CN106056080B - 一种可视化的生物计量信息采集装置和方法 - Google Patents

一种可视化的生物计量信息采集装置和方法 Download PDF

Info

Publication number
CN106056080B
CN106056080B CN201610375295.XA CN201610375295A CN106056080B CN 106056080 B CN106056080 B CN 106056080B CN 201610375295 A CN201610375295 A CN 201610375295A CN 106056080 B CN106056080 B CN 106056080B
Authority
CN
China
Prior art keywords
image
unit
acquired
image gray
acquisition
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.)
Active
Application number
CN201610375295.XA
Other languages
English (en)
Other versions
CN106056080A (zh
Inventor
车全宏
李治农
段松林
杨李木
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Entropy Technology Co Ltd
Original Assignee
ZKTeco Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by ZKTeco Co Ltd filed Critical ZKTeco Co Ltd
Priority to CN201610375295.XA priority Critical patent/CN106056080B/zh
Publication of CN106056080A publication Critical patent/CN106056080A/zh
Application granted granted Critical
Publication of CN106056080B publication Critical patent/CN106056080B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/13—Sensors therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1347—Preprocessing; Feature extraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/18—Eye characteristics, e.g. of the iris
    • G06V40/19—Sensors therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/18—Eye characteristics, e.g. of the iris
    • G06V40/193—Preprocessing; Feature extraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/40—Spoof detection, e.g. liveness detection
    • G06V40/45—Detection of the body part being alive

Landscapes

  • Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Ophthalmology & Optometry (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本申请提供了一种用于获取生物计量信息的装置，包括：采集单元，用于采集包含待识别个人的生物计量信息的图像；显示单元，用于显示所述采集单元获取的图像；特征提取单元，用于从采集单元获取的画面中识别包含所述待识别个人的生物计量信息的特征区域；处理单元，用于根据特征提取单元识别出的特征区域在显示单元上生成代表所述特征区域的引导标识；其中，所述引导标识随着采集单元获取的画面的变化而改变。本发明提供的方法简单快捷的为包含待采集的生物计量信息的目标提供了方向引导，操作快捷明了，实现方式简单且成本低，用户体验好。

Description

一种可视化的生物计量信息采集装置和方法
技术领域
本申请涉及生物识别领域，特别地，涉及一种可视化的生物计量信息采集装置和方法。
背景技术
生物识别技术及相关产品已经广泛地用于用户标识和验证/鉴权，例如考勤机，安防行业的智能锁、门禁机、梯控，出入口控制的通道产品、停车场产品、视频监控产品，都可以引入这种生物特征身份识别方式，达到时间管理、出入口安全控制、人流统计等目的。生物识别技术还可以集成应用于大型软件、项目，具体这些产品可以应用于银行、企事业单位、监狱、家庭、学校等等任何需要出入口控制、安全控制的环境，甚至可以建立集成生物特征的身份证，建立数据库，用于寻找走失、拐卖儿童。
指纹具有唯一性，且易于采集，因此是最常用的用于识别个人的生物特征之一。与此同时，由于指纹采集为接触式采集，取样时对手指的要求很高，手指指纹表面的干湿程度、清洁程度都会对采集到的指纹图像产生影响，使识别的准确度降低，用户体验较差。目前，解决这一问题的方案之一是采用非接触式采集的生物作为识别个人的生物特征。例如：手掌掌纹、手掌血管图像、面部图像、面部骨骼图像、虹膜等。非接触式的采集方法有效地解决了接触方式所带来的弊端。
然而，非接触式采集也存在一定的问题，例如：采集设备的取像角度是一定的，取像对象必须处于合适的范围内才能采集到有效地、易于识别的图像。然而实际中，由于待识别个人的个体差异以及取像范围的不可见性，使得很难获取到与登记在数据库中的图像相同的图像，大大增加了匹配和对比的难度。因此，亟需提供一种新的非接触式采集方法来解决这一问题。
发明内容
本申请解决的技术问题之一是提供一种用于获取生物计量信息的装置，包括：
采集单元，用于采集包含待识别个人的生物计量信息的图像；显示单元，用于显示所述采集单元获取的图像；特征提取单元，用于从采集单元获取的画面中识别包含所述待识别个人的生物计量信息的特征区域；处理单元，用于根据特征提取单元识别出的特征区域在显示单元上生成代表所述特征区域的引导标识；其中，所述引导标识随着采集单元获取的画面的变化而改变。
根据本发明的其中一个方面，所述采集单元采集图像的方法为非接触式采集，具体的，所述采集单元为摄像头。
根据本发明的其中一个方面，所述生物计量信息为手掌掌纹、手掌血管图像、面部图像、虹膜、手掌骨骼、唇纹、手掌骨骼、唇纹。
根据本发明的其中一个方面，所述特征提取单元中包括：几何信息提取单元，用于通过识别算法得到代表所述特征区域的N个第一特征坐标点，所述第一特征坐标点中包含含有所述特征区域的形状和位置关系的几何信息；其中，通过识别算法获得第一特征坐标点的方法为：采集M个手掌图像样本，在每一个手掌图像样本上标注真实关键点位置；根据所述M 个手掌图像样本中的真实关键点位置，得到每一个手掌图像样本中每一个真实关键点位置对应的初始估计位置；对每一个初始估计位置进行训练，以使所述初始估计位置逼近对应的真实关键点位置，得到一个级联回归器；根据所述级联回归器，定位待识别手掌图像中的目标关键点位置，获得第一特征坐标点；其中，N、M均为大于2的整数。
根据本发明的其中一个方面，所述处理单元还包括：几何信息处理单元，用于将获取的图像上的所述N个第一特征坐标点根据对应关系换算成屏幕上对应的N个第二特征坐标点，其中所述对应关系为采集单元的取像范围与显示单元的尺寸之间的比例关系，N为大于2的整数。
根据本发明的其中一个方面，所述处理单元还包括：引导标识形成单元，用于根据所述第二特征坐标点生成代表所述特征区域的形状和位置的引导标识。
根据本发明的其中一个方面，所述引导标识的形状为与所述特征区域的形状最为接近的多边形、圆形、椭圆形中的任意一种。
根据本发明的其中一个方面，所述生物计量信息采集装置还包括：参考标记生成单元，用于提取包含所述采集单元的采集范围的几何信息，并根据所述几何信息在显示单元上生成代表所述采集范围的参考标识。
根据本发明的其中一个方面，所述生物计量信息采集装置还包括：误差计算单元，用于计算误差矢量，所述误差矢量的起点为所述引导标识的几何中心点，终点为所述参考标识的几何中心点；以及，提示单元，用于在显示单元上显示所述误差矢量的长度和方向。
根据本发明的其中一个方面，所述生物计量信息采集装置还包括：探测单元，用于探测所述采集装置的取像范围内是否存在遮挡物，以及当检测到遮挡物存在时输出信号。
根据本发明的其中一个方面，所述探测单元为反射式红外侦测单元。
根据本发明的其中一个方面，所述探测单元为图像灰度监测单元，所述图像灰度监测单元用于测量感测单元当前获取的图像灰度均值。
根据本发明的其中一个方面，所述图像灰度监测单元探测所述采集装置的取像范围内是否存在遮挡物的方法为：当监测到当前获取的图像灰度均值升高，则判断有遮挡物出现；
当监测到当前获取的图像灰度均值降低，则判断有遮挡物离开；其中，所述图像灰度均值可按照图像划分网格区域及设置不同权重系数。
根据本发明的其中一个方面，所述图像灰度监测单元探测所述采集装置的取像范围内是否存在遮挡物的方法为：获取感测单元当前获取的图像灰度均值；计算感测单元在当前获取的图像之前获取的N幅图像的平均图像灰度均值；当感测单元当前获取的图像灰度均值是所述平均图像灰度均值的X倍时，判断出现遮挡物；当感测单元当前获取的图像灰度均值是所述平均图像灰度均值的Y倍时，判断遮挡物离开；其中，N为大于2的整数，X为大于1的正数，Y为大于0小于或等于1的正数。
根据本发明的其中一个方面，所述图像灰度监测单元探测所述采集装置的取像范围内是否存在遮挡物的方法为：获取感测单元当前获取的图像灰度均值；当获取的所述图像灰度均值大于判断阈值时，判断出现遮挡物。当获取的所述图像灰度均值小于或等于判断阈值时，判断遮挡物离开。
相应的，本发明还提供了一种可视化的生物计量信息采集方法，包括：通过采集单元采集包含待识别个人的生物计量信息的图像；通过显示单元显示所述采集单元获取的图像；通过特征提取单元从采集单元获取的画面中识别包含所述待识别个人的生物计量信息的特征区域；通过处理单元根据特征提取单元识别出的特征区域在显示单元上生成代表所述特征区域的引导标识；其中，所述引导标识随着采集单元获取的画面的变化而改变。
根据本发明的其中一个方面，所述采集单元采集图像的方法为非接触式采集，具体的，所述采集单元为摄像头。
根据本发明的其中一个方面，所述生物计量信息为手掌掌纹、手掌血管图像、面部图像、虹膜、手掌骨骼、唇纹。
根据本发明的其中一个方面，所述特征提取单元从采集单元获取的画面中识别包含所述待识别个人的生物计量信息的特征区域的方法包括通过识别算法得到代表所述特征区域的N个第一特征坐标点，所述第一特征坐标点中包含含有所述特征区域的形状和位置关系的几何信息；其中，通过识别算法获得第一特征坐标点的方法为：采集M个手掌图像样本，在每一个手掌图像样本上标注真实关键点位置；根据所述M个手掌图像样本中的真实关键点位置，得到每一个手掌图像样本中每一个真实关键点位置对应的初始估计位置；对每一个初始估计位置进行训练，以使所述初始估计位置逼近对应的真实关键点位置，得到一个级联回归器；根据所述级联回归器，定位待识别手掌图像中的目标关键点位置，获得第一特征坐标点；其中，N、M均为大于2的整数。
根据本发明的其中一个方面，所述处理单元根据特征提取单元识别出的特征区域在显示单元上生成代表所述特征区域的引导标识的方法为：将获取的图像上的所述N个第一特征坐标点根据对应关系换算成屏幕上对应的N个第二特征坐标点，其中所述对应关系为采集单元的取像范围与显示单元的尺寸之间的比例关系，N为大于2的整数。
根据本发明的其中一个方面，所述处理单元根据特征提取单元识别出的特征区域在显示单元上生成代表所述特征区域的引导标识的方法还包括：根据所述第二特征坐标点生成代表所述特征区域的形状和位置的引导标识。
根据本发明的其中一个方面，所述引导标识的形状为与所述特征区域的形状最为接近的多边形、圆形、椭圆形中的任意一种。
根据本发明的其中一个方面，所述生物计量信息采集方法还包括：提取包含所述采集单元的采集范围的几何信息，并根据所述几何信息在显示单元上生成代表所述采集范围的参考标识。
根据本发明的其中一个方面，所述生物计量信息采集方法还包括：计算误差矢量，所述误差矢量的起点为所述引导标识的几何中心点，终点为所述参考标识的几何中心点；以及，在显示单元上显示所述误差矢量的长度和方向。
根据本发明的其中一个方面，所述生物计量信息采集装置还包括：探测单元，用于探测所述采集装置的取像范围内是否存在遮挡物，以及当检测到遮挡物存在时输出信号。
根据本发明的其中一个方面，所述探测单元为反射式红外侦测单元。
根据本发明的其中一个方面，所述探测单元为图像灰度监测单元，所述图像灰度监测单元用于测量感测单元当前获取的图像灰度均值。
根据本发明的其中一个方面，所述图像灰度监测单元探测所述采集装置的取像范围内是否存在遮挡物的方法为：当监测到当前获取的图像灰度均值升高，则判断有遮挡物出现；当监测到当前获取的图像灰度均值降低，则判断有遮挡物离开。
根据本发明的其中一个方面，所述图像灰度监测单元探测所述采集装置的取像范围内是否存在遮挡物的方法为：获取感测单元当前获取的图像灰度均值，其中，所述感测单元用于获取探测范围内的图像，根据本发明的其中一个方面，所述感测单元为摄像头；计算感测单元在当前获取的图像之前获取的N幅图像的平均图像灰度均值；当感测单元当前获取的图像灰度均值是所述平均图像灰度均值的X倍时，判断出现遮挡物；当感测单元当前获取的图像灰度均值是所述平均图像灰度均值的Y倍时，判断遮挡物离开；其中，N为大于2的整数，X为大于1的正数，Y为大于0小于或等于1的正数。
根据本发明的其中一个方面，所述图像灰度监测单元探测所述采集装置的取像范围内是否存在遮挡物的方法为：获取感测单元当前获取的图像灰度均值；当监测到当前获取的图像灰度均值升高，则判断有遮挡物出现；当监测到当前获取的图像灰度均值降低，则判断有遮挡物离开；其中，所述图像灰度均值可按照图像划分网格区域及设置不同权重系数。
本发明提供的采集装置能够准确的提取出采集到的图像中包含待采集的生物计量信息的特征区域，并根据特征区域的位置关系和形状关系计算出包含所述特征区域的位置和形状关系的几何信息，根据所述几何信息生成引导标识，并显示在显示单元上。
本发明能够在显示单元上的引导标识和参考标识的相对位置，并将该信息直观的反馈给用户，用户自然会条件反射式的根据反馈信息自我修正位置、调整位置，使包含待采集的生物计量信息的目标进入设定的图像获取区域。所述引导标识采集单元获取的画面的变化而改变，反映待采集的生物特征的实时位置。根据几何成像原理，当包含待采集的生物计量信息的目标逐渐远离采集设备时，引导标识会逐渐变小，当所述目标超出采集装置的侦测范围时，引导标识消失；同理当包含待采集的生物计量信息的目标逐渐靠近采集设备，引导标识会逐渐变大，当引导标识超出图像获取区域框时，所述引导标识消失，从而使用户意识到待采集目标对象超出采集单元的取像范围，从而进行主动调整。引导标识也会跟随手掌在水平面的上下左右移动而在显示单元上显示出，以此种显示引导方式，方便包含待采集的生物计量信息的目标快速定位，从而采集最佳图像。本发明提供的方法简单快捷的为包含待采集的生物计量信息的目标提供了方向引导，操作快捷明了，实现方式简单且成本低，用户体验好。
本领域普通技术人员将了解，虽然下面的详细说明将参考图示实施例、附图进行，但本申请并不仅限于这些实施例。而是，本申请的范围是广泛的，且意在仅通过后附的权利要求限定本申请的范围。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1为本发明一个实施例中的获取生物计量信息的装置的结构示意图；
图2(a)为本发明一个实施例中的获取生物计量信息的装置的一个应用示意图；
图2(b)为图2(a)中的应用情况下获取的图像；
图3(a)为本发明另一个实施例中的获取生物计量信息的装置的一个应用示意图；
图3(b)为图3(a)中的应用情况下获取的图像；
图4(a)为本发明另一个实施例中的获取生物计量信息的装置的一个应用示意图；
图4(b)为图4(a)中的应用情况下获取的图像；
图5为本发明另一个实施例中的参考标识的一种生成方法示意图；
图6为本发明另一个实施例中的误差计算单元算出的误差矢量的示意图；
附图中相同或相似的附图标记代表相同或相似的部件。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明的实施例作详细描述。
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。
在下面详细的描述中，作为示例列举出了多个特定的细节从而提供对于相关实施例的全面理解。然而，对于本领域的技术人员来说，可以不限于这些细节或者连同附加特征来实现本发明。在其他的例子中，在相对高的层面上无有细节地对公知的方法、进程、***、组件和/或电路进行描述，从而避免对本发明造成不必要的模糊化。
本发明描述了基于多模式生物计量信息的采集装置以及基于该装置的个人标识装置与方法。个人的多模式生物计量信息可以包括但不限于与个人的面部图像相关的信息以及与手掌特征相关的信息。这种用户标识的应用包括安全进入，例如建筑物、设备、安装在计算设备上的软件应用等。例如，当个人试图通过由安全***(例如安装在门上或者门的附近)控制的门进入建筑物时，安全***可以通知个人将指头放置在用户标识设备上。用户标识设备可以确定该个人是否具有被允许进入该建筑物的已知并且/ 或授权的身份。
下面对本发明的用于获取生物计量信息的装置进行详细说明，该装置包括：采集单元110、显示单元120、特征提取单元130以及处理单元140，下面将结合附图和具体的实施例对上述装置的各个单元进行详细说明。
所述采集单元110用于采集包含待识别个人的生物计量信息的图像。所述生物计量信息可以为手掌掌纹、手掌血管图像、面部图像、虹膜、手掌骨骼、唇纹等通过非接触式采集的信息，也可以是指纹、手指血管等通过接触式采集的信息。在本实施例中，所述采集单元110采集图像的方法为非接触式采集，具体的，所述采集单元110为摄像头。当然，本发明对于接触式采集也同样适用。但在实际中，由于接触式采集的采集范围固定，偏移较小，采集失败的原因中只有很少一部分是由于采集对象的位置不在取像范围中引起的，因此在接触式采集中适用本发明对采集效率的提高没有明显的帮助。但本发明同样可以适用于接触式采集，这是本领域中的技术人员都能够理解的。
显示单元120，用于显示所述采集单元获取的图像。所述显示单元120 显示的内容为采集单元110实时获取到的内容。同时，所述显示单元也不限于仅显示采集单元110获取的内容。例如，是显示单元的一部分区域可以用于显示时间、企业的名称、标志以及其他信息。所述显示单元120也不限于随时显示所述采集单元110获取的内容，可以通过自主设置将其设定为当且仅当所述采集单元110捕获到包含待识别的生物计量信息的图像时，所述显示单元120启动并显示采集单元110实时获取的内容，否则所述显示单元120处于待机状态，以节约能量。如何设置显示单元120的显示内容为本领域的公知常识，在此不再赘述。
所述特征提取单元130用于从采集单元获取的画面中识别包含所述待识别个人的生物计量信息的特征区域。具体的，所述特征提取单元130首先对采集单元110获取的图像进行分析和验证，确认其中是否包含待采集的生物计量信息，以手掌为例，若确认采集到的图像中包含手掌的图案，则根据对应的手掌识别算法确认出手掌所在的特征区域，并提取出代表所述特征区域的形状和位置信息的几何信息。具体的，所述特征提取单元中包括几何信息提取单元，用于通过识别算法得到代表所述特征区域的N个第一特征坐标点，所述第一特征坐标点中包含含有所述特征区域的形状和位置关系的几何信息；其中，通过识别算法获得第一特征坐标点的方法为：采集M个手掌图像样本，在每一个手掌图像样本上标注真实关键点位置；根据所述M个手掌图像样本中的真实关键点位置，得到每一个手掌图像样本中每一个真实关键点位置对应的初始估计位置；对每一个初始估计位置进行训练，以使所述初始估计位置逼近对应的真实关键点位置，得到一个级联回归器；根据所述级联回归器，定位待识别手掌图像中的目标关键点位置，获得第一特征坐标点；其中，N、M均为大于2的整数。
所述处理单元140用于根据特征提取单元130识别出的特征区域在显示单元120上生成代表所述特征区域的引导标识；所述处理单元140还包括：几何信息处理单元，用于将获取的图像上的所述N个第一特征坐标点根据对应关系换算成显示单元120上对应的N个第二特征坐标点，所述第二特征坐标点为第一特征坐标点在显示单元120上的投影坐标点，并且包含第一特征坐标点包含的关于特征区域的全部几何信息，其中所述对应关系为采集单元的取像范围与显示单元的尺寸之间的比例关系，N为大于2 的整数；以及引导标识形成单元，用于根据所述第二特征坐标点生成代表所述特征区域的形状和位置的引导标识。其中，所述引导标识随着采集单元110获取的画面的变化而改变。其中，所述引导标识的形状为与所述特征区域的形状最为接近的多边形、圆形、椭圆形中的任意一种，也可以是其他不封闭的几何形状，如弧形、折线形、不规则曲线等形状。
优选的，所述生物计量信息采集装置还包括：参考标记生成单元，用于提取包含所述采集单元的采集范围的几何信息，并根据所述几何信息在显示单元上生成代表所述采集范围的参考标识。其中，所述参考标记位于显示单元上显示采集单元110的采集内容的有效区域(以下简称有效区域) 中，用于标识有效的采集范围。其目的在于作为与引导标识对应的不变的参照物，能够明确的显示引导标识的位置变化，便于引导用户根据引导标识与参考标识相对位置的变化调整取样目标的位置。通常，所述参考具有与所述引导标识相同的形状，其几何中心点位于有效区域的中央。
图5示出了在本发明的一个实施例中，当所述参考标识为圆形时，所述圆形的圆心坐标和半径的确定方法。如图中所示，其中，显示单元120 为矩形，其长度为L，高度为H。显示单元120中存在三个区域，区域1 即图中显示“Welcome”的区域，区域2为图5中显示时间和日期的区域，可以看出，这两个区域用于显示和采集单元110的采集内容无关的内容，因此，显示单元120中的有效区域为除了区域1和区域2之外的区域，该区域的有效长度为L-L1，有效高度为H-H1。根据所述有效区域的长度和高度以及其四个顶点对应的坐标，可以容易的得到参考区域的圆形的圆心所在的位置，即所述有效区域的几何中心点处。在实际中，为了能很好的起到参考的作用，因此，圆形的半径通常要小于有效区域的长度和高度中较小值的二分之一。在图5中，有效区域的长度较小，该圆形的半径R小于0.5(H-H1)，二者之间存在偏差值M。所述偏差值M为与采集单元 110的采集范围相关的校正系数，根据实际的偏差人为设定。
图5只是示出了所述参考标识的一种生成方法，在应用中，所述参考标识的形状不限于圆形，也可以为多边形、圆形、椭圆等形状，也可以是其他不封闭的几何形状，如弧形、折线形、不规则曲线等形状。其生成方法也可以根据参考形状的形状相应的发生变化，相关的方法为本领域中的技术人员所熟悉的内容，在此不再赘述。需要说明的是，图5所示的实施例仅仅是对本发明的解释和说明，而不能解释为对本发明的限制。
优选的，所述生物计量信息采集装置还包括：误差计算单元，用于计算误差矢量，所述误差矢量的起点为所述引导标识的几何中心点，终点为所述参考标识的几何中心点；以及提示单元，用于在显示单元上显示所述误差矢量的长度和方向。所述误差计算单元的目的在于：计算代表所述引导标识的几何中心与所述参考标识的几何中心点之间的距离和方向的误差矢量，并清楚的在显示单元上指出所述误差矢量，可以使用户更直观的了解如何更好的采集待采集目标。如图6所示，图中的箭头清楚的标明了待采集的目标(即引导标识对应的小圆)与采集单元110的采集范围(参考标识对应的大圆)的圆心之间的位置关系，可以直观的看出，需要向左上方移动待采集的目标才能使采集单元110采集到更完整和清晰的图像。
优选的，所述生物计量信息采集装置还包括：探测单元150。
所述探测单元150用于探测所述采集装置的取像范围内是否存在遮挡物。具体的，探测单元150包括彩色摄像头和确认单元。所述彩色摄像头用于对摄像头的摄像范围内出现的图像进行监测，并将监测到的图像发送给确认单元。所述确认单元用于对彩色摄像头监测到的图像进行分析处理，当监测到的图像发生变化时，确认摄像范围内出现遮挡物，并输出包含确认信息的结果。
在实际使用中，所述采集单元110、特征提取单元130以及处理单元 140，均处于关闭状态。当监测到的图像未发生改变时，上述各部分均保持关闭状态。彩色摄像头则随时处于工作状态，对探测范围内的图像进行实时监控，并将获取到的图像发送给确认单元。当确认单元检测到图像发生变化，则输出确认信息，使采集单元110、特征提取单元130以及处理单元140按照预设程序先后启动。所述确认单元可以是控制器、微型单片机等具有逻辑控制功能的器件，如何实现确认单元是本领域的常用技术手段，在此不再赘述。
在本发明的另一个实施例中，所述探测单元150为反射式红外侦测单元。该反射式红外侦测单元按照一定的时间间隔持续的向外发射红外线，当接收到发出红外线被遮挡物反射回的红外线时，判断存在遮挡物，发出确认信号，开启采集单元110、特征提取单元130以及处理单元140。相比于彩色摄像头作为探测单元150的实施例，反射式红外侦测单元具有成本低、集成度高、体积小的特点，同时其识别精度也相应的较低。在实际中探测单元150可根据实际需要进行选取。同时，所述探测单元150也可以是其他不限于上述两种装置的其他装置。
在本发明的另一个实施例中，提供了探测单元150的另一种实现方法。其中，所述探测单元150为图像灰度监测单元，所述图像灰度监测单元用于测量摄像头当前获取的图像灰度均值，所述摄像头可以是彩色摄像头，也可以是红外摄像头。其中，所述图像灰度均值按照图像划分网格区域及设置不同权重系数。具体的，所述图像灰度监测单元探测所述采集装置的取像范围内是否存在遮挡物的方法为：当监测到当前获取的图像灰度均值升高，则判断有遮挡物出现；当监测到当前获取的图像灰度均值降低，则判断有遮挡物离开。这是由于在实际中，当摄像头前无遮挡物时，这时摄像头所取到的图像灰度均值较低，当摄像头前突然有遮挡物时，这时摄像头所取到的图像灰度均值较高，通过图像灰度均值的从低到高或从高到低的变化，我们可以判断出在摄像头前是否出现遮挡物以及遮挡物是否离开。
在实际中，为了避免环境光线对获取的图像灰度均值产生干扰，通常采用多次连续获取的图片的平均图像灰度均值作为参照物。具体的，所述图像灰度监测单元探测所述采集装置的取像范围内是否存在遮挡物的方法为：获取摄像头当前获取的图像灰度均值；计算摄像头在当前获取的图像之前获取的N幅图像的平均图像灰度均值；当摄像头当前获取的图像灰度均值是所述平均图像灰度均值的X倍时，判断出现遮挡物；当摄像头当前获取的图像灰度均值是所述平均图像灰度均值的Y倍时，判断遮挡物离开；其中，N为大于2的整数，X为大于1的正数，Y为大于0小于或等于1的正数。
在实际应用中，摄像头的采样是连续的，当摄像头前无遮挡物时，这时摄像头所取到的图像灰度均值较低，当摄像头前突然有遮挡物时，由于遮挡物将发光单元110发出的光线反射回来，此时摄像头所获取的图像灰度均值相比于不存在遮挡物时获取的图像灰度均值高。图像灰度监测单元正是通过对摄像头获取的图像灰度均值的变化判断遮挡物的出现和离开。
此外，在实际应用中，由于外界光线的影响，摄像头所获取的图像灰度均值是随时变化的，当不存在遮挡物时，其图像灰度均值也并不是一个固定不变的值，而是在某一范围内波动。因此，为了避免由于图像灰度均值波动引起的误判，提高判断的准确性，我们将数次取样获取的图像灰度均值的平均值作为判断图像灰度均值变化的参照值。例如，摄像头当前获取的图像灰度均值为A，在当前获取的图像之前获取的10张图像灰度均值依次为A1～A10，其平均图像灰度均值为当A的值是的X倍时，即说明当前图像灰度均值较之前获取的图像灰度均值提高，有遮挡物进入取样范围内，其中X为大于1的正数，通常X的取值为1.5～5之间，例如2、3、4.5 等。当然，X的取值可根据实际中对判断精度的需要进行设定，在此不再赘述。在其他实施例中，在当前获取的图像之前获取的图像数量N也可以为其他任何自然数，具体的数量可以根据摄像头的采样间隔时间和一次采样所需要的平均时间计算得出，例如，N可以是大于2的任意自然数，如3、5、8、 10、11、18等等。以上数据只是示例性的对本发明进行说明，不能解释为对本发明的限制。
同样的，在判断遮挡物是否离开摄像头时，也可以采用相同的方法：获取摄像头当前获取的图像灰度均值；计算摄像头在当前获取的图像之前获取的N幅图像的平均图像灰度均值；当摄像头当前获取的图像灰度均值是所述平均图像灰度均值的Y倍时，判断遮挡物离开；其中，N为大于2的整数，Y 为大于0小于或等于1的正数。例如，摄像头当前获取的图像灰度均值为B，在当前获取的图像之前获取的6张图像灰度均值依次为B1～B6，其平均图像灰度均值为当B的值是的Y倍时，即说明当前图像灰度均值较之前获取的图像灰度均值减小，有遮挡物从取样范围中离开，其中Y为小于或等于1的正数，通常Y的取值为0.2～0.8之间，例如0.3、0.5、0.7等。
在一些实施例中，为了避免外界光线的变化而在采样过程中产生的图像灰度均值波动引起的误判，X的预设值通常较高，例如X为3甚至更高的5，这意味着只有当前获取的图像灰度均值为前N张图像的平均图像灰度均值的五倍时，才可判断遮挡物出现。然而在应用中，由于外界光线的影响，可能导致遮挡物出现之后所获取的图像灰度均值升高的比例较小，例如为平均图像灰度均值的1.5倍或2倍，这时将无法有效的判断遮挡物出现。因为此时虽然遮挡物已经出现，且获取的图像灰度均值升高，但达不到判断遮挡物出现的阈值。因此在实际中还可以设定，在当前获取的图像灰度均值C高于前 N张图像的平均图像灰度均值但低于判定的阈值图像灰度均值时，若接下来连续获取的M张图片的图像灰度均值均高于当前获取的图像灰度均值C，或接下来连续获取的M张图片的图像灰度均值均高于当前获取的M-1张图片的平均图像灰度均值C1，或接下来连续获取的M张图片中每一张图片的灰度值均高于前一张图片的灰度值，则同样认为遮挡物已经出现。其中M的数量可以根据摄像头的采样间隔时间和一次采样所需要的平均时间计算得出，可以是任意大于2的自然数，例如3、5、8、9、10等，在此不再赘述。
同样的，在一些实施例中，为了避免外界光线的变化而在采样过程中产生的图像灰度均值波动引起的误判，Y的预设值通常较低，例如Y为0.3甚至更低的0.25，这意味着只有当前获取的图像灰度均值为前N张图像的平均图像灰度均值的四分之一时，才可判断遮挡物离开。然而在应用中，由于外界光线的影响，可能导致遮挡物离开之后所获取的图像图像灰度均值依然较高，例如为平均图像灰度均值的二分之一，这时将无法有效的判断遮挡物已经离开。因为此时虽然遮挡物已经离开，且获取的图像灰度均值降低，但达不到判断遮挡物离开的阈值。因此在实际中还可以设定，在当前获取的图像灰度均值D低于前N张图像的平均图像灰度均值，但高于判定的阈值图像灰度均值时，若接下来连续获取的L张图片的图像灰度均值均低于当前获取的图像灰度均值D，或若接下来连续获取的L张图片的图像灰度均值且低于前 N张图像灰度均值平均值时，则同样认为遮挡物已经离开。其中L的数量可以根据摄像头的采样间隔时间和一次采样所需要的平均时间计算得出，可以是任意大于2的自然数，例如3、5、8、9、10等，在此不再赘述。
本发明的另一个实施例中，所述图像灰度监测单元探测所述采集装置的取像范围内是否存在遮挡物的方法还可以是：获取感测单元当前获取的图像灰度均值；当获取的所述图像灰度均值大于判断阈值时，判断出现遮挡物。当获取的所述图像灰度均值小于或等于判断阈值时，判断遮挡物离开。这种方法较前文所述的方法简单方便，易于实现，当在实际中对是否有遮挡物出现的判断精确程度要求较低时，可以采用此种方法实现。
探测单元150的目的是降低***功耗，确保只有当遮挡物出现时才启动采集单元110、特征提取单元130以及处理单元140。所述探测单元150 除了前文所述的实施方式以外，其他可以实现这一功能的方法都可以用于实现本发明，相关实施方式均为本领域的公知常识，在此不再赘述。以上实施例仅用于解释和说明本发明，而不能解释为对本发明的限制。相应的，本发明还提供了一种可视化的生物计量信息采集方法，包括：
步骤一、通过采集单元110采集包含待识别个人的生物计量信息的图像；
步骤二、通过显示单元120显示所述采集单元110获取的图像；
步骤三、通过特征提取单元130从采集单元110获取的画面中识别包含所述待识别个人的生物计量信息的特征区域；
步骤四、通过处理单元140根据特征提取单元130识别出的特征区域在显示单元120上生成代表所述特征区域的引导标识；其中，所述引导标识随着采集单元110获取的画面的变化而改变。
优选的，在步骤一之前还包括步骤A：通过探测单元150探测所述采集装置的取像范围内是否存在遮挡物，当检测到遮挡物存在时输出信号。
下面将对上述每一步进行详细描述。
首先，在步骤A中，所述探测单元150用于探测所述采集装置的取像范围内是否存在遮挡物。探测单元150的目的是降低***功耗，确保只有当遮挡物出现时才启动采集单元110、特征提取单元130以及处理单元140。在本发明的一个实施例中，上述探测单元150包括彩色摄像头和确认单元。所述彩色摄像头用于监测图像并发送给确认单元。当所述确认单元判断获取的图像发生变化时，输出包含确认信息的结果。
在本发明的另一个实施例中，所述探测单元150为反射式红外侦测单元。该反射式红外侦测单元按照一定的时间间隔持续的向外发射红外线，当接收到发出红外线被遮挡物反射回的红外线时，判断存在遮挡物，发出确认信号，开启采集单元110、特征提取单元130以及处理单元140。相比于彩色摄像头作为探测单元150的实施例，反射式红外侦测单元具有成本低、集成度高、体积小的特点，同时其识别精度也相应的较低。在实际中探测单元150可根据实际需要进行选取。同时，所述探测单元150也可以时其他不限于上述两种装置的其他装置。
在本发明的另一个实施例中，提供了探测单元150的另一种实现方法。其中，所述探测单元150为图像灰度监测单元，所述图像灰度监测单元用于测量摄像头当前获取的图像灰度均值，所述摄像头可以是彩色摄像头，也可以是红外摄像头。具体的，所述图像灰度监测单元探测所述采集装置的取像范围内是否存在遮挡物的方法为：当监测到当前获取的图像灰度均值升高，则判断有遮挡物出现；当监测到当前获取的图像灰度均值降低，则判断有遮挡物离开。这是由于在实际中，红外摄像头连续性的取像(采样)，当摄像头前无遮挡物时，这时摄像头所取到的图像灰度均值较低，当摄像头前突然有遮挡物时，这时摄像头所取到的图像灰度均值较高，通过图像灰度均值的从低到高的变化，我们可以判断出在摄像头前已放手掌 (或者可以说手掌进入)；在已判断出手掌进入的情况下，如果离开手掌，这时摄像头所取到的图像灰度均值较低，这时通过图像图像灰度均值从高到低，我们可以判断出手掌已离开。在实际中，由于外红外摄像头所取图像的图像灰度均值是随时变化的，会上下波动。因此需要多次取像采样处理。例如，可以连续获取多次图像，算出图像灰度均值的平均值，与获取的下幅图像的灰度均值进行比较。当下幅图像的灰度均值是其平均值的一定倍数时，判断手掌进入。另外如果下一次的图像灰度均值高于其平均值，但未达到一定倍数，但如果其图像灰度均值是持续高于平均值时，也认为手掌进入。与此同时也可以检测红外探测信号是否发生了变化来辅助判断，当红外探测信号有变化时，如果在单位时间内上升幅度，超过设定阀值时，这时也可判断手掌进入。由于图像灰度均值的波动，在判断其手掌离开时，也需要判断其图像灰度均值的平均值，当手掌在摄像头前，其图像灰度均值的平均值也会随之增加，当手掌离开时，下幅图像灰度均值也随之降低，当图像灰度均值小于灰度均值的平均值一定倍数时，判断手掌离开。另外如果下幅图像灰度均值，低于图像灰度均值的平均值时，且未达到指定倍数时，如果是持续低于图像灰度均值的平均值时，也认为手掌离开。与此时同时也可以检测红外探测信号是否发生了变化来辅助判断，当检测到红外探测信号时，如果在单位时间内，下降幅度，达到设定阀值时，这时也可以判断手掌的离开。此外，在实际中，根据实验数据统计，当图像灰度均值达到预定的阀值时，也可认为手掌进入。当图像灰度均值小于预定的阀值时，也可认为手掌离开。
在实际中，为了避免环境光线对获取的图像灰度均值产生干扰，通常采用多次连续获取的图片的平均图像灰度均值作为参照物。具体的，所述图像灰度监测单元探测所述采集装置的取像范围内是否存在遮挡物的方法为：获取摄像头当前获取的图像灰度均值；计算摄像头在当前获取的图像之前获取的N幅图像的平均图像灰度均值；当摄像头当前获取的图像灰度均值是所述平均图像灰度均值的X倍时，判断出现遮挡物；当摄像头当前获取的图像灰度均值是所述平均图像灰度均值的Y倍时，判断遮挡物离开；其中，N为大于2的整数，X为大于1的正数，Y为大于0小于或等于1的正数。
在实际应用中，摄像头的采样是连续的，当摄像头前无遮挡物时，这时摄像头所取到的图像灰度均值较低，当摄像头前突然有遮挡物时，由于遮挡物将发光单元110发出的光线反射回来，此时摄像头所获取的图像灰度均值相比于不存在遮挡物时获取的图像灰度均值高。图像灰度监测单元正是通过对摄像头获取的图像灰度均值的变化判断遮挡物的出现和离开。
此外，在实际应用中，由于外界光线的影响，摄像头所获取的图像灰度均值是随时变化的，当不存在遮挡物时，其图像灰度均值也并不是一个固定不变的值，而是在某一范围内波动。因此，为了避免由于图像灰度均值波动引起的误判，提高判断的准确性，我们将数次取样获取的图像灰度均值的平均值作为判断图像灰度均值变化的参照值。例如，摄像头当前获取的图像灰度均值为A，在当前获取的图像之前获取的10张图像灰度均值依次为A1～A10，其平均图像灰度均值为当A的值是的X倍时，即说明当前图像灰度均值较之前获取的图像灰度均值提高，有遮挡物进入取样范围内，其中X为大于1的正数，通常X的取值为1.5～5之间，例如2、3、4.5 等。当然，X的取值可根据实际中对判断精度的需要进行设定，在此不再赘述。在其他实施例中，在当前获取的图像之前获取的图像数量N也可以为其他任何自然数，具体的数量可以根据摄像头的采样间隔时间和一次采样所需要的平均时间计算得出，例如，N可以是大于2的任意自然数，如3、5、8、 10、11、18等等。以上数据只是示例性的对本发明进行说明，不能解释为对本发明的限制。
同样的，在判断遮挡物是否离开摄像头时，也可以采用相同的方法：获取摄像头当前获取的图像灰度均值；计算摄像头在当前获取的图像之前获取的N幅图像的平均图像灰度均值；当摄像头当前获取的图像灰度均值是所述平均图像灰度均值的Y倍时，判断遮挡物离开；其中，N为大于2的整数，Y 为大于0小于或等于1的正数。例如，摄像头当前获取的图像灰度均值为B，在当前获取的图像之前获取的6张图像灰度均值依次为B1～B6，其平均图像灰度均值为当B的值是的Y倍时，即说明当前图像灰度均值较之前获取的图像灰度均值降低，有遮挡物从取样范围内离开，其中Y为小于等于 1的正数，通常Y的取值为0.2～0.8之间，例如0.3、0.5、0.7等。
在一些实施例中，为了避免外界光线的变化而在采样过程中产生的图像灰度均值波动引起的误判，X的预设值通常较高，例如X为3甚至更高的5，这意味着只有当前获取的图像灰度均值为前N张图像的平均图像灰度均值的五倍时，才可判断遮挡物出现。然而在应用中，由于外界光线的影响，可能导致遮挡物出现之后所获取的图像灰度均值升高的比例较小，例如为平均图像灰度均值的1.5倍或2倍，这时将无法有效的判断遮挡物出现。因为此时虽然遮挡物已经出现，且获取的图像灰度均值升高，但达不到判断遮挡物出现的阈值。因此在实际中还可以设定，在当前获取的图像灰度均值C高于前 N张图像的平均图像灰度均值但低于判定的阈值图像灰度均值时，若接下来连续获取的M张图片的图像灰度均值值均高于当前获取的图像灰度均值C，或接下来连续获取的M张图片的图像灰度均值均高于当前获取的M-1张图片的平均图像灰度均值C2，或接下来连续获取的M张图片中每一张图片的灰度值均高于前一张图片的灰度值，则同样认为遮挡物已经出现。其中M的数量可以根据摄像头的采样间隔时间和一次采样所需要的平均时间计算得出，可以是任意大于2的自然数，例如3、5、8、9、10等，在此不再赘述。
同样的，在一些实施例中，为了避免外界光线的变化而在采样过程中产生的图像灰度均值波动引起的误判，Y的预设值通常较低，例如Y为0.3甚至更低的0.25，这意味着只有当前获取的图像灰度均值为前N张图像的平均图像灰度均值的四分之一时，才可判断遮挡物离开。然而在应用中，由于外界光线的影响，可能导致遮挡物离开之后所获取的图像灰度均值依然较高，例如为平均图像灰度均值的二分之一，这时将无法有效的判断遮挡物已经离开。因为此时虽然遮挡物已经离开，且获取的图像图像灰度均值降低，但达不到判断遮挡物离开的阈值。因此在实际中还可以设定，在当前获取的图像灰度均值D低于前N张图像的平均图像灰度均值但高于判定的阈值图像灰度均值时，若接下来连续获取的L张图片的图像灰度均值均小于当前获取的图像灰度均值D，或若接下来连续获取的L张图片的图像灰度均值，均低于前 L-1张图像灰度均值平均值时，或若接下来连续获取的L张图片的图像灰度均值，均低于前L-1张图像灰度均值时，则同样认为遮挡物已经离开。其中L 的数量可以根据摄像头的采样间隔时间和一次采样所需要的平均时间计算得出，可以是任意大于2的自然数，例如3、5、8、9、10等，在此不再赘述。
本发明的另一个实施例中，所述图像灰度监测单元探测所述采集装置的取像范围内是否存在遮挡物的方法还可以是：获取感测单元当前获取的图像灰度均值；当获取的所述图像灰度均值大于判断阈值时，判断出现遮挡物。当获取的所述图像灰度均值小于或等于判断阈值时，判断遮挡物离开。这种方法较前文所述的方法简单方便，易于实现，当在实际中对是否有遮挡物出现的判断精确程度要求较低时，可以采用此种方法实现。
探测单元150的目的是降低***功耗，确保只有遮挡物出现时才启动采集单元110、特征提取单元130以及处理单元140。所述探测单元150 除了前文所述的实施方式以外，其他可以实现这一功能的方法都可以用于实现本发明，相关实施方式均为本领域的公知常识，在此不再赘述。以上实施例仅用于解释和说明本发明，而不能解释为对本发明的限制。
所述待获取的生物计量信息可以为人的面部特征、手掌的掌纹特征、手掌血管特征以及虹膜特征等在下面的叙述中，以手掌的掌纹图像作为待采集的生物计量信息为例对本发明进行说明。
在步骤一中，通过采集单元110采集包含待识别个人的生物计量信息的图像。所述生物计量信息可以为手掌掌纹、手掌血管图像、面部图像、虹膜、手掌骨骼、唇纹等通过非接触式采集的信息，也可以是指纹、手指血管等通过接触式采集的信息。在本实施例中，所述采集单元110采集图像的方法为非接触式采集，具体的，所述采集单元110为摄像头。优选的，所述采集单元可以包括发光单元，用于发出照射被探测物体的红外线。优选的，所述摄像头为红外摄像头，用于获取所述探测部分探测到的包含待识别生物特征的红外测绘图。
优选的，在步骤一之前还可以包括探测步骤：由探测单元对采集单元 110的采集范围进行探测，当探测到由遮挡物出现在探测范围内时，输出包含确认信息的结果。具体的，探测单元为括彩色摄像头，所述彩色摄像头用于对摄像头的摄像范围内出现的图像进行监测，当监测到图像变化时，输出包含确认信息的结果。探测单元的目的是过滤干扰信号，降低***功耗，确保只有出现遮挡物时才启动采集单元110，从而降低***功耗。
接下来在步骤二中，通过显示单元120显示所述采集单元110获取的图像。即将采集单元110获取的图像在显示单元120上实时显示出来，这一技术是本领域的常规技术手段在此不再赘述。
接下来，在步骤三中，所述特征提取单元130从采集单元110获取的画面中识别包含所述待识别个人的生物计量信息的特征区域的方法包括：通过识别算法得到代表所述特征区域的N个第一特征坐标点，所述第一特征坐标点中包含含有所述特征区域的形状和位置关系的几何信息；其中，通过识别算法获得第一特征坐标点的方法为：采集M个手掌图像样本，在每一个手掌图像样本上标注真实关键点位置；根据所述M个手掌图像样本中的真实关键点位置，得到每一个手掌图像样本中每一个真实关键点位置对应的初始估计位置；对每一个初始估计位置进行训练，以使所述初始估计位置逼近对应的真实关键点位置，得到一个级联回归器；根据所述级联回归器，定位待识别手掌图像中的目标关键点位置，获得第一特征坐标点；其中，N、M均为大于2的整数。
具体的，所述真实关键点位置分别是大拇指与食指之间缝隙的凹点，食指与中指之间缝隙的凹点，中指与无名指之间缝隙的凹点，无名指与小指之间缝隙的凹点，小指到手掌的凹点，以及，上述凹点与上述食指与中指之间缝隙的凹点相连的边界点，以及与上述无名指与小指之间缝隙的凹点相连的边界点。在本发明其他实施例中，所述真实关键点位置分别是大拇指与食指之间缝隙的凹点，上述食指与中指之间缝隙的凹点，上述中指与无名指之间缝隙的凹点，上述无名指与小指之间缝隙的凹点，上述小指到手掌的凹点，与上述食指与中指之间缝隙的凹点相连的边界点，与上述无名指与小指之间缝隙的凹点相连的边界点，横向主掌纹的左端点和右端点。
具体的，在本发明的一个实施例中，对每一个初始估计位置进行训练，以使上述初始估计位置逼近对应的真实关键点位置，得到一个级联回归器的具体步骤包括：依次以每一个手掌图像样本中的每一个真实关键点位置对应的初始估计位置为目标点，根据上述目标点获取一个特征训练点；组合一个手掌图像样本中的所有真实关键点位置对应的初始估计位置，得到P个特征训练点，并记录上述P个特征训练点的位置信息；按照组合方式从上述P个特征训练点中选取两个特征训练点，计算选取的两个特征训练点的像素灰度值的第一差值，每一个第一差值为一个训练特征，得到F个训练特征；计算每一个手掌图像样本中的每一个真实关键点位置与对应的初始估计位置之间的第二差值，以上述第二差值作为训练目标，对每一个手掌图像样本中的F 个训练特征进行训练得到一个弱回归器；根据上述弱回归器，对上述F个训练特征进行回归得到每一个初始估计位置的增量值；计算上述增量值与对应初始估计位置的和，得到新的初始估计位置；判断低层训练次数是否满足A1 次，若没有满足A1次，则转向执行按照组合方式从上述P个特征训练点中选取两个特征训练点的步骤；若是满足A1次，则判断上层训练次数是否满足A2次，若没有满足A2次，则转向执行依次以每一个手掌图像样本中的每一个真实关键点位置对应的初始估计位置为目标点，根据上述目标点获取一个特征训练点的步骤；若满足A2次，则完成训练，得到上述级联回归器。其中，所述P、F、A1、A2均为不小于2的正整数。
具体的，在本发明的一个实施例中，依次以每一个手掌图像样本中的每一个真实关键点位置对应的初始估计位置为目标点，根据上述目标点获取一个特征训练点的方法包括：依次从每一个手掌图像样本选择一个真实关键点位置对应的初始估计位置作为目标点；以上述目标点作为圆点，以r作为半径作圆，并在圆内提取一点，得到一个训练特征点。
接下来，在步骤四中，所述处理单元140根据特征提取单元130识别出的特征区域在显示单元120上生成代表所述特征区域的引导标识的方法为：将获取的图像上的所述N个第一特征坐标点根据对应关系换算成屏幕上对应的N个第二特征坐标点，其中所述对应关系为采集单元的取像范围与显示单元的尺寸之间的比例关系，N为大于2的整数。
具体的，所述处理单元140根据特征提取单元130识别出的特征区域在显示单元120上生成代表所述特征区域的引导标识的方法包括：根据所述第二特征坐标点生成代表所述特征区域的形状和位置的引导标识。所述引导标识的形状为与所述特征区域的形状最为接近的多边形、圆形、椭圆形中的任意一种。以圆形的引导标识为例进行说明。
在本发明的一个实施例中，在上一步骤中，生成了四个第二特征坐标点A(x1,y1)、B(x2,y2)、C(x3,y3)以及D(x4,y4)，上述四个坐标点在显示单元120的有效区域内构成一个代表包含待采集的生物信息的特征区域的形状和位置。接下来，根据圆形的引导标识生成算法在显示单元 120上生成引导标识。其中，半径的计算方法为，分别计算出由四个第二特征坐标点构成的四边形在X方向的两条边和Y方向的两条边的长度之差，并将两个差值中较小的值确认为引导标识的半径，相应的算法如下：
int w1＝0,w2＝0,h1＝0,h2＝0，Radius＝0；
w1＝x2–x1；
w2＝x3–x4；
h1＝y4–y1；
h2＝y3–y2；
w1＝((w1<w2)？w1:w2)；
h1＝((h1<h2)？h1:h2)；
Radius＝(w1<h1)？w1:h1；
圆心坐标的计算方法为，计算出四个第二特征坐标点构成的四边形的几何中心点的坐标，即为引导标识的圆心坐标，相应的算法如下：
x＝x1+w1/2；
y＝y1+h1/2；
优选的，所述生物计量信息采集方法还包括：提取包含所述采集单元的采集范围的几何信息，并根据所述几何信息在显示单元上生成代表所述采集范围的参考标识。优选的，所述生物计量信息采集方法还包括：计算误差矢量，所述误差矢量的起点为所述引导标识的几何中心点，终点为所述参考标识的几何中心点；以及，在显示单元上显示所述误差矢量的长度和方向。参考标识的作用及其生成算法参见前文中国相应的描述，在此不再赘述。
图2示出了本发明的一个实施例。如图2(a)所示，待采集的生物计量信息为待识别个人的手掌。可以看出，图中采集装置的采集距离为(L- △L，L+△L)，采集装置的采集范围(对应参考标识在显示单元120上标注的区域)为S。在本实施例中，手掌所处的范围(对应引导标识在显示单元120上标注的区域)为S1，处于S之内，手掌距离采集装置的距离也处于采集距离的范围之内，因此如图2(b)所示，采集到的图像面积大小适中，位置偏差较小，因此引导标识准确的位于参考标识内部。
图3示出了本发明的另一个实施例。如图3(a)所示，可以看出，图中的待识别个人的身高较图2中的待识别个人矮，相应的，该个人自然的举起手臂的高度低于图2中的个人，此时的手掌对应的范围S2部分位于采集范围S对应的区域之外，同时由于该个人站的距离距离采集装置较近，因此，如图3(b)所示，采集到的图像面积较大，位置偏差较明显，此时引导标识与参考标识只有部分重合，且面积相较于图2(b)中的引导标识的面积显著增加。
图4示出了本发明的另一个实施例。如图4(a)所示，可以看出，图中的待识别个人站的距离较图3中的待识别个人站的距离更近，因此，如图4(b)所示，采集到的图像面积更大，对应的引导标识的面积相较于图 3(b)中的引导标识的面积明显增加。
本发明提供的采集装置能够准确的提取出采集到的图像中包含待采集的生物计量信息的特征区域，并根据特征区域的位置关系和形状关系计算出包含所述特征区域的位置和形状关系的几何信息，根据所述几何信息生成引导标识，并显示在显示单元上。通过显示单元上的引导标识和参考标识的相对位置，来引导包含待采集的生物计量信息的目标进入设定的图像获取区域。所述引导标识采集单元获取的画面的变化而改变，反映待采集的生物特征的实时位置。根据几何成像原理，当包含待采集的生物计量信息的目标逐渐远离采集设备时，引导标识会逐渐变小，当所述目标超出采集装置的侦测范围时，引导标识消失；同理当包含待采集的生物计量信息的目标逐渐靠近采集设备，引导标识会逐渐变大，当引导标识超出图像获取区域框时，会在显示单元上显示警告信息。引导标识也会跟随手掌在水平面的上下左右移动而在显示单元上显示出，以此种显示引导方式，方便包含待采集的生物计量信息的目标快速定位，从而采集最佳图像。本发明提供的方法简单快捷的为包含待采集的生物计量信息的目标提供了方向引导，操作快捷明了，实现方式简单且成本低，用户体验好。
对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其他的具体形式实现本申请。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。***权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。

Claims (26)

1.一种可视化的生物计量信息采集装置，包括：
采集单元，用于采集包含待识别个人的生物计量信息的图像；
显示单元，用于显示所述采集单元获取的图像；
特征提取单元，用于从采集单元获取的图像中识别包含所述待识别个人的生物计量信息的特征区域；
处理单元，用于根据特征提取单元识别出的特征区域在显示单元上生成代表所述特征区域的引导标识；其中，
所述引导标识随着采集单元获取的画面的变化而改变；
所述生物计量信息采集装置还包括：
探测单元，用于探测所述采集装置的取像范围内是否存在遮挡物，以及当检测到遮挡物存在时输出信号；
所述探测单元为图像灰度监测单元，所述图像灰度监测单元探测所述采集装置的取像范围内是否存在遮挡物的方法为：
获取感测单元当前获取的图像灰度均值；
计算感测单元在当前获取的图像之前获取的N幅图像的平均图像灰度均值；
当感测单元当前获取的图像灰度均值是所述平均图像灰度均值的X倍时，判断出现遮挡物；
当感测单元当前获取的图像灰度均值是所述平均图像灰度均值的Y倍时，判断遮挡物离开；其中，
N为大于2的整数，X为大于1的正数，Y为大于0小于1的正数；
在当前获取的图像灰度均值C高于前N张图像的平均图像灰度均值但低于判定的阈值图像灰度均值时，若接下来连续获取的M张图片的图像灰度均值均高于当前获取的图像灰度均值C，或接下来连续获取的M张图片的图像灰度均值均高于当前获取的M-1张图片的平均图像灰度均值C1，或接下来连续获取的M张图片中每一张图片的灰度值均高于前一张图片的灰度值，则同样认为遮挡物已经出现；
在当前获取的图像灰度均值D低于前N张图像的平均图像灰度均值，但高于判定的阈值图像灰度均值时，若接下来连续获取的L张图片的图像灰度均值均低于当前获取的图像灰度均值D，或若接下来连续获取的L张图片的图像灰度均值均低于前N张图像灰度均值平均值时，则同样认为遮挡物已经离开。
2.根据权利要求1所述的装置，其特征在于，所述采集单元采集图像的方法为非接触式采集。
3.根据权利要求2所述的装置，其特征在于，所述采集单元为摄像头。
4.根据权利要求1所述的装置，其特征在于，所述生物计量信息为手掌掌纹、手掌血管图像、面部图像、虹膜、手掌骨骼、唇纹。
5.根据权利要求1所述的装置，其特征在于，所述特征提取单元中包括：
几何信息提取单元，用于通过识别算法得到代表所述特征区域的N个第一特征坐标点，所述第一特征坐标点中包含含有所述特征区域的形状和位置关系的几何信息；其中，通过识别算法获得第一特征坐标点的方法为：
采集M个手掌图像样本，在每一个手掌图像样本上标注真实关键点位置；
根据所述M个手掌图像样本中的真实关键点位置，得到每一个手掌图像样本中每一个真实关键点位置对应的初始估计位置；
对每一个初始估计位置进行训练，以使所述初始估计位置逼近对应的真实关键点位置，得到一个级联回归器；
根据所述级联回归器，定位待识别手掌图像中的目标关键点位置，获得第一特征坐标点；
其中，N、M均为大于2的整数。
6.根据权利要求5所述的装置，其特征在于，所述处理单元还包括：
几何信息处理单元，用于将获取的图像上的所述N个第一特征坐标点根据对应关系换算成屏幕上对应的N个第二特征坐标点；其中，
所述对应关系为采集单元的取像范围与显示单元的尺寸之间的比例关系，N为大于2的整数。
7.根据权利要求6所述的装置，其特征在于，所述处理单元还包括：
引导标识形成单元，用于根据所述第二特征坐标点生成代表所述特征区域的形状和位置的引导标识。
8.根据权利要求1或7中任一种所述的装置，其特征在于，所述引导标识的形状为与所述特征区域的形状最为接近的多边形、圆形、椭圆形中的任意一种。
9.根据权利要求1所述的装置，其特征在于，所述生物计量信息采集装置还包括：
参考标记生成单元，用于提取包含所述采集单元的采集范围的几何信息，并根据所述几何信息在显示单元上生成代表所述采集范围的参考标识。
10.根据权利要求9所述的装置，其特征在于，所述生物计量信息采集装置还包括：
误差计算单元，用于计算误差矢量，所述误差矢量的起点为所述引导标识的几何中心点，终点为所述参考标识的几何中心点；以及，
提示单元，用于在显示单元上显示所述误差矢量的长度和方向。
11.根据权利要求1所述的装置，其特征在于，所述探测单元为反射式红外侦测单元。
12.根据权利要求1所述的装置，其特征在于，所述图像灰度监测单元探测所述采集装置的取像范围内是否存在遮挡物的方法为：
当监测到当前获取的图像灰度均值升高，则判断有遮挡物出现；
当监测到当前获取的图像灰度均值降低，则判断有遮挡物离开；其中，所述图像灰度均值可按照图像划分网格区域及设置不同权重系数。
13.根据权利要求1所述的装置，其特征在于，所述图像灰度监测单元探测所述采集装置的取像范围内是否存在遮挡物的方法为：
获取感测单元当前获取的图像灰度均值；
当获取的所述图像灰度均值大于判断阈值时，判断出现遮挡物；当获取的所述图像灰度均值小于或等于判断阈值时，判断遮挡物离开。
14.一种可视化的生物计量信息采集方法，包括：
通过采集单元采集包含待识别个人的生物计量信息的图像；
通过显示单元显示所述采集单元获取的图像；
通过特征提取单元从采集单元获取的图像中识别包含所述待识别个人的生物计量信息的特征区域；
通过处理单元根据特征提取单元识别出的特征区域在显示单元上生成代表所述特征区域的引导标识；其中，
所述引导标识随着采集单元获取的画面的变化而改变；
所述生物计量信息采集方法，包括：
探测单元，用于探测采集装置的取像范围内是否存在遮挡物，以及当检测到遮挡物存在时输出信号；
所述探测单元为图像灰度监测单元，所述图像灰度监测单元探测所述采集装置的取像范围内是否存在遮挡物的方法为：
获取感测单元当前获取的图像灰度均值；
计算感测单元在当前获取的图像之前获取的N幅图像的平均图像灰度均值；
当感测单元当前获取的图像灰度均值是所述平均图像灰度均值的X倍时，判断出现遮挡物；
当感测单元当前获取的图像灰度均值是所述平均图像灰度均值的Y倍时，判断遮挡物离开；其中，
N为大于2的整数，X为大于1的正数，Y为大于0小于1的正数；
在当前获取的图像灰度均值C高于前N张图像的平均图像灰度均值但低于判定的阈值图像灰度均值时，若接下来连续获取的M张图片的图像灰度均值均高于当前获取的图像灰度均值C，或接下来连续获取的M张图片的图像灰度均值均高于当前获取的M-1张图片的平均图像灰度均值C1，或接下来连续获取的M张图片中每一张图片的灰度值均高于前一张图片的灰度值，则同样认为遮挡物已经出现；
在当前获取的图像灰度均值D低于前N张图像的平均图像灰度均值，但高于判定的阈值图像灰度均值时，若接下来连续获取的L张图片的图像灰度均值均低于当前获取的图像灰度均值D，或若接下来连续获取的L张图片的图像灰度均值均低于前N张图像灰度均值平均值时，则同样认为遮挡物已经离开。
15.根据权利要求14所述的方法，其特征在于，所述采集单元采集图像的方法为非接触式采集。
16.根据权利要求15所述的方法，其特征在于，所述采集单元为摄像头。
17.根据权利要求14所述的方法，其特征在于，所述生物计量信息为手掌掌纹、手掌血管图像、面部图像、虹膜、手掌骨骼、唇纹。
18.根据权利要求14所述的方法，其特征在于，所述特征提取单元从采集单元获取的画面中识别包含所述待识别个人的生物计量信息的特征区域的方法包括：
通过识别算法得到代表所述特征区域的N个第一特征坐标点，所述第一特征坐标点中包含含有所述特征区域的形状和位置关系的几何信息；其中，通过识别算法获得第一特征坐标点的方法为：
采集M个手掌图像样本，在每一个手掌图像样本上标注真实关键点位置；
根据所述M个手掌图像样本中的真实关键点位置，得到每一个手掌图像样本中每一个真实关键点位置对应的初始估计位置；
对每一个初始估计位置进行训练，以使所述初始估计位置逼近对应的真实关键点位置，得到一个级联回归器；
根据所述级联回归器，定位待识别手掌图像中的目标关键点位置，获得第一特征坐标点；
其中，N、M均为大于2的整数。
19.根据权利要求18所述的方法，其特征在于，所述处理单元根据特征提取单元识别出的特征区域在显示单元上生成代表所述特征区域的引导标识的方法为：
将获取的图像上的所述N个第一特征坐标点根据对应关系换算成显示单元上对应的N个第二特征坐标点；其中，
所述对应关系为采集单元的取像范围与显示单元的尺寸之间的比例关系，N为大于2的整数。
20.根据权利要求19所述的方法，其特征在于，所述处理单元根据特征提取单元识别出的特征区域在显示单元上生成代表所述特征区域的引导标识的方法还包括：
根据所述第二特征坐标点生成代表所述特征区域的形状和位置的引导标识。
21.据权利要求14或20中任一种所述的方法，其特征在于，所述引导标识的形状为与所述特征区域的形状最为接近的多边形、圆形、椭圆形中的任意一种。
22.权利要求14所述的方法，其特征在于，所述生物计量信息采集方法还包括：
提取包含所述采集单元的采集范围的几何信息，并根据所述几何信息在显示单元上生成代表所述采集范围的参考标识。
23.根据权利要求22所述的方法，其特征在于，所述生物计量信息采集方法还包括：
计算误差矢量，所述误差矢量的起点为所述引导标识的几何中心点，终点为所述参考标识的几何中心点；以及
在显示单元上显示所述误差矢量的长度和方向。
24.根据权利要求14所述的方法，其特征在于，所述探测单元为反射式红外侦测单元。
25.根据权利要求14所述的方法，其特征在于，所述图像灰度监测单元探测所述采集装置的取像范围内是否存在遮挡物的方法为：当监测到当前获取的图像灰度均值升高，则判断有遮挡物出现；
当监测到当前获取的图像灰度均值降低，则判断有遮挡物离开；其中，所述图像灰度均值可按照图像划分网格区域及设置不同权重系数。
26.根据权利要求14所述的方法，其特征在于，所述图像灰度监测单元探测所述采集装置的取像范围内是否存在遮挡物的方法为：
获取感测单元当前获取的图像灰度均值；
当获取的所述图像灰度均值大于判断阈值时，判断出现遮挡物；当获取的所述图像灰度均值小于或等于判断阈值时，判断遮挡物离开。
CN201610375295.XA 2016-05-30 2016-05-30 一种可视化的生物计量信息采集装置和方法 Active CN106056080B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610375295.XA CN106056080B (zh) 2016-05-30 2016-05-30 一种可视化的生物计量信息采集装置和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610375295.XA CN106056080B (zh) 2016-05-30 2016-05-30 一种可视化的生物计量信息采集装置和方法

Publications (2)

Publication Number Publication Date
CN106056080A CN106056080A (zh) 2016-10-26
CN106056080B true CN106056080B (zh) 2019-11-22

Family

ID=57171602

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610375295.XA Active CN106056080B (zh) 2016-05-30 2016-05-30 一种可视化的生物计量信息采集装置和方法

Country Status (1)

Country Link
CN (1) CN106056080B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107330429B (zh) * 2017-05-17 2021-03-09 北京捷通华声科技股份有限公司 一种证件条目的定位方法和装置
CN109063601B (zh) * 2018-07-13 2020-12-22 广州莱德璞检测技术有限公司 唇纹检测方法、装置、计算机设备和存储介质
CN112115792B (zh) * 2020-08-14 2024-02-06 深圳大学 一种出入口信息统计***、方法及计算机设备

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101986351A (zh) * 2010-11-01 2011-03-16 深圳市中控生物识别技术有限公司 基于生物识别技术的联网型门禁控制装置和门禁控制方法
CN102542242A (zh) * 2010-12-27 2012-07-04 北京北科慧识科技股份有限公司 非接触式采集图像的生物特征区域定位方法和装置
CN104573615A (zh) * 2013-10-24 2015-04-29 华为技术有限公司 掌纹采集方法及装置
CN104866751A (zh) * 2015-04-11 2015-08-26 倪蔚民 用于移动智能设备的安全生物特征识别和图像采集***
CN105354531A (zh) * 2015-09-22 2016-02-24 成都通甲优博科技有限责任公司 一种面部关键点的标注方法
CN105404861A (zh) * 2015-11-13 2016-03-16 中国科学院重庆绿色智能技术研究院 人脸关键特征点检测模型的训练、检测方法及***
CN105488874A (zh) * 2015-11-20 2016-04-13 北京天诚盛业科技有限公司 基于多线程控制的生物识别方法和装置

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102176244B (zh) * 2011-02-17 2013-08-21 东方网力科技股份有限公司 一种确定摄像头被遮挡的方法及装置
CN103021138B (zh) * 2012-12-28 2015-07-15 广州市浩云安防科技股份有限公司 一种针对摄像机遮挡的感知方法及装置
JP6532642B2 (ja) * 2013-07-30 2019-06-19 富士通株式会社 生体情報認証装置および生体情報処理方法
KR102180226B1 (ko) * 2013-10-30 2020-11-18 삼성전자주식회사 복합 생체 정보를 이용한 보안을 제공하는 전자 장치 및 방법
CN103824050B (zh) * 2014-02-17 2017-03-15 北京旷视科技有限公司 一种基于级联回归的人脸关键点定位方法
US9917988B2 (en) * 2014-04-09 2018-03-13 Mediatek Inc. Method for detecting occlusion areas
CN104240235B (zh) * 2014-08-26 2017-08-25 北京君正集成电路股份有限公司 一种检测摄像头被遮挡的方法及***
CN105611188B (zh) * 2015-12-23 2019-06-04 北京奇虎科技有限公司 基于自动曝光的摄像头遮挡检测方法及装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101986351A (zh) * 2010-11-01 2011-03-16 深圳市中控生物识别技术有限公司 基于生物识别技术的联网型门禁控制装置和门禁控制方法
CN102542242A (zh) * 2010-12-27 2012-07-04 北京北科慧识科技股份有限公司 非接触式采集图像的生物特征区域定位方法和装置
CN104573615A (zh) * 2013-10-24 2015-04-29 华为技术有限公司 掌纹采集方法及装置
CN104866751A (zh) * 2015-04-11 2015-08-26 倪蔚民 用于移动智能设备的安全生物特征识别和图像采集***
CN105354531A (zh) * 2015-09-22 2016-02-24 成都通甲优博科技有限责任公司 一种面部关键点的标注方法
CN105404861A (zh) * 2015-11-13 2016-03-16 中国科学院重庆绿色智能技术研究院 人脸关键特征点检测模型的训练、检测方法及***
CN105488874A (zh) * 2015-11-20 2016-04-13 北京天诚盛业科技有限公司 基于多线程控制的生物识别方法和装置

Also Published As

Publication number Publication date
CN106056080A (zh) 2016-10-26

Similar Documents

Publication Publication Date Title
TWI383325B (zh) 臉部表情辨識
EP4269315A1 (en) A monitoring system of a passenger conveyor and monitoring method thereof
US8649575B2 (en) Method and apparatus of a gesture based biometric system
US8989455B2 (en) Enhanced face detection using depth information
US20070098222A1 (en) Scene analysis
US20070291998A1 (en) Face authentication apparatus, face authentication method, and entrance and exit management apparatus
JP6590609B2 (ja) 画像解析装置及び画像解析方法
US10183843B2 (en) Monitoring of step rollers and maintenance mechanics of passenger conveyors
CN107657244B (zh) 一种基于多摄像机的人体跌倒行为检测***及其检测方法
CN105205455A (zh) 一种移动平台上人脸识别的活体检测方法及***
JP6222948B2 (ja) 特徴点抽出装置
KR101903127B1 (ko) 시선방향 예측 방법 및 장치
WO2019220589A1 (ja) 映像解析装置、映像解析方法、及びプログラム
Abdo et al. Fall detection based on RetinaNet and MobileNet convolutional neural networks
CN106056080B (zh) 一种可视化的生物计量信息采集装置和方法
JP2011186576A (ja) 動作認識装置
EP2546807B1 (en) Traffic monitoring device
KR101815697B1 (ko) 위조 얼굴 판별 장치 및 방법
Caliwag et al. Distance estimation in thermal cameras using multi-task cascaded convolutional neural network
CN104823218A (zh) 使用单一普通摄像机来检测行人的***和方法
JP2012212968A (ja) 画像監視装置
CN111144260A (zh) 一种翻越闸机的检测方法、装置及***
Hadi et al. Fusion of thermal and depth images for occlusion handling for human detection from mobile robot
KR101355206B1 (ko) 영상분석을 이용한 출입 계수시스템 및 그 방법
WO2006025129A1 (ja) 個人認証装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 26 No. 523710 Guangdong province Dongguan city Tangxia town Pingshan Industrial Avenue 188

Applicant after: Central Intelligence Polytron Technologies Inc

Address before: 26 No. 523710 Guangdong province Dongguan city Tangxia town Pingshan Industrial Avenue 188

Applicant before: Dongguan ZK Electronic Technology Co., Ltd.

GR01 Patent grant
GR01 Patent grant
CP01 Change in the name or title of a patent holder
CP01 Change in the name or title of a patent holder

Address after: 523710, 26, 188 Industrial Road, Pingshan Town, Guangdong, Dongguan, Tangxia

Patentee after: Entropy Technology Co., Ltd

Address before: 523710, 26, 188 Industrial Road, Pingshan Town, Guangdong, Dongguan, Tangxia

Patentee before: Zhongkong Smart Technology Co.,Ltd.

CP02 Change in the address of a patent holder
CP02 Change in the address of a patent holder

Address after: No.32, Pingshan Industrial Road, Tangxia Town, Dongguan City, Guangdong Province, 523710

Patentee after: Entropy Technology Co., Ltd

Address before: 523710 26 Pingshan 188 Industrial Avenue, Tangxia Town, Dongguan, Guangdong

Patentee before: Entropy Technology Co., Ltd