2024年4月28日发(作者:)
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号
CN 110826452 A
(43)申请公布日
2020.02.21
(21)申请号 2.3
(22)申请日 2019.10.30
(71)申请人 平安科技(深圳)有限公司
地址 518000 广东省深圳市福田区福田街
道福安社区益田路5033号平安金融中
心23楼
(72)发明人 金晨
(74)专利代理机构 北京英特普罗知识产权代理
有限公司 11015
代理人 程超
(51).
G06K
9/00
(2006.01)
G06K
9/62
(2006.01)
权利要求书2页 说明书8页 附图3页
(54)发明名称
一种掌纹验证方法、装置、计算机设备及可
读存储介质
(57)摘要
本发明公开了一种掌纹验证方法、装置、计
算机设备及可读存储介质,该方法包括:当接收
到掌纹验证指令时,通过预设摄像头获取待验证
图像;其中,所述待验证图像包括用户的手掌信
息;利用预先训练好的基准点识别模型从所述待
验证图像中识别出设定数量的基准点;基于识别
出的设定数量的基准点,利用狄罗妮Delaunay三
角剖分算法,在所述待验证图像中划分出多个验
证子区域;利用仿射变换算法对每个验证子区域
进行位置矫正,以将每个验证子区域矫正到预设
基准面内;将各个矫正后的验证子区域进行拼接
以形成掌心验证图像;判断在预设的掌心图像库
中是否存在与所述掌心验证图像相匹配的目标
掌心图像,若是,则掌纹验证通过;本发明提高了
掌纹识别的准确性。
C
N
1
1
0
8
2
6
4
5
2
A
CN 110826452 A
权 利 要 求 书
1/2页
1.一种掌纹验证方法,其特征在于,所述方法包括:
当接收到掌纹验证指令时,通过预设摄像头获取待验证图像;其中,所述待验证图像包
括用户的手掌信息;
利用预先训练好的基准点识别模型从所述待验证图像中识别出设定数量的基准点;
基于识别出的设定数量的基准点,利用狄罗妮Delaunay三角剖分算法,在所述待验证
图像中划分出多个验证子区域;其中,每个验证子区域均为三边形,且每个验证子区域的边
均为Delaunay边;
利用仿射变换算法对每个验证子区域进行位置矫正,以将每个验证子区域矫正到预设
基准面内;
将各个矫正后的验证子区域进行拼接以形成掌心验证图像;
判断在预设的掌心图像库中是否存在与所述掌心验证图像相匹配的目标掌心图像,若
是,则掌纹验证通过。
2.根据权利要求1所述的掌纹验证方法,其特征在于,在所述利用预先训练好的基准点
识别模型从所述待验证图像中识别出设定数量的基准点之前,所述方法还包括:
获取设定数量的原始样本手掌图像;其中,在每个原始样本手掌图像中均标注出了所
述设定数量的基准点;
针对一个原始样本手掌图像,按照预设图像处理方式缩放、平移和/或旋转所述原始样
本手掌图像,以得到至少一个新的样本手掌图像;
将所有的原始样本手掌图像和新的样本手掌图像组成训练样本集;
根据所述训练样本集对深度对齐网络DAN模型进行训练学习,以得到所述基准点识别
模型。
3.根据权利要求1所述的掌纹验证方法,其特征在于,所述基于识别出的设定数量的基
准点,利用狄罗妮Delaunay三角剖分算法,在所述待验证图像中划分出多个验证子区域,具
体包括:
将所述设定数量的基准点设置为点集合,将以所述点集合中的任意两点作为端点所构
成的线段设置为基准线,将所有基准线设置为线集合;
针对所述线集合中的一条基准线,若所述基准线满足,在以所述基准线的两个端点形
成的圆内不包含所述点集合中的其他基准点,则所述基准线为Delaunay边;
将任意三条Delaunay边形成的三角区域设置为验证子区域。
4.根据权利要求1所述的掌纹验证方法,其特征在于,在所述利用仿射变换算法对每个
验证子区域进行位置矫正,以将每个验证子区域矫正到预设基准面内之前,所述方法还包
括:
获取标准手掌图像;其中,所述标准手掌图像中的手掌信息位于预设基准面内;
利用所述基准点识别模型,从所述标准手掌图像中识别出设定数量的基准点;
基于所述设定数量的基准点,利用Delaunay三角剖分算法,在所述标准手掌图像中划
分出多个标准手掌子区域。
5.根据权利要求4所述的掌纹验证方法,其特征在于,所述利用仿射变换算法对每个验
证子区域进行位置矫正,以将每个验证子区域矫正到预设基准面内,具体包括:
针对一个验证子区域,在所述标准手掌图像中查找到与所述验证子区域对应的标准手
2
CN 110826452 A
权 利 要 求 书
2/2页
掌子区域;
利用仿射变换算法,将所述验证子区域的三个端点映射到查找到的标准手掌子区域的
三个端点处,以使所述验证子区域矫正到预设基准面内。
6.一种掌纹验证装置,其特征在于,所述装置包括:
获取模块,用于当接收到掌纹验证指令时,通过预设摄像头获取待验证图像;其中,所
述待验证图像包括用户的手掌信息;
识别模块,用于利用预先训练好的基准点识别模型从所述待验证图像中识别出设定数
量的基准点;
划分模块,用于基于识别出的设定数量的基准点,利用狄罗妮Delaunay三角剖分算法,
在所述待验证图像中划分出多个验证子区域;其中,每个验证子区域均为三边形,且每个验
证子区域的边均为Delaunay边;
矫正模块,用于利用仿射变换算法对每个验证子区域进行位置矫正,以将每个验证子
区域矫正到预设基准面内;
拼接模块,用于将各个矫正后的验证子区域进行拼接以形成掌心验证图像;
验证模块,用于判断在预设的掌心图像库中是否存在与所述掌心验证图像相匹配的目
标掌心图像,若是,则掌纹验证通过。
7.根据权利要求6所述的掌纹验证装置,其特征在于,所述装置还包括:
训练模块,用于在所述利用预先训练好的基准点识别模型从所述待验证图像中识别出
设定数量的基准点之前,获取设定数量的原始样本手掌图像;其中,在每个原始样本手掌图
像中均标注出了所述设定数量的基准点;针对一个原始样本手掌图像,按照预设图像处理
方式缩放、平移和/或旋转所述原始样本手掌图像,以得到至少一个新的样本手掌图像;将
所有的原始样本手掌图像和新的样本手掌图像组成训练样本集;根据所述训练样本集对深
度对齐网络DAN模型进行训练学习,以得到所述基准点识别模型。
8.根据权利要求6所述的掌纹验证装置,其特征在于,所述划分模块,具体用于:
将所述设定数量的基准点设置为点集合,将以所述点集合中的任意两点作为端点所构
成的线段设置为基准线,将所有基准线设置为线集合;针对所述线集合中的一条基准线,若
所述基准线满足,在以所述基准线的两个端点形成的圆内不包含所述点集合中的其他基准
点,则所述基准线为Delaunay边;将任意三条Delaunay边形成的三角区域设置为验证子区
域。
9.一种计算机设备,所述计算机设备包括:存储器、处理器以及存储在所述存储器上并
可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利
要求1至5任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理
器执行时实现权利要求1至5任一项所述方法的步骤。
3
CN 110826452 A
说 明 书
1/8页
一种掌纹验证方法、装置、计算机设备及可读存储介质
技术领域
[0001]
本发明涉及掌纹识别技术领域,具体涉及一种掌纹验证方法、装置、计算机设备及
可读存储介质。
背景技术
[0002]
掌纹是一个相对稳定的生物特征,利用掌纹可以有效识别出人物的身份,传统的
掌纹识别多采用接触式设备,用户需要将手按在设备上,但这对于有洁癖的人来说不太友
好,用户体验较差,而且长期的接触会导致设备污染,影响识别准确性。若去掉设备,直接用
数码相机或者电脑摄像头进行拍照以得到手掌图像,再根据手掌图像进行掌纹识别,则会
存在由于手掌的掌纹特征不明显且手掌姿态较多而导致的掌纹识别准确度较低的问题。
发明内容
[0003]
本发明的目的在于提供一种掌纹验证方法、装置、计算机设备及可读存储介质,可
以实现非接触式的掌纹识别操作,且提高了掌纹识别的准确性。
[0004]
根据本发明的一个方面,提供了一种掌纹验证方法,具体包括以下步骤:
[0005]
当接收到掌纹验证指令时,通过预设摄像头获取待验证图像;其中,所述待验证图
像包括用户的手掌信息;
[0006]
利用预先训练好的基准点识别模型从所述待验证图像中识别出设定数量的基准
点;
[0007]
基于识别出的设定数量的基准点,利用狄罗妮Delaunay三角剖分算法,在所述待
验证图像中划分出多个验证子区域;其中,每个验证子区域均为三边形,且每个验证子区域
的边均为Delaunay边;
[0008]
利用仿射变换算法对每个验证子区域进行位置矫正,以将每个验证子区域矫正到
预设基准面内;
[0009]
将各个矫正后的验证子区域进行拼接以形成掌心验证图像;
[0010]
判断在预设的掌心图像库中是否存在与所述掌心验证图像相匹配的目标掌心图
像,若是,则掌纹验证通过。
[0011]
可选的,在所述利用预先训练好的基准点识别模型从所述待验证图像中识别出设
定数量的基准点之前,所述方法还包括:
[0012]
获取设定数量的原始样本手掌图像;其中,在每个原始样本手掌图像中均标注出
了所述设定数量的基准点;
[0013]
针对一个原始样本手掌图像,按照预设图像处理方式缩放、平移和/或旋转所述原
始样本手掌图像,以得到至少一个新的样本手掌图像;
[0014]
将所有的原始样本手掌图像和新的样本手掌图像组成训练样本集;
[0015]
根据所述训练样本集对深度对齐网络DAN模型进行训练学习,以得到所述基准点
识别模型。
4
CN 110826452 A
[0016]
说 明 书
2/8页
可选的,所述基于识别出的设定数量的基准点,利用狄罗妮Delaunay三角剖分算
法,在所述待验证图像中划分出多个验证子区域,具体包括:
[0017]
将所述设定数量的基准点设置为点集合,将以所述点集合中的任意两点作为端点
所构成的线段设置为基准线,将所有基准线设置为线集合;
[0018]
针对所述线集合中的一条基准线,若所述基准线满足,在以所述基准线的两个端
点形成的圆内不包含所述点集合中的其他基准点,则所述基准线为Delaunay边;
[0019]
将任意三条Delaunay边形成的三角区域设置为验证子区域。
[0020]
可选的,在所述利用仿射变换算法对每个验证子区域进行位置矫正,以将每个验
证子区域矫正到预设基准面内之前,所述方法还包括:
[0021]
获取标准手掌图像;其中,所述标准手掌图像中的手掌信息位于预设基准面内;
[0022]
利用所述基准点识别模型,从所述标准手掌图像中识别出设定数量的基准点;
[0023]
基于所述设定数量的基准点,利用Delaunay三角剖分算法,在所述标准手掌图像
中划分出多个标准手掌子区域。
[0024]
可选的,所述利用仿射变换算法对每个验证子区域进行位置矫正,以将每个验证
子区域矫正到预设基准面内,具体包括:
[0025]
针对一个验证子区域,在所述标准手掌图像中查找到与所述验证子区域对应的标
准手掌子区域;
[0026]
利用仿射变换算法,将所述验证子区域的三个端点映射到查找到的标准手掌子区
域的三个端点处,以使所述验证子区域矫正到预设基准面内。
[0027]
根据本发明的另一个方面,还提供了一种掌纹验证装置,具体包括以下组成部分:
[0028]
获取模块,用于当接收到掌纹验证指令时,通过预设摄像头获取待验证图像;其
中,所述待验证图像包括用户的手掌信息;
[0029]
识别模块,用于利用预先训练好的基准点识别模型从所述待验证图像中识别出设
定数量的基准点;
[0030]
划分模块,用于基于识别出的设定数量的基准点,利用狄罗妮Delaunay三角剖分
算法,在所述待验证图像中划分出多个验证子区域;其中,每个验证子区域均为三边形,且
每个验证子区域的边均为Delaunay边;
[0031]
矫正模块,用于利用仿射变换算法对每个验证子区域进行位置矫正,以将每个验
证子区域矫正到预设基准面内;
[0032]
拼接模块,用于将各个矫正后的验证子区域进行拼接以形成掌心验证图像;
[0033]
验证模块,用于判断在预设的掌心图像库中是否存在与所述掌心验证图像相匹配
的目标掌心图像,若是,则掌纹验证通过。
[0034]
可选的,所述装置还包括:
[0035]
训练模块,用于在所述利用预先训练好的基准点识别模型从所述待验证图像中识
别出设定数量的基准点之前,获取设定数量的原始样本手掌图像;其中,在每个原始样本手
掌图像中均标注出了所述设定数量的基准点;针对一个原始样本手掌图像,按照预设图像
处理方式缩放、平移和/或旋转所述原始样本手掌图像,以得到至少一个新的样本手掌图
像;将所有的原始样本手掌图像和新的样本手掌图像组成训练样本集;根据所述训练样本
集对深度对齐网络DAN模型进行训练学习,以得到所述基准点识别模型。
5
CN 110826452 A
[0036]
说 明 书
3/8页
可选的,所述划分模块,具体用于:
[0037]
将所述设定数量的基准点设置为点集合,将以所述点集合中的任意两点作为端点
所构成的线段设置为基准线,将所有基准线设置为线集合;针对所述线集合中的一条基准
线,若所述基准线满足,在以所述基准线的两个端点形成的圆内不包含所述点集合中的其
他基准点,则所述基准线为Delaunay边;将任意三条Delaunay边形成的三角区域设置为验
证子区域。
[0038]
根据本发明的另一个方面,还提供了一种计算机设备,具体包括:存储器、处理器
以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程
序时实现上述掌纹验证方法的步骤。
[0039]
根据本发明的另一个方面,还提供了一种计算机可读存储介质,其上存储有计算
机程序,所述程序被处理器执行时实现上述掌纹验证方法的步骤。
[0040]
本发明提供的掌纹验证方法、装置、计算机设备及可读存储介质,通过数码相机或
者电脑摄像头对用户的手掌进行拍照以得到待验证图像,不需要用户的手掌与设备进行接
触,采用了一种非接触式的掌纹识别方式;由于在通过预设摄像头获取待验证图像的过程
中,用户的手掌是在三维空间中运动的,所有手掌的摆放姿态比较多样,为了提高掌纹识别
的准确性,在本发明中,利用了现有的比较成熟的仿射变换算法,将处于不同姿态的手掌矫
正到预设的基准面内,从而提高了掌纹识别的准确性。
附图说明
[0041]
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通
技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明
的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
[0042]
图1为实施例一提供的掌纹验证方法的一种可选的流程示意图;
[0043]
图2为实施例二提供的掌纹验证装置的一种可选的程序模块示意图;
[0044]
图3为实施例三提供的计算机设备的一种可选的硬件架构示意图。
具体实施方式
[0045]
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对
本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不
用于限定本发明。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前
提下所获得的所有其他实施例,都属于本发明保护的范围。
[0046]
实施例一
[0047]
本发明实施例提供了一种掌纹验证方法,如图1所示,该方法具体包括以下步骤:
[0048]
步骤S101:当接收到掌纹验证指令时,通过预设摄像头获取待验证图像;其中,所
述待验证图像包括用户的手掌信息。
[0049]
在本实施例中,可通过数码相机或者电脑摄像头对用户的手掌进行拍照以得到待
验证图像。
[0050]
步骤S102:利用预先训练好的基准点识别模型从所述待验证图像中识别出设定数
量的基准点。
6
CN 110826452 A
[0051]
说 明 书
4/8页
具体的,所述设定数量的基准点包括以下九个点:食指与手掌连接线的中心点、中
指与手掌连接线的中心点、无名指与手掌连接线的中心点、小指与手掌连接线的中心点、感
情线在手掌内的两端点、智慧线在手掌内的末端点以及生命线在手掌内的两端点。
[0052]
其中,生命线是由虎口中央起点自然的走向手腕之处的掌纹线;智慧线是由生命
线的起点往掌心方向直至无名指的中垂线处的掌纹线;感情线为从坤位外侧下方走弧形之
线直至中指的中垂线处的掌纹线。
[0053]
在人脸识别场景中,基准点通常为人脸的两个眼睛、嘴角两端和鼻尖这五个点;这
五个基准点是比较明显的特征点,比较容易从人脸图像中确定出来;相对而言,手掌上稳定
的特征点比较难以选择,通过反复试验发现除拇指外,其他四个手指的关节根部的四个中
点比较稳定,另外,三条掌纹线的端点也比较稳定。除了因为这九个基准点是比较明显的特
征点之外,还因为这九个基准点分布在手掌的各个部位,对于后续的掌纹识别是必须的,如
果基准点只分布在手掌的上部或下部,都会导致后续的掌纹识别存在较大误差。
[0054]
进一步的,在步骤S102之前,所述方法还包括:
[0055]
步骤A1:获取设定数量的原始样本手掌图像;其中,在每个原始样本手掌图像中均
标注出了所述设定数量的基准点;
[0056]
步骤A2:针对一个原始样本手掌图像,按照预设图像处理方式缩放、平移和/或旋
转所述原始样本手掌图像,以得到至少一个新的样本手掌图像;
[0057]
步骤A3:将所有的原始样本手掌图像和新的样本手掌图像组成训练样本集;
[0058]
步骤A4:根据所述训练样本集对深度对齐网络DAN模型进行训练学习,以得到所述
基准点识别模型。
[0059]
在本实施例中,通过人工标注的方式对训练样本集中的各个样本手掌图像中的基
准点进行标注,并利用标注好的训练样本集对DAN模型进行训练,再用训练出来的基准点识
别模型进行基准点的预测;由于获取到的原始样本手掌图像的数量有限,为了增加训练样
本集中的样本手掌图像的数量,可以通过对原始样本手掌图像进行图像处理的方式以产生
新的样本手掌图像,从而增加训练样本集的样本数量以及丰富训练样本集的样本多样性;
其中,DAN模型,全称为Deep Align Network,该模型利用了热图的思想并结合了传统的级
联结构,构建了一个回归模型来进行基准点的预测,实验结果显示效果较好,可以将预测的
基准点位置误差控制在3个像素以内。
[0060]
步骤S103:基于识别出的设定数量的基准点,利用狄罗妮Delaunay三角剖分算法,
在所述待验证图像中划分出多个验证子区域;其中,每个验证子区域均为三边形,且每个验
证子区域的边均为Delaunay边。
[0061]
具体的,步骤S103,包括:
[0062]
步骤A1:将所述设定数量的基准点设置为点集合,将以所述点集合中的任意两点
作为端点所构成的线段设置为基准线,将所有基准线设置为线集合;
[0063]
步骤A2:针对所述线集合中的一条基准线,若所述基准线满足,在以所述基准线的
两个端点形成的圆内不包含所述点集合中的其他基准点,则所述基准线为Delaunay边;
[0064]
步骤A3:将任意三条Delaunay边形成的三角区域设置为验证子区域。
[0065]
步骤S104:利用仿射变换算法对每个验证子区域进行位置矫正,以将每个验证子
区域矫正到预设基准面内。
7
CN 110826452 A
[0066]
说 明 书
5/8页
由于在通过预设摄像头获取待验证图像的过程中,用户的手掌是在三维空间中运
动的,所有手掌的摆放姿态比较多样,如果不对手掌的姿态进行校正,在小样本数据量上同
一手掌的差别甚至超过了不同手掌之间的差别。因此,为了提高掌纹识别的准确性,在本实
施例中,利用了现有的比较成熟的仿射变换算法,将处于不同姿态的手掌矫正到预设的基
准面内。
[0067]
具体的,在步骤S104之前,所述方法还包括:
[0068]
步骤B1:获取标准手掌图像;其中,所述标准手掌图像中的手掌信息位于预设基准
面内;
[0069]
步骤B2:利用所述基准点识别模型,从所述标准手掌图像中识别出所述设定数量
的基准点;
[0070]
步骤B3:基于所述设定数量的基准点,利用Delaunay三角剖分算法,在所述标准手
掌图像中划分出多个标准手掌子区域。
[0071]
进一步的,步骤S104,包括:
[0072]
步骤C1:针对一个验证子区域,在所述标准手掌图像中查找到与所述验证子区域
对应的标准手掌子区域;
[0073]
步骤C2:利用仿射变换算法,将所述验证子区域的三个端点映射到查找到的标准
手掌子区域的三个端点处,以使所述验证子区域矫正到预设基准面内。
[0074]
需要说明的是,根据标准手掌图像划分出的标准手掌子区域与根据待验证图像划
分出的验证子区域具有一一对应的关系。
[0075]
步骤S105:将各个矫正后的验证子区域进行拼接以形成掌心验证图像。
[0076]
步骤S106:判断在预设的掌心图像库中是否存在与所述掌心验证图像相匹配的目
标掌心图像,若是,则掌纹验证通过。
[0077]
在所述掌心图像库中存储有多个用户的多个标准掌心图像,每个标准掌心图像均
可根据步骤S101至步骤S105的方法得到。例如,根据一个企业的每个员工的手掌图像提取
得到标准掌心图像,并将每个员工的标准掌心图像存储到掌心图像库中,当该公司利用掌
纹识别进行考勤打卡时,可以将实时获取到的掌心验证图像与掌心图像库中的标准掌心图
像进行逐一匹配,以对员工进行身份验证,从而进行考勤打卡操作;优选的,可以利用卷积
神经网络算法进行图像匹配。
[0078]
实施例二
[0079]
本发明实施例提供了一种掌纹验证装置,如图2所示,该装置具体包括以下组成部
分:
[0080]
获取模块201,用于当接收到掌纹验证指令时,通过预设摄像头获取待验证图像;
其中,所述待验证图像包括用户的手掌信息。
[0081]
在本实施例中,可通过数码相机或者电脑摄像头对用户的手掌进行拍照以得到待
验证图像。
[0082]
识别模块202,用于利用预先训练好的基准点识别模型从所述待验证图像中识别
出设定数量的基准点。
[0083]
具体的,所述设定数量的基准点包括以下九个点:食指与手掌连接线的中心点、中
指与手掌连接线的中心点、无名指与手掌连接线的中心点、小指与手掌连接线的中心点、感
8
CN 110826452 A
说 明 书
6/8页
情线在手掌内的两端点、智慧线在手掌内的末端点以及生命线在手掌内的两端点。
[0084]
其中,生命线是由虎口中央起点自然的走向手腕之处的掌纹线;智慧线是由生命
线的起点往掌心方向直至无名指的中垂线处的掌纹线;感情线为从坤位外侧下方走弧形之
线直至中指的中垂线处的掌纹线。
[0085]
进一步的,所述装置还包括:
[0086]
训练模块,用于在所述利用预先训练好的基准点识别模型从所述待验证图像中识
别出设定数量的基准点之前,获取设定数量的原始样本手掌图像;其中,在每个原始样本手
掌图像中均标注出了所述设定数量的基准点;针对一个原始样本手掌图像,按照预设图像
处理方式缩放、平移和/或旋转所述原始样本手掌图像,以得到至少一个新的样本手掌图
像;将所有的原始样本手掌图像和新的样本手掌图像组成训练样本集;根据所述训练样本
集对深度对齐网络DAN模型进行训练学习,以得到所述基准点识别模型。
[0087]
划分模块203,用于基于识别出的设定数量的基准点,利用狄罗妮Delaunay三角剖
分算法,在所述待验证图像中划分出多个验证子区域;其中,每个验证子区域均为三边形,
且每个验证子区域的边均为Delaunay边。
[0088]
具体的,划分模块203,用于:
[0089]
将所述设定数量的基准点设置为点集合,将以所述点集合中的任意两点作为端点
所构成的线段设置为基准线,将所有基准线设置为线集合;针对所述线集合中的一条基准
线,若所述基准线满足,在以所述基准线的两个端点形成的圆内不包含所述点集合中的其
他基准点,则所述基准线为Delaunay边;将任意三条Delaunay边形成的三角区域设置为验
证子区域。
[0090]
矫正模块204,用于利用仿射变换算法对每个验证子区域进行位置矫正,以将每个
验证子区域矫正到预设基准面内。
[0091]
具体的,所述装置还包括:
[0092]
处理模块,用于在所述利用仿射变换算法对每个验证子区域进行位置矫正,以将
每个验证子区域矫正到预设基准面内之前,获取标准手掌图像;其中,所述标准手掌图像中
的手掌信息位于预设基准面内;利用所述基准点识别模型,从所述标准手掌图像中识别出
设定数量的基准点;基于所述设定数量的基准点,利用Delaunay三角剖分算法,在所述标准
手掌图像中划分出多个标准手掌子区域。
[0093]
进一步的,矫正模块204,具体用于:
[0094]
针对一个验证子区域,在所述标准手掌图像中查找到与所述验证子区域对应的标
准手掌子区域;利用仿射变换算法,将所述验证子区域的三个端点映射到查找到的标准手
掌子区域的三个端点处,以使所述验证子区域矫正到预设基准面内。
[0095]
拼接模块205,用于将各个矫正后的验证子区域进行拼接以形成掌心验证图像。
[0096]
验证模块206,用于判断在预设的掌心图像库中是否存在与所述掌心验证图像相
匹配的目标掌心图像,若是,则掌纹验证通过。
[0097]
实施例三
[0098]
本实施例还提供一种计算机设备,如可以执行程序的智能手机、平板电脑、笔记本
电脑、台式计算机、机架式服务器、刀片式服务器、塔式服务器或机柜式服务器(包括独立的
服务器,或者多个服务器所组成的服务器集群)等。如图3所示,本实施例的计算机设备30至
9
CN 110826452 A
说 明 书
7/8页
少包括但不限于:可通过系统总线相互通信连接的存储器301、处理器302。需要指出的是,
图3仅示出了具有组件301-302的计算机设备30,但是应理解的是,并不要求实施所有示出
的组件,可以替代的实施更多或者更少的组件。
[0099]
本实施例中,存储器301(即可读存储介质)包括闪存、硬盘、多媒体卡、卡型存储器
(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器
(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁
盘、光盘等。在一些实施例中,存储器301可以是计算机设备30的内部存储单元,例如该计算
机设备30的硬盘或内存。在另一些实施例中,存储器301也可以是计算机设备30的外部存储
设备,例如该计算机设备30上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安
全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。当然,存储器301还可以既包括计
算机设备30的内部存储单元也包括其外部存储设备。在本实施例中,存储器301通常用于存
储安装于计算机设备30的操作系统和各类应用软件,例如实施例二的掌纹验证装置的程序
代码等。此外,存储器301还可以用于暂时地存储已经输出或者将要输出的各类数据。
[0100]
处理器302在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、
控制器、微控制器、微处理器、或其他数据处理芯片。该处理器302通常用于控制计算机设备
30的总体操作。
[0101]
具体的,在本实施例中,处理器302用于执行处理器302中存储的掌纹验证方法的
程序,所述掌纹验证方法的程序被执行时实现如下步骤:
[0102]
当接收到掌纹验证指令时,通过预设摄像头获取待验证图像;其中,所述待验证图
像包括用户的手掌信息;
[0103]
利用预先训练好的基准点识别模型从所述待验证图像中识别出设定数量的基准
点;
[0104]
基于识别出的设定数量的基准点,利用狄罗妮Delaunay三角剖分算法,在所述待
验证图像中划分出多个验证子区域;其中,每个验证子区域均为三边形,且每个验证子区域
的边均为Delaunay边;
[0105]
利用仿射变换算法对每个验证子区域进行位置矫正,以将每个验证子区域矫正到
预设基准面内;
[0106]
将各个矫正后的验证子区域进行拼接以形成掌心验证图像;
[0107]
判断在预设的掌心图像库中是否存在与所述掌心验证图像相匹配的目标掌心图
像,若是,则掌纹验证通过。
[0108]
上述方法步骤的具体实施例过程可参见第一实施例,本实施例在此不再重复赘
述。
[0109]
实施例四
[0110]
本实施例还提供一种计算机可读存储介质,如闪存、硬盘、多媒体卡、卡型存储器
(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器
(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁
盘、光盘、服务器、App应用商城等等,其上存储有计算机程序,所述计算机程序被处理器执
行时实现如下方法步骤:
[0111]
当接收到掌纹验证指令时,通过预设摄像头获取待验证图像;其中,所述待验证图
10
CN 110826452 A
说 明 书
8/8页
像包括用户的手掌信息;
[0112]
利用预先训练好的基准点识别模型从所述待验证图像中识别出设定数量的基准
点;
[0113]
基于识别出的设定数量的基准点,利用狄罗妮Delaunay三角剖分算法,在所述待
验证图像中划分出多个验证子区域;其中,每个验证子区域均为三边形,且每个验证子区域
的边均为Delaunay边;
[0114]
利用仿射变换算法对每个验证子区域进行位置矫正,以将每个验证子区域矫正到
预设基准面内;
[0115]
将各个矫正后的验证子区域进行拼接以形成掌心验证图像;
[0116]
判断在预设的掌心图像库中是否存在与所述掌心验证图像相匹配的目标掌心图
像,若是,则掌纹验证通过。
[0117]
上述方法步骤的具体实施例过程可参见第一实施例,本实施例在此不再重复赘
述。
[0118]
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排
他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而
且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有
的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该
要素的过程、方法、物品或者装置中还存在另外的相同要素。
[0119]
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
[0120]
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方
法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下
前者是更佳的实施方式。
[0121]
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发
明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技
术领域,均同理包括在本发明的专利保护范围内。
11
CN 110826452 A
说 明 书 附 图
1/3页
图1
12
CN 110826452 A
说 明 书 附 图
2/3页
图2
13
CN 110826452 A
说 明 书 附 图
3/3页
图3
14
发布评论