[发明专利]一种掌静脉的识别方法及装置

说明书

本申请实施例公开了一种掌静脉的识别方法及装置，用于在手掌感兴趣区域的每个局部都提取一定数量的特征，提高了对掌静脉的识别率。本申请实施例方法包括：获取用户的目标掌静脉图像；从所述目标掌静脉图像中提取感兴趣区域ROI的图像；将所述ROI的图像划分为至少两个子区域；采用预置算法从每个所述子区域上提取目标特征点；将提取到的所述目标特征点与预置特征点进行特征比对，得到匹配点对；判断每对所述匹配点对是否为真匹配；若为真匹配，则保留所述匹配点对；若为假匹配，则剔除所述匹配点对。

技术领域

本申请涉及生物识别技术领域，尤其涉及一种掌静脉的识别方法及装置。

背景技术

掌静脉识别是利用人体血红蛋白通过静脉时能吸收近红外光的特性，采集手掌皮肤底下的静脉图像，并提取以作为生物特征。掌静脉使用方式是非接触式，它更加卫生，适合在公共场合使用。同时，适用手掌也较为自然，让用户更容易接受。掌静脉识别跟其它如指纹、眼虹膜等生物识别技术相比，因为有了前面的活体识别、内部特征和非接触的三个方面特征，掌静脉极难复制伪造，确保了使用者的掌静脉特征很难被伪造，所以掌静脉识别系统安全等级高，特别适合于安全要求高的场所使用。

目前，对掌静脉的识别方法是基于整体的子空间学习方法，即将整个掌静脉作为全局的描述，将掌静脉图像投影到子空间抽取特征矢量，例如，利用特征识别方法进行掌静脉匹配，通过掌纹和掌静脉图像融合而成的拉普拉斯手掌特征图像进行全局匹配，最后对掌静脉图像的局部结构特征进行提取。

对于基于整体的子空间学习方法，由于掌静脉分布特点，特征点集中分布在大鱼际附近的手掌区域，而小鱼际附近的手掌区域特征点较少，从而会因为特征信息不全面导致算法识别率下降。

发明内容

本申请实施例提供了一种掌静脉的识别方法及装置，用于在手掌感兴趣区域的每个局部都提取一定数量的特征，提高了对掌静脉的识别率。

本申请第一方面提供了一种掌静脉的识别方法，包括：获取用户的目标掌静脉图像；从所述目标掌静脉图像中提取感兴趣区域ROI的图像；将所述 ROI的图像划分为至少两个子区域；采用预置算法从每个所述子区域上提取目标特征点；将提取到的所述目标特征点与预置特征点进行特征比对，得到匹配点对；判断每对所述匹配点对是否为真匹配；若为真匹配，则保留所述匹配点对；若为假匹配，则剔除所述匹配点对。

在一种可能的设计中，在本申请实施例第一方面的第一种实现方式中，所述判断每对所述匹配点对是否为真匹配包括：将所述ROI的图像划分为规格相同的G*G个格子，所述G为大于1的正整数，并将每对所述匹配点对映射到所述G*G个格子的相应位置，得到预置特征点格子图像和目标特征点格子图像；将具有相同匹配点对数量最多的第一格子和第二格子确定为匹配格对，所述第一格子位于所述预置特征点格子图像，所述第二格子位于所述目标特征点格子图像；判断每对所述匹配点对是否属于对应的匹配格对；若所述匹配点对属于对应的匹配格对，则确定所述匹配点对为真匹配；若所述匹配点对不属于对应的匹配格对，则确定所述匹配点对为假匹配。

在一种可能的设计中，在本申请实施例第一方面的第二种实现方式中，所述判断每对所述匹配点对是否属于对应的匹配格对包括：计算所述第一格子的阈值和所述第二格子的评分值；判断所述评分值是否大于所述阈值；若是，则确定所述匹配点对属于对应的匹配格对；若否，则确定所述匹配点对不属于对应的匹配格对。

在一种可能的设计中，在本申请实施例第一方面的第三种实现方式中，所述采用预置算法从每个所述子区域上提取目标特征点包括：根据每个所述子区域调整采样阈值，所述采样阈值用于确定所述目标特征点；将每个所述子区域中的目标点确定为目标特征点，所述目标点的参数值大于所述采样阈值。

在一种可能的设计中，在本申请实施例第一方面的第四种实现方式中，所述预置算法为方向描述符ORB算法、尺度不变特征转换SIFT算法或快速鲁棒特征SURF算法中任一算法。