System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及生物识别,特别是涉及一种静脉设备摄像头模组异常检测的方法和系统。
技术介绍
1、静脉识别技术是通过近红外光对手指指腹或指背区域进行照射,当手指流动血液中的血红蛋白吸收了近红外光后,可以获得指腹或指背静脉图像,再使用特征提取算法从静脉图像中提取出特征值,识别时将提取的特征值数据与之前存储的特征值数据进行比对,给出识别比对的结果,从而达到身份识别的功能。
2、市面上常见的手指静脉识别技术多采用指腹静脉识别技术或指背静脉识别技术,摄像头是静脉设备的核心部件,很大程度上决定了采集到的静脉图像的质量是否合格,因此需要对静脉设备生产线组装后的摄像头模组进行异常检测,将装有异常摄像头模组的静脉设备挑选出来,避免将不合格的静脉设备流入市场,以免造成不良的后果。此外静脉设备摄像头模组在日常使用过程中难免会出现异常,如摄像头异常导致的黑图、横纹图、竖纹图等,当这些异常现象出现时,会影响验证通过率,降低了用户的使用体验。
3、由于当静脉设备中的摄像头模组出现异常后,会影响到静脉设备的认假和拒真等性能指标,为提高用户的使用体验,需要开发静脉设备摄像头模组异常的检测算法,当静脉设备摄像头模组在产线或使用过程中出现异常情况时,可以及时排除潜在风险,亦可针对性的解决模组出现的异常问题。
技术实现思路
1、本专利技术的主要目的是提供一种静脉设备摄像头模组异常检测的方法和系统,可以准确检测静脉设备摄像头模组在产线或使用过程中出现的异常情况。为实现上述目的,本专利技术提供了如下方
2、一种静脉设备摄像头模组异常检测的方法,其包括以下步骤:
3、步骤1.利用静脉设备采集未放置用户手指时的空白图像,所述空白图像中包含近红外灯珠;
4、步骤2.以近红外灯珠为中心构建若干条同心环状分割线,将空白图像划分为若干个同心环状区域;
5、步骤3.以近红外灯珠为中心构建若干条径向角度分割线,将空白图像划分为若干个径向角度区域;
6、步骤4.根据同心环状分割线和径向角度分割线构建检测单元,根据检测单元的灰度判断所述静脉设备的摄像头是否异常。
7、优选地,步骤2中将空白图像划分为若干个同心环状区域的方法为:以近红外灯珠为中心点构建若干个同心圆,所述同心圆为同心环状分割线,相邻同心圆之间的区域为同心环状区域。
8、优选地,步骤3中将空白图像划分为若干个径向角度区域的方法为:以近红外灯珠为中心点,沿所述同心圆的半径方向构建若干角度分割线,相邻角度分割线之间的区域为径向角度区域。
9、优选地,步骤4中的检测单元为同心环状分割线和径向角度分割线围合形成的区域。
10、优选地,步骤4根据检测单元的灰度判断所述静脉设备的摄像头是否异常包括:
11、步骤4.1.依次计算每个检测单元的灰度平均值,判断摄像头采集的图像是否为黑图,若不是,则进入步骤4.2,反之停止检测;
12、步骤4.2.依次计算同心环状区域内相邻两个检测单元的灰度梯度,判断摄像头采集的图像是否为横纹或竖纹图像,若不是,则进入步骤4.3,反之停止检测;
13、步骤4.3.依次计算径向角度区域相邻两个检测单元的灰度梯度值,判断摄像头采集的图像是否为水波纹或雪花纹图像。
14、优选地,步骤4.1判断摄像头采集的图像是否为黑图的步骤为:
15、步骤4.1.1.设定灰度阈值,依次计算每个检测单元的灰度平均值,若检测单元的灰度平均值小于灰度阈值,则对该检测单元进行第一异常标记;
16、步骤4.1.2.统计第一异常标记检测单元的数量;
17、步骤4.1.3.设定第一比例阈值,计算第一异常标记的检测单元的数量占全部检测单元的数量的比值,若所述比值大于第一比例阈值,则判断摄像头采集的图像是否为黑图。
18、优选地,步骤4.2判断摄像头采集的图像是否为横纹或竖纹图像的步骤为:
19、步骤4.2.1.设定第一梯度阈值,依次计算每个检测单元与其同心环状区域内相邻的两个检测单元的灰度梯度绝对值的平均值,若其大于第一梯度阈值,则对该检测单元进行第二异常标记;
20、步骤4.2.2.统计每个同心环状区域内第二异常标记的检测单元的数量;
21、步骤4.2.3.确定目标同心环状区域,所述目标同心环状区域内第二异常标记的检测单元的数量大于第一异常标记检测单元的数量;
22、步骤4.2.4.设定第二比例阈值,将目标同心环状区域内的第二异常标记的检测单元的中心点两两连线,统计连线经过同心圆中心点的第二异常标记的检测单元的数量占全部检测单元的数量的比值,若所述比值大于第二比例阈值,则判断摄像头采集的图像是否为横纹或竖纹图像。
23、优选地,步骤4.3中判断摄像头采集的图像是否为水波纹或雪花纹图像的步骤为:
24、步骤4.3.1.设定第二梯度阈值,依次计算每个检测单元与其径向角度区域内相邻的两个检测单元的灰度梯度绝对值的平均值,若其大于第二梯度阈值,则对该检测单元进行第三异常标记;
25、步骤4.3.2.设定第三比例阈值,计算第三异常标记的检测单元的数量占全部检测单元的数量的比值,若所述比值大于第三比例阈值,则判断摄像头采集的图像是为水波纹或雪花纹图像。
26、优选地,在利用静脉设备采集未放置用户手指时的空白图像后,对空白图像进行质量检测,确定其为合格的空白图像。
27、为解决上述技术问题,本申请还提供一种静脉设备摄像头模组异常检测的系统,包括:
28、采集模块:利用静脉设备采集未放置用户手指时的空白图像,所述空白图像中包含近红外灯珠;
29、同心环状区域分割模块:以近红外灯珠为中心构建若干条同心环状分割线,将空白图像划分为若干个同心环状区域;
30、径向角度区域分割模块:以近红外灯珠为中心构建若干条径向角度分割线,将空白图像划分为若干个径向角度区域;
31、异常判断模块:根据同心环状分割线和径向角度分割线构建检测单元,根据检测单元的灰度判断所述静脉设备的摄像头是否异常。
32、本专利技术利用静脉设备采集未放置用户手指时的空白图像,并利用静脉设备的光强分布的同心环状区域以及基于同心圆的径向角度区域的灰度信息构建了静脉设备摄像头异常检测算法模型,可以对摄像头出现的黑图、横纹、竖纹、水波纹和雪花状图像进行有效检测。当静脉设备摄像头模组在产线或使用过程中出现异常情况时,将静脉设备异常的检测结果反馈给用户或售后机构,进而可针对性的解决模组出现的异常现象,提高了用户的使用体验,排除潜在风险。
本文档来自技高网...【技术保护点】
1.一种静脉设备摄像头模组异常检测的方法,其特征在于,所述方法包括:
2.根据权利要求1所述的静脉设备摄像头模组异常检测的方法,其特征在于,所述步骤2中将空白图像划分为若干个同心环状区域的方法为:以近红外灯珠为中心点构建若干个同心圆,所述同心圆为同心环状分割线,相邻同心圆之间的区域为同心环状区域。
3.根据权利要求2所述的静脉设备摄像头模组异常检测的方法,其特征在于,所述步骤3中将空白图像划分为若干个径向角度区域的方法为:以近红外灯珠为中心点,沿所述同心圆的半径方向构建若干角度分割线,相邻角度分割线之间的区域为径向角度区域。
4.根据权利要求3所述的静脉设备摄像头模组异常检测的方法,其特征在于,所述步骤4中的检测单元为同心环状分割线和径向角度分割线围合形成的区域。
5.根据权利要求4所述的静脉设备摄像头模组异常检测的方法,其特征在于,所述步骤4根据检测单元的灰度判断所述静脉设备的摄像头是否异常包括:
6.根据权利要求5所述的静脉设备摄像头模组异常检测的方法,其特征在于,所述步骤4.1判断摄像头采集的图像是否为黑图的步骤为
7.根据权利要求6所述的静脉设备摄像头模组异常检测的方法,其特征在于,所述步骤4.2判断摄像头采集的图像是否为横纹或竖纹图像的步骤为:
8.根据权利要求5所述的静脉设备摄像头模组异常检测的方法,其特征在于,所述步骤4.3中判断摄像头采集的图像是否为水波纹或雪花纹图像的步骤为:
9.根据权利要求1所述的静脉设备摄像头模组异常检测的方法,其特征在于,在利用静脉设备采集未放置用户手指时的空白图像后,对空白图像进行质量检测,确定其为合格的空白图像。
10.一种静脉设备摄像头模组异常检测的系统,其特征在于,包括:
...【技术特征摘要】
1.一种静脉设备摄像头模组异常检测的方法,其特征在于,所述方法包括:
2.根据权利要求1所述的静脉设备摄像头模组异常检测的方法,其特征在于,所述步骤2中将空白图像划分为若干个同心环状区域的方法为:以近红外灯珠为中心点构建若干个同心圆,所述同心圆为同心环状分割线,相邻同心圆之间的区域为同心环状区域。
3.根据权利要求2所述的静脉设备摄像头模组异常检测的方法,其特征在于,所述步骤3中将空白图像划分为若干个径向角度区域的方法为:以近红外灯珠为中心点,沿所述同心圆的半径方向构建若干角度分割线,相邻角度分割线之间的区域为径向角度区域。
4.根据权利要求3所述的静脉设备摄像头模组异常检测的方法,其特征在于,所述步骤4中的检测单元为同心环状分割线和径向角度分割线围合形成的区域。
5.根据权利要求4所述的静脉设备摄像头模组异常检测的方法...
【专利技术属性】
技术研发人员:辛传贤,杨爽,李学双,赵国栋,
申请(专利权)人:江苏圣点世纪科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。