基于掌纹识别的身份认证方法、装置、设备和介质与流程

本公开涉及人工智能领域，更具体地涉及一种基于掌纹识别的身份认证方法、装置、设备、介质和程序产品。

背景技术：

1、掌纹识别是指利用人类手掌上的纹路特征进行身份识别或验证的技术。相比于传统的密码、指纹等身份验证方式，掌纹识别技术可以提供更高的精度和安全性，因为手掌上的纹路特征是个体差异性非常高的。因此，掌纹识别的应用也越来越广泛。相应地，提高掌纹识别的准确度也成为业界的研究重点。

技术实现思路

1、鉴于上述问题，本公开提供了一种可以提高掌纹识别准确率的基于掌纹识别的身份认证方法、装置、设备、介质和程序产品。

2、本公开实施例的第一方面，提供了一种于掌纹识别的身份认证方法。所述方法包括：采集第一用户的第一手掌图像；利用全局特征提取算法对所述第一手掌图像进行掌纹特征提取，得到所述第一手掌图像的第一特征；利用局部特征提取算法对所述第一手掌图像进行掌纹特征提取，得到所述第一手掌图像的第二特征；融合所述第一手掌图像的第一特征和第二特征，得到所述第一手掌图像的第三特征；以及输入所述第一手掌图像的第三特征至训练好的身份识别模型，利用所述身份识别模型对所述第一用户的身份进行识别，其中，所述身份识别模型为采用卷积神经网络训练出来的模型。

3、根据本公开的实施例，所述全局特征提取算法包括gabor小波变换算法。

4、根据本公开的实施例，所述局部特征提取算法包括局部二值模式lbp算法。

5、根据本公开的实施例，所述融合所述第一手掌图像的第一特征和第二特征，得到所述第一手掌图像的第三特征包括：所述第一手掌图像的第一特征和第二特征中，对应于所述第一手掌图像中相同区域的特征值相加。

6、根据本公开的实施例，在对所述第一手掌图像进行掌纹特征提取之前，所述方法还包括：对所述第一手掌图像进行预处理，其中，所述预处理包括先进行图像二值化，然后进行边缘提取。

7、根据本公开的实施例，所述身份识别模型与数据库连接，所述数据库中存储有至少一个已有用户的信息；所述利用所述身份识别模型对所述第一用户的身份进行识别包括：当所述身份识别模型基于所述第一手掌图像的第三特征，将所述第一用户分类到所述至少一个已有用户其中之一时，确定所述第一用户的身份识别通过；以及当所述身份识别模型基于所述第一手掌图像的第三特征，未能将所述第一用户分类到所述至少一个已有用户中任意已有用户时，确定所述第一用户的身份识别失败。

8、根据本公开的实施例，所述身份识别模型的训练过程如下：获取至少一个第二手掌图像，每个第二手掌图像所属的用户的信息已知；利用所述全局特征提取算法对每个第二手掌图像进行掌纹特征提取，得到每个第二手掌图像的第一特征；利用所述局部特征提取算法对每个第二手掌图像进行掌纹特征提取，得到每个第二手掌图像的第二特征；融合同一个第二手掌图像的第一特征和第二特征，得到每个第二手掌图像的第三特征；利用与每个原始第二掌纹图像所属的用户的信息，标注所述第二手掌图像的第三特征，得到一个训练样本数据；以及利用所述训练样本数据，训练所述身份识别模型。

9、本公开实施例的第二方面，提供了一种基于掌纹识别的身份认证装置。该装置包括采集模块、全局特征提取模块、局部特征提取模块、特征融合模块和认证识别模块。采集模块用于采集第一用户的第一手掌图像。全局特征提取模块用于利用全局特征提取算法对所述第一手掌图像进行掌纹特征提取，得到所述第一手掌图像的第一特征。局部特征提取模块用于利用局部特征提取算法对所述第一手掌图像进行掌纹特征提取，得到所述第一手掌图像的第二特征。特征融合模块用于融合所述第一手掌图像的第一特征和第二特征，得到所述第一手掌图像的第三特征。认证识别模块用于输入所述第一手掌图像的第三特征至训练好的身份识别模型，利用所述身份识别模型对所述第一用户的身份进行识别，其中，所述身份识别模型为采用卷积神经网络训练出来的模型。

10、本公开实施例的第三方面，提供了一种电子设备。所述电子设备包括一个或多个处理器、和存储器。所述存储器用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得一个或多个处理器执行上述方法。

11、本公开实施例的第四方面，还提供了一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行上述方法。

12、本公开实施例的第五方面，还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述方法。

13、上述一个或多个实施例具有如下优点或有益效果：在提取掌纹特征时，将利用全局特征提取算法提取的特征与利用局部特征提取算法提取的特征融合，加强了对手掌图像中的掌纹纹理特征的提取，提高掌纹特征的区别度，提升身份识别模型的识别准确率。

技术特征：

1.一种基于掌纹识别的身份认证方法，包括：

2.根据权利要求1所述的方法，其中，所述全局特征提取算法包括gabor小波变换算法。

3.根据权利要求1所述的方法，其中，所述局部特征提取算法包括局部二值模式lbp算法。

4.根据权利要求1所述的方法，其中，所述融合所述第一手掌图像的第一特征和第二特征，得到所述第一手掌图像的第三特征包括：

5.根据权利要求1所述的方法，其中，在对所述第一手掌图像进行掌纹特征提取之前，所述方法还包括：

6.根据权利要求1所述的方法，其中，所述身份识别模型与数据库连接，所述数据库中存储有至少一个已有用户的信息；所述利用所述身份识别模型对所述第一用户的身份进行识别包括：

7.根据权利要求1所述的方法，其中，所述身份识别模型的训练过程如下：

8.一种基于掌纹识别的身份认证装置，包括：

9.一种电子设备，包括：

10.一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行根据权利要求1～7中任一项所述的方法。

技术总结
本公开提供了一种基于掌纹识别的身份认证方法、装置、设备、介质和程序产品，涉及人工智能技术领域。该方法包括：采集第一用户的第一手掌图像；利用全局特征提取算法对第一手掌图像进行掌纹特征提取，得到第一手掌图像的第一特征；利用局部特征提取算法对第一手掌图像进行掌纹特征提取，得到第一手掌图像的第二特征；融合第一手掌图像的第一特征和第二特征，得到第一手掌图像的第三特征；以及输入第一手掌图像的第三特征至训练好的身份识别模型，利用身份识别模型对第一用户的身份进行识别，其中，身份识别模型为采用卷积神经网络训练出来的模型。

技术研发人员：孙宁,杨彬,高峰,李玲
受保护的技术使用者：中国工商银行股份有限公司
技术研发日：
技术公布日：2024/1/16