[发明专利]掌纹识别方法、装置、计算机设备和存储介质

说明书

本申请涉及一种掌纹识别方法、装置、计算机设备和存储介质，所述方法包括：获取待识别的手部图像；根据预先训练的卷积神经网络模型，确定所述手部图像中的手掌区域；根据所述手掌区域的特征，确定所述手部图像中的大拇指根部区域；通过将所述手掌区域和所述大拇指根部区域进行区域比对，确定所述手掌区域和所述大拇指根部区域的重叠部分；将所述重叠部分从所述手掌区域中切除；对切除所述重叠部分的手掌区域进行掌纹识别。由于切除了大拇指根部区域，因此可以减少因大拇指形变对掌纹识别造成的干扰，能够提高掌纹识别的准确性，提高掌纹匹配度。

技术领域

本发明涉及掌纹识别技术领域，特别是涉及一种掌纹识别方法、装置、计算机设备和存储介质。

背景技术

掌纹是手掌皮肤上所有纹路的统称，主要包括乳突纹、主线和皱褶。掌纹具有唯一性，即不同的人的掌纹千差万别，没有任何两个手掌是完全相同的。基于掌纹的这一特点，可以进行身份鉴别。

目前，掌纹识别有接触式掌纹识别和非接触式掌纹识别，这两种都是通过采集掌纹的图像来进行身份识别。其中的非接触式掌纹识别因具有操作方便简单、干净卫生等优势成为了掌纹识别研究的一个热点。在对相关技术研究过程中，发明人发现：在进行非接触掌纹识别时因为大拇指的形变使得掌纹特征不稳定，所以会降低掌纹识别的准确度。

发明内容

本申请实施例提供一种掌纹识别方法、装置、计算机设备和存储介质，能够提高掌纹识别的准确性。

本申请实施例提供一种掌纹识别方法，包括：获取待识别的手部图像；根据预先训练的卷积神经网络模型，确定所述手部图像中的手掌区域；根据所述手掌区域的特征，确定所述手部图像中的大拇指根部区域；通过将所述手掌区域和所述大拇指根部区域进行区域比对，确定所述手掌区域和所述大拇指根部区域的重叠部分；将所述重叠部分从所述手掌区域中切除；对切除所述重叠部分的手掌区域进行掌纹识别。

在一些实施例中，所述根据预先训练的卷积神经网络模型，确定所述手部图像中的手掌区域，包括：采用预先训练的卷积神经网络模型对所述手部图像进行识别，得到所述食指指根位置、所述小指指根位置和和除大拇指之外的任意一手指的指尖位置；所述卷积神经网络模型由包括若干张已标记出食指指根位置、小指指根位置和除大拇指之外的任意一手指的指尖位置的手部图像的训练数据集训练得到；根据所述食指指根位置、所述小指指根位置和所述指尖位置，确定所述手掌区域。

在一些实施例中，所述手掌区域是一个以所述食指指根位置和所述小指指根位置之间的连线为一条边的正方形区域，且所述正方形区域的中心位于所述连线远离所述指尖位置的一侧。

在一些实施例中，所述确定所述手部图像中的大拇指根部区域，包括：在所述手部图像中选取满足预设条件的椭圆区域，并将所述椭圆区域作为所述大拇指根部区域；其中，所述预设条件包括：所述椭圆区域的长轴的长度为所述连线的长度的(1±10％)*2/5，短轴的长度为所述连线的长度的(1±10％)*1/4，所述椭圆区域的中心位于所述正方形区域的第一边上，所述第一边为垂直于所述连线且靠近大拇指的一边。

在一些实施例中，所述椭圆区域的中心在所述第一边上的位置根据所述正方形区域的边长确定。

在一些实施例中，所述椭圆区域的中心的纵坐标为所述正方形区域的边长的(1±10％)*4/5。

在一些实施例中，对切除所述重叠部分的手掌区域进行掌纹识别，包括：确定切除所述重叠部分的手掌区域的特征向量分别与预先存储的多个掌纹图像的特征向量之间的余弦相似度；根据所述余弦相似度，确定所述切除所述重叠部分的手掌区域是否识别成功。