[发明专利]一种手掌图像的检测方法及装置

说明书

本发明公开了一种手掌图像的检测方法及装置，涉及图像处理技术领域，该方法包括：采用实心掩膜标记并获取训练图像中的手掌图像；截取训练图像中的子图像；确定子图像中的正样本图像和负样本图像，统计正样本数量和负样本数量，并判断是否满足预置条件，若是则再次截取训练图像中的子图像；若否则提取正样本图像和负样本图像，生成样本训练集；通过Fast R‑CNN模型训练样本训练集，生成训练图像的权重参数；根据权重参数计算待测图像的特征向量值；根据特征向量值判断待测图像中是否包含手掌图像。通过上述方式可提高识别手掌图像的准确率。

技术领域

本发明涉及图像处理技术领域，特别是涉及一种手掌图像的检测方法及装置。

背景技术

随着信息技术的飞速发展，掌纹识别技术因其可靠性和便捷性，各种身份认证场景中得到广泛的应用。掌纹识别技术利用人手掌纹路特征进行身份鉴别，具体过程包括：先拍摄一张用户的待测手掌图片，然后提取待测手掌图片中手掌的掌纹与系统中预存的掌纹进行匹配，如果匹配成功则认为掌纹识别成功，该用户身份合法。

在提取待测手掌图片中手掌掌纹过程中，通常先需要判断所拍摄的图片中是否包含有效手掌图形，再进行后续的掌纹提取操作。现有技术中，先检测图像边缘再通过SVM分类器对有效手掌图像和无效手掌图像的训练结果，判断待测手掌图片是否包含有效手掌图形，其中，SVM分类器是利用图像灰度梯度信息训练的。如果待测手掌图片中包括手掌、手臂和人脸等颜色相近图像，尤其是当颜色相近图像发生重叠时，颜色相近图像所对应的灰度信息基本相同，不能通过灰度信息区分手掌、手臂和人脸，所以利用灰度梯度信息很难准确判断待测手掌图片中是否包含有效手掌图形。

发明内容

有鉴于此，本发明提供一种手掌图像的检测方法及装置，主要目的在于解决现有技术中的判断待测手掌图像中是否包含手掌图像的准确率低的问题。

依据本发明一个方面，提供了一种手掌图像的检测方法，包括：

采用实心掩膜标记训练图像中的手掌图像，并获取所述手掌图像；

在所述训练图像的图像像素范围内，根据随机函数计算的图像大小和像素点位置，截取所述训练图像中的子图像；

如果所述子图像包含所述手掌图像，则确定所述子图像为正样本图像，并统计所述正样本图像的正样本数量；

如果所述子图像不完全包含所述手掌图像，则确定所述子图像为负样本图像，并统计所述负样本图像的负样本数量；

如果所述正样本数量小于预置最小正样本数量，或所述负样本数量小于预置最小负样本数量，则再次截取所述训练图像中的子图像；

如果所述正样本数量不小于所述预置最小正样本数量，且所述负样本数量不小于所述预置最小负样本数量，则按照预置正负样本总数量和预置正负样本比率，提取所述正样本图像和所述负样本图像，生成样本训练集；

通过基于区域的快速卷积神经网络Fast R-CNN模型训练所述样本训练集中的所述正样本图像和所述负样本图像，生成所述训练图像的图像特征的权重参数，所述图像特征包括形状、颜色和阴影；

根据所述权重参数，计算待测图像的特征向量值；

根据所述特征向量值，判断待测图像中是否包含所述手掌图像。

依据本发明另一个方面，提供了一种手掌图像的检测装置，包括：

标记模块，用于采用实心掩膜标记训练图像中的手掌图像，并获取所述手掌图像；

截取模块，用于在所述训练图像的图像像素范围内，根据随机函数计算的图像大小和像素点位置，截取所述训练图像中的子图像；

确定模块，用于如果所述子图像包含所述手掌图像，则确定所述样本图像为正样本图像，并统计所述正样本图像的正样本数量；