一種手指靜脈三維點雲獲取方法、裝置及一種終端的製作方法
2023-10-29 12:03:17 2
一種手指靜脈三維點雲獲取方法、裝置及一種終端的製作方法
【專利摘要】本公開實施例公開了手指靜脈三維點雲獲取方法及裝置，所述方法包括：獲取多幅手指靜脈圖像，其中所述多幅手指靜脈圖像是手指在光源照射下沿手指長度方向移動時由攝像頭連續拍攝得到的至少兩幅手指靜脈圖像，所述光源與所述攝像頭位於所述手指的同側；從所述多幅手指靜脈圖像中，選取具有空間一致性的兩幅圖像；根據所述具有空間一致性的兩幅圖像，計算得到手指靜脈的部分空間點坐標，以獲取手指靜脈的部分三維點雲；從剩餘手指靜脈圖像中繼續選擇圖像添加到所述三維點雲中，以完成手指靜脈三維點雲重建。本公開可以獲得手指不同視角的靜脈圖像，基於此完成手指靜脈三維點雲的重建，獲得手指靜脈的三維特徵，進而可以提高身份認證時的識別率。
【專利說明】一種手指靜脈三維點雲獲取方法、裝置及一種終端
【技術領域】
[0001]本公開實施例一般涉及身份認證【技術領域】，尤其是涉及一種手指靜脈三維點雲獲取方法、裝置及一種終端。
【背景技術】
[0002]當前隨著各種智能終端設備的普及，安全的身份認證變得越來越重要。傳統的安全認證方式主要包括密碼/ 口令，這種外部的認證方式安全性較差，難以保證不被非法用戶使用。為了克服這一問題，基於生物特徵的識別技術迅速發展起來，手指靜脈識別便是一種新的生物特徵識別技術。
[0003]雖然人體組織在通常情況下不會透光，但是在較強光源照射下，人體組織還是具有一定的透光性，能夠看到內部的靜脈血管結構。手指靜脈識別技術即通過使用光源對手指進行照射的方式得到清晰的手指靜脈結構，根據不同個體靜脈結構互不相同的特點進行身份識別、認證。與以往的人臉、虹膜、指紋等生物特徵識別技術相比，手指靜脈識別技術在安全性、便捷性上都具有更多的優勢，例如:手指靜脈屬於活體特徵，且屬於體內特徵，因此難以進行偽造，也不容易被盜取或複製；靜脈位於人體部，不會受外界環境冷熱、手指乾濕以及劃傷等影響；每個人的手指靜脈結構均不相同，且這種差異不隨年齡的增長而改變。
[0004]然而，發明人在應用手指靜脈識別技術的過程中發現，相關的手指靜脈識別方案大多都屬於二維識別，即識別手指靜脈的平面投影，但手指靜脈本身為三維結構，其在二維平面的投影會受到手指姿態以及與攝像頭之間的距離等影響，導致每次拍攝的靜脈圖像可能會存在較大差別，影響識別率。
【發明內容】
[0005]有鑑於此，本公開實施例的目的是提供一種手指靜脈三維點雲獲取方法、裝置及一種終端，以得到手指靜脈的三維特徵。
[0006]第一方面，本公開實施例提供了一種手指靜脈三維點雲獲取方法，所述方法包括:
[0007]獲取多幅手指靜脈圖像，其中所述多幅手指靜脈圖像是手指在光源照射下沿手指長度方向移動時由攝像頭連續拍攝得到的至少兩幅手指靜脈圖像，所述光源與所述攝像頭位於所述手指的同側；
[0008]從所述多幅手指靜脈圖像中，選取具有空間一致性的兩幅圖像；
[0009]根據所述具有空間一致性的兩幅圖像，計算得到手指靜脈的部分空間點坐標，以獲取手指靜脈的部分三維點雲；
[0010]從剩餘手指靜脈圖像中繼續選擇圖像添加到所述三維點雲中，以完成手指靜脈三
維點雲重建。
[0011]較佳的，從所述多幅手指靜脈圖像中，選取具有空間一致性的兩幅圖像，包括:
[0012]獲取每幅手指靜脈圖像的尺度不變特徵轉換SIFT特徵點；[0013]在各手指靜脈圖像之間進行兩兩的SIFT特徵點匹配；
[0014]根據兩圖像間匹配的SIFT特徵點，從各手指靜脈圖像中選取視角相匹配的手指靜脈圖像對，在所述視角相匹配的手指靜脈圖像對中，再根據匹配的SIFT特徵點的數量及匹配的SIFT特徵點的距離，選取其中一對手指靜脈圖像作為所述具有空間一致性的兩幅圖像。
[0015]較佳的，從剩餘手指靜脈圖像中繼續選擇圖像添加到所述三維點雲中，以完成手指靜脈三維點雲重建，包括:
[0016]重複以下兩個步驟，直至添加的圖像的數量達到指定條件:
[0017]從剩餘手指靜脈圖像中，選擇一幅與已添加進所述三維點雲的圖像相匹配的SIFT特徵點最多的圖像作為待添加圖像；
[0018]將根據所述待添加圖像計算得到的空間點添加進所述三維點雲中。
[0019]較佳的，所述方法還包括:
[0020]存儲獲取的手指靜脈三維點雲，和/或，
[0021]將獲取的手指靜脈三維點雲上傳至伺服器。
[0022]較佳的，所述方法還包括:
[0023]判斷獲取的手指靜脈三維點雲是否與存儲的手指靜脈三維點雲相匹配，若匹配，則確定通過身份認證。
[0024]較佳的，判斷獲取的手指靜脈三維點雲是否與存儲的手指靜脈三維點雲相匹配，包括:
[0025]計算獲取的手指靜脈三維點雲與存儲的手指靜脈三維點雲之間所有點與點的距離值；
[0026]對所有點與點的距離值使用核心映射方式進行映射；
[0027]將所有映射後的距離值相加後取倒數，以作為相似度值；
[0028]判斷所述相似度值是否大於指定閾值，若大於所述指定閾值則相匹配。
[0029]第二方面，本公開實施例提供了一種手指靜脈三維點雲獲取裝置，所述裝置包括:
[0030]圖像獲取單元，用於獲取多幅手指靜脈圖像，其中所述多幅手指靜脈圖像是手指在光源照射下沿手指長度方向移動時由攝像頭連續拍攝得到的至少兩幅手指靜脈圖像，所述光源與所述攝像頭位於所述手指的同側；
[0031]圖像篩選單元，用於從所述多幅手指靜脈圖像中，選取具有空間一致性的兩幅圖像；
[0032]點雲初繪單元，用於根據所述具有空間一致性的兩幅圖像，計算得到手指靜脈的部分空間點坐標，以獲取手指靜脈的部分三維點雲；
[0033]點雲生成單元，用於從剩餘手指靜脈圖像中繼續選擇圖像添加到所述三維點雲中，以完成手指靜脈三維點雲重建。
[0034]較佳的,所述圖像篩選單元包括:
[0035]特徵點獲取子單元，用於獲取每幅手指靜脈圖像的尺度不變特徵轉換SIFT特徵
佔.[0036]特徵點匹配子單元，用於在各手指靜脈圖像之間進行兩兩的SIFT特徵點匹配；[0037]圖像對選取子單元，用於根據兩圖像間匹配的SIFT特徵點，從各手指靜脈圖像中選取視角相匹配的手指靜脈圖像對，在所述視角相匹配的手指靜脈圖像對中，再根據匹配的SIFT特徵點的數量及匹配的SIFT特徵點的距離，選取其中一對手指靜脈圖像作為所述具有空間一致性的兩幅圖像。
[0038]較佳的,所述點雲生成單元包括:
[0039]待添加圖像選取子單元，用於從剩餘手指靜脈圖像中，選擇一幅與已添加進所述三維點雲的圖像相匹配的SIFT特徵點最多的圖像作為待添加圖像；
[0040]圖像添加子單元，用於將根據所述待添加圖像計算得到的空間點添加進所述三維點雲中；
[0041]控制子單元，用於重複調用待添加圖像選取子單元和圖像添加子單元，直至添加的圖像的數量達到指定條件。
[0042]較佳的，所述裝置還包括:
[0043]存儲單元，用於存儲獲取的手指靜脈三維點雲；和/或，
[0044]傳送單元，用於將獲取的手指靜脈三維點雲上傳至伺服器。
[0045]較佳的，所述裝置還包括:
[0046]身份認證單元，用於判斷獲取的手指靜脈三維點雲是否與存儲的手指靜脈三維點雲相匹配，若匹配，則確定通過身份認證。
[0047]較佳的,所述身份認證單元包括:
[0048]點雲距離計算子單元，用於計算獲取的手指靜脈三維點雲與存儲的手指靜脈三維點雲之間所有點與點的距離值；
[0049]距離值映射子單元，用於對所有點與點的距離值使用核心映射方式進行映射；
[0050]點雲相似度獲取子單元，用於將所有映射後的距離值相加後取倒數，以作為相似度值；
[0051]相似度判斷子單元，用於判斷所述相似度值是否大於指定閾值，若大於所述指定閾值則相匹配，通過身份認證。
[0052]第三方面，本公開實施例提供了一種終端，所述終端包括攝像頭和光源，所述攝像頭用於拍攝在所述光源照射下的手指的靜脈圖像；
[0053]所述終端還包括一個或者一個以上的程序，其中一個或者一個以上程序存儲於存儲器中，且經配置以由一個或者一個以上處理器執行所述一個或者一個以上程序包含用於進行以下操作的指令:
[0054]獲取多幅手指靜脈圖像，其中所述多幅手指靜脈圖像是手指在光源照射下沿手指長度方向移動時由攝像頭連續拍攝得到的至少兩幅手指靜脈圖像，所述光源與所述攝像頭位於所述手指的同側；
[0055]從所述多幅手指靜脈圖像中，選取具有空間一致性的兩幅圖像；
[0056]根據所述具有空間一致性的兩幅圖像，計算得到手指靜脈的部分空間點坐標，以獲取手指靜脈的部分三維點雲；
[0057]從剩餘手指靜脈圖像中繼續選擇圖像添加到所述三維點雲中，以完成手指靜脈三
維點雲重建。
[0058]本公開的一些有益效果可以包括:[0059]本公開實施例於手指在攝像頭與閃光燈上方移動時進行多次拍攝，獲得手指不同視角的靜脈圖像，再根據各幅手指靜脈圖像計算得到手指靜脈的空間點坐標，從而完成手指靜脈三維點雲的重建，獲得手指靜脈的三維特徵，進而可以提高身份認證時的識別率。
[0060]應當理解的是，以上的一般描述和後文的細節描述僅是示例性的，並不能限制本公開。
【專利附圖】
【附圖說明】
[0061]為了更清楚地說明本公開實施例或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本公開的一些實施例，對於本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他的附圖。
[0062]圖1為本公開實施例提供的手指靜脈三維點雲獲取方法的示例性流程圖；
[0063]圖2為本公開實施例中拍攝手指靜脈圖像時一種場景的主視圖；
[0064]圖3為圖2場景的俯視圖；
[0065]圖4為本公開實施例中從多幅手指靜脈圖像中選取具有空間一致性的兩幅圖像過程的示例性流程圖；
[0066]圖5為本公開實施例中從剩餘手指靜脈圖像中繼續選擇圖像添加到三維點雲的過程的示例性流程圖；
[0067]圖6為本公開實施例中判斷獲取的手指靜脈三維點雲是否與存儲的手指靜脈三維點雲相匹配過程的示例性流程圖；
[0068]圖7為本公開實施例提供的手指靜脈三維點雲獲取方法在一種場景下的示例性流程圖；
[0069]圖8為本公開實施例提供的手指靜脈三維點雲獲取裝置的結構示意圖；
[0070]圖9為本公開實施例一種場景中手指靜脈認證的應用的界面示意圖；
[0071]圖10為本公開實施例一種場景中通過手指靜脈特徵進行解鎖時的界面示意圖；
[0072]圖11為本公開實施例提供的一種移動終端的結構示意圖；
[0073]圖12為本公開實施例中涉及的伺服器的結構示意圖；
[0074]圖13為本公開實施例一種場景中的手指靜脈三維點雲示意圖。
[0075]通過上述附圖，已示出本公開明確的實施例，後文中將有更詳細的描述。這些附圖和文字描述並不是為了通過任何方式限制本公開構思的範圍，而是通過參考特定實施例為本領域技術人員說明本公開的概念。
【具體實施方式】
[0076]下面將結合本公開實施例中的附圖，對本公開實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本公開一部分實施例，而不是全部的實施例。基於本公開中的實施例，本領域普通技術人員在沒有作出創造性勞動前提下所獲得的所有其他實施例，都屬於本公開保護的範圍。
[0077]為了全面理解本公開，在以下詳細描述中提到了眾多具體的細節，但是本領域技術人員應該理解，本公開可以無需這些具體細節而實現。在其他實施例中，不詳細描述公知的方法、過程、組件和電路，以免不必要地導致實施例模糊。
[0078]圖1為本公開實施例提供的手指靜脈三維點雲獲取方法的示例性流程圖，該方法的執行主體可以為終端。
[0079]在步驟SlOl中，獲取多幅手指靜脈圖像，其中所述多幅手指靜脈圖像是手指在光源照射下沿手指長度方向移動時由攝像頭連續拍攝得到的至少兩幅手指靜脈圖像，所述光源與所述攝像頭位於所述手指的同側。
[0080]光源發出的光可以透入手指內部，使用與光源位於手指同一側的攝像頭即可藉助光源的照射拍到手指內部的靜脈圖像。在光源照射手指時手指沿手指方向移動，並令攝像頭進行多次拍攝，即可獲得手指不同角度的多幅靜脈圖像。
[0081]在步驟S102中，從所述多幅手指靜脈圖像中，選取具有空間一致性的兩幅圖像。
[0082]攝像頭每次拍攝的雖然都是平面二維圖像，但是對於一個點來講，如果可以獲取其不同角度的二維圖像，那麼經過計算便能得到該點的空間坐標即三維坐標。本實施例即利用了該原理。
[0083]根據手指靜脈的眾多二維圖像繪製手指靜脈的三維圖像時，首先應該確定兩幅圖像作為基礎，這兩幅作為基礎的圖像應該滿足一定的要求。例如，每張圖像都會拍攝到眾多的點，當對比兩幅圖像時，它們拍攝的可能都是同一批點(只不過視角不同而已)，即彼此間匹配點足夠多，但也可能拍攝的都是不同的點，那麼作為基礎的這兩幅圖像應該選取那些匹配點足夠多的圖像；同時，如果兩幅圖像距離太近，那麼拍攝的視角也就很相似，不利於反映被拍攝對象的立體模樣，所以作為基礎的這兩幅圖像之間的距離也應適當。很好的滿足上述條件的兩幅圖像便是具有空間一致性的兩幅圖像。
[0084]在步驟S103中，根據所述具有空間一致性的兩幅圖像，計算得到手指靜脈的部分空間點坐標，以獲取手指靜脈的部分三維點雲。
[0085]手指靜脈的三維結構由三維空間中的點組成，呈雲狀，故稱為三維點雲。根據具有空間一致性的兩幅圖像，通過計算可以得到手指靜脈部分空間點的坐標，也即可以得到手指靜脈的部分三維點雲。在一種場景下，可以採用5點法求出兩幅圖像相對的外參數以及攝像頭的內參數，從而計算求出空間點坐標。上述5點法及外參數、內參數為三維重建技術中的常用手段及概念，本實施例不再贅述。
[0086]在步驟S104中，從剩餘手指靜脈圖像中繼續選擇圖像添加到所述三維點雲中，以完成手指靜脈三維點雲重建。完成後的手指靜脈三維點雲可參見圖13所示，圖13為本公開實施例一種場景中的手指靜脈三維點雲示意圖。
[0087]圖2為本公開實施例中拍攝手指靜脈圖像時一種場景的主視圖。在該場景中，手指沿長度方向覆蓋攝像頭及作為光源的閃光燈並從右向左滑動，在手指滑動期間，攝像頭藉助閃光燈的照射拍攝下至少兩幅手指靜脈圖像。
[0088]圖3為上述場景的俯視圖，因為手指覆蓋著攝像頭及閃光燈，所以圖3中的攝像頭及閃光燈用虛線繪出。
[0089]本公開實施例於手指在攝像頭與閃光燈上方移動時進行多次拍攝，獲得手指不同視角的靜脈圖像，再根據各幅手指靜脈圖像計算得到手指靜脈的空間點坐標，從而完成手指靜脈三維點雲的重建，獲得手指靜脈的三維特徵，進而可以提高身份認證時的識別率。
[0090]圖4為本公開實施例中從多幅手指靜脈圖像中選取具有空間一致性的兩幅圖像過程的示例性流程圖。
[0091]在步驟S401中，獲取每幅手指靜脈圖像的尺度不變特徵轉換SIFT特徵點。
[0092]SIFT 即尺度不變特徵轉換(Scale-1nvariant Feature Transform),是一種已經被廣泛使用的圖像特徵提取算法。在獲取SIFT特徵點的過程中，可採用DoG (高斯差分)濾波方法對圖像進行多尺度濾波，得到DoG尺度空間。DoG尺度空間類似於一個金字塔，最下一層是原圖，然後通過卷積公式對原圖進行縮小，形成第二層，然後再卷積縮小，形成第三層，以此類推，最上面的一層圖像很小，用來描述全局特徵。上述卷積公式可以為:
[0093]D(x, y, σ ) = (G (x, y, k σ ) -G (x,，y, σ )) *1 (χ, y)
[0094]其中，ο為高斯函數的方差，I (x，y)表示像素點(x，y)處的灰度值，k表示尺度的層數，G為標準高斯分布。
[0095]一幅圖像(原圖)經過多次(例如8次)尺度縮放可以得到多張圖，而在縮放過程中，圖像中的有些點是描述這幅圖像的特徵所必須的，那麼簡單來講這些點就可以看作是SIFT特徵點。例如，一個蘋果上有一個大斑點，將這個蘋果的圖像進行一定程度的縮放時，蘋果的輪廓以及該斑點應保持存在，否則該蘋果的特徵就被丟失了，那麼最終用於描述蘋果輪廓以及這個斑點的點就可以看作是SIFT特徵點。
[0096]在步驟S402中，在各手指靜脈圖像之間進行兩兩的SIFT特徵點匹配。
[0097]本步驟是在任意兩幅手指靜脈圖像中，獲取各對手指靜脈圖像的SIFT特徵點匹配的匹配情況，也即查看哪些圖像對拍攝的是相同的點(只不過角度不同)，從而為下面步驟中篩選視角相匹配的手指靜脈圖像對打下基礎。兩幅圖像之間相互匹配的一對SIFT特徵點可以稱為SIFT特徵點對。
[0098]在本實施例或本公開其他某些實施例中，對每對手指靜脈圖像中的SIFT特徵點進行匹配的過程，可以包括:
[0099]對於一對手指靜脈圖像，遍歷其中一幅圖像的SIFT特徵點，
[0100]在遍歷過程中，對於一個SIFT特徵點a，獲取另一幅圖像中與所述a的歐氏距離最近的SIFT特徵點b及次近的SIFT特徵點C，
[0101]如果a b的距離與a c的距離的比值小於指定閾值，則確定a與b為匹配的SIFT特徵點。
[0102]SIFT特徵點可以用SIFT特徵向量描述，b、c即為與a在SIFT特徵上相似度最大(也即SIFT特徵向量最接近)的2個點。這裡的相似度用特徵向量間的歐氏距離度量。b和c必然有一個離a更近一些(假設為b)，用a到b的距離除以a到c的距離，如果這個比值小於指定閾值，那麼就認為a和b是一對匹配的SIFT特徵點。
[0103]在步驟S403中，根據兩圖像間匹配的SIFT特徵點，從各手指靜脈圖像中選取視角相匹配的手指靜脈圖像對，在所述視角相匹配的手指靜脈圖像對中，再根據匹配的SIFT特徵點的數量及匹配的SIFT特徵點的距離，選取其中一對手指靜脈圖像作為所述具有空間一致性的兩幅圖像。
[0104]在得到每幅圖像的SIFT特徵點以及圖像間的匹配關係後，在本步驟中可以通過Structure From Motion (SFM)方法進行手指靜脈的三維點雲重建:
[0105]首先找到一對或多對視角相匹配的手指靜脈圖像對。視角相匹配相當於對兩幅圖像的視角進行了幾何限制，滿足這種幾何限制的手指靜脈圖像對才可作為下一步篩選具有空間一致性的兩幅圖像時的備選對象。
[0106]視角相匹配的兩幅圖像應滿足方程
[0107]χ' Fx = O
[0108]其中χ為根據兩幅圖像匹配的SIFT特徵點算出的投影矩陣，χ '為χ的轉置矩陣，F為本徵矩陣。
[0109]在實際中，可能不是所有的SIFT特徵點對都嚴格符合上面的方程，所以可以使用隨機抽樣一致性算法(RANSAC)抽取SIFT特徵點，找到這些近似符合的SIFT特徵點對。本徵矩陣F包含7個獨立參數，可以用Direct Linear Transform (DLT)變化進行估計。
[0110]然後，在選出的一對或多對視角相匹配的手指靜脈圖像對中，進一步篩選出一對作為具有空間一致性的兩幅圖像。篩選的標準可以是:匹配的SIFT特徵點要足夠多(例如不少於100個)，同時相對距離要足夠大。
[0111]上文對從多幅手指靜脈圖像中選取具有空間一致性的兩幅圖像的過程進行了介紹，下面再介紹一下從剩餘手指靜脈圖像中繼續選擇圖像添加到所述三維點雲中以完成手指靜脈三維點雲重建的過程，該過程可以包括:
[0112]重複以下兩個步驟，直至添加的圖像的數量達到指定條件:
[0113]從剩餘手指靜脈圖像中，選擇一幅與已添加進所述三維點雲的圖像相匹配的SIFT特徵點最多的圖像作為待添加圖像；
[0114]將根據所述待添加圖像計算得到的空間點添加進所述三維點雲中。
[0115]例如，已添加進所述三維點雲的圖像為圖像A和圖像B，在剩餘圖像中，與圖像A相匹配的SIFT點最多的是圖像C (有1000個匹配點)，與圖像B相匹配的SIFT點最多的是圖像D (有800個匹配點)，那麼對比可知圖像C為與已添加進所述三維點雲的圖像相匹配的SIFT特徵點最多的圖像，於是將圖像C作為待添加圖像。
[0116]當圖像C添加進點雲後，則已添加進所述三維點雲的圖像變為A、B、C三幅，然後繼續在剩餘圖像中選擇與A、B、C相匹配的SIFT特徵點最多的圖像(可能就是先前的圖像D，但也可能是另一幅圖像E，例如圖像E與圖像C有900個匹配點)，直至添加的圖像的數量達到指定條件。
[0117]圖5為本公開實施例中從剩餘手指靜脈圖像中繼續選擇圖像添加到三維點雲的過程的示例性流程圖。
[0118]在步驟S501中，從剩餘手指靜脈圖像中，選擇一幅與已添加進所述三維點雲的圖像相匹配的SIFT特徵點最多的圖像作為待添加圖像。
[0119]在步驟S502中，將根據所述待添加圖像計算得到的空間點添加進所述三維點雲中。
[0120]在步驟S503中，判斷已添加的圖像的數量是否達到指定條件。若已達到指定條件，則結束流程，若未達到指定條件，則繼續執行步驟S501。
[0121]在本實施例或本公開其他某些實施例中，在步驟S104之後，還可以包括:
[0122]存儲獲取的手指靜脈三維點雲，和/或，
[0123]將獲取的手指靜脈三維點雲上傳至伺服器。
[0124]此外，在本實施例或本公開其他某些實施例中，在步驟S104之後，還可以包括:
[0125]判斷獲取的手指靜脈三維點雲是否與存儲的手指靜脈三維點雲相匹配，若匹配，則確定通過身份認證。
[0126]圖6為本公開實施例中判斷獲取的手指靜脈三維點雲是否與存儲的手指靜脈三維點雲相匹配過程的示例性流程圖。
[0127]在步驟S601中，計算獲取的手指靜脈三維點雲與存儲的手指靜脈三維點雲之間所有點與點的距離值。
[0128]在步驟S602中，對所有點與點的距離值使用核心映射方式進行映射。
[0129]在步驟S603中，將所有映射後的距離值相加後取倒數，以作為相似度值。
[0130]在步驟S604中，判斷所述相似度值是否大於指定閾值，若大於所述指定閾值則相匹配。
[0131]例如，點雲I中一個點的三維坐標是(xl, yl, zl),點雲2中一個點的三維坐標是(x2, y2, z2)，那麼這兩個點之間的距離值d為
[0132]
【權利要求】
1.一種手指靜脈三維點雲獲取方法，其特徵在於，所述方法包括: 獲取多幅手指靜脈圖像，其中所述多幅手指靜脈圖像是手指在光源照射下沿手指長度方向移動時由攝像頭連續拍攝得到的至少兩幅手指靜脈圖像，所述光源與所述攝像頭位於所述手指的同側； 從所述多幅手指靜脈圖像中，選取具有空間一致性的兩幅圖像； 根據所述具有空間一致性的兩幅圖像，計算得到手指靜脈的部分空間點坐標，以獲取手指靜脈的部分三維點雲； 從剩餘手指靜脈圖像中繼續選擇圖像添加到所述三維點雲中，以完成手指靜脈三維點雲重建。
2.根據權利要求1所述的方法，其特徵在於，從所述多幅手指靜脈圖像中，選取具有空間一致性的兩幅圖像，包括: 獲取每幅手指靜脈圖像的尺度不變特徵轉換SIFT特徵點； 在各手指靜脈圖像之間進行兩兩的SIFT特徵點匹配； 根據兩圖像間匹配的SIFT特徵點，從各手指靜脈圖像中選取視角相匹配的手指靜脈圖像對，在所述視角相匹配的手指靜脈圖像對中，再根據匹配的SIFT特徵點的數量及匹配的SIFT特徵點的距離，選取其中一對手指靜脈圖像作為所述具有空間一致性的兩幅圖像。
3.根據權利要求1所述的方法，其特徵在於，從剩餘手指靜脈圖像中繼續選擇圖像添加到所述三維點雲中，以完成手指靜脈三維點雲重建，包括: 重複以下兩個步驟，直至添加的圖像的數量達到指定條件: 從剩餘手指靜脈圖像中，選擇一幅與已添加進所述三維點雲的圖像相匹配的SIFT特徵點最多的圖像作為待添加圖像； 將根據所述待添加圖像計算得到的空間點添加進所述三維點雲中。
4.根據權利要求1所述的方法，其特徵在於，所述方法還包括: 存儲獲取的手指靜脈三維點雲，和/或， 將獲取的手指靜脈三維點雲上傳至伺服器。
5.根據權利要求1所述的方法，其特徵在於，所述方法還包括: 判斷獲取的手指靜脈三維點雲是否與存儲的手指靜脈三維點雲相匹配，若匹配，則確定通過身份認證。
6.根據權利要求5所述的方法，其特徵在於，判斷獲取的手指靜脈三維點雲是否與存儲的手指靜脈三維點雲相匹配，包括: 計算獲取的手指靜脈三維點雲與存儲的手指靜脈三維點雲之間所有點與點的距離值； 對所有點與點的距離值使用核心映射方式進行映射； 將所有映射後的距離值相加後取倒數，以作為相似度值； 判斷所述相似度值是否大於指定閾值，若大於所述指定閾值則相匹配。
7.一種手指靜脈三維點雲獲取裝置，其特徵在於，所述裝置包括: 圖像獲取單元，用於獲取多幅手指靜脈圖像，其中所述多幅手指靜脈圖像是手指在光源照射下沿手指長度方向移動時由攝像頭連續拍攝得到的至少兩幅手指靜脈圖像，所述光源與所述攝像頭位於所述手指的同側；圖像篩選單元，用於從所述多幅手指靜脈圖像中，選取具有空間一致性的兩幅圖像；點雲初繪單元，用於根據所述具有空間一致性的兩幅圖像，計算得到手指靜脈的部分空間點坐標，以獲取手指靜脈的部分三維點雲； 點雲生成單元，用於從剩餘手指靜脈圖像中繼續選擇圖像添加到所述三維點雲中，以完成手指靜脈三維點雲重建。
8.根據權利要求7所述的裝置，其特徵在於，所述圖像篩選單元包括: 特徵點獲取子單元，用於獲取每幅手指靜脈圖像的尺度不變特徵轉換SIFT特徵點； 特徵點匹配子單元，用於在各手指靜脈圖像之間進行兩兩的SIFT特徵點匹配； 圖像對選取子單元，用於根據兩圖像間匹配的SIFT特徵點，從各手指靜脈圖像中選取視角相匹配的手指靜脈圖像對，在所述視角相匹配的手指靜脈圖像對中，再根據匹配的SIFT特徵點的數量及匹配的SIFT特徵點的距離，選取其中一對手指靜脈圖像作為所述具有空間一致性的兩幅圖像。
9.根據權利要求7所述的裝置，其特徵在於，所述點雲生成單元包括: 待添加圖像選取子單元，用於從剩餘手指靜脈圖像中，選擇一幅與已添加進所述三維點雲的圖像相匹配的SIFT特徵點最多的圖像作為待添加圖像； 圖像添加子單元，用於將根據所述待添加圖像計算得到的空間點添加進所述三維點雲中； 控制子單元，用於重複調用待添加圖像選取子單元和圖像添加子單元，直至添加的圖像的數量達到指定條件。
10.根據權利要求7所述的裝置，其特徵在於，所述裝置還包括: 存儲單元，用於存儲獲取的手指靜脈三維點雲；和/或， 傳送單元，用於將獲取的手指靜脈三維點雲上傳至伺服器。
11.根據權利要求7所述的裝置，其特徵在於，所述裝置還包括: 身份認證單元，用於判斷獲取的手指靜脈三維點雲是否與存儲的手指靜脈三維點雲相匹配，若匹配，則確定通過身份認證。
12.根據權利要求11所述的裝置，其特徵在於，所述身份認證單元包括: 點雲距離計算子單元，用於計算獲取的手指靜脈三維點雲與存儲的手指靜脈三維點雲之間所有點與點的距離值； 距離值映射子單元，用於對所有點與點的距離值使用核心映射方式進行映射； 點雲相似度獲取子單元，用於將所有映射後的距離值相加後取倒數，以作為相似度值； 相似度判斷子單元，用於判斷所述相似度值是否大於指定閾值，若大於所述指定閾值則相匹配，通過身份認證。
13.—種終端，其特徵在於，所述終端包括攝像頭和光源，所述攝像頭用於拍攝在所述光源照射下的手指的靜脈圖像； 所述終端還包括一個或者一個以上的程序，其中一個或者一個以上程序存儲於存儲器中，且經配置以由一個或者一個以上處理器執行所述一個或者一個以上程序包含用於進行以下操作的指令: 獲取多幅手指靜脈圖像，其中所述多幅手指靜脈圖像是手指在光源照射下沿手指長度方向移動時由攝像頭連續拍攝得到的至少兩幅手指靜脈圖像，所述光源與所述攝像頭位於所述手指的同側； 從所述多幅手指靜脈圖像中，選取具有空間一致性的兩幅圖像； 根據所述具有空間一致性的兩幅圖像，計算得到手指靜脈的部分空間點坐標，以獲取手指靜脈的部分三維點雲； 從剩餘手指靜脈圖像中繼續選擇圖像添加到所述三維點雲中，以完成手指靜脈三維點雲重建 。
【文檔編號】G06K9/46GK103729622SQ201310722944
【公開日】2014年4月16日 申請日期:2013年12月24日 優先權日:2013年12月24日
【發明者】張祺深, 王百超, 王琳 申請人:小米科技有限責任公司