CN116798077B - 一种手掌照片检测方法 - Google Patents
一种手掌照片检测方法 Download PDFInfo
- Publication number
- CN116798077B CN116798077B CN202311041952.3A CN202311041952A CN116798077B CN 116798077 B CN116798077 B CN 116798077B CN 202311041952 A CN202311041952 A CN 202311041952A CN 116798077 B CN116798077 B CN 116798077B
- Authority
- CN
- China
- Prior art keywords
- palm
- image
- gradient
- contour
- curve
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 27
- 230000008859 change Effects 0.000 claims abstract description 32
- 238000005260 corrosion Methods 0.000 claims abstract description 5
- 230000007797 corrosion Effects 0.000 claims abstract description 5
- 238000000034 method Methods 0.000 claims description 14
- 238000010586 diagram Methods 0.000 claims description 8
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 210000003462 vein Anatomy 0.000 description 3
- 230000008569 process Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
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
- G06V40/1382—Detecting the live character of the finger, i.e. distinguishing from a fake or cadaver finger
- G06V40/1388—Detecting the live character of the finger, i.e. distinguishing from a fake or cadaver finger using image processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/34—Smoothing or thinning of the pattern; Morphological operations; Skeletonisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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
- G06V40/14—Vascular patterns
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Vascular Medicine (AREA)
- Collating Specific Patterns (AREA)
- Image Analysis (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明涉及一种手掌照片检测方法,属于生物识别领域,包括以下步骤:采集用户手掌图像、二值化处理并根据最小外接矩形截取手掌二值图、对手掌区域二值图中的手指外边缘轮廓进行腐蚀操作得到掩模图像、根据掩模图像截取手掌图像获得手掌区域图像、计算手掌区域图像的梯度分布图、基于掩模图像中的手掌区域和背景区域分别对梯度分布图取模得到手掌外轮廓梯度图和手掌内内轮廓梯度图、分别计算手掌外轮廓梯度图和手掌内内轮廓梯度图的梯度平均值、基于手掌外轮廓梯度图和手掌内内轮廓梯度图的梯度平均值判断是否为手掌照片、基于手掌轮廓变化宽度判断是否为手掌照片。本发明能有效区分手掌图像是否为照片,避免生物识别中的恶意攻击,提高安全性。
Description
技术领域
本发明涉及生物识别技术领域,特别是涉及一种手掌照片检测方法。
背景技术
手掌识别包括掌纹识别和掌静脉识别,是近年来新兴的一种身份识别方法,是对现有人体生物特征识别技术的重要补充。
手掌生物识别技术如申请公布号为CN113378640A的中国专利申请公开的基于手掌生物识别的身份认证方法,包括以下步骤:获取待认证对象的手掌图像;提取所述手掌图像中的手掌特征,所述手掌特征包括手指特征以及掌静脉特征、掌纹特征和/或掌纹及掌静脉特征;根据所述手掌特征和预设手掌模板列表,对所述待认证对象进行合法性认证,得到认证结果。
手掌生物识别技术因其操作便捷,其应用领域也越来越广泛。但相应的,各种攻击手段也层出不穷,其中最常见的即为照片或者视频攻击。这种攻击手段一旦得逞,将导致严重的安全隐患,对用户的财产安全、生命安全造成威胁。
发明内容
本发明的主要目的是提供一种手掌照片检测方法,将其运用于手掌生物识别中,能区分活体和非活体手掌,降低生物识别过程中的安全隐患。
为实现上述目的,本发明提供了如下方案:
本发明涉及的一种手掌照片检测方法,其特征在于:其包括以下步骤:
步骤1.采集用户手掌图像,对所述手掌图像进行二值化处理得到手掌二值图,计算手掌二值图中手掌区域的最小外接矩形,并根据最小外接矩形截取手掌二值图获得手掌区域二值图;
步骤2.对手掌区域二值图中的手指外边缘轮廓进行腐蚀操作得到掩模图像,并根据掩模图像截取手掌图像,获得手掌区域图像;
步骤3.计算手掌区域图像的梯度分布图;
步骤4.基于掩模图像中的手掌区域和背景区域分别对梯度分布图取模,得到手掌外轮廓梯度图和手掌内部梯度图,分别计算手掌外轮廓梯度图和手掌内部梯度图的梯度平均值;
步骤5.比较手掌外轮廓梯度图和手掌内部梯度图的梯度平均值,若手掌外轮廓梯度图的梯度平均值大于手掌内部梯度图的梯度平均值,进行下一步检测,否则,判定手掌图像为手掌照片,结束检测;
步骤6.获取手掌区域图像中的手掌外轮廓曲线,根据手掌外轮廓曲线计算手掌轮廓变化宽度,基于手掌轮廓变化宽度进一步区分手掌图像是手掌照片还是真实手掌。
优选地,所述步骤1在获得用户手掌图像后,判断手掌图像中是否存在矩形框,若存在矩形框,则认定手掌图像为手掌照片,结束检测。
优选地,所述步骤3计算手掌区域图像的梯度分布图包括:计算手掌区域图像中每个像素点与其距离为r的四个像素点的灰度值的差值,并计算所述差值的绝对值之和,将其作为该像素点的梯度值得到梯度分布图,其中r与所述手掌区域图像与手掌图像大小的比值呈正比。
优选地,所述步骤4中手掌外轮廓梯度图的获取方法为:将掩模图像中的手掌区域在梯度分布图中对应区域的梯度值置为0,得到外轮廓梯度图。
优选地,所述步骤4中手掌内部梯度图的获取方法为:将掩模图像中的背景区域在梯度分布图中对应区域的梯度值置为0,得到手掌内内轮廓信息图。
优选地,所述步骤6基于手掌轮廓变化宽度进一步区分手掌图像是手掌照片还是真实手掌的具体步骤为:
步骤6.1.获取手掌区域二值图中的手掌轮廓曲线,根据手掌轮廓曲线获取手掌区域图像中的手掌外轮廓曲线,所述手掌外轮廓曲线为手掌轮廓曲线在手掌区域图像中对应的像素点;
步骤6.2.取手掌外轮廓曲线上每个轮廓点左右各n个像素点,上下各n个点,形成水平灰度曲线和数值灰度曲线;
步骤6.3.分别对两条灰度曲线二阶求导,分别获得两条灰度曲线的变化速率;
步骤6.4.根据灰度值分别确认每条灰度曲线的峰值点,求峰值点两侧变化速率绝对值最大的两个像素点作为临界轮廓点;
步骤6.5.计算两个临界轮廓点的坐标差绝对值作为该轮廓点的变化宽度;
步骤6.6.遍历所有轮廓点,重复步骤6.2~步骤6.5;
步骤6.7.设置轮廓宽度阈值,计算所有轮廓点的变化宽度平均值作为手掌轮廓变化宽度,若手掌轮廓变化宽度小于轮廓宽度阈值,则认定手掌图像为真实手掌,否则,认定手掌图像为手掌照片。
优选地,所述步骤6.2中,n的取值为30。
优选地,所述步骤6.4中,若灰度曲线存在多个峰值点,则取距离灰度曲线中心点最近的点作为峰值点,所述峰值点的灰度值大于其左右相邻3个像素点的灰度值。
优选地,所述步骤6.5中,计算两个临界轮廓点的坐标差绝对值作为该轮廓点的变化宽度包括:计算水平灰度曲线上两个临界轮廓点的列坐标作为该轮廓点的水平变化宽度,计算垂直灰度曲线上两个临界轮廓点的行坐标作为该轮廓点的垂直变化宽度,该轮廓点的变化宽度等于该轮廓点的水平变化宽度和垂直变化宽度的平均值。
优选地,所述步骤1在获得用户手掌图像后,对手掌图像进行固定噪声去除,方法为:统计手掌图像中全部像素点的最小非零灰度值并以此作为固定噪声,将手掌图像中每个像素点的灰度值减去固定噪声,获得去掉固定噪声的手掌图像。
本发明具有以下技术效果:
1.本发明涉及的手掌照片检测方法基于照片与真实手掌对光的反射不同,通过计算手掌外轮廓和手掌内内轮廓的梯度、以及手掌轮廓变化宽度来区分手掌照片与真实手掌,能够将手掌照片检测出来,运用于手掌生物识别技术中,将手掌照片剔除,仅对真实手掌图像进行识别,降低生物识别过程中的安全隐患。
2.真实手掌的手掌外轮廓梯度图的梯度平均值会大于手掌照片或手掌视频中的手掌外轮廓梯度图的梯度平均值,但这是基于同一手掌的情况,不同手掌之间相比较,真实手掌的手掌外轮廓梯度图的梯度平均值可能不会大于另一打印手掌的手掌外轮廓梯度图的梯度平均值,因为不同手掌之间纹路、不同放置位置、肤色、相机拍摄效果等因素会对图像的轮廓变化造成影响,导致真实手掌与打印手掌的手掌外轮廓梯度图的梯度平均值无法区分大小;本发明引入手掌内部梯度图,通过比较手掌外轮廓梯度图和手掌内部梯度图的梯度平均值来区分手掌照片与真实手掌,且本发明根据手掌自身属性进行手掌照片与真实手掌的区分,避免了光照、肤色、相机拍摄效果等因素带来的图像差异,提高兼容性。
附图说明
图1为本发明涉及的一种手掌照片检测方法的流程图。
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,以下结合实施例和附图对本发明进行具体阐述,但本发明的保护范围并不限于此。
参照图1所示,本发明涉及一种手掌照片检测方法,其包括以下步骤:
步骤1.采集用户手掌图像,手掌图像可能是识别设备采集到的真实手掌图像,也可能是用户手掌的照片或打印纸,如果采集的对象是伪造的照片或打印纸,拍摄的时候有时会拍摄到纸张和照片的边框,因此采集到的手掌图像中通常会出现完整或者非完整的矩形框,本方法首先判断手掌区域外是否存在矩形框,若存在矩形框,则认定手掌图像为手掌照片或打印纸,结束检测,若不存在边框,进行后续步骤;由于不同相机会有不同的固定噪声影响图像质量,因此,需要对手掌图像进行固定噪声去除,去除固定噪声时,统计手掌图像中全部像素点的最小非零灰度值并以此作为固定噪声,将手掌图像中每个像素点的灰度值减去固定噪声,获得去掉固定噪声的手掌图像;对所述手掌图像进行二值化处理得到手掌二值图,计算手掌二值图中手掌区域的最小外接矩形,并根据最小外接矩形截取手掌二值图获得手掌区域二值图。
步骤2.对手掌区域二值图中的手指外边缘轮廓进行腐蚀操作得到掩模图像,通过腐蚀操作可以增加手指外边缘轮廓的宽度,便于后续处理;根据掩模图像截取手掌图像,获得手掌区域图像。
步骤3. 计算手掌区域图像的梯度分布图,具体步骤为:计算手掌区域图像中每个像素点与其距离为r的四个像素点的灰度值的差值,并计算所述差值的绝对值之和,将计算所得的差值的绝对值之和作为该像素点的梯度值得到梯度分布图,其中r与所述手掌区域图像与手掌图像大小的比值呈正比。因手掌放置具有随意性,手掌放置距离的远近会使得拍摄到的手掌大小不同,且距离越近拍摄到的手掌图像变化率越缓慢,因此本方法根据手掌距离的远近设置自适应距离r,避免手掌放置远近的影响。
步骤4.基于步骤2获得的掩模图像中的手掌区域和背景区域,分别对梯度分布图取模,得到手掌外轮廓梯度图和手掌内部梯度图:手掌外轮廓梯度图的获取方法为:将掩模图像中的手掌区域在梯度分布图中对应区域的梯度值置为0,得到手掌外轮廓梯度图,其中手掌区域即像素值为1的区域;得到手掌内部梯度图的获取方法为:将掩模图像中的背景区域在梯度分布图中对应区域的梯度值置为0,得到手掌内部梯度图,其中背景区域即为像素值为0的区域;分别计算手掌外轮廓梯度图和手掌内部梯度图的梯度平均值;
步骤5. 因为真实手掌外轮廓梯度图的梯度平均值比手掌内部梯度图的梯度平均值大,而打印的手掌外轮廓梯度图的梯度平均值与手掌内部梯度图的梯度平均值比较接近,因此,比较手掌外轮廓梯度图和手掌内部梯度图的梯度平均值,若手掌外轮廓梯度图的梯度平均值大于手掌内部梯度图的梯度平均值,进行下一步检测,否则,判定手掌图像为手掌照片,结束检测;
步骤6.图像的梯度即图像的灰度变化情况,除了灰度突变的地方,其它灰度缓慢变化的地方也会有梯度值;手掌区域图像中的手掌外轮廓曲线是存在一定宽度的,如果是真实手掌,灰度变化快,那么变化宽度也会比较窄,而非真实手掌灰度变化慢,那么变化宽度也会比较宽。基于此,该步骤获取手掌区域图像中的手掌外轮廓曲线,根据手掌外轮廓曲线计算手掌轮廓变化宽度,基于手掌轮廓变化宽度进一步区分手掌图像是手掌照片还是真实手掌,具体步骤为:
步骤6.1. 获取手掌区域二值图中的手掌轮廓曲线(即二值化数值从1变成或者从1变成0的点),根据手掌轮廓曲线获取手掌区域图像中的手掌外轮廓曲线,所述手掌外轮廓曲线为手掌轮廓曲线在手掌区域图像中对应的像素点;
步骤6.2.取手掌外轮廓曲线上每个轮廓点左右各n个像素点,上下各n个点,形成水平灰度曲线和数值灰度曲线,n优选取值为30;
步骤6.3.分别对两条灰度曲线二阶求导,获得两条灰度曲线的变化速率;
步骤6.4.根据灰度值分别确认每条灰度曲线的峰值点,求峰值点两侧变化速率绝对值最大的两个像素点作为临界轮廓点;若灰度曲线存在多个峰值点,则取距离灰度曲线中心点最近的点作为峰值点,所述峰值点的灰度值大于其左右相邻3个像素点的灰度值
步骤6.5.计算两个临界轮廓点的坐标差绝对值作为该轮廓点的变化宽度,记录数值,具体包括计算水平灰度曲线上两个临界轮廓点的列坐标作为该轮廓点的水平变化宽度,计算垂直灰度曲线上两个临界轮廓点的行坐标作为该轮廓点的垂直变化宽度,该轮廓点的变化宽度等于该轮廓点的水平变化宽度和垂直变化宽度的平均值;
步骤6.6.遍历所有轮廓点,重复步骤6.2~步骤6.5;
步骤6.7.设置轮廓宽度阈值,计算所有轮廓点的变化宽度平均值作为手掌轮廓变化宽度,若手掌轮廓变化宽度小于轮廓宽度阈值,则认定手掌图像为真实手掌,否则,认定手掌图像为手掌照片。
以上所述的实施例仅是对本发明的优选方式进行描述,并非对本发明的范围进行限定,在不脱离本发明设计精神的前提下,本领域普通技术人员对本发明的技术方案做出的各种变形和改进,均应落入本发明权利要求书确定的保护范围内。
Claims (10)
1.一种手掌照片检测方法,其特征在于:其包括以下步骤:
步骤1.采集用户手掌图像,对所述手掌图像进行二值化处理得到手掌二值图,计算手掌二值图中手掌区域的最小外接矩形,并根据最小外接矩形截取手掌二值图获得手掌区域二值图;
步骤2.对手掌区域二值图中的手指外边缘轮廓进行腐蚀操作得到掩模图像,并根据掩模图像截取手掌图像,获得手掌区域图像;
步骤3.计算手掌区域图像的梯度分布图;
步骤4.基于掩模图像中的手掌区域和背景区域分别对梯度分布图取模,得到手掌外轮廓梯度图和手掌内部梯度图,分别计算手掌外轮廓梯度图和手掌内部梯度图的梯度平均值;
步骤5.比较手掌外轮廓梯度图和手掌内部梯度图的梯度平均值,若手掌外轮廓梯度图的梯度平均值大于手掌内部梯度图的梯度平均值,进行下一步检测,否则,判定手掌图像为手掌照片,结束检测;
步骤6.获取手掌区域图像中的手掌外轮廓曲线,根据手掌外轮廓曲线计算手掌轮廓变化宽度,基于手掌轮廓变化宽度进一步区分手掌图像是手掌照片还是真实手掌。
2.根据权利要求1所述的手掌照片检测方法,其特征在于:所述步骤1在获得用户手掌图像后,判断手掌图像中是否存在矩形框,若存在矩形框,则认定手掌图像为手掌照片,结束检测。
3.根据权利要求1所述的手掌照片检测方法,其特征在于:所述步骤3计算手掌区域图像的梯度分布图包括:计算手掌区域图像中每个像素点与其距离为r的四个像素点的灰度值的差值,并计算所述差值的绝对值之和,将其作为该像素点的梯度值得到梯度分布图,其中r与所述手掌区域图像与手掌图像大小的比值呈正比。
4.根据权利要求1所述的手掌照片检测方法,其特征在于:所述步骤4中手掌外轮廓梯度图的获取方法为:将掩模图像中的手掌区域在梯度分布图中对应区域的梯度值置为0,得到手掌外轮廓梯度图。
5.根据权利要求1所述的手掌照片检测方法,其特征在于:所述步骤4中手掌内部梯度图的获取方法为:将掩模图像中的背景区域在梯度分布图中对应区域的梯度值置为0,得到手掌内部梯度图。
6.根据权利要求1所述的手掌照片检测方法,其特征在于:所述步骤6基于手掌轮廓变化宽度进一步区分手掌图像是手掌照片还是真实手掌的具体步骤为:
步骤6.1.获取手掌区域二值图中的手掌轮廓曲线,根据手掌轮廓曲线获取手掌区域图像中的手掌外轮廓曲线,所述手掌外轮廓曲线为手掌轮廓曲线在手掌区域图像中对应的像素点;
步骤6.2.取手掌外轮廓曲线上每个轮廓点左右各n个像素点,上下各n个点,形成水平灰度曲线和数值灰度曲线;
步骤6.3.分别对两条灰度曲线二阶求导,分别获得两条灰度曲线的变化速率;
步骤6.4.根据灰度值分别确认每条灰度曲线的峰值点,求峰值点两侧变化速率绝对值最大的两个像素点作为临界轮廓点;
步骤6.5.计算两个临界轮廓点的坐标差绝对值作为该轮廓点的变化宽度;
步骤6.6.遍历所有轮廓点,重复步骤6.2~步骤6.5;
步骤6.7.设置轮廓宽度阈值,计算所有轮廓点的变化宽度平均值作为手掌轮廓变化宽度,若手掌轮廓变化宽度小于轮廓宽度阈值,则认定手掌图像为真实手掌,否则,认定手掌图像为手掌照片。
7.根据权利要求6所述的手掌照片检测方法,其特征在于:所述步骤6.2中,n的取值为30。
8.根据权利要求6所述的手掌照片检测方法,其特征在于:所述步骤6.4中,若灰度曲线存在多个峰值点,则取距离灰度曲线中心点最近的点作为峰值点,所述峰值点的灰度值大于其左右相邻3个像素点的灰度值。
9.根据权利要求6所述的手掌照片检测方法,其特征在于:所述步骤6.5中,计算两个临界轮廓点的坐标差绝对值作为该轮廓点的变化宽度包括:计算水平灰度曲线上两个临界轮廓点的列坐标作为该轮廓点的水平变化宽度,计算垂直灰度曲线上两个临界轮廓点的行坐标作为该轮廓点的垂直变化宽度,该轮廓点的变化宽度等于该轮廓点的水平变化宽度和垂直变化宽度的平均值。
10.根据权利要求1所述的手掌照片检测方法,其特征在于:所述步骤1在获得用户手掌图像后,对手掌图像进行固定噪声去除,方法为:统计手掌图像中全部像素点的最小非零灰度值并以此作为固定噪声,将手掌图像中每个像素点的灰度值减去固定噪声,获得去掉固定噪声的手掌图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311041952.3A CN116798077B (zh) | 2023-08-18 | 2023-08-18 | 一种手掌照片检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311041952.3A CN116798077B (zh) | 2023-08-18 | 2023-08-18 | 一种手掌照片检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116798077A CN116798077A (zh) | 2023-09-22 |
CN116798077B true CN116798077B (zh) | 2023-11-07 |
Family
ID=88048226
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311041952.3A Active CN116798077B (zh) | 2023-08-18 | 2023-08-18 | 一种手掌照片检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116798077B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10123331A1 (de) * | 2001-05-14 | 2002-11-28 | Infineon Technologies Ag | Verfahren zur Fälschungserkennung bei der Fingerabdruckerkennung unter Verwendung des Verhältnisses von Fingerrillen und Fingerlinien |
CN102436650A (zh) * | 2010-09-29 | 2012-05-02 | 奥林巴斯株式会社 | 图像处理装置以及图像处理方法 |
CN103559489A (zh) * | 2013-11-19 | 2014-02-05 | 沈阳工业大学 | 一种非接触成像方式下手掌特征提取方法 |
CN106650703A (zh) * | 2017-01-06 | 2017-05-10 | 厦门中控生物识别信息技术有限公司 | 手掌防伪方法和装置 |
CN111274851A (zh) * | 2018-12-05 | 2020-06-12 | 上海中移信息技术有限公司 | 一种活体检测方法及装置 |
CN114782478A (zh) * | 2022-06-22 | 2022-07-22 | 北京圣点云信息技术有限公司 | 一种手掌图像分割方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10762366B2 (en) * | 2015-10-10 | 2020-09-01 | Zkteco Co., Ltd. | Finger vein identification method and device |
-
2023
- 2023-08-18 CN CN202311041952.3A patent/CN116798077B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10123331A1 (de) * | 2001-05-14 | 2002-11-28 | Infineon Technologies Ag | Verfahren zur Fälschungserkennung bei der Fingerabdruckerkennung unter Verwendung des Verhältnisses von Fingerrillen und Fingerlinien |
CN102436650A (zh) * | 2010-09-29 | 2012-05-02 | 奥林巴斯株式会社 | 图像处理装置以及图像处理方法 |
CN103559489A (zh) * | 2013-11-19 | 2014-02-05 | 沈阳工业大学 | 一种非接触成像方式下手掌特征提取方法 |
CN106650703A (zh) * | 2017-01-06 | 2017-05-10 | 厦门中控生物识别信息技术有限公司 | 手掌防伪方法和装置 |
CN111274851A (zh) * | 2018-12-05 | 2020-06-12 | 上海中移信息技术有限公司 | 一种活体检测方法及装置 |
CN114782478A (zh) * | 2022-06-22 | 2022-07-22 | 北京圣点云信息技术有限公司 | 一种手掌图像分割方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN116798077A (zh) | 2023-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR100480781B1 (ko) | 치아영상으로부터 치아영역 추출방법 및 치아영상을이용한 신원확인방법 및 장치 | |
US9251614B1 (en) | Background removal for document images | |
US10558841B2 (en) | Method and apparatus for recognizing fingerprint ridge point | |
US7853047B2 (en) | System for recognizing fingerprint image, method and program for the same | |
CN112232332B (zh) | 一种基于视频序列的非接触式手掌检测方法 | |
CN105447489B (zh) | 一种图片ocr识别***的字符与背景粘连噪声消除方法 | |
JP6338429B2 (ja) | 被写体検出装置、被写体検出方法及びプログラム | |
CN116798077B (zh) | 一种手掌照片检测方法 | |
US20170344794A1 (en) | Image processing method and image processing system | |
CN112712054A (zh) | 脸部皱纹检测方法 | |
CN112016565A (zh) | 一种金融票据的账号处模糊数字的分割方法 | |
CN115578781A (zh) | 去遮挡的虹膜检测方法、虹膜识别方法及可读存储介质 | |
CN111199527B (zh) | 一种基于多方向自适应阈值的指静脉图像噪声检测方法 | |
JP6580201B2 (ja) | 被写体検出装置、被写体検出方法及びプログラム | |
JP3150762B2 (ja) | グラディエントベクトルの抽出方式及び文字認識用特徴抽出方式 | |
CN117115867B (zh) | 一种掌静脉图像活体检测方法 | |
KR20070076187A (ko) | 지문 인식 방법 | |
CN110852280A (zh) | 一种指静脉设备镜面异物的检测算法 | |
Sojan et al. | Fingerprint Image Enhancement and Extraction of Minutiae and Orientation | |
JP2005010842A (ja) | 縞状パターン抽出システムおよび縞状パターン抽出方法 | |
US7577277B2 (en) | Method of binarizing images containing linear structures | |
CN115909468B (zh) | 人脸五官遮挡检测方法、存储介质及*** | |
CN115424302A (zh) | 一种基于视频的动态掌纹roi的识别方法及*** | |
CN112528741B (zh) | 一种变电站压板的状态识别方法及装置 | |
JP4732626B2 (ja) | 帳票処理方法および装置並びにプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |