一种基于非同源双目的手掌校正方法技术

一种基于非同源双目的手掌校正方法，包括如下步骤：步骤

【技术实现步骤摘要】
一种基于非同源双目的手掌校正方法


[0001]本专利技术涉及刷掌识别相机领域，具体地，涉及一种基于非同源双目的手掌校正方法
。

技术介绍

[0002]由于人的手掌的纹路更加稳定，因此，刷掌识别是一种比刷脸识别更加稳定和安全的生物识别技术，因而可以通过刷掌对人身份进行识别，进而用于安检
、
支付
、
身份识别等领域
。
刷掌识别是一种具有广阔应用前景的技术
。
[0003]现有的非接触式手掌识别设备分为两种：一种同时具有掌纹和掌静脉识别功能；另一类仅通过掌静脉信息进行识别，极大地简化了系统，并且由于掌静脉属于粗粒度特征，使用较低的分辨率就能够很好地保证掌静脉信息，但也相应地限制了掌静脉识别的精度，此外，掌静脉成像质量受光源
、
手掌距离和姿态的影响较大，容易采集到不稳定的图像
。
尤其是现有技术中通过对图像二值化的处理方式，再与原图像进行对比处理，提高了一些数据质量，但仍无法满足商业应用需求
。

技术实现思路

[0004]为此，本专利技术利用第一相机和第二相机组成的非同源双目系统，直接对第一图像和第二图像进行处理，提高了图像获取的质量，并利用手掌朝向进行校正，使得可以对更大角度的手掌进行处理，同时校正的准确度也大大提升
。
[0005]第一方面，本专利技术提供一种基于非同源双目的手掌校正方法，其特征在于，包括如下步骤：
[0006]步骤
S1
：对第一图像
I
ir
和第二图像
I
rgb
分别检测手掌，分别得到所述第一图像
I
ir
的手掌区域
ROI
ir
和所述第二图像
I
rgb
的手掌区域
ROI
rgb
；其中，所述第一图像和所述第二图像是非同源图像；
[0007]步骤
S2
：采用深度学习方法对所述第一图像
I
ir
或所述第二图像
I
rgb
的手掌朝向进行估计；
[0008]步骤
S3
：如果所述手掌朝向不符合预设要求，则重新执行步骤
S1
；
[0009]步骤
S4
：根据所述手掌朝向对所述第一图像
I
ir
和所述第二图像
I
rgb
进行校正
。
[0010]可选地，所述的一种基于非同源双目的手掌校正方法，其特征在于，在所述步骤
S1
之前还包括：
[0011]步骤
S0:
对原始第一图像和原始第二图像分别畸变校正，再进行极线校正，得到校正后的第一图像
I
ir
和校正后的第二图像
I
rgb
。
[0012]可选地，所述的一种基于非同源双目的手掌校正方法，其特征在于，在步骤
S1
中，还分别对所述第一图像
I
ir
和所述第二图像
I
rgb
根据所述手掌区域
ROI
ir
和所述手掌区域
ROI
rgb
进行图像分割，并对非手掌区域置零
。
[0013]可选地，所述的一种基于非同源双目的手掌校正方法，其特征在于，在所述步骤
S2
中，仅对所述第一图像
I
ir
和所述第二图像
I
rgb
其中一幅进行手掌朝向估计
。
[0014]可选地，所述的一种基于非同源双目的手掌校正方法，其特征在于，在所述步骤
S2
中，对所述第一图像
I
ir
和所述第二图像
I
rgb
分别进行深度学习，分别得到手掌朝向估计，通过交叉验证，获得手掌朝向
。
[0015]可选地，所述的一种基于非同源双目的手掌校正方法，其特征在于，在所述步骤
S2
中，将所述第一图像
I
ir
和所述第二图像
I
rgb
同时进行深度学习，得到手掌朝向
。
[0016]可选地，所述的一种基于非同源双目的手掌校正方法，其特征在于，所述步骤
S2
包括：
[0017]步骤
S21
：分别获取所述第一图像
I
ir
和所述第二图像
I
rgb
上的关键点；
[0018]步骤
S22
：利用视差计算所述关键点的三维空间信息；
[0019]步骤
S23
：根据所述三维空间信息计算手掌朝向
。
[0020]可选地，所述的一种基于非同源双目的手掌校正方法，其特征在于，所述步骤
S4
包括：
[0021]步骤
S41
：在所述第二图像上根据所述手掌朝向
、
灰度值和距离边缘的距离将图像分为第一拉伸区
、
第一压缩区和第一修补区，并将所述区域复制到所述第一图像上；其中，所述第一图像是手掌的纹理图像，所述第二图像是手掌的静脉图像；
[0022]步骤
S42
：在所述第一图像上，根据纹理特征，对所述第一拉伸区
、
所述第一压缩区和所述第一修补区的进行微调，分别得到第二拉伸区
、
第二压缩区和第二修补区，并将所述第二拉伸区
、
所述第二压缩区和所述第二修补区复制到所述第二图像上；
[0023]步骤
S43
：在所述第一图像和所述第二图像上，对所述第二拉伸区进行相同幅度的拉伸，对所述第二压缩区进行相同幅度的压缩，对所述第二修补区分别进行修补
。
[0024]第二方面，本专利技术提供一种基于非同源双目的手掌校正设备，其特征在于，包括：
[0025]处理器；
[0026]存储器模块，其中存储有所述处理器的可执行指令；
[0027]其中，所述处理器配置为经由执行所述可执行指令来执行上述任一项所述的基于非同源双目的手掌校正方法的步骤
。
[0028]第三方面，本专利技术提供一种计算机可读存储介质，用于存储程序，其特征在于，所述程序被执行时实现上述任一项所述的一种基于非同源双目的手掌校正方法的步骤
。
[0029]与现有技术相比，本专利技术具有如下的有益效果：
[0030]本专利技术采用第一图像和第二图像作为原始数据，不需要
p
‑
sensor
等装置，使得对刷掌识别的输入条件减少，从而可以使得相应的硬件设备简化，体积更小，容易集成化，有利于设备本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于非同源双目的手掌校正方法，其特征在于，包括如下步骤：步骤
S1
：对第一图像
I
ir
和第二图像
I
rgb
分别检测手掌，分别得到所述第一图像
I
ir
的手掌区域
ROI
ir
和所述第二图像
I
rgb
的手掌区域
ROI
rgb
；其中，所述第一图像和所述第二图像是非同源图像；步骤
S2
：采用深度学习方法对所述第一图像
I
ir
或所述第二图像
I
rgb
的手掌朝向进行估计；步骤
S3
：如果所述手掌朝向不符合预设要求，则重新执行步骤
S1
；步骤
S4
：根据所述手掌朝向对所述第一图像
I
ir
和所述第二图像
I
rgb
进行校正
。2.
根据权利要求1所述的一种基于非同源双目的手掌校正方法，其特征在于，在所述步骤
S1
之前还包括：步骤
S0:
对原始第一图像和原始第二图像分别畸变校正，再进行极线校正，得到校正后的第一图像
I
ir
和校正后的第二图像
I
rgb
。3.
根据权利要求1所述的一种基于非同源双目的手掌校正方法，其特征在于，在步骤
S1
中，还分别对所述第一图像
I
ir
和所述第二图像
I
rgb
根据所述手掌区域
ROI
ir
和所述手掌区域
ROI
rgb
进行图像分割，并对非手掌区域置零
。4.
根据权利要求1所述的一种基于非同源双目的手掌校正方法，其特征在于，在所述步骤
S2
中，仅对所述第一图像
I
ir
和所述第二图像
I
rgb
其中一幅进行手掌朝向估计
。5.
根据权利要求1所述的一种基于非同源双目的手掌校正方法，其特征在于，在所述步骤
S2
中，对所述第一图像
I

【专利技术属性】
技术研发人员：黄龙祥，郭虎威，黄佳雯，汪博，朱力，吕方璐，
申请(专利权)人：深圳市光鉴科技有限公司，
类型：发明
国别省市：