对象识别方法、装置、电子设备和计算机可读存储介质制造方法及图纸

本发明专利技术实施例公开了一种对象识别方法、装置、电子设备和计算机可读存储介质；本申请实施例在获取待识别对象的手部图像，并在手部图像中识别出候选掌纹区域后，提取候选掌纹区域中多个尺度的掌纹检测区域的图像，以作为掌纹检测图像，然后，对掌纹检测图像进行频域转换，得到频谱信息，并在频谱信息中提取出频域特征，在掌纹检测图像中提取出时域特征，并将掌纹检测图像的时域特征与频域特征进行融合，得到每一掌纹检测图像的目标掌纹特征，然后，基于目标掌纹特征对待识别对象进行识别，得到待识别对象的识别结果；该方案可以提升对象识别的准确率。的准确率。的准确率。

【技术实现步骤摘要】
对象识别方法、装置、电子设备和计算机可读存储介质


[0001]本专利技术涉及图像处理领域，具体涉及一种对象识别方法、装置、电子设备和计算机可读存储介质。

技术介绍

[0002]近年来，随着互联网技术的飞速发展，掌纹识别技术成为继面部（人脸）识别技术以后的新一代生物特征识别技术。相较于面部识别技术，掌纹因其隐蔽性，更有利于保护隐私，同时不会受到口罩、化妆、墨镜等外部因素的影响。因此，可以将掌纹识别技术应用于对象识别。现有的采用掌纹进行对象识别的方法往往基于待识别对象的掌纹图像中的几何特征或纹理特征进行识别。
[0003]在对现有技术的研究和实践过程中，本申请的专利技术人发现几何特征和纹理特征均属于掌纹图像的时域特征，而对于一些高相似度的掌纹（比如，同卵双胞胎的掌纹或者其他相似度较高的掌纹）在时域特征上的差异非常小，因此，导致对象识别的准确率较低。

技术实现思路

[0004]本专利技术实施例提供一种对象识别方法、装置、电子设备和计算机可读存储介质，可以提高对象识别的准确率。
[0005]一种对象识别方法，包括：获取待识别对象的手部图像，并在所述手部图像中识别出候选掌纹区域；提取所述候选掌纹区域中多个尺度的掌纹检测区域的图像，以作为掌纹检测图像；对所述掌纹检测图像进行频域转换，得到频谱信息，并在所述频谱信息中提取出频域特征；在所述掌纹检测图像中提取出时域特征，并将所述掌纹检测图像的时域特征与频域特征进行融合，得到每一掌纹检测图像的目标掌纹特征；基于所述目标掌纹特征对所述待识别对象进行识别，得到所述待识别对象的识别结果。
[0006]相应的，本专利技术实施例提供一种对象识别装置，包括：获取单元，用于获取待识别对象的手部图像，并在所述手部图像中识别出候选掌纹区域；提取单元，用于提取所述候选掌纹区域中多个尺度的掌纹检测区域的图像，以作为掌纹检测图像；转换单元，用于对所述掌纹检测图像进行频域转换，得到频谱信息，并在所述频谱信息中提取出频域特征；融合单元，用于在所述掌纹检测图像中提取出时域特征，并将所述掌纹检测图像的时域特征与频域特征进行融合，得到每一掌纹检测图像的目标掌纹特征；
识别单元，用于基于所述目标掌纹特征对所述待识别对象进行识别，得到所述待识别对象的识别结果。
[0007]在一些实施例中，所述获取单元，具体可以用于在所述手部图像中检测出多个手部关键点；基于所述手部关键点的位置，确定所述手部图像中的候选掌纹中心点；根据所述候选掌纹中心点的位置，在所述手部图像中识别出候选掌纹区域。
[0008]在一些实施例中，所述获取单元，具体可以用于根据所述手部关键点的位置，确定所述手部关键点之间的关键点距离；基于所述手部关键点的位置，在所述手部图像中构建出局部坐标系；根据所述关键点距离，在所述局部坐标系中识别出候选掌纹中心点。
[0009]在一些实施例中，所述获取单元，具体可以用于基于所述食指指缝关键点的位置和所述无名指指缝关键点的位置，确定所述手部图像中局部坐标系的横坐标轴；根据所述中指指缝关键点的位置，确定所述手部图像中局部坐标系的纵坐标轴；基于所述横坐标轴和纵坐标轴，在所述手部图像中构建出局部坐标系。
[0010]在一些实施例中，所述获取单元，具体可以用于在所述手部图像中确定出所述局部坐标系的坐标原点；在所述关键点距离中筛选出所述食指指缝关键点与所述无名指指缝关键点之间的目标关键点距离；在所述纵坐标轴的负方向上识别出与所述坐标原点的距离为所述目标关键点距离的位置点，得到候选掌纹中心点。
[0011]在一些实施例中，所述获取单元，具体可以用于基于所述关键点距离，确定候选掌纹区域的区域边长，并将所述候选掌纹中心点作为所述候选掌纹区域的区域中心；根据所述区域边长和所述区域中心，在所述手部图像中划分出所述候选掌纹区域。
[0012]在一些实施例中，所述提取单元，具体可以用于基于所述区域边长，确定多个不同尺寸的采样区域边长，所述采样区域边长小于等于所述区域边长；根据所述采样区域边长和所述候选掌纹区域的区域中心，在所述候选掌纹区域中采样出多个尺度的掌纹检测区域；在所述手部图像中裁剪出每一掌纹检测区域对应的初始掌纹检测图像，并将所述初始掌纹检测图像的图像尺寸调整至同一尺寸，得到每一掌纹检测区域对应的掌纹检测图像。
[0013]在一些实施例中，所述识别单元，具体可以用于在所述目标掌纹特征中提取出所述待识别对象的对象特征；计算所述对象特征与候选对象集合中每一候选对象的候选对象特征之间的特征相似度；基于所述特征相似度，在所述候选对象集合中筛选出目标对象，并将所述目标对象的对象标识作为所述待识别对象的识别结果。
[0014]在一些实施例中，所述转换单元，具体可以用于采用对象识别模型的频域特征提取网络在所述频谱信息中提取出频域特征；所述在所述掌纹检测图像中提取出时域特征，包括：采用所述对象识别模型的时域特征提取网络在所述掌纹检测图像中提取出时域特征。
[0015]在一些实施例中，所述对象识别装置还可以包括训练单元，所述训练单元，具体可以用于获取训练样本集，所述训练样本集包括样本对象集合中每一样本对象对应的多个掌纹检测图像样本；采用预设对象识别模型对所述掌纹检测图像样本进行特征提取，得到每一掌纹检测图像样本的样本时域特征和样本频域特征；将所述样本时域特征和样本频域特征进行拼接，得到样本融合特征，并采用所述预设对象识别模型在所述样本融合特征中提取出每一样本对象的样本对象特征； 根据所述样本时域特征、样本频域特征和样本对象特征，确定所述预设对象识别模型的对象识别损失，并基于所述对象识别损失对所述预设对
象识别模型进行收敛，得到对象识别模型。
[0016]在一些实施例中，所述训练单元，具体可以用于根据所述样本对象特征和预设附加角度裕度，确定所述训练样本集对应的分类损失；基于所述样本时域特征和所述样本频域特征，确定所述训练样本集对应的类别约束损失；将所述分类损失和所述类别约束损失进行融合，得到所述预设对象识别模型对应的对象识别损失。
[0017]在一些实施例中，所述训练单元，具体可以用于计算所述样本时域特征之间的特征相似度，得到时域特征相似度，所述时域特征相似度包括同类时域特征相似度和异类时域特征相似度；计算所述样本频域特征之间的特征相似度，得到频域特征相似度，所述频域特征相似度包括同类频域特征相似度和异类频域特征相似度；基于所述同类时域特征相似度和同类频域特征相似度，确定所述训练样本集对应的同类约束损失；根据所述异类时域特征相似度和异类频域特征相似度，确定所述训练样本集对应的异类约束损失；将所述同类约束损失和所述异类约束损失进行融合，得到所述训练样本集对应的类别约束损失。
[0018]在一些实施例中，所述训练单元，具体可以用于计算所述样本频域特征之间的特征相似度，得到初始频域特征相似度；在所述初始频域特征相似度中筛选出同一对象样本对应的初始频域特征相似度，得到同类频域特征相似度；在所述初始频域特征相似度中筛选出不同对象样本对应的初始频域特征相似度，得到异类频域特本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种对象识别方法，其特征在于，包括：获取待识别对象的手部图像，并在所述手部图像中识别出候选掌纹区域；提取所述候选掌纹区域中多个尺度的掌纹检测区域的图像，以作为掌纹检测图像；对所述掌纹检测图像进行频域转换，得到频谱信息，并在所述频谱信息中提取出频域特征；在所述掌纹检测图像中提取出时域特征，并将所述掌纹检测图像的时域特征与频域特征进行融合，得到每一掌纹检测图像的目标掌纹特征；基于所述目标掌纹特征对所述待识别对象进行识别，得到所述待识别对象的识别结果。2.根据权利要求1所述的对象识别方法，其特征在于，所述在所述手部图像中识别出候选掌纹区域，包括：在所述手部图像中检测出多个手部关键点；基于所述手部关键点的位置，确定所述手部图像中的候选掌纹中心点；根据所述候选掌纹中心点的位置，在所述手部图像中识别出候选掌纹区域。3.根据权利要求2所述的对象识别方法，其特征在于，所述基于所述手部关键点的位置，确定所述手部图像中的候选掌纹中心点，包括：根据所述手部关键点的位置，确定所述手部关键点之间的关键点距离；基于所述手部关键点的位置，在所述手部图像中构建出局部坐标系；根据所述关键点距离，在所述局部坐标系中识别出候选掌纹中心点。4.根据权利要求3所述的对象识别方法，其特征在于，所述手部关键点包括食指指缝关键点、中指指缝关键点和无名指指缝关键点，所述基于所述手部关键点的位置，在所述手部图像中构建出局部坐标系，包括：基于所述食指指缝关键点的位置和所述无名指指缝关键点的位置，确定所述手部图像中局部坐标系的横坐标轴；根据所述中指指缝关键点的位置，确定所述手部图像中局部坐标系的纵坐标轴；基于所述横坐标轴和纵坐标轴，在所述手部图像中构建出局部坐标系。5.根据权利要求4所述的对象识别方法，其特征在于，所述根据所述关键点距离，在所述局部坐标系中识别出候选掌纹中心点，包括：在所述手部图像中确定出所述局部坐标系的坐标原点；在所述关键点距离中筛选出所述食指指缝关键点与所述无名指指缝关键点之间的目标关键点距离；在所述纵坐标轴的负方向上识别出与所述坐标原点的距离为所述目标关键点距离的位置点，得到候选掌纹中心点。6.根据权利要求3所述的对象识别方法，其特征在于，所述根据所述候选掌纹中心点的位置，在所述手部图像中识别出候选掌纹区域，包括：基于所述关键点距离，确定候选掌纹区域的区域边长，并将所述候选掌纹中心点作为所述候选掌纹区域的区域中心；根据所述区域边长和所述区域中心，在所述手部图像中划分出所述候选掌纹区域。7.根据权利要求6所述的对象识别方法，其特征在于，所述提取所述候选掌纹区域中多
个尺度的掌纹检测区域的图像，以作为掌纹检测图像，包括：基于所述区域边长，确定多个不同尺寸的采样区域边长，所述采样区域边长小于等于所述区域边长；根据所述采样区域边长和所述候选掌纹区域的区域中心，在所述候选掌纹区域中采样出多个尺度的掌纹检测区域；在所述手部图像中裁剪出每一掌纹检测区域对应的初始掌纹检测图像，并将所述初始掌纹检测图像的图像尺寸调整至同一尺寸，得到每一掌纹检测区域对应的掌纹检测图像。8.根据权利要求1至7任一项所述的对象识别方法，其特征在于，所述基于所述目标掌纹特征对所述待识别对象进行识别，得到所述待识别对象的识别结果，包括：在所述目标掌纹特征中提取出所述待识别对象的对象特征；计算所述对象特征与候选对象集合中每一候选对象的候选对象特征之间的特征相似度；基于所述特征相似度，在所述候选对象集合中筛选出目标对象，并将所述目标对象的对象标识作为所述待识别对象的识别结果。9.根据权利要求1至7任一项所述的对象识别方法，其特征在于，所述在所述频谱信息中提取出频域特征，包括：采用对象识别模型的频域特征提取网络在所述频谱信息中提取出频域特征；所述在所述掌纹检测图像中提取出时域特征，包括：采用所述对象识别模型的时域特征提取网络在所述掌纹检测图像中提取出时域特征。10.根据权利要求9所述的...

【专利技术属性】
技术研发人员：沈雷，张睿欣，丁守鸿，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：