近紅外手掌靜脈圖像的識別方法
【專利摘要】本發(fā)明公開了一種對手掌靜脈圖像進(jìn)行采集并識別的系統(tǒng)方法，現(xiàn)利用紅外工業(yè)攝像頭采集人手掌的靜脈圖像，再對原始圖像進(jìn)行歸一化、二值化、中值濾波進(jìn)行預(yù)處理得出具有一定特征的目標(biāo)圖像，接下來對圖像通過多層卷積和池化等操作進(jìn)行訓(xùn)練，最終得到合理的權(quán)矩陣，該權(quán)矩陣經(jīng)驗(yàn)證可以運(yùn)用于范圍較小的手掌靜脈圖像識別。該系統(tǒng)方法具有小范圍內(nèi)識別速度快，系統(tǒng)簡潔，識別率高等優(yōu)點(diǎn)。
【專利說明】
近紅外手掌靜脈圖像的識別方法
技術(shù)領(lǐng)域
[0001 ]本發(fā)明是一項(xiàng)利用卷積神經(jīng)網(wǎng)絡(luò)處理和識別數(shù)字圖像的技術(shù)。
【背景技術(shù)】
[0002] 當(dāng)今世界，身份識別在日常生活中越來越重要，無論是到銀行辦理業(yè)務(wù)，還是乘坐 飛機(jī)，甚至小到打開一扇門，都需要驗(yàn)明身份。傳統(tǒng)的身份驗(yàn)證方法包括證件、鑰匙、用戶名 和密碼等身份標(biāo)識內(nèi)容，由于借助體外物，一旦標(biāo)志物或密碼被盜或遺忘，其身份就容易被 他人冒充或取代。于是生物識別受到了越來越多人的重視，目前指紋識別的普及率最高。但 是因指紋容易仿照，且面積較少。虹膜識別的可靠性高而且容易仿造，但是其成本太高，目 前還不能大量普及。手掌靜脈識別速度和穩(wěn)定性:采用紅外線感應(yīng)，用戶可以有自己的憑據(jù) 快速掃描，而無需實(shí)際觸摸掃描儀。此外，大多數(shù)環(huán)境中對生物特征認(rèn)證或掃描儀的準(zhǔn)確度 的可靠性小的負(fù)面影響。不過目前市場上的手掌靜脈識別設(shè)備大都相對精密價格偏高，一 般家庭和企業(yè)并不能消費(fèi)的起。

【發(fā)明內(nèi)容】

[0003] 本發(fā)明采用卷積神經(jīng)網(wǎng)絡(luò)算法，為手掌靜脈圖像識別這一領(lǐng)域提供了一種高效、 精確的解決方案。
[0004] 本發(fā)明針對手掌靜脈圖像識別所采取的技術(shù)方案是:利用自主設(shè)計(jì)的基于近紅外 相機(jī)的手掌靜脈圖像采集裝置提取的手掌靜脈的原始圖像，然后對采集到的圖像壓縮、動 態(tài)二值化和增強(qiáng)處理，最后以預(yù)處理的手掌靜脈圖像作為輸入進(jìn)行卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練并 匹配。手掌靜脈識別流程有如下五個步驟：
[0005] (1)圖像歸一化處理：先將樣本圖像一定比例縮小，并進(jìn)行灰度歸一化處理，樣本 圖像的標(biāo)準(zhǔn)約定為同一方差與同一均值；
[0006] (2)動態(tài)二值化處理:采用大律法(OSTU)方法對手掌靜脈圖像進(jìn)行動態(tài)二值化處 理，即將圖像劃分成多個區(qū)域，對每個區(qū)域分別進(jìn)行二值化處理，同時又能很好地避免圖像 不聯(lián)通和偽影像的出現(xiàn)；
[0007] (3)中值濾波處理:對圖像進(jìn)行中值濾波，去除圖像中大量的噪聲點(diǎn)和孤立點(diǎn)；
[0008] (4)卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練:先經(jīng)過向前傳播階段，將樣本從輸入層經(jīng)過卷積神經(jīng)網(wǎng)絡(luò) 中逐級的變換(變換的過程為:第一層卷積、第一層池化、第二層卷積、第二層池化），傳送至 輸出層。再經(jīng)過向后傳播階段，進(jìn)行誤差調(diào)整，不斷地調(diào)整權(quán)矩陣；
[0009] (5)手掌靜脈圖像識別：將輸入的手掌靜脈圖像與樣本庫中已經(jīng)進(jìn)行卷積神經(jīng)網(wǎng) 絡(luò)訓(xùn)練過的圖像進(jìn)行比對，得出識別結(jié)果。
【附圖說明】
[0010]圖1是采樣樣本原圖；
[0011]圖2是經(jīng)過壓縮和歸一化處理后的圖像；
[0012]圖3是經(jīng)過動態(tài)二值化處理后的圖像；
[0013]圖4是經(jīng)過中值濾波處理后的圖像。
【具體實(shí)施方式】
[0014] 以下參照附圖及實(shí)施例對本發(fā)明進(jìn)行詳細(xì)的說明。本發(fā)明的范圍不受這些實(shí)施例 的限制，本發(fā)明的范圍在權(quán)利要求書中提出。
[0015] 本發(fā)明利用自主設(shè)計(jì)的基于近紅外相機(jī)的手掌靜脈圖像采集裝置提取的手掌靜 脈的原始圖像，然后對采集到的圖像壓縮、動態(tài)二值化和增強(qiáng)處理，最后以預(yù)處理的手掌靜 脈圖像作為輸入進(jìn)行卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練并匹配。手掌靜脈識別流程有如下五個步驟：
[0016] (1)圖像歸一化處理:先將樣本圖像一定比例縮小，并進(jìn)行灰度歸一化處理，樣本 圖像的標(biāo)準(zhǔn)約定為同一方差與同一均值；
[0017] (2)動態(tài)二值化處理:采用大律法(OSTU)方法對手掌靜脈圖像進(jìn)行動態(tài)二值化處 理，即將圖像劃分成多個區(qū)域，對每個區(qū)域分別進(jìn)行二值化處理，同時又能很好地避免圖像 不聯(lián)通和偽影像的出現(xiàn)；
[0018] (3)中值濾波處理:對圖像進(jìn)行中值濾波，去除圖像中大量的噪聲點(diǎn)和孤立點(diǎn)；
[0019] (4)卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練:先經(jīng)過向前傳播階段，將樣本從輸入層經(jīng)過卷積神經(jīng)網(wǎng)絡(luò) 中逐級的變換(變換的過程為:第一層卷積、第一層池化、第二層卷積、第二層池化），傳送至 輸出層。再經(jīng)過向后傳播階段，進(jìn)行誤差調(diào)整，不斷地調(diào)整權(quán)矩陣；
[0020] (5)手掌靜脈圖像識別：將輸入的手掌靜脈圖像與樣本庫中已經(jīng)進(jìn)行卷積神經(jīng)網(wǎng) 絡(luò)訓(xùn)練過的圖像進(jìn)行比對，得出識別結(jié)果。
[0021] 利用本發(fā)明提出的手掌靜脈圖像識別算法，對圖1原圖進(jìn)行操作，首先經(jīng)過壓縮和 歸一化處理，得到圖2,以減少運(yùn)算量、提高處理速度;其次進(jìn)行動態(tài)二值化和中值濾波處 理，分別如圖3和圖4所示，得到最終處理后的圖像;最后進(jìn)行卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練，得到的結(jié) 果錄入樣本庫。
[0022] 如果用戶需要進(jìn)行識別，只需上傳手掌靜脈圖像，系統(tǒng)會將該圖像與樣本庫中所 有經(jīng)過卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練的圖像進(jìn)行比對，可以得出比對信息，識別成功。
[0023]對于我們采用的手掌靜脈圖像識別方法的驗(yàn)證，我們采用的是交叉驗(yàn)證中的十折 交叉驗(yàn)證方法。將數(shù)據(jù)集分成十分，輪流將其中9份作為訓(xùn)練數(shù)據(jù)，1份作為測試數(shù)據(jù)，進(jìn)行 試驗(yàn)。每次試驗(yàn)都會得出相應(yīng)的正確率(或差錯率）。1〇次的結(jié)果的正確率(或差錯率）的平 均值作為對算法精度的估計(jì)，一般還需要進(jìn)行多次10折交叉驗(yàn)證（例如10次10折交叉驗(yàn) 證），再求其均值，作為對算法準(zhǔn)確性的估計(jì)。之所以選擇將數(shù)據(jù)集分為10份，是因?yàn)橥ㄟ^利 用大量數(shù)據(jù)集、使用不同學(xué)習(xí)技術(shù)進(jìn)行的大量試驗(yàn)，表明10折是獲得最好誤差估計(jì)的恰當(dāng) 選擇，而且也有一些理論根據(jù)可以證明這一點(diǎn)。
[0024]我們的數(shù)據(jù)集是我們用紅外攝像頭采集到的3個人，每人20張的手掌圖片。測試的 過程中，我們對于卷積核的訓(xùn)練次數(shù)都用500次，具體驗(yàn)證結(jié)果如下表所示：

[0026]~誤識率，指不是這個人的手掌照片，但卻別識別成這個人的手掌照片的百分比。~ [0027]靈敏度，指是這個人的手掌照片，被正確識別的百分比。
[0028]特異度，指不是這個人的手掌照片，同時也識別為不是這個人手掌照片的百分比。
【主權(quán)項(xiàng)】
1.本發(fā)明利用自主設(shè)計(jì)的基于近紅外相機(jī)的手掌靜脈圖像采集裝置提取的手掌靜脈 的原始圖像，然后對采集到的圖像壓縮、動態(tài)二值化和增強(qiáng)處理，最后以預(yù)處理的手掌靜脈 圖像作為輸入進(jìn)行卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練并匹配。 手掌靜脈圖像識別流程有如下五個步驟： (1) 圖像歸一化處理:先將樣本圖像一定比例縮小，并進(jìn)行灰度歸一化處理，樣本圖像 的標(biāo)準(zhǔn)約定為同一方差與同一均值； (2) 動態(tài)二值化處理:采用大律法(OSTU)方法對手掌靜脈圖像進(jìn)行動態(tài)二值化處理，即 將圖像劃分成多個區(qū)域，對每個區(qū)域分別進(jìn)行二值化處理，同時又能很好地避免圖像不聯(lián) 通和偽影像的出現(xiàn)； (3) 中值濾波處理:對圖像進(jìn)行中值濾波，去除圖像中大量的噪聲點(diǎn)和孤立點(diǎn)； (4) 卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練:先經(jīng)過向前傳播階段，將樣本從輸入層經(jīng)過卷積神經(jīng)網(wǎng)絡(luò)中逐 級的變換(變換的過程為:第一層卷積、第一層池化、第二層卷積、第二層池化），傳送至輸出 層。再經(jīng)過向后傳播階段，進(jìn)行誤差調(diào)整，不斷地調(diào)整權(quán)矩陣； (5) 手掌靜脈圖像識別：將輸入的手掌靜脈圖像與樣本庫中已經(jīng)進(jìn)行卷積神經(jīng)網(wǎng)絡(luò)訓(xùn) 練過的圖像進(jìn)行比對，得出識別結(jié)果。
【文檔編號】G06K9/00GK106056041SQ201610334223
【公開日】2016年10月26日
【申請日】2016年5月18日
【發(fā)明人】陳科, 游京翰, 梁作宇, 崔路男
【申請人】天津工業(yè)大學(xué)