[发明专利]一种手掌图像识别方法、装置及计算机可读存储介质

说明书

本发明公开了一种手掌图像识别方法、装置及计算机可读存储介质，包括：通过训练好的神经网络对待识别图像进行关键点的区域预测，得到多张热图，每张所述热图对应一个关键点的区域预测结果；将所述热图的最高像素作为所述热图的预测置信度值；根据所有所述预测置信度值和预置规则计算代表值，并将所述代表值与预置第一阈值比较，若所述代表值大于所述预置第一阈值则判定所述待识别图像为手掌图像。解决了现有的方法受光照等环境的影响较大，使得手掌图像判断的可靠性较低。

技术领域

本发明涉及生物特征认证领域，尤其涉及一种手掌图像识别方法、装置及计算机可读存储介质。

背景技术

在掌静脉识别系统和掌纹识别系统中，手掌定位是一项重要工作，其是通过手掌关键点检测实现。以掌静脉识别为例，手掌关键点位置越准确，手掌区域定位越准确，识别率就越高，反之则识别率降低。

现有的手掌区域定位方法通过对图像进行肤色检测或背景阈值分隔，然后通过特征点检测与比对算法，先判断该图像是否为手掌图像，进而可以确定手掌图像的关键点位置。

然而现有的方法主要利用灰度进行计算，所以受光照等环境的影响较大，使得手掌图像判断的可靠性较低。

发明内容

本发明提供了一种手掌图像识别方法、装置及计算机可读存储介质，解决了现有的方法受光照等环境的影响较大，使得手掌图像判断的可靠性较低。

本发明提供了一种手掌图像识别方法，包括：

通过训练好的神经网络对待识别图像进行关键点的区域预测，得到多张热图，每张所述热图对应一个关键点的区域预测结果；

将所述热图的最高像素作为所述热图的预测置信度值；

根据所有所述预测置信度值和预置规则计算代表值，并将所述代表值与预置第一阈值比较，若所述代表值大于所述预置第一阈值则判定所述待识别图像为手掌图像。

优选地，

所述的手掌图像识别方法，还包括：

若所述待识别图像为手掌图像且所述热图包含关键点的预测区域，则将热图的最高像素点作为关键点的第一类预测点，并输出所有所述第一类预测点坐标及相应的所述预测置信度值；

若所述待识别图像为手掌图像且所述热图不包含关键点的预测区域，则判定关键点的预测点缺失。

优选地，

所述神经网络包括第一卷积层、第二卷积层、池化层和反卷积层；

所述第一卷积层和所述池化层配合用于减小所述待识别图像的尺寸并计算得到特征图像；

所述反卷积层和所述第二卷积层配合用于增加所述特征图像的尺寸并计算得到多张所述热图，且使得所述热图和所述待识别图像尺寸相同。

优选地，

所述神经网络还包括全连接层；

所述的手掌图像识别方法还包括：通过所述全连接层对经过任意一个所述第二卷积层计算后的特征图像进行处理得到关键点的第二类预测点，并输出所述第二类预测点坐标，其中所述第二类预测点包括所述第一类预测点和缺失的预测点。

优选地，

所述的手掌图像识别方法，还包括：

将所述预测置信度值大于预置第二阈值的所述第一类预测点标记为可信任；

将所述预测置信度值不大于预置第二阈值的所述第一类预测点及缺失的预测点标记为不可信任，并从第二类预测点坐标中选取与不可信任的预测点对应的坐标，然后将选取的坐标作为不可信任的预测点的新坐标。

优选地，