掌纹图像生成方法、掌纹识别模型训练方法、装置及介质与流程

本发明涉及图像处理，尤其涉及一种掌纹图像生成方法、掌纹识别模型训练方法、装置及介质。

背景技术：

1、掌纹识别技术是继指纹识别和人脸识别技术以后的新一代生物特征识别技术，相较于指纹识别技术和人脸识别技术，掌纹识别技术更有利于保护用户的隐私。但是，由于掌纹的隐私性和安全性，目前在掌纹识别领域缺乏足够的公开训练数据集，因此，有限的训练数据集在一定程度上影响了掌纹识别技术的发展。

2、为了克服训练数据集不足的问题，相关技术中提出了采用机器生成模拟掌纹数据的方法，通过该方法可以容易地生成大量的模拟掌纹数据，从而克服缺乏训练数据集的问题，进而可以提高掌纹识别模型对于手掌掌纹的识别能力，加快掌纹识别技术的发展。但是，相关技术中的该方法所生成的模拟掌纹数据，只是平面形式的掌纹图像数据，无法准确体现真实场景中手掌的掌纹信息，所以，该模拟掌纹数据在一定程度上限制了掌纹识别模型对于手掌掌纹的识别准确性，进而在一定程度上制约了掌纹识别技术的发展。

技术实现思路

1、以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。

2、本发明实施例提供了一种掌纹图像生成方法、掌纹识别模型训练方法、装置及介质，能够有利于改善掌纹识别模型的训练效果。

3、一方面，本发明实施例提供了一种掌纹图像生成方法，包括以下步骤：

4、随机生成第一掌纹图像，所述第一掌纹图像与目标标识对应；

5、随机生成不同姿态的三维手掌模型；

6、将所述第一掌纹图像与所述三维手掌模型进行融合，得到目标手掌模型；

7、对所述目标手掌模型进行掌纹区域提取，得到第二掌纹图像，所述第二掌纹图像与所述目标标识对应。

8、另一方面，本发明实施例还提供了一种掌纹识别模型训练方法，包括以下步骤：

9、获取第一掌纹图像样本和第一标签信息、第二掌纹图像样本和第二标签信息，其中，所述第一掌纹图像样本通过如前面所述的掌纹图像生成方法生成得到；

10、利用所述第一掌纹图像样本对初始掌纹识别模型进行训练，得到第一掌纹识别模型，其中，在利用所述第一掌纹图像样本对所述初始掌纹识别模型进行训练的过程中，根据所述第一标签信息修正所述初始掌纹识别模型的参数；

11、利用所述第二掌纹图像样本对所述第一掌纹识别模型进行训练，得到目标掌纹识别模型，其中，在利用所述第二掌纹图像样本对所述第一掌纹识别模型进行训练的过程中，根据所述第二标签信息修正所述第一掌纹识别模型的参数。

12、另一方面，本发明实施例还提供了一种掌纹图像生成装置，包括：

13、图像生成单元，用于随机生成第一掌纹图像，所述第一掌纹图像与目标标识对应；

14、模型生成单元，用于随机生成不同姿态的三维手掌模型；

15、模型融合单元，用于将所述第一掌纹图像与所述三维手掌模型进行融合，得到目标手掌模型；

16、掌纹提取单元，用于对所述目标手掌模型进行掌纹区域提取，得到第二掌纹图像，所述第二掌纹图像与所述目标标识对应。

17、可选地，所述图像生成单元还用于：

18、随机生成第三掌纹图像；

19、对所述第三掌纹图像进行随机扰动，得到第一掌纹图像。

20、可选地，所述图像生成单元还用于：

21、随机生成掌纹主线；

22、随机生成掌纹细纹；

23、根据所述掌纹主线和所述掌纹细纹得到第三掌纹图像。

24、可选地，所述图像生成单元还用于：

25、确定待生成的掌纹主线的数量，随机生成与所述掌纹主线的数量相一致的第一贝塞尔曲线；

26、对于各个所述第一贝塞尔曲线，确定第一曲线起点坐标和第一曲线终点坐标，以及根据所述第一曲线起点坐标和所述第一曲线终点坐标确定第一曲线中点坐标；

27、根据各个所述第一贝塞尔曲线的所述第一曲线起点坐标、所述第一曲线中点坐标和所述第一曲线终点坐标，生成各个所述掌纹主线。

28、可选地，所述图像生成单元还用于：

29、根据所述第一曲线起点坐标和所述第一曲线终点坐标确定第一曲线中点坐标区域；

30、在所述第一曲线中点坐标区域中随机选择一个位置的坐标作为第一曲线中点坐标。

31、可选地，所述图像生成单元还用于：

32、确定待生成的掌纹细纹的数量，随机生成与所述掌纹细纹的数量相一致的第二贝塞尔曲线；

33、对于各个所述第二贝塞尔曲线，确定第二曲线起点坐标和第二曲线终点坐标，以及根据所述第二曲线起点坐标和所述第二曲线终点坐标确定第二曲线中点坐标；

34、根据各个所述第二贝塞尔曲线的所述第二曲线起点坐标、所述第二曲线中点坐标和所述第二曲线终点坐标，生成各个所述掌纹细纹。

35、可选地，所述图像生成单元还用于：

36、根据所述第二曲线起点坐标和所述第二曲线终点坐标确定第二曲线中点坐标区域；

37、在所述第二曲线中点坐标区域中随机选择一个位置的坐标作为第二曲线中点坐标。

38、可选地，所述图像生成单元还用于：

39、对所述第三掌纹图像中所述掌纹主线的颜色、所述掌纹主线的宽度、所述掌纹细纹的颜色或所述掌纹细纹的宽度中的至少一种进行随机调整，得到第四掌纹图像；

40、随机选择背景图像；

41、将所述第四掌纹图像和所述背景图像进行图像融合，得到第一掌纹图像。

42、可选地，所述模型生成单元还用于：

43、随机生成形状数据和姿态数据；

44、根据所述形状数据和所述姿态数据进行三维手掌建模，得到不同姿态的三维手掌模型。

45、可选地，所述掌纹提取单元还用于：

46、确定所述目标手掌模型中的第一指缝位置、第二指缝位置和第三指缝位置，其中，所述第二指缝位置位于所述第一指缝位置和所述第三指缝位置之间；

47、根据所述第一指缝位置和所述第三指缝位置确定第一坐标轴；

48、根据所述第二指缝位置和所述第一坐标轴确定第二坐标轴，其中，所述第二坐标轴垂直于所述第一坐标轴；

49、根据所述第一指缝位置和所述第三指缝位置之间的距离在所述第二坐标轴中确定掌纹中心点；

50、根据所述第一指缝位置、所述第三指缝位置和所述掌纹中心点确定第二掌纹图像。

51、另一方面，本发明实施例还提供了一种掌纹识别模型训练装置，包括：

52、样本获取单元，用于获取第一掌纹图像样本和第一标签信息、第二掌纹图像样本和第二标签信息，其中，所述第一掌纹图像样本通过如前面所述的掌纹图像生成装置生成得到；

53、第一训练单元，用于利用所述第一掌纹图像样本对初始掌纹识别模型进行训练，得到第一掌纹识别模型，其中，在利用所述第一掌纹图像样本对所述初始掌纹识别模型进行训练的过程中，根据所述第一标签信息修正所述初始掌纹识别模型的参数；

54、第二训练单元，用于利用所述第二掌纹图像样本对所述第一掌纹识别模型进行训练，得到目标掌纹识别模型，其中，在利用所述第二掌纹图像样本对所述第一掌纹识别模型进行训练的过程中，根据所述第二标签信息修正所述第一掌纹识别模型的参数。

55、另一方面，本发明实施例还提供了一种电子设备，包括：

56、至少一个处理器；

57、至少一个存储器，用于存储至少一个程序；

58、当至少一个所述程序被至少一个所述处理器执行时实现如前面所述的掌纹图像生成方法，或者实现如前面所述的掌纹识别模型训练方法。

59、另一方面，本发明实施例还提供了一种计算机可读存储介质，其中存储有处理器可执行的计算机程序，所述处理器可执行的计算机程序被处理器执行时用于实现如前面所述的掌纹图像生成方法，或者实现如前面所述的掌纹识别模型训练方法。

60、另一方面，本发明实施例还提供了一种计算机程序产品，包括计算机程序或计算机指令，所述计算机程序或所述计算机指令存储在计算机可读存储介质中，电子设备的处理器从所述计算机可读存储介质读取所述计算机程序或所述计算机指令，所述处理器执行所述计算机程序或所述计算机指令，使得所述电子设备执行如前面所述的掌纹图像生成方法，或者执行如前面所述的掌纹识别模型训练方法。

61、本发明实施例至少包括以下有益效果：随机生成三维手掌模型和第一掌纹图像，其中，第一掌纹图像与目标标识对应，然后将第一掌纹图像与三维手掌模型进行融合得到目标手掌模型，由于目标手掌模型由三维手掌模型和第一掌纹图像经过融合之后得到，因此目标手掌模型是与目标标识对应的带有掌纹信息的三维手掌模型，能够更加接近真实场景中的手掌，所以，当通过对目标手掌模型进行掌纹区域提取，可以得到能够更为准确的体现真实场景中手掌掌纹信息的第二掌纹图像，在这种情况下，当利用该第二掌纹图像对掌纹识别模型进行训练之后，可以有效提高掌纹识别模型对于真实场景中的手掌掌纹的识别准确性。此外，由于第一掌纹图像和三维手掌模型都是随机生成的，因此可以方便地大量生成随机的第一掌纹图像和三维手掌模型，然后可以将各个第一掌纹图像和各个三维手掌模型进行融合，从而可以得到大量的各不相同的目标手掌模型，当对各个目标手掌模型进行掌纹区域提取，可以得到大量的各不相同的第二掌纹图像，有效克服了训练数据集不足的问题，有利于改善掌纹识别模型的训练效果，从而可以提高掌纹识别模型的鲁棒性和识别准确率。

62、本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。