[發(fā)明專利]一種基于卷積神經(jīng)網(wǎng)絡(luò)的手掌關(guān)鍵點定位方法

有效

• 申請?zhí)枺?/td>: 201810363953.2
• 申請日: 2018-04-22
• 公開（公告）號: CN108537203B
• 公開（公告）日: 2020-04-21
• 發(fā)明（設(shè)計）人: 謝清祿;余孟春;鄒向群;徐宏鍇
• 申請（專利權(quán)）人: 廣州麥侖信息科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06N3/04
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明公開了一種基于卷積神經(jīng)網(wǎng)絡(luò)的手掌關(guān)鍵點定位方法，其具體步驟如下：S1、采集手掌圖像標記關(guān)鍵點信息，并訓練卷積神經(jīng)網(wǎng)絡(luò)；S2、收集手指區(qū)域圖像作為數(shù)據(jù)集；S3、定位每根手指的6個關(guān)鍵點；S4、定位每根手指的下指節(jié)下端關(guān)節(jié)線段中點與對應(yīng)手指范圍內(nèi)距離線段中點的指尖端最遠點并作為手指的2個關(guān)鍵點；S5、卷積神經(jīng)網(wǎng)絡(luò)取相鄰的兩指下指節(jié)下端關(guān)節(jié)線段中點進行連接，連接線的中點作為手掌關(guān)鍵點。本發(fā)明根據(jù)上述所述的手掌關(guān)鍵點定位方法，能夠快速準確的獲得手掌關(guān)鍵點的定位，通過指關(guān)節(jié)紋線的固定特征結(jié)合卷積神經(jīng)網(wǎng)絡(luò)自學習的優(yōu)勢進行相關(guān)特征點的定位，能夠避免僅依靠邊緣信息和輪廓特征進行關(guān)鍵點定位的多變性，使定點更加精確。

技術(shù)領(lǐng)域

本發(fā)明涉及手掌關(guān)鍵點定位技術(shù)領(lǐng)域，具體為一種基于卷積神經(jīng)網(wǎng)絡(luò)的手掌關(guān)鍵點定位方法。

背景技術(shù)

掌紋掌脈特征識別技術(shù)，一般利用攝像頭采集手掌可見光或近紅外光下的手掌圖像，通過對手掌圖像進行預(yù)處理、識別區(qū)域定位、特征提取和比對匹配等步驟來實現(xiàn)。識別區(qū)域的定位是掌紋掌脈識別的基礎(chǔ)環(huán)節(jié)，如何快速、準確、高質(zhì)量地定位識別區(qū)域是非常關(guān)鍵的一步，也直接影響到整套識別系統(tǒng)的性能。對識別區(qū)域進行定位一般需要對手掌圖像進行關(guān)鍵點的定位，以定位的關(guān)鍵點進行識別區(qū)域的截取。一般情況下，可通過對手掌圖像和采集背景間的邊緣信息進行手掌的輪廓描述，再作關(guān)鍵點定位。

在中國發(fā)明專利申請公開說明書CN102542242A中公開了一種生物特征區(qū)域定位方法，采用對生物特征圖像進行二值化，去除圖像背景，去噪和獲得邊緣點信息，定位關(guān)鍵點，最后根據(jù)關(guān)鍵點以確定生物特征區(qū)域；在發(fā)明專利申請公開說明書CN104361339A中公開了一種根據(jù)前景圖像的后驗概率圖譜及掌型邊緣信息對掌形區(qū)域進行圖像分割，提取掌形圖像的方法；發(fā)明專利申請公開說明書CN106991380A中公開了一種對二值化后的掌靜脈圖像，利用 Canny算法進行圖像輪廓提取，再根據(jù)查找法定位指根點，以指根點連接線獲得獲得中點作為關(guān)鍵點的方法，來獲取ROI(Region of Interest)圖像。

上述根據(jù)邊緣信息及輪廓特征進行關(guān)鍵點定位的方法，雖然能夠確定一個相對固定的識別區(qū)域，但是需要對邊緣信息及輪廓特征的完整清晰有較高的要求，在受到光線、視角、背景及距離的因素變化的條件下，往往難以獲得高質(zhì)量的關(guān)鍵點定位和識別區(qū)域。

發(fā)明內(nèi)容

本發(fā)明的目的是為了解決上述技術(shù)中存在的缺點，而提出的一種基于卷積神經(jīng)網(wǎng)絡(luò)的手掌關(guān)鍵點定位方法，定義手指指節(jié)紋線線段，對下指節(jié)下端關(guān)節(jié)線段的中點進行定位，連接相鄰的兩指節(jié)下端關(guān)節(jié)線段的中點，得到連接線，定位該連接線的中點作為手掌的關(guān)鍵點，自食指至小拇指四指可獲得3 個關(guān)鍵點。

對指節(jié)紋線線段中點進行定位，一步步定位獲得手掌關(guān)鍵點的方法，在邊緣信息及輪廓特征受到一定變化的情況下，也能夠獲得穩(wěn)定的指節(jié)關(guān)節(jié)線段中點定位，利用卷積神經(jīng)網(wǎng)絡(luò)在圖像處理上的優(yōu)勢，能夠通過大量訓練學習的方式，獲得較好的關(guān)鍵點定位模型，實現(xiàn)大數(shù)據(jù)量下快速精準的手掌關(guān)鍵點定位。

為實現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：一種基于卷積神經(jīng)網(wǎng)絡(luò)的手掌關(guān)鍵點定位方法，該基于卷積神經(jīng)網(wǎng)絡(luò)的手掌關(guān)鍵點定位方法具體步驟如下：

S1、采集手掌圖像，并標記關(guān)鍵點信息，作為訓練樣本集輸入到卷積神經(jīng)網(wǎng)絡(luò)，對網(wǎng)絡(luò)進行訓練；

S2、卷積神經(jīng)網(wǎng)絡(luò)的第一層，檢測手掌圖像，將手掌圖像劃分為手指區(qū)域與掌部區(qū)域兩部分，并收集手指區(qū)域圖像作為數(shù)據(jù)集；

S3、第二層對第一層卷積神經(jīng)網(wǎng)絡(luò)收集到的手指區(qū)域圖像數(shù)據(jù)集進行關(guān)鍵點定位，定位每根手指的6個關(guān)鍵點，并剪裁出4根手指圖像作為數(shù)據(jù)集；

S4、卷積神經(jīng)網(wǎng)絡(luò)第三層，定位每根手指的下指節(jié)下端關(guān)節(jié)線段中點與對應(yīng)手指范圍內(nèi)距離線段中點的指尖端最遠點，下指節(jié)關(guān)節(jié)線段中點和指尖端最遠點作為手指的2個關(guān)鍵點；