申请/专利权人：广州工程技术职业学院

申请日：2023-05-26

公开（公告）日：2024-02-27

公开（公告）号：CN117133022B

主分类号：G06V40/12

分类号：G06V40/12;G06V10/82;G06V10/74

优先权：

专利状态码：有效-授权

法律状态：2024.02.27#授权;2023.12.15#实质审查的生效;2023.11.28#公开

摘要：本发明属于图像处理技术领域，公开了一种彩色图像掌纹识别方法，通过利用Clifford代数函数计算彩色掌纹图像中每个像素点的12个特征值；然后将12个特征值输入训练好的目标掌纹线检测模型，对模型输出的掌纹边缘二值图进行特征提取获得成对几何特征向量，计算成对几何特征向量与候选特征向量的相似度，当相似度达到预设相似度时，确定候选特征向量为匹配结果，从而可以利用Clifford代数函数计算彩色掌纹图像中更高维的特征值，使得提取的掌纹线更加精细化，可以提高识别准确性，同时利用训练好的模型根据12维的特征值来判别边缘点从而提取掌纹边缘线，无需通过卷积神经网络来提取，可以较大幅度的减少计算运行时间。

主权项：1.彩色图像掌纹识别方法，其特征在于，包括：利用Clifford代数函数计算彩色掌纹图像中每个像素点的12个目标特征值；其中，12个目标特征值是根据相应像素点的前、后、左、右四个邻域点的RGB三个分量值以及前、后、左、右、上、下、上左、下右、上上、下下、上上右、下下左十二个方向的邻域点的坐标值计算而得；将12个目标特征值输入训练好的目标掌纹线检测模型，获得所述彩色掌纹图像的掌纹边缘二值图；对所述掌纹边缘二值图进行线性特征提取，获得成对几何特征向量；计算所述成对几何特征向量与候选特征向量的相似度；当相似度达到预设相似度时，确定所述候选特征向量为匹配结果；其中，将12个目标特征值输入训练好的目标掌纹线检测模型，获得所述彩色掌纹图像的掌纹边缘二值图之前，所述方法还包括：获取训练样本图；利用Clifford代数函数计算训练样本图中每个像素点的12个训练特征值；根据所述训练特征值，确定与训练样本图对应的掌纹线标签图；将训练样本图中每个像素点的12个训练特征值及对应的掌纹线标签图输入误差反向传播神经网络进行训练，获得目标掌纹线检测模型；其中，利用Clifford代数函数计算训练样本图中每个像素点的12个训练特征值，包括：为训练样本图中每个像素点构建一个Clifford代数函数，再根据Clifford代数函数的解析性，计算出各个像素点的12个训练特征值；其中，定义像素点的Clifford函数，即十二维向量空间的向量函数fx＝f1e1+f2e2+f3e3+f4e4+f5e5+f6e6+f7e7+f8e8+f9e9+f10e10+f11e11+f12e12；其中，f1,f2,…f12分别作为向量函数虚部e1,e2,…e12上对应的数值，取自对应像素点的前、后、左、右四个邻域点的R、G、B三个分量值；x1,x2,…x12分别对应像素点的前、后、左、右、上、下、上左、下右、上上、下下、上上右、下下左十二个方向的邻域点的坐标值；其中，根据所述训练特征值确定与训练样本图对应的掌纹线标签图，包括：根据所述训练特征值，判断训练样本图中每个像素点是否为训练边缘点；根据所述训练边缘点，确定与训练样本图对应的掌纹线标签图；其中，判断训练样本图中每个像素点是否为训练边缘点的方式具体为：判断每个像素点的各个训练特征值是否小于指定阈值；若像素点的12个训练特征值均小于指定阈值，判定该像素点并非训练边缘点；若像素点的12个训练特征值未均小于指定阈值，判定该像素点为训练边缘点。

全文数据：

权利要求：

百度查询： 广州工程技术职业学院 彩色图像掌纹识别方法及装置、设备、存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD