本發(fā)明涉及導(dǎo)航領(lǐng)域，具體涉及一種基于手掌識別啟動的導(dǎo)航儀。

背景技術(shù)：

導(dǎo)航儀極大的方便了人們的生活，另一方面目前的導(dǎo)航儀多不具備身份識別功能。

隨著識別技術(shù)的不斷成熟和計算機技術(shù)的飛速發(fā)展，各種基于人體生理特征的生物技術(shù)逐漸融入了生活中的方方面面。人手是人類進化的標(biāo)志，人常常用手去感受和觸碰世界。手不像人的眼睛，在面對陌生儀器時容易產(chǎn)生莫名的擔(dān)心和恐懼，在采集手部特征時給人心理上帶來的侵犯性同采集位于眼部的特征相比可忽略不計。手部特征研究中，對手掌特征研究是其中重要的研究方向。

技術(shù)實現(xiàn)要素：

為解決上述問題，本發(fā)明旨在提供一種基于手掌識別啟動的導(dǎo)航儀。

本發(fā)明的目的采用以下技術(shù)方案來實現(xiàn)：

一種基于手掌識別啟動的導(dǎo)航儀，包括導(dǎo)航儀和與導(dǎo)航儀相連的手掌識別裝置，其特征是，所述導(dǎo)航儀包括：導(dǎo)航儀固定殼、導(dǎo)航儀殼體，其特征在于：所述導(dǎo)航儀固定殼與導(dǎo)航儀殼體上、下表面設(shè)有減震層，所述減震層填充在導(dǎo)航儀固定殼、導(dǎo)航儀殼體之間，所述導(dǎo)航儀固定殼內(nèi)部四個拐角處設(shè)有夾持板，所述每一個夾持板與導(dǎo)航儀固定殼內(nèi)壁之間設(shè)有平行布置的張緊彈簧，所述導(dǎo)航儀固定殼兩側(cè)豎直段上設(shè)有若干個散熱孔，所述散熱孔呈內(nèi)高外低狀布置。

優(yōu)選地，所述減震層為彈性材質(zhì)制成。

優(yōu)選地，所述張緊彈簧兩端為固定連接。

本發(fā)明的有益效果為：本發(fā)明通過設(shè)置減震層、張緊彈簧與夾持板，這樣在減震層能夠有效的吸收車體行駛過程中的震動，同時夾持板在張緊彈簧的作用下能夠有效吸收震動，能很好的消除因車身震動導(dǎo)致的導(dǎo)航儀信息收發(fā)故障問題；通過設(shè)置散熱孔，這樣在散熱孔的作用下將導(dǎo)航儀產(chǎn)生的熱量及時排出，避免了熱量的積累，延長了使用壽命。

附圖說明

利用附圖對本發(fā)明作進一步說明，但附圖中的實施例不構(gòu)成對本發(fā)明的任何限制，對于本領(lǐng)域的普通技術(shù)人員，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)以下附圖獲得其它的附圖。

圖1是本發(fā)明導(dǎo)航儀示意圖；

圖2是本發(fā)明手掌識別裝置的結(jié)構(gòu)示意圖。

附圖標(biāo)記：

虹膜識別裝置1、圖像密碼數(shù)據(jù)庫21、手掌圖像采集模塊22、手掌圖像預(yù)處理模塊23、手掌圖像特征提取模塊24、手掌圖像特征識別模塊25、指紋采集模塊31、指紋存儲模塊32、指紋處理模塊33。

具體實施方式

結(jié)合以下實施例對本發(fā)明作進一步描述。

應(yīng)用場景1

參見圖1、圖2，本應(yīng)用場景中的一個實施例的一種基于手掌識別啟動的導(dǎo)航儀，包括導(dǎo)航儀和與導(dǎo)航儀相連的手掌識別裝置，其特征是，所述導(dǎo)航儀包括：導(dǎo)航儀固定殼、導(dǎo)航儀殼體，其特征在于：所述導(dǎo)航儀固定殼與導(dǎo)航儀殼體上、下表面設(shè)有減震層，所述減震層填充在導(dǎo)航儀固定殼、導(dǎo)航儀殼體之間，所述導(dǎo)航儀固定殼內(nèi)部四個拐角處設(shè)有夾持板，所述每一個夾持板與導(dǎo)航儀固定殼內(nèi)壁之間設(shè)有平行布置的張緊彈簧，所述導(dǎo)航儀固定殼兩側(cè)豎直段上設(shè)有若干個散熱孔，所述散熱孔呈內(nèi)高外低狀布置。

優(yōu)選地，所述減震層為彈性材質(zhì)制成。

本優(yōu)選實施例彈性材料能夠有效的吸收車體行駛過程中的震動。

優(yōu)選地，所述張緊彈簧兩端為固定連接。

本優(yōu)選實施例能夠有效保護導(dǎo)航儀張緊彈簧的作用下能夠有效吸收震動。

優(yōu)選的，所述虹膜識別裝置1包括圖像密碼數(shù)據(jù)庫21、手掌圖像采集模塊22、手掌圖像預(yù)處理模塊23、手掌圖像特征提取模塊24和手掌圖像特征識別模塊25；所述圖像密碼數(shù)據(jù)庫21用于預(yù)先存儲用戶設(shè)定的作為圖像密碼的手掌圖像特征；所述手掌圖像采集模塊22用于在800nm近紅外光照射下通過單一采集設(shè)備采集包含有手掌掌紋主線信息和手掌靜脈信息的手掌圖像；所述手掌圖像預(yù)處理模塊23用于對采集到的手掌圖像進行預(yù)處理，以消除采集手掌圖像過程中手掌旋轉(zhuǎn)、平移的影響，并定位手掌圖像特征提取的有效區(qū)域；所述手掌圖像特征提取模塊24用于提取預(yù)處理后的手掌圖像的待識別手掌圖像特征，并將所述待識別手掌圖像特征輸送到所述手掌圖像特征識別模塊25中進行特征識別；所述手掌圖像特征識別模塊25將所述待識別手掌圖像特征與圖像密碼數(shù)據(jù)庫21中的作為圖像密碼的手掌圖像特征進行對比，判別待識別手掌圖像特征與所述作為圖像密碼的手掌圖像特征是否一致。

本優(yōu)選實施例完善了虹膜識別裝置1，采用手掌圖像特征作為圖像密碼，系統(tǒng)的安全性較高。

優(yōu)選的，所述對采集到的手掌圖像進行預(yù)處理，包括：

(1)對手掌圖像進行中值濾波處理，去除手掌圖像的系統(tǒng)噪聲后，構(gòu)建手掌圖像的灰度值直方圖，根據(jù)灰度值直方圖選取預(yù)定灰度值閾值范圍的局部最小值對手掌圖像進行二值化處理；

(2)構(gòu)建四指輪廓圖，提取二值化處理后的手掌圖像中食指與中指、無名指與小拇指兩處定位點，根據(jù)兩定位點對二值化處理后的手掌圖像做旋轉(zhuǎn)處理，以校正手掌圖像位置；所述兩處定位點設(shè)定為食指下邊界與中指上邊界的交界點及無名指下邊界與小拇指上邊界的交界點，坐標(biāo)依次為(v₁,μ₁)、(v₂,μ₂)；根據(jù)定位點計算旋轉(zhuǎn)角度：

$\mathrm{\θ}=\mathrm{\γ}arctan\frac{v_2-v_1}{{\mathrm{\μ}}_2-{\mathrm{\μ}}_1}$

式中，γ為設(shè)定的調(diào)整因子，取值范圍設(shè)定為[0.98,1.02]；

θ＞0時，對二值化處理后的手掌圖像按計算的旋轉(zhuǎn)角度進行順時針旋轉(zhuǎn)，θ＜0時，對二值化處理后的手掌圖像按計算的旋轉(zhuǎn)角度進行逆時針旋轉(zhuǎn)，θ＝0時，不對二值化處理后的手掌圖像做任何旋轉(zhuǎn)。

(3)從校正后的手掌圖像中提取出合適的掌心參考點，建立一個參考坐標(biāo)系，定位手掌圖像特征提取的有效區(qū)域；選擇靠近除大拇指外其余四指的指根部的圓形區(qū)域作為定位手掌圖像特征提取的有效區(qū)域，選擇所述圓形區(qū)域的圓心作為掌心參考點；所述圓形區(qū)域通過食指與中指的指根點、中指與無名指的指根點以及無名指與小拇指的指根點進行確定，具體為：

1)進行手掌輪廓提?。簩⑹终茍D像中每個像素點作為中心像素點，分別計算中心像素點與8個鄰域像素點的灰度差，當(dāng)中心像素點位于手掌輪廓上時，其位于垂直手掌輪廓方向上靠外的點與中心像素點灰度差將為最大，通過判斷局部區(qū)域內(nèi)各像素點灰度差的極大值找到手掌圖像中的真實手掌輪廓點，從而確定手掌輪廓；

2)確定食指、中指、無名指和小拇指的指尖位置：將指尖所指方向定義為手掌的方向，手指指向右，確定食指、中指、無名指和小拇指的指尖位置，其中所述中指的指尖位置位于整個輪廓的最右端；

3)提取食指與中指、中指與無名指以及無名指與小拇指的指根點：建立目標(biāo)輪廓的參數(shù)化方程：對于給定的目標(biāo)輪廓L(t)，其弧長參數(shù)化方程表示為L(t)＝(x(t),y(t))，其中x(t)和y(t)分別表示輪廓點的坐標(biāo)，t表示輪廓曲線方程的參數(shù)，且t∈[0,1]；

計算輪廓曲線的曲率k(t)，從中指指尖出發(fā)，向兩側(cè)延伸，向食指方向延伸的第一個曲率變化大的點，記為S₁，即為食指與中指的接縫點；向無名指方向延伸的第一個曲率變化大的點，記為W₁，即為中指與無名指的接縫點；繼續(xù)延伸得到第二個曲率變化大的點，記為W₂，即為無名指與小拇指的接縫點；所述曲率變化大的點，指其曲率值與前一曲率值差值大于2的點；

從點S₁出發(fā)，假設(shè)指縫線任一像素點P₁，尋找其與指縫方向垂直且與P₁距離兩個像素寬的兩點P₂和P₃，分別計算P₁與P₂、P₃的梯度值，將兩個梯度值的和SUM作為評價P₁在垂直指縫方向上梯度變化量，當(dāng)SUM變化大時，前一點即為食指與中指指根點Q₁；同理，中指與無名指指根點Q₂、無名指與小拇指指根點Q₃；所述SUM變化大，是指其變化值大于2；

4)提取指根部圓：連接點Q₁和Q₂，Q₂和Q₃，分別過Q₁Q₂和Q₂Q₃作垂直平分線，相交于點O(m,n)，即為所求圓形區(qū)域的圓心，O點與Q₁距離即為所求圓形區(qū)域的半徑R。

本優(yōu)選實施例對手掌圖像進行中值濾波處理，避免手掌圖像的噪聲點造成圖像定位的不準(zhǔn)確，然后對手掌圖像進行二值化處理，從而使手掌圖像中的手掌區(qū)域與背景區(qū)域較好地分離；對手掌圖像的位置進行旋轉(zhuǎn)校正處理，減少了圖像采集過程中引入的旋轉(zhuǎn)、平移、比例縮放等因素的影響；通過提取出合適的參考點，建立新的參考坐標(biāo)系，定位手掌圖像特征提取的有效區(qū)域，能夠降低手掌圖像特征識別的難度，提高了匹配識別算法的魯棒性。

優(yōu)選的，所述提取預(yù)處理后的手掌圖像的待識別手掌圖像特征，包括：

(1)將預(yù)處理后的手掌圖像中的手掌靜脈和掌紋主線的分叉點作為待識別手掌圖像特征的各特征點F_i(x,y)，i＝1,2,…N，其中N為特征點個數(shù)；將特征點到所述圓形區(qū)域的圓心的距離與所述圓形區(qū)域的直徑的比值作為第一特征：

$Y_i=\frac{\sqrt{{(x_i-m)}^2+{(y_i-n)}^2}}{2R}$

式中，Y_i表示第i個特征點的第一特征,(x_i,y_i)表示第i個特征點的坐標(biāo)；

將所述圓形區(qū)域的圓心與中指與無名指指根點Q₂的連線作為基準(zhǔn)線，基準(zhǔn)線方向為0度，特征點與圓心的連線順時針到基準(zhǔn)線所夾的角作為第二特征；

式中，E_i表示第i個特征點的第二特征，E_i的取值范圍是0到360度，(x_i,y_i)表示第i個特征點的坐標(biāo)；

(2)以特征點的第一特征作為橫坐標(biāo)，第二特征作為縱坐標(biāo)，構(gòu)造坐標(biāo)系，將所述手掌靜脈和掌紋主線分叉點投影到坐標(biāo)系中，建立預(yù)處理后的手掌圖像的二維特征向量空間。

本優(yōu)選實施例選擇手掌靜脈和掌紋主線分叉點作為待識別手掌圖像特征的各特征點，既考慮了虹膜識別裝置1的存儲空間和運行速度的限制，又反映了手掌靜脈和掌紋的變化，提取的待識別手掌圖像特征精確度高，提取速度快。

優(yōu)選的，所述手掌圖像特征識別模塊25將所述待識別手掌圖像特征與圖像密碼數(shù)據(jù)庫21中的作為圖像密碼的手掌圖像特征進行對比時，將待識別手掌圖像特征的二維特征向量空間與所述作為圖像密碼的手掌圖像特征中的二維特征向量空間中的特征點的分布進行相似度對比，具體為：設(shè)對比待識別手掌圖像特征的二維特征向量空間的特征點為待識別特征點，所述作為圖像密碼的手掌圖像特征中的二維特征向量空間中的特征點為標(biāo)準(zhǔn)特征點，將待識別手掌圖像與圖像密碼數(shù)據(jù)庫21中的手掌圖像進行重疊，并在所述作為圖像密碼的手掌圖像特征中的二維特征向量空間中確定待識別特征點所對應(yīng)的標(biāo)準(zhǔn)特征點，判斷待識別特征點與對應(yīng)的標(biāo)準(zhǔn)特征點的距離是否小于預(yù)設(shè)距離閾值，并根據(jù)判斷結(jié)果確定待識別手掌圖像特征與所述作為圖像密碼的手掌圖像特征是否一致。

本優(yōu)選實施例設(shè)定了手掌圖像特征識別模塊25對待識別手掌圖像特征進行識別時的具體操作，實用便捷。

本應(yīng)用場景對設(shè)定的調(diào)整因子γ取值為0.98，導(dǎo)航儀的識別精度相對提高了5％，識別速度相對提高了8％。

應(yīng)用場景2

參見圖1、圖2，本應(yīng)用場景中的一個實施例的一種基于手掌識別啟動的導(dǎo)航儀，包括導(dǎo)航儀和與導(dǎo)航儀相連的手掌識別裝置，其特征是，所述導(dǎo)航儀包括：導(dǎo)航儀固定殼、導(dǎo)航儀殼體，其特征在于：所述導(dǎo)航儀固定殼與導(dǎo)航儀殼體上、下表面設(shè)有減震層，所述減震層填充在導(dǎo)航儀固定殼、導(dǎo)航儀殼體之間，所述導(dǎo)航儀固定殼內(nèi)部四個拐角處設(shè)有夾持板，所述每一個夾持板與導(dǎo)航儀固定殼內(nèi)壁之間設(shè)有平行布置的張緊彈簧，所述導(dǎo)航儀固定殼兩側(cè)豎直段上設(shè)有若干個散熱孔，所述散熱孔呈內(nèi)高外低狀布置。

優(yōu)選地，所述減震層為彈性材質(zhì)制成。

本優(yōu)選實施例彈性材料能夠有效的吸收車體行駛過程中的震動。

優(yōu)選地，所述張緊彈簧兩端為固定連接。

本優(yōu)選實施例能夠有效保護導(dǎo)航儀張緊彈簧的作用下能夠有效吸收震動。

優(yōu)選的，所述虹膜識別裝置1包括圖像密碼數(shù)據(jù)庫21、手掌圖像采集模塊22、手掌圖像預(yù)處理模塊23、手掌圖像特征提取模塊24和手掌圖像特征識別模塊25；所述圖像密碼數(shù)據(jù)庫21用于預(yù)先存儲用戶設(shè)定的作為圖像密碼的手掌圖像特征；所述手掌圖像采集模塊22用于在800nm近紅外光照射下通過單一采集設(shè)備采集包含有手掌掌紋主線信息和手掌靜脈信息的手掌圖像；所述手掌圖像預(yù)處理模塊23用于對采集到的手掌圖像進行預(yù)處理，以消除采集手掌圖像過程中手掌旋轉(zhuǎn)、平移的影響，并定位手掌圖像特征提取的有效區(qū)域；所述手掌圖像特征提取模塊24用于提取預(yù)處理后的手掌圖像的待識別手掌圖像特征，并將所述待識別手掌圖像特征輸送到所述手掌圖像特征識別模塊25中進行特征識別；所述手掌圖像特征識別模塊25將所述待識別手掌圖像特征與圖像密碼數(shù)據(jù)庫21中的作為圖像密碼的手掌圖像特征進行對比，判別待識別手掌圖像特征與所述作為圖像密碼的手掌圖像特征是否一致。

本優(yōu)選實施例完善了虹膜識別裝置1，采用手掌圖像特征作為圖像密碼，系統(tǒng)的安全性較高。

優(yōu)選的，所述對采集到的手掌圖像進行預(yù)處理，包括：

(1)對手掌圖像進行中值濾波處理，去除手掌圖像的系統(tǒng)噪聲后，構(gòu)建手掌圖像的灰度值直方圖，根據(jù)灰度值直方圖選取預(yù)定灰度值閾值范圍的局部最小值對手掌圖像進行二值化處理；

(2)構(gòu)建四指輪廓圖，提取二值化處理后的手掌圖像中食指與中指、無名指與小拇指兩處定位點，根據(jù)兩定位點對二值化處理后的手掌圖像做旋轉(zhuǎn)處理，以校正手掌圖像位置；所述兩處定位點設(shè)定為食指下邊界與中指上邊界的交界點及無名指下邊界與小拇指上邊界的交界點，坐標(biāo)依次為(v₁,μ₁)、(v₂,μ₂)；根據(jù)定位點計算旋轉(zhuǎn)角度：

$\mathrm{\θ}=\mathrm{\γ}arctan\frac{v_2-v_1}{{\mathrm{\μ}}_2-{\mathrm{\μ}}_1}$

式中，γ為設(shè)定的調(diào)整因子，取值范圍設(shè)定為[0.98,1.02]；

θ＞0時，對二值化處理后的手掌圖像按計算的旋轉(zhuǎn)角度進行順時針旋轉(zhuǎn)，θ＜0時，對二值化處理后的手掌圖像按計算的旋轉(zhuǎn)角度進行逆時針旋轉(zhuǎn)，θ＝0時，不對二值化處理后的手掌圖像做任何旋轉(zhuǎn)。

(3)從校正后的手掌圖像中提取出合適的掌心參考點，建立一個參考坐標(biāo)系，定位手掌圖像特征提取的有效區(qū)域；選擇靠近除大拇指外其余四指的指根部的圓形區(qū)域作為定位手掌圖像特征提取的有效區(qū)域，選擇所述圓形區(qū)域的圓心作為掌心參考點；所述圓形區(qū)域通過食指與中指的指根點、中指與無名指的指根點以及無名指與小拇指的指根點進行確定，具體為：

1)進行手掌輪廓提?。簩⑹终茍D像中每個像素點作為中心像素點，分別計算中心像素點與8個鄰域像素點的灰度差，當(dāng)中心像素點位于手掌輪廓上時，其位于垂直手掌輪廓方向上靠外的點與中心像素點灰度差將為最大，通過判斷局部區(qū)域內(nèi)各像素點灰度差的極大值找到手掌圖像中的真實手掌輪廓點，從而確定手掌輪廓；

2)確定食指、中指、無名指和小拇指的指尖位置：將指尖所指方向定義為手掌的方向，手指指向右，確定食指、中指、無名指和小拇指的指尖位置，其中所述中指的指尖位置位于整個輪廓的最右端；

3)提取食指與中指、中指與無名指以及無名指與小拇指的指根點：建立目標(biāo)輪廓的參數(shù)化方程：對于給定的目標(biāo)輪廓L(t)，其弧長參數(shù)化方程表示為L(t)＝(x(t),y(t))，其中x(t)和y(t)分別表示輪廓點的坐標(biāo)，t表示輪廓曲線方程的參數(shù)，且t∈[0,1]；

計算輪廓曲線的曲率k(t)，從中指指尖出發(fā)，向兩側(cè)延伸，向食指方向延伸的第一個曲率變化大的點，記為S₁，即為食指與中指的接縫點；向無名指方向延伸的第一個曲率變化大的點，記為W₁，即為中指與無名指的接縫點；繼續(xù)延伸得到第二個曲率變化大的點，記為W₂，即為無名指與小拇指的接縫點；所述曲率變化大的點，指其曲率值與前一曲率值差值大于2的點；

從點S₁出發(fā)，假設(shè)指縫線任一像素點P₁，尋找其與指縫方向垂直且與P₁距離兩個像素寬的兩點P₂和P₃，分別計算P₁與P₂、P₃的梯度值，將兩個梯度值的和SUM作為評價P₁在垂直指縫方向上梯度變化量，當(dāng)SUM變化大時，前一點即為食指與中指指根點Q₁；同理，中指與無名指指根點Q₂、無名指與小拇指指根點Q₃；所述SUM變化大，是指其變化值大于2；

4)提取指根部圓：連接點Q₁和Q₂，Q₂和Q₃，分別過Q₁Q₂和Q₂Q₃作垂直平分線，相交于點O(m,n)，即為所求圓形區(qū)域的圓心，O點與Q₁距離即為所求圓形區(qū)域的半徑R。

本優(yōu)選實施例對手掌圖像進行中值濾波處理，避免手掌圖像的噪聲點造成圖像定位的不準(zhǔn)確，然后對手掌圖像進行二值化處理，從而使手掌圖像中的手掌區(qū)域與背景區(qū)域較好地分離；對手掌圖像的位置進行旋轉(zhuǎn)校正處理，減少了圖像采集過程中引入的旋轉(zhuǎn)、平移、比例縮放等因素的影響；通過提取出合適的參考點，建立新的參考坐標(biāo)系，定位手掌圖像特征提取的有效區(qū)域，能夠降低手掌圖像特征識別的難度，提高了匹配識別算法的魯棒性。

優(yōu)選的，所述提取預(yù)處理后的手掌圖像的待識別手掌圖像特征，包括：

(1)將預(yù)處理后的手掌圖像中的手掌靜脈和掌紋主線的分叉點作為待識別手掌圖像特征的各特征點F_i(x,y)，i＝1,2,…N，其中N為特征點個數(shù)；將特征點到所述圓形區(qū)域的圓心的距離與所述圓形區(qū)域的直徑的比值作為第一特征：

$Y_i=\frac{\sqrt{{(x_i-m)}^2+{(y_i-n)}^2}}{2R}$

式中，Y_i表示第i個特征點的第一特征,(x_i,y_i)表示第i個特征點的坐標(biāo)；

將所述圓形區(qū)域的圓心與中指與無名指指根點Q₂的連線作為基準(zhǔn)線，基準(zhǔn)線方向為0度，特征點與圓心的連線順時針到基準(zhǔn)線所夾的角作為第二特征；

式中，E_i表示第i個特征點的第二特征，E_i的取值范圍是0到360度，(x_i,y_i)表示第i個特征點的坐標(biāo)；

(2)以特征點的第一特征作為橫坐標(biāo)，第二特征作為縱坐標(biāo)，構(gòu)造坐標(biāo)系，將所述手掌靜脈和掌紋主線分叉點投影到坐標(biāo)系中，建立預(yù)處理后的手掌圖像的二維特征向量空間。

本優(yōu)選實施例選擇手掌靜脈和掌紋主線分叉點作為待識別手掌圖像特征的各特征點，既考慮了虹膜識別裝置1的存儲空間和運行速度的限制，又反映了手掌靜脈和掌紋的變化，提取的待識別手掌圖像特征精確度高，提取速度快。

優(yōu)選的，所述手掌圖像特征識別模塊25將所述待識別手掌圖像特征與圖像密碼數(shù)據(jù)庫21中的作為圖像密碼的手掌圖像特征進行對比時，將待識別手掌圖像特征的二維特征向量空間與所述作為圖像密碼的手掌圖像特征中的二維特征向量空間中的特征點的分布進行相似度對比，具體為：設(shè)對比待識別手掌圖像特征的二維特征向量空間的特征點為待識別特征點，所述作為圖像密碼的手掌圖像特征中的二維特征向量空間中的特征點為標(biāo)準(zhǔn)特征點，將待識別手掌圖像與圖像密碼數(shù)據(jù)庫21中的手掌圖像進行重疊，并在所述作為圖像密碼的手掌圖像特征中的二維特征向量空間中確定待識別特征點所對應(yīng)的標(biāo)準(zhǔn)特征點，判斷待識別特征點與對應(yīng)的標(biāo)準(zhǔn)特征點的距離是否小于預(yù)設(shè)距離閾值，并根據(jù)判斷結(jié)果確定待識別手掌圖像特征與所述作為圖像密碼的手掌圖像特征是否一致。

本優(yōu)選實施例設(shè)定了手掌圖像特征識別模塊25對待識別手掌圖像特征進行識別時的具體操作，實用便捷。

本應(yīng)用場景對設(shè)定的調(diào)整因子γ取值為0.99，導(dǎo)航儀的識別精度相對提高了4.5％，識別速度相對提高了7.6％。

應(yīng)用場景3

參見圖1、圖2，本應(yīng)用場景中的一個實施例的一種基于手掌識別啟動的導(dǎo)航儀，包括導(dǎo)航儀和與導(dǎo)航儀相連的手掌識別裝置，其特征是，所述導(dǎo)航儀包括：導(dǎo)航儀固定殼、導(dǎo)航儀殼體，其特征在于：所述導(dǎo)航儀固定殼與導(dǎo)航儀殼體上、下表面設(shè)有減震層，所述減震層填充在導(dǎo)航儀固定殼、導(dǎo)航儀殼體之間，所述導(dǎo)航儀固定殼內(nèi)部四個拐角處設(shè)有夾持板，所述每一個夾持板與導(dǎo)航儀固定殼內(nèi)壁之間設(shè)有平行布置的張緊彈簧，所述導(dǎo)航儀固定殼兩側(cè)豎直段上設(shè)有若干個散熱孔，所述散熱孔呈內(nèi)高外低狀布置。

優(yōu)選地，所述減震層為彈性材質(zhì)制成。

本優(yōu)選實施例彈性材料能夠有效的吸收車體行駛過程中的震動。

優(yōu)選地，所述張緊彈簧兩端為固定連接。

本優(yōu)選實施例能夠有效保護導(dǎo)航儀張緊彈簧的作用下能夠有效吸收震動。

優(yōu)選的，所述虹膜識別裝置1包括圖像密碼數(shù)據(jù)庫21、手掌圖像采集模塊22、手掌圖像預(yù)處理模塊23、手掌圖像特征提取模塊24和手掌圖像特征識別模塊25；所述圖像密碼數(shù)據(jù)庫21用于預(yù)先存儲用戶設(shè)定的作為圖像密碼的手掌圖像特征；所述手掌圖像采集模塊22用于在800nm近紅外光照射下通過單一采集設(shè)備采集包含有手掌掌紋主線信息和手掌靜脈信息的手掌圖像；所述手掌圖像預(yù)處理模塊23用于對采集到的手掌圖像進行預(yù)處理，以消除采集手掌圖像過程中手掌旋轉(zhuǎn)、平移的影響，并定位手掌圖像特征提取的有效區(qū)域；所述手掌圖像特征提取模塊24用于提取預(yù)處理后的手掌圖像的待識別手掌圖像特征，并將所述待識別手掌圖像特征輸送到所述手掌圖像特征識別模塊25中進行特征識別；所述手掌圖像特征識別模塊25將所述待識別手掌圖像特征與圖像密碼數(shù)據(jù)庫21中的作為圖像密碼的手掌圖像特征進行對比，判別待識別手掌圖像特征與所述作為圖像密碼的手掌圖像特征是否一致。

本優(yōu)選實施例完善了虹膜識別裝置1，采用手掌圖像特征作為圖像密碼，系統(tǒng)的安全性較高。

優(yōu)選的，所述對采集到的手掌圖像進行預(yù)處理，包括：

(1)對手掌圖像進行中值濾波處理，去除手掌圖像的系統(tǒng)噪聲后，構(gòu)建手掌圖像的灰度值直方圖，根據(jù)灰度值直方圖選取預(yù)定灰度值閾值范圍的局部最小值對手掌圖像進行二值化處理；

(2)構(gòu)建四指輪廓圖，提取二值化處理后的手掌圖像中食指與中指、無名指與小拇指兩處定位點，根據(jù)兩定位點對二值化處理后的手掌圖像做旋轉(zhuǎn)處理，以校正手掌圖像位置；所述兩處定位點設(shè)定為食指下邊界與中指上邊界的交界點及無名指下邊界與小拇指上邊界的交界點，坐標(biāo)依次為(v₁,μ₁)、(v₂,μ₂)；根據(jù)定位點計算旋轉(zhuǎn)角度：

$\mathrm{\θ}=\mathrm{\γ}arctan\frac{v_2-v_1}{{\mathrm{\μ}}_2-{\mathrm{\μ}}_1}$

式中，γ為設(shè)定的調(diào)整因子，取值范圍設(shè)定為[0.98,1.02]；

θ＞0時，對二值化處理后的手掌圖像按計算的旋轉(zhuǎn)角度進行順時針旋轉(zhuǎn)，θ＜0時，對二值化處理后的手掌圖像按計算的旋轉(zhuǎn)角度進行逆時針旋轉(zhuǎn)，θ＝0時，不對二值化處理后的手掌圖像做任何旋轉(zhuǎn)。

(3)從校正后的手掌圖像中提取出合適的掌心參考點，建立一個參考坐標(biāo)系，定位手掌圖像特征提取的有效區(qū)域；選擇靠近除大拇指外其余四指的指根部的圓形區(qū)域作為定位手掌圖像特征提取的有效區(qū)域，選擇所述圓形區(qū)域的圓心作為掌心參考點；所述圓形區(qū)域通過食指與中指的指根點、中指與無名指的指根點以及無名指與小拇指的指根點進行確定，具體為：

1)進行手掌輪廓提?。簩⑹终茍D像中每個像素點作為中心像素點，分別計算中心像素點與8個鄰域像素點的灰度差，當(dāng)中心像素點位于手掌輪廓上時，其位于垂直手掌輪廓方向上靠外的點與中心像素點灰度差將為最大，通過判斷局部區(qū)域內(nèi)各像素點灰度差的極大值找到手掌圖像中的真實手掌輪廓點，從而確定手掌輪廓；

2)確定食指、中指、無名指和小拇指的指尖位置：將指尖所指方向定義為手掌的方向，手指指向右，確定食指、中指、無名指和小拇指的指尖位置，其中所述中指的指尖位置位于整個輪廓的最右端；

3)提取食指與中指、中指與無名指以及無名指與小拇指的指根點：建立目標(biāo)輪廓的參數(shù)化方程：對于給定的目標(biāo)輪廓L(t)，其弧長參數(shù)化方程表示為L(t)＝(x(t),y(t))，其中x(t)和y(t)分別表示輪廓點的坐標(biāo)，t表示輪廓曲線方程的參數(shù)，且t∈[0,1]；

計算輪廓曲線的曲率k(t)，從中指指尖出發(fā)，向兩側(cè)延伸，向食指方向延伸的第一個曲率變化大的點，記為S₁，即為食指與中指的接縫點；向無名指方向延伸的第一個曲率變化大的點，記為W₁，即為中指與無名指的接縫點；繼續(xù)延伸得到第二個曲率變化大的點，記為W₂，即為無名指與小拇指的接縫點；所述曲率變化大的點，指其曲率值與前一曲率值差值大于2的點；

從點S₁出發(fā)，假設(shè)指縫線任一像素點P₁，尋找其與指縫方向垂直且與P₁距離兩個像素寬的兩點P₂和P₃，分別計算P₁與P₂、P₃的梯度值，將兩個梯度值的和SUM作為評價P₁在垂直指縫方向上梯度變化量，當(dāng)SUM變化大時，前一點即為食指與中指指根點Q₁；同理，中指與無名指指根點Q₂、無名指與小拇指指根點Q₃；所述SUM變化大，是指其變化值大于2；

4)提取指根部圓：連接點Q₁和Q₂，Q₂和Q₃，分別過Q₁Q₂和Q₂Q₃作垂直平分線，相交于點O(m,n)，即為所求圓形區(qū)域的圓心，O點與Q₁距離即為所求圓形區(qū)域的半徑R。

本優(yōu)選實施例對手掌圖像進行中值濾波處理，避免手掌圖像的噪聲點造成圖像定位的不準(zhǔn)確，然后對手掌圖像進行二值化處理，從而使手掌圖像中的手掌區(qū)域與背景區(qū)域較好地分離；對手掌圖像的位置進行旋轉(zhuǎn)校正處理，減少了圖像采集過程中引入的旋轉(zhuǎn)、平移、比例縮放等因素的影響；通過提取出合適的參考點，建立新的參考坐標(biāo)系，定位手掌圖像特征提取的有效區(qū)域，能夠降低手掌圖像特征識別的難度，提高了匹配識別算法的魯棒性。

優(yōu)選的，所述提取預(yù)處理后的手掌圖像的待識別手掌圖像特征，包括：

(1)將預(yù)處理后的手掌圖像中的手掌靜脈和掌紋主線的分叉點作為待識別手掌圖像特征的各特征點F_i(x,y)，i＝1,2,…N，其中N為特征點個數(shù)；將特征點到所述圓形區(qū)域的圓心的距離與所述圓形區(qū)域的直徑的比值作為第一特征：

$Y_i=\frac{\sqrt{{(x_i-m)}^2+{(y_i-n)}^2}}{2R}$

式中，Y_i表示第i個特征點的第一特征,(x_i,y_i)表示第i個特征點的坐標(biāo)；

將所述圓形區(qū)域的圓心與中指與無名指指根點Q₂的連線作為基準(zhǔn)線，基準(zhǔn)線方向為0度，特征點與圓心的連線順時針到基準(zhǔn)線所夾的角作為第二特征；

式中，E_i表示第i個特征點的第二特征，E_i的取值范圍是0到360度，(x_i,y_i)表示第i個特征點的坐標(biāo)；

(2)以特征點的第一特征作為橫坐標(biāo)，第二特征作為縱坐標(biāo)，構(gòu)造坐標(biāo)系，將所述手掌靜脈和掌紋主線分叉點投影到坐標(biāo)系中，建立預(yù)處理后的手掌圖像的二維特征向量空間。

本優(yōu)選實施例選擇手掌靜脈和掌紋主線分叉點作為待識別手掌圖像特征的各特征點，既考慮了虹膜識別裝置1的存儲空間和運行速度的限制，又反映了手掌靜脈和掌紋的變化，提取的待識別手掌圖像特征精確度高，提取速度快。

優(yōu)選的，所述手掌圖像特征識別模塊25將所述待識別手掌圖像特征與圖像密碼數(shù)據(jù)庫21中的作為圖像密碼的手掌圖像特征進行對比時，將待識別手掌圖像特征的二維特征向量空間與所述作為圖像密碼的手掌圖像特征中的二維特征向量空間中的特征點的分布進行相似度對比，具體為：設(shè)對比待識別手掌圖像特征的二維特征向量空間的特征點為待識別特征點，所述作為圖像密碼的手掌圖像特征中的二維特征向量空間中的特征點為標(biāo)準(zhǔn)特征點，將待識別手掌圖像與圖像密碼數(shù)據(jù)庫21中的手掌圖像進行重疊，并在所述作為圖像密碼的手掌圖像特征中的二維特征向量空間中確定待識別特征點所對應(yīng)的標(biāo)準(zhǔn)特征點，判斷待識別特征點與對應(yīng)的標(biāo)準(zhǔn)特征點的距離是否小于預(yù)設(shè)距離閾值，并根據(jù)判斷結(jié)果確定待識別手掌圖像特征與所述作為圖像密碼的手掌圖像特征是否一致。

本優(yōu)選實施例設(shè)定了手掌圖像特征識別模塊25對待識別手掌圖像特征進行識別時的具體操作，實用便捷。

本應(yīng)用場景對設(shè)定的調(diào)整因子γ取值為1.00，導(dǎo)航儀的識別精度相對提高了6％，識別速度相對提高了8.5％。

應(yīng)用場景4

參見圖1、圖2，本應(yīng)用場景中的一個實施例的一種基于手掌識別啟動的導(dǎo)航儀，包括導(dǎo)航儀和與導(dǎo)航儀相連的手掌識別裝置，其特征是，所述導(dǎo)航儀包括：導(dǎo)航儀固定殼、導(dǎo)航儀殼體，其特征在于：所述導(dǎo)航儀固定殼與導(dǎo)航儀殼體上、下表面設(shè)有減震層，所述減震層填充在導(dǎo)航儀固定殼、導(dǎo)航儀殼體之間，所述導(dǎo)航儀固定殼內(nèi)部四個拐角處設(shè)有夾持板，所述每一個夾持板與導(dǎo)航儀固定殼內(nèi)壁之間設(shè)有平行布置的張緊彈簧，所述導(dǎo)航儀固定殼兩側(cè)豎直段上設(shè)有若干個散熱孔，所述散熱孔呈內(nèi)高外低狀布置。

優(yōu)選地，所述減震層為彈性材質(zhì)制成。

本優(yōu)選實施例彈性材料能夠有效的吸收車體行駛過程中的震動。

優(yōu)選地，所述張緊彈簧兩端為固定連接。

本優(yōu)選實施例能夠有效保護導(dǎo)航儀張緊彈簧的作用下能夠有效吸收震動。

優(yōu)選的，所述虹膜識別裝置1包括圖像密碼數(shù)據(jù)庫21、手掌圖像采集模塊22、手掌圖像預(yù)處理模塊23、手掌圖像特征提取模塊24和手掌圖像特征識別模塊25；所述圖像密碼數(shù)據(jù)庫21用于預(yù)先存儲用戶設(shè)定的作為圖像密碼的手掌圖像特征；所述手掌圖像采集模塊22用于在800nm近紅外光照射下通過單一采集設(shè)備采集包含有手掌掌紋主線信息和手掌靜脈信息的手掌圖像；所述手掌圖像預(yù)處理模塊23用于對采集到的手掌圖像進行預(yù)處理，以消除采集手掌圖像過程中手掌旋轉(zhuǎn)、平移的影響，并定位手掌圖像特征提取的有效區(qū)域；所述手掌圖像特征提取模塊24用于提取預(yù)處理后的手掌圖像的待識別手掌圖像特征，并將所述待識別手掌圖像特征輸送到所述手掌圖像特征識別模塊25中進行特征識別；所述手掌圖像特征識別模塊25將所述待識別手掌圖像特征與圖像密碼數(shù)據(jù)庫21中的作為圖像密碼的手掌圖像特征進行對比，判別待識別手掌圖像特征與所述作為圖像密碼的手掌圖像特征是否一致。

本優(yōu)選實施例完善了虹膜識別裝置1，采用手掌圖像特征作為圖像密碼，系統(tǒng)的安全性較高。

優(yōu)選的，所述對采集到的手掌圖像進行預(yù)處理，包括：

(1)對手掌圖像進行中值濾波處理，去除手掌圖像的系統(tǒng)噪聲后，構(gòu)建手掌圖像的灰度值直方圖，根據(jù)灰度值直方圖選取預(yù)定灰度值閾值范圍的局部最小值對手掌圖像進行二值化處理；

(2)構(gòu)建四指輪廓圖，提取二值化處理后的手掌圖像中食指與中指、無名指與小拇指兩處定位點，根據(jù)兩定位點對二值化處理后的手掌圖像做旋轉(zhuǎn)處理，以校正手掌圖像位置；所述兩處定位點設(shè)定為食指下邊界與中指上邊界的交界點及無名指下邊界與小拇指上邊界的交界點，坐標(biāo)依次為(v₁,μ₁)、(v₂,μ₂)；根據(jù)定位點計算旋轉(zhuǎn)角度：

$\mathrm{\θ}=\mathrm{\γ}arctan\frac{v_2-v_1}{{\mathrm{\μ}}_2-{\mathrm{\μ}}_1}$

式中，γ為設(shè)定的調(diào)整因子，取值范圍設(shè)定為[0.98,1.02]；

θ＞0時，對二值化處理后的手掌圖像按計算的旋轉(zhuǎn)角度進行順時針旋轉(zhuǎn)，θ＜0時，對二值化處理后的手掌圖像按計算的旋轉(zhuǎn)角度進行逆時針旋轉(zhuǎn)，θ＝0時，不對二值化處理后的手掌圖像做任何旋轉(zhuǎn)。

(3)從校正后的手掌圖像中提取出合適的掌心參考點，建立一個參考坐標(biāo)系，定位手掌圖像特征提取的有效區(qū)域；選擇靠近除大拇指外其余四指的指根部的圓形區(qū)域作為定位手掌圖像特征提取的有效區(qū)域，選擇所述圓形區(qū)域的圓心作為掌心參考點；所述圓形區(qū)域通過食指與中指的指根點、中指與無名指的指根點以及無名指與小拇指的指根點進行確定，具體為：

1)進行手掌輪廓提?。簩⑹终茍D像中每個像素點作為中心像素點，分別計算中心像素點與8個鄰域像素點的灰度差，當(dāng)中心像素點位于手掌輪廓上時，其位于垂直手掌輪廓方向上靠外的點與中心像素點灰度差將為最大，通過判斷局部區(qū)域內(nèi)各像素點灰度差的極大值找到手掌圖像中的真實手掌輪廓點，從而確定手掌輪廓；

2)確定食指、中指、無名指和小拇指的指尖位置：將指尖所指方向定義為手掌的方向，手指指向右，確定食指、中指、無名指和小拇指的指尖位置，其中所述中指的指尖位置位于整個輪廓的最右端；

3)提取食指與中指、中指與無名指以及無名指與小拇指的指根點：建立目標(biāo)輪廓的參數(shù)化方程：對于給定的目標(biāo)輪廓L(t)，其弧長參數(shù)化方程表示為L(t)＝(x(t),y(t))，其中x(t)和y(t)分別表示輪廓點的坐標(biāo)，t表示輪廓曲線方程的參數(shù)，且t∈[0,1]；

計算輪廓曲線的曲率k(t)，從中指指尖出發(fā)，向兩側(cè)延伸，向食指方向延伸的第一個曲率變化大的點，記為S₁，即為食指與中指的接縫點；向無名指方向延伸的第一個曲率變化大的點，記為W₁，即為中指與無名指的接縫點；繼續(xù)延伸得到第二個曲率變化大的點，記為W₂，即為無名指與小拇指的接縫點；所述曲率變化大的點，指其曲率值與前一曲率值差值大于2的點；

從點S₁出發(fā)，假設(shè)指縫線任一像素點P₁，尋找其與指縫方向垂直且與P₁距離兩個像素寬的兩點P₂和P₃，分別計算P₁與P₂、P₃的梯度值，將兩個梯度值的和SUM作為評價P₁在垂直指縫方向上梯度變化量，當(dāng)SUM變化大時，前一點即為食指與中指指根點Q₁；同理，中指與無名指指根點Q₂、無名指與小拇指指根點Q₃；所述SUM變化大，是指其變化值大于2；

4)提取指根部圓：連接點Q₁和Q₂，Q₂和Q₃，分別過Q₁Q₂和Q₂Q₃作垂直平分線，相交于點O(m,n)，即為所求圓形區(qū)域的圓心，O點與Q₁距離即為所求圓形區(qū)域的半徑R。

本優(yōu)選實施例對手掌圖像進行中值濾波處理，避免手掌圖像的噪聲點造成圖像定位的不準(zhǔn)確，然后對手掌圖像進行二值化處理，從而使手掌圖像中的手掌區(qū)域與背景區(qū)域較好地分離；對手掌圖像的位置進行旋轉(zhuǎn)校正處理，減少了圖像采集過程中引入的旋轉(zhuǎn)、平移、比例縮放等因素的影響；通過提取出合適的參考點，建立新的參考坐標(biāo)系，定位手掌圖像特征提取的有效區(qū)域，能夠降低手掌圖像特征識別的難度，提高了匹配識別算法的魯棒性。

優(yōu)選的，所述提取預(yù)處理后的手掌圖像的待識別手掌圖像特征，包括：

(1)將預(yù)處理后的手掌圖像中的手掌靜脈和掌紋主線的分叉點作為待識別手掌圖像特征的各特征點F_i(x,y)，i＝1,2,…N，其中N為特征點個數(shù)；將特征點到所述圓形區(qū)域的圓心的距離與所述圓形區(qū)域的直徑的比值作為第一特征：

$Y_i=\frac{\sqrt{{(x_i-m)}^2+{(y_i-n)}^2}}{2R}$

式中，Y_i表示第i個特征點的第一特征,(x_i,y_i)表示第i個特征點的坐標(biāo)；

將所述圓形區(qū)域的圓心與中指與無名指指根點Q₂的連線作為基準(zhǔn)線，基準(zhǔn)線方向為0度，特征點與圓心的連線順時針到基準(zhǔn)線所夾的角作為第二特征；

式中，E_i表示第i個特征點的第二特征，E_i的取值范圍是0到360度，(x_i,y_i)表示第i個特征點的坐標(biāo)；

(2)以特征點的第一特征作為橫坐標(biāo)，第二特征作為縱坐標(biāo)，構(gòu)造坐標(biāo)系，將所述手掌靜脈和掌紋主線分叉點投影到坐標(biāo)系中，建立預(yù)處理后的手掌圖像的二維特征向量空間。

本優(yōu)選實施例選擇手掌靜脈和掌紋主線分叉點作為待識別手掌圖像特征的各特征點，既考慮了虹膜識別裝置1的存儲空間和運行速度的限制，又反映了手掌靜脈和掌紋的變化，提取的待識別手掌圖像特征精確度高，提取速度快。

優(yōu)選的，所述手掌圖像特征識別模塊25將所述待識別手掌圖像特征與圖像密碼數(shù)據(jù)庫21中的作為圖像密碼的手掌圖像特征進行對比時，將待識別手掌圖像特征的二維特征向量空間與所述作為圖像密碼的手掌圖像特征中的二維特征向量空間中的特征點的分布進行相似度對比，具體為：設(shè)對比待識別手掌圖像特征的二維特征向量空間的特征點為待識別特征點，所述作為圖像密碼的手掌圖像特征中的二維特征向量空間中的特征點為標(biāo)準(zhǔn)特征點，將待識別手掌圖像與圖像密碼數(shù)據(jù)庫21中的手掌圖像進行重疊，并在所述作為圖像密碼的手掌圖像特征中的二維特征向量空間中確定待識別特征點所對應(yīng)的標(biāo)準(zhǔn)特征點，判斷待識別特征點與對應(yīng)的標(biāo)準(zhǔn)特征點的距離是否小于預(yù)設(shè)距離閾值，并根據(jù)判斷結(jié)果確定待識別手掌圖像特征與所述作為圖像密碼的手掌圖像特征是否一致。

本優(yōu)選實施例設(shè)定了手掌圖像特征識別模塊25對待識別手掌圖像特征進行識別時的具體操作，實用便捷。

本應(yīng)用場景對設(shè)定的調(diào)整因子γ取值為1.01，導(dǎo)航儀的識別精度相對提高了4.8％，識別速度相對提高了7.5％。

應(yīng)用場景5

參見圖1、圖2，本應(yīng)用場景中的一個實施例的一種基于手掌識別啟動的導(dǎo)航儀，包括導(dǎo)航儀和與導(dǎo)航儀相連的手掌識別裝置，其特征是，所述導(dǎo)航儀包括：導(dǎo)航儀固定殼、導(dǎo)航儀殼體，其特征在于：所述導(dǎo)航儀固定殼與導(dǎo)航儀殼體上、下表面設(shè)有減震層，所述減震層填充在導(dǎo)航儀固定殼、導(dǎo)航儀殼體之間，所述導(dǎo)航儀固定殼內(nèi)部四個拐角處設(shè)有夾持板，所述每一個夾持板與導(dǎo)航儀固定殼內(nèi)壁之間設(shè)有平行布置的張緊彈簧，所述導(dǎo)航儀固定殼兩側(cè)豎直段上設(shè)有若干個散熱孔，所述散熱孔呈內(nèi)高外低狀布置。

優(yōu)選地，所述減震層為彈性材質(zhì)制成。

本優(yōu)選實施例彈性材料能夠有效的吸收車體行駛過程中的震動。

優(yōu)選地，所述張緊彈簧兩端為固定連接。

本優(yōu)選實施例能夠有效保護導(dǎo)航儀張緊彈簧的作用下能夠有效吸收震動。

優(yōu)選的，所述虹膜識別裝置1包括圖像密碼數(shù)據(jù)庫21、手掌圖像采集模塊22、手掌圖像預(yù)處理模塊23、手掌圖像特征提取模塊24和手掌圖像特征識別模塊25；所述圖像密碼數(shù)據(jù)庫21用于預(yù)先存儲用戶設(shè)定的作為圖像密碼的手掌圖像特征；所述手掌圖像采集模塊22用于在800nm近紅外光照射下通過單一采集設(shè)備采集包含有手掌掌紋主線信息和手掌靜脈信息的手掌圖像；所述手掌圖像預(yù)處理模塊23用于對采集到的手掌圖像進行預(yù)處理，以消除采集手掌圖像過程中手掌旋轉(zhuǎn)、平移的影響，并定位手掌圖像特征提取的有效區(qū)域；所述手掌圖像特征提取模塊24用于提取預(yù)處理后的手掌圖像的待識別手掌圖像特征，并將所述待識別手掌圖像特征輸送到所述手掌圖像特征識別模塊25中進行特征識別；所述手掌圖像特征識別模塊25將所述待識別手掌圖像特征與圖像密碼數(shù)據(jù)庫21中的作為圖像密碼的手掌圖像特征進行對比，判別待識別手掌圖像特征與所述作為圖像密碼的手掌圖像特征是否一致。

本優(yōu)選實施例完善了虹膜識別裝置1，采用手掌圖像特征作為圖像密碼，系統(tǒng)的安全性較高。

優(yōu)選的，所述對采集到的手掌圖像進行預(yù)處理，包括：

(1)對手掌圖像進行中值濾波處理，去除手掌圖像的系統(tǒng)噪聲后，構(gòu)建手掌圖像的灰度值直方圖，根據(jù)灰度值直方圖選取預(yù)定灰度值閾值范圍的局部最小值對手掌圖像進行二值化處理；

(2)構(gòu)建四指輪廓圖，提取二值化處理后的手掌圖像中食指與中指、無名指與小拇指兩處定位點，根據(jù)兩定位點對二值化處理后的手掌圖像做旋轉(zhuǎn)處理，以校正手掌圖像位置；所述兩處定位點設(shè)定為食指下邊界與中指上邊界的交界點及無名指下邊界與小拇指上邊界的交界點，坐標(biāo)依次為(v₁,μ₁)、(v₂,μ₂)；根據(jù)定位點計算旋轉(zhuǎn)角度：

$\mathrm{\θ}=\mathrm{\γ}arctan\frac{v_2-v_1}{{\mathrm{\μ}}_2-{\mathrm{\μ}}_1}$

式中，γ為設(shè)定的調(diào)整因子，取值范圍設(shè)定為[0.98,1.02]；

θ＞0時，對二值化處理后的手掌圖像按計算的旋轉(zhuǎn)角度進行順時針旋轉(zhuǎn)，θ＜0時，對二值化處理后的手掌圖像按計算的旋轉(zhuǎn)角度進行逆時針旋轉(zhuǎn)，θ＝0時，不對二值化處理后的手掌圖像做任何旋轉(zhuǎn)。

(3)從校正后的手掌圖像中提取出合適的掌心參考點，建立一個參考坐標(biāo)系，定位手掌圖像特征提取的有效區(qū)域；選擇靠近除大拇指外其余四指的指根部的圓形區(qū)域作為定位手掌圖像特征提取的有效區(qū)域，選擇所述圓形區(qū)域的圓心作為掌心參考點；所述圓形區(qū)域通過食指與中指的指根點、中指與無名指的指根點以及無名指與小拇指的指根點進行確定，具體為：

1)進行手掌輪廓提?。簩⑹终茍D像中每個像素點作為中心像素點，分別計算中心像素點與8個鄰域像素點的灰度差，當(dāng)中心像素點位于手掌輪廓上時，其位于垂直手掌輪廓方向上靠外的點與中心像素點灰度差將為最大，通過判斷局部區(qū)域內(nèi)各像素點灰度差的極大值找到手掌圖像中的真實手掌輪廓點，從而確定手掌輪廓；

2)確定食指、中指、無名指和小拇指的指尖位置：將指尖所指方向定義為手掌的方向，手指指向右，確定食指、中指、無名指和小拇指的指尖位置，其中所述中指的指尖位置位于整個輪廓的最右端；

3)提取食指與中指、中指與無名指以及無名指與小拇指的指根點：建立目標(biāo)輪廓的參數(shù)化方程：對于給定的目標(biāo)輪廓L(t)，其弧長參數(shù)化方程表示為L(t)＝(x(t),y(t))，其中x(t)和y(t)分別表示輪廓點的坐標(biāo)，t表示輪廓曲線方程的參數(shù)，且t∈[0,1]；

計算輪廓曲線的曲率k(t)，從中指指尖出發(fā)，向兩側(cè)延伸，向食指方向延伸的第一個曲率變化大的點，記為S₁，即為食指與中指的接縫點；向無名指方向延伸的第一個曲率變化大的點，記為W₁，即為中指與無名指的接縫點；繼續(xù)延伸得到第二個曲率變化大的點，記為W₂，即為無名指與小拇指的接縫點；所述曲率變化大的點，指其曲率值與前一曲率值差值大于2的點；

從點S₁出發(fā)，假設(shè)指縫線任一像素點P₁，尋找其與指縫方向垂直且與P₁距離兩個像素寬的兩點P₂和P₃，分別計算P₁與P₂、P₃的梯度值，將兩個梯度值的和SUM作為評價P₁在垂直指縫方向上梯度變化量，當(dāng)SUM變化大時，前一點即為食指與中指指根點Q₁；同理，中指與無名指指根點Q₂、無名指與小拇指指根點Q₃；所述SUM變化大，是指其變化值大于2；

4)提取指根部圓：連接點Q₁和Q₂，Q₂和Q₃，分別過Q₁Q₂和Q₂Q₃作垂直平分線，相交于點O(m,n)，即為所求圓形區(qū)域的圓心，O點與Q₁距離即為所求圓形區(qū)域的半徑R。

本優(yōu)選實施例對手掌圖像進行中值濾波處理，避免手掌圖像的噪聲點造成圖像定位的不準(zhǔn)確，然后對手掌圖像進行二值化處理，從而使手掌圖像中的手掌區(qū)域與背景區(qū)域較好地分離；對手掌圖像的位置進行旋轉(zhuǎn)校正處理，減少了圖像采集過程中引入的旋轉(zhuǎn)、平移、比例縮放等因素的影響；通過提取出合適的參考點，建立新的參考坐標(biāo)系，定位手掌圖像特征提取的有效區(qū)域，能夠降低手掌圖像特征識別的難度，提高了匹配識別算法的魯棒性。

優(yōu)選的，所述提取預(yù)處理后的手掌圖像的待識別手掌圖像特征，包括：

(1)將預(yù)處理后的手掌圖像中的手掌靜脈和掌紋主線的分叉點作為待識別手掌圖像特征的各特征點F_i(x,y)，i＝1,2,…N，其中N為特征點個數(shù)；將特征點到所述圓形區(qū)域的圓心的距離與所述圓形區(qū)域的直徑的比值作為第一特征：

$Y_i=\frac{\sqrt{{(x_i-m)}^2+{(y_i-n)}^2}}{2R}$

式中，Y_i表示第i個特征點的第一特征,(x_i,y_i)表示第i個特征點的坐標(biāo)；

將所述圓形區(qū)域的圓心與中指與無名指指根點Q₂的連線作為基準(zhǔn)線，基準(zhǔn)線方向為0度，特征點與圓心的連線順時針到基準(zhǔn)線所夾的角作為第二特征；

式中，E_i表示第i個特征點的第二特征，E_i的取值范圍是0到360度，(x_i,y_i)表示第i個特征點的坐標(biāo)；

(2)以特征點的第一特征作為橫坐標(biāo)，第二特征作為縱坐標(biāo)，構(gòu)造坐標(biāo)系，將所述手掌靜脈和掌紋主線分叉點投影到坐標(biāo)系中，建立預(yù)處理后的手掌圖像的二維特征向量空間。

本優(yōu)選實施例選擇手掌靜脈和掌紋主線分叉點作為待識別手掌圖像特征的各特征點，既考慮了虹膜識別裝置1的存儲空間和運行速度的限制，又反映了手掌靜脈和掌紋的變化，提取的待識別手掌圖像特征精確度高，提取速度快。

優(yōu)選的，所述手掌圖像特征識別模塊25將所述待識別手掌圖像特征與圖像密碼數(shù)據(jù)庫21中的作為圖像密碼的手掌圖像特征進行對比時，將待識別手掌圖像特征的二維特征向量空間與所述作為圖像密碼的手掌圖像特征中的二維特征向量空間中的特征點的分布進行相似度對比，具體為：設(shè)對比待識別手掌圖像特征的二維特征向量空間的特征點為待識別特征點，所述作為圖像密碼的手掌圖像特征中的二維特征向量空間中的特征點為標(biāo)準(zhǔn)特征點，將待識別手掌圖像與圖像密碼數(shù)據(jù)庫21中的手掌圖像進行重疊，并在所述作為圖像密碼的手掌圖像特征中的二維特征向量空間中確定待識別特征點所對應(yīng)的標(biāo)準(zhǔn)特征點，判斷待識別特征點與對應(yīng)的標(biāo)準(zhǔn)特征點的距離是否小于預(yù)設(shè)距離閾值，并根據(jù)判斷結(jié)果確定待識別手掌圖像特征與所述作為圖像密碼的手掌圖像特征是否一致。

本優(yōu)選實施例設(shè)定了手掌圖像特征識別模塊25對待識別手掌圖像特征進行識別時的具體操作，實用便捷。

本應(yīng)用場景對設(shè)定的調(diào)整因子γ取值為1.02，導(dǎo)航儀的識別精度相對提高了5.2％，識別速度相對提高了7％。

最后應(yīng)當(dāng)說明的是，以上實施例僅用以說明本發(fā)明的技術(shù)方案，而非對本發(fā)明保護范圍的限制，盡管參照較佳實施例對本發(fā)明作了詳細(xì)地說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解，可以對本發(fā)明的技術(shù)方案進行修改或者等同替換，而不脫離本發(fā)明技術(shù)方案的實質(zhì)和范圍。