骤；若满足L2次，则完成训练，得到所述级联回归器。8.根据权利要求7所述的方法，其特征在于，所述依次以每一个手掌图像样本中的每一个真实关键点位置对应的初始估计位置为目标点，根据所述目标点获取一个特征训练点包括：依次从每...

【专利技术属性】
技术研发人员：车全宏，陈书楷，
申请(专利权)人：厦门中控生物识别信息技术有限公司，
类型：发明
国别省市：福建,35