一种手掌识别方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术公开了一种手掌识别方法、装置、电子设备及存储介质，所述方法包括：获取待识别手掌的红外手掌图像，识别所述红外手掌图像中的掌心点；根据设定的偏移量，确定所述掌心点的至少一个邻域点；并分别以所述掌心点和每个邻域点为中心，确定特征识别区域；根据每个特征识别区域的手掌特征和手掌库中保存的每个手掌对应的手掌特征，确定每个特征识别区域在手掌库中匹配的候选手掌；根据每个候选手掌与对应特征识别区域的匹配度及出现次数，确定所述待识别手掌匹配的目标手掌。用以提高手掌识别的准确性。

A palm recognition method, device, electronic equipment and storage medium

The invention discloses a palm recognition method, device, electronic device and storage medium, the method includes: acquiring the infrared palm image of the palm to be recognized, recognizing the palm center point in the infrared palm image; determining at least one neighborhood point of the palm center point according to the set offset; and determining the feature recognition with the palm center point and each neighborhood point as the center respectively Area; according to the palm features of each feature recognition area and the corresponding palm features of each palm saved in the palm database, determine the candidate palms that each feature recognition area matches in the palm database; according to the matching degree and occurrence times of each candidate palm and the corresponding feature recognition area, determine the target palms to be identified for palm matching. To improve the accuracy of palm recognition.

【技术实现步骤摘要】
一种手掌识别方法、装置、电子设备及存储介质
本专利技术涉及图像处理
，尤其涉及一种手掌识别方法、装置、电子设备及存储介质。
技术介绍
生物特征识别技术是利用人的固有生理特征或者行为特征，进行个人身份识别的技术。生物特征识别技术使用方便，每个人都是利用自已固有且唯一的生物特征来标识身份信息，与传统的身份识别的方式相比，它不需要设置密码，也不需随身携带钥匙、安全卡等物品，能够提供更为安全、可靠和快捷的身份鉴别和认证结果。目前，生物特征识别技术已经得到人们越来越多的重视，应用的领域也越来越多，如门禁、支付等领域。生物特征识别技术常用的特征包括指纹、人脸、虹膜等。伴随着生物特征识别技术的不断发展，指纹、人脸等识别方案已经不能满足用户的需求，而手掌以其包含的生物特征远超指纹受到了越来越多的关注，然而，现有手掌识别方案，通常仅基于手掌的某一特征识别区域的手掌特征进行识别，但由于手掌采集时手掌的位置不确定，导致手掌识别时确定的特征识别区域不准确，手掌识别的精度不高。
技术实现思路
本专利技术提供一种手掌识别方法、装置、电子设备及存储介质，用以解决现有技术中存在手掌识别精度不高的问题。第一方面，本专利技术公开了一种手掌识别方法，所述方法包括：获取待识别手掌的红外手掌图像，识别所述红外手掌图像中的掌心点；根据设定的偏移量，确定所述掌心点的至少一个邻域点；并分别以所述掌心点和每个邻域点为中心，确定特征识别区域；根据每个特征识别区域的手掌特征和手掌库中保存的每个手掌对应的手掌特征，确定每个特征识别区域在手掌库中匹配的候选手掌；根据每个候选手掌与对应特征识别区域的匹配度及出现次数，确定所述待识别手掌匹配的目标手掌。在一个可选的设计中，所述识别所述红外手掌图像中的掌心点之前，所述方法还包括：识别所述红外手掌图像中第一指蹼的第一坐标和第二指蹼的第二坐标，其中所述第一指蹼为小拇指和无名指之间的指蹼，所述第二指蹼为食指与中指之间的指蹼；根据所述第一坐标和第二坐标确定直线，获取所述直线与图像坐标系的横轴构成夹角的目标度数；将所述红外手掌图像旋转所述目标度数，使所述直线与所述图像坐标系的横轴平行。在一个可选的设计中，所述识别所述红外手掌图像中的掌心点包括：根据x＝(x1+x2)/2和确定所述红外手掌图像中的掌心点，其中x为掌心点的横坐标、y为掌心点的纵坐标、x1为第一指蹼的横坐标、x2为第二指蹼的横坐标、yn为第一指蹼的纵坐标或第二指蹼的纵坐标。在一个可选的设计中，确定所述设定的偏移量包括：将所述第一指蹼和所述第二指蹼之间的距离与设定的偏移系数的积，作为设定的偏移量。在一个可选的设计中，所述分别以所述掌心点和每个邻域点为中心，确定特征识别区域包括：以所述掌心点为中心、以所述第一指蹼和所述第二指蹼之间的距离为边长，确定第一特征识别区域；分别以每个邻域点为中心、以设定的权重系数与所述第一指蹼和所述第二指蹼之间的距离的积为边长，确定第二特征识别区域。在一个可选的设计中，所述识别所述红外手掌图像中第一指蹼的第一坐标和第二指蹼的第二坐标包括：确定所述红外手掌图像的二值化图像，提取所述二值化图像中所述待识别手掌的每个轮廓点；针对每个轮廓点，判断所述轮廓点与所述轮廓点相邻的两个轮廓点分别构成的两条直线的斜率的积是否小于零；如果是，将所述轮廓点与所述轮廓点相邻的两个轮廓点分别构成的两条直线的斜率的绝对值的和，作为所述轮廓点的分值，并将所述轮廓点作为候选点添加至候选集中；依次选取所述候选集中剩余的候选点中分值最高的候选点作为特征点添加至特征集中，并将所述候选集中所述分值最高的候选点及与所述分值最高的候选点距离小于设定阈值的候选点删除；删除所述特征集中纵坐标最小的特征点，并选取所述特征集中剩余特征点中距离最大的两个特征点作为第一指蹼和第二指蹼，识别所述第一指蹼的第一坐标和所述第二指蹼的第二坐标。在一个可选的设计中，所述根据每个特征识别区域的手掌特征和手掌库中保存的每个手掌对应的手掌特征，确定每个特征识别区域在手掌库中匹配的候选手掌包括：针对每个特征识别区域做小波Gabor变换，提取所述特征识别区域的Gabor特征图，并提取所述Gabor特征图的局部二值模式LBP特征向量，根据所述LBP特征向量和手掌库中保存的每个手掌对应的LBP特征向量，确定所述特征识别区域在手掌库中匹配的候选手掌。第二方面，本专利技术公开了一种手掌识别装置，所述装置包括：获取识别模块，用于获取待识别手掌的红外手掌图像，识别所述红外手掌图像中的掌心点；第一确定模块，用于根据设定的偏移量，确定所述掌心点的至少一个邻域点；并分别以所述掌心点和每个邻域点为中心，确定特征识别区域；第二确定模块，用于根据每个特征识别区域的手掌特征和手掌库中保存的每个手掌对应的手掌特征，确定每个特征识别区域在手掌库中匹配的候选手掌；第三确定模块，用于根据每个候选手掌与对应特征识别区域的匹配度及出现次数，确定所述待识别手掌匹配的目标手掌。在一个可选的设计中，所述装置还包括：校正模块，用于识别所述红外手掌图像中第一指蹼的第一坐标和第二指蹼的第二坐标，其中所述第一指蹼为小拇指和无名指之间的指蹼，所述第二指蹼为食指与中指之间的指蹼；根据所述第一坐标和第二坐标确定直线，获取所述直线与图像坐标系的横轴构成夹角的目标度数；将所述红外手掌图像旋转所述目标度数，使所述直线与所述图像坐标系的横轴平行。在一个可选的设计中，所述获取识别模块，具体用于根据x＝(x1+x2)/2和确定所述红外手掌图像中的掌心点，其中x为掌心点的横坐标、y为掌心点的纵坐标、x1为第一指蹼的横坐标、x2为第二指蹼的横坐标、yn为第一指蹼的纵坐标或第二指蹼的纵坐标。在一个可选的设计中，所述第一确定模块，还用于将所述第一指蹼和所述第二指蹼之间的距离与设定的偏移系数的积，作为设定的偏移量。在一个可选的设计中，所述第一确定模块，具体用于以所述掌心点为中心、以所述第一指蹼和所述第二指蹼之间的距离为边长，确定第一特征识别区域；分别以每个邻域点为中心、以设定的权重系数与所述第一指蹼和所述第二指蹼之间的距离的积为边长，确定第二特征识别区域。在一个可选的设计中，所述校正模块，具体用于确定所述红外手掌图像的二值化图像，提取所述二值化图像中所述待识别手掌的每个轮廓点；针对每个轮廓点，判断所述轮廓点与所述轮廓点相邻的两个轮廓点分别构成的两条直线的斜率的积是否小于零；如果是，将所述轮廓点与所述轮廓点相邻的两个轮廓点分别构成的两条直线的斜率的绝对值的和，作为所述轮廓点的分值，并将所述轮廓点作为候选点添加至候选集中；依次选取所述候选集中剩余的候选点中分值最高的候选点作为特征点添加至特征集中，并将所述候选集中所述分值最高的候选点及与所述分值最高的候选点距离小于设定阈值的候选点删除；删除所述特征集中纵坐标最小的特征点，并选取所述特征集中剩余特征点中距离最大的两个特征点作为第一指蹼和第二指蹼，识别所述第一指蹼的第一坐标和所述第二指蹼的第二坐标。在一个可选的设计中，所述第二确定模块，具体用于针对每个特征识别区域做小波Gabor变换，提取所述特征识别区域的Gabor特征图，并提取所述Gabor特征图的局部二值模式LBP特征向量，根据所述LBP特征向量和手掌库中保存的每个手掌对应的LBP特征向量，确定所述本文档来自技高网...

【技术保护点】
1.一种手掌识别方法，其特征在于，所述方法包括：获取待识别手掌的红外手掌图像，识别所述红外手掌图像中的掌心点；根据设定的偏移量，确定所述掌心点的至少一个邻域点；并分别以所述掌心点和每个邻域点为中心，确定特征识别区域；根据每个特征识别区域的手掌特征和手掌库中保存的每个手掌对应的手掌特征，确定每个特征识别区域在手掌库中匹配的候选手掌；根据每个候选手掌与对应特征识别区域的匹配度及出现次数，确定所述待识别手掌匹配的目标手掌。

【技术特征摘要】
1.一种手掌识别方法，其特征在于，所述方法包括：获取待识别手掌的红外手掌图像，识别所述红外手掌图像中的掌心点；根据设定的偏移量，确定所述掌心点的至少一个邻域点；并分别以所述掌心点和每个邻域点为中心，确定特征识别区域；根据每个特征识别区域的手掌特征和手掌库中保存的每个手掌对应的手掌特征，确定每个特征识别区域在手掌库中匹配的候选手掌；根据每个候选手掌与对应特征识别区域的匹配度及出现次数，确定所述待识别手掌匹配的目标手掌。2.如权利要求1所述的方法，其特征在于，所述识别所述红外手掌图像中的掌心点之前，所述方法还包括：识别所述红外手掌图像中第一指蹼的第一坐标和第二指蹼的第二坐标，其中所述第一指蹼为小拇指和无名指之间的指蹼，所述第二指蹼为食指与中指之间的指蹼；根据所述第一坐标和第二坐标确定直线，获取所述直线与图像坐标系的横轴构成夹角的目标度数；将所述红外手掌图像旋转所述目标度数，使所述直线与所述图像坐标系的横轴平行。3.如权利要求2所述的方法，其特征在于，所述识别所述红外手掌图像中的掌心点包括：根据x＝(x1+x2)/2和确定所述红外手掌图像中的掌心点，其中x为掌心点的横坐标、y为掌心点的纵坐标、x1为第一指蹼的横坐标、x2为第二指蹼的横坐标、yn为第一指蹼的纵坐标或第二指蹼的纵坐标。4.如权利要求2所述的方法，其特征在于，确定所述设定的偏移量包括：将所述第一指蹼和所述第二指蹼之间的距离与设定的偏移系数的积，作为设定的偏移量。5.如权利要求2所述的方法，其特征在于，所述分别以所述掌心点和每个邻域点为中心，确定特征识别区域包括：以所述掌心点为中心、以所述第一指蹼和所述第二指蹼之间的距离为边长，确定第一特征识别区域；分别以每个邻域点为中心、以设定的权重系数与所述第一指蹼和所述第二指蹼之间的距离的积为边长，确定第二特征识别区域。6.如权利要求2所述的方法，其特征在于，所述识别所述红外手掌图像中第一指蹼的第一坐标和第二指蹼的第二坐标包括：确定所述红外手掌图像的二值化图像，提取所述二值化图像中所述待识别手掌的每个轮廓点；针对每个轮廓点，判断所述轮廓点与所述轮廓点相邻的两个轮廓点分别构成的两条直线的斜率的积是否小于零；如果是，将所述轮廓点与所述轮廓点相邻的两个轮廓点分别构成的两条直线的斜率的绝对值的和，作为所述轮廓点的分值，并将所述轮廓点作为候选点添加至候选集中；依次选取所述候选集中剩余的候选点中分值最高的候选点作为特征点添加至特征集中，并将所述候选集中所述分值最高的候选点及与所述分值最高的候选点距离小于设定阈值的候选点删除；删除所述特征集中纵坐标最小的特征点，并选取所述特征集中剩余特征点中距离最大的两个特征点作为第一指蹼和第二指蹼，识别所述第一指蹼的第一坐标和所述第二指蹼的第二坐标。7.如权利要求1所述的方法，其特征在于，所述根据每个特征识别区域的手掌特征和手掌库中保存的每个手掌对应的手掌特征，确定每个特征识别区域在手掌库中匹配的候选手掌包括：针对每个特征识别区域做小波Gabor变换，提取所述特征识别区域的Gabor特征图，并提取所述Gabor特征图的局部二值模式LBP特征向量，根据所述LBP特征向量和手掌库中保存的每个手掌对应的LBP特征向量，确定所述特征识别区域在手掌库中匹配的候选手掌。8.一种手掌识别装置，其特征在于，所述装置包括：获取识别模块，用于获取待识别手...

【专利技术属性】
技术研发人员：陈海波，
申请(专利权)人：深兰科技上海有限公司，
类型：发明
国别省市：上海,31