[发明专利]一种手掌图像的检测方法及装置

摘要

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。

主权项

1.一种手掌图像的检测方法，其特征在于，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。