本發(fā)明涉及靜脈識(shí)別
技術(shù)領(lǐng)域：
，特別涉及一種三維手指靜脈識(shí)別方法及系統(tǒng)。
背景技術(shù)：
：隨著信息時(shí)代的發(fā)展，身份認(rèn)證的重要性開始進(jìn)一步凸顯，傳統(tǒng)的身份認(rèn)證方式已經(jīng)難以滿足新時(shí)代人們對(duì)身份認(rèn)證提出的便捷性，防偽性和高安全性的諸多需求，此時(shí)，以指紋識(shí)別和人臉識(shí)別為代表的生物特征識(shí)別技術(shù)開始逐步得到深入研究和廣泛應(yīng)用。生物特征識(shí)別技術(shù)是利用一種或多種人類的生理特征(如指紋、人臉、虹膜、靜脈等)或行為特征(如步態(tài)、簽名等)進(jìn)行身份認(rèn)證的一種技術(shù)。其中，手指靜脈識(shí)別技術(shù)以其獨(dú)特的優(yōu)勢(shì)開始在身份認(rèn)證領(lǐng)域占得重要的一席地位，它是一種利用手指表皮下的血管的紋路信息作為個(gè)體身份驗(yàn)證的生物特征識(shí)別技術(shù)。與其它生物特征識(shí)別技術(shù)相比，指靜脈識(shí)別具備的獨(dú)特優(yōu)勢(shì)包括：(1)利用的是活體的內(nèi)生理特性，難以偽造，具備高安全性。(2)可實(shí)現(xiàn)非接觸或弱接觸測(cè)量，具備良好的親和性。(3)不易受手指表面?zhèn)刍蛴臀?、汗水影響，具備較強(qiáng)的抗干擾性。經(jīng)過近些年的發(fā)展，指靜脈識(shí)別的研發(fā)和應(yīng)用呈現(xiàn)出迅速繁榮的趨勢(shì)，并顯示出巨大的市場(chǎng)潛力。現(xiàn)階段的靜脈識(shí)別技術(shù)一般采用單目相機(jī)對(duì)單側(cè)手指進(jìn)行近紅外波段的二維成像，這種成像方式下僅僅獲取了手指單側(cè)的靜脈圖像，因此包含的靜脈特征信息有限。此外，由于受采集指靜脈圖像時(shí)手指放置的位置、手指擺放姿態(tài)(如旋轉(zhuǎn))、曝光不均勻等等因素影響，難以定位穩(wěn)定可靠的roi，從而后續(xù)進(jìn)行的特征提取和匹配對(duì)旋轉(zhuǎn)偏差和位移偏差比較敏感。然而，針對(duì)不同姿態(tài)下手指靜脈識(shí)別的研究相對(duì)較少，現(xiàn)有的少量研究包括：采用橢圓模型對(duì)采集的二維手指靜脈圖像進(jìn)行拓展，從而實(shí)現(xiàn)指靜脈圖像的標(biāo)準(zhǔn)化，然后再截取有效區(qū)域進(jìn)行匹配；采用圓模型將二維手指靜脈圖像擴(kuò)展；或者，采用三維模型的方法，其關(guān)鍵仍然是使用橢圓模型，將六種不同姿態(tài)下的手指靜脈圖像標(biāo)準(zhǔn)化，再做匹配。不管是用哪種物理模型，都在一定程度上改善了同一手指在不同姿態(tài)下拍攝的靜脈圖像之間存在較大差異的情況，但仍然存在的問題是：一方面，對(duì)應(yīng)的紋理區(qū)域變少了，不利于匹配；另一方面，邊緣區(qū)域靜脈圖像質(zhì)量受成像因素的影響一般會(huì)比較差，同樣影響到識(shí)別結(jié)果。還有一種方法是基于多視圖幾何的三維成像方法，但這種方案在三維重建時(shí)難以找到甚至找不到匹配的特征點(diǎn)，因而難以計(jì)算全部靜脈紋理的深度信息，此外，這種方法采集的靜脈紋理也是只有單側(cè)的，因此仍然存在特征信息有限的問題。技術(shù)實(shí)現(xiàn)要素：本發(fā)明的主要目的在于克服現(xiàn)有技術(shù)的缺點(diǎn)與不足，提供一種三維手指靜脈識(shí)別方法，能獲得更好的識(shí)別效果，對(duì)手指旋轉(zhuǎn)、傾斜等多種姿態(tài)具有較高魯棒性。本發(fā)明的另一目的在于提供一種基于上述方法的三維手指靜脈識(shí)別系統(tǒng)，能實(shí)現(xiàn)更好的識(shí)別效果，對(duì)手指旋轉(zhuǎn)、傾斜等多種姿態(tài)具有較高魯棒性。本發(fā)明的目的通過以下的技術(shù)方案實(shí)現(xiàn)：一種三維手指靜脈識(shí)別方法，包括以下步驟：s1、三個(gè)攝像頭在等分角度下從三個(gè)角度拍攝手指靜脈圖像，獲得三幅圖像；s2、依據(jù)手指輪廓線構(gòu)建手指三維模型：將手指剖面圖近似視為一個(gè)圓s，將三維手指等距離分割成若干個(gè)剖面，計(jì)算每個(gè)剖面的輪廓，用多個(gè)不同半徑不同位置的圓來對(duì)手指近似建模；再將所有輪廓按手指中軸方向串接起來，即可獲得近似的手指三維模型；s3、建立完成三維手指模型之后，接下來將三個(gè)攝像頭拍攝的二維圖像紋理映射到三維手指模型中；三個(gè)攝像頭拍攝的圖像既有兩兩重疊的部分，又有非重疊的部分，先要確定重疊區(qū)域，然后對(duì)重疊區(qū)域和非重疊區(qū)域分別做不同的處理；得到三維手指靜脈圖像；s4、對(duì)三維手指靜脈圖像進(jìn)行特征提取與匹配，最終完成識(shí)別。優(yōu)選的，將三維手指等距離分割成300個(gè)剖面。優(yōu)選的，計(jì)算每個(gè)剖面的輪廓的方法是：1)根據(jù)三個(gè)攝像頭的投影中心c1,c2,c3建立xoy坐標(biāo)系：以這三點(diǎn)的垂直平分線交點(diǎn)作為坐標(biāo)原點(diǎn)o，以c2c3的中垂線作為y軸建立笛卡爾坐標(biāo)系xoy；將圖像上的像素坐標(biāo)變換到xoy坐標(biāo)系中：坐標(biāo)系的原點(diǎn)o到i號(hào)攝像頭的成像平面的距離為l0，設(shè)圖像上一點(diǎn)坐標(biāo)為a(x0,y0)，將其變換至xoy坐標(biāo)系中的成像ii上，變換后的坐標(biāo)為a′(x,y)：其中θi表示射線oci與x軸正向的夾角，i＝1,2,3，ym表示手指徑向方向圖像高度的一半；這里，只需要轉(zhuǎn)換手指上下邊緣點(diǎn)的圖像坐標(biāo)到xoy坐標(biāo)上，記i號(hào)攝像頭拍攝的圖像的手指上邊緣點(diǎn)pui轉(zhuǎn)換后的坐標(biāo)為下邊緣點(diǎn)pbi轉(zhuǎn)換后的坐標(biāo)點(diǎn)為2)求圓s參數(shù)；每個(gè)攝像頭的投影中心坐標(biāo)是已知的，記為ci(xi,yi)，求出直線的和直線的方程：lui：y＝kuix+builbi：y＝kbix+bbi設(shè)圓s的圓心坐標(biāo)為(xc,yc)，半徑為rc，那么圓心到各直線的距離為：最優(yōu)圓方程應(yīng)該滿足下列優(yōu)化方程：通過優(yōu)化問題求解算法求解出圓參數(shù)xc,yc,rc。進(jìn)一步的，通過梯度下降法求解算法即可求出圓參數(shù)。進(jìn)一步的，近似求解出圓參數(shù)的方法為：1)計(jì)算lui與lbi的角平分線；這兩條直線的角平分線方程為li：y＝kix+bi，有方程組：由先驗(yàn)知識(shí)可知：|k1|＞1，k2＞0，k3＜0，這樣，對(duì)于每一個(gè)攝像頭對(duì)應(yīng)的方程組都有唯一的解；2)求圓心坐標(biāo)及半徑由上一步求得的三條角平分線方程，每?jī)蓷l直線有一個(gè)交點(diǎn)，記li與lj的交點(diǎn)為pij(xij,yij)，其中：xij＝-(bi-bj)/(ki-kj)yij＝kixij+bi記pij到lui和luj的距離分別為rij、rji，可以通過點(diǎn)到直線的距離公式計(jì)算得到，因此，最終的圓心坐標(biāo)s(xc,yc)以及半徑rc，可以通過以下公式計(jì)算得到：優(yōu)選的，在計(jì)算每個(gè)剖面的輪廓之前，需要進(jìn)行矯正，使矯正后三個(gè)攝像頭的內(nèi)參數(shù)相同，主視線在同一平面上，且主視線均為投影中心到系統(tǒng)坐標(biāo)系原點(diǎn)的方向。進(jìn)一步的，校正的方法是：三個(gè)攝像頭單獨(dú)定標(biāo)，使用matlabcalibrationtoolbox，三個(gè)攝像頭內(nèi)參數(shù)分別為k1，k2，k3；設(shè)定矯正轉(zhuǎn)換公式：pi′＝hipi其中i＝1,2,3，hi表示從未矯正的圖像坐標(biāo)pi到矯正后的圖像坐標(biāo)pi′的轉(zhuǎn)換矩陣；其中，ri表示i號(hào)攝像頭坐標(biāo)系相對(duì)于系統(tǒng)坐標(biāo)系的旋轉(zhuǎn)矩陣，轉(zhuǎn)換前后，攝像頭位置保持不變，但轉(zhuǎn)換后的旋轉(zhuǎn)矩陣變換為：ci點(diǎn)坐標(biāo)為(xi,yi,0)，o為系統(tǒng)坐標(biāo)系原點(diǎn)；代入矯正轉(zhuǎn)換公式中即可得到矯正后的圖像坐標(biāo)pi′。優(yōu)選的，將三個(gè)攝像頭拍攝的二維圖像紋理映射到三維手指模型中的方法是：1)重疊區(qū)域計(jì)算首先，將三維手指模型坐標(biāo)轉(zhuǎn)化到圖像坐標(biāo)；以攝像頭i為例，對(duì)每個(gè)圓模型，對(duì)應(yīng)于一個(gè)攝像頭的成像是豎直的一條線段，即是在圖像中它們的縱坐標(biāo)是相同的，設(shè)為v，至于對(duì)v的確定，應(yīng)與建立圓模型時(shí)對(duì)應(yīng)的邊緣點(diǎn)所處位置縱坐標(biāo)相同，如此，只關(guān)心橫坐標(biāo)u；這就是將二維的坐標(biāo)轉(zhuǎn)換為一維坐標(biāo)的情況，于是可以得到如下坐標(biāo)轉(zhuǎn)換公式：其中u就是對(duì)應(yīng)圖像上的橫坐標(biāo)，va是比例系數(shù)，它的作用是將計(jì)算結(jié)果縱坐標(biāo)置為1，θi表示系統(tǒng)坐標(biāo)系中i號(hào)攝像頭所在方位與橫軸正方向的夾角，l0是i號(hào)攝像頭成像平面中心到系統(tǒng)坐標(biāo)系的距離，um是成像中心的橫坐標(biāo)，(x′,y′)是圓上的點(diǎn)，它滿足下面的方程：設(shè)定在圓模型下i號(hào)攝像頭拍攝的范圍為areai，圓弧areai的邊界點(diǎn)則對(duì)應(yīng)于拍攝的圖像中手指的邊緣點(diǎn)，所以，也即對(duì)應(yīng)于目標(biāo)函數(shù)max(min)f＝u的圓上坐標(biāo)點(diǎn)，邊界點(diǎn)ui和bi；以上述兩個(gè)公式為約束條件，求出邊界點(diǎn)坐標(biāo)ui和bi；這樣，每個(gè)攝像頭拍攝范圍的邊界便可求得；接下來是確定攝像頭對(duì)應(yīng)的圓弧，這里規(guī)定以順時(shí)針方向?yàn)檎较?，定義區(qū)域范圍的起始端和末端，圓弧的確定根據(jù)實(shí)際系統(tǒng)中攝像頭擺放的方位來確定，i號(hào)攝像頭拍攝的范圍應(yīng)對(duì)應(yīng)于計(jì)算出每個(gè)攝像頭拍攝的范圍以后，即可得到兩兩攝像頭拍攝的圖像的重疊區(qū)域2)紋理映射對(duì)于只有單個(gè)攝像頭拍攝的區(qū)域，只用該攝像頭拍攝的圖像做映射，即根據(jù)坐標(biāo)轉(zhuǎn)換公式計(jì)算圓弧上的點(diǎn)對(duì)應(yīng)的圖像坐標(biāo)，以該坐標(biāo)下的像素灰度值作為該圓弧上的點(diǎn)的像素灰度值；對(duì)于兩個(gè)攝像頭重疊的區(qū)域則利用高斯圖像融合的方法確定三維像素點(diǎn)的灰度值，方法是：對(duì)2號(hào)攝像頭和3號(hào)攝像頭拍攝的區(qū)域，2號(hào)攝像頭拍攝區(qū)域?yàn)?號(hào)攝像頭拍攝區(qū)域?yàn)樗鼈冇兄丿B區(qū)域?yàn)閷?duì)重疊區(qū)域上的點(diǎn)(x′,y′)，利用公式計(jì)算它分別對(duì)應(yīng)于2號(hào)攝像頭和3號(hào)攝像頭下的圖像坐標(biāo)，取兩個(gè)圖像坐標(biāo)點(diǎn)的灰度值i2(u2,v2)和i3(u3,v3)，最后利用下面公式計(jì)算重疊區(qū)域上的點(diǎn)(x′,y′)的灰度值：i(x′,y′)＝ω2i2(u2,v2)+ω3i3(u3,v3)其中ω是高斯權(quán)重，如果重疊部分屬于本區(qū)域的末端，則權(quán)重值按公式g(p)計(jì)算，如果屬于起始端，則按公式1-g(p)計(jì)算，其中：3σ＝重疊部分長(zhǎng)度；按類似方法處理任兩個(gè)攝像頭拍攝的圖像，解決單個(gè)圓模型的紋理映射問題；對(duì)三維手指模型中的所有近似圓，按照上述方法分別計(jì)算三維坐標(biāo)點(diǎn)的灰度值，最終得到三維手指靜脈圖像。優(yōu)選的，先將需要匹配的兩個(gè)三維手指靜脈紋理圖像進(jìn)行對(duì)齊，并分別展開成二維圖像，再用二維圖像的特征提取和匹配完成三維手指靜脈紋理的匹配。具體的，展開成二維圖像的步驟是：首先，將三維手指靜脈紋理映射到一個(gè)給定大小的圓柱體上，相當(dāng)于將每個(gè)圓歸一化成一個(gè)固定大小的圓，針對(duì)于一個(gè)圓模型，從水平方向上的第一個(gè)點(diǎn)開始，進(jìn)行等角度采樣，共采樣n個(gè)點(diǎn),將每一個(gè)點(diǎn)對(duì)應(yīng)到圓柱體對(duì)應(yīng)位置圓上的相同角度的點(diǎn)上：其中，α＝2π/n，z＝1,2,...,m是z軸坐標(biāo)，r是給定圓柱體的半徑，rc是三維手指靜脈重建中圓模型的半徑，(xc,yc)是該圓模型的圓心位置；對(duì)所有圓模型進(jìn)行處理后即可將靜脈紋理映射到圓柱體側(cè)面；按下面的公式1沿一條母線將圓柱體側(cè)面剪開，并展開成一幅m×n大小的二維圖像。其中β表示母線所在的方位角。進(jìn)一步的，對(duì)于模板圖像對(duì)應(yīng)的圓柱體和待匹配圖像對(duì)應(yīng)的圓柱體，將它們展開成二維圖像時(shí)母線所在的位置若不對(duì)應(yīng)，則展開的兩幅圖像將存在偏移問題，為確保屬于同一類對(duì)象的樣本展開成二維圖像之后能保持對(duì)應(yīng)位置基本不變，提出下面的方法對(duì)三維手指靜脈圖像進(jìn)行對(duì)齊，即確定β的值：用β＝kβ0，代入上面的公式，其中β0是搜索步長(zhǎng)，取π/15，0≤k＜2π/β0，k為整數(shù)；在待匹配三維圖像展開成的二維圖像中截取大小為m0×n0的二維圖像取m0＝1/3×m，n0＝1/3×n；在此，規(guī)定模板三維手指圖像的旋轉(zhuǎn)角度β＝0，也即規(guī)定它展開成二維圖像的母線位置為基準(zhǔn)方位，取三維手指靜脈模板圖像展開成二維圖像后的一個(gè)子圖像塊：得到一幅m0×n0的二維圖像itemplate，目的是在待匹配的三維圖像中尋找一塊與之匹配的圖像塊，從而實(shí)現(xiàn)待匹配三維圖像與模板三維圖像對(duì)齊；然后計(jì)算所有k對(duì)應(yīng)的二維圖像與模板塊itemplate的相似程度：上式corr指計(jì)算兩幅圖像的相關(guān)性，取相關(guān)性最大值對(duì)應(yīng)的kβ0作為待匹配樣本的旋轉(zhuǎn)角度；按此方法計(jì)算出母線的方向角以后，再按照公式1將待匹配的三維手指靜脈圖像展開成二維紋理圖像，它與模板二維圖像是對(duì)齊的。具體的，二維圖像的特征提取和匹配步驟是：采用lbp算子提取靜脈紋理的結(jié)構(gòu)特征，然后采用曼哈頓距離計(jì)算方法進(jìn)行特征匹配：記模板樣本的紋理特征向量為f1＝[f1(1),f1(2),…,f1(m)]，待匹配樣本的紋理特征向量為f2＝[f2(1),f2(2),…,f2(m)]，這兩個(gè)紋理特征的曼哈頓距離為：在決策階段，采用單閾值法，如下式：當(dāng)計(jì)算的距離超過給定的閾值t時(shí)，認(rèn)為兩個(gè)樣本相似度較小，判斷它們不屬于同一類對(duì)象；否則，認(rèn)為兩個(gè)樣本的相似度高，判斷它們屬于同一類對(duì)象。一種基于上述三維手指靜脈識(shí)別方法的系統(tǒng)，包括上、下位機(jī)兩部分；下位機(jī)包括光源控制模塊和圖像采集模塊，光源控制模塊包括依次相連的微處理器、驅(qū)動(dòng)電路和近紅外光源，圖像采集模塊包括采集圖像的攝像頭；上位機(jī)為裝有實(shí)現(xiàn)手指靜脈三維重建與識(shí)別的軟件，上位機(jī)與光源控制模塊的微處理器實(shí)現(xiàn)光源亮度控制信號(hào)的傳遞，與攝像頭進(jìn)行視頻數(shù)據(jù)的傳輸；下位機(jī)負(fù)責(zé)近紅外光源強(qiáng)度的控制和圖像信息的采集傳輸，上位機(jī)負(fù)責(zé)對(duì)采集到的數(shù)字圖像進(jìn)行處理、三維重建、特征提取與識(shí)別。優(yōu)選的，上位機(jī)與光源控制模塊的微處理器通過串口實(shí)現(xiàn)光源亮度控制信號(hào)的傳遞，光源控制模塊采用微處理器控制近紅外光源的亮度，實(shí)現(xiàn)三個(gè)側(cè)面的光源輪流照射手指。優(yōu)選的，上位機(jī)與攝像頭通過usb方式進(jìn)行視頻數(shù)據(jù)的傳輸，攝像頭采用近紅外usb攝像頭。優(yōu)選的，三個(gè)攝像頭安裝在等邊三角形的三個(gè)頂點(diǎn)位置上，三個(gè)攝像頭的主視線位于同一平面上且兩兩相交120°，在每個(gè)攝像頭正對(duì)面設(shè)置了相應(yīng)的led近紅外燈組。優(yōu)選的，下位機(jī)通過定時(shí)器產(chǎn)生pwm信號(hào)來控制近紅外led亮度，用串口中斷接收上位機(jī)發(fā)送的控制命令。本發(fā)明與現(xiàn)有技術(shù)相比，具有如下優(yōu)點(diǎn)和有益效果：本發(fā)明采用三個(gè)攝像頭在等分角度下全方位拍攝手指靜脈圖像，然后進(jìn)行三維手指靜脈的重建以及三維手指靜脈圖像特征提取與匹配，采用的三個(gè)攝像頭拍攝的手指靜脈圖像比單純的一個(gè)攝像頭拍攝手指內(nèi)側(cè)表皮下的手指靜脈圖像所包含的特征信息更多，而更多的信息意味著更準(zhǔn)確的判斷；本發(fā)明提出的三維手指靜脈識(shí)別方法比傳統(tǒng)的二維手指靜脈識(shí)別而言，能夠獲得更多的靜脈紋理特征，得到更好的識(shí)別效果，同時(shí)還可以有效的克服手指姿態(tài)變化帶來的識(shí)別性能下降問題。附圖說明圖1是實(shí)施例1中三維手指靜脈識(shí)別系統(tǒng)的圖像采集裝置圖。圖2是實(shí)施例1中三維手指靜脈識(shí)別系統(tǒng)的硬件結(jié)構(gòu)圖。圖3是實(shí)施例1中三維手指靜脈識(shí)別系統(tǒng)的軟件流程圖。圖4是針孔模型原理示意圖。圖5是實(shí)施例2中近似成像模型示意圖。圖6是實(shí)施例2中圓近似法示意圖。圖7是實(shí)施例2中系統(tǒng)坐標(biāo)系建立示意圖。圖8是實(shí)施例2中邊界標(biāo)定物示意圖。圖9是實(shí)施例2中單個(gè)攝像頭拍攝范圍示意圖。圖10是實(shí)施例2中紋理映射示意圖。圖11是實(shí)施例2中三維手指靜脈特征提取與特征匹配過程示意圖。圖12是實(shí)施例2中三維手指靜脈圖。圖13是lbp下2d與3d方法等誤率曲線。圖14是hog下2d與3d方法等誤率曲線。具體實(shí)施方式下面結(jié)合實(shí)施例及附圖對(duì)本發(fā)明作進(jìn)一步詳細(xì)的描述，但本發(fā)明的實(shí)施方式不限于此。實(shí)施例1一種三維手指靜脈識(shí)別系統(tǒng)，如圖1所示，它由硬件和軟件兩部分組成，其中硬件部分包括近紅外圖像采集設(shè)備，軟件部分包括pc端手指靜脈三維重建與識(shí)別算法；其中，硬件設(shè)備主要負(fù)責(zé)近紅外光源強(qiáng)度的控制和圖像信息的傳輸，軟件部分負(fù)責(zé)對(duì)采集到的數(shù)字圖像進(jìn)行處理、三維重建、特征提取與識(shí)別。與現(xiàn)有的二維手指靜脈識(shí)別系統(tǒng)不同，本系統(tǒng)使用了三個(gè)攝像頭，以獲得手指表皮下全部靜脈圖像，并通過提取出三維手指靜脈紋理特征進(jìn)行匹配。1.1硬件設(shè)計(jì)系統(tǒng)硬件包括上、下位機(jī)兩部分。下位機(jī)由光源控制模塊和圖像采集模塊兩個(gè)模塊組成，前者采用微控制器控制近紅外光源的亮度，實(shí)現(xiàn)三個(gè)側(cè)面的光源輪流照射手指，后者采用850nm近紅外usb攝像頭(型號(hào)為ks302d)采集圖像。上位機(jī)為pc端，pc端與微控制器通過串口實(shí)現(xiàn)光源亮度控制信號(hào)的傳遞，與攝像頭通過usb方式進(jìn)行視頻數(shù)據(jù)的傳輸。其中，三維手指靜脈圖像采集裝置結(jié)構(gòu)示意圖如圖1所示，三個(gè)攝像頭安裝在等邊三角形的三個(gè)頂點(diǎn)位置上，并依次編號(hào)。三個(gè)攝像頭的主視線位于同一平面上且兩兩相交120°。靜脈造影成像采用近紅外光透射方式，在每個(gè)攝像頭正對(duì)面設(shè)置了相應(yīng)的led近紅外燈組，系統(tǒng)的硬件結(jié)構(gòu)框圖如圖2所示。1.2軟件設(shè)計(jì)系統(tǒng)軟件部分是系統(tǒng)的核心，主要負(fù)責(zé)系統(tǒng)流程控制，圖像處理、三維重建和匹配，其中下位機(jī)采用keil開發(fā)單片機(jī)控制程序，上位機(jī)則采用vs2013+opencv+opnegl開發(fā)集圖像處理、三維重建，以及特征提取與匹配于一體的軟件。下位機(jī)通過定時(shí)器產(chǎn)生pwm信號(hào)來控制近紅外led亮度，用串口中斷接收上位機(jī)發(fā)送的控制命令；上位機(jī)首先是采集圖像和控制下位機(jī)進(jìn)行光源亮度的調(diào)節(jié)，然后對(duì)原始圖像進(jìn)行裁剪、去噪、輪廓提取等一系列的預(yù)處理操作；接著采用提出的三維重建算法構(gòu)建手指三維模型，并將靜脈紋理映射到三維手指模型上；最后根據(jù)特征提取方法實(shí)現(xiàn)匹配的功能。系統(tǒng)軟件流程圖如圖3所示。實(shí)施例2通過實(shí)施例1中的設(shè)備，采用三個(gè)攝像頭在等分角度下全方位拍攝手指靜脈圖像，然后進(jìn)行三維手指靜脈的重建以及三維手指靜脈圖像特征提取與匹配。1.三維手指靜脈的重建人的手指在伸直的狀態(tài)下，手指軸向的垂直剖面圖近似于一個(gè)離心率接近于1的橢圓，但相對(duì)橢圓而言，圓的數(shù)學(xué)方程參數(shù)更少，比較容易計(jì)算出來，因此將手指剖面圖近似視為一個(gè)圓；此時(shí)，可以用多個(gè)不同半徑不同位置的圓來對(duì)手指近似建模。由于人手指表面是比較光滑的，在每個(gè)攝像頭拍攝的圖像中，手指輪廓線的變化都是比較平緩的，因此在利用邊緣點(diǎn)坐標(biāo)計(jì)算圓參數(shù)時(shí)，即使三個(gè)視角的對(duì)應(yīng)點(diǎn)存在一些偏差，對(duì)計(jì)算的結(jié)果影響也并不大。下面將詳細(xì)闡述手指三維模型建立和靜脈紋理映射的方法。1.1三維手指模型的建立1.1.1理想狀態(tài)下的數(shù)學(xué)模型首先，由于本系統(tǒng)采用的攝像頭是幾乎無畸變的，其成像模型可以用針孔模型近似，如圖4所示。結(jié)合本系統(tǒng)的成像結(jié)構(gòu)特點(diǎn)，三個(gè)攝像頭選用同一型號(hào)同一參數(shù)的cmos攝像頭，手指放置時(shí)手指中軸位于三個(gè)攝像頭的中心位置，并且手指中軸與三個(gè)攝像頭投影中心所成的平面近似垂直。因此，提出依據(jù)手指輪廓線構(gòu)建手指三維模型的方法，可以不考慮攝像頭在手指軸向上采樣的像素點(diǎn)不均勻的問題，而近似用如圖5所示的立體結(jié)構(gòu)來近似表達(dá)。這樣，對(duì)于每一個(gè)剖面，用圓近似的幾何模型就如圖6所示，通過以下兩步驟求解圓的大小和位置。步驟一：將圖像上的像素坐標(biāo)變換到如圖6所示的xoy坐標(biāo)系中。首先，三個(gè)攝像頭的投影中心c1,c2,c3的相對(duì)位置是已知的，以這三點(diǎn)的垂直平分線交點(diǎn)作為坐標(biāo)原點(diǎn)o，以c2c3的中垂線作為y軸建立笛卡爾坐標(biāo)系xoy，坐標(biāo)系的原點(diǎn)o到i號(hào)攝像頭的成像平面的距離為l0(三個(gè)攝像頭對(duì)應(yīng)的l0是相同的)，設(shè)圖像上一點(diǎn)坐標(biāo)為a(x0,y0)，將其變換至xoy坐標(biāo)系中的成像ii上，變換后的坐標(biāo)為a′(x,y)：其中θi表示射線oci與x軸正向的夾角，i＝1,2,3，下同，ym表示手指徑向方向圖像高度的一半。這里，只需要轉(zhuǎn)換手指輪廓邊緣點(diǎn)的圖像坐標(biāo)到xoy坐標(biāo)上，記i號(hào)攝像頭拍攝的圖像的手指上邊緣點(diǎn)pui轉(zhuǎn)換后的坐標(biāo)為下邊緣點(diǎn)pbi轉(zhuǎn)換后的坐標(biāo)點(diǎn)為步驟二：求圓參數(shù)。由于每個(gè)攝像頭的投影中心坐標(biāo)是已知的，記為ci(xi,yi)，那么直線的和直線的方程是容易求出的，為方便敘述，統(tǒng)一使用斜截式，實(shí)際計(jì)算中，對(duì)1號(hào)攝像頭的情況需要討論斜率的存在性，此處不作過多敘述。lui：y＝kuix+bui(2)lbi：y＝kbix+bbi(3)設(shè)圓s的圓心坐標(biāo)為(xc,yc)，半徑為rc，那么圓心到各直線的距離為：最優(yōu)圓方程應(yīng)該滿足下列優(yōu)化方程：這個(gè)優(yōu)化問題的意義在于：使求取的圓盡可能與直線lui,lbi相切。計(jì)算時(shí)，由于各直線方程已求出，即kui、bui是已知量，將距離公式(4)(5)代入優(yōu)化公式(6)，消去dui和dbi，得到f實(shí)際上是關(guān)于xc,yc,rc的方程，通過梯度下降法或其它優(yōu)化問題求解算法即可求出圓參數(shù)，但是，這種方法計(jì)算量非常大，且未必能求出全局最優(yōu)解，退而求其次，接下來給出另外一種較為簡(jiǎn)單的方法，該方法求得的結(jié)果不一定是最優(yōu)解，但已滿足需要。注意到，最理想情況下，lui與lbi的角平分線就是過圓心的直線，于是可以通過計(jì)算角平分線交點(diǎn)得到圓心坐標(biāo)，進(jìn)而計(jì)算出圓半徑，具體計(jì)算方法如下：(1)計(jì)算角平分線這兩條直線的角平分線方程為li：y＝kix+bi，有方程組：另外，由先驗(yàn)知識(shí)可知：|k1|＞1，k2＞0，k3＜0，這樣，對(duì)于每一個(gè)攝像頭對(duì)應(yīng)的方程組都有唯一的解。(2)求圓心坐標(biāo)及半徑由上一步求得的三條角平分線方程，每?jī)蓷l直線有一個(gè)交點(diǎn)，記li與lj的交點(diǎn)為pij(xij,yij)，其中：xij＝-(bi-bj)/(ki-kj)(8)yij＝kixij+bi(9)記pij到lui和luj的距離分別為rij、rji，可以通過點(diǎn)到直線的距離公式計(jì)算得到，因此，最終的圓心坐標(biāo)s(xc,yc)以及半徑rc，可以通過以下公式(10)-(12)計(jì)算得到：至此，已完成用圓來近似表示一個(gè)手指軸向剖面的輪廓，將三維手指等距離分割成若干個(gè)(文中是300個(gè))剖面，計(jì)算每個(gè)剖面的輪廓，再將所有輪廓按手指中軸方向串接起來，即可獲得近似的手指三維模型。但是，由于受到攝像頭制造工藝上的差異、硬件安裝時(shí)缺乏超精確的定位方法等因素的影響，硬件結(jié)構(gòu)往往無法保證與理想模型保持一致，所以一般需要對(duì)系統(tǒng)做一些矯正處理。1.1.2一般狀態(tài)到理想狀態(tài)的矯正方法矯正的目的是使矯正后三個(gè)攝像頭的內(nèi)參數(shù)相同，主視線在同一平面上，且主視線均為投影中心到系統(tǒng)坐標(biāo)系原點(diǎn)的方向。此處提出的矯正算法由下面三個(gè)步驟組成：(1)攝像機(jī)標(biāo)定三個(gè)攝像頭單獨(dú)定標(biāo)，使用matlabcalibrationtoolbox，三個(gè)攝像頭內(nèi)參數(shù)分別為k1，k2，k3；攝像頭兩兩標(biāo)定，得到相對(duì)位置參數(shù)rij，tij，其中i＝1,2；j＝2,3；i≠j，rij表示j號(hào)攝像頭攝影中心相對(duì)于i號(hào)攝像頭攝影中心的旋轉(zhuǎn)矩陣，tij表示j號(hào)攝像頭相對(duì)于i號(hào)攝像頭的偏移矩陣。其中θ為繞z軸的旋轉(zhuǎn)角度，ψ為繞y軸的旋轉(zhuǎn)角度，φ為繞軸的旋轉(zhuǎn)角度,xyz軸指的是系統(tǒng)坐標(biāo)系的坐標(biāo)軸。(2)系統(tǒng)坐標(biāo)系建立理論上向量t12，t13，t23是共面的，但通過攝像頭標(biāo)定計(jì)算后的結(jié)果極大可能不是共面的，用下面的方法來建立三個(gè)攝影中心的位置關(guān)系：如圖7，先以1號(hào)攝像頭坐標(biāo)系c1x′y′z′為基準(zhǔn)。由t12、t13確定a′、b′，于是可以得到它們的中點(diǎn)d，平移向量t23使其中點(diǎn)過d點(diǎn)，于是有平移后的向量t23的起點(diǎn)a″和終點(diǎn)b″，記a′a″的中點(diǎn)為c2，b′b″的中點(diǎn)為c3。最后，以三個(gè)攝像頭投影中心所組成的平面c1c2c3為xy平面，以c1c2c3的角平分線交點(diǎn)為坐標(biāo)原點(diǎn)o，以c2c3的角平分線為x軸建立坐標(biāo)系，如圖7所示，從c1x′y′z′到坐標(biāo)系oxyz的平移矩陣ts和旋轉(zhuǎn)矩陣rs是容易求得的，即可建立系統(tǒng)坐標(biāo)系。(3)矯正設(shè)定矯正轉(zhuǎn)換公式：pi′＝hipi(14)其中i＝1,2,3，hi表示從未矯正的圖像坐標(biāo)pi到矯正后的圖像坐標(biāo)pi′的轉(zhuǎn)換矩陣；假定空間坐標(biāo)為p，根據(jù)投影公式有，矯正前：其中，ri表示i號(hào)攝像頭坐標(biāo)系相對(duì)于系統(tǒng)坐標(biāo)系的旋轉(zhuǎn)矩陣，轉(zhuǎn)換前后，攝像頭位置保持不變，但轉(zhuǎn)換后的旋轉(zhuǎn)矩陣變換為：其中，ci點(diǎn)坐標(biāo)為(xi,yi)，o為系統(tǒng)坐標(biāo)系原點(diǎn)，于是，轉(zhuǎn)換后有投影公式：有解：至此，系統(tǒng)模型已與理想模型等價(jià)，便可以運(yùn)用理想模型下的三維重建算法構(gòu)建手指的三維模型了。需要指出的是，對(duì)于邊緣點(diǎn)對(duì)應(yīng)位置的確定，考慮到在一般情況下，成年人的手指粗細(xì)程度相差不會(huì)非常大，所以，采用一個(gè)跟普通人的手指粗細(xì)程度相當(dāng)?shù)膱A柱體作為標(biāo)定物，如圖8所示，這個(gè)標(biāo)定物標(biāo)記了幾個(gè)圓，以圓在三個(gè)攝像頭中的成像位置標(biāo)記三個(gè)視圖對(duì)應(yīng)點(diǎn)的位置。2.2靜脈紋理映射建立完成三維手指模型之后，接下來就是將三個(gè)攝像頭拍攝的二維圖像紋理映射到三維手指模型中，由圖6可以發(fā)現(xiàn)，三個(gè)攝像頭拍攝的圖像既有兩兩重疊的部分，又有非重疊的部分，而對(duì)這兩種情況處理方法是有差異的。所以，先要確定重疊區(qū)域，然后對(duì)重疊區(qū)域和非重疊部分分別做不同的處理。從部分到整體的思維，只需研究單個(gè)圓模型下的紋理映射方法，即可推廣到所有圓模型，完成這個(gè)三維手指的紋理映射。(1)重疊區(qū)域計(jì)算首先，將系統(tǒng)坐標(biāo)轉(zhuǎn)化到圖像坐標(biāo)。如圖9所示，以3號(hào)攝像頭為例，對(duì)每個(gè)圓模型，對(duì)應(yīng)于一個(gè)攝像頭的成像是豎直的一條線段，即是在圖像中它們的縱坐標(biāo)是相同的，設(shè)為v，至于對(duì)v的確定，應(yīng)與建立圓模型時(shí)對(duì)應(yīng)的邊緣點(diǎn)所處位置縱坐標(biāo)相同，如此，只關(guān)心橫坐標(biāo)u。這就是將二維的坐標(biāo)轉(zhuǎn)換為一維坐標(biāo)的情況，于是可以得到如下公式(18)：其中u就是對(duì)應(yīng)圖像上的橫坐標(biāo)，va是比例系數(shù)，它的作用是將計(jì)算結(jié)果縱坐標(biāo)置為1，θi表示系統(tǒng)坐標(biāo)系中i號(hào)攝像頭所在方位與橫軸正方向的夾角，l0是i號(hào)攝像頭成像平面中心到系統(tǒng)坐標(biāo)系的距離，um是成像中心的橫坐標(biāo)，(x′,y′)是圓上的點(diǎn)，它滿足下面的方程(19)：設(shè)定在圓模型下i號(hào)攝像頭拍攝的范圍為areai，其邊界點(diǎn)(即圓弧areai的邊界點(diǎn))則對(duì)應(yīng)于拍攝的圖像中手指的邊緣點(diǎn)，所以，也即對(duì)應(yīng)于目標(biāo)函數(shù)max(min)f＝u的圓上坐標(biāo)點(diǎn)(邊界點(diǎn)ui和bi)。以公式(18)和公式(19)為約束條件，利用梯度下降法是容易求出邊界點(diǎn)坐標(biāo)ui和bi的。也可以直接根據(jù)直線與圓相切的方法求出這兩個(gè)坐標(biāo)點(diǎn)。這樣，每個(gè)攝像頭拍攝范圍的邊界便可求得。接下來是確定攝像頭對(duì)應(yīng)的圓弧，這里規(guī)定以順時(shí)針方向?yàn)檎较?，定義區(qū)域范圍的起始端和末端，圓弧的確定根據(jù)實(shí)際系統(tǒng)中攝像頭擺放的方位來確定，例如在圖9中3號(hào)攝像頭拍攝的范圍應(yīng)對(duì)應(yīng)于計(jì)算出每個(gè)攝像頭拍攝的范圍以后，兩兩攝像頭拍攝的圖像的重疊區(qū)域就非常明顯了，例如：假設(shè)2號(hào)攝像頭(其位置參考圖6)對(duì)應(yīng)的范圍為那么，2號(hào)攝像頭和3號(hào)攝像頭拍攝的重疊區(qū)域就對(duì)應(yīng)于(2)紋理映射接下來討論如何將二維圖像的紋理映射到三維手指模型中，同樣的，只需討論一個(gè)圓模型下的處理方法。如圖10所示，仍以2號(hào)攝像頭和3號(hào)攝像頭拍攝的區(qū)域?yàn)槔?號(hào)攝像頭拍攝區(qū)域?yàn)?號(hào)攝像頭拍攝區(qū)域?yàn)樗鼈冇兄丿B區(qū)域?yàn)閷?duì)于只有單個(gè)攝像頭拍攝的區(qū)域(如屬于只有2號(hào)攝像頭拍攝的區(qū)域)，只用該攝像頭拍攝的圖像做映射，即根據(jù)公式(18)計(jì)算圓弧上的點(diǎn)對(duì)應(yīng)的圖像坐標(biāo)，以該坐標(biāo)下的像素灰度值作為該圓弧上的點(diǎn)的像素灰度值；對(duì)于兩個(gè)攝像頭重疊的區(qū)域則利用高斯圖像融合的方法確定三維像素點(diǎn)的灰度值，方法是：對(duì)重疊區(qū)域上的點(diǎn)(x′,y′)，利用公式(18)計(jì)算它分別對(duì)應(yīng)于2號(hào)攝像頭和3號(hào)攝像頭下的圖像坐標(biāo)，取兩個(gè)圖像坐標(biāo)點(diǎn)的灰度值i2(u2,v2)和i3(u3,v3)，最后利用下面公式(20)計(jì)算重疊區(qū)域上的點(diǎn)(x′,y′)的灰度值：i(x′,y′)＝ω2i2(u2,v2)+ω3i3(u3,v3)(20)其中ω是高斯權(quán)重，如果重疊部分屬于本區(qū)域的末端，則權(quán)重值按公式g(p)計(jì)算，如果屬于起始端，則按公式1-g(p)計(jì)算，其中：3σ＝重疊部分長(zhǎng)度。按類似方法處理任兩個(gè)攝像頭拍攝的圖像，解決單個(gè)圓模型的紋理映射問題。對(duì)三維手指模型中的所有近似圓，按照上述方法分別計(jì)算三維坐標(biāo)點(diǎn)的灰度值，最終得到三維手指靜脈圖像。3.三維手指靜脈圖像特征提取與匹配基于三維的生物特征識(shí)別，在人臉和指紋識(shí)別領(lǐng)域中有不少的研究。三維圖像的特征提取可以用以下兩種思路進(jìn)行，一種思路是在三維坐標(biāo)下提取特征點(diǎn)，構(gòu)成特征向量，如有文獻(xiàn)將指紋識(shí)別特征提取算法中將二維細(xì)節(jié)點(diǎn)概念擴(kuò)展到三維，并通過計(jì)算兩個(gè)樣本中細(xì)節(jié)點(diǎn)間的距離得到兩個(gè)樣本匹配分?jǐn)?shù)；另一種思路，將三維圖像再經(jīng)過特殊變換轉(zhuǎn)成二維圖像，然后用已有的二維圖像特征提取方法進(jìn)行特征提取，如有文獻(xiàn)將三維指紋圖像映射到一個(gè)圓柱體上，再展開成二維圖像后進(jìn)行下一步處理。在獲取特征向量以后，對(duì)樣本匹配的方法是定義一種特征描述子之間的距離度量函數(shù)計(jì)算樣本間的距離值，距離計(jì)算方法有：曼哈頓距離、歐式距離、馬氏距離等等，然后用單閾值法、最近鄰法等給出最終匹配決策。如圖11所示，為實(shí)施例提出的三維手指靜脈特征提取與匹配的方法流程圖。首先對(duì)采集的模板樣本的三張二維圖像和待匹配樣本的三張二維圖像按上述的三維手指靜脈重建方法生成手指靜脈的三維圖像。由于對(duì)手指放置并未作過多約束，因此，一般而言兩個(gè)樣本之間可能存在一定的繞軸的旋轉(zhuǎn)偏差。針對(duì)這個(gè)問題，本實(shí)施例采用的方法是：先將需要匹配的兩個(gè)三維手指靜脈紋理圖像進(jìn)行對(duì)齊，并分別展開成二維圖像，再用二維圖像的特征提取和匹配完成三維手指靜脈紋理的匹配。具體描述如下。3.1特征提取眾所周知，圓柱體沿一條母線剪開之后能展開成矩形，人體手指三維結(jié)構(gòu)近似于圓柱體模型，如果要將三維手指表皮靜脈展開成一幅二維圖像，可以先將三維手指靜脈映射到一個(gè)圓柱體上，然后再展開成二維圖像。首先，將三維手指靜脈紋理映射到一個(gè)給定大小的圓柱體上，相當(dāng)于將每個(gè)圓歸一化成一個(gè)固定大小的圓，針對(duì)于一個(gè)圓模型，從水平方向上的第一個(gè)點(diǎn)開始，進(jìn)行等角度采樣，共采樣n個(gè)點(diǎn),將每一個(gè)點(diǎn)對(duì)應(yīng)到圓柱體對(duì)應(yīng)位置圓上的相同角度的點(diǎn)上：其中，α＝2π/n，z＝1,2,...,m是z軸坐標(biāo)，r是給定圓柱體的半徑，rc是三維手指靜脈重建中圓模型的半徑，(xc,yc)是該圓模型的圓心位置。對(duì)所有圓模型進(jìn)行處理后即可將靜脈紋理映射到圓柱體側(cè)面。緊接著，按公式(23)沿一條母線將圓柱體側(cè)面剪開，并展開成一幅m×n大小的二維圖像。其中β表示母線所在的方位角，其它符號(hào)的意義與公式(22)相同。對(duì)于模板圖像對(duì)應(yīng)的圓柱體和待匹配圖像對(duì)應(yīng)的圓柱體，將它們展開成二維圖像時(shí)母線所在的位置若不對(duì)應(yīng)，則展開的兩幅圖像將存在偏移問題，為確保屬于同一類對(duì)象的樣本展開成二維圖像之后能保持對(duì)應(yīng)位置基本不變，提出下面的方法對(duì)三維手指靜脈圖像進(jìn)行對(duì)齊(即確定β的值)：在此，規(guī)定模板三維手指圖像的旋轉(zhuǎn)角度β＝0，也即規(guī)定它展開成二維圖像的母線位置為基準(zhǔn)方位，取三維手指靜脈模板圖像展開成二維圖像后的一個(gè)子圖像塊：得到一幅m0×n0的二維圖像itemplate，取m0＝1/3×m，n0＝1/3×n，目的是在待匹配的三維圖像中尋找一塊與之匹配的圖像塊，從而實(shí)現(xiàn)待匹配三維圖像與模板三維圖像對(duì)齊。用β＝kβ0(其中β0是搜索步長(zhǎng)，取π/15，0≤k＜2π/β0，k為整數(shù))代入公式(23)，同樣在待匹配三維圖像展開成的二維圖像中截取大小為m0×n0的二維圖像然后計(jì)算所有k對(duì)應(yīng)的二維圖像與模板塊itemplate的相似程度：上式corr指計(jì)算兩幅圖像的相關(guān)性，取相關(guān)性最大值對(duì)應(yīng)的kβ0作為待匹配樣本的旋轉(zhuǎn)角度。按此方法計(jì)算出母線的方向角以后，再按照公式(23)將待匹配的三維手指靜脈圖像展開成二維紋理圖像，它與模板二維圖像是對(duì)齊的。將三維手指靜脈圖像展開成二維圖像之后，即可利用二維圖像的特征提取算法提取特征。由于光照變化、手指形變、噪聲干擾等，從靜脈圖像獲取到的細(xì)節(jié)特征并非很穩(wěn)定，且細(xì)節(jié)點(diǎn)特征對(duì)手指偏移的魯棒性不高。相對(duì)而言靜脈紋路的結(jié)構(gòu)特征，對(duì)于噪聲干擾、光照變化、手指形變等影響因素具有較強(qiáng)的魯棒性，因此采用簡(jiǎn)單高效的lbp算子[1]提取靜脈紋理的結(jié)構(gòu)特征。3.2特征匹配在模式識(shí)別領(lǐng)域，計(jì)算兩個(gè)樣本的距離度量方式有很多種，這里采用計(jì)算復(fù)雜度最小的曼哈頓距離計(jì)算方法，也是最簡(jiǎn)單的一種模板匹配法。記模板樣本的紋理特征向量為f1＝[f1(1),f1(2),…,f1(m)]，待匹配樣本的紋理特征向量為f2＝[f2(1),f2(2),…,f2(m)]，這兩個(gè)紋理特征的曼哈頓距離為：在決策階段，采用單閾值法，當(dāng)計(jì)算的距離超過給定的閾值t時(shí)，認(rèn)為兩個(gè)樣本相似度較小，判斷它們不屬于同一類對(duì)象，否則，認(rèn)為兩個(gè)樣本的相似度高，判斷它們屬于同一類對(duì)象。采用實(shí)施例1提出三維手指靜脈成像系統(tǒng)采集全方位的手指表皮靜脈圖像，以實(shí)施例2提出的圓近似法構(gòu)建手指三維模型，并將二維的紋理映射到三維手指模型上，得到的三維手指圖像如圖12所示，圖中每一行是同一根手指在不同視角下的觀察圖，這里共展示三根不同手指的三維手指靜脈重建效果?？梢钥吹?，實(shí)施例2方法重建出的三維手指靜脈模型逼真程度很高，包括手指的大小、彎曲程度等都與真實(shí)情況相符，在靜脈紋理方面也基本還原了人體手指表皮靜脈分布情況。征集了11名志愿者采集手指靜脈圖像數(shù)據(jù)，為保證采集方式的友好性，不對(duì)志愿者做過多要求，志愿者在采集數(shù)據(jù)時(shí)可采用比較自然的狀態(tài)將手指置于裝置上。對(duì)每個(gè)志愿者采集了左右手食指和中指共四根手指的數(shù)據(jù)，每根手指采集圖像四次，總共有44根手指的三個(gè)視角的圖像，作為實(shí)驗(yàn)的數(shù)據(jù)。然后，采用本實(shí)施例提出的方法，進(jìn)行三維手指靜脈圖像的特征提取和匹配試驗(yàn)。為了說明本方法的有效性，將其與二維靜脈圖像識(shí)別結(jié)果進(jìn)行比較。為了保證比較的公平性和有效性，選擇對(duì)1號(hào)攝像頭采集的二維靜脈圖像進(jìn)行二維靜脈圖像識(shí)別實(shí)驗(yàn)，因1號(hào)攝像頭位于手指內(nèi)側(cè)表皮下，這與傳統(tǒng)二維手指靜脈成像系統(tǒng)中攝像頭的放置位置一致，實(shí)驗(yàn)結(jié)果如圖13所示。圖13采用的是lbp算子提取紋理特征，從圖中可以發(fā)現(xiàn)，使用三維手指靜脈紋理特征的識(shí)別效果要比傳統(tǒng)的使用二維手指靜脈紋理特征的效果要好。因?yàn)閷?shí)施例1中的系統(tǒng)采用的三個(gè)攝像頭拍攝的手指靜脈圖像比單純的一個(gè)攝像頭拍攝手指內(nèi)側(cè)表皮下的手指靜脈圖像所包含的特征信息更多，而更多的信息意味著更準(zhǔn)確的判斷。另外，還采用hog算子提取紋理特征進(jìn)行實(shí)驗(yàn)，結(jié)果如圖14所示，可以發(fā)現(xiàn)，仍然可以得出相同的結(jié)論，用本實(shí)施例提出的三維的方法可以獲得更好的匹配結(jié)果，進(jìn)一步驗(yàn)證了本方法的有效性。在等誤率方面，如表1所示，使用三維的方案進(jìn)行匹配的等誤率達(dá)到2.273(使用hog算子時(shí)等誤率達(dá)到1.515％)，其結(jié)果比現(xiàn)有的采用二維手指靜脈圖像進(jìn)行匹配的等誤率4.167％(使用hog算子時(shí)等誤率為3.788％)具有明顯的提升效果。表1不同方法的等誤率lbphog2d紋理4.1673.7883d紋理2.2731.515綜上，實(shí)施例1和實(shí)施例2提出了一種全新的三維手指靜脈識(shí)別系統(tǒng)，采用了三個(gè)攝像頭拍攝全方位手指表皮下的靜脈圖像，根據(jù)硬件結(jié)構(gòu)特點(diǎn)提出了一種用圓擬合手指剖面線的方法構(gòu)建手指三維模型，同時(shí)將三個(gè)視角下拍攝的二維手指靜脈映射到三維手指模型中,提出了一種三維手指靜脈紋理特征提取方法，完整實(shí)現(xiàn)了一個(gè)基于三維手指靜脈數(shù)據(jù)的身份認(rèn)證系統(tǒng)，實(shí)驗(yàn)結(jié)果表明實(shí)施例提出的三維手指靜脈識(shí)別系統(tǒng)比傳統(tǒng)的二維手指靜脈識(shí)別系統(tǒng)而言，能夠獲得更多的靜脈紋理特征，得到更好的識(shí)別效果，同時(shí)還可以有效的克服手指姿態(tài)變化帶來的識(shí)別性能下降問題。參考文獻(xiàn)：[1]ojalat,m,harwoodd.acomparativestudyoftexturemeasureswithclassificationbasedonfeatureddistributions[j].patternrecognition,1996,29(1):51-59.上述實(shí)施例為本發(fā)明較佳的實(shí)施方式，但本發(fā)明的實(shí)施方式并不受上述實(shí)施例的限制，其他的任何未背離本發(fā)明的精神實(shí)質(zhì)與原理下所作的改變、修飾、替代、組合、簡(jiǎn)化，均應(yīng)為等效的置換方式，都包含在本發(fā)明的保護(hù)范圍之內(nèi)。當(dāng)前第1頁12