(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210504041.9 (22)申请日 2022.05.10 (65)同一申请的已公布的文献号 申请公布号 CN 114612655 A (43)申请公布日 2022.06.10 (73)专利权人 北京圣点云信息技 术有限公司 地址 101400 北京市怀柔区雁栖经济开发 区乐园大街17号2层 (72)发明人 李学双　高旭　赵国栋　 (74)专利代理 机构 杭州君度专利代理事务所 (特殊普通 合伙) 33240 专利代理师 徐超 (51)Int.Cl. G06V 10/25(2022.01) G06V 10/74(2022.01)G06K 9/62(2022.01) G06T 3/40(2006.01) G06T 5/20(2006.01) G06T 7/11(2017.01) G06F 8/61(2018.01) A61B 5/00(2006.01) 审查员 刘宇儒 (54)发明名称 一种静脉识别算法移植方法及装置 (57)摘要 本发明公开了一种静脉识别算法移植方法 及装置， 属于静脉识别及处理技术领域， 该方法 包括以下步骤： 1） 构建待移植的静脉图像预处理 算法； 2） 构建待移植的静脉识别算法模型； 3） 基 于静脉图像预处理算法和静脉识别算法模型生 成动态链接库， 将动态链接库编译成库文件， 基 于该库文件和静脉识别算法中的逻辑代码编译 生成可执行程序， 将可执行程序导入到静脉设备 中。 该方法移植过程中使用动态链接库节约系统 空间， 避免当应用程序使用静态链接库时， 每个 应用程序要将库代码作为独立的副本链接到可 执行镜像中； 构建的算法能增强原图各部分的反 差， 为后续匹配识别奠定了良好基础； 预处理算 法和静脉识别算法模型占用系统内存少， 具有很 好的可移植 性。 权利要求书5页 说明书11页 附图1页 CN 114612655 B 2022.08.02 CN 114612655 B 1.一种静脉识别算法移植方法， 其特 征在于： 其包括以下步骤： 1） 基于区域线性变换与高斯同态滤波相结合的灰度不均匀校正方法构建待移植的静 脉图像预 处理算法， 所构建的静脉图像预 处理算法用于将静脉图像处理为符合静脉识别算 法模型输入需求的格式， 静脉图像预处 理算法的计算 步骤包括： 1.1） 对静脉图像进行尺度归一 化处理； 1.2） 利用区域线性变换与多尺度同态滤波相结合的灰度不均匀校正方法进行图像增 强处理， 图像增强处 理的具体步骤为： 1.2.1） 设定归一化处理后的静脉图像为 f(x，y)，x和y分别为静脉图像矩阵的行坐标和 列坐标， 静脉图像感兴趣 灰度范围为[ a，b]，a和b分别为静脉图像感兴趣 灰度范围区间的最 小灰度值和最大灰度值， 按照公式 （1）~（3） 对尺度归一化处理后的图像进行区域线性变换 处理， 将静脉图像感兴趣灰度范围扩展至[ c， d] ，c和d分别为所述静脉图像感兴趣灰度范 围区间进 行扩展后的最小 灰度值和最大灰度值， 得到区域线性变换 处理后的静脉图像 g(x， y)： 1.2.2） 根据照射 ‑反射模型， 对处理后的静脉图像 进行对数变换， 得到对数变换 后的静脉图像 ： 1.2.3） 基于 进行傅里叶变换， 得到： 式中， 为 的傅里叶变换， u和v分别为静脉图像矩阵的行坐标和列坐标  x， y 经过傅里叶变换 得到的变量； 1.2.4） 使用滤波器 对上式进行 滤波处理， 得到滤波后的频域图像 ： 1.2.5） 基于 ， 进行傅里叶逆变换， 得到频率 域转换到空间域后的图像 ： 1.2.6） 基于 的指数计算单尺度图像 ：权　利　要　求　书 1/5 页 2 CN 114612655 B 21.2.7） 将多个尺度的同态滤波的输出 结果进行加权求和， 得到最终的图像 ： 式中，N为多尺度的个数， 取3~5个， 为不同的单尺度图像， 是经过区域线性 变换后的图像， 是 的权值， 取值范围为大于0且小于1， 为每个单尺度图像的权值， 且需满足： ； 2） 构建待移植的静脉识别算法模型， 用于利用处理后的静脉图像输出识别结果， 所构 建的待移植的静脉识别算法模型的静脉识别计算 步骤包括： 2.1） 对预处 理后的静脉图像进行 特征提取， 其具体步骤 包括： 2.1.1） 遍历整幅预处理后的静脉图像 f(x，y)， 将图像按照像素点进行拆分， 得到四个 拆分后的图像 F1(x，y)、F2(x，y)、F3(x，y)、F4(x，y)； 2.1.2） 使用双边滤波分别对拆分后的四个图像分别进行 滤波处理； 2.1.3） 将滤波处 理后的四个静脉图像分别进行地形 特征线提取； 2.1.4） 对四个地形特征线图像进行特征编码， 得到四个静脉特征图像， 再将四个静脉 特征融合成一个大 特征图像用于后续比对； 2.2） 对特 征提取后的静脉图像进行 特征比对； 3） 基于静脉图像预处理算法和静脉识别算法模型生成动态链接库， 将动态链接库编译 成库文件， 基于该库文件和静脉识别算法中的逻辑代码编译生成可执行程序， 将可执行程 序导入到静脉设备中。 2.根据权利要求1所述的静脉识别算法移植方法， 其特征在于： 所述的步骤3） 具体包括 以下步骤： 3.1） 基于待移植的静脉图像预处理算法和待移植的静脉识别算法模型生成动态链接 库； 3.2） 用交叉编译器将动态 链接库编译成库文件； 3.3） 用交叉编译器将编译后的库文件和静脉识别算法中的逻辑代码编译生成可执行 程序； 3.4） 将可 执行程序导入到静脉设备中执 行， 对静脉设备进行调试， 直至 达到目标效果； 3.5） 将调试好的可执行程序放入根文件系统里， 设置系统启动执行， 将该文件系统制 作成镜像， 利用对应芯片的烧录 工具烧录 到静脉设备 里。 3.根据权利 要求1所述的静脉识别算法移植方法， 其特征在于： 所述的步骤2.1.3） 中地 形特征线提取是利用特征点所在地表在不同方向上表现出的凹凸特性， 借助  3×3 的移动 窗口， 计算每个网格点的一阶、 二阶导数值， 通过导数的正负性判断特征点所属类型， 导数 为正值， 则判定为山脊点， 导数为负值， 则判定为山谷点， 连接所有山脊点形成山脊线， 连接权　利　要　求　书 2/5 页 3 CN 114612655 B 3