[发明专利]掌纹识别方法及装置

权利要求书

1.一种掌纹识别方法，其特征在于，包括：

获取待识别的人手图像；

提取所述人手图像所对应的掌纹区域图像；

基于掌纹神经网络模型预测所述掌纹区域图像所对应的目标用户ID，其中所述掌纹神经网络模型是以掌纹库中对应于多用户ID的训练掌纹区域图像作为输入进行训练的，并且每一用户ID下具有对应不同拍照条件的训练掌纹区域图像。

2.根据权利要求1所述的方法，其中，该方法还包括针对所述掌纹神经网络模型的训练过程，所述针对掌纹神经网络模型的训练过程包括：

获取标注有用户ID的多张训练人手图像，其中每一用户ID下具有对应不同拍照条件的训练人手图像；

提取所述训练人手图像所对应的训练掌纹区域图像，并将所述训练掌纹区域图像存储至掌纹库；

将所述掌纹库中对应于多用户ID的训练掌纹区域图像输入至所述掌纹神经网络模型，以训练所述掌纹神经网络模型。

3.根据权利要求2所述的方法，其中，所述掌纹神经网络模型包括深度可分离卷积网络模型，其中针对所述深度可分离神经网络模型的训练过程包括：

将掌纹区域图像输入至具有多层通道结构的所述深度可分离卷积模型，其中每一层通道结构分别用于归类不同的用户ID所对应的掌纹区域图像；

对多层通道结构中的每层结构分别采用定制的滤波器进行滤波；

逐层卷积所述多层通道结构下的每一层通道结构，并对所述每一层通道结构的卷积结果进行结合。

4.根据权利要求1所述的方法，其中，所述提取所述人手图像所对应的掌纹区域图像包括：

基于关键点检测技术，确定所述人手图像中的掌纹关键点；

基于所述掌纹关键点，从所述人手图像中分割出相对应的掌纹区域图像。

5.根据权利要求4所述的方法，其中，所述基于关键点检测技术，确定所述人手图像中的掌纹关键点包括：

基于第一识别卷积神经网络，定位所述人手图像中第一手掌区域所对应的第一掌纹关键点；

基于第二识别卷积神经网络，定位所述人手图像中第二手掌区域所对应的第二掌纹关键点，其中所述第一神经网络和所述第二神经网络为级联的神经网络，且级联的所述第一神经网络和所述第二神经网络分别是以标注了掌纹关键点的不同手掌区域作为训练源的；

基于所述第一掌纹关键点和所述第二掌纹关键点，确定所述人手图像中的掌纹关键点。

6.根据权利要求1所述的方法，其中，在所述基于神经网络模型，预测所述掌纹区域图像所对应的目标用户ID之后，该方法还包括：

在所述掌纹库中查询与所述目标用户ID相对应的目标训练掌纹区域图像；

展示包括所述目标用户ID、所述目标训练掌纹区域图像和所提取的掌纹区域图像的信息；

获取针对所展示的目标用户ID的用户反馈操作；

当所述用户反馈操作指示目标用户ID为预测正确时，将所述所提取的掌纹区域图像补充至对应所述目标用户ID的训练掌纹区域图像中，以校准所述掌纹神经网络模型。

7.根据权利要求1所述的方法，其中，所述掌纹神经网络模型为MobileNet。

8.一种掌纹识别装置，其特征在于，包括：

人手图像获取单元，用于获取待识别的人手图像；

掌纹区域提取单元，用于提取所述人手图像所对应的掌纹区域图像；

预测单元，用于基于掌纹神经网络模型预测所述掌纹区域图像所对应的目标用户ID，其中所述掌纹神经网络模型是以掌纹库中对应于多用户ID的训练掌纹区域图像作为输入进行训练的，并且每一用户ID下具有对应不同拍照条件的训练掌纹区域图像。

9.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器存储有计算机程序，其中，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。

10.一种计算机存储介质，其特征在于，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。