基于指静脉的手指识别方法和装置、电子设备和存储介质与流程

1.本技术涉及图像识别技术领域，尤其涉及一种基于指静脉的手指识别方法和装置、电子设备和存储介质。


背景技术：

2.指静脉识别技术是一种新兴的生物识别技术，由于指静脉具有强防伪性，低成本等优良特性，相对指纹识别具有不可复制性，安全性更高。而且无论手太湿或者太干都可以识别，对于老人小孩的手也可快速识别。
3.相关技术中，采用预先录入并存储用户手指指静脉图像，开门时验证用户手指指静脉图像特征进行开门。但是，如果用户在使用过程中出现手指受伤，就会导致指静脉识别失败。
4.因此，相关技术中存在用户在使用过程中出现手指受伤，就会导致指静脉识别失败的问题。


技术实现要素：

5.本技术提供了一种基于指静脉的手指识别方法和装置、电子设备和存储介质，以至少解决相关技术中存在用户在使用过程中出现手指受伤，就会导致指静脉识别失败的问题。
6.根据本技术实施例的一个方面，提供了一种基于指静脉的手指识别方法，包括：
7.获取对目标对象的目标指静脉进行图像采集得到的当前指静脉图像，其中，所述目标指静脉为当前存在伤口的目标手指的指静脉；
8.查询得到与所述当前指静脉图像匹配的历史指静脉图像，其中，所述历史指静脉图像是在指定手指不存在伤口时，对所述指定手指的指定指静脉进行图像采集得到的指静脉图像，所述指定手指为预先完成指静脉信息录入的手指；
9.对所述当前指静脉图像中的模糊区域的血管走向进行预测，得到与所述模糊区域对应的预测指静脉子图像，其中，所述模糊区域为所述当前指静脉图像中无法确定血管走向的区域；
10.在历史指静脉子图像与所述预测指静脉子图像之间的相似度满足预设相似度阈值的情况下，确定所述目标手指为所述指定手指，其中，所述历史指静脉子图像为所述历史指静脉图像中对应于所述模糊区域的子图像。
11.可选地，如前述的方法，所述查询得到与所述当前指静脉图像匹配的历史指静脉图像，包括：
12.获取所有候选指静脉图像；
13.确定所述所有候选指静脉图像中每个候选指静脉图像的所有特征点与所述当前指静脉图像的所有特征点之间的匹配度；
14.按照所述匹配度，在所有所述候选指静脉图像中确定出所述历史指静脉图像，其
中，所述历史指静脉图像与所述当前指静脉图像之间的匹配度大于或等于预设匹配度阈值。
15.可选地，如前述的方法，所述对所述当前指静脉图像中的模糊区域的血管走向进行预测，得到与所述模糊区域对应的预测指静脉子图像，包括：
16.以所述模糊区域的边缘为起始点，对所述模糊区域进行微分，得到连续的多个微分图像；
17.将各个所述微分图像依次输入预设的目标深度学习算法，得到对每个微分图像中的血管路径进行预测后的预测微分图像；
18.根据所有所述预测微分图像得到所述预测指静脉子图像。
19.可选地，如前述的方法，所述将各个所述微分图像依次输入预设的深度学习算法，得到对每个微分图像中的血管路径进行预测后的预测微分图像，包括：
20.确定所述微分图像对应的血管路径消失点，其中，在所述微分图像为所述模糊区域的边缘的情况下，所述微分图像对应的血管路径消失点为清晰区域中血管路径的消失点，在所述微分图像不再所述模糊区域的边缘的情况下，所述微分图像对应的血管路径消失点为前一个微分图像预测得到的预测微分图像中血管路径的消失点；
21.将所述血管路径消失点以及所述微分图像输入所述目标深度学习算法，得到对所述微分图像中的血管路径进行预测后的预测微分图像。
22.可选地，如前述的方法，在所述将各个所述微分图像依次输入预设的深度学习算法，得到对每个微分图像中的血管路径进行预测后的预测微分图像之前，所述方法还包括：
23.获取训练数据集以及验证数据集，其中，所述训练数据集中包括多组训练数据，所述验证数据集中包括多组训练数据，每组训练数据包括相互对应的血管路径消失点以及训练用微分图像；
24.通过所述训练数据集对待训练深度学习算法进行训练，得到训练后深度学习算法；
25.在通过所述验证数据集对所述训练后深度学习算法进行验证，并确定所述训练后深度学习算法满足预设精度要求的情况下，将所述训练后深度学习算法确定为目标深度学习算法。
26.可选地，如前述的方法，所述在历史指静脉子图像与所述预测指静脉子图像之间的相似度满足预设相似度阈值的情况下，确定所述目标手指为所述指定手指，包括：
27.确定所述历史指静脉子图像的第一血管走向信息，以及所述预测指静脉子图像的第二血管走向信息；
28.在所述第一血管走向信息与所述第二血管走向信息之间满足所述预设相似度阈值的情况下，确定所述目标手指为所述指定手指。
29.可选地，如前述的方法，在所述确定所述目标手指为所述指定手指之后，所述方法还包括：
30.在所述当前指静脉图像用于对锁具进行开锁的情况下，控制所述锁具的电机运行，以对所述锁具进行开锁。
31.根据本技术实施例的另一个方面，还提供了一种基于指静脉的手指识别装置，包括：
32.获取模块，用于获取对目标对象的目标指静脉进行图像采集得到的当前指静脉图像，其中，所述目标指静脉为当前存在伤口的目标手指的指静脉；
33.查询模块，用于查询得到与所述当前指静脉图像匹配的历史指静脉图像，其中，所述历史指静脉图像是在指定手指不存在伤口时，对所述指定手指的指定指静脉进行图像采集得到的指静脉图像，所述指定手指为预先完成指静脉信息录入的手指；
34.预测模块，用于对所述当前指静脉图像中的模糊区域的血管走向进行预测，得到与所述模糊区域对应的预测指静脉子图像，其中，所述模糊区域为所述当前指静脉图像中无法确定血管走向的区域；
35.确定模块，用于在历史指静脉子图像与所述预测指静脉子图像之间的相似度满足预设相似度阈值的情况下，确定所述目标手指为所述指定手指，其中，所述历史指静脉子图像为所述历史指静脉图像中对应于所述模糊区域的子图像。
36.根据本技术实施例的又一个方面，还提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器、通信接口和存储器通过通信总线完成相互间的通信；其中，存储器，用于存储计算机程序；处理器，用于通过运行所述存储器上所存储的所述计算机程序来执行上述任一实施例中的方法步骤。
37.根据本技术实施例的又一个方面，还提供了一种计算机可读的存储介质，该存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述任一实施例中的方法步骤。
38.在本技术实施例中，采用基于指静脉的手指识别方法和装置、电子设备和存储介质的方式，通过获取对目标对象的目标指静脉进行图像采集得到的当前指静脉图像，其中，所述目标指静脉为当前存在伤口的目标手指的指静脉；查询得到与所述当前指静脉图像匹配的历史指静脉图像，其中，所述历史指静脉图像是在指定手指不存在伤口时，对所述指定手指的指定指静脉进行图像采集得到的指静脉图像，所述指定手指为预先完成指静脉信息录入的手指；对所述当前指静脉图像中的模糊区域的血管走向进行预测，得到与所述模糊区域对应的预测指静脉子图像，其中，所述模糊区域为所述当前指静脉图像中无法确定血管走向的区域；在历史指静脉子图像与所述预测指静脉子图像之间的相似度满足预设相似度阈值的情况下，确定所述目标手指为所述指定手指，其中，所述历史指静脉子图像为所述历史指静脉图像中对应于所述模糊区域的子图像。通过对当前指静脉图像中的模糊区域的血管走向进行预测，得到与模糊区域对应的预测指静脉子图像，并进一步基于该预测指静脉子图像判断目标手指是否为指定手指，可以达到目标手指受伤的情况下，即当前指静脉图像中存在模糊区域的情况下仍然可以确定出当前指静脉图像是否为历史指静脉图像，进而可以确定出目标手指是否为指定手指，从而克服了相关技术中用户在使用过程中出现手指受伤，就会导致指静脉识别失败的技术问题。
附图说明
39.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本技术的实施例，并与说明书一起用于解释本技术的原理。
40.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而
言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
41.图1是根据本技术实施例的一种可选的基于指静脉的手指识别方法的流程示意图；
42.图2是根据本技术应用例的一种可选的基于指静脉的手指识别方法的流程示意图；
43.图3是根据本技术实施例的一种可选的基于指静脉的手指识别装置的结构框图；
44.图4是根据本技术实施例的一种可选的电子设备的结构框图。
具体实施方式
45.为了使本技术领域的人员更好地理解本技术方案，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分的实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本技术保护的范围。
46.需要说明的是，本技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
47.根据本技术实施例的一个方面，提供了一种基于指静脉的手指识别方法。可选地，在本实施例中，上述基于指静脉的手指识别方法可以应用于由终端和服务器所构成的硬件环境中。服务器通过网络与终端进行连接，可用于为终端或终端上安装的客户端提供服务(如广告推送服务、应用服务等)，可在服务器上或独立于服务器设置数据库，用于为服务器提供数据存储服务。
48.上述网络可以包括但不限于以下至少之一：有线网络，无线网络。上述有线网络可以包括但不限于以下至少之一：广域网，城域网，局域网，上述无线网络可以包括但不限于以下至少之一：wifi(wireless fidelity，无线保真)，蓝牙。终端可以并不限定于为pc、手机、平板电脑等。
49.本技术实施例的基于指静脉的手指识别方法可以由服务器来执行，也可以由终端来执行，还可以是由服务器和终端共同执行。其中，终端执行本技术实施例的基于指静脉的手指识别方法也可以是由安装在其上的客户端来执行。
50.以由终端来执行本实施例中的基于指静脉的手指识别方法为例，图1为本技术实施例提供的一种基于指静脉的手指识别方法，包括如下所述步骤：
51.步骤s101，获取对目标对象的目标指静脉进行图像采集得到的当前指静脉图像，其中，目标指静脉为当前存在伤口的目标手指的指静脉。
52.本实施例中的基于指静脉的手指识别方法可以应用于需要在通过识别指静脉进行身份认证的场景，例如：开门锁的场景、打卡的场景等，也可以是其他进行身份认证的场
景。本技术实施例中以开智能门锁的场景为例说明上述的基于指静脉的手指识别方法，对于其他类型的场景，在不矛盾的情况下，上述的基于指静脉的手指识别方法同样适用。
53.可选地，可以通过用于进行指静脉图像采集的设备采集得到目标对象的目标指静脉的当前指静脉图像。
54.目标对象可以是当前需要进行指静脉识别的用户。
55.目标指静脉可以是当前存在伤口的目标手指的指静脉。
56.目标手指可以是在未存在伤口的情况下，目标对象预先用于录入指静脉图像的手指。
57.步骤s102，查询得到与当前指静脉图像匹配的历史指静脉图像，其中，历史指静脉图像是在指定手指不存在伤口时，对指定手指的指定指静脉进行图像采集得到的指静脉图像，指定手指为预先完成指静脉信息录入的手指。
58.可选地，智能门锁可以在获取得到当前指静脉图像之后，即在mcu中查询得到与当前指静脉图像匹配的历史指静脉图像。
59.由于目标手指是存在伤口的，因此，会因伤口或血液造成当前指静脉图像中存在部分无法准确识别出指静脉血管的路径走向的部分图像区域。
60.在此情况下，即使目标手指预先已录入对应的候选指静脉图像并存储至mcu中，也无法匹配得到完全一致的候选指静脉图像。
61.因此，可以通过在所有候选指静脉图像中确定出与当前指静脉图像匹配度最高的作为该历史指静脉图像。
62.作为一种可选的实施例，查询得到与当前指静脉图像匹配的历史指静脉图像，包括如下所述步骤：
63.步骤s201，获取所有候选指静脉图像；
64.步骤s202，确定所有候选指静脉图像中每个候选指静脉图像的所有特征点与当前指静脉图像的所有特征点之间的匹配度；
65.步骤s203，按照匹配度，在所有候选指静脉图像中确定出历史指静脉图像，其中，历史指静脉图像与当前指静脉图像之间的匹配度大于或等于预设匹配度阈值。
66.可以从mcu中，获取所有预先录入，并存储在mcu中的候选指静脉图像。
67.然后分别对各个候选指静脉图像执行以下操作：提取得到候选指静脉图像中的所有特征点，以及提取得到当前指静脉图像中的所有特征点；然后将候选指静脉图像的所有特征点与当前指静脉图像进行特征点比对，并得到候选指静脉图像与当前指静脉图像之间的匹配度。
68.因此，每个候选指静脉图像都存在一个匹配度。进而可以基于该匹配度，在所有候选指静脉图像中，确定出与当前指静脉图像之间的匹配度大于或等于预设匹配度阈值的历史指静脉图像。
69.可选的，预设匹配度阈值可以是按照经验数据得到的阈值，例如，一般情况下，不同的指静脉所能达到的最大的相似度；在本实施例中，预设匹配度阈值可以是80％。
70.进一步的，在确定出历史指静脉图像之后，还可以确定出该历史指静脉图像对应的目标id，以便于后期可以基于目标id确定出目标对象的身份信息。
71.步骤s103，对当前指静脉图像中的模糊区域的血管走向进行预测，得到与模糊区
域对应的预测指静脉子图像，其中，模糊区域为当前指静脉图像中无法确定血管走向的区域。
72.在得到当前指静脉图像之后，由于目标手指是存在伤口的，因此，会因伤口或血液造成当前指静脉图像中存在部分无法准确识别出指静脉血管的路径走向的部分图像区域。因此，当前指静脉图像中会存在模糊区域，模糊区域即为当前指静脉图像中无法确定血管走向的区域。
73.当前指静脉图像中的模糊区域可以包括一个或多个，并且，在得到模糊区域之后，可以基于与模糊区域相接的其它区域(即，能够确定出血管走向的区域)中血管的走向，对模糊区域的血管走向进行预测，进而得到与模糊区域对应的预测指静脉子图像。
74.预测指静脉子图像是对应于模糊区域的部分图像，进一步的，当模糊区域存在多个的情况下，每个模糊区域都存在一个对应的预测指静脉子图像。
75.步骤s104，在历史指静脉子图像与预测指静脉子图像之间的相似度满足预设相似度阈值的情况下，确定目标手指为指定手指，其中，历史指静脉子图像为历史指静脉图像中对应于模糊区域的子图像。
76.在得到预测指静脉子图像之后，则可基于该预测指静脉子图像进一步判断目标手指是否为指定手指。
77.可选地，可以在历史指静脉图像中，确定出与模糊区域对应的历史指静脉子图像。
78.然后确定出历史指静脉子图像与预测指静脉子图像之间的相似度，然后在历史指静脉子图像与预测指静脉子图像之间的相似度满足预设相似度阈值的情况下，确定目标手指为指定手指。
79.可选地，预设相似度阈值可以取90％，此外，还可以根据实际调试取其他的阈值，在此不一一列举。
80.通过本实施例中的方法，通过对当前指静脉图像中的模糊区域的血管走向进行预测，得到与模糊区域对应的预测指静脉子图像，并进一步基于该预测指静脉子图像判断目标手指是否为指定手指，可以达到目标手指受伤的情况下，即当前指静脉图像中存在模糊区域的情况下仍然可以确定出当前指静脉图像是否为历史指静脉图像，进而可以确定出目标手指是否为指定手指，从而克服了相关技术中用户在使用过程中出现手指受伤，就会导致指静脉识别失败的技术问题。
81.作为一种可选的实施例，所述步骤s103对当前指静脉图像中的模糊区域的血管走向进行预测，得到与模糊区域对应的预测指静脉子图像，包括如下所述步骤：
82.步骤s301，以模糊区域的边缘为起始点，对模糊区域进行微分，得到连续的多个微分图像；
83.在得到模糊区域之后，可以以模糊区域的边缘作为起始点，并按照血管路径走向(例如，与模糊区域相接的其他区域的血管路径走向)对模糊区域进行微分，得到连续的多个微分图像；一般的，多个微分图像之间不存在相同部分，且多个微分图像按照血管路径走向进行拼接之后，可以还原得到该模糊区域。
84.步骤s302，将各个微分图像依次输入预设的目标深度学习算法，得到对每个微分图像中的血管路径进行预测后的预测微分图像；
85.在得到各个微分图像之后，可以将微分图像按照血管路径走向依次输入预设的目
标深度学习算法，进而通过目标深度学习算法对每个微分图像中的血管路径进行预测后的预测微分图像，即，每个微分图像存在一个对应的预测微分图像。且预测微分图像中可以确定出血管走向。
86.作为一种可选的实施例，所述步骤s302将各个微分图像依次输入预设的深度学习算法，得到对每个微分图像中的血管路径进行预测后的预测微分图像，包括如下所述步骤：
87.步骤s401，确定微分图像对应的血管路径消失点，其中，在微分图像为模糊区域的边缘的情况下，微分图像对应的血管路径消失点为清晰区域中血管路径的消失点，在微分图像不再模糊区域的边缘的情况下，微分图像对应的血管路径消失点为前一个微分图像预测得到的预测微分图像中血管路径的消失点。
88.步骤s402，将血管路径消失点以及微分图像输入目标深度学习算法，得到对微分图像中的血管路径进行预测后的预测微分图像。
89.比如在割伤处，通过图像处理后找到血管走向不清晰的地方，通过微分对不清晰的点进行血管路径分析，沿着某一点(路径消失端点)进行微分，得到微分图像。
90.然后将血管路径消失点以及微分图像输入目标深度学习算法，得到对微分图像中的血管路径进行预测后的预测微分图像；进而达到了预测出微分图像的血管路径的目的。
91.步骤s303，根据所有预测微分图像得到预测指静脉子图像。
92.在得到所有预测微分图像之后，可以将预测微分图像进行拼接，得到预测指静脉子图像。
93.作为一种可选的实施例，在将各个微分图像依次输入预设的深度学习算法，得到对每个微分图像中的血管路径进行预测后的预测微分图像之前，所述方法还包括如下所述步骤：
94.步骤s501，获取训练数据集以及验证数据集，其中，训练数据集中包括多组训练数据，验证数据集中包括多组训练数据，每组训练数据包括相互对应的血管路径消失点以及训练用微分图像。
95.可以预先采集或人为构建得到训练数据即以及验证数据集，其中，练数据集中包括多组训练数据，验证数据集中包括多组训练数据，且练数据集中的训练数据是用于对待训练深度学习算法进行训练的，验证数据集中包括多组训练数据是用于对训练后的待训练深度学习算法进行验证的。
96.每组训练数据包括相互对应的血管路径消失点以及训练用微分图像，血管路径消失点可以是训练用微分图像中的起始位置，也可以是训练用微分图像相接的清晰图像中的位置。
97.步骤s502，通过训练数据集对待训练深度学习算法进行训练，得到训练后深度学习算法。
98.在得到训练数据集之后，即可通过村联数据集中的一组或多组训练数据对待训练深度学习算法进行训练，得到训练后深度学习算法。
99.步骤s503，在通过验证数据集对训练后深度学习算法进行验证，并确定训练后深度学习算法满足预设精度要求的情况下，将训练后深度学习算法确定为目标深度学习算法。
100.在通过预设数量的训练数据对待训练深度学习算法进行训练，并得到训练后深度
学习算法之后，即可通过验证数据集对训练后深度学习算法进行验证；当确定训练后深度学习算法满足预设精度要求的情况下，将训练后深度学习算法确定为目标深度学习算法；反之，当确定训练后深度学习算法不满足预设精度要求的情况下，继续通过训练数据集对该训练后深度学习算法进行训练，直至最终得到的训练后深度学习算法满足预设精度要求为止。
101.预设精度要求可以是用于指示训练后深度学习算法的预测精度的阈值，例如95％、90％等等，可以根据实际应用场景进行选择，在此不一一列举。
102.作为一种可选的实施例，所述步骤s104在历史指静脉子图像与预测指静脉子图像之间的相似度满足预设相似度阈值的情况下，确定目标手指为指定手指，包括如下所述步骤：
103.步骤s601，确定历史指静脉子图像的第一血管走向信息，以及预测指静脉子图像的第二血管走向信息；
104.步骤s602，在第一血管走向信息与第二血管走向信息之间满足预设相似度阈值的情况下，确定目标手指为指定手指。
105.在得到历史指静脉子图像以及预测指静脉子图像之后，即可确定出历史指静脉子图像的第一血管走向信息，以及预测指静脉子图像的第二血管走向信息。
106.可选的，可以通过确定出历史指静脉子图像的第一特征点，然后确定各个第一特征点之间的走向，得到第一血管走向信息；相似的，可以通过确定出预测指静脉子图像的第二特征点，然后确定各个第二特征点之间的走向，得到第二血管走向信息。
107.在得到第一血管走向信息与第二血管走向信息之后，即可通过对第一血管走向信息与第二血管走向信息进行相似度匹配，第一血管走向信息与第二血管走向信息之间满足预设相似度阈值的情况下，确定目标手指为指定手指。
108.预设相似度可以是预先设定的用于指示历史指静脉子图像以及预测指静脉子图像相似的最小值，例如，预设相似度阈值可以取90％，此外，还可以根据实际调试取其他的阈值，在此不一一列举。
109.作为一种可选的实施例，在确定目标手指为指定手指之后，方法还包括：
110.在当前指静脉图像用于对锁具进行开锁的情况下，控制锁具的电机运行，以对锁具进行开锁。
111.在确定目标手指为指定手指之后，由于指定手指是预先录入有历史指静脉图像的手指，因此，可以说明指定手指预先已完成信息录入，进而可以在当前指静脉图像用于对锁具进行开锁的情况下，控制锁具的电机运行，以对锁具进行开锁。
112.如图2所示，提供一种应用前述任一实施例的应用例：
113.1.通过图像采集获取手指图像，并将手指图像存储在mcu中，识别时，读取用户手指的当前指静脉图像，并根据判断mcu中是否存在有80％及以上相似的特征点的历史指静脉图像，判断是否进行下一步图像算法。
114.2.与mcu存储的图像对比，根据图像分割算法找出有80％(即，预设匹配度阈值为80％)相似特征点的历史指静脉图像，将该历史指静脉图像对应的用户id筛选出来。手指受伤后，在识别过程中有伤口会影响到识别，图像对比发现当前指静脉图像与历史指静脉图像至少有80％相似特征点之处，将当前指静脉图像进行进一步分割处理，将相同区域分割
出来，不同区域，如图像血管有断续或者不清晰时，对不完整区域(即模糊区域)进行进一步分割处理。
115.3.将存在不完整区域的图像，在指静脉血管相同区域的边缘，根据血管的路径走向，沿血管路径走向进行微分，利用深度学习算法对局部路径的方向判断血管走向，根据血管不同的走向与历史指静脉图像对应区域图像进行对比分析，若达到与历史指静脉图像对应区域图像相似的预设相似度阈值，则可以进一步判断，是否为已录入的指静脉。
116.4.根据血管走向阈值判断，如多个不完整区域根据分割算法都可以达到与之前筛选出的id录入图像(即，历史指静脉图像)相似的预设相似度阈值，则认为此手指为用户已录入手指；并可以控制电机进行开锁。
117.需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本技术并不受所描述的动作顺序的限制，因为依据本技术，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本技术所必须的。
118.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如rom(read-only memory，只读存储器)/ram(random access memory，随机存取存储器)、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本技术各个实施例所述的方法。
119.根据本技术实施例的另一个方面，还提供了一种用于实施上述基于指静脉的手指识别方法的基于指静脉的手指识别装置。图3是根据本技术实施例的一种可选的基于指静脉的手指识别装置的结构框图，如图3所示，该装置可以包括：
120.获取模块1，用于获取对目标对象的目标指静脉进行图像采集得到的当前指静脉图像，其中，目标指静脉为当前存在伤口的目标手指的指静脉；
121.查询模块2，用于查询得到与当前指静脉图像匹配的历史指静脉图像，其中，历史指静脉图像是在指定手指不存在伤口时，对指定手指的指定指静脉进行图像采集得到的指静脉图像，指定手指为预先完成指静脉信息录入的手指；
122.预测模块3，用于对当前指静脉图像中的模糊区域的血管走向进行预测，得到与模糊区域对应的预测指静脉子图像，其中，模糊区域为当前指静脉图像中无法确定血管走向的区域；
123.确定模块4，用于在历史指静脉子图像与预测指静脉子图像之间的相似度满足预设相似度阈值的情况下，确定目标手指为指定手指，其中，历史指静脉子图像为历史指静脉图像中对应于模糊区域的子图像。
124.需要说明的是，该实施例中的获取模块1可以用于执行上述步骤s101，该实施例中的查询模块2可以用于执行上述步骤s102，该实施例中的预测模块3可以用于执行上述步骤s103，该实施例中的确定模块4可以用于执行上述步骤s104。
125.本实施例中的装置，除包含上述模块之外，还可以包含执行如前述任一基于指静
脉的手指识别方法的实施例中任意方法的模块。
126.此处需要说明的是，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在实现如图1所示方法的硬件环境中，可以通过软件实现，也可以通过硬件实现，其中，硬件环境包括网络环境。
127.根据本技术实施例的又一个方面，还提供了一种用于实施上述基于指静脉的手指识别方法的电子设备，该电子设备可以是服务器、终端、或者其组合。
128.根据本技术的另一个实施例，还提供一种电子设备，包括：如图4所示，电子设备可以包括：处理器1501、通信接口1502、存储器1503和通信总线1504，其中，处理器1501，通信接口1502，存储器1503通过通信总线1504完成相互间的通信。
129.存储器1503，用于存放计算机程序；
130.处理器1501，用于执行存储器1503上所存放的程序时，实现如下步骤：
131.步骤s101，获取对目标对象的目标指静脉进行图像采集得到的当前指静脉图像，其中，目标指静脉为当前存在伤口的目标手指的指静脉。
132.步骤s102，查询得到与当前指静脉图像匹配的历史指静脉图像，其中，历史指静脉图像是在指定手指不存在伤口时，对指定手指的指定指静脉进行图像采集得到的指静脉图像，指定手指为预先完成指静脉信息录入的手指。
133.步骤s103，对当前指静脉图像中的模糊区域的血管走向进行预测，得到与模糊区域对应的预测指静脉子图像，其中，模糊区域为当前指静脉图像中无法确定血管走向的区域。
134.步骤s104，在历史指静脉子图像与预测指静脉子图像之间的相似度满足预设相似度阈值的情况下，确定目标手指为指定手指，其中，历史指静脉子图像为历史指静脉图像中对应于模糊区域的子图像。
135.可选地，在本实施例中，上述的通信总线可以是pci(peripheral component interconnect，外设部件互连标准)总线、或eisa(extended industry standard architecture，扩展工业标准结构)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。通信接口用于上述电子设备与其他设备之间的通信。
136.存储器可以包括随机存取存储器(random access memory，ram)，也可以包括非易失性存储器(non-volatile memory，nvm)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
137.上述处理器可以是通用处理器，可以包含但不限于：cpu(central processing unit，中央处理器)、np(network processor，网络处理器)等；还可以是dsp(digital signal processor，数字信号处理器)、asic(application specific integrated circuit，专用集成电路)、fpga(field－programmable gate array，现场可编程门阵列)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
138.本技术实施例还提供一种计算机可读存储介质，存储介质包括存储的程序，其中，程序运行时执行上述方法实施例的方法步骤。
139.可选地，在本实施例中，上述存储介质可以包括但不限于：u盘、rom、ram、移动硬
盘、磁碟或者光盘等各种可以存储程序代码的介质。
140.上述本技术实施例序号仅仅为了描述，不代表实施例的优劣。
141.上述实施例中的集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在上述计算机可读取的存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在存储介质中，包括若干指令用以使得一台或多台计算机设备(可为个人计算机、服务器或者网络设备等)执行本技术各个实施例所述方法的全部或部分步骤。
142.在本技术的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
143.在本技术所提供的几个实施例中，应该理解到，所揭露的客户端，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
144.所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例中所提供的方案的目的。
145.另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
146.以上所述仅是本技术的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本技术原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本技术的保护范围。