[发明专利]一种基于GWO-OSELM的非接触式手掌活体检测方法及装置

权利要求书

1.一种基于GWO-OSELM的非接触式手掌活体检测方法，其特征在于：其包括以下步骤：

1）采集若干活体和非活体手掌的掌纹图像作为正负训练样本，对正负训练样本的图像进行ROI提取，再对图像进行预处理；

2）分别对预处理后的正负训练样本图像进行高斯滤波处理；

3）提取正负训练样本图像的LPQ直方图特征和BSIF特征，将LPQ直方图特征和BSIF特征进行特征融合，形成总特征向量；

4）初始化灰狼算法和OSELM模型的参数，利用灰狼优化算法确定OSELM模型的输入层权值和偏置，形成GWO-OSELM分类模型；

5）将总特征向量输入到GWO-OSELM分类模型中进行训练；

6）采用步骤1）至步骤3）的方法提取待检测图像的总特征向量，并将总特征向量输入到训练好的GWO-OSELM分类模型中进行活体数据的检测和识别，确定待检测图像是否为活体手掌掌纹图像。

2.根据权利要求1所述的基于GWO-OSELM的非接触式手掌活体检测方法，其特征在于：所述的步骤3）的具体步骤包括：

3.1）计算LPQ直方图特征：将图像分割成若干矩形块，在每个矩形块上计算每个像素的量化系数并生成量化系数的直方图，将所有矩形块的直方图向量串联起来，得到图像的LPQ直方图特征；

3.2）计算BSIF特征：利用二进制统计图像特征，通过统计的图像特征获得一组大小和个数均不同的滤波器，利用滤波器提取图像BSIF特征；

3.3）把LPQ直方图特征与BSIF特征融合成一个总特征向量。

3.根据权利要求2所述的基于GWO-OSELM的非接触式手掌活体检测方法，其特征在于：所述步骤3.1）计算LPQ直方图特征的具体步骤包括：

3.1.1）在灰度图像f(x)上的每个像素点x的M×M大小的矩形邻域N_x进行离散傅里叶变换提取相位信息F（u,x），即公式（1）：

其中，W_u为频率u的2维离散傅里叶变换的基向量，f_x为N_x中M²个像素的灰度值所组成的向量，x表示灰度图像上的像素点，y表示矩形邻域上的像素点，这里的T是转置的意思，表示e为数学常数，是自然对数函数的底数；f(x)表示灰度图像；

3.1.2）LPQ直方图特征只在,,,四个频率点上才会考虑傅里叶系数，其中a为不超过第一个过零点的频率点，其值为a=1/winSize，winSize为输入参数，即公式（2）：

3.1.3）傅里叶系数中的相位信息由F_x中每个分量的实部和虚部表示，傅里叶系数中的相位信息通过公式（3）的分级量化方法量化，得到二进制串q_j(x)：

其中g_j(x)为向量中的第j个分量，j为大于0且小于等于8的整数， Re{•}表示实部，Im{•}表示虚部；

3.1.4）将得到的二进制串组成特征值，即为图像的LPQ直方图特征，通过二进制编码表示量化系数F_LPQ(x)，量化系数为一个[0,255]的整数，计算公式如（4）所示：

。