技术摘要：
本发明公开了一种手指静脉识别方法，包括：获取采集到的手指静脉图像，提取手指静脉图像中的目标区域图像；根据预设的各曲率计算角度参数和各窗口尺度超参数，计算目标区域图像对应的多个目标曲率图；将目标区域图像及多个目标曲率图输入至第一神经网络模型中以提取出  全部
背景技术：
随着人工智能技术的发展，指纹识别和人脸识别也已经逐渐代替传统的密码、刷 卡等身份认证模式。但是，指纹识别和人脸识别都存在漏洞，指纹伪造的案例越来越多，通 过3D模型欺骗人脸识别算法也时有发生。所以，手指静脉识别技术作为生物识别技术中的 一种，其利用个体手指内部的静脉结构进行认证识别，具有高可用性、活体识别、高准确率 等特点，受到越来越多的关注。 手指静脉识别的过程包括图像采集、手指区域提取和特征提取等步骤，特征提取 的效果是影响手指静脉识别结果的关键因素。现有技术中在对手指区域进行特征提取时， 通常将手指静脉原图作为唯一输入，然后利用卷积神经网络完成手指静脉特征的提取。 但是，由于现有技术中仅将手指静脉原图作为唯一的数据输入源，则导致输入至 卷积神经网络中的信息较为单一，提取出的特征无法全面地、详细地体现出手指静脉信息， 从而影响了对手指静脉特征识别的效果，用户体验感较差。
技术实现要素：
本发明的目的是提供一种手指静脉识别方法、装置及设备，能够将目标区域图像 和多个目标曲率图作为多个数据源均输入至第一神经网络模型中，并对输出的多个静脉特 征进行特征融合处理以获取到包含有多个数据源信息的目标静脉特征，从而保证了用于识 别的目标静脉特征能够更丰富地、细致地体现出手指静脉信息，最终获得更好的手指静脉 识别效果，提升用户体验感。 为解决上述技术问题，本发明提供一种手指静脉识别方法，包括： 获取采集到的手指静脉图像，提取所述手指静脉图像中的目标区域图像； 根据预设的各曲率计算角度参数和各窗口尺度超参数，计算所述目标区域图像对 应的多个目标曲率图； 将所述目标区域图像及所述多个目标曲率图输入至第一神经网络模型中以提取 出多个静脉特征； 对所述多个静脉特征进行特征融合处理以获取目标静脉特征，根据所述目标静脉 特征和预先存储的参照静脉特征对所述手指静脉图像进行识别。 优选地，所述提取所述手指静脉图像中的目标区域图像具体包括： 对所述手指静脉图像进行边缘检测，并通过形态学开运算去除所述手指静脉图像 中手指边缘处的噪点以得到第一目标图像； 计算所述第一目标图像的手指倾斜角，以所述手指倾斜角作为旋转角度将所述手 指静脉图像中的手指位置矫正至水平方向以得到第二目标图像； 根据窗口统计算法，确定所述第二目标图像中的关节部位及所述目标区域图像的 4 CN 111612083 A 说　明　书 2/10 页 宽度； 利用预先训练完成的第二神经网络模型，计算所述目标区域图像的长度； 根据所述关节部位位置、所述宽度和所述长度对所述第二目标图像进行截取以提 取所述目标区域图像。 优选地，还包括： 对所述目标区域图像进行灰度拉伸以完成归一化操作。 优选地，所述计算所述第一目标图像的手指倾斜角具体包括： 根据所述第一目标图像中的信息，拟合出手指中线； 根据所述手指中线计算所述第一目标图像的手指倾斜角。 优选地，所述以所述手指倾斜角作为旋转角度将所述手指静脉图像中的手指位置 矫正至水平方向以得到第二目标图像之后，还包括： 按照所述第二目标图像中手指边缘的水平内切线对所述第二目标图像进行剪裁 处理。 优选地，所述根据预设的各曲率计算角度参数和各窗口尺度超参数，计算所述目 标区域图像对应的多个目标曲率图具体包括： 将所述各曲率计算角度参数和所述各窗口尺度超参数进行排列组合以得到多个 曲率计算超参数组； 分别计算在各所述曲率计算超参数组的条件下，所述目标区域图像对应的曲率 图； 从多个所述曲率图中确定出预设数量的目标曲率图。 优选地，所述从多个所述曲率图中确定出预设数量的目标曲率图具体包括： 计算多个所述曲率图对应的HOG特征序列； 根据PCA主成分分析算法对各所述HOG特征序列进行主成分分析以确定出所述预 设数量的所述目标曲率图。 优选地，所述对所述多个静脉特征进行特征融合处理以获取目标静脉特征具体包 括： 将所述多个静脉特征作为源数据输入至基于注意力机制的神经网络中； 将唯一的输出静脉特征设定为所述目标静脉特征。 为解决上述技术问题，本发明还提供一种手指静脉识别装置，包括： 提取模块，用于获取采集到的手指静脉图像，提取所述手指静脉图像中的目标区 域图像； 计算模块，用于根据预设的各曲率计算角度参数和各窗口尺度超参数，计算所述 目标区域图像对应的多个目标曲率图； 输入模块，用于将所述目标区域图像及所述多个目标曲率图输入至第一神经网络 模型中以提取出多个静脉特征； 确定模块，用于对所述多个静脉特征进行特征融合处理以获取目标静脉特征，根 据所述目标静脉特征和预先存储的参照静脉特征对所述手指静脉图像进行识别。 为解决上述技术问题，本发明还提供一种手指静脉识别设备，包括存储器，用于存 储计算机程序； 5 CN 111612083 A 说　明　书 3/10 页 处理器，用于执行所述计算机程序时实现如上述任一项所述的手指静脉识别方法 的步骤。 本发明所提供的一种手指静脉识别方法，包括：获取采集到的手指静脉图像，提取 手指静脉图像中的目标区域图像；根据预设的各曲率计算角度参数和各窗口尺度超参数， 计算目标区域图像对应的多个目标曲率图；将目标区域图像及多个目标曲率图输入至第一 神经网络模型中以提取出多个静脉特征；对多个静脉特征进行特征融合处理以获取目标静 脉特征，根据目标静脉特征和预先存储的参照静脉特征对手指静脉图像进行识别。由此可 见，本发明将目标区域图像和多个目标曲率图作为多个数据源均输入至第一神经网络模型 中，并对输出的多个静脉特征进行特征融合处理以获取到包含有多个数据源信息的目标静 脉特征，从而保证了用于识别的目标静脉特征能够更丰富地、细致地体现出手指静脉信息， 最终获得更好的手指静脉识别效果，提升用户体验感。 此外，本发明所提供的一种手指静脉识别装置及设备与上述方法对应，具有同样 的有益效果。 附图说明 为了更清楚地说明本发明实施例，下面将对实施例中所需要使用的附图做简单的 介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人 员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。 图1为本发明实施例提供的一种手指静脉识别方法的流程图； 图2为本发明实施例提供的一种手指静脉图像中的目标区域图像的示意图； 图3为本发明实施例提供的一种手指静脉识别装置的结构图； 图4为本发明实施例提供的一种手指静脉识别设备的结构图。