一种基于视频的掌纹掌脉联合注册和识别方法技术

本发明专利技术提供了一种基于视频的掌纹掌脉联合注册和识别方法。该方法包括注册方法和识别方法；注册方法是指从注册掌脉视频和注册掌纹视频中提取图像，获取注册掌脉模板特征、注册掌脉LBP特征和注册掌纹局部不变特征并存入注册数据库中；识别方法是指从识别掌脉视频和识别掌纹视频中提取图像，获取识别掌脉模板特征、识别掌脉LBP特征和识别掌纹局部不变特征并进行匹配，以识别该用户是否已注册。该方法可实现运动视频的手掌识别，有效增强了识别亲和性；提出了将手掌旋转视频和手掌横扫视频进行融合注册的新策略，提升了注册特征的丰富性和完整性，增强了对不同识别姿态的鲁棒性；提出了一种级联融合策略，可大幅提升已注册用户的识别速度。

【技术实现步骤摘要】
一种基于视频的掌纹掌脉联合注册和识别方法
本专利技术涉及图像处理与分析
，更具体地说，涉及一种基于视频的掌纹掌脉联合注册和识别方法。
技术介绍
在网络信息技术高速发展的今天，基于生物特征的身份识别技术开始得到广泛关注和应用，其中基于手部的生物特征因其所包含信息的丰富性以及采集的便捷性更是受到研究人员的关注，包括指纹识别、指静脉识别、指横纹识别、指形识别、掌纹识别、掌静脉识别和手背静脉识别等。而研究发现采用多模态或多种生物特征融合技术可以获得比单一的生物特征识别技术更好的识别性能和可靠性，并可以增加伪造的难度和复杂性，从而提高系统的安全性。因此，基于多模态或多特征融合的手部生物识别技术目前已成为生物识别领域的热点研究内容，如掌纹掌脉的融合、手形与掌纹的融合等。目前手部生物识别主要都是针对单张图像进行分析和处理，这在很大程度上限制了所能获取的生物特征数量。相对单张图像而言，视频数据或连续多帧序列图像数据中包含了更为丰富的信息源，从而有利于特征的提取。基于视频的识别方法能够充分利用采集和认证期间的各种信息。基于多模态或多特征融合的手部生物识别技术以及基于视频的识别方法，能够有效增加信息的丰富性，并且能够更有效的提升系统的综合性能。但目前将基于视频识别和掌纹掌脉识别结合的方法仍处于空白，因此需要设计出一种基于视频的掌纹掌脉联合注册和识别方法，使得生物识别系统能够更加稳定有效。
技术实现思路
本专利技术的目的在于克服现有技术中的缺点与不足，提供一种基于视频的掌纹掌脉联合注册和识别方法。该方法可实现运动视频的手掌识别，有效地增强了识别的亲和性；提出了将手掌旋转视频和手掌横扫视频进行融合注册的新策略，从而提升了注册特征的丰富性和完整性，增强了对不同识别姿态的鲁棒性；提出了一种级联融合策略，可大幅提升已注册用户的识别速度。为了达到上述目的，本专利技术通过下述技术方案予以实现：一种基于视频的掌纹掌脉联合注册和识别方法，其特征在于：包括注册方法和识别方法；所述注册方法包括以下步骤：A1步，采用掌纹掌脉拍摄装置录制待注册用户手掌旋转和手掌横扫动作，以获得注册掌纹视频和注册掌脉视频；在注册掌脉视频中提取k帧图像作为注册掌脉图像，并在注册掌纹视频中提取各帧注册掌脉图像相应时刻的图像作为k帧注册掌纹图像；A2步，截取各帧注册掌脉图像的注册掌脉ROI区域；选取任一帧注册掌脉图像的注册掌脉ROI区域进行角度和尺度归一化处理，之后采用最大主曲率算法进行纹理增强，并采用K-means算法进行二值化处理，生成注册掌脉模板特征T1；A3步，在任一帧注册掌脉图像的注册掌脉ROI区域上，采用LBP方法生成LBPcode图，将生成LBPcode图作为注册掌脉LBP特征T2；A4步，将各帧注册掌脉ROI区域分别对应到相应时刻的注册掌纹图像上以截取各帧注册掌纹图像的注册掌纹ROI区域；将各个注册掌纹ROI区域进行角度和尺度归一化处理，并进行网格约束生成带有n个子区域的注册掌纹网格ROI图像；采用局部不变特征FRDOH描述子分别对各帧注册掌纹网格ROI图像进行描述得到特征向量集其中，n为第i帧注册掌纹网格ROI图像中的特征点数量，i∈{1,2，…，k}；A5步，将各帧注册掌纹网格ROI图像的特征向量集进行特征融合，得到特征向量集合xfinal＝{xp,p＝1,...,m}作为注册掌纹局部不变特征T3，m≥n；A6步，将注册掌脉模板特征T1、注册掌脉LBP特征T2和注册掌纹局部不变特征T3分别存储到注册数据库中；所述识别方法包括以下步骤：B1步，采用所述掌纹掌脉拍摄装置录制待识别用户手掌横扫动作，以获得识别掌纹视频和识别掌脉视频；在识别掌脉视频中提取任一帧带有完整手掌的图像作为识别掌脉图像，并在识别掌纹视频中提取相应时刻的图像作为识别掌纹图像；B2步，截取识别掌脉图像的识别掌脉ROI区域，进行角度和尺度归一化处理，之后采用最大主曲率算法进行纹理增强，并采用K-means算法进行二值化处理，生成识别掌脉模板特征T1’；判断识别掌脉模板特征T1’是否与注册数据库中任一个注册掌脉模板特征T1匹配：若匹配，则判定待识别用户为已注册用户，结束识别；否则跳至B3步；B3步，在识别掌脉ROI区域上，采用LBP方法生成LBPcode图，将生成LBPcode图作为识别掌脉LBP特征T2’；判断识别掌脉LBP特征T2’是否与注册数据库中任一个注册掌脉LBP特征T2匹配：若匹配，则判定待识别用户为已注册用户，结束识别；否则跳至B4步；B4步，将识别掌脉ROI区域对应到识别掌纹图像上截取识别掌纹图像的识别掌纹ROI区域；进行角度和尺度归一化处理，并进行网格约束生成带有m个子区域的识别掌纹网格ROI图像；采用局部不变特征FRDOH描述子对识别掌纹网格ROI图像进行描述得到特征向量集q＝{qj,j＝1,...,n}，特征向量集q＝{qj,j＝1,...,n}为识别掌纹局部不变特征T3’；判断识别掌纹局部不变特征T3’是否与注册数据库中任一个注册掌纹局部不变特征T3匹配：若匹配，则判定待识别用户为已注册用户；否则判定待识别用户为陌生人。优选地，所述A1步中，在注册掌脉视频中提取k帧图像作为注册掌脉图像，并在注册掌纹视频中提取各帧注册掌脉图像相应时刻的图像作为k帧注册掌纹图像是指：在待注册用户手掌旋转的注册掌脉视频中提取第一帧图像作为第一帧注册掌脉图像；将第一帧图像外的待注册用户手掌旋转的注册掌脉视频平均分为k-2部分，在每个部分随机抽取一帧图像作为第二帧到第k-1帧注册掌脉图像；在待注册用户手掌横扫的注册掌脉视频中提取中间一帧图像作为第k帧注册掌脉图像；在注册掌纹视频中提取各帧注册掌脉图像相应时刻的图像作为k帧注册掌纹图像。优选地，所述A5步，将各帧注册掌纹网格ROI图像的特征向量集进行特征融合，得到特征向量集合xfinal＝{xp,p＝1,...,m}作为注册掌纹局部不变特征T3是指,包括如下步骤：A5.1，采用第一帧注册掌纹网格ROI图像的特征向量集x1来构建和初始化融合特征向量集xfusion：xfusion＝x1；设定z＝2；A5.2，将第z帧注册掌纹网格ROI图像的特征向量集xz中的每个特征向量分别与融合特征向量集xfusion中的各个特征向量逐一进行相似度判断：若相似度＞预设相似度阈值，则表示该特征向量与融合特征向量集xfusion中的各个特征向量均不相似，并予以标注，否则不予标注；将予以标注的特征向量添加到融合特征向量集xfusion中形成新的融合特征向量集xfusion；A5.3，判断z的大小：若z＜k，则z自加1，并跳至步骤A5.2；否则，将融合特征向量集xfusion生成特征向量集合xfinal＝{xp,p＝1,...,m}作为注册掌纹局部不变特征T3，m≥n。优选地，所述B1步中，在识别掌脉视频中提取任一帧带有完整手掌的图像作为识别掌脉图像是指：在识别掌脉视频中提取任一帧图像并判断提取的图像是否带有完整手掌：若带有完整手掌，则设定该帧图像为识别掌脉图像；否则提取下一帧图像并判断提取的图像是否带有完整手掌，直至提取的图像带有完整手掌；所述判断提取的图像是否带有完整手掌是指：对提取的图像进行前景和背景分割来获取最大前景连通区域，计算最大前景连通区域的面积并判断大本文档来自技高网...

【技术保护点】
一种基于视频的掌纹掌脉联合注册和识别方法，其特征在于：包括注册方法和识别方法；所述注册方法包括以下步骤：A1步，采用掌纹掌脉拍摄装置录制待注册用户手掌旋转和手掌横扫动作，以获得注册掌纹视频和注册掌脉视频；在注册掌脉视频中提取k帧图像作为注册掌脉图像，并在注册掌纹视频中提取各帧注册掌脉图像相应时刻的图像作为k帧注册掌纹图像；A2步，截取各帧注册掌脉图像的注册掌脉ROI区域；选取任一帧注册掌脉图像的注册掌脉ROI区域进行角度和尺度归一化处理，之后采用最大主曲率算法进行纹理增强，并采用K‑means算法进行二值化处理，生成注册掌脉模板特征T1；A3步，在任一帧注册掌脉图像的注册掌脉ROI区域上，采用LBP方法生成LBP code图，将生成LBP code图作为注册掌脉LBP特征T2；A4步，将各帧注册掌脉ROI区域分别对应到相应时刻的注册掌纹图像上以截取各帧注册掌纹图像的注册掌纹ROI区域；将各个注册掌纹ROI区域进行角度和尺度归一化处理，并进行网格约束生成带有n个子区域的注册掌纹网格ROI图像；采用局部不变特征FRDOH描述子分别对各帧注册掌纹网格ROI图像进行描述得到特征向量集

【技术特征摘要】
1.一种基于视频的掌纹掌脉联合注册和识别方法，其特征在于：包括注册方法和识别方法；所述注册方法包括以下步骤：A1步，采用掌纹掌脉拍摄装置录制待注册用户手掌旋转和手掌横扫动作，以获得注册掌纹视频和注册掌脉视频；在注册掌脉视频中提取k帧图像作为注册掌脉图像，并在注册掌纹视频中提取各帧注册掌脉图像相应时刻的图像作为k帧注册掌纹图像；A2步，截取各帧注册掌脉图像的注册掌脉ROI区域；选取任一帧注册掌脉图像的注册掌脉ROI区域进行角度和尺度归一化处理，之后采用最大主曲率算法进行纹理增强，并采用K-means算法进行二值化处理，生成注册掌脉模板特征T1；A3步，在任一帧注册掌脉图像的注册掌脉ROI区域上，采用LBP方法生成LBPcode图，将生成LBPcode图作为注册掌脉LBP特征T2；A4步，将各帧注册掌脉ROI区域分别对应到相应时刻的注册掌纹图像上以截取各帧注册掌纹图像的注册掌纹ROI区域；将各个注册掌纹ROI区域进行角度和尺度归一化处理，并进行网格约束生成带有n个子区域的注册掌纹网格ROI图像；采用局部不变特征FRDOH描述子分别对各帧注册掌纹网格ROI图像进行描述得到特征向量集其中，n为第i帧注册掌纹网格ROI图像中的特征点数量，i∈{1,2，…，k}；A5步，将各帧注册掌纹网格ROI图像的特征向量集进行特征融合，得到特征向量集合xfinal＝{xp,p＝1,...,m}作为注册掌纹局部不变特征T3，m≥n；A6步，将注册掌脉模板特征T1、注册掌脉LBP特征T2和注册掌纹局部不变特征T3分别存储到注册数据库中；所述识别方法包括以下步骤：B1步，采用所述掌纹掌脉拍摄装置录制待识别用户手掌横扫动作，以获得识别掌纹视频和识别掌脉视频；在识别掌脉视频中提取任一帧带有完整手掌的图像作为识别掌脉图像，并在识别掌纹视频中提取相应时刻的图像作为识别掌纹图像；B2步，截取识别掌脉图像的识别掌脉ROI区域，进行角度和尺度归一化处理，之后采用最大主曲率算法进行纹理增强，并采用K-means算法进行二值化处理，生成识别掌脉模板特征T1’；判断识别掌脉模板特征T1’是否与注册数据库中任一个注册掌脉模板特征T1匹配：若匹配，则判定待识别用户为已注册用户，结束识别；否则跳至B3步；B3步，在识别掌脉ROI区域上，采用LBP方法生成LBPcode图，将生成LBPcode图作为识别掌脉LBP特征T2’；判断识别掌脉LBP特征T2’是否与注册数据库中任一个注册掌脉LBP特征T2匹配：若匹配，则判定待识别用户为已注册用户，结束识别；否则跳至B4步；B4步，将识别掌脉ROI区域对应到识别掌纹图像上截取识别掌纹图像的识别掌纹ROI区域；进行角度和尺度归一化处理，并进行网格约束生成带有m个子区域的识别掌纹网格ROI图像；采用局部不变特征FRDOH描述子对识别掌纹网格ROI图像进行描述得到特征向量集q＝{qj,j＝1,...,n}，特征向量集q＝{qj,j＝1,...,n}为识别掌纹局部不变特征T3’；判断识别掌纹局部不变特征T3’是否与注册数据库中任一个注册掌纹局部不变特征T3匹配：若匹配，则判定待识别用户为已注册用户；否则判定待识别用户为陌生人。2.根据权利要求1所述的基于视频的掌纹掌脉联合注册和识别方法，其特征在于：所述A1步中，在注册掌脉视频中提取k帧图像作为注册掌脉图像，并在注册掌纹视频中提取各帧注册掌脉图像相应时刻的图像作为k帧注册掌纹图像是指：在待注册用户手掌旋转的注册掌脉视频中提取第一帧图像作为第一帧注册掌脉图像；将第一帧图像外的待注册用户手掌旋转的注册掌脉视频平均分为k-2部分，在每个部分随机抽取一帧图像作为第二帧到第k-1帧注册掌脉图像；在待注册用户手掌横扫的注册掌脉视频中提取中间一帧图像作为第k帧注册掌脉图像；在注册掌纹视频中提取各帧注册掌脉图像相应时刻的图像作为k帧注册掌纹图像。3.根据权利要求1所述的基于视频...

【专利技术属性】
技术研发人员：康文雄，王浩，谢宇康，李宇健，陈晓鹏，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东,44