一种基于人工智能的静脉识别输入输出装置及其识别方法制造方法及图纸

本发明专利技术涉及一种基于人工智能的静脉识别输入输出装置及其识别方法，包括壳体、设置于壳体内部的PCB印刷电路板、设置于壳体前侧的图像采集器以及设置于壳体上的接口组件；PCB印刷电路板上设有微处理器；微处理器用于对图像采集器采集的手掌静脉图像进行预处理，得到目标手掌静脉图像；提取目标手掌静脉图像中的手掌静脉特征集；基于多特征阈值融合的手掌静脉匹配方法，将手掌静脉特征集与预设的静脉图像数据库中存储的每个曲率灰度特征矩阵进行匹配，查找出对应的匹配结果，完成手掌静脉识别。本发明专利技术利用手掌静脉这种人体所固有的生理特征，结合人工智能和大数据技术，高效、准确地识别出手掌静脉，实现更加方便可靠、更加安全的身份验证和身份识别。

【技术实现步骤摘要】
一种基于人工智能的静脉识别输入输出装置及其识别方法
本专利技术涉及人工智能和生物识别
，尤其涉及一种基于人工智能的静脉识别输入输出装置及其识别方法。
技术介绍
传统的身份验证主要是基于证件、钥匙、密码和PIN码等来实现的。但随着计算机和通信网络的飞速发展，这些传统的方式暴露出诸多的弊端，例如存在携带不便、容易被盗、容易伪造和容易丢失等问题，这些弊端给我们的生活带来了诸多不便和安全隐患，因此寻求一种更为方便可靠、更加安全的个人身份验证识别方法势在必行。
技术实现思路
本专利技术所要解决的技术问题是针对上述现有技术的不足，提供一种基于人工智能的静脉识别输入输出装置及其识别方法，利用手掌静脉这种人体所固有的生理特征，结合人工智能和大数据技术，高效、准确地识别出手掌静脉，进而实现更加方便可靠、更加安全的身份验证和身份识别。本专利技术解决上述技术问题的技术方案如下：一种基于人工智能的静脉识别输入输出装置，包括壳体、设置于所述壳体内部的PCB印刷电路板、设置于所述壳体前侧的图像采集器以及设置于所述壳体上的接口组件；本文档来自技高网...

【技术保护点】
1.一种基于人工智能的静脉识别输入输出装置，其特征在于，包括壳体(1)、设置于所述壳体(1)内部的PCB印刷电路板(2)、设置于所述壳体(1)前侧的图像采集器(3)以及设置于所述壳体(1)上的接口组件(4)；所述PCB印刷电路板(2)上设有微处理器(5)；/n所述图像采集器(3)，用于采集手掌静脉图像；/n所述微处理器(5)用于：/n对所述手掌静脉图像进行预处理，得到目标手掌静脉图像；/n提取所述目标手掌静脉图像中的手掌静脉特征集；/n基于多特征阈值融合的手掌静脉匹配方法，将所述手掌静脉特征集与预设的静脉图像数据库中存储的每个曲率灰度特征矩阵进行匹配，查找出所述手掌静脉特征集对应的匹配结果，完...

【技术特征摘要】
1.一种基于人工智能的静脉识别输入输出装置，其特征在于，包括壳体(1)、设置于所述壳体(1)内部的PCB印刷电路板(2)、设置于所述壳体(1)前侧的图像采集器(3)以及设置于所述壳体(1)上的接口组件(4)；所述PCB印刷电路板(2)上设有微处理器(5)；
所述图像采集器(3)，用于采集手掌静脉图像；
所述微处理器(5)用于：
对所述手掌静脉图像进行预处理，得到目标手掌静脉图像；
提取所述目标手掌静脉图像中的手掌静脉特征集；
基于多特征阈值融合的手掌静脉匹配方法，将所述手掌静脉特征集与预设的静脉图像数据库中存储的每个曲率灰度特征矩阵进行匹配，查找出所述手掌静脉特征集对应的匹配结果，完成手掌静脉识别；
所述接口组件(4)，用于为所述微处理器(5)提供供电通道和数据传输通道；
所述微处理器(5)分别与所述图像采集器(3)和所述接口组件(4)电连接。


2.根据权利要求1所述的基于人工智能的静脉识别输入输出装置，其特征在于，所述手掌静脉特征集包括背景曲率灰度特征、静脉曲率灰度特征和曲率细线特征；
所述微处理器(5)具体用于：
获取所述背景曲率灰度特征对应的第一特征阈值、所述静脉曲率灰度特征对应的第二特征阈值和所述曲率细线特征对应的第三特征阈值；
根据预设的第一融合权重，将所述第一特征阈值和所述第二特征阈值进行融合，得到第一融合特征阈值；
根据预设的第二融合权重，将所述第一融合特征阈值与所述第三特征阈值进行融合，得到第二融合特征阈值；
计算所述第二融合特征阈值的具体公式为：
T＝(1-β)[αT0+(1-α)T1]+βT2；
其中，T为所述第二融合特征阈值，T0为所述背景曲率灰度特征，T1为所述静脉曲率灰度特征，T2为所述曲率细线特征，α为所述第一融合权重，β为所述第二融合权重；
根据所述第二融合特征阈值、所述背景曲率灰度特征、所述静脉曲率灰度特征和所述曲率细线特征，得到目标灰度特征矩阵；
分别计算所述目标灰度特征矩阵与所述静脉图像数据库中存储的每个曲率灰度特征矩阵之间的相关性系数，判断所有相关性系数中的最大值是否大于预设系数阈值，若是，则所述匹配结果为匹配成功，若否，则所述匹配结果为匹配失败；
计算所述目标灰度特征矩阵与第i个曲率灰度特征矩阵之间的相关性系数的具体公式为：



其中，Ka和Kbi分别为所述目标灰度特征矩阵和第i个曲率灰度特征矩阵，ρ(Ka,Kbi)为所述目标灰度特征矩阵与第i个曲率灰度特征矩阵之间的相关性系数，Cov(Ka,Kbi)为所述目标灰度特征矩阵与第i个曲率灰度特征矩阵之间的协方差，Var(Ka)为所述目标灰度特征矩阵的方差，Var(Kbi)为第i个曲率灰度特征矩阵的方差。


3.根据权利要求1所述的基于人工智能的静脉识别输入输出装置，其特征在于，所述图像采集器(3)包括红外灯组(301)和图像传感器(302)；
所述红外灯组(301)和所述图像传感器(302)均与所述微处理器(5)电连接。


4.根据权利要求3所述的基于人工智能的静脉识别输入输出装置，其特征在于，所述PCB印刷电路(2)上还设有控制单元(6)；
所述红外灯组(301)和所述图像传感器(302)均通过所述控制单元(6)与所述微处理器(5)电连接。


5.根据权利要求1所述的基于人工智能的静脉识别输入输出装置，其特征在于，所述接口组件(4)包括USB接口(401)、网口(402)、电源口(403)和SD卡口(404)；
所述USB接口(401)、所述网口(402)、所述电源口(403)和所述SD卡口(4...

【专利技术属性】
技术研发人员：姜金涛，陈从平，姜伟，穆俊祥，严向华，杨志强，孟翔芸，
申请(专利权)人：内蒙古智诚物联股份有限公司，
类型：发明
国别省市：内蒙古;15