[发明专利]活体识别方法及相关产品

权利要求书

1.一种活体识别方法，其特征在于，应用于电子设备，所述方法包括：

获取当前检测对象的静脉识别样本；

当所述静脉识别样本与静脉识别模板相匹配时，获取所述当前检测对象的第一手部图像；

根据所述第一手部图像获取所述当前检测对象的手部的参考特征信息；

根据所述参考特征信息识别所述当前检测对象的类型；

其中，所述参考特征信息包括至少两个关键点的相对位置信息；根据所述参考特征信息识别所述当前检测对象的类型，包括：

对所述手部图像进行预处理，其中所述预处理包括：不敏感区域剔除处理、图像精度增强处理、图像降噪处理和图像二值化处理；从预处理后的图像中获取所述至少两个关键点的相对位置信息；将所述至少两个关键点的相对位置信息与预存的目标特征信息进行比对；当所述至少两个关键点的相对位置信息与预存的目标特征信息的匹配度大于阈值时，判断当前检测对象为活体用户；

其中，所述特征信息还包括手部至少两个关键点的相对位置，所述手部关键点分布于手指位置，利用手部关键点的相对位置信息描述手指间夹角以及手指间距离，关键点数量越多描述的手指间夹角以及手指间距离就越准确，

当特征信息包括2个关键点分别为a1(x1，y1)、a2(x2，y2)，以a1为基准点，故a2相对于a1的坐标为(x2-x1，y2-y1)，预存的目标特征信息中包括2个关键点分别为b1(w1，m1)、b2(w2，m2)，以b1为基准点，故b2相对于b1的坐标为(w2-w1，m2-m1)，a1与b1对应，a2与b2对应，匹配度K表达式如下所示：

2.根据权利要求1所述的方法，其特征在于，所述获取当前检测对象的静脉识别样本，包括：

获取所述当前检测对象的静脉图像；

将所述当前检测对象的静脉图像分成至少两个图像区域；

对所述至少两个图像区域进行SIFT特征提取，得到各个图像区域的SIFT特征值；根据各个图像区域的SIFT特征值计算得到所述当前检测对象的静脉识别样本。

3.根据权利要求1所述的方法，其特征在于，所述根据所述第一手部图像获取所述当前检测对象的手部的参考特征信息，包括：

从所述第一手部图像中提取感兴趣的区域；

对所述感兴趣的区域进行灰度调整，并对灰度调整后的感兴趣的区域进行归一化处理；

对归一化处理后的感兴趣的区域进行卷积运算，并得到所述感兴趣的区域对应的手部的参考特征信息。

4.根据权利要求2所述的方法，其特征在于，所述根据所述第一手部图像获取所述当前检测对象的手部的参考特征信息，包括：

从所述第一手部图像中提取感兴趣的区域；

对所述感兴趣的区域进行灰度调整，并对灰度调整后的感兴趣的区域进行归一化处理；

对归一化处理后的感兴趣的区域进行卷积运算，并得到所述感兴趣的区域对应的手部的参考特征信息。

5.根据权利要求1所述的方法，其特征在于，所述根据所述第一手部图像获取所述当前检测对象的手部的参考特征信息之前，所述方法还包括：

获取所述当前检测对象的红外手部图像；

对所述红外手部图像进行热红外检测，得到手部热量信息；

将所述手部热量信息输入训练好的神经网络中判定所述手部热量信息是否符合活体人手热量分布特征；

当所述手部热量信息符合活体人手热量分布特征时，根据所述第一手部图像获取所述当前检测对象的手部的参考特征信息。

6.根据权利要求1-5任一项所述的方法，其特征在于，所述参考特征信息用于描述用户手部习惯，所述当前检测对象的类型包括活体用户和待定用户；所述根据所述参考特征信息识别所述当前检测对象的类型，包括：

将所述参考特征信息输入预设的神经网络模型中，识别所述用户类型，所述预设的神经网络模型为预先根据预存的目标特征信息进行一次或多次训练获得。