專利名稱：基于手掌靜脈與掌紋的近紅外成像設(shè)備與身份識別方法
技術(shù)領(lǐng)域：
本發(fā)明涉及人體生物特征識別技術(shù)，具體涉及一種捕獲近紅外光源照射下的手掌靜脈和掌紋圖像的技術(shù)。
背景技術(shù)：
隨著社會發(fā)展，尤其是電子信息的快速發(fā)展，人們對安防產(chǎn)品的需求正越來越多。其中基于生物特征識別技術(shù)的產(chǎn)品的開發(fā)和使用在高速發(fā)展。生物特征識別技術(shù)是依據(jù)人的體貌、聲音等生物特征進(jìn)行身份驗(yàn)證的科學(xué)解決方案，現(xiàn)有的生物特征識別技術(shù)大致上包括指紋識別技術(shù)；掌紋識別技術(shù)；視網(wǎng)膜識別技術(shù)；虹膜識別技術(shù)；面相識別技術(shù)，聲音識別技術(shù)、筆跡識別技術(shù)等。生物識別技術(shù)的優(yōu)勢包括1、減少、消除身份假冒，進(jìn)行真實(shí)身份的確認(rèn)；2、降低管理成本，取代了身份人工認(rèn)證過程；3、方便使用者，減少或消除了使用卡，鑰匙或者密碼等麻煩。
但是眼睛虹膜、指紋等這些人體識別技術(shù)卻容易被仿冒且容易取得，而手掌靜脈位于手掌表皮以下，難以偽造。利用血紅素在人體內(nèi)的作用是為細(xì)胞供氧，從而進(jìn)行有氧代謝，還原血紅蛋白吸收附近的紅處線的原理，采用紅外光源照射手掌，取得的圖片中有血紅蛋白的地方顯示成黑色，其余則為白色。
然而，極少數(shù)人手表皮十分厚，難以取得清晰的紅外血管圖像。而且靜脈血管容易受到溫度的影響而產(chǎn)生縮放，導(dǎo)致獲取的圖像質(zhì)量不夠穩(wěn)定、或包含的有效身份鑒別信息不夠豐富。這些缺點(diǎn)在一定程度上限制了手掌靜脈識別系統(tǒng)的應(yīng)用。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種能夠克服圖像特征較少，處理單一的缺點(diǎn)，提高系統(tǒng)的識別率和穩(wěn)定性基于手掌靜脈與掌紋的近紅外成像設(shè)備與身份識別方法。
本發(fā)明的身份識別方法為首先利用近紅外成像設(shè)備獲取一幅手掌圖像，提取出需處理的中心子塊樣本，將該子塊輸入到兩個(gè)特征提取模塊中類掌紋信息編碼和靜脈血管結(jié)構(gòu)提取，然后兩個(gè)特征分別進(jìn)行匹配，采用不同的相似度評價(jià)方法對兩種特征分別計(jì)算各自的相似度，根據(jù)訓(xùn)練樣本，得到類掌紋和靜脈血管結(jié)構(gòu)的最優(yōu)加權(quán)組合，然后將兩個(gè)相似度進(jìn)行相似度級的融合，最后將融合后的相似度根據(jù)預(yù)先設(shè)定的閾值進(jìn)行決策比較，結(jié)合融合的匹配做出最終判定。
本發(fā)明身份識別方法還有這樣一些技術(shù)特征 1、所述的對采集到的圖像進(jìn)行處理時(shí)，既提取圖像中的類掌紋信息，又提取靜脈血管結(jié)構(gòu)信息，并對這兩種特征信息進(jìn)行融合； 2、所述的采用競爭編碼方式提取圖像中的類掌紋信息，對提取的類掌紋信息用角度相似性評價(jià)相似度； 3、所述的采用多尺度高斯匹配濾波器提取圖像中的靜脈血管結(jié)構(gòu)，在計(jì)算相似度時(shí)，統(tǒng)計(jì)血管重疊的百分比，其中，采用多尺度高斯匹配濾波器提取圖像中的靜脈血管結(jié)構(gòu)的方法為 其中，多尺度多方向的高斯匹配濾波器定義為 gφ，s＝-exp(-x′/sσx)-m，當(dāng)|x′|≤3sσx，|y′|≤sL/2 x′＝xcosφ+ysinφ，y′＝-xsinφ+ycosφ 其中，φ是濾波器方向，σx是高斯的標(biāo)準(zhǔn)差，m是濾波器的均值，L是濾波器在y方向的長度，濾波器選取范圍在|x′|≤3sσx，|y|′≤sL/2的離散部分； 首先用n個(gè)角度的同一尺度的高斯匹配濾波器對圖像進(jìn)行卷積 其中f(x，y)是原始圖像，*表示卷積操作； 然后從這n個(gè)角度選取最大的相應(yīng)最為該尺度下的響應(yīng) 為了有效抑制噪聲，k個(gè)尺度下的濾波器響應(yīng)定義為 最后對R進(jìn)行二值化，得到靜脈血管結(jié)構(gòu)圖像。
4、所述的計(jì)算兩個(gè)靜脈血管結(jié)構(gòu)圖像的匹配度的方法為
其中A，B為兩幅二值化的靜脈圖像，(x，y)表示圖像中一個(gè)像素。
5、所述的采用競爭編碼方式提取圖像中的類掌紋信息的步驟包括使用了六個(gè)不同方向的Gabor濾波器的實(shí)部，ψR，每一個(gè)濾波器有不同的方向，θj＝j(luò)π/6，j＝{0，1，2，3，4，5}，將響應(yīng)最小的那一個(gè)方向作為每個(gè)象素的線方向，argminj(I(x，y)*ψR(x，y，ω，θ))作為競爭編碼，Gabor濾波器定義如下 x′＝(x-x0)cosθ+(y-y0)sinθ，y′＝-(x-x0)sinθ+(y-y0)cosθ 其中(x0，y0)是濾波器的中心，ω是濾波器的徑向頻率，θ是濾波器的徑向方向，κ是與σ相關(guān)的變量，σ是頻率響應(yīng)中半幅值的帶寬。
6、所述的根據(jù)每個(gè)象素角度的差異，計(jì)算兩幅圖片的相似度
其中∩表示與操作，P，Q表示兩個(gè)圖片的競爭編碼，PM和QM是競爭編碼中用來表示哪些像素是真實(shí)有效的掌紋信息的掩碼。
7、所述的決策比較中如果融合后的相似度大于閾值則一對一的身份驗(yàn)證或一對多的身份識別決策成功，否則決策失敗。
本發(fā)明的近紅外成像設(shè)備是由數(shù)碼攝像機(jī)1、紅外光源2、通訊接口3、計(jì)算機(jī)4和儀器箱體5組成，儀器箱體5上設(shè)置有手掌放置區(qū)，數(shù)碼攝像機(jī)1經(jīng)通訊接口3與計(jì)算機(jī)4相聯(lián)接，數(shù)碼攝像機(jī)頭1與手掌放置區(qū)內(nèi)側(cè)垂直，儀器箱體5內(nèi)設(shè)置有暗室，內(nèi)裝有數(shù)碼攝像機(jī)1和紅外光源2。
本發(fā)明近紅外成像設(shè)備還有這樣一些技術(shù)特征 1、所述的紅外光源2為環(huán)繞數(shù)碼攝像頭1的環(huán)形近紅外光源。
為了有效限制上述問題對手掌血管成像的影響，結(jié)合已經(jīng)獲得認(rèn)可和成功的掌紋識別技術(shù)，本發(fā)明提供一種設(shè)備與系統(tǒng)。該設(shè)備能夠在采集手掌靜脈的同時(shí)獲取到部分穩(wěn)定的掌紋信息，然后把豐富的掌紋特征信息和靜脈特征信息進(jìn)行融合，這樣就能夠克服圖像特征較少，處理單一的缺點(diǎn)，提高系統(tǒng)的識別率和穩(wěn)定性。
本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是采取近紅外光源主動照射手掌表面，利用數(shù)碼攝像機(jī)采集近紅外圖像，這樣采集到的圖像中既有豐富的靜脈血管信息，同時(shí)也有部分掌紋信息。接著對采集到的圖像分別進(jìn)行類掌紋特征提取和靜脈特征提取，然后根據(jù)這兩組特征分別進(jìn)行各自的匹配度，采用加權(quán)的融合，計(jì)算出最終的相似度，與預(yù)先設(shè)定的相似度閾值進(jìn)行比較，做出最終的身份認(rèn)證結(jié)果。
其中近紅外成像設(shè)備是用高質(zhì)量的近紅外數(shù)碼照相機(jī)在近紅外光照明下進(jìn)行圖像采集，采集到的圖像既含有豐富的靜脈血管特征，同時(shí)也含有部分掌紋信息。然后將輸入圖像進(jìn)行兩種獨(dú)立的特征提取和匹配，一種是對圖像中的靜脈血管的信息提取與匹配，另一種是采用類掌紋的特征編碼與匹配。然后計(jì)算各自特征的匹配度，根據(jù)不同的權(quán)重融合，最后與預(yù)先設(shè)置的閾值進(jìn)行比較，做出最終決策。本發(fā)明的成像設(shè)備和識別系統(tǒng)能夠較好的提高傳統(tǒng)掌紋識別系統(tǒng)的識別率和穩(wěn)定性。
本發(fā)明的優(yōu)點(diǎn)在于能夠更好的開發(fā)和利用手掌信息，不僅能夠克服了手掌靜脈不清晰或者不穩(wěn)定的缺點(diǎn)，從而有效的提高身份識別系統(tǒng)的穩(wěn)定性和識別率，還有效避免傳統(tǒng)的掌紋識別容易被偽造的不足。


圖1是本發(fā)明的設(shè)備結(jié)構(gòu)圖。
圖2-圖3是設(shè)備與系統(tǒng)采集到的兩幅不同手掌圖像。
圖3是身份識別系統(tǒng)處理的流程圖。
圖4是系統(tǒng)截取到的掌紋圖像中心子塊。
圖5是從圖4提取到的靜脈特征圖像。
圖6是從圖4提取到的類掌紋特征圖像 具體實(shí)施例方式 下面結(jié)合附圖和具體實(shí)施例對本發(fā)明進(jìn)一步說明。
圖1中包括數(shù)碼攝像機(jī)1，近紅外光源2，通訊接口3，計(jì)算機(jī)4和儀器箱體5。
數(shù)碼攝像機(jī)1是本發(fā)明的一個(gè)重要組成部分，它用來獲取掌紋圖像，并通過通訊接口3將獲得的圖像傳送到計(jì)算機(jī)4中；紅外光源2直接影響圖像的采集效果，由于人的手掌的各個(gè)部位對光線的反射能力不均就容易造成獲取的掌紋圖像有的部分過亮而有的部分過暗，本發(fā)明采用環(huán)繞數(shù)碼攝像機(jī)1的環(huán)形光源，以確保得到對手掌的均勻而穩(wěn)定的光照條件；通訊接口3采用標(biāo)準(zhǔn)的PCI或USB接口來實(shí)現(xiàn)與計(jì)算機(jī)的信息交互；計(jì)算機(jī)4采用普通個(gè)人機(jī)或嵌入式系統(tǒng)；儀器箱體5形成暗室結(jié)構(gòu)，阻隔外界環(huán)境光的干擾，并把數(shù)碼攝像機(jī)1和紅外光源2裝入箱體，以得到較好的采集效果。
紅外光源2的主要用途是使手掌靜脈和掌紋在攝像機(jī)中成像，醫(yī)學(xué)研究表明波長在700nm～1000nm的近紅外光譜區(qū)的光對人體組織有較強(qiáng)的穿透能力，人體血液中的氧合血紅蛋白和還原血紅蛋白在750nm～900nm的波長范圍內(nèi)的吸收率相對較高，而人體組織中的水在這個(gè)波長范圍內(nèi)吸收率相對較低，所以在近紅外光源的照射下，手掌靜脈部分會因?yàn)閷饩€有較多的吸收而呈暗色，同時(shí)手掌其它組織細(xì)胞由于水的反射作用而呈現(xiàn)亮色，這樣就可以得到手掌靜脈的圖像，依據(jù)上述紅外成像原理并經(jīng)過大量實(shí)驗(yàn)，選取波長為890nm的紅外LED陣列作為紅外光源，既可以取到比較清晰的靜脈圖像又可以保證獲得部分掌紋信息。
采集圖像時(shí)，用戶的手掌水平放置到圖1中的手掌位置，掌心向下，使數(shù)碼攝像機(jī)1正對用戶的掌心。在確保計(jì)算機(jī)和采集設(shè)備正常連接之后，開啟計(jì)算機(jī)3、數(shù)碼攝像機(jī)1和紅外光源2的電源，調(diào)整數(shù)碼攝像機(jī)1的視距和焦距，以便在計(jì)算機(jī)4內(nèi)獲得清晰可見的掌紋和靜脈圖像。圖2-圖3是用本發(fā)明儀器獲得的不同手掌圖像樣本。
本發(fā)明的身份識別方法是利用上述設(shè)備獲取到的手掌圖像。圖4是本發(fā)明身份認(rèn)證系統(tǒng)的流程圖。首先用數(shù)碼攝像機(jī)獲取一幅手掌圖像，然后利用算法取到感興趣的中心子塊。圖5是提取出的手掌中心子塊的樣本。將該子圖分別輸入到兩個(gè)特征提取模塊中類掌紋編碼和靜脈提取。采用不同的相似度評價(jià)方法對兩種特征分別計(jì)算各自的相似度。根據(jù)訓(xùn)練樣本，得到類掌紋和靜脈的最優(yōu)加權(quán)組合，然后將兩個(gè)相似度進(jìn)行相似度級的融合。最后將融合后的相似度同預(yù)先設(shè)定的閾值進(jìn)行比較，如果大于閾值則身份驗(yàn)證(一對一)或身份識別(一對多)成功，否則失敗。
觀察靜脈血管圖像切面發(fā)現(xiàn)其分布與高斯比較相像，因此用多尺度多方向的高斯匹配濾波器提取血管結(jié)構(gòu)。多尺度多方向的高斯匹配濾波器定義為 gφ，s＝-exp(-x′/sσx)-m，當(dāng)|x′|≤3sσx，|y′|≤sL/2 x′＝xcosφ+ysinφ，y′＝-xsinφ+ycosφ 其中，φ是濾波器方向，σx是高斯的標(biāo)準(zhǔn)差，m是濾波器的均值，L是濾波器在y方向的長度，濾波器選取范圍在|x′|≤3sσx，|y′|≤sL/2的離散部分。
首先用n個(gè)角度的同一尺度的高斯匹配濾波器對圖像進(jìn)行卷積 其中f(x，y)是原始圖像，*表示卷積操作。
然后從這n個(gè)角度選取最大的相應(yīng)最為該尺度下的響應(yīng) 為了有效抑制噪聲，k個(gè)尺度下的濾波器響應(yīng)定義為 通過對R進(jìn)行二值化，并進(jìn)行一些數(shù)學(xué)形態(tài)學(xué)的操作?？梢缘玫奖容^真實(shí)的血管結(jié)構(gòu)圖像，圖6是用多尺度高斯匹配濾波器提取到的血管圖像樣本。
最后通過下面的共識計(jì)算兩個(gè)血管圖像的匹配度
其中A，B為兩幅二值化的靜脈圖像，(x，y)表示圖像中一個(gè)像素。
Gabor濾波器在計(jì)算機(jī)視覺，圖像處理領(lǐng)域取得了廣泛的應(yīng)用和巨大成功。代表最先進(jìn)的掌紋識別算法之一的競爭編碼就是利用Gabor濾波器的實(shí)部。Gabor濾波器定義如下 x′＝(x-x0)cosθ+(y-y0)sinθ，y′＝-(x-x0)sinθ+(y-y0)cosθ 其中(x0，y0)是濾波器的中心，ω是濾波器的徑向頻率，θ是濾波器的徑向方向，κ是與σ相關(guān)的變量，σ是頻率響應(yīng)中半幅值的帶寬。
為了提取類掌紋線的方向信息，競爭編碼使用了六個(gè)不同方向的Gabor濾波器的實(shí)部，ψR，每一個(gè)濾波器有不同的方向，θj＝j(luò)π/6，j＝{0，1，2，3，4，5}。根據(jù)掌紋屬于圖像中暗線這一特點(diǎn)，響應(yīng)最小的那一個(gè)方向作為每個(gè)象素的線方向，argminj(I(x，y)*ψR(x，y，ω，θ))作為競爭編碼。圖7給出一個(gè)用競爭編碼得到的類掌紋特征。
根據(jù)每個(gè)象素角度的差異，計(jì)算兩幅圖片的相似度
其中∩表示與操作，P，Q表示兩個(gè)圖片的競爭編碼，PM和QM是競爭編碼的掩碼，由于有時(shí)部分手旋轉(zhuǎn)或平移過大，取到的中心子塊有時(shí)在手掌以外，用掩碼來表示哪些像素是真實(shí)有效的掌紋信息。
權(quán)利要求
1、一種基于手掌靜脈與掌紋的近紅外成像身份識別方法，其特征在于首先利用近紅外成像設(shè)備獲取一幅手掌圖像，提取出需處理的中心子塊樣本，將該子塊輸入到兩個(gè)特征提取模塊中類掌紋信息編碼和靜脈血管結(jié)構(gòu)提取，然后兩個(gè)特征分別進(jìn)行匹配，采用不同的相似度評價(jià)方法對兩種特征分別計(jì)算各自的相似度，根據(jù)訓(xùn)練樣本，得到類掌紋和靜脈血管結(jié)構(gòu)的最優(yōu)加權(quán)組合，然后將兩個(gè)相似度進(jìn)行相似度級的融合，最后將融合后的相似度根據(jù)預(yù)先設(shè)定的閾值進(jìn)行決策比較，結(jié)合融合的匹配做出最終判定。
2、根據(jù)權(quán)利要求1所述的基于手掌靜脈與掌紋的近紅外成像身份識別方法，其特征在于所述的對采集到的圖像進(jìn)行處理時(shí)，既提取圖像中的類掌紋信息，又提取靜脈血管結(jié)構(gòu)信息，并對這兩種特征信息進(jìn)行融合。
3、根據(jù)權(quán)利要求2所述的基于手掌靜脈與掌紋的近紅外成像身份識別方法，其特征在于所述的采用競爭編碼方式提取圖像中的類掌紋信息，對提取的類掌紋信息用角度相似性評價(jià)相似度。
4、根據(jù)權(quán)利要求3所述的基于手掌靜脈與掌紋的近紅外成像身份識別方法，其特征在于所述的采用多尺度高斯匹配濾波器提取圖像中的靜脈血管結(jié)構(gòu)，在計(jì)算相似度時(shí)，統(tǒng)計(jì)血管重疊的百分比，其中，采用多尺度高斯匹配濾波器提取圖像中的靜脈血管結(jié)構(gòu)的方法為
多尺度多方向的高斯匹配濾波器定義為
gφ，s＝-exp(-x′/sσx)-m，當(dāng)|x′|≤3sσx，|y′|≤sL/2
x′＝xcosφ+ysinφ，y′＝-xsinφ+ycosφ
其中，φ是濾波器方向，σx是高斯的標(biāo)準(zhǔn)差，m是濾波器的均值，L是濾波器在y方向的長度，濾波器選取范圍在|x′|≤3sσx，|y′|≤sL/2的離散部分；
首先用n個(gè)角度的同一尺度的高斯匹配濾波器對圖像進(jìn)行卷積
其中f(x，y)是原始圖像，*表示卷積操作；
然后從這n個(gè)角度選取最大的相應(yīng)最為該尺度下的響應(yīng)
為了有效抑制噪聲，k個(gè)尺度下的濾波器響應(yīng)定義為
最后對R進(jìn)行二值化，得到靜脈血管結(jié)構(gòu)圖像。
5、根據(jù)權(quán)利要求4所述的基于手掌靜脈與掌紋的近紅外成像身份識別方法，其特征在于所述的計(jì)算兩個(gè)靜脈血管結(jié)構(gòu)圖像的匹配度的方法為
其中A，B為兩幅二值化的靜脈圖像，(x，y)表示圖像中一個(gè)像素。
6、根據(jù)權(quán)利要求5所述的基于手掌靜脈與掌紋的近紅外成像身份識別方法，其特征在于所述的采用競爭編碼方式提取圖像中的類掌紋信息的步驟包括使用了六個(gè)不同方向的Gabor濾波器的實(shí)部，ψR，每一個(gè)濾波器有不同的方向，θj＝j(luò)π/6，j＝{0，1，2，3，4，5}，將響應(yīng)最小的那一個(gè)方向作為每個(gè)象素的線方向，argminj(I(x，y)*ψR(x，y，ω，θ))作為競爭編碼，Gabor濾波器定義如下
x′＝(x-x0)cosθ+(y-y0)sinθ，y′＝-(x-x0)sinθ+(y-y0)cosθ
其中(x0，y0)是濾波器的中心，ω是濾波器的徑向頻率，θ是濾波器的徑向方向，κ是與σ相關(guān)的變量，σ是頻率響應(yīng)中半幅值的帶寬。
7、根據(jù)權(quán)利要求6所述的基于手掌靜脈與掌紋的近紅外成像身份識別方法，其特征在于所述的根據(jù)每個(gè)象素角度的差異，計(jì)算兩幅圖片的相似度
其中∩表示與操作，P，Q表示兩個(gè)圖片的競爭編碼，PM和QM是競爭編碼中用來表示哪些像素是真實(shí)有效的掌紋信息的掩碼。
8、根據(jù)權(quán)利要求7所述的基于手掌靜脈與掌紋的近紅外成像身份識別方法，其特征在于所述的決策比較中如果融合后的相似度大于閾值則一對一的身份驗(yàn)證或一對多的身份識別決策成功，否則決策失敗。
9、一種基于手掌靜脈與掌紋的近紅外成像設(shè)備，它是由數(shù)碼攝像機(jī)(1)、紅外光源(2)、通訊接口(3)、計(jì)算機(jī)(4)和儀器箱體(5)組成，其特征在于儀器箱體(5)上設(shè)置有手掌放置區(qū)，數(shù)碼攝像機(jī)(1)經(jīng)通訊接口(3)與計(jì)算機(jī)(4)相聯(lián)接，數(shù)碼攝像機(jī)頭(1)與手掌放置區(qū)內(nèi)側(cè)垂直，儀器箱體(5)內(nèi)設(shè)置有暗室，內(nèi)裝有數(shù)碼攝像機(jī)(1)和紅外光源(2)。
10、根據(jù)權(quán)利要求9所述的基于手掌靜脈與掌紋的近紅外成像設(shè)備，其特征在于所述的紅外光源(2)為環(huán)繞數(shù)碼攝像頭(1)的環(huán)形近紅外光源。
全文摘要
本發(fā)明提供了一種基于手掌靜脈與掌紋的近紅外成像設(shè)備與身份識別方法。首先利用近紅外成像設(shè)備獲取一幅手掌圖像，提取出需處理的中心子塊樣本，將該子塊輸入到兩個(gè)特征提取模塊中類掌紋信息編碼和靜脈血管結(jié)構(gòu)提取，然后兩個(gè)特征分別進(jìn)行匹配，采用不同的相似度評價(jià)方法對兩種特征分別計(jì)算各自的相似度，根據(jù)訓(xùn)練樣本，得到類掌紋和靜脈血管結(jié)構(gòu)的最優(yōu)加權(quán)組合，然后將兩個(gè)相似度進(jìn)行相似度級的融合，最后將融合后的相似度根據(jù)預(yù)先設(shè)定的閾值進(jìn)行決策比較，結(jié)合融合的匹配做出最終判定。本發(fā)明能夠克服圖像特征較少，處理單一的缺點(diǎn)，具有能夠提高系統(tǒng)的識別率和穩(wěn)定性的優(yōu)點(diǎn)。
文檔編號G06K9/00GK101251889SQ20071014491
公開日2008年8月27日 申請日期2007年12月25日 優(yōu)先權(quán)日2007年12月25日
發(fā)明者張大鵬, 盧光明, 郭振華 申請人:哈爾濱工業(yè)大學(xué)