[发明专利]一种基于掌静脉的人员识别方法和装置

权利要求书

1.一种基于掌静脉的人员识别方法，其特征在于，包括以下步骤：

S1：获取手掌图像，通过Opencv确定所述手掌图像中的感兴趣区域；

S2：通过基于方向的谷形检测获取所述感兴趣区域中的静脉纹理特征，对所述静脉纹理特征进行二值图像细化处理获取静脉曲线图；

S3：通过角点检测算法检测得到所述静脉曲线图中的角点位置，以所述角点位置为种子点通过区域生长算法获取所述静脉曲线图中的特征点位置数据；

S4：重复步骤S1～S3获取已知人员的所述特征点位置数据并存储在掌静脉特征数据库中，通过步骤S1～S3获取未知人员的所述特征点位置数据；以及

S5：将所述未知人员的所述特征点位置数据与所述掌静脉特征数据库中的所述特征点位置数据进行比对计算得到特征点相似度，根据所述特征点相似度判断所述未知人员的身份。

2.根据权利要求1所述的基于掌静脉的人员识别方法，其特征在于，所述步骤S1具体包括：

S11：通过对所述手掌图像进行Otsu滤波处理获取手掌轮廓；

S12：通过轮廓检测算法对所述手掌轮廓进行计算，获取所述手掌轮廓的波峰波谷数据；

S13：根据所述波峰波谷数据中得到所述手掌图像中食指与中指、无名指与小指之间的内侧指根点的位置；以及

S14：根据食指与中指、无名指与小指之间的内侧指根点的位置确定所述感兴趣区域。

3.根据权利要求1所述的基于掌静脉的人员识别方法，其特征在于，所述步骤S2中对所述静脉纹理特征进行二值图像细化获取静脉曲线图具体包括：对所述静脉纹理特征依次进行Otsu滤波，限制对比度，膨胀腐蚀和迭代细化算法，获得所述静脉曲线图。

4.根据权利要求3所述的基于掌静脉的人员识别方法，其特征在于，所述限制对比度的方式采用对比度受限的自适应直方图均衡算法。

5.根据权利要求3所述的基于掌静脉的人员识别方法，其特征在于，所述迭代细化算法采用zhang suen细化算法。

6.根据权利要求1所述的基于掌静脉的人员识别方法，其特征在于，所述步骤S3中以所述角点位置为种子点通过区域生长算法获取所述静脉曲线图中的特征点位置数据具体包括：

S31：以所述角点位置为种子点通过区域生长算法扩充得到特征区域，在所述特征区域中将至少有3条以所述角点位置为中心的交叉线接触到所述特征区域的边界的所述角点位置作为特征点位置；

S32：通过四舍五入算法计算所述特征点位置的坐标数据，并将所述坐标数据转化为数据类型为int字符串的所述特征点位置数据。

7.根据权利要求1所述的基于掌静脉的人员识别方法，其特征在于，所述步骤S5中采用NPL文本相似度算法计算所述特征点相似度，将所述特征点相似度最高的所述特征点位置数据所对应的所述已知人员的身份作为所述未知人员的身份。

8.一种基于掌静脉的人员识别装置，其特征在于，包括：

感兴趣区域确定模块，用于获取手掌图像，通过Opencv确定所述手掌图像中的感兴趣区域；

静脉曲线图获取模块，用于通过基于方向的谷形检测获取所述感兴趣区域中的静脉纹理特征，对所述静脉纹理特征进行二值图像细化处理获取静脉曲线图；

特征点位置数据获取模块，用于通过角点检测算法检测得到所述静脉曲线图中的角点位置，以所述角点位置为种子点通过区域生长算法获取所述静脉曲线图中的特征点位置数据；

存储模块，用于重复感兴趣区域确定模块～特征点位置数据获取模块的功能获取已知人员的所述特征点位置数据并存储在掌静脉特征数据库中，通过感兴趣区域确定模块～特征点位置数据获取模块获取未知人员的所述特征点位置数据；以及

比对模块，用于将所述未知人员的所述特征点位置数据与所述掌静脉特征数据库中的所述特征点位置数据进行比对计算得到特征点相似度，根据所述特征点相似度判断所述未知人员的身份。