[发明专利]掌纹识别方法及装置

说明书

技术领域

本发明涉及生物特征识别领域，更具体地说，涉及一种掌纹识别方法及装置。

背景技术

随着信息技术的飞速发展，信息安全在人们的生活中显得越发的重要。在很多场合，诸如出入境登记、银行关键部门出入控制、电子商务、电子政务、司法安全系统、上下班考勤、计算机登录等等都需要准确的识别人的身份。其中，生物识别技术因其可靠性和便捷性受到了越来越多的重视，在各种身份认证场景中得到广泛的应用。目前主要采用的生物识别特征分为两类：一类是生理特征，如指纹、掌纹、虹膜、人脸等；另一类是行为特征，如签名、声音等。与其它生物识别技术相比，掌纹识别技术具有精度高、设备价格低、使用方便等优势，因而受到越来越多的关注。随着掌纹识别技术不断地改进和完善，越来越多的掌纹识别系统都投入了实际的应用。

掌纹识别方法基本可以分为四大类别：基于结构的方法、基于统计的方法、基于子空间的方法和基于编码的方法。其中，基于编码的方法是通过提取掌纹图像的纹线方向来进行编码的方法，具有识别率高、特征小、特征提取及匹配速度快、实现简单等特点，从而得到了最广泛的应用。

目前主流的基于编码的掌纹识别方法是在获取掌纹感兴趣区域(Region Of Interest，以下简称：ROI区域)的基础上，利用纹线的方向特征，对ROI区域内的每一个像素进行编码，作为掌纹的特征描述向量。这种方法容易受到采集环境和手掌姿态的变化的影响。在ROI区域内，一些局部区域纹线较弱或者没有明显的纹线，它们的纹理方向很容易在采集时发生改变，而这种方法不加区分的对ROI区域内的所有像素都进行特征编码，在不同的时间内采集的图像会提取出不同的编码结果，使得识别时这些不稳定的特征会导致识别性能下降。为了保证识别性能，这种方法在应用中往往对采集环境、装置有很高的要求，采集时要求手掌固定在采集装置内，用户体验比较差，设备也比较庞大。

发明内容

本发明的发明目的是针对现有技术的缺陷，提出一种掌纹识别方法及装置，用以去除不稳定区域在匹配时对识别结果的影响，提高匹配精度。

根据本发明的一个方面，本发明提供了一种掌纹识别方法，包括：

在掌纹图像的感兴趣区域上依次截取多个局部区域，获取每个局部区域的对比度上下文向量B；

根据每个局部区域的对比度上下文向量B，从多个局部区域中提取出稳定区域；

对稳定区域内的像素点进行特征编码；

根据特征编码的结果，进行掌纹特征相似度判别。

进一步的，在所述在掌纹图像感兴趣区域上依次截取多个局部区域之前还包括：对掌纹图像的感兴趣区域进行光照归一化和增强处理。

进一步的，所述在掌纹图像的感兴趣区域上依次截取多个局部区域具体为：以设定的大小和移动步长从左至右、从上至下依次在掌纹图像的感兴趣区域上截取多个局部区域，所述局部区域的边长大于所述设定的移动步长。

进一步的，所述获取每个局部区域的对比度上下文向量B包括：

根据预设的尺度条件和方向条件，将局部区域划分为N个不重叠的子区域；

对于第i个子区域，其中i∈[1，N]，根据该子区域内每个像素点与局部区域的中心点的对比度值得到该子区域对应的二值化向量值，作为N维对比度上下文向量B的第i个分量B_i，从而获取每个局部区域的对比度上下文向量B；所述对比度值为像素点的灰度值减去所述中心点的灰度值而得到的值。所述N为大于1的整数，i为自然数。

进一步的，所述对于第i个子区域，根据该子区域内每个像素点与局部区域的中心点的对比度值得到该子区域对应的二值化向量值，作为N维对比度上下文向量B的第i个分量B_i包括：

计算第i个子区域内每个像素点与局部区域的中心点的对比度值；

计算对比度值大于0的像素点的对比度值的均值，以及对比度值大于0的像素点在子区域内所占的比率；

将所述均值与所述比率分别与各自的设定阈值进行比较，得到第i个子区域对应的二值化向量值，作为N维对比度上下文向量B的第i个分量B_i。

进一步的，所述根据每个局部区域的对比度上下文向量B，从多个局部区域提取出稳定区域包括：

根据局部区域的对比度上下文向量B，计算得到该局部区域的特征值其中N为局部区域包括的子区域数量；

将所述局部区域的特征值S与确定的特征值阈值进行比较，根据比较结果判别该局部区域是否为稳定区域。