[发明专利]一种基于人工智能的静脉识别输入输出装置及其识别方法

权利要求书

1.一种基于人工智能的静脉识别输入输出装置，其特征在于，包括壳体(1)、设置于所述壳体(1)内部的PCB印刷电路板(2)、设置于所述壳体(1)前侧的图像采集器(3)以及设置于所述壳体(1)上的接口组件(4)；所述PCB印刷电路板(2)上设有微处理器(5)；

所述图像采集器(3)，用于采集手掌静脉图像；

所述微处理器(5)用于：

对所述手掌静脉图像进行预处理，得到目标手掌静脉图像；

提取所述目标手掌静脉图像中的手掌静脉特征集；

基于多特征阈值融合的手掌静脉匹配方法，将所述手掌静脉特征集与预设的静脉图像数据库中存储的每个曲率灰度特征矩阵进行匹配，查找出所述手掌静脉特征集对应的匹配结果，完成手掌静脉识别；

所述接口组件(4)，用于为所述微处理器(5)提供供电通道和数据传输通道；

所述微处理器(5)分别与所述图像采集器(3)和所述接口组件(4)电连接。

2.根据权利要求1所述的基于人工智能的静脉识别输入输出装置，其特征在于，所述手掌静脉特征集包括背景曲率灰度特征、静脉曲率灰度特征和曲率细线特征；

所述微处理器(5)具体用于：

获取所述背景曲率灰度特征对应的第一特征阈值、所述静脉曲率灰度特征对应的第二特征阈值和所述曲率细线特征对应的第三特征阈值；

根据预设的第一融合权重，将所述第一特征阈值和所述第二特征阈值进行融合，得到第一融合特征阈值；

根据预设的第二融合权重，将所述第一融合特征阈值与所述第三特征阈值进行融合，得到第二融合特征阈值；

计算所述第二融合特征阈值的具体公式为：

T＝(1-β)[αT₀+(1-α)T₁]+βT₂；

其中，T为所述第二融合特征阈值，T₀为所述背景曲率灰度特征，T₁为所述静脉曲率灰度特征，T₂为所述曲率细线特征，α为所述第一融合权重，β为所述第二融合权重；

根据所述第二融合特征阈值、所述背景曲率灰度特征、所述静脉曲率灰度特征和所述曲率细线特征，得到目标灰度特征矩阵；

分别计算所述目标灰度特征矩阵与所述静脉图像数据库中存储的每个曲率灰度特征矩阵之间的相关性系数，判断所有相关性系数中的最大值是否大于预设系数阈值，若是，则所述匹配结果为匹配成功，若否，则所述匹配结果为匹配失败；

计算所述目标灰度特征矩阵与第i个曲率灰度特征矩阵之间的相关性系数的具体公式为：

其中，K_a和K_bi分别为所述目标灰度特征矩阵和第i个曲率灰度特征矩阵，ρ(K_a,K_bi)为所述目标灰度特征矩阵与第i个曲率灰度特征矩阵之间的相关性系数，Cov(K_a,K_bi)为所述目标灰度特征矩阵与第i个曲率灰度特征矩阵之间的协方差，Var(K_a)为所述目标灰度特征矩阵的方差，Var(K_bi)为第i个曲率灰度特征矩阵的方差。

3.根据权利要求1所述的基于人工智能的静脉识别输入输出装置，其特征在于，所述图像采集器(3)包括红外灯组(301)和图像传感器(302)；

所述红外灯组(301)和所述图像传感器(302)均与所述微处理器(5)电连接。

4.根据权利要求3所述的基于人工智能的静脉识别输入输出装置，其特征在于，所述PCB印刷电路(2)上还设有控制单元(6)；

所述红外灯组(301)和所述图像传感器(302)均通过所述控制单元(6)与所述微处理器(5)电连接。

5.根据权利要求1所述的基于人工智能的静脉识别输入输出装置，其特征在于，所述接口组件(4)包括USB接口(401)、网口(402)、电源口(403)和SD卡口(404)；

所述USB接口(401)、所述网口(402)、所述电源口(403)和所述SD卡口(404)均与所述微处理器(5)电连接。