CN103679122B - 基于图像灰度信息进行手指检测实现*** - Google Patents
基于图像灰度信息进行手指检测实现*** Download PDFInfo
- Publication number
- CN103679122B CN103679122B CN201210344383.5A CN201210344383A CN103679122B CN 103679122 B CN103679122 B CN 103679122B CN 201210344383 A CN201210344383 A CN 201210344383A CN 103679122 B CN103679122 B CN 103679122B
- Authority
- CN
- China
- Prior art keywords
- finger
- field pictures
- adjacent
- image
- threshold
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 49
- 238000009826 distribution Methods 0.000 claims abstract description 20
- 238000006073 displacement reaction Methods 0.000 claims description 19
- 101100204393 Arabidopsis thaliana SUMO2 gene Proteins 0.000 claims description 15
- 101150112492 SUM-1 gene Proteins 0.000 claims description 15
- 101150096255 SUMO1 gene Proteins 0.000 claims description 15
- 101100311460 Schizosaccharomyces pombe (strain 972 / ATCC 24843) sum2 gene Proteins 0.000 claims description 15
- 230000005057 finger movement Effects 0.000 claims description 6
- 239000012141 concentrate Substances 0.000 claims description 2
- 210000004247 hand Anatomy 0.000 claims 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims 1
- 238000000034 method Methods 0.000 abstract description 2
- 230000005611 electricity Effects 0.000 description 2
- 230000007717 exclusion Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000004899 motility Effects 0.000 description 1
Landscapes
- Image Analysis (AREA)
- Image Input (AREA)
Abstract
本发明提供的基于图像灰度信息进行手指检测实现***,包括直方图统计模块、阈值点生成模块、相邻两帧图像的局部差异性最大值求取模块、相邻两帧图像的偏移量结果求取模块、手指检测模块;各模块的工作流程为:S1,阈值点生成模块根据直方图分布生成指纹图像阈值点;S2,相邻两帧图像的局部差异性最大值求取模块求取相邻两帧图像的局部差异性最大值,判断相邻两帧图像是否存在一定的差异;S3,手指检测模块根据图像非背景分布情况与相邻两帧图像的差异性判断手指离开与手指放上;S4,相邻两帧图像的偏移量求取模块求取相邻两帧图像的偏移量,并判断在图像采集过程中手指是否移动。本发明相对于现有手指检测方法更加灵敏。
Description
技术领域
本发明涉及数字图像识别领域,尤其涉及基于图像灰度信息进行手指检测实现***。
背景技术
现有的手指检测技术,通过差分检测电路检测手指放上与手指离开,其检测原理主要是通过在传感器表面或内部增加一个电气参数检测器件,例如热敏电阻,压敏电阻,电容等器件。根据传感器表面与手指形成的电容、电感或者手指本身的温度、对接触面的压力、湿度等物理参数发生改变而导致其通过电气参数检测器件产生的电压或者电流等电气参数发生改变,进行手指放上、手指离开检测。由于手指检测电路置于传感器表面或者传感器内部,这样增加了传感器的成本与体积。
通过差分电路检测电气参数的变化进行手指检测容易误检测。差分电路手指检测基于电气感应原理,当手指放在传感器表面时,导致传感器附近形成的湿度、压力、温度、电场等物理参数发生变化,从而使检测器件检测到电气参数发生变化,差分手指检测电路通过检测电气参数变化的大小,判断是否有手指放上。通过比较手指检测电气参数的变化量和参考电气阈值来实现手指检测,如果手指检测电气参数变化量大于预先设定的参考电气阈值,认为有手指存在,否则认为没有手指放在传感器上。
由于差分检测方法是基于电气参数变化的大小进行手指检测判断,任何一个物理参数可以被电气参数检测器件检测到的物体接近传感器时,会导致传感器附近的物理参数发生变化,从而导致传感器的电气参数变化。如果电气参数的变化量大于参考电气阈值,从而误认为检测到手指放上;当有极干燥的手指放在传感器表面上时,其电气参数变化比较小,如果电气参数变化小于参考电气阈值,从而误检测手指没有放上。
发明内容
为了解决上述问题,本发明提供了基于图像灰度信息进行手指检测实现***,其特征在于,包括:
直方图统计模块:根据扫描图像每一个像素点的灰度值,实时统计当前帧指纹图像的直方图,用于生成阈值点;
阈值点生成模块:与直方图统计模块相连,根据直方图分布实时计算出当前帧的上限阈值点H、中限阈值点M、下限阈值点L、以及根据第一统计区间的统计阈值SUM1计算出该区间段的上限值C1、第二统计区间的统计阈值SUM2计算出该区间段的上限值C2,从而得到图像非背景信息分布情况;
相邻两帧图像的局部差异性最大值求取模块:用于计算两帧图像的每种覆盖区域的局部差异性值,并求取所有覆盖情况下局部差异性最大值,判断相邻两帧图像是否存在差异;
相邻两帧图像的偏移量结果求取模块:根据相邻两帧图像局部差异性最大值求取模块得到的每种覆盖区域的局部差异性值,找出所有覆盖情况下的局部差异性最小值;在局部差异性最小值的覆盖情况下两帧图像的中心点的水平相对位移为水平偏移量,垂直相对位移为垂直偏移量;当两帧完全覆盖并且局部差异性最小时,优先选择两帧完全覆盖时的中心点的相对位移作为偏移量;
手指检测模块:与阈值点生成模块、相邻两帧图像的局部差异性最大值求取模块、相邻两帧图像的偏移量结果求取模块相连,根据上限阈值点、中限阈值点、下限阈值点、第一统计区间的上限值和第二统计区间的上限值判断图像非背景灰度信息的数量,排除传感器表面部分脏被误检测的情况;根据相邻两帧图像的局部差异性最大值,判断两帧图像是否存在差异性,排除传感器表面都脏时空采集被误检测的情况;根据相邻两帧图像的偏移量,判断手指是否移动。
所述阈值点生成模块根据有效灰度阈值G_TH统计有效灰度区间内的像素点总个数VH,参照公式(2)
其中x为图像灰度值,hist(x)为灰度值为x的直方图,有效灰度值G_TH小于或等于图像灰度范围,G_TH根据图像灰度范围可调整;
所述阈值点生成模块依次扫描灰度值从0到K的直方图hist(x),每扫描一次直方图对直方图进行积分,得到所述K为图像灰度最大值,i为当前被扫描的直方图对应的灰度值,0≤i≤K。
所述阈值点生成模块根据有效灰度区间内的像素点总个数VH、下限阈值点比例系数LR、中限阈值点比例系数MR、上限阈值点比例系数HR、有效灰度阈值G_TH按照预先设定的阈值参数选取规则获得阈值参数。
所述预先设定的阈值参数选取规则为:
当yi-1≤VH×LR且yi>VH×LR时,i的值就是直方图下限阈值参数L,若L>G_TH,则L=G_TH;0<LR<1;
当yi-1≤VH×MR且yi>VH×MR时,i的值就是直方图中限阈值参数M,若M>G_TH,则M=G_TH;0<MR<1且LR<MR;
当yi-1≤VH×HR且yi>VH×HR时,i的值就是直方图上限阈值参数H,若H>G_TH,则H=G_TH;0<HR<1且MR<HR;
当yi-1≤SUM1且yi>SUM1时,此时的i值就是C1,若i=K时且yi≤SUM1时,C1等于K;当yi-1≤SUM2且yi>SUM2时,此时的i值就是C2,若i=K时且yi≤SUM2时,C2等于K;SUM1>SUM2。
所述相邻两帧图像的局部差异性最大值求取模块选取覆盖区域内的部分数据或全部数据计算局部差异性值,参见公式(3),并从局部差异性值中找出所有覆盖情况下局部差异性最大值;
dif(u,v)=∑(slice1(m,n)-slice2(m+u,n+v))2 (3)
公式(3)中slice1表示上一帧图像,slice2表示当前帧图像,m,n表示图像像素点的水平坐标和垂直坐标,且m,n的范围为所选取覆盖区域内参与运算的像素点的范围,u,v为相邻两帧图像的中心点的水平相对位移与垂直相对位移。
所述手指检测模块的手指放上与手指离开判断依据为:
a,根据阈值点分布情况判断下限阈值点以下的图像非背景信息量,如果下限阈值点大于或等于第一统计区间的上限值,表示下限阈值点以下的图像非背景个数大于或等于第一灰度区间统计阈值,表示检测到偏湿手指放上;
b,根据阈值点分布情况判断图像非背景灰度信息是否主要分布在上限阈值点以上,如果第二统计区间上限值大于上限阈值点,表示上限阈值点以下的个数小于第二统计区间阈值,表示检测到手指离开;
c,根据阈值点分布情况判断中限阈值点以下的图像非背景信息量以及相邻两帧图像的局部差异性最大值判断相邻两帧图像是否存在一定差异,如果中限阈值点大于或等于第一统计区间的上限值且相邻两帧图像的局部差异性最大值大于手指放上阈值,表示检测到手指放上;
d,根据阈值点分布情况判断图像非背景信息是否集中在中限阈值点以上,并根据相邻两帧图像的局部差异性最大值判断相邻两帧图像存在的差异性,如果第二统计区间的上限值大于中限阈值点且相邻两帧图像的局部差异性最大值小于手指离开阈值,判断检测到手指离开。
所述手指检测模块对手指移动的判断依据为:在检测到手指放上的情况下,判断当前帧与上一帧图像的水平偏移量与垂直偏移量是否至少其中一个不为0,如果其中一个不为0,表示检测到手指移动,如果没有检测到手指放上,表示没有检测到手指移动。
本发明根据直方图分布求得的阈值点,相邻两帧图像的局部差异性最大值以及相邻两帧图像的偏移量进行手指放上与手指离开检测,能够排除脏背景被误检测,干手指被漏检测的情况。相对于现有的检测技术,本发明成本更低,功耗更低,占用传感器面积小。本发明的手指检测***增加了手指移动检测标志,该手指移动信号结合其移动的上下左右坐标可以进行手机导航应用,刮擦式传感器采集的数据拼接等。
附图说明
图1为传感器表面干净且无手指放在传感器上进行采集的图像及其直方图;
图2为传感器表面部分脏且无手指放上时进行采集的图像及其直方图;
图3为传感器表面整体脏且无手指放上时进行采集的图像及其直方图;
图4为湿手指放于传感器上进行采集的图像及其对应的直方图;
图5为正常手指放于传感器上进行采集的图像及其对应的直方图;
图6为干手指放于传感器上进行采集的图像及其对应直方图;
图7为相邻两帧图像的上下左右移动规则及覆盖区域;
图8为相邻两帧图像的中心点的水平相对位移及垂直相对位移;
图9为手指检测***框图;
图10为本发明连续采集指纹图像的手指检测结果图,其中图10-1为湿手指采集到的指纹图像,图10-2为正常手指采集到的指纹图像,图10-3为干手指采集到的指纹图像。
具体实施方式
下面结合附图来说明本发明的优选实施例,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
参见图1、图2、图3、图4、图5、图6,一个完备的手指检测***主要考虑以下四种情况不会出现手指误检测:ⅰ、传感器表面比较干净,没有手指放在传感器上进行采集时,不能检测到手指放在传感器上。如图1所示,当传感器表面干净时,无手指放在传感器上进行采集得到的图像灰度信息是图像背景信息,由于图像背景值很大,计算得到的阈值点非常大,连续采集两帧的图像都是图像背景信息,计算得到相邻两帧图像的局部差异性最大值非常小,这种情况不会出现误检测的情况。
ⅱ、传感器表面脏,没有手指放在传感器上进行采集时,不能误检测到手指放在传感器上。如图2、图3所示。当传感器整个表面都脏时,进行空采集得到的图像非背景信息比较多,通过计算得到相邻两帧图像的局部差异性最大值非常小;当传感器表面部分脏时,进行空采集得到的图像非背景信息比较少。本发明通过判断相邻两帧图像的局部差异性最大值以及当前帧的图像非背景信息的多少排除脏背景被误检测的情况。
ⅲ、当有偏湿的手指放在传感器上,能够准确的检测到手指放上、手指离开;如图4所示,当有偏湿手指放在传感器上时,采集的图像非背景信息非常多,即图像非背景信息主要分布在靠近灰度值为0的区域。
ⅳ、当有正常手指或偏干的手指放在传感器上,能够准确的检测到手指放上、手指离开。如图5、图6所示,当有正常手指或偏干放在传感器上时,采集到的图像非背景信息比较多,相邻两帧图像的纹理有一定的差异,计算得到相邻两帧图像的局部差异性最大值足够大。
根据以上的原理,本发明将手指检测实现***作为一个IP核挂在***总线上实现SOC(System On Chip片上***),通过可编程的参数设计(即可改变求阈值点的比例系数,统计区间的统计阈值,手指放上阈值,手指离开阈值等),根据需求可以选取覆盖区域的全部数据或部分数据计算局部差异性值,用较少的资源,准确的检测手指放上与手指离开,具有很大的灵活性。如图9所示,基于图像灰度信息进行手指检测实现***,包括:
直方图统计模块:根据扫描图像每一个像素点的灰度值,实时统计当前帧指纹图像的直方图,用于生成阈值点;
阈值点生成模块:与直方图统计模块相连,根据直方图分布实时计算出当前帧的上限阈值点H、中限阈值点M、下限阈值点L、以及根据第一统计区间的统计阈值SUM1计算出该区间段的上限值C1、第二统计区间的统计阈值SUM2计算出该区间段的上限值C2,从而得到图像非背景信息分布情况;
相邻两帧图像的局部差异性最大值求取模块:用于计算两帧图像的每种覆盖区域的局部差异性值,并求取所有覆盖情况下局部差异性最大值,判断相邻两帧图像是否存在差异;
相邻两帧图像的偏移量结果求取模块:根据相邻两帧图像局部差异性最大值求取模块得到的每种覆盖区域的局部差异性值,找出所有覆盖情况下的局部差异性最小值;在局部差异性最小值的覆盖情况下两帧图像的中心点的水平相对位移为水平偏移量,垂直相对位移为垂直偏移量;当两帧完全覆盖并且局部差异性最小时,优先选择两帧完全覆盖时的中心点的相对位移作为偏移量;
手指检测模块:与阈值点生成模块、相邻两帧图像的局部差异性最大值求取模块、相邻两帧图像的偏移量结果求取模块相连,根据上限阈值点、中限阈值点、下限阈值点、第一统计区间的上限值和第二统计区间的上限值判断图像非背景灰度信息的数量,排除传感器表面部分脏被误检测的情况;根据相邻两帧图像的局部差异性最大值,判断两帧图像是否存在差异性,排除传感器表面都脏时空采集被误检测的情况;根据相邻两帧图像的偏移量,判断手指是否移动。
参见图1,图2,图3,图4,图5,图6,直方图每一个黑点对应的横坐标为像素点原始灰度值x,纵坐标为一帧图像中像素点原始灰度值与横坐标相同的像素点的个数,定义为hist(x)。
直方图统计模块依次扫描图像每一个像素点,根据公式(1)统计图像直方图:
公式(1)中m为图像的垂直坐标,n为图像的水平坐标,h为图像高度,w为图像宽度,x为图像的灰度值,img(m,n)为对应坐标为(m,n)的像素点的图像数据。
根据直方图分布关系,计算上限阈值点,中限阈值点,下限阈值点,第一统计区间的上限值,第二统计区间的上限值。其中第一统计区间,第二统计区间根据统计阈值逆推区间范围的上限值,该区间范围随着采集到的图像非背景信息的分布情况实时变化,由于统计区间的统计阈值固定,所以根据上限阈值点,中限阈值点,下限阈值点与第一统计区间的上限值,第二统计区间的上限值进行比较,可以大致判断当前采集到的图像非背景信息是否比较多。
阈值点生成模块根据有效灰度阈值G_TH统计有效灰度区间内的像素点总个数VH,见公式(2)
其中x为图像灰度值,hist(x)为灰度值为x的直方图,G_TH为有效灰度阈值,其G_TH根据图像灰度范围可调整,且G_TH小于或等于图像灰度范围;
所述阈值点生成模块依次扫描灰度值从0到K的直方图hist(x),每扫描一次直方图对直方图进行积分,得到所述K为图像灰度最大值,i为当前被扫描的直方图对应的灰度值,0≤i≤K。
阈值点生成模块根据有效灰度区间内的像素点总个数VH、下限阈值点比例系数LR、中限阈值点比例系数MR、上限阈值点比例系数HR、有效灰度阈值G_TH按照预先设定的阈值参数选取规则获得阈值参数。
所述预先设定的阈值参数选取规则为:
当yi-1≤VH×LR且yi>VH×LR时,i的值就是直方图下限阈值参数L,若L>G_TH,则L=G_TH;0<LR<1;
当yi-1≤VH×MR且yi>VH×MR时,i的值就是直方图中限阈值参数M,若M>G_TH,则M=G_TH;0<MR<1且LR<MR;
当yi-1≤VH×HR且yi>VH×HR时,i的值就是直方图上限阈值参数H,若H>G_TH,则H=G_TH;0<HR<1且MR<HR;
当yi-1≤SUM1且yi>SUM1时,此时的i值就是C1,若i=K时且yi≤SUM1时,C1等于K;当yi-1≤SUM2且yi>SUM2时,此时的i值就是C2,若i=K时且yi≤SUM2时,C2等于K;SUM1>SUM2。
相邻两帧图像的局部差异性最大值求取模块计算相邻两帧图像的局部差异性最大值,并根据局部差异性最大值判断两帧图像的覆盖区域内的数据是否存在明显差异。如图3所示,当传感器表面都脏时,空采集时得到的图像模糊不清,无论怎样选取覆盖区域,相邻两帧图像都相差不大,即相邻两帧图像的局部差异性最大值偏小。如图5、图6所示,当采集到的指纹图像比较清晰时,计算得到相邻两帧图像的局部差异性最大值足够大。
如图7所示,固定一帧图像不动,上下左右移动另一帧图像,得到两帧图像的不同覆盖区域。选取覆盖区域内的部分数据或全部数据计算局部差异性值,将选取参与运算的一一对应的点参照公式(3)计算不同覆盖区域的局部差异性值:
dif(u,v)=Σ(slice1(m,n)-slice2(m+u,n+v))2 (3)
公式(3)中slice1表示上一帧图像,slice2表示当前帧图像,m,n表示图像像素点的水平坐标和垂直坐标,且m,n的范围为所选取覆盖区域内参与运算的像素点的范围,u,v为相邻两帧图像的中心点的水平相对位移与垂直相对位移。
如图8所示,相邻两帧图像的偏移量结果求取模块求取相邻两帧图像的偏移量时,相邻两帧图像的中心点的水平相对位移即为水平偏移量,垂直相对位移即为垂直偏移量。当局部差异性最小值有多个相同且相邻两帧图像完全覆盖时得到的局部差异性值也最小,优先选择两帧完全覆盖时中心点的相对位移为偏移量,即水平偏移量为0,垂直偏移量为0。
手指检测模块的手指放上与手指离开判断依据为:
a,当有偏湿手指放在传感器上进行采集时,采集到的图像非背景的灰度信息比较多,图像背景灰度值偏高,非背景的灰度值偏低,当图像非背景的灰度信息比较多时,则图像灰度值分布主要靠近灰度值为0的区域,参见图4。
通过比较下限阈值点以及第一统计区间的上限值的大小,判断下限阈值点以下的总个数是否足够多。如果下限阈值点大于或等于第一统计区间的上限值,表示灰度值在0到下限阈值点的像素点总个数大于或等于第一统计区间的统计阈值,即表示下限阈值点以下的个数足够多,表示当前采集的图像有偏湿手指放上,表示检测到手指放上。
b,当无手指放在传感器上进行采集时,采集到的图像非背景灰度信息非常少。当图像非背景的灰度信息比较少时,则图像灰度值分布主要靠近图像背景值的区域,参见图1,图2。
通过比较上限阈值点与第二统计区间的上限值的大小,判断图像灰度信息是否分布在上限阈值点以上。如果第二统计区间的上限值大于上限阈值点,表示灰度值为0到上限阈值点的总个数小于第二统计区间的统计阈值,即表示图像灰度信息主要分布在上限阈值点以上,表示当前采集的图像没有手指放上或传感器有少量残留物体时采集的脏背景的情况,即表示检测到手指离开;
c,当采集的图像是正常手指或偏干手指放在传感器上时,如图5,图6所示,采集得到的图像非背景灰度信息比较多,且相邻两帧图像有明显的纹路变化,此时计算得到相邻两帧图像的局部差异性最大值非常大;当传感器整个表面都有残留物时,如图3所示,空采集到的图像非背景灰度信息比较多,且相邻两帧图像没有明显的变化,采集到的整张图像模糊不清,此时计算得到相邻两帧图像的局部差异性最大值非常小;当传感器表面部分脏时,如图2所示,得到的图像非背景值的灰度信息比较少。
通过比较中限阈值点与第一统计区间的上限值的大小,判断中限阈值点以下的个数是否足够多。当中限阈值点大于或等于第一统计区间的上限值时,表示中限阈值点以下的直方图总个数大于或等于第一统计区间的统计阈值,可以排除传感器表面部分脏进行空采集的情况,再判段相邻两帧图像的局部差异性最大值与手指放上阈值的大小,当相邻两帧图像的局部差异性最大值大于手指放上阈值时,表示两帧图像存在明显的变化,从而可以排除传感器表面都脏时进行空采集的情况。如果中限阈值点大于或等于第一统计区间的上限值,且相邻两帧的局部差异性极大值大于或等于手指放上阈值时,则表示检测到手指放上。
d,当手指离开后空采集得到的图像非背景信息非常少,且相邻两帧图像的差异不大。
通过比较中限阈值点与第二统计区间的上限值的大小以及相邻两帧图像的局部差异性最大值与手指离开阈值的大小判断中限阈值点以下的图像非背景信息是否不够多且相邻两帧图像是否差异不大。如果第二统计区间的上限值大于中限阈值点且相邻两帧图像的局部差异性最大值小于手指离开阈值,表示中限阈值点以下的图像非背景信息不够多且相邻两帧图像差异不大,即表示检测到手指离开;
手指移动判断依据为:判断当前帧是否检测到手指放上,如果检测到手指放上,再判断当前帧与上一帧图像的水平偏移量与垂直偏移量是否至少其中一个不为0,如果其中一个不为0,表示检测到手指移动;如果没有检测到手指放上,表示手指没有移动。
采用本发明对连续采集的指纹图像的手指检测结果如图10所示,图10-1、图10-2、图10-3的左图为手指移动标志,中间图为连续采集的指纹图像,右图为手指检测放上与手指离开标志。其中左图的黑色小格代表检测到手指移动,右图的黑色小格代表检测到手指放上,白色部分表示检测到手指离开。
本领域的技术人员在不脱离权利要求书确定的本发明的精神和范围的条件下,还可以对以上内容进行各种各样的修改。因此本发明的范围并不仅限于以上的说明,而是由权利要求书的范围来确定的。
Claims (7)
1.基于图像灰度信息进行手指检测实现***,其特征在于,包括:
直方图统计模块:根据扫描图像每一个像素点的灰度值,实时统计当前帧指纹图像的直方图,用于生成阈值点;
阈值点生成模块:与直方图统计模块相连,根据直方图分布实时计算出当前帧的上限阈值点H、中限阈值点M、下限阈值点L、以及根据第一统计区间的统计阈值SUM1计算出该区间段的上限值C1、第二统计区间的统计阈值SUM2计算出该区间段的上限值C2,从而得到图像非背景信息分布情况;
相邻两帧图像的局部差异性最大值求取模块:用于计算两帧图像的每种覆盖区域的局部差异性值,并求取所有覆盖情况下局部差异性最大值,判断相邻两帧图像是否存在差异;
相邻两帧图像的偏移量结果求取模块:根据相邻两帧图像局部差异性最大值求取模块得到的每种覆盖区域的局部差异性值,找出所有覆盖情况下的局部差异性最小值;在局部差异性最小值的覆盖情况下两帧图像的中心点的水平相对位移为水平偏移量,垂直相对位移为垂直偏移量;当两帧完全覆盖并且局部差异性最小时,优先选择两帧完全覆盖时的中心点的相对位移作为偏移量;
手指检测模块:与阈值点生成模块、相邻两帧图像的局部差异性最大值求取模块、相邻两帧图像的偏移量结果求取模块相连,根据上限阈值点、中限阈值点、下限阈值点、第一统计区间的上限值和第二统计区间的上限值判断图像非背景灰度信息的数量,排除传感器表面部分脏被误检测的情况;根据相邻两帧图像的局部差异性最大值,判断两帧图像是否存在差异性,排除传感器表面都脏时空采集被误检测的情况;根据相邻两帧图像的偏移量,判断手指是否移动。
2.如权利要求1所述的基于图像灰度信息进行手指检测实现***,其特征在于,所述阈值点生成模块根据有效灰度阈值G_TH统计有效灰度区间内的像素点总个数VH,参照公式(2)
其中x为图像灰度值,hist(x)为灰度值为x的直方图,有效灰度阈值G_TH小于或等于图像灰度范围,G_TH根据图像灰度范围可调整;
所述阈值点生成模块依次扫描灰度值从0到K的直方图hist(x),每扫描一次直方图对直方图进行积分,得到所述K为图像灰度最大值,i为当前被扫描的直方图对应的灰度值,0≤i≤K。
3.如权利要求1所述的基于图像灰度信息进行手指检测实现***,其特征在于,所述阈值点生成模块根据有效灰度区间内的像素点总个数VH、下限阈值点比例系数LR、中限阈值点比例系数MR、上限阈值点比例系数HR、有效灰度阈值G_TH按照预先设定的阈值参数选取规则获得阈值参数。
4.如权利要求3所述的基于图像灰度信息进行手指检测实现***,其特征在于,所述预先设定的阈值参数选取规则为:
当yi-1≤VH×LR且yi>VH×LR时,i的值就是直方图下限阈值参数L,若L>G_TH,则L=G_TH;0<LR<1;
当yi-1≤VH×MR且yi>VH×MR时,i的值就是直方图中限阈值参数M,若M>G_TH,则M=G_TH;0<MR<1且LR<MR;
当yi-1≤VH×HR且yi>VH×HR时,i的值就是直方图上限阈值参数H,若H>G_TH,则H=G_TH;0<HR<1且MR<HR;
当yi-1≤SUM1且yi>SUM1时,此时的i值就是C1,若i=K时且yi≤SUM1时,C1等于K;当yi-1≤SUM2且yi>SUM2时,此时的i值就是C2,若i=K时且yi≤SUM2时,C2等于K;SUM1>SUM2。
5.如权利要求1所述的基于图像灰度信息进行手指检测实现***,其特征在于,所述相邻两帧图像的局部差异性最大值求取模块选取覆盖区域内的部分数据或全部数据计算局部差异性值,参见公式(3),并从局部差异性值中找出所有覆盖情况下局部差异性最大值;
dif(u,v)=∑(slice1(m,n)-slice2(m+u,n+v))2 (3)
公式(3)中slice1表示上一帧图像,slice2表示当前帧图像,m,n表示图像像素点的水平坐标和垂直坐标,且m,n的范围为所选取覆盖区域内参与运算的像素点的范围,u,v为相邻两帧图像的中心点的水平相对位移与垂直相对位移。
6.如权利要求1所述的基于图像灰度信息进行手指检测实现***,其特征在于,所述手指检测模块的手指放上与手指离开判断依据为:
a,根据阈值点分布情况判断下限阈值点以下的图像非背景信息量,如果下限阈值点大于或等于第一统计区间的上限值,表示下限阈值点以下的图像非背景个数大于或等于第一灰度区间统计阈值,表示检测到偏湿手指放上;
b,根据阈值点分布情况判断图像非背景灰度信息是否主要分布在上限阈值点以上,如果第二统计区间上限值大于上限阈值点,表示上限阈值点以下的个数小于第二统计区间阈值,表示检测到手指离开;
c,根据阈值点分布情况判断中限阈值点以下的图像非背景信息量以及相邻两帧图像的局部差异性最大值判断相邻两帧图像是否存在一定差异,如果中限阈值点大于或等于第一统计区间的上限值且相邻两帧图像的局部差异性最大值大于手指放上阈值,表示检测到手指放上;
d,根据阈值点分布情况判断图像非背景信息是否集中在中限阈值点以上,并根据相邻两帧图像的局部差异性最大值判断相邻两帧图像存在的差异性,如果第二统计区间的上限值大于中限阈值点且相邻两帧图像的局部差异性最大值小于手指离开阈值,判断检测到手指离开。
7.如权利要求1所述的基于图像灰度信息进行手指检测实现***,其特征在于,所述手指检测模块对手指移动的判断依据为:在检测到手指放上的情况下,判断当前帧与上一帧图像的水平偏移量与垂直偏移量是否至少其中一个不为0,如果其中一个不为0,表示检测到手指移动;如果没有检测到手指放上,表示没有检测到手指移动。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210344383.5A CN103679122B (zh) | 2012-09-18 | 2012-09-18 | 基于图像灰度信息进行手指检测实现*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210344383.5A CN103679122B (zh) | 2012-09-18 | 2012-09-18 | 基于图像灰度信息进行手指检测实现*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103679122A CN103679122A (zh) | 2014-03-26 |
CN103679122B true CN103679122B (zh) | 2017-04-05 |
Family
ID=50316615
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210344383.5A Expired - Fee Related CN103679122B (zh) | 2012-09-18 | 2012-09-18 | 基于图像灰度信息进行手指检测实现*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103679122B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105069418B (zh) * | 2015-07-28 | 2018-05-04 | 苏州玄禾物联网科技有限公司 | 一种基于方位调节的指纹录入控制装置 |
CN111444486B (zh) * | 2019-12-31 | 2022-03-22 | 深圳贝特莱电子科技股份有限公司 | 一种基于android***的开机自适应初始化指纹参数方法 |
CN114578989A (zh) * | 2022-01-18 | 2022-06-03 | 清华大学 | 基于指纹变形的人机交互方法和装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6263091B1 (en) * | 1997-08-22 | 2001-07-17 | International Business Machines Corporation | System and method for identifying foreground and background portions of digitized images |
CN101408934A (zh) * | 2008-11-12 | 2009-04-15 | 杭州晟元芯片技术有限公司 | 内嵌式指纹重构加速器和动态指纹重构方法 |
CN101833649A (zh) * | 2009-03-09 | 2010-09-15 | 杭州晟元芯片技术有限公司 | 一种指纹残留甄别方法 |
CN101853374A (zh) * | 2009-03-30 | 2010-10-06 | 杭州晟元芯片技术有限公司 | 面状指纹传感器图像采集过程中的指纹监测方法 |
CN102663342A (zh) * | 2010-12-28 | 2012-09-12 | 拉碧斯半导体株式会社 | 指纹认证装置 |
-
2012
- 2012-09-18 CN CN201210344383.5A patent/CN103679122B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6263091B1 (en) * | 1997-08-22 | 2001-07-17 | International Business Machines Corporation | System and method for identifying foreground and background portions of digitized images |
CN101408934A (zh) * | 2008-11-12 | 2009-04-15 | 杭州晟元芯片技术有限公司 | 内嵌式指纹重构加速器和动态指纹重构方法 |
CN101833649A (zh) * | 2009-03-09 | 2010-09-15 | 杭州晟元芯片技术有限公司 | 一种指纹残留甄别方法 |
CN101853374A (zh) * | 2009-03-30 | 2010-10-06 | 杭州晟元芯片技术有限公司 | 面状指纹传感器图像采集过程中的指纹监测方法 |
CN102663342A (zh) * | 2010-12-28 | 2012-09-12 | 拉碧斯半导体株式会社 | 指纹认证装置 |
Also Published As
Publication number | Publication date |
---|---|
CN103679122A (zh) | 2014-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107679503A (zh) | 一种基于深度学习的人群计数算法 | |
CN103369209B (zh) | 视频降噪装置及方法 | |
KR101283262B1 (ko) | 영상 처리 방법 및 장치 | |
CN109284674A (zh) | 一种确定车道线的方法及装置 | |
CN106780565B (zh) | 一种基于光流与k-means聚类的多学生起坐检测方法 | |
CN106981081A (zh) | 一种基于深度信息提取的墙面平整度检测方法 | |
CN107563347A (zh) | 一种基于tof相机的客流计数方法和装置 | |
CN111353993B (zh) | 一种基于机器视觉的螺纹角度测量方法 | |
CN101326549B (zh) | 检测数字图像中的条纹的方法 | |
CN105741276B (zh) | 一种船舶水线提取方法 | |
CN109211918B (zh) | 一种基于纬纱走向的织物弓纬检测方法 | |
CN108596975A (zh) | 一种针对弱纹理区域的立体匹配算法 | |
CN103679122B (zh) | 基于图像灰度信息进行手指检测实现*** | |
CN112085675B (zh) | 深度图像去噪方法、前景分割方法及人体运动监测方法 | |
CN110348459A (zh) | 基于多尺度快速地毯覆盖法声呐图像分形特征提取方法 | |
CN110020627A (zh) | 一种基于深度图与特征融合的行人检测方法 | |
CN104200434B (zh) | 一种基于噪声方差估计的非局部均值图像去噪方法 | |
CN109377516A (zh) | 一种使用动态视觉数据的光流计算方法 | |
CN106600615B (zh) | 一种图像边缘检测算法评价***及方法 | |
CN202748806U (zh) | 一种基于图像灰度信息进行手指检测实现架构 | |
CN106709952A (zh) | 一种显示屏幕的自动标定方法 | |
CN106157301B (zh) | 一种用于图像边缘检测的阈值自确定方法及装置 | |
CN110225335A (zh) | 相机稳定性评估方法及装置 | |
CN104573698B (zh) | 面向成像测量的图像纹理主方向识别方法 | |
KR101640527B1 (ko) | 단일객체의 크기를 추정하는 영상 감시장치 및 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20170420 Address after: 610041 high tech Zone, Chengdu province Tianfu Avenue North Section of the new century global center, No. 1700 E3-1-1603 Patentee after: Hefei formula Electronic Technology Co.,Ltd. Address before: 610041 Sichuan, Chengdu high tech Tianfu Avenue South extension of the high-tech incubator Park, building A-E-3, No. 1 Patentee before: Chengdu FINCHOS Electrical Co.,Ltd. |
|
TR01 | Transfer of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170405 |
|
CF01 | Termination of patent right due to non-payment of annual fee |