手掌特征识别方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种手掌特征识别方法、装置、计算机设备和存储介质。该方法包括：获取目标手掌图像，对目标手掌图像进行预处理，得到正手图像；对正手图像进行识别，确定正手图像的手掌区域，得到手掌部位图像；对手掌部位图像进行掌纹识别，提取掌纹主线，得到掌纹主线的像素区域；基于预设函数，对掌纹主线的像素区域进行曲线拟合，得到掌纹曲线函数；根据掌纹曲线函数，得到掌纹特征。采用本申请的方法能够提高手掌特征识别的准确率。

Palm feature recognition method, device, computer equipment and storage medium

【技术实现步骤摘要】
手掌特征识别方法、装置、计算机设备和存储介质
本申请涉及图像识别
，特别是涉及一种手掌特征识别方法、装置、计算机设备和存储介质。
技术介绍
目前对于手掌图像特征的识别，通常采用用户上传手掌图片后，由用户简单标记出图片上的手掌特征，例如，在手掌图片上画出掌纹的线或者标记出手指的长度等，终端根据用户标记的特征给予用户手掌特征识别的结果。然而，由于实际环境中每个用户标记的方式、判断的角度都会有细微差别，因此，这种用户手动标记手掌特征的方法，无法保证终端准确地识别手掌特征，存在准确率低下的问题。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够提高准确率的手掌特征识别方法、装置、计算机设备和存储介质。一种手掌特征识别方法，所述方法包括：获取目标手掌图像，对所述目标手掌图像进行预处理，得到正手图像；对所述正手图像进行识别，确定所述正手图像的手掌区域，得到手掌部位图像；对所述手掌部位图像进行掌纹识别，提取掌纹主线，得到掌纹主线的像素区域；基于预设函数，对所述掌纹主线的像素区域进行曲线拟合，得到掌纹曲线函数；根据所述掌纹曲线函数，得到掌纹特征。一种手掌特征识别装置，所述装置包括：预处理模块，用于获取目标手掌图像，对所述目标手掌图像进行预处理，得到正手图像；手掌定位模块，用于对所述正手图像进行识别，确定所述正手图像的手掌区域，得到手掌部位图像；掌纹主线提取模块，用于对所述手掌部位图像进行掌纹识别，提取掌纹主线，得到掌纹主线的像素区域；拟合模块，用于基于预设函数，对所述掌纹主线的像素区域进行曲线拟合，得到掌纹曲线函数；掌纹特征提取模块，用于根据所述掌纹曲线函数，得到掌纹特征。一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：获取目标手掌图像，对所述目标手掌图像进行预处理，得到正手图像；对所述正手图像进行识别，确定所述正手图像的手掌区域，得到手掌部位图像；对所述手掌部位图像进行掌纹识别，提取掌纹主线，得到掌纹主线的像素区域；基于预设函数，对所述掌纹主线的像素区域进行曲线拟合，得到掌纹曲线函数；根据所述掌纹曲线函数，得到掌纹特征。一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：获取目标手掌图像，对所述目标手掌图像进行预处理，得到正手图像；对所述正手图像进行识别，确定所述正手图像的手掌区域，得到手掌部位图像；对所述手掌部位图像进行掌纹识别，提取掌纹主线，得到掌纹主线的像素区域；基于预设函数，对所述掌纹主线的像素区域进行曲线拟合，得到掌纹曲线函数；根据所述掌纹曲线函数，得到掌纹特征。上述手掌特征识别方法、装置、计算机设备和存储介质，通过对目标手掌图像进行预处理，得到正手图像，识别正手图像的手掌区域，得到手掌部位图像，提取手掌部位图像的掌纹主线，得到掌纹特征。本方法不需要用户手动标记手掌特征，通过终端识别目标手掌图像，提取手掌部位图像的掌纹主线和掌纹特征，解决了用户手动标记特征造成的效率低下的问题和人为因素造成的特征表达不准确的问题，提高了手掌特征识别的准确率。附图说明图1为一个实施例中手掌特征识别方法的应用场景图；图2为一个实施例中手掌特征识别方法的流程示意图；图3为一个实施例中确定正手图像的手掌区域和手指区域步骤的流程示意图；图4为一个实施例中得到掌纹主线的像素区域步骤的流程示意图；图5为一个实施例中手掌特征识别装置的结构框图；图6为一个实施例中计算机设备的内部结构图；图7为另一个实施例中计算机设备的内部结构图。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。本申请提供的手掌特征识别方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104通过网络进行通信。终端102获取目标手掌图像，将目标手掌图像发送至服务器104进行预处理，得到正手图像，服务器104对正手图像进行识别，确定正手图像的手掌区域，得到手掌部位图像，服务器104对手掌部位图像进行掌纹识别，提取掌纹主线，得到掌纹主线的像素区域，服务器104基于预设函数，对掌纹主线的像素区域进行曲线拟合，得到掌纹曲线函数，服务器104根据掌纹曲线函数，得到掌纹特征。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。本申请提供的手掌特征识别方法，还可应用于图1所示的终端，由终端获取目标手掌图像，对目标手掌图像进行预处理，得到正手图像，对正手图像进行识别，确定正手图像的手掌区域，得到手掌部位图像，对手掌部位图像进行掌纹识别，提取掌纹主线，得到掌纹主线的像素区域，基于预设函数，对掌纹主线的像素区域进行曲线拟合，得到掌纹曲线函数，根据掌纹曲线函数，得到掌纹特征。在一个实施例中，如图2所示，提供了一种手掌特征识别方法，以该方法应用于图1中的终端为例进行说明，包括以下步骤：步骤S202，获取目标手掌图像，对目标手掌图像进行预处理，得到正手图像。其中，目标手掌图像为用户上传的需要进行手掌特征识别的包含手掌的图像，正手图像为属性特征为右手属性的图像。预处理为对用户上传的目标手掌图像进行的一系列处理过程，如图片旋转、图片压缩等，经过预处理后的图像为正手图像。在一个具体的实施例中，终端获取用户上传的目标手掌图像，对目标手掌图像进行预处理。例如，预处理包括识别目标手掌图像，获取宽长比例，当宽大于长时，对目标手掌图像进行90度旋转，以保证后续处理的图像的手指方向为垂直方向，并非水平方向。其中，终端也会输出提示用户上传手指垂直向上的图像的信息。又如，预处理还包括：对宽小于长的目标手掌图像进行宽长等比例压缩，使其像素宽度减少到预设值，如512。又如，预处理还包括：使用预先训练的分类模型对压缩后的图像进行左右手属性分类，将分类后得到的左手图像翻转成右手图像，右手图像不做任何处理。其中，分类模型为预先训练阶段得到，训练过程可以通过收集大量的人手图片，由人工分为两类，一类为左手图像，一类为右手图像，搭建一个基于卷积神经网络(CNN)的分类算法，作为左右手属性的分类模型来进行训练，具体的模型训练方式可以采用梯度下降、误差反向传播等算法。在一些实施例中，也可以采用循环神经网络(RNN)、普通神经网络等其他分类算法进行分类。本实施例中，预处理后的图像为右手属性且手指方向垂直向上的正手图像，降低了处理难度，方便后续的处理步骤，图像压缩可以减少后续的计算量，提高图像在正式服务中的传输速度。步骤S204，对本文档来自技高网...

【技术保护点】
1.一种手掌特征识别方法，所述方法包括：/n获取目标手掌图像，对所述目标手掌图像进行预处理，得到正手图像；/n对所述正手图像进行识别，确定所述正手图像的手掌区域，得到手掌部位图像；/n对所述手掌部位图像进行掌纹识别，提取掌纹主线，得到掌纹主线的像素区域；/n基于预设函数，对所述掌纹主线的像素区域进行曲线拟合，得到掌纹曲线函数；/n根据所述掌纹曲线函数，得到掌纹特征。/n

【技术特征摘要】
1.一种手掌特征识别方法，所述方法包括：
获取目标手掌图像，对所述目标手掌图像进行预处理，得到正手图像；
对所述正手图像进行识别，确定所述正手图像的手掌区域，得到手掌部位图像；
对所述手掌部位图像进行掌纹识别，提取掌纹主线，得到掌纹主线的像素区域；
基于预设函数，对所述掌纹主线的像素区域进行曲线拟合，得到掌纹曲线函数；
根据所述掌纹曲线函数，得到掌纹特征。


2.根据权利要求1所述的方法，其特征在于，所述对所述手掌部位图像进行掌纹识别，提取掌纹主线，得到掌纹主线的像素区域，包括：
将所述手掌部位图像输入预先训练的掌纹识别模型进行掌纹识别，得到每个像素点的掌纹标签；
根据所述掌纹标签，对所述像素点进行分组，得到掌纹主线涉及到的像素区域；
根据所述像素点的位置以及所述掌纹标签，识别所述像素区域的非掌纹主线像素点；
剔除所述像素区域中的所述非掌纹主线像素点，得到掌纹主线的像素区域。


3.根据权利要求1所述的方法，其特征在于，所述掌纹特征包括掌纹主线的纹路特征；所述根据所述掌纹曲线函数，得到掌纹特征，包括：
根据所述掌纹曲线函数和像素点坐标，得到所述掌纹主线对应的头部、中部以及尾部区域；
识别所述头部、中部以及尾部区域的纹路特征，得到所述掌纹主线的纹路特征。


4.根据权利要求3所述的方法，其特征在于，所述掌纹特征还包括掌纹主线的位置特征；在所述识别所述头部、中部以及尾部区域的纹路特征，得到所述掌纹主线的纹路特征之后，还包括：
根据所述掌纹曲线函数和像素点坐标，判断所述掌纹主线之间是否相交；
根据判断结果，得到所述掌纹主线的位置特征。


5.根据权利要求1所述的方法，其特征在于，所述对所述正手图像进行识别，确定所述正手图像的手掌区域，得到手掌部位图像，包括：
对所述正手图像进行识别，确定所述正手图像的手掌区域和手指区域；
根...

【专利技术属性】
技术研发人员：禤奕霖，赖余康，路晨，
申请(专利权)人：广东灵机文化传播有限公司，
类型：发明
国别省市：广东;44