立体手掌图像摆正方法及装置制造方法及图纸

本发明专利技术涉及生物特征识别技术领域。本发明专利技术实施例提供一种立体手掌图像摆正方法及装置，其中所述立体手掌图像摆正方法包括：获取待处理的手掌图像；识别手掌图像中的至少四个手掌关键点；根据各个手掌关键点，构建相对应的初始关键点图形模型，其中由手掌关键点所构建的关键点图形模型能够覆盖手掌区域；基于初始关键点图形模型与预标定的标准关键点图形模型进行匹配，对手掌图像进行拉伸处理，以摆正手掌图像，其中标准关键点图形模型为对应于无手掌倾斜情况的关键点图形模型。由此，经过关键点识别、模型构建和模型匹配，并对倾斜手掌进行拉伸处理，实现了对手掌图像中倾斜手掌的摆正。

Method and device of stereo palm image alignment

【技术实现步骤摘要】
立体手掌图像摆正方法及装置
本专利技术涉及生物特征识别
，具体地涉及一种立体手掌图像摆正方法及装置。
技术介绍
近年来，工业界、学术界不断致力于提高身份信息的验证效果，以满足门禁控制、航空安全、电子银行等多个不同领域中，对于识别人的身份的严苛需求。基于生物特征识别的方法正吸引着越来越多的关注，掌纹识别便是其中一种极具代表的生物特征识别方法。掌纹识别方法具有区分性高、鲁棒性强、用户友好等诸多优点。掌纹指掌心表面的皮肤纹理，主要包含两类特征：摩擦嵴和屈褶线。这两种特征对于人类个体而言是不变的、永久的、独一无二的。一般情况下，手掌图像中三维立体的手掌的摆放相对于拍摄角度很可能是倾斜的，但这样就导致这种手掌倾斜的图片所呈现的掌纹出现了很大的变形，使得后续的掌纹识别操作无法正常进行。因此，如何对倾斜面的手掌相对于水平面的找平和水平化是目前业界亟待解决的技术难题。
技术实现思路
本专利技术实施例的目的是提供一种立体手掌图像摆正方法及装置，用以实现将图片中倾斜的手掌进行摆正找平，从而保障后续的掌纹识别操作能够正常进行。为了实现上述目的，本专利技术实施例一方面提供一种立体手掌图像摆正方法，包括：获取待处理的手掌图像；识别所述手掌图像中的至少四个手掌关键点；根据各个所述手掌关键点，构建初始关键点图形模型，其中由手掌关键点所构建的关键点图形模型能够覆盖手掌区域；基于所述初始关键点图形模型和预标定的标准关键点图形模型，对所述手掌图像进行拉伸处理，以摆正所述手掌图像，其中所述标准关键点图形模型为对应于无手掌倾斜情况的关键点图形模型。本专利技术实施例另一方面提供一种立体手掌图像摆正装置，包括：获取单元，用于获取待处理的手掌图像；关键点识别单元，用于识别所述手掌图像中的至少四个手掌关键点；图形模型构建单元，用于根据各个所述手掌关键点，构建初始关键点图形模型，其中由手掌关键点所构建的关键点图形模型能够覆盖手掌区域；拉伸摆正单元，用于基于所述初始关键点图形模型与预标定的标准关键点图形模型进行匹配，对所述手掌图像进行拉伸处理，以摆正所述手掌图像，其中所述标准关键点图形模型为对应于无手掌倾斜情况的关键点图形模型。本专利技术实施例另一方面提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其中，所述处理器执行所述计算机程序时实现本申请上述的方法的步骤。本专利技术实施例另一方面提供一种计算机存储介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现本申请上述的方法的步骤。通过上述技术方案，基于手掌是类似方形的特征而采用手掌图像覆盖手掌区域的至少四个手掌关键点，并构建对应的初始关键点图形模型，并将该初始关键点图形模型和对应无倾斜情况的标准关键点图形模型进行匹配，从而确定手掌图像中的手掌是否倾斜，并对倾斜的图像进行拉伸，以摆正手掌图像。由此，经过关键点识别、模型构建和模型匹配，并对倾斜手掌进行拉伸处理，实现了对手掌图像中倾斜手掌的摆正，能够更广泛地被应用在诸如手机通用型终端中，为掌纹识别技术在日常应用市场的推广提供了基础。本专利技术实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。附图说明附图是用来提供对本专利技术实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本专利技术实施例，但并不构成对本专利技术实施例的限制。在附图中：图1是本专利技术实施例的立体手掌图像摆正方法的流程图；图2A示出的是一示例的人手图像的示意图；图2B示出的是应用本专利技术实施例的立体手掌图像摆正方法针对图2A所示手掌图像所构建的初始关键点图形模型的示意图；图2C示出的是本专利技术实施例的立体手掌图像摆正方法中所应用的标准关键点图形模型的示意图；图3是本专利技术实施例的立体手掌图像摆正方法中用于构建初始关键点图形模型的流程图：图4是本专利技术实施例的立体手掌图像摆正方法中用于拉伸摆正手掌图像的流程图；图5是本专利技术一实施例的立体手掌图像摆正方法中针对卷积神经网络的训练过程的流程图；图6是本专利技术一实施例的立体手掌图像摆正方法的原理流程图；图7是本专利技术一实施例的立体手掌图像摆正装置的结构框图；图8是本专利技术另一实施例的立体手掌图像摆正装置的结构框图；图9是本专利技术一实施例的搭建有立体手掌图像摆正装置的实体装置的结构框图。具体实施方式以下结合附图对本专利技术实施例的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本专利技术实施例，并不用于限制本专利技术实施例。如图1所示，本专利技术一实施例的立体手掌图像摆正方法，包括：S11、获取待处理的手掌图像。关于本专利技术实施例方法的实施主体，一方面，其可以是专用于掌纹识别或立体手掌图像摆正的专用集成组件、专用服务器或专用终端等；另一方面，其还可以是通用型服务器或终端，其中该通用型服务器或终端(例如智能手机、平板电脑等)可以是安装有用于进行掌纹识别或立体手掌图像摆正的模块或配置有用于立体手掌图像摆正的程序代码，且以上都属于本专利技术的保护范围内。关于手掌图像的获取方式，其可以是调用终端的摄像头来采集手掌图像，也可以是终端或服务器接收自底层所上传的手掌图像。因此，本专利技术实施例的应用并不局限于在固定掌纹采集设备，而可以是被扩展到在移动终端上的应用。S12、识别手掌图像中的至少四个手掌关键点。示例性地，手掌关键点包括选自以下中的任意一者的关键点类型：手指指尖、手指指节、手指丫点、手指指根、手腕线中点以及手腕线端点。需说明的是，因为手掌区域的形状是近四边形的，并且选择三角形来覆盖手掌区域会导致存在较多的空白范围而导致误差，因此在本专利技术实施例中推荐使用大于或等于四个关键点，以满足后续由手掌关键点所构建的关键点图形模型(包括基于检测构建的初始关键点图形类型和预设的标准关键点图形模型)能够覆盖手掌区域，例如构建四边形、五边形及六边形等。其中，手掌关键点也可以用于表示手掌特征点，例如可以是将手掌上的纹路特征(手指指节和手指指根)、端点特征(例如手指指尖)、手掌特征(例如手指丫点、手腕线中点以及手腕线端点)中的一者或多者作为标识的手掌关键点。另外，关于手掌关键点的识别方式，其可以是通过目前相关技术中的关键点识别技术来实现，并且其还可以是通过于此后文中所介绍的方法来实现，且都属于本专利技术的保护范围内。S13、根据各个手掌关键点，构建初始关键点图形模型，其中由手掌关键点所构建的关键点图形模型能够覆盖手掌区域。其中，初始关键点图形模型可以是根据需求而自定义设置的，并且其可以是由不同的关键点类型来决定的，其可以是四边形、五边形等。S14、基于初始关键点图形模型与预标定的标准关键点图形模型进行匹配，对手掌图像进行拉伸处理，以摆正手掌图像，其中该标准关键点图形模型为对应于无手掌倾斜情况的关键点图形模型。示例性地，可以是通过将初始关键点图形模型朝着标准关键点图形模型进行拉伸，以使得拉伸后的初始关键点图形模型与标准关键点图形模型相同或相匹配，从而实现对手掌图像的摆正。如图2A所示出的是手掌图像的示例，图2B示出的是对应图2A所示手掌图像的初始关键点图形模型的示例，图2C示出的是标准关键点图形模型的示例。其中，所选用的关键点包括中指指尖、食指指根、小拇指指根和手腕线中点，这四个手掌关键点构成了用于覆盖手掌区域的四边形。进而，因为图2B中的手掌存在倾斜，本文档来自技高网...

【技术保护点】
1.一种立体手掌图像摆正方法，其特征在于，包括：获取待处理的手掌图像；识别所述手掌图像中的至少四个手掌关键点；根据各个所述手掌关键点，构建初始关键点图形模型，其中由手掌关键点所构建的关键点图形模型能够覆盖手掌区域；基于所述初始关键点图形模型与预标定的标准关键点图形模型进行匹配，对所述手掌图像进行拉伸处理，以摆正所述手掌图像，其中所述标准关键点图形模型为对应于无手掌倾斜情况的关键点图形模型。

【技术特征摘要】
1.一种立体手掌图像摆正方法，其特征在于，包括：获取待处理的手掌图像；识别所述手掌图像中的至少四个手掌关键点；根据各个所述手掌关键点，构建初始关键点图形模型，其中由手掌关键点所构建的关键点图形模型能够覆盖手掌区域；基于所述初始关键点图形模型与预标定的标准关键点图形模型进行匹配，对所述手掌图像进行拉伸处理，以摆正所述手掌图像，其中所述标准关键点图形模型为对应于无手掌倾斜情况的关键点图形模型。2.根据权利要求1所述的方法，其特征在于，所述根据各个所述手掌关键点，构建相对应的初始关键点图形模型包括：确定与所识别的各个手掌关键点相对应的关键点类型；选择所确定的关键点类型与关键点图形模型所需求的关键点类型相匹配的手掌关键点作为目标手掌关键点；以及基于所述目标手掌关键点，构建相对应的初始关键点图形模型。3.根据权利要求2所述的方法，其特征在于，当关键点图形模型为四边形模型时，所述关键点图形模型所需求的关键点类型包括中指指尖、食指指根、小拇指指根和手腕线中点。4.根据权利要求1所述的方法，其特征在于，所述基于所述初始关键点图形模型和预标定的标准关键点图形模型，对所述手掌图像进行拉伸处理，以摆正所述手掌图像包括：确定所述初始关键点图形模型中的所述各个手掌关键点在恒定坐标系所分别对应的关键点坐标，其中所述恒定坐标系的位置在不同的手掌图像中均保持恒定；根据各个所述关键点坐标，计算所述初始关键点图形模型中各边边长所对应的初始边长比例；当所述初始边长比例与所述标准关键点图形模型中各边边长所对应的标准边长比例不匹配时，对所述各个关键点坐标进行拉伸计算，以使得对应的经拉伸计算之后的各个第一关键点所对应的拉伸边长比例与所述标准边长比例相匹配；检测由所述各个第一关键点所组成的第一关键点图形模型与所述标准关键点图形模型所指示的摆放角度是否相匹配；若不匹配，则对所述第一关键点图形模型进行矢量方向变更，以使得经矢量方向变更后的第二关键点图形模型与所述标准关键点图形模型所指示的摆放角度相匹配。5.根据权利要求1所述的方法，其特征在于，所述手掌关键点是通过卷积神经网络进行识...

【专利技术属性】
技术研发人员：惠慧，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东,44