[發(fā)明專利]掌形圖形提取及識(shí)別方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201410709472.4
• 申請(qǐng)日: 2014-11-27
• 公開（公告）號(hào): CN104361339B
• 公開（公告）日: 2018-08-07
• 發(fā)明（設(shè)計(jì)）人: 曲寒冰;李濟(jì)朝;李彬;靳薇;王加強(qiáng)
• 申請(qǐng)（專利權(quán)）人: 北京市新技術(shù)應(yīng)用研究所;北京北科慧識(shí)科技股份有限公司
• 主分類號(hào): G06K9/46
• 分類號(hào): G06K9/46
• 代理公司: 北京市金棟律師事務(wù)所 11425
• 代理人: 朱玲

1.掌形圖形提取方法，其特征在于，包括：

步驟S101，根據(jù)當(dāng)前掌形圖像的混合概率模型提取圖像邊緣信息的概率密度估計(jì)值；

步驟S102，通過混合模型對(duì)前景圖像的顏色信息進(jìn)行概率密度估計(jì)獲取前景概率密度估計(jì)值；

步驟S103，通過混合模型對(duì)背景圖像的顏色信息進(jìn)行概率密度估計(jì)獲取背景概率密度估計(jì)值；

步驟S104，根據(jù)所述前景概率密度估計(jì)值及背景概率密度估計(jì)值獲取所述當(dāng)前掌形圖像的后驗(yàn)概率圖譜；

步驟S105，通過所述圖像后驗(yàn)概率圖譜獲取掌形邊緣信息；

步驟S106，根據(jù)前景圖像的后驗(yàn)概率圖譜及所述掌形邊緣信息，對(duì)所述當(dāng)前掌形圖像中的掌形區(qū)域進(jìn)行圖像分割，提取當(dāng)前掌形圖像。

2.根據(jù)權(quán)利要求1所述的掌形圖形提取方法，其特征在于，所述步驟S101前還包括：

步驟S1001，采集當(dāng)前掌形圖像；

步驟S1002，根據(jù)所述當(dāng)前掌形圖建立當(dāng)前掌形圖像的混合概率模型。

3.根據(jù)權(quán)利要求1所述的掌形圖形提取方法，其特征在于，所述步驟S102包括：

根據(jù)前景圖像的初選模板提取目標(biāo)圖像的彩色信息，利用混合概率模型對(duì)初選目標(biāo)圖像的色彩概率密度進(jìn)行估計(jì)，獲取前景圖像的色彩空間的條件概率分布；

根據(jù)所述條件概率分布獲取的前景圖像的色彩空間的混合概率密度，計(jì)算各個(gè)混合分量之間的貝葉斯分類誤差；

根據(jù)所述貝葉斯分類誤差和預(yù)估手掌位置處的色彩值合并或去除多余混合分量，獲取前景概率密度估計(jì)值。

4.根據(jù)權(quán)利要求1所述的掌形圖形提取方法，其特征在于，所述步驟S103包括：

選取背景圖像色彩空間中的一個(gè)或幾個(gè)點(diǎn)作為種子點(diǎn)，估計(jì)色彩空間的概率分布，將其作為初始步的概率密度；

以初始步的混合分量作為初始分布，以每個(gè)混合分量作為種子分布，隨機(jī)產(chǎn)生2個(gè)或大于2個(gè)混合分量，更新估計(jì)背景圖像的條件概率分布；

通過遍歷所有設(shè)定步的混合分量，更新估計(jì)背景圖像的概率分布，選取后驗(yàn)概率最大的一組分量作為當(dāng)前步的混合概率分布，根據(jù)該混合概率分布獲取背景概率密度估計(jì)值；若當(dāng)前混合分量比例π的后驗(yàn)概率分布p(π)，為當(dāng)前步得到的混合概率分布密度，則保留當(dāng)前混合分量。

5.根據(jù)權(quán)利要求1所述的掌形圖形提取方法，其特征在于，所述步驟S105包括，

步驟1051，通過所述圖像后驗(yàn)概率圖譜獲取前景圖像的概率密度圖譜梯度及背景圖像的概率密度圖譜梯度；

步驟1052，根據(jù)所述前景圖像的概率密度圖譜梯度及背景圖像的概率密度圖譜梯度值獲取邊緣能量圖譜G_p(x，y)；

步驟1053，若所述邊緣能量圖譜G_p(x，y)大于設(shè)定閾值的幅值，則根據(jù)邊緣能量圖譜G_p(x，y)確定為掌形邊緣信息。

6.掌形圖形識(shí)別方法，其特征在于，將根據(jù)權(quán)利要求1所述的掌形圖形提取方法所識(shí)別出的當(dāng)前掌形圖像，與待識(shí)別掌形圖像進(jìn)行匹配，根據(jù)匹配結(jié)果，對(duì)當(dāng)前掌形圖像進(jìn)行識(shí)別。