[发明专利]一种基于神经网络的智能皮纹采集分类识别方法

说明书

本发明涉及一种基于神经网络的智能皮纹采集分类识别方法，其将采集到的皮纹原始图像依次进行归一化处理、维纳滤波去噪处理、采用Sobel算子算法锐化并提取边缘、采用二值化算法处理、通过OPTA细化算法得到像素骨架化的皮纹图像；然后，采用GAN生成式对抗网络模型算法进行修补处理、增强处理；最后，引入ResNet深度学习神经网络模型算法进行皮纹分类识别处理，获取分类信息。本发明通过有利于从多维度、多特征的角度对不同皮纹特征图像进行分析，于皮纹图像信息中提取到更多的特征，在皮纹识别分类中达到较高的准确率；适合应用于儿童性格培养、特殊岗位人员选拔等多种场景，提高解读的准确率，报告解读的可参考性提升明显。

技术领域

本发明涉及皮纹分类识别技术，尤其涉及一种基于神经网络的智能皮纹采集分类识别方法。

背景技术

皮纹是指生于手指、手掌以及脚趾、脚掌上凸起的纹路，我们常见的名称“指纹”是生于手指上的纹理，生于手掌及脚掌上的纹理分别叫手掌纹及脚掌纹。皮纹一经发育完成，至此，终生不变，现有各个领域在应用皮纹技术时所依赖的最多最有效的特性便是其独有的唯一性，可广泛应用于刑侦界、医学界、生物识别领域。

首先，其唯一性体现在拥有与其它皮纹相区别的独特性，不仅与他人不同，就是自己的十个手指纹也不相同，其中包括皮纹样式、皮膌高低、密度、数量及三叉点的位置都不相同；其次，还具备不变性，即使因劳动磨损后或者受伤后再生的皮纹样式、数量、纹形都还是与原来的相同；此外，其还具备遗传性，遗传物质、基因或染色体是决定皮纹特性的物质基础。

若对皮纹所存在的这些显著特性进一步展开研究，则皮纹检测技术具有很深重要的研究意义，对于非本技术领域所了解的皮纹，大多仅局限于利用其唯一性进行检测这项技术，然而，对于专业人士，本领域内的皮纹检测技术却是一门多学科的交叉学科，更重要的是其能够用于了解个体的先天遗传信息，被越来越多的教育工作者所接受，是实现“因材施教”的好帮手。

皮纹检测技术的研究首先要了解对皮纹的分类，从时间上可以追溯到在1892年，英国著名的人类学家、优生学创始人高尔顿出版的《指纹学》一书中首次提出：根据指嵴纹走向、有无中心点和三叉点的多少来识别指纹分类的方法，他的观点把纹型分成斗型纹、箕型纹、弧型纹三种，因而，皮纹之后的各种分类都是在这个基础上进行的细化。

现有的常见指纹分类体系将指纹图像按照其拓扑结构分成五种类型，即弓、账弓、左旋、右旋、和斗，人群分布分别是：3.7％、2.9％、33.8％、31.7％、27.9％，可通过认识指纹的脊线流入、流出特征、中心点、三角点的图形特征，形成：脊线流、方向场、奇异点、Gabor滤波响应的特征，对纹型进行合理的判断。

本领域技术人员通过长期对皮纹(指纹)的研究，结合纹型特征，能够总结出相应的皮纹解读系统，例如，通过长期地、广泛地、严谨地对而不同儿童皮纹的检测与分类识别，能够发现具有相同纹型的儿童其在性格、行为、潜质、以及大脑发展状态等方面的相似点，也能够发现具有不同纹型的儿童其在某一个或多个方面的不同点，因此，能够形成一套针对于儿童的皮纹解读系统。

在本发明中，技术方案之设计人员重点研发的方向便是利用皮纹形态以解读系统为参照来解读孩子的先天智能，包括学习行为、以及大脑发展状态，从而通过所获取的这些信息的分析来分别出个体差异，进而应用到指导孩子的学习上。

对于此研发方向的出发点，是源于目前的学校传统标准化教育难以真正实现个性化教育，市场上出现的各种各样的培训教育机构，就是要满足孩子个性化的教育需求；孩子个体化存在差异，差异在什么地方，通过皮纹基因检测并解读报告可得到答案。事实上，每个孩子都有自己独特的资质潜能，但是家长往往不了解资质潜能，因此，只能不断的增加传统的智能化的教育投入，给孩子增加了不必要的负担，同时，既不知道孩子需要什么样适当的学习环境，也不知道孩子到底脑细胞是如何分布的，哪些方面有优势，大脑能力各方面的强弱，更不要说如何和孩子沟通才能通过增强刺激来提升孩子的学习成绩和成果。