用于身份认证的手掌特征处理方法、装置、设备和介质制造方法及图纸

本申请涉及一种用于身份认证的手掌特征处理方法、装置、设备和介质，人工智能技术领域。方法包括：获取同一手掌不同采集角度的多个手掌图像；针对每个手掌图像，定位针对的手掌图像内手掌区域包括的掌关键区域；掌关键区域与手掌在针对的手掌图像中的采集角度相关；手掌区域还包括除掌关键区域之外的辅助区域；在对针对的手掌图像提取特征时，赋予掌关键区域相比辅助区域更高的贡献权重，获得针对的手掌图像的单角度手掌特征；将多个手掌图像各自的单角度手掌特征融合，获得手掌的多角度手掌特征；多角度手掌特征用于身份认证。采用本方法能够避免用于支持身份认证功能的硬件资源被浪费。被浪费。被浪费。

【技术实现步骤摘要】
用于身份认证的手掌特征处理方法、装置、设备和介质


[0001]本申请涉及人工智能技术，更涉及图像处理领域，特别是涉及一种用于身份认证的手掌特征处理方法、装置、设备和介质。

技术介绍

[0002]刷掌识别是一种基于手掌纹理的生物特征识别技术，它具有以下几个特点和好处：独特性，使得刷掌识别成为一种高度可靠的个人身份验证方式。难以伪造：相比其他生物特征识别技术，手掌纹理不容易被伪造。高效性：刷掌识别技术对于采集和识别速度要求较低，能够实现快速的身份验证。非接触性：刷掌识别无需接触特殊设备，只需要对摄像头或传感器进行手掌采集，这使得刷掌识别更加卫生、便利和舒适。多样性：刷掌识别技术适用于各种年龄段、性别的人群。刷掌识别技术可以广泛应用于各种涉及身份认证的领域中，比如互联网安全、支付系统、门禁系统和自助设备等。刷掌识别技术凭借其独特性、难以伪造性和高效性，成为了一种便捷、安全、可靠的个人身份认证方式，在多个应用领域都有着广泛的应用前景。
[0003]传统的基于手掌实现身份认证的方式中，往往基于单一角度的手掌图像进行身份认证，在身份认证过程中涉及的手掌图像的特征信息单薄，会影响身份认证的效果，身份认证准确率较低，从而导致用于支持身份认证功能的硬件资源被浪费。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种能够避免用于支持身份认证功能的硬件资源被浪费的用于身份认证的手掌特征处理方法、装置、设备和介质。
[0005]第一方面，本申请提供了一种用于身份认证的手掌特征处理方法，所述方法包括：获取同一手掌不同采集角度的多个手掌图像；针对每个所述手掌图像，定位所述针对的手掌图像内手掌区域包括的掌关键区域；所述掌关键区域与所述手掌在所述针对的手掌图像中的采集角度相关；所述手掌区域还包括除所述掌关键区域之外的辅助区域；在对所述针对的手掌图像提取特征时，赋予所述掌关键区域相比所述辅助区域更高的贡献权重，获得所述针对的手掌图像的单角度手掌特征；将所述多个手掌图像各自的单角度手掌特征融合，获得所述手掌的多角度手掌特征；所述多角度手掌特征用于身份认证。
[0006]第二方面，本申请提供了一种用于身份认证的手掌特征处理装置，所述装置包括：获取模块，用于获取同一手掌不同采集角度的多个手掌图像；定位模块，用于针对每个所述手掌图像，定位所述针对的手掌图像内手掌区域包括的掌关键区域；所述掌关键区域与所述手掌在所述针对的手掌图像中的采集角度相关；所述手掌区域还包括除所述掌关键区域之外的辅助区域；提取模块，用于在对所述针对的手掌图像提取特征时，赋予所述掌关键区域相比
所述辅助区域更高的贡献权重，获得所述针对的手掌图像的单角度手掌特征；融合模块，用于将所述多个手掌图像各自的单角度手掌特征融合，获得所述手掌的多角度手掌特征；所述多角度手掌特征用于身份认证。
[0007]在一个实施例中，所述获取模块还用于获取同一手掌不同采集角度的多个采集图像；对所述多个采集图像分别进行超分辨率重建，对应获得多个手掌图像；所述手掌图像相比对应的采集图像分辨率更高。
[0008]在一个实施例中，所述获取模块还用于针对每个所述采集图像，确定针对的采集图像内手掌区域包括的掌关注区域；所述掌关注区域与针对所述手掌进行图像采集时的采集角度相关；所述针对的采集图像中手掌区域还包括除所述掌关注区域之外的次关注区域；在对所述针对的采集图像进行超分辨率重建时，赋予所述掌关注区域相比所述次关注区域更高的贡献权重，重建获得与所述针对的采集图像对应的手掌图像。
[0009]在一个实施例中，所述获取模块还用于在对所述针对的采集图像进行超分辨率重建时，赋予所述掌关注区域相比所述次关注区域更高的贡献权重，重建获得与所述针对的采集图像对应的初始手掌图像；确定所述初始手掌图像中手掌区域包括的初始掌关键区域；所述初始掌关键区域与所述手掌在所述初始手掌图像中的采集角度相关；基于所述初始手掌图像，进行针对所述初始掌关键区域的图像局部强化处理，得到与所述初始手掌图像对应的手掌图像。
[0010]在一个实施例中，所述获取模块还用于在对所述针对的采集图像进行超分辨率重建时，赋予所述掌关注区域相比所述次关注区域更高的贡献权重，重建获得与所述针对的采集图像对应的待降噪的手掌图像；基于所述待降噪的手掌图像，确定所述待降噪的手掌图像的噪声分布；提取所述待降噪的手掌图像的图像特征，依照所述噪声分布，从所述图像特征中剔除噪声特征，获得图像结构特征；基于所述图像结构特征进行图像重构，得到针对所述待降噪的手掌图像降噪后的手掌图像。
[0011]在一个实施例中，所述手掌图像是通过预先训练完成的超分辨率模型重建得到的；所述装置还包括：第一训练模块，用于获取至少一组第一手掌图像对；所述第一手掌图像对包括第一样本手掌图像和参照手掌图像；所述参照手掌图像相较于对应的所述第一样本手掌图像具有更高的分辨率；所述第一样本手掌图像携带有第一关注标签，所述第一关注标签指示所述第一样本手掌图像中手掌区域包括的样本掌关注区域；所述样本掌关注区域与针对所述第一样本手掌图像中手掌的采集角度相关；所述第一样本手掌图像中手掌区域还包括除所述样本掌关注区域之外的样本次关注区域；所述第一关注标签，用于指示在对所述第一样本手掌图像进行超分辨率重建时，赋予所述样本掌关注区域相比所述样本次关注区域更高的贡献权重；将所述第一样本手掌图像输入至待训练的超分辨率模型，得到重建手掌图像；根据所述重建手掌图像与相应所述参照手掌图像之间的差异，对所述待训练的超分辨率模型进行训练，得到训练完成的超分辨率模型。
[0012]在一个实施例中，所述单角度手掌特征是通过预先训练完成的特征提取模型提取得到的；所述装置还包括：第二训练模块，用于获取至少一组第二手掌图像对；所述第二手掌图像对中包括标签手掌图像和第二样本手掌图像；所述标签手掌图像携带有第二关注标签，所述第二关
注标签指示所述标签手掌图像中手掌区域包括的样本掌关键区域；所述样本掌关键区域与针对所述标签手掌图像中手掌的采集角度相关；所述标签手掌图像中手掌区域还包括除所述样本掌关键区域之外的样本辅助区域；所述第二关注标签，用于指示在对所述标签手掌图像提取特征时，赋予所述样本掌关键区域相比所述样本辅助区域更高的贡献权重；将所述标签手掌图像输入至待训练的特征提取模型，以提取得到参照单角度手掌特征；将所述第二手掌图像输入至所述待训练的特征提取模型，以提取得到预测单角度手掌特征；根据所述预测单角度手掌特征和相应所述参照单角度手掌特征之间的差异，对所述待训练的特征提取模型进行训练，得到训练完成的特征提取模型。
[0013]在一个实施例中，所述融合模块还用于确定所述多个手掌图像分别对应的采集角度；根据所述多个手掌图像各自对应的采集角度，赋予所述多个手掌图像分别对应的单角度手掌特征相应的融合权重；根据所述多个手掌图像分别对应的单角度手掌特征相应的融合权重，将所述多个手掌图像各自的单角度手掌特征融合，获得所述手掌的多角度手掌特征。
[0014]在一个实施例中，所述多角度本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于身份认证的手掌特征处理方法，其特征在于，所述方法包括：获取同一手掌不同采集角度的多个手掌图像；针对每个所述手掌图像，定位所述针对的手掌图像内手掌区域包括的掌关键区域；所述掌关键区域与所述手掌在所述针对的手掌图像中的采集角度相关；所述手掌区域还包括除所述掌关键区域之外的辅助区域；在对所述针对的手掌图像提取特征时，赋予所述掌关键区域相比所述辅助区域更高的贡献权重，获得所述针对的手掌图像的单角度手掌特征；将所述多个手掌图像各自的单角度手掌特征融合，获得所述手掌的多角度手掌特征；所述多角度手掌特征用于身份认证。2.根据权利要求1所述的方法，其特征在于，所述获取同一手掌不同采集角度的多个手掌图像，包括：获取同一手掌不同采集角度的多个采集图像；对所述多个采集图像分别进行超分辨率重建，对应获得多个手掌图像；所述手掌图像相比对应的采集图像分辨率更高。3.根据权利要求2所述的方法，其特征在于，所述对所述多个采集图像分别进行超分辨率重建，对应获得多个手掌图像，包括：针对每个所述采集图像，确定针对的采集图像内手掌区域包括的掌关注区域；所述掌关注区域与针对所述手掌进行图像采集时的采集角度相关；所述针对的采集图像中手掌区域还包括除所述掌关注区域之外的次关注区域；在对所述针对的采集图像进行超分辨率重建时，赋予所述掌关注区域相比所述次关注区域更高的贡献权重，重建获得与所述针对的采集图像对应的手掌图像。4.根据权利要求3所述的方法，其特征在于，所述在对所述针对的采集图像进行超分辨率重建时，赋予所述掌关注区域相比所述次关注区域更高的贡献权重，重建获得与所述针对的采集图像对应的手掌图像，包括：在对所述针对的采集图像进行超分辨率重建时，赋予所述掌关注区域相比所述次关注区域更高的贡献权重，重建获得与所述针对的采集图像对应的初始手掌图像；确定所述初始手掌图像内手掌区域包括的初始掌关键区域；所述初始掌关键区域与所述手掌在所述初始手掌图像中的采集角度相关；基于所述初始手掌图像，进行针对所述初始掌关键区域的图像局部强化处理，得到与所述初始手掌图像对应的手掌图像。5.根据权利要求3所述的方法，其特征在于，所述在对所述针对的采集图像进行超分辨率重建时，赋予所述掌关注区域相比所述次关注区域更高的贡献权重，重建获得与所述针对的采集图像对应的手掌图像，包括：在对所述针对的采集图像进行超分辨率重建时，赋予所述掌关注区域相比所述次关注区域更高的贡献权重，重建获得与所述针对的采集图像对应的待降噪的手掌图像；基于所述待降噪的手掌图像，确定所述待降噪的手掌图像的噪声分布；提取所述待降噪的手掌图像的图像特征，依照所述噪声分布，从所述图像特征中剔除噪声特征，获得图像结构特征；基于所述图像结构特征进行图像重构，得到针对所述待降噪的手掌图像降噪后的手掌
图像。6.根据权利要求3所述的方法，其特征在于，所述手掌图像是通过预先训练完成的超分辨率模型重建得到的；所述方法还包括：获取至少一组第一手掌图像对；所述第一手掌图像对包括第一样本手掌图像和参照手掌图像；所述参照手掌图像相较于对应的所述第一样本手掌图像具有更高的分辨率；所述第一样本手掌图像携带有第一关注标签，所述第一关注标签指示所述第一样本手掌图像中手掌区域包括的样本掌关注区域；所述样本掌关注区域与针对所述第一样本手掌图像中手掌的采集角度相关；所述第一样本手掌图像中手掌区域还包括除所述样本掌关注区域之外的样本次关注区域；所述第一关注标签，用于指示在对所述第一样本手掌图像进行超分辨率重建时，赋予所述样本掌关注区域相比所述样本次关注区域更高的贡献权重；将所述第一样本手掌图像输入至待训练的超分辨率模型，得到重建手掌图像；根据所述重建手掌图像与相应所述参照手掌图像之间的差异，对所述待训练的超分辨率模型进行训练，得到训练完成的超分辨率模型。7.根据权利要求1所述的方法，其特征在于，所述单角度手掌特征是通过预先训练完成的特征提取模型提取得到的；所述方法还包括：获取至少一组第二手掌图像对；所述第二手掌图像对中包括标签手掌图像和第二样本手掌图像；所述标签手掌图像携带有第二关注标签，所述第二关注标签指示所述标签手掌图像中手掌区域包括的样本掌关键区域；所述样本掌关键区域与针对所述标签手掌图像中手掌的采集角度相关；所述标签手掌图像中手掌区域还包括除所述样本掌关键区域之外的样本辅助区域；所述第二关注标签，用于指示在对所述标签手掌图像提取特征时，赋予所述样本掌关键区域相比所述样本辅助区域更高的贡献权重；将所述标签手掌图像输入至待训练的特征提取模型，以提取得到参照单角度手掌特征；将所述第二手掌图像输入至所述待训练的特征提取模型，以提取得到预测单角度手掌特征；根据所述预测单角度手掌特征和相应所述参照单角度手掌特征之间的差异，对所述待训练的特征提取模型进行训练，得到训练完成的特征提取模型。8.根据权利要求1所述的方...

【专利技术属性】
技术研发人员：张镇鸿，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：