一种手掌特征识别方法技术

本发明专利技术涉及一种手掌特征识别方法，包括：将采集的用户手掌图像进行二值化处理得到手掌二值图；构建所述手掌二值图中各轮廓边缘点相对于手掌中心点的夹角

【技术实现步骤摘要】
一种手掌特征识别方法


[0001]本专利技术涉及生物特征识别
，尤其涉及一种手掌特征识别方法。

技术介绍

[0002]用户身份认证是安全的第一道大门，是各种安全措施可以发挥作用的前提。传统的身份认证方式基于静态口令的认证，如用户名+密码易丢失，易破解；基于动态口令的认证，如动态口令牌和短信密码等需要客户端与服务器保持良好的通信；基于USBkey的认证需要在客户端安装应用程序，使用不便；基于智能IC卡的认证容易出现卡片丢失的问题；基于数字证书的认证需要依赖于第三方机构认证中心等。相对于传统的身份认证方式的诸多缺点，生物特征识别具有随身携带，不会丢失，且不容易仿冒篡改等特点，基于此生物特征识别技术发展非常迅猛，并已逐渐成为身份认证主流的方式。
[0003]手掌特征生物特征识别相比于其它生物特征识别方式，如指纹识别，手掌面积更大，包含的信息更丰富，而且不需要引进额外的硬件设备，且为非接触，用户接受度更高。对比人脸识别，手掌特征生物特征为主动识别方式，需要用户主要伸出手掌方可检测识别，更加保护用户隐私。而对比虹膜和基因识别，手掌特征识别不需要昂贵的设备，容易推广。基于以上特点，手掌特征识别受到了越来越多的关注。手掌特征识别一般包括掌静脉识别和掌纹识别，但无论何种方式，均需对手掌区域进行分割，常见的分割方法有：基于内切圆的定位分割方法和基于正方形的定位分割方法。其中前者因为需要反复搜索圆心并调整半径，预处理时间长，复杂性高，不能用于实时系统；后者的主要难点是分割定位点不易确定，导致手掌区域提取一致性和稳定性不高从而影响手掌特征识别成功率。

技术实现思路

[0004]本专利技术的目的在于提供一种手掌特征识别方法，可以有效准确稳定分割出手掌区域，进而可以有效提高手掌特征识别的方法。
[0005]为了达到目的，本专利技术提供的技术方案为：一种手掌特征识别方法，用于用户的身份识别，包括：采集所述用户的手掌图像，并对所述手掌图像进行二值化处理得到手掌二值图；构建所述手掌二值图中各轮廓边缘点相对于手掌中心点的夹角
‑
距离波峰曲线图，所述手掌二值图各轮廓边缘点与夹角
‑
距离波峰曲线图上的点一一对应；根据所述手掌二值图与夹角
‑
距离波峰曲线图获取手掌特征点，包括获取所述夹角
‑
距离波峰曲线图的五个指尖峰点和四个指缝谷点；获取手掌二值图的四个指缝点；获取手掌关键特征点；基于所述手掌特征点进行手掌区域分割,并对所述手掌区域进行手掌特征提取；将所述手掌特征与模板特征比对，若两者相匹配，则用户身份识别通过。
[0006]优选地，所述对所述手掌图像进行二值化处理得到手掌二值图，包括：将所述手掌图像以其几何中心为分割原点，横纵向分割成四个子手掌图像；分别计算所述四个子手掌图像的分割阈值；根据所述分割阈值计算对角阈值；利用所述对角阈值分别对所述四个子手掌图像进行二值化处理得到子手掌二值图；将所述子手掌二值图拼接成手掌二值图。
[0007]优选地，所述获取所述夹角
‑
距离波峰曲线图的五个指尖峰点，包括：获取所述夹角
‑
距离波峰曲线图的峰点，所述峰点在所述夹角
‑
距离波峰曲线图的纵坐标分别大于其左右相邻四个点的纵坐标；分别计算所述峰点与其左右相邻的两个峰点距离，并根据所述距离筛选出指尖峰点，所述距离为所述峰点在所述手掌二值图中对应的点之间的连线经过白点的像素数量；若指尖峰点数量大于5，则采用聚类算法对所述指尖峰点的横坐标进行聚类，筛选出五个指尖峰点。
[0008]优选地，若所述峰点与其左右相邻的两个峰点的距离均大于10个像素，则所述峰点为无效峰点，反之所述峰点为指尖峰点。
[0009]优选地，所述获取所述夹角
‑
距离波峰曲线图的四个指缝谷点，包括：计算五个指尖峰点两两横坐标的差值，选取差值最大的两个指尖峰点分别作为起点和终点将五个指尖峰点进行顺序排序；在夹角
‑
距离波峰曲线图上寻找相邻的两个指尖峰点之间纵坐标最小的点，即指缝谷点；所述获取手掌二值图的四个指缝点包括：获取所述手掌二值图上与指缝谷点相对应的点，即为指缝点Fs1、Fs2、Fs3、Fs4。
[0010]优选地，所述获取手掌关键特征点，包括：分别计算指缝点Fs1到Fs2和Fs3的距离之和DFs1，Fs4到Fs2和Fs3的距离之和DFs4，若DFs1大于DFs4，则指缝点Fs1为第一手掌关键特征点Fsvail1，反之若DFs1小于DFs4，则Fs4为第一手掌关键特征点Fsvail1。
[0011]优选地，所述基于所述手掌特征点进行手掌区域分割之前，还包括：以Fs2和Fs3的连线与水平轴的夹角为矫正角度对所述手掌二值图进行旋转矫正，使得Fs2和Fs3的连线与水平轴平行。
[0012]优选地，所述基于所述手掌特征点进行手掌区域分割,包括：以所述第一手掌关键特征点Fsvail1为起点，横向移动到所述手掌二值图的边界点，得到第二手掌关键特征点Fsvail2；以所述第一手掌关键特征点Fsvail1和第二手掌关键特征点Fsvail2的连线纵向线上移动到所述手掌二值图的边界，保持纵向长度和横向宽度相同进行手掌区域分割。
[0013]优选地，所述手掌图像为掌静脉图像，所述手掌特征为掌静脉特征，所述模板特征为掌静脉模板特征。
[0014]优选地，所述手掌图像为掌纹图像，所述手掌特征为掌纹特征，所述模板特征为掌纹模板特征。
[0015]采用本专利技术提供的技术方案，通过夹角
‑
距离波峰曲线图与掌静脉二值图相互映射计算出手掌特征点，并根据手掌特征点进行手掌区域分割，分割出的手掌区域方向性和一致性效果更好，有效提高了手掌特征识别的成功率。
附图说明
[0016]图1为本专利技术涉及的手掌特征识别方法的流程图；图2为本专利技术涉及的手掌特征点获取流程图。
具体实施方式
[0017]为进一步了解本专利技术的内容，结合实施例对本专利技术作详细描述，以下实施例用于说明本专利技术，但不用来限制本专利技术的范围。
[0018]参照附图1，本专利技术涉及一种手掌特征识别方法，包括：
1）采集用户的手掌图像img，并对手掌图像img进行二值化处理得到手掌二值图，需要说明的是，采集用户的手掌图像img可以为在近红外光照下采集用户的掌静脉图像，也可以在普通光照下采集用户的掌纹图像，二值化的具体步骤为：1.1）将手掌图像img以其几何中心为分割原点，横纵向分割成四个子手掌图像img1、img2、img3、img4，四个子手掌图像img1、img2、img3、img4长、宽均相等；其中img1和img3是对角图像，img2和img4是对角图像；1.2）分别计算四个子手掌图像的分割阈值，计算图像分割阈值的算法有三角阈值、雷尼熵阈值等，在实际处理，可根据图像情况采用合适的阈值分割方法，本实施例中采用最大类间方差算法分别求出上述四个子图像的阈值：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（1）式本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种手掌特征识别方法，其特征在于，用于用户的身份识别，包括：采集所述用户的手掌图像，并对所述手掌图像进行二值化处理得到手掌二值图；构建所述手掌二值图中各轮廓边缘点相对于手掌中心点的夹角
‑
距离波峰曲线图，所述手掌二值图各轮廓边缘点与夹角
‑
距离波峰曲线图上的点一一对应；根据所述手掌二值图与夹角
‑
距离波峰曲线图获取手掌特征点，包括：获取所述夹角
‑
距离波峰曲线图的五个指尖峰点和四个指缝谷点；获取手掌二值图的四个指缝点；获取手掌关键特征点；基于所述手掌特征点进行手掌区域分割,并对所述手掌区域进行手掌特征提取；将所述手掌特征与模板特征比对，若两者相匹配，则用户身份识别通过。2.根据权利要求1所述的手掌特征识别方法，其特征在于，所述对所述手掌图像进行二值化处理得到手掌二值图，包括：将所述手掌图像以其几何中心为分割原点，横纵向分割成四个子手掌图像；分别计算所述四个子手掌图像的分割阈值；根据所述分割阈值计算对角阈值；利用所述对角阈值分别对所述四个子手掌图像进行二值化处理得到子手掌二值图；将所述子手掌二值图拼接成手掌二值图。3.根据权利要求1所述的手掌特征识别方法，其特征在于，所述获取所述夹角
‑
距离波峰曲线图的五个指尖峰点，包括：获取所述夹角
‑
距离波峰曲线图的峰点，所述峰点在所述夹角
‑
距离波峰曲线图的纵坐标分别大于其左右相邻四个点的纵坐标；分别计算所述峰点与其左右相邻的两个峰点距离，并根据所述距离筛选出指尖峰点，所述距离为所述峰点在所述手掌二值图中对应的点之间的连线经过白点的像素数量；若指尖峰点数量大于5，则采用聚类算法对所述指尖峰点的横坐标进行聚类，筛选出五个指尖峰点。4.根据权利要求3所述的手掌特征识别方法，其特征在于，若所述峰点与其左右相邻的两个峰点的距离均大于10个像素，则所述峰点为无效峰点，反之所...

【专利技术属性】
技术研发人员：罗秋伟，赵国栋，李学双，
申请(专利权)人：北京圣点云信息技术有限公司，
类型：发明
国别省市：