买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉苏州渤远弘电子有限公司申请的专利一种基于掌静脉的身份识别测试人体静电的方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120514372B 。

龙图腾网通过国家知识产权局官网在2025-10-24发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511014436.0，技术领域涉及：A61B5/1171；该发明授权一种基于掌静脉的身份识别测试人体静电的方法及系统是由赵彦文设计研发完成，并于2025-07-23向国家知识产权局提交的专利申请。

本一种基于掌静脉的身份识别测试人体静电的方法及系统在说明书摘要公布了：本发明公开了一种基于掌静脉的身份识别测试人体静电的方法及系统，涉及图像识别技术领域，系统包括图像采集模块、特征融合模块、身份识别模块、静电测试模块和状态显示模块，本发明通过时空域光强分布模型检测微循环搏动，量化光强变化率，从而建立活体检测机制，并通过多光谱融合技术进行精准识别，采用多波长红外光采集掌静脉图像，弥补单一波段成像缺陷，提高抗干扰能力，提升特征提取精度；通过整合多源图像的光强参数HSV和颜色参数RGB，构建融合图像，通过掌静脉图像特征识别匹配，对测试人员身份进行对比判定，增强静脉纹路辨识度，降低识别偏差，且安全等级高、测试时间短，为企业大数据时代提供更加可靠的精准的数据分析。

本发明授权一种基于掌静脉的身份识别测试人体静电的方法及系统在权利要求书中公布了：1.一种基于掌静脉的身份识别测试人体静电的方法，其特征在于：包括以下步骤： 步骤一，搭建掌静脉数据库：通过对N0个测试人员的掌静脉进行图像采集，获取测试人员的掌静脉存储图像，并将测试人员的掌静脉存储图像与相应的身份信息存储到掌静脉数据库； 步骤二，采集掌静脉多源图集：建立多光谱采集模型，通过n种波长的红外线对测试人员的手掌进行掌静脉采集，获取n种波长的红外线采集的掌静脉初始图像，并整合标记为掌静脉多源图集； 步骤三，生成掌静脉融合图像：通过掌静脉初始图像进行采集掌静脉特征，掌静脉特征包括光强参数和颜色参数；通过掌静脉多源图集的掌静脉特征，整合构建掌静脉融合图像； 步骤四，判定人员身份属性：通过掌静脉融合图像与掌静脉存储图像进行对比，获取图像融合偏差指数，从而判定测试人员属性并调用相应的身份信息； 步骤五，判定人体静电状态：通过静电测试装置发出电流，通过人体右脚进入经过人体之后由左脚流出回到仪器，测算出人体电阻值； 步骤六，展示人员身份属性和人体静电状态； 建立多光谱采集模型的具体过程为： 通过红外LED阵列发射多光谱的红外线并采集掌静脉初始图像Pi：掌静脉初始图像Pi包括三维轮廓纹理和二维分布图形，构建三维掌静脉模型识别静脉纹路和掌部几何形态； 通过掌静脉区域光强A1与掌静脉周围组织区域光强A2进行对比，获取成像对比度Cp，判定掌静脉初始图像Pi的成像质量； 将掌静脉区域光强标记为A1，将掌静脉周围组织区域光强标记为A2，从而获取成像对比度Cp； 设置成像对比度Cp的阈值c0，当掌静脉初始图像Pi的成像对比度Cp不低于阈值c0时，则判定掌静脉初始图像Pi的成像质量合格； 建立时空域光强分布模型，通过掌静脉初始图像Pi构建三维掌静脉立体模型，将三维掌静脉立体模型的任一点E的坐标标记为x，y，z，将点E的光强标记为Ae，设置微循环检测时长Tw，获取光强变化率Da； 设置光强变化率Da的阈值D0，当掌静脉初始图像Pi的光强变化率Da超出阈值D0时，则判定掌静脉初始图像Pi的微循环搏动检测合格； 通过设置n种波长的红外线对测试人员的手掌进行掌静脉采集，将任一种波长i的红外线标记为I，将红外线I采集的掌静脉初始图像标记为Pi，将n种波长的红外线采集的掌静脉初始图像整合标记为掌静脉多源图集； 通过掌静脉初始图像采集掌静脉特征，具体过程如下： 掌静脉特征包括光强参数和颜色参数，光强参数是指HSV值，颜色参数是指RGB值； HSV值包括色调值、饱和度值、明度值； RGB值包括红色值、绿色值、蓝色值； 通过掌静脉多源图集的掌静脉特征，整合构建掌静脉融合图像； 将n种波长的红外线采集的掌静脉初始图像进行归一化处理，使得图像的宽、高和像素一致，并将n个图像代入同一坐标系，同步提取掌静脉多源图集的坐标相同的像素点； 通过掌静脉初始图像Pi提取m0个像素点，将任一个像素点标记为i，采集像素点i的掌静脉特征； 将掌静脉多源图集的n种掌静脉初始图像的掌静脉特征进行加权平均，从而整合生成掌静脉融合图像； 掌静脉融合图像与掌静脉存储图像进行对比的具体过程为： 将掌静脉融合图像标记为Pf，将掌静脉存储图像标记为Ps，并对两个图像尺寸进行归一化处理，再将掌静脉融合图像Pf和掌静脉存储图像Ps代入同一坐标系； 通过SIFT算法对掌静脉融合图像Pf和掌静脉存储图像Ps进行关键点提取，获取图像的关键点集，将关键点数量标记为m1； 通过SIFT算法计算关键点周围区域的梯度直方图，生成128维的特征描述子，再通过关键点集Upf与Ups之间的特征描述子计算欧式距离，并将欧式距离最短的两个关键点作为匹配点对，搭建初始匹配点对集合Mfs，将初始匹配点对集合Mfs的任一组匹配点对的坐标标记为[Xk，Yk，Xq，Yq]； 通过欧式距离计算匹配点对的RGB偏差系数和HSV偏差系数，进而综合获取图像RGB差异评分和图像HSV差异评分，分别评估图像RGB差异程度和图像HSV差异程度； 设置RGB偏差系数和HSV偏差系数的阈值，并分别标记为、； 当匹配点对的RGB偏差系数低于且HSV偏差系数低于时，则提取该组匹配点对，并将其标记为优化点对； 从而提取初始匹配点对集合Mfs的全部优化点对，并建立优化点对集合Mp； 将优化点对集合Mp的优化点对数量标记为Nmp，将初始匹配点对集合Mfs的匹配点对数量标记为Nfs，由此计算图像SIFT偏差评分； 进而综合评估图像融合偏差程度，并进行人员身份判定。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人苏州渤远弘电子有限公司，其通讯地址为：215000 江苏省苏州市高新区长江路556号1幢1114室-1；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。