手形识别特征点定位方法技术

本分案申请公开了一种手形识别特征点定位方法，属于手形识别领域，用于解决现有的手形识别过程中，定位方法具有的算法准确率低、速度慢、算法繁杂的缺点，技术要点是：S1.创建7个空数组Si[]用来存放满足条件的属于同一根手指的指峰或指谷的特征点，其中：i＝1,…,7，效果是：准确率高、速度快、算法简单而且解决了传统方法扫面范围大、圆盘阈值和半径难以确定的难题，特征定位效果显著提高。

A Method for Locating Characteristic Points in Hand Recognition

This sub-project application discloses a method for locating feature points of hand recognition, which belongs to the field of hand recognition. It is used to solve the problems of low accuracy, slow speed and complicated algorithm in the existing hand recognition process. The main technical points are as follows: S1. Seven empty arrays of Si[] are created to store the characteristics of the same finger peak or valley that satisfy the conditions, of which the feature points belong to the same finger are stored. I = 1,... 7. The effect is: high accuracy, fast speed, simple algorithm and solving the difficult problems of traditional methods such as large sweep area, hard to determine the disc threshold and radius. The effect of feature location is significantly improved.

【技术实现步骤摘要】
手形识别特征点定位方法本专利技术是申请号201610403839.9，申请日2016-06-08，专利技术名称“手形识别中特征点固定定位顺序的方法”的分案申请。
本专利技术属于手形识别领域，涉及一种手形识别中特征点固定定位顺序的方法。
技术介绍
随着社会的发展和科技水平的提高，人民的安全意识不断增强，信息的安全受到越来越的关注，因此在现实生活中，每个人都经常面对身份的鉴别问题。传统的身份认证经常采用密码、口令、证件等，这些传统的鉴别方法存在很大的弊端。生物特征识别技术因其固有安全等级高的优点，正在慢慢的取代传统的身份认证方法，经常采用指纹、人脸、虹膜、步态、笔迹、手形、掌纹等人体特征。目前,单个生物特征有其固有的局限性,还没有一种单独的生物特征识别技术可以满足实际的需求。多模态生物特征识别技术通过多生物特征融合的方法,来提高识别的准确率和扩大应用范围,以满足实际的需求。由于手部图像采集方便、用户接受度高、包含信息量大、识别准确率较高等，目前被广泛应用。手形识别一般包括手形轮廓提取、特征点定位、特征量分析几个主要部分，其中特征点定位步骤中，现有技术的定位方法往往具有算法准确率低、速度慢、算法繁杂的缺点。
技术实现思路
为了解决现有的手形识别过程中，定位方法具有的算法准确率低、速度慢、算法繁杂的缺点，本专利技术提出了一种手形识别中特征点固定定位顺序的方法，以实现手形识别过程中高准确率，快速和简单的定位。为了实现上述目的，本专利技术的技术方案是：一种手形识别中特征点固定定位顺序的方法，包括如下步骤：S1.创建空数组用来存放满足条件的属于同一根手指的指峰或指谷的特征点；S2.对原图a进行扫描，利用圆盘极值法确定轮廓线上的点全部在圆心下方的点，以确定指峰点T2；S3.将原图分为子图b和子图c，对子图b扫描,利用圆盘极值法确定相邻区域内轮廓线上的点全部在圆心下方的点，以确定小拇指与无名指的指谷点T7；S4.计算食指指峰点子图分割参数n3，分割出子图e，对子图e进行扫描，以找到食指指峰T1；S5.计算食指和中指间指谷点子图分割参数n4，分割出子图d，对子图d进行扫描，以找到特征点T5；S6.计算中指和无名指间指谷点子图分割参数n5，分割出子图f，对子图f进行扫描，以找到特征点T6；S7.计算无名指指峰点子图分割参数n6，分割出子图g，对子图g进行扫描，以找到无名指指峰T3；S8.根据特征点T1、T2和T3，计算ymax＝MAX(y1,y3)，ymin＝MIN(y1,y3)，a3＝|y2-ymin|，其中y1，y2，y3分别为特征点T1、T2和T3的纵坐标，ymax为y1和y3的最大值，ymin为y1和y3的最小值，a3为小拇指指峰点行扫描起始参数，对子图h进行扫描，记录交点首次大于2的行数，满足|ni-ni+1|≥2的交点的中间点即为小拇指指峰点T4；其中：子图b是无名指小拇指所在区域子图，子图c是食指所在区域子图，子图e是食指指峰点所在区域子图，子图f是中指与无名指间指谷点区域子图，子图g是无名指指峰点区域子图，子图h是小拇指间指峰点区域子图。进一步的，各步骤具体为：S1.创建7个空数组Si[]用来存放满足条件的属于同一根手指的指峰或指谷的特征点，其中：i＝1,…,7；S2.对原图a进行由上向下、由左向右的扫描，搜索扫描线与手指的首次交点，以此点为基准，利用圆盘极值法确定轮廓线全部在圆心下方的点存入数组S1中，数组S1的中间点就是中指指峰点T2；S3.根据中指指峰点T2将原图分为子图b和子图c，对子图由下向上、由左到右扫描,当扫描线与轮廓线首次出现多个交点时，以该行除与左侧边缘轮廓线的交点之外的其它交点为基准点，利用圆盘极值法确定轮廓线全部在圆心下方的点存数组S2中，数组S2的中间点就是小拇指与无名指的指谷点T7；S4.计算其中x2、x7为T2、T7的横坐标，对子图c以n3为左边界即是子图e的区域，对子图e进行由上向下、由左向右的扫描，搜索扫描线与手指的首次交点，以此点为基准，利用圆盘极值法确定轮廓线全部在圆心下方的点存入数组S3中，数组S3的中间点就是中指指峰点T2；S5.计算x1为T1的横坐标，对子图d，行由y7向上，列由x2到n4的区域进行扫描，搜索扫描线与手指的首次交点，以此点为基准，利用圆盘极值法确定轮廓线全部在圆心下方的点存入数组S4中，数组S4的中间点就是食指与中指间的指谷点T5，其中y7是点T7的纵坐标；S6.计算x5为T5的横坐标，对子图f，行由y7向上，列由n5到x2的区域进行扫描，搜索扫描线与手指的首次交点，以此点为基准，利用圆盘极值法确定轮廓线全部在圆心下方的点存入数组S5中，数组S5的中间点就是中指与无名指间的指谷点T6；S7.计算对子图b以n6为右边界即是子图g的区域,对子图g进行由上向下、由左向右的扫描，搜索扫描线与手指的首次交点，以此点为基准，利用圆盘极值法确定轮廓线全部在圆心下方的点存入数组S6中，数组S6的中间点就是无名指指峰点T3；S8.根据已确定的点计算ymax＝MAX(y1,y3)，ymin＝MIN(y1,y3)，a3＝|y2-ymin|，对子图h,行由(ymax+a3)向下，列以n6为右边界的区域进行扫描，记录交点首次大于2的行数，将满足|ni-ni+1|≥2的交点存入数组S7中，数组S7的中间点就是小拇指指峰点的特征点T4。有益效果：本申请采用了手形图像分块技术，利用圆盘极值算法，可以快速准确的提取手型特征点，该算法不仅准确率高、速度快、算法简单而且解决了传统方法扫面范围大、圆盘阈值和半径难以确定的难题，特征定位效果显著提高，算法还降低了对图像采集的要求，同时提高了用户的舒适性，对被采集者手指张开程度没有苛刻要求，对手指有缺陷(弯曲、部分缺失)的用户也适合此算法。附图说明图1是本专利技术处理的手形图像及手型特征点位置示意图；图2是本专利技术圆盘算法原理图；图3是本专利技术手形局部分块示意图。具体实施方式实施例1：手形识别一般包括手形轮廓提取、特征点定位、特征量分析等几个主要部分。对手形图像做灰度处理，进行灰度增强；确定分割阈值，对图像进行二值化；通过边界跟踪，提取手形轮廓如图1所示。通过对图2的分析，以轮廓线上某点为圆心，以R为半径，圆内既有属于目标区域像素点也有属于背景区域像素点。可以看出当圆盘在直线上移动时，在圆盘内有些目标区域和背景区域的点在圆心的上方，有些在圆心的下方。而当圆盘转到上凸区域的拐点时，在圆盘内目标区域的所有点都在圆心点的下方，当圆盘转到下凸区域的拐点时，在圆盘内背景区域的所有点都在圆心点的上方。基于以上理论提出了圆盘极值算法，手形轮廓线内部为目标区域，外部为背景区域，通过分析手形轮廓图(图1)可以看出，假设圆盘中心在某一手指指峰处的点T，则在点T的周围的邻域内的轮廓线上的点都在它的下方或者同一行，对于指谷也有着相似的特点，唯一不同的是邻域内轮廓线上的点在指谷点的上方或者同一行，而且只有指峰和指谷特征点有这一特征，从而确定手指指峰点和指谷点的位置。在图3(a)中，确定中指指峰点所在较小区域，利用圆盘极值法确定中指指峰点T2，以T2所在列将手形图像分割成两部分，图3(b)为无名指小拇指所在区域子图，图3(c)为食指所在区域子图。在图3(b)中确定小拇指与无名指间指谷点所在本文档来自技高网...

【技术保护点】
1.一种手形识别特征点定位方法，其特征在于：包括如下步骤：S1.创建7个空数组Si[]用来存放满足条件的属于同一根手指的指峰或指谷的特征点，其中：i＝1,…,7；S2.对原图a进行由上向下、由左向右的扫描，搜索扫描线与手指的首次交点，以此点为基准，利用圆盘极值法确定轮廓线全部在圆心下方的点存入数组S1中，数组S1的中间点就是中指指峰点T2。

【技术特征摘要】
1.一种手形识别特征点定位方法，其特征在于：包括如下步骤：S1.创建7个空数组Si[]用来存放满足条件的属于同一根手指的指峰或指谷的特征点，其中：i＝1,…,7；S2.对原图a进行由上向下、由左向右的扫描，搜索扫描线与手指的首次交点，以此点为基准，利用圆盘极值法确定轮廓线全部在圆心下方的点存入数组S1中，数组S1的中间点就是中指指峰点T2。2.如权利要求1所述的手形识别特征点定位方法，其特征在于：S3.根据中指指峰点T2将原图分为子图b和子图c，对子图由下向上、由左到右扫描,当扫描线与轮廓线首次出现多个交点时，以该行除与左侧边缘轮廓线的交点之外的其它交点为基准点，利用圆盘极值法确定轮廓线全部在圆心下方的点存数组S2中，数组S2的中间点就是小拇指与无名指的指谷点T7。3.如权利要求1所述的手形识别特征点定位方法，其特征在于：S4.计算其中x2、x7为T2、T7的横坐标，对子图c以n3为左边界即是子图e的区域，对子图e进行由上向下、由左向右的扫描，搜索扫描线与手指的首次交点，以此点为基准，利用圆盘极值法确定轮廓线全部在圆心下方的点存入数组S3中，数组S3的中间点就是中指指峰点T2。4.如权利要求1所述的手形识别特征点定位方法，其特征在于：S5.计算x1为T1的横坐标，对子图d，行由y7向上，列由x2到n4的区...

【专利技术属性】
技术研发人员：张秀峰，
申请(专利权)人：大连民族大学，
类型：发明
国别省市：辽宁,21