本发明涉及计算机，尤其涉及一种强化纹线信息的非接触掌纹识别方法及装置。
背景技术：
1、随着生物特征识别技术的发展以及出于对公共卫生的考虑，基于非接触式的指掌纹识别系统受到广泛关注和研究。掌纹是指手腕与手指之间的手掌表面上的各种纹线。每个人的掌纹纹线都不一样。
2、目前掌纹识别方法多参考指纹识别算法，主要基于特征点对匹配的方法。基于特征点匹配的方法主要基于特征点之间对应关系的不变性，对输入特征点集和模板特征点集进行比对，对输入掌纹的特征点进行几何变换后，查找模板特征点集中对应的特征点，对应的特征点数量高于设定阈值，比对成功。
3、现有的这种方法对掌纹图像的质量和分辨率要求很高，对于非接触式掌纹采集仪采集到的掌纹难以满足要求，导致掌纹识别的速度和准确度均较低。
技术实现思路
1、本发明提供一种强化纹线信息的非接触掌纹识别方法及装置，用以解决现有技术中掌纹识别的速度和准确度均较低的技术问题。
2、第一方面，本发明提供一种强化纹线信息的非接触掌纹识别方法，包括：
3、对通过非接触式采集到的待识别的掌纹图像进行数据增强，得到包含掌纹纹线的强化信息的一张或多张增强图像；
4、将所述掌纹图像和所述一张或多张增强图像在通道方向上进行拼接，构成多通道图像；
5、将所述多通道图像数据输入至经过训练的神经网络模型，获取所述神经网络模型输出的第一特征向量；
6、将所述第一特征向量与数据库中录入的第二特征向量进行比对，得到掌纹识别结果。
7、在一些实施例中，所述对通过非接触式采集到的待识别的掌纹图像进行数据增强，得到包含掌纹纹线的强化信息的一张或多张增强图像，包括：
8、对所述掌纹图像进行多个方向分解，得到多张增强图像；每个方向对应一张增强图像。
9、在一些实施例中，所述对所述掌纹图像进行多个方向分解，包括：
10、采用gabor小波变换对所述掌纹图像进行多个方向分解。
11、在一些实施例中，所述对所述掌纹图像进行多个方向分解，包括：
12、对所述掌纹图像在上、下、左、右四个方向进行分解。
13、在一些实施例中，所述神经网络模型包括第一子网络；
14、所述第一子网络由卷积层、池化层、全连接层和归一化层构成；
15、通过所述第一子网络从所述多通道图像中提取第三特征向量；所述第三特征向量用于表示所述掌纹图像的全局特征。
16、在一些实施例中，所述神经网络模型还包括第二子网络；
17、所述第二子网络由卷积层和自注意力机制构成；
18、通过所述第二子网络从所述多通道图像中提取第四特征向量；所述第四特征向量用于表示所述掌纹图像的局部信息的依赖关系。
19、在一些实施例中，所述神经网络模型还包括特征融合层；
20、所述特征融合层用于将所述第三特征向量和所述第四特征向量进行融合，得到所述第一特征向量。
21、第二方面，本发明还提供一种强化纹线信息的非接触掌纹识别装置，包括：
22、纹线强化模块，用于对通过非接触式采集到的待识别的掌纹图像进行数据增强，得到包含掌纹纹线的强化信息的一张或多张增强图像；
23、拼接模块，用于将所述掌纹图像和所述一张或多张增强图像在通道方向上进行拼接，构成多通道图像；
24、获取模块，用于将所述多通道图像数据输入至经过训练的神经网络模型，获取所述神经网络模型输出的第一特征向量；
25、比对模块，用于将所述第一特征向量与数据库中录入的第二特征向量进行比对，得到掌纹识别结果。
26、第三方面，本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述第一方面任一种所述强化纹线信息的非接触掌纹识别方法。
27、第四方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述第一方面任一种所述强化纹线信息的非接触掌纹识别方法。
28、第五方面，本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述第一方面任一种所述强化纹线信息的非接触掌纹识别方法。
29、本发明提供的强化纹线信息的非接触掌纹识别方法及装置，通过对掌纹图像进行数据增强，得到包含掌纹纹线的强化信息的一张或多张增强图像，基于增强图像进行掌纹识别，能够在通过非接触式采集到的掌纹图像的质量和像素不高的情况下，实现快速准确地掌纹识别。
1.一种强化纹线信息的非接触掌纹识别方法，其特征在于，包括：
2.根据权利要求1所述的强化纹线信息的非接触掌纹识别方法，其特征在于，所述对通过非接触式采集到的待识别的掌纹图像进行数据增强，得到包含掌纹纹线的强化信息的一张或多张增强图像，包括：
3.根据权利要求2所述的强化纹线信息的非接触掌纹识别方法，其特征在于，所述对所述掌纹图像进行多个方向分解，包括：
4.根据权利要求2所述的强化纹线信息的非接触掌纹识别方法，其特征在于，所述对所述掌纹图像进行多个方向分解，包括：
5.根据权利要求1所述的强化纹线信息的非接触掌纹识别方法，其特征在于，所述神经网络模型包括第一子网络；
6.根据权利要求5所述的强化纹线信息的非接触掌纹识别方法，其特征在于，所述神经网络模型还包括第二子网络；
7.根据权利要求6所述的强化纹线信息的非接触掌纹识别方法，其特征在于，所述神经网络模型还包括特征融合层；
8.一种强化纹线信息的非接触掌纹识别装置，其特征在于，包括：
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述强化纹线信息的非接触掌纹识别方法。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述强化纹线信息的非接触掌纹识别方法。
