掌纹识别方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术提供一种掌纹识别方法、装置、电子设备及存储介质，掌纹识别方法，包括：获取待识别掌纹图像；对所述待识别掌纹图像的尺寸进行处理，使得所述待识别掌纹图像的尺寸满足目标尺寸，再对所述待识别掌纹图像进行归一化处理，得到预处理图像；将所述预处理图像输入至训练好的特征提取网络模型，得到掌纹特征序列；将所述掌纹特征序列与预设的掌纹库进行匹配，从所述掌纹库中确定匹配的掌纹图像。本发明专利技术提供的掌纹识别方法、装置、电子设备及存储介质，可以解决现有技术中掌纹识别与匹配耗时长的缺陷，实现降低掌纹识别与匹配的耗时，提高掌纹识别与匹配的效率。高掌纹识别与匹配的效率。高掌纹识别与匹配的效率。

【技术实现步骤摘要】
掌纹识别方法、装置、电子设备及存储介质


[0001]本专利技术涉及生物特征识别
，尤其涉及一种掌纹识别方法、装置、电子设备及存储介质。

技术介绍

[0002]掌纹识别可以应用到身份验证与身份识别等领域，如考勤系统、人员出入管理方面的应用、公共安全方面的应用(如门禁系统)、银行及信用卡方面的应用、电子商务中的个人身份鉴别、户籍、身份证管理方面的应用、对机密信息的存取控制(包括计算机网络中的信息访问控制)。主要采用传统图像处理方法，提取掌纹特征，通过特征匹配，实现掌纹的识别。
[0003]相对于指纹图像而言，掌纹图像较大，因此在提取掌纹图像特征的过程中，计算量较大，速度与指纹识别相比慢几十倍。在刑侦领域，掌纹的识别过程中，用待识别的掌纹与掌纹库中的掌纹进行匹配，即使是小的掌纹库也有10万张以上掌纹，特征提取与匹配所消耗的时间过于庞大，因此该种方法易用性极差，应用场景存在局限性。

技术实现思路

[0004]本专利技术提供一种掌纹识别方法、装置、电子设备及存储介质，用以解决现有技术中掌纹识别与匹配耗时长的缺陷，实现降低掌纹识别与匹配的耗时，提高掌纹识别与匹配的效率。
[0005]本专利技术提供一种掌纹识别方法，包括：
[0006]获取待识别掌纹图像；
[0007]对所述待识别掌纹图像的尺寸进行处理，使得所述待识别掌纹图像的尺寸满足目标尺寸，再对所述待识别掌纹图像进行归一化处理，得到预处理图像；
[0008]将所述预处理图像输入至训练好的特征提取网络模型，得到掌纹特征序列；
[0009]将所述掌纹特征序列与预设的掌纹库进行匹配，从所述掌纹库中确定匹配的掌纹图像。
[0010]根据本专利技术提供的掌纹识别方法，所述对所述待识别掌纹图像的尺寸进行处理，使得所述待识别掌纹图像的尺寸满足目标尺寸，再对所述待识别掌纹图像进行归一化处理，得到预处理图像，包括：
[0011]在所述待识别掌纹图像的尺寸大于所述目标尺寸的情况下，对所述待识别掌纹图像进行缩放；
[0012]在所述待识别掌纹图像的尺寸小于所述目标尺寸的情况下，将所述待识别掌纹图像与所述目标尺寸之间的缺失部分进行补齐；
[0013]将完成缩放或者补齐后的待识别掌纹图像进行归一化处理，得到所述预处理图像。
[0014]根据本专利技术提供的掌纹识别方法，所述特征提取网络模型包括卷积层、池化层和
全连接层。
[0015]根据本专利技术提供的掌纹识别方法，所述特征提取网络模型通过如下步骤训练得到：
[0016]将预设训练集中的多张掌纹图像，依次输入至卷积层，得到多个掌纹特征；
[0017]将所述多个掌纹特征输入至池化层，进行下采样处理，得到多个下采样特征；
[0018]将所述多个下采样特征输入至所述全连接层，对所述多个下采样特征进行分类，得到各类别下采样特征对应的概率值，并确定最大概率值对应的下采样特征类别为分类结果；
[0019]基于预设的损失函数，将所述分类结果与预设的标记类别进行比对，确定对所述多个下采样特征进行分类的分类失败率；
[0020]基于所述分类失败率，调整所述卷积层、所述池化层以及所述全连接层的网络参数。
[0021]根据本专利技术提供的掌纹识别方法，所述卷积层包含有多层标准化层。
[0022]根据本专利技术提供的掌纹识别方法，所述将所述掌纹特征序列与预设的掌纹库进行匹配，从所述掌纹库中确定匹配的掌纹图像，包括：
[0023]将所述掌纹特征序列与预设的掌纹库进行匹配，计算得到匹配分数；
[0024]将所述掌纹库中，匹配分数最大值所对应的掌纹图像，作为匹配的掌纹图像。
[0025]本专利技术还提供一种掌纹识别装置，包括：
[0026]获取模块，用于获取待识别掌纹图像；
[0027]预处理模块，用于对所述待识别掌纹图像的尺寸进行处理，使得所述待识别掌纹图像的尺寸满足目标尺寸，再对所述待识别掌纹图像进行归一化处理，得到预处理图像；
[0028]特征提取模块，用于将所述预处理图像输入至训练好的特征提取网络模型，得到掌纹特征序列；
[0029]匹配模块，用于将所述掌纹特征序列与预设的掌纹库进行匹配，从所述掌纹库中确定匹配的掌纹图像。
[0030]本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在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如上述任一种所述掌纹识别方法的步骤。
[0031]本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述掌纹识别方法的步骤。
[0032]本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述掌纹识别方法的步骤。
[0033]本专利技术提供的掌纹识别方法、装置、电子设备及存储介质，通过
[0034]在对待识别掌纹图像进行特征提取之前，需要对待识别掌纹图像进行尺寸变化以及归一化等预处理操作，降低待识别掌纹图像的数据大小，在对待识别掌纹图像进行掌纹特征提取和识别的时候，可以降低掌纹提取和识别所需的时间，提高掌纹识别的效率。
[0035]传统的掌纹识别方法通常包括如下三种：第一种是建立二维坐标系，分别计算二维坐标系下掌纹特征点的位置及方向，最后通过掌纹特征序列进行匹配，实现掌纹识别。第二种，是通过传统图像处理算法，计算掌纹纹线方向，计算纹线的方向场，通过掌纹与掌纹
之间方向场的不同实现掌纹的识别。第三种，是通过计算掌纹图像纹理局部极值点，以极值点特征作为掌纹特征，通过特征匹配，实现掌纹识别。
[0036]这些传统的掌纹识别方法，识别掌纹图像的过程十分复杂，且耗时长，而本专利技术提供的掌纹识别方法中，是基于训练好的特征提取网络模型进行掌纹特征提取，特征提取网络模型是一款神经网络模型，提取掌纹特征的效率更高，速度更快。
[0037]因此，本专利技术提供的掌纹识别方法、装置、电子设备及存储介质，可以解决现有技术中掌纹识别与匹配耗时长的缺陷，实现降低掌纹识别与匹配的耗时，提高掌纹识别与匹配的效率。
附图说明
[0038]为了更清楚地说明本专利技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0039]图1是本专利技术提供的掌纹识别方法的流程示意图之一；
[0040]图2是本专利技术提供的掌纹识别方法的流程示意图之二；
[0041]图3是本专利技术提供的掌纹识别装置的结构示意图；
[0042]图4是本专利技术提供的电子设备的结构示意图。
具体实施方式
[0043]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术中的附图，对本专利技术中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种掌纹识别方法，其特征在于，包括：获取待识别掌纹图像；对所述待识别掌纹图像的尺寸进行处理，使得所述待识别掌纹图像的尺寸满足目标尺寸，再对所述待识别掌纹图像进行归一化处理，得到预处理图像；将所述预处理图像输入至训练好的特征提取网络模型，得到掌纹特征序列；将所述掌纹特征序列与预设的掌纹库进行匹配，从所述掌纹库中确定匹配的掌纹图像。2.根据权利要求1所述的掌纹识别方法，其特征在于，所述对所述待识别掌纹图像的尺寸进行处理，使得所述待识别掌纹图像的尺寸满足目标尺寸，再对所述待识别掌纹图像进行归一化处理，得到预处理图像，包括：在所述待识别掌纹图像的尺寸大于所述目标尺寸的情况下，对所述待识别掌纹图像进行缩放；在所述待识别掌纹图像的尺寸小于所述目标尺寸的情况下，将所述待识别掌纹图像与所述目标尺寸之间的缺失部分进行补齐；将完成缩放或者补齐后的待识别掌纹图像进行归一化处理，得到所述预处理图像。3.根据权利要求1所述的掌纹识别方法，其特征在于，所述特征提取网络模型包括卷积层、池化层和全连接层。4.根据权利要求3所述的掌纹识别方法，其特征在于，所述特征提取网络模型通过如下步骤训练得到：将预设训练集中的多张掌纹图像，依次输入至卷积层，得到多个掌纹特征；将所述多个掌纹特征输入至池化层，进行下采样处理，得到多个下采样特征；将所述多个下采样特征输入至所述全连接层，对所述多个下采样特征进行分类，得到各类别下采样特征对应的概率值，并确定最大概率值对应的下采样特征类别为分类结果；基于预设的损失函数，将所述分类结果与预设的标记类别进行比对，确定对所述多个下采样特征进...

【专利技术属性】
技术研发人员：刘晓春，何岸花，王贤良，孟凡军，
申请(专利权)人：北京海鑫科金高科技股份有限公司，
类型：发明
国别省市：