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】
本申请实施例涉及计算机,特别涉及一种掌部图像的识别方法、装置、设备、存储介质及程序产品。
技术介绍
1、随着计算机技术的发展,掌部识别技术应用越来越广泛,可以应用于多种场景下。例如,支付场景或上班打卡场景等,通过掌部识别,可以对用户身份进行验证。
2、相关技术中,用户在刷掌部时,掌部识别设备采集掌部图像,掌部图像识别设备将掌部图像进行加密处理,并通过网络传输到掌部识别服务器,掌部识别服务器对掌部图像进行解密并识别,从而完成身份识别。
3、在掌部识别设备对掌部图像进行加密处理的过程中,掌部识别设备对整个掌部图像进行加密,耗费了较多的时间,降低了掌部识别的效率。
技术实现思路
1、本申请提供了一种掌部图像的识别方法、装置、设备、存储介质及程序产品,所述技术方案如下:
2、根据本申请的一方面,提供了一种掌部图像的识别方法,所述方法包括:
3、对获取的掌部图像进行特征提取,得到所述掌部图像对应的不同尺度的图像特征;
4、将所述不同尺度的图像特征进行特征融合,得到图像融合特征;基于所述图像融合特征进行预测,得到所述掌部图像中掌部对应的掌部框;
5、基于所述掌部框,在所述掌部图像中裁剪得到所述掌部对应的掌部框图像;
6、将所述掌部框图像进行图像加密处理,得到加密掌部框图像,所述加密掌部框图像用于被发送至掌部识别服务器中进行解密和掌部对比识别处理,得到所述掌部图像对应的对象标识。
7、在一种可能的实现
8、顺序连接所述手指缝点,得到手指缝点连线;
9、基于所述手指缝点连线,在所述红外图像中裁剪得到所述掌部区域。
10、根据本申请的一方面,提供了一种掌部检测模型的训练方法,所述方法包括:
11、获取样本掌部图像和样本掌部框图像;
12、对获取的样本掌部图像进行特征提取,得到所述样本掌部图像对应的不同尺度的图像特征;
13、将所述不同尺度的图像特征进行特征融合,得到图像融合特征;基于所述图像融合特征进行预测,得到所述样本掌部图像中掌部对应的预测掌部框;
14、基于所述预测掌部框,在所述样本掌部图像中裁剪得到所述掌部对应的预测掌部框图像;
15、基于所述样本掌部框图像及所述预测掌部框图像,计算损失函数值;
16、基于所述损失函数值对所述掌部检测模型的模型参数进行更新。
17、在一种可能的实现方式中,所述掌部检测模型包括主干网络;将所述样本掌部图像输入至所述主干网络进行切片操作,得到不同尺度的切片图像;
18、对所述不同尺度的切片图像进行特征提取,得到所述样本掌部图像对应的不同尺度的所述图像特征。
19、在一种可能的实现方式中,将所述样本掌部图像中的像素点进行隔至少一列取样并进行拼接,得到所述不同尺度的切片图像。
20、在一种可能的实现方式中,所述掌部检测模型包括颈部网络;将所述不同尺度的图像特征输入至所述颈部网络进行特征融合,得到图像融合特征。
21、在一种可能的实现方式中,将所述不同尺度的图像特征由小尺度到大尺度进行上采样,得到语义图像特征;
22、将不同尺度的图像特征由大尺度到小尺度进行下采样,得到位置图像特征;
23、将所述语义图像特征和所述位置图像特征进行特征融合,得到所述图像融合特征。
24、在一种可能的实现方式中,所述掌部检测模型包括预测网络;将所述图像融合特征进行网格划分,得到网格图像融合特征;
25、将所述网格融合特征输入至所述预测网络中对每个网格进行预测处理,得到所述预测掌部框。
26、在一种可能的实现方式中,所述掌部识别设备设置有红外摄像头;
27、获取同一掌部对应的红外图像,所述红外图像是指所述红外摄像头基于红外光对所述掌部成像所得到的图像;
28、对所述红外图像进行区域识别处理,确定所述红外图像上的掌部区域;
29、在一种可能的实现方式中,基于所述预测掌部框和所述红外图像上的所述掌部区域的交集,在所述样本掌部图像中裁剪得到所述掌部对应的所述预测掌部框图像。
30、在一种可能的实现方式中,对所述红外图像中的手指缝点进行检测,基于所述手指缝点确定所述红外图像上的所述掌部区域。
31、在一种可能的实现方式中,获取所述红外图像中的至少三个手指缝点;
32、顺序连接所述手指缝点,得到手指缝点连线;
33、基于所述手指缝点连线,在所述红外图像中裁剪得到所述掌部区域。
34、在一种可能的实现方式中,获取所述样本掌部图像中的所述预测掌部框的坐标参数,以及获取所述红外图像的中的所述掌部区域的坐标参数;
35、基于所述预测掌部框的坐标参数与所述掌部区域的坐标参数的交集,在所述样本掌部图像中裁剪得到所述掌部对应的所述预测掌部框图像。
36、根据本申请的一方面,提供了一种掌部图像的识别装置,所述装置包括:
37、特征提取模块,用于对获取的掌部图像进行特征提取,得到所述掌部图像对应的不同尺度的图像特征;
38、特征融合模块,用于将所述不同尺度的图像特征进行特征融合,得到图像融合特征;
39、预测模块,用于基于所述图像融合特征进行预测,得到所述掌部图像中掌部对应的掌部框;
40、裁剪模块,用于基于所述掌部框,在所述掌部图像中裁剪得到所述掌部对应的掌部框图像;
41、加密模块,用于将所述掌部框图像进行图像加密处理,得到加密掌部框图像,所述加密掌部框图像用于被发送至掌部识别服务器中进行解密和掌部对比识别处理,得到所述掌部图像对应的对象标识。
42、在一种可能的实现方式中,特征提取模块,还用于将所述掌部图像输入至所述主干网络进行切片操作,得到不同尺度的切片图像;
43、对所述不同尺度的切片图像进行特征提取,得到所述掌部图像对应的不同尺度的所述图像特征。
44、在一种可能的实现方式中,特征提取模块,还用于将所述掌部图像中的像素点进行隔至少一列取样并进行拼接,得到所述不同尺度的切片图像。
45、在一种可能的实现方式中,特征融合模块,还用于将所述不同尺度的图像特征输入至所述颈部网络进行特征融合,得到图像融合特征。
46、在一种可能的实现方式中,特征融合模块,还用于将所述不同尺度的图像特征由小尺度到大尺度进行上采样,得到语义图像特征;
47、将不同尺度的图像特征由大尺度到小尺度进行下采样,得到位置图像特征;
48、将所述语义图像特征和所述位置图像特征进行特征融合,得到所述图像融合特征。
49、在一种可能的实现方式中,预测模块,还用于将所述图像融合特征进行网格划分,得到网格图像融合特征;将所述网格融合特征输入至所述本文档来自技高网...
【技术保护点】
1.一种掌部图像的识别方法,其特征在于,所述方法由掌部识别设备执行,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述掌部框的预测处理方法由掌部检测模型执行,所述掌部检测模型包括主干网络;
3.根据权利要求2所述的方法,其特征在于,所述将所述掌部图像输入至所述主干网络进行切片操作,得到不同尺度的切片图像,包括:
4.根据权利要求1所述的方法,其特征在于,所述掌部框的预测处理方法由掌部检测模型执行,所述掌部检测模型包括颈部网络;
5.根据权利要求4所述的方法,其特征在于,所述将所述不同尺度的图像特征输入至所述颈部网络进行特征融合,得到图像融合特征,包括:
6.根据权利要求1所述的方法,其特征在于,所述掌部框的预测处理方法由掌部检测模型执行,所述掌部检测模型包括预测网络;
7.根据权利要求1至6任一所述的方法,其特征在于,所述掌部识别设备还设置有红外摄像头,所述方法还包括:
8.根据权利要求7所述的方法,其特征在于,所述对所述红外图像进行区域识别处理,确定所述红外图像上的掌部区域,包括:<
...【技术特征摘要】
1.一种掌部图像的识别方法,其特征在于,所述方法由掌部识别设备执行,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述掌部框的预测处理方法由掌部检测模型执行,所述掌部检测模型包括主干网络;
3.根据权利要求2所述的方法,其特征在于,所述将所述掌部图像输入至所述主干网络进行切片操作,得到不同尺度的切片图像,包括:
4.根据权利要求1所述的方法,其特征在于,所述掌部框的预测处理方法由掌部检测模型执行,所述掌部检测模型包括颈部网络;
5.根据权利要求4所述的方法,其特征在于,所述将所述不同尺度的图像特征输入至所述颈部网络进行特征融合,得到图像融合特征,包括:
6.根据权利要求1所述的方法,其特征在于,所述掌部框的预测处理方法由掌部检测模型执行,所述掌部检测模型包括预测网络;
7.根据权利要求1至6任一所述的方法,其特征在于,所述掌部识别设备还设置有红外摄像头,所述方法还包括:
8.根据权利要求7所述的方法,其特征在于,所述对所述红外图像进行区域识别处理,确定所述红外图像上的掌部区域,包括:
9.根据权利要求7所述的方法,其特征在于,所述基于所述掌部框和所述红外图像上的所述掌部区域的交集,在所述掌部图像中...
【专利技术属性】
技术研发人员:杨伟明,郭润增,王少鸣,侯锦坤,王军,
申请(专利权)人:腾讯科技深圳有限公司,
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。