一种用于智能采血的手指静脉特征识别装置及其识别方法制造方法及图纸

本发明专利技术涉及图像识别技术领域，具体涉及一种用于智能采血的手指静脉特征识别装置及其识别方法，包括：采集图像，CMOS图像传感器在放置手指区域进行持续拍照，得到手指静脉图像；将手指静脉图像传送到预处理模块中进行图像预处理，增强手指静脉特征丰富的感兴趣区域，提高特征识别的准确性以及有效性；经过一系列图像处理操作的静脉图像进入到手指静脉特征提取模块，传统的阈值分割算法仅设置单一的阈值来提取静脉特征，当采集的图像质量较低时，得不到很好的效果，使得指静脉特征细节严重丢失，因此采用自适应多阈值算法进行静脉特征提取。本发明专利技术可以实现非接触式机器智能采血，有效减少医护人员的工作量，并且可以避免不必要的感染等问题。

【技术实现步骤摘要】
一种用于智能采血的手指静脉特征识别装置及其识别方法
本专利技术涉及图像识别
，具体涉及一种用于智能采血的手指静脉特征识别装置及其识别方法。
技术介绍
当前我国积极推进智能化医疗进程，但国内医疗器械产业品牌甚少，亟需大力发展。对于国内的传统人工采血，存在着医疗资源不足，人均护士拥有量少，采血任务繁重的问题；更重要的是即使医护人员经过专门的培训，人工采血的成功率仍然不高，并且在传染病人采血化验的过程中，医护人员和病人直接接触，医护人员会有感染疾病的风险，所以要降低医护人员感染风险，同时提高采血效率，使得医疗机器人变得尤为重要，各类医疗机器人能够避免医护感染。对于智能采血机器人来说，图像的采集、处理以及特征提取在整个系统中至关重要。目前，这方面存在的主要问题有：采集的图像不规范，目前国内的研究都是基于自己的设备，对于图像没有统一的标准，研究者需要针对各自的设备设计不同的图像归一化和识别的方法；针对低质量手指静脉图像，使用单一的阈值分割法达不到预期效果，不能提取到清晰的指静脉纹路特征拓扑结构，指静脉特征细节严重丢失，并且在图像识别算法方面本文档来自技高网...

【技术保护点】
1.一种用于智能采血的手指静脉特征识别装置，其特征在于，包括：图像采集模块、图像预处理模块和指静脉特征提取模块，/n所述图像采集模块包括近红外光光源和CMOS图像传感器，图像采集模块采用透射成像法来获取成像质量较高的手指静脉图像，通过CMOS图像传感器加上850nm的近红外光对手指静脉图像进行采集；/n所述图像预处理模块用于对采集的手指静脉图像进行图像处理，增强手指静脉特征丰富的感兴趣区域，提高特征识别的准确性以及有效性；/n所述手指静脉特征提取模块用于提取手指静脉图像中的静脉特征，精确定位静脉。/n

【技术特征摘要】
1.一种用于智能采血的手指静脉特征识别装置，其特征在于，包括：图像采集模块、图像预处理模块和指静脉特征提取模块，
所述图像采集模块包括近红外光光源和CMOS图像传感器，图像采集模块采用透射成像法来获取成像质量较高的手指静脉图像，通过CMOS图像传感器加上850nm的近红外光对手指静脉图像进行采集；
所述图像预处理模块用于对采集的手指静脉图像进行图像处理，增强手指静脉特征丰富的感兴趣区域，提高特征识别的准确性以及有效性；
所述手指静脉特征提取模块用于提取手指静脉图像中的静脉特征，精确定位静脉。


2.一种用于智能采血的手指静脉特征识别方法，其特征在于，包括以下步骤：
S1、图像采集获取，CMOS图像传感器在放置手指区域进行持续拍照，得到相应的手指静脉图像；
S2、将手指静脉图像传送到预处理模块中进行图像预处理，得到预处理后的手指静脉图像；从而增强手指静脉特征丰富的感兴趣区域，提高特征识别的准确性以及有效性；
S3、将预处理后的手指静脉图像传送到特征提取模块，在特征提取模块中，采用自适应多阈值算法进行静脉特征提取，得到静脉图像特征。


3.根据权利要求2所述的一种用于智能采血的手指静脉特征识别方法，其特征在于，步骤S2中的图像预处理操作，包括：
S21、对采集的指静脉图像进行高斯滤波，使得图像进行平滑的同时，能够更多地保留图像的总体灰度分布特征；
S22、对高斯滤波后的指静脉图像进行直方图均衡化处理，即采用CLAHE算法增强图像，尽可能突出图像中含有静脉特征的区域；
S23、采用Canny算子检测出手指边缘轮廓；
S24、利用双线性插值法将指静脉图像尺寸归一化。


4.根据权利要求3所述的一种用于智能采血的手指静脉特征识别方法，其特征在于，对采集的手指静脉图像进行高斯滤波，包括：获取的原始图像为f(x,y)，经过高斯滤波之后的图像记为f0(x,y)，高斯滤波计算公式如下：
f0(x,y)＝f(x,y)*g(x,y)
其中“*”表示卷积运算，g(x,y)为滤波器模板，且这里D(x,y)表示距离中心原点的距离。


5.根据权利要求3所述的一种用于智能采血的手指静脉特征识别方法，其特征在于，对高斯滤波后的指静脉图像进行直方图均衡化处理包括：采用CLAHE算法增强图像，首先对整幅指静脉图像均等划分成多个互不相交的子图像，一一计算出每一块子图像的直方图，同时对图像中的每个像素点使用双线性插值法，使得每块子图像的灰度级数平滑变化，从而使指静脉图像得到增强。


6.根据权利要求3所述的一种用于智能采血的手指静脉特征识别方法，其特征在于，采用Canny算子检测出手指边缘轮廓包括：记直方图均衡化后的图像为f1(x,y)；
S231、计算直方图均衡化后的图像的梯度幅值和梯度方向：设两个差分卷积模板为S1和S2，图像f1(x,y)沿x和y方向的偏导数g1、g2，将图像f1(x,y)中的每个像素点(x，y)的梯度幅值记为...

【专利技术属性】
技术研发人员：李章勇，何淑玲，黎希，周秦，纪佳佳，杨德伟，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：重庆;50