[发明专利]一种掌静脉图像防伪方法、装置和设备

说明书

本发明公开了一种掌静脉图像防伪方法、装置和设备，方法包括：获取待检测掌静脉图像；对待检测掌静脉图像进行图像预处理，得到掌静脉区域图像；将掌静脉区域图像输入到预设的掌静脉防伪模型，得到活体预测概率；若活体预测概率大于或等于预设阈值，则确定掌静脉区域图像所对应的手掌为活体手掌。从而能够精确有效地确定掌静脉区域图像之间的细微特征差别，有效提取掌静脉图像在不同尺度和偏转角度下的特征差异，同时采用样本自学习策略，更为有效提高掌静脉防伪精度和防伪性能。

技术领域

本发明涉及掌静脉图像防伪技术领域，尤其涉及一种掌静脉图像防伪方法、装置和设备。

背景技术

手掌静脉识别是一种新兴的生物特征识别技术，利用人体手掌血液中血红素对近红外光具有较强的吸收特性，获得手掌静脉的分布纹路进行身份识别。掌静脉识别不仅具有非接触式认证和高可靠性的优点，而且必须活体检测，无法造假，安全级别高。随着技术的发展，掌静脉识别技术逐渐应用于安防系统、楼宇门禁、金融银行等领域。

现有的掌静脉防伪方法通常通过采集单一类型的掌静脉数据进行单一模型的训练识别，较为简单，但由于在数据采集的过程中，不同光照、不同偏转角度或设备距离不同等情况所导致的掌静脉数据过大或过小的问题，现有的掌静脉防伪方法对于手掌尺度、偏转角度敏感，难以精确有效地确定掌静脉图像之间的细微特征差别，导致防伪精度降低。

发明内容

本发明提供了一种掌静脉图像防伪方法、装置和设备，解决了现有的掌静脉防伪方法对于手掌尺度、偏转角度敏感，难以精确有效地确定掌静脉图像之间的细微特征差别，导致防伪精度降低的技术问题。

本发明提供的一种掌静脉图像防伪方法，包括：

获取待检测掌静脉图像；

对所述待检测掌静脉图像进行图像预处理，得到掌静脉区域图像；

将所述掌静脉区域图像输入到预设的掌静脉防伪模型，得到活体预测概率；

若所述活体预测概率大于或等于预设阈值，则确定所述掌静脉区域图像所对应的手掌为活体手掌。

可选地，还包括：

若所述活体预测概率小于所述预设阈值，则确定所述掌静脉区域图像对应的手掌为假体手掌。

可选地，还包括：

获取训练图像；

采用所述训练图像训练预设的多分支网络模型，生成所述掌静脉防伪模型。

可选地，所述采用所述训练图像训练预设的多分支网络模型，生成所述掌静脉防伪模型的步骤，包括：

通过预设的多分支网络模型读取所述训练图像，确定所述训练图像对应的像素读取量；

计算所述训练图像对应的像素真实量和所述像素读取量的差值作为噪声数据量；

计算所述噪声数据量对应的噪声方差，确定所述噪声方差对应的学习程度；

采用所述训练图像按照所述学习程度训练所述多分支网络模型，生成所述掌静脉防伪模型。

可选地，所述计算所述噪声数据量对应的噪声方差，确定所述噪声方差对应的学习程度的步骤，包括：

计算所述噪声数据量对应的噪声方差；

采用多个预设方差阈值划分多个方差区间；每个方差区间对应一个学习程度；

根据所述噪声方差所处的方差区间，确定所述噪声方差对应的学习程度。

可选地，所述对所述待检测掌静脉图像进行图像预处理，得到掌静脉区域图像的步骤，包括：