图像手掌区域提取方法及装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110287771A(43)申请公布日2019.09.27(21)申请号201910390289.5G06T7/62(2017.01)(22)申请日2019.05.10(71)申请人平安科技（深圳）有限公司地址518000广东省深圳市福田街道福安社区益田路5033号平安金融中心23楼(72)发明人惠慧(74)专利代理机构北京中强智尚知识产权代理有限公司11448代理人黄耀威(51)Int.Cl.G06K9/00(2006.01)G06K9/62(2006.01)G06N3/08(2006.01)G06T7/11(2017.01)G06T7/194(2017.01)权利要求书2页说明书8页附图6页(54)发明名称图像手掌区域提取方法及装置(57)摘要本发明涉及生物特征识别技术领域。本发明实施例提供一种图像手掌区域提取方法及装置，其中所述图像手掌区域提取方法包括：获取待识别的人手图像；基于语义分割模型，确定所述人手图像中手掌区域的手掌轮廓，其中所述语义分割模型是以具有不同拍摄背景的并标注了手掌轮廓的训练人手图像作为输入进行训练的；根据所述手掌轮廓，从所述人手图像中提取出手掌区域。由此，将图像轮廓纹理技术和神经网络技术相结合，能够快速精确地从具有不同背景的人手图像中提取出手掌轮廓和对应的手掌区域，并还具有广泛的市场应用前景。CN110287771ACN110287771A权利要求书1/2页1.一种图像手掌区域提取方法，其特征在于，包括：获取待识别的人手图像；基于语义分割模型，确定所述人手图像中手掌区域的手掌轮廓，其中所述语义分割模型是以具有不同拍摄背景的并标注了手掌轮廓的训练人手图像作为输入进行训练的；根据所述手掌轮廓，从所述人手图像中提取出手掌区域。2.根据权利要求1所述的方法，其特征在于，所述基于语义分割模型，确定所述人手图像中手掌区域的手掌轮廓包括：基于语义分割模型，在所述人手图像中分割出封闭图像轮廓；当存在多个封闭图像轮廓时，计算所述多个封闭图像轮廓所包含的区域面积，并将对应具有最大的所述区域面积的封闭图像轮廓确定为所述手掌轮廓。3.根据权利要求2所述的方法，其特征在于，所述根据所述手掌轮廓，从所述人手图像中提取出手掌区域包括：检测在所述手掌轮廓内是否还存在其他封闭图像轮廓；若存在所述其他封闭图像轮廓，则将所述其他封闭图像轮廓确定为空洞区域；以及根据所述手掌区域内的人手图像的内容，填充所述空洞区域。4.根据权利要求1所述的方法，其特征在于，该方法还包括针对所述语义分割模型的训练过程，所述针对语义分割模型的训练过程包括：获取多张训练人手图像，其中所述多张训练人手图像包括对应于不同的拍照背景的训练人手图像；提取所述多张训练人手图像分别所对应的手掌轮廓；将具有所述手掌轮廓的所述多张训练人手图像输入至所述语义分割模型，以训练所述语义分割模型，使得经训练的所述语义分割模型能够从不同背景的人手图像中分割出手掌轮廓。5.根据权利要求4所述的方法，其特征在于，所述将具有所述手掌轮廓的所述多张训练人手图像输入至所述语义分割模型，以训练所述语义分割模型包括：基于所述语义分割模型中的编码器网络，提取所输入的所述多张训练人手图像各自的手掌轮廓特征；基于所述语义分割模型中的解码器网络，使用在相应的所述编码器网络的最大池化步骤中计算的池化索引来执行非线性上采样操作，以将所提取的手掌轮廓特征映射到用于像素分类的全输入分辨率特征映射，从而训练所述语义分割模型。6.根据权利要求4所述的方法，其特征在于，所述语义分割模型为卷积神经网络，其中所述针对语义分割模型的训练过程还包括：为所述语义分割模型中的每个卷积层分别对应配置批标准化层，并在所述批标准化层之后还设置线性整流函数激活层，其中所述每个卷积层分别是对应于不同拍照背景的具有手掌轮廓的训练人手图像；基于所述批标准化层，在训练时向前传播，批标准化层只保存输入权值的均值和方差，权值输出回到卷积层时仍然是当初卷积后的权值，以及，在训练时向后传播，根据所述批标准化层中的所述均值和所述方差，结合所述每个卷积层与线性整流函数激活层进行链式求导，求得梯度和当前训练速率。2CN110287771A权利要求书2/2页7.根据权利要求1所述的方法，其中，所述语义分割模型为Segnet模型，所述Segnet模型包括均采用same卷积的多组卷积层和相应的反卷积层，其中所述卷积层为用于提取特征的编码器网络，且所述反卷积层为用于执行非线性上采样操作的解码器网络。8.一种图像手掌区域提取装置，其特征在于，包括：获取单元，用于获取待识别的人手图像；手掌轮廓确定单元，用于基于语义分割模型，确定所述人手图像中手掌区域的手掌轮廓，其中所述语义分割模型是以具有不同拍摄背景