一种任意角度手掌的掌纹ROI提取方法及相关设备技术

本发明专利技术公开了一种任意角度手掌的掌纹ROI提取方法及相关设备，所述方法包括：获取手掌图像，通过预处理对所述手掌图像进行手掌分割，得到手掌轮廓图像；根据所述手掌轮廓图像中的手掌轮廓线确定掌心定位点和手指检测圆族，根据所述手指检测圆族确定手指定位点，根据所述掌心定位点和所述手指定位点确定手掌方向，将手掌校正到统一方向上；确定手指所在的区域，根据区域内轮廓线的曲率分布确定最终的手指指谷关键点；根据所述手指指谷关键点，截取手掌中心位置的一块正方形区域为ROI图像。本发明专利技术能够高效、准确地提取手掌区域的ROI图像，具有运行效率高的特点，能够在低算力和小存储的硬件平台上实时提取手掌的ROI图像。小存储的硬件平台上实时提取手掌的ROI图像。小存储的硬件平台上实时提取手掌的ROI图像。

【技术实现步骤摘要】
一种任意角度手掌的掌纹ROI提取方法及相关设备


[0001]本专利技术涉及图像处理
，尤其涉及一种任意角度手掌的掌纹ROI提取方法、系统、终端及计算机可读存储介质。

技术介绍

[0002]随着信息技术的快速发展，基于生物模态的身份识别技术因其特征难以伪造、方便易用等特性而被广泛应用，其中包括人脸、指纹、虹膜、掌纹、声纹、步态等。这些技术已广泛应用于手机解锁、移动支付、门禁考勤等场景。相比于其他生物特征识别技术，掌纹识别具有高精度、高防伪的特点，因此受到了越来越多的关注。另外，非接触式掌纹识别因其低病菌传播风险的显著优势而成为研究的重点。此外，该技术的非接触、非侵入式的感知方式也提高了用户友好性，用户抵触心理小，易于推广。
[0003]掌纹识别系统中，提取掌纹ROI(Region of Interest，感兴趣区域)，可以有效避免背景干扰，同时ROI的位置是基于手掌的指谷点定位的，这有助于减少不同方向、距离等放置的手掌图像的类内差异性。因此ROI的定位精度直接影响后续的特征提取和匹配精度。然后，在非接触式掌纹识别系统中，手掌图像在开放空间中采集，存在多种影响因素，例如手掌的姿态、位置和环境光照等，这使得手掌ROI的精确定位变得非常具有挑战性。
[0004]然而，现有技术中ROI提取过程中手掌区域分割不准确、手掌姿态限制多，无法高效、准确地提取手掌区域的ROI图像。
[0005]因此，现有技术还有待于改进和发展。

技术实现思路

[0006]本专利技术的主要目的在于提供一种任意角度手掌的掌纹ROI提取方法、系统、终端及计算机可读存储介质，旨在解决现有技术中ROI提取过程中手掌区域分割不准确、手掌姿态限制多，无法高效、准确地提取手掌区域的ROI图像的问题。
[0007]为实现上述目的，本专利技术提供一种任意角度手掌的掌纹ROI提取方法，所述任意角度手掌的掌纹ROI提取方法包括如下步骤：
[0008]获取手掌图像，通过预处理对所述手掌图像进行手掌分割，得到手掌轮廓图像；
[0009]根据所述手掌轮廓图像中的手掌轮廓线确定掌心定位点和手指检测圆族，根据所述手指检测圆族确定手指定位点，根据所述掌心定位点和所述手指定位点确定手掌方向，将手掌校正到统一方向上；
[0010]确定手指所在的区域，根据区域内轮廓线的曲率分布确定最终的手指指谷关键点；
[0011]根据所述手指指谷关键点，截取手掌中心位置的一块正方形区域为ROI图像。
[0012]所述的任意角度手掌的掌纹ROI提取方法，其中，所述获取手掌图像，通过预处理对所述手掌图像进行手掌分割，得到手掌轮廓图像，具体包括：
[0013]获取图像传感器采集的所述手掌图像，基于高斯滤波器对所述手掌图像进行平滑
处理，得到平滑后的手掌图像；
[0014]基于XDOG算法检测平滑后的手掌图像中手掌的边缘，获得鲁棒的手掌边缘检测图像；
[0015]基于OSTU自适应阈值分割算法对平滑后的手掌图像进行二值化，对二值化后的手掌图像进行形态学侵蚀和膨胀操作，并基于Seed
‑
Filling种子填充法计算二值化后的手掌图像的非零像素连通域，保留所述非零像素连通域中面积最大的区域，其余区域全部填充为0，获得手掌的二值分割图；
[0016]将所述手掌边缘检测图像和所述二值分割图进行矩阵相乘，再次基于Seed
‑
Filling种子填充法计算矩阵相乘后的二值分割图中的最大连通域，将除最大面积外的区域全部填充为0，获得最终的手掌二值分割图；
[0017]基于轮廓检测算法获取最终的手掌二值分割图中手掌区域的所有连续的轮廓点，得到手掌轮廓图像。
[0018]所述的任意角度手掌的掌纹ROI提取方法，其中，所述根据所述手掌轮廓图像中的手掌轮廓线确定掌心定位点和手指检测圆族，根据所述手指检测圆族确定手指定位点，根据所述掌心定位点和所述手指定位点确定手掌方向，将手掌校正到统一方向上，具体包括：
[0019]根据所述手掌轮廓图像中的手掌轮廓线，使用任意多边形的最大内接圆算法计算手掌内的最大内接圆，将圆心定为掌心定位点；
[0020]将手掌参考点作为手指检测圆族中所有圆的圆心，基于手掌轮廓线进行手掌的凸包检测，检测到凸点以及距离凸点最远的点，将凸点以及距离凸点最远的点之间的距离作为手指的长度，根据凸点以及距离凸点最远的点确定手指检测圆族的最小半径d1和最大半径d2，选取处在最小半径d1和最大半径d2范围内的圆，构成手指检测圆族；
[0021]选取所述手指检测圆族中的半径为的检测圆，对检测圆对应的二值图像和手掌的二值分割图进行矩阵相乘处理，获得检测圆和手掌区域的相交区域，基于连通域分析方法获得相交区域的中心、长度和位置关系，并记录所有的相邻三个区域和圆心组成的扇形区域，若所有扇形区域的个数大于2且其中弧度最小的一组弧度小于第一预设角度，则弧度最小的一组的中心位置为最终的手指定位点，否则选取手指检测圆族中半径为的检测圆进行处理直到检测到手指定位点为止，其中，对于第n次检测，选取的检测圆半径为
[0022]若所有扇形区域的个数小于两个且对应弧度大于第二预设角度时，则认为时手指未张开，并给出相应的提示，重新采集手掌；
[0023]连接掌心定位点和手指定位点，确定手掌方向，基于几何变换将手掌校正到统一方向上。
[0024]所述的任意角度手掌的掌纹ROI提取方法，其中，所述确定手指所在的区域，根据区域内轮廓线的曲率分布确定最终的手指指谷关键点，具体包括：
[0025]当手掌朝向统一后，结合掌心参考点的位置确认手指所在的区域，基于轮廓检测算法获取区域内的轮廓线，基于RTPDA方法计算轮廓线上相邻区域的曲率值，获得手指区域
轮廓的曲率分布曲线；
[0026]选定局部比较长度为第一预设值，如果局部比较长度内的点的极小值点和极大值点曲率值相差大于第二预设值且极大值点的曲率值大于第三预设值，保留极大值点为候选极值点，根据候选极值点间的相对位置以及距离确定最终的手指指谷关键点。
[0027]所述的任意角度手掌的掌纹ROI提取方法，其中，所述根据所述手指指谷关键点，截取手掌中心位置的一块正方形区域为ROI图像，具体包括：
[0028]根据所述手指指谷关键点建立坐标系，其中，连接两个手指指谷关键点建立坐标轴的y轴、过两个手指指谷关键点连线的中垂线建立x轴，指向手掌方向为x轴正方向；
[0029]计算两个手指指谷关键点之间的欧式距离并记为d，则正方形的中心点为边长为且正方形的两条边和y轴平行，定位正方形的四个点，最后将正方形区域截取为ROI图像。
[0030]所述的任意角度手掌的掌纹ROI提取方法，其中，所述高斯滤波器的内核大小为3*3、高斯函数的标准差为3；
[0031]所述手掌边缘检测图像中边缘区域像素为0，背景区域像素为1；
[0032]所述二值化后的手掌图像中掌纹区域像素为1，背景区域像素为0。<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种任意角度手掌的掌纹ROI提取方法，其特征在于，所述任意角度手掌的掌纹ROI提取方法包括：获取手掌图像，通过预处理对所述手掌图像进行手掌分割，得到手掌轮廓图像；根据所述手掌轮廓图像中的手掌轮廓线确定掌心定位点和手指检测圆族，根据所述手指检测圆族确定手指定位点，根据所述掌心定位点和所述手指定位点确定手掌方向，将手掌校正到统一方向上；确定手指所在的区域，根据区域内轮廓线的曲率分布确定最终的手指指谷关键点；根据所述手指指谷关键点，截取手掌中心位置的一块正方形区域为ROI图像。2.根据权利要求1所述的任意角度手掌的掌纹ROI提取方法，其特征在于，所述获取手掌图像，通过预处理对所述手掌图像进行手掌分割，得到手掌轮廓图像，具体包括：获取图像传感器采集的所述手掌图像，基于高斯滤波器对所述手掌图像进行平滑处理，得到平滑后的手掌图像；基于XDOG算法检测平滑后的手掌图像中手掌的边缘，获得鲁棒的手掌边缘检测图像；基于OSTU自适应阈值分割算法对平滑后的手掌图像进行二值化，对二值化后的手掌图像进行形态学侵蚀和膨胀操作，并基于Seed
‑
Filling种子填充法计算二值化后的手掌图像的非零像素连通域，保留所述非零像素连通域中面积最大的区域，其余区域全部填充为0，获得手掌的二值分割图；将所述手掌边缘检测图像和所述二值分割图进行矩阵相乘，再次基于Seed
‑
Filling种子填充法计算矩阵相乘后的二值分割图中的最大连通域，将除最大面积外的区域全部填充为0，获得最终的手掌二值分割图；基于轮廓检测算法获取最终的手掌二值分割图中手掌区域的所有连续的轮廓点，得到手掌轮廓图像。3.根据权利要求2所述的任意角度手掌的掌纹ROI提取方法，其特征在于，所述根据所述手掌轮廓图像中的手掌轮廓线确定掌心定位点和手指检测圆族，根据所述手指检测圆族确定手指定位点，根据所述掌心定位点和所述手指定位点确定手掌方向，将手掌校正到统一方向上，具体包括：根据所述手掌轮廓图像中的手掌轮廓线，使用任意多边形的最大内接圆算法计算手掌内的最大内接圆，将圆心定为掌心定位点；将手掌参考点作为手指检测圆族中所有圆的圆心，基于手掌轮廓线进行手掌的凸包检测，检测到凸点以及距离凸点最远的点，将凸点以及距离凸点最远的点之间的距离作为手指的长度，根据凸点以及距离凸点最远的点确定手指检测圆族的最小半径d1和最大半径d2，选取处在最小半径d1和最大半径d2范围内的圆，构成手指检测圆族；选取所述手指检测圆族中的半径为的检测圆，对检测圆对应的二值图像和手掌的二值分割图进行矩阵相乘处理，获得检测圆和手掌区域的相交区域，基于连通域分析方法获得相交区域的中心、长度和位置关系，并记录所有的相邻三个区域和圆心组成的扇形区域，若所有扇形区域的个数大于2且其中弧度最小的一组弧度小于第一预设角度，则弧度最小的一组的中心位置为最终的手指定位点，否则选取手指检测圆族中半径为
的检测圆进行处理直到检测到手指定位点为止，其中，对于第n次检测，选取的检测圆半径为若所有扇形区域的个数小于两个且对应弧度大于第二预设角度时，则认为时手指未张开，并给出相应的提示，重新采集手掌；连接掌心定位点和手指...

【专利技术属性】
技术研发人员：范丹丹，何健，张大鹏，
申请(专利权)人：深圳市人工智能与机器人研究院，
类型：发明
国别省市：