低分辨率多光谱掌纹、掌静脉实时身份识别方法与系统技术方案

本发明专利技术公开了一种低分辨率多光谱掌纹、掌静脉实时身份识别方法与系统。系统采集五种光谱下的掌部图像，充分利用多光谱图像信息的互补性，提高系统识别率；同时在近红外线光光谱下采集掌静脉信息，使系统具有活体检测能力，提高系统的防仿冒攻击能力；采用基于双立方插值的下采样技术，提高特征提取速度及其它后处理速度，节约特征模板的存储空间；采用多尺度多方向滤波器组进行特征提取，减少光照变化对特征提取的影响，提高系统鲁棒性；采用哈希表对特征矩阵编码，进一步提高系统匹配速度；使用独特的分数级多光谱特征融合方法，进一步提高系统的识别率。本发明专利技术实现的系统具有：分辨率高、识别速度快、系统性稳定和扩展性好、防仿冒攻击等特点。

【技术实现步骤摘要】
【专利摘要】本专利技术公开了一种低分辨率多光谱掌纹、掌静脉实时身份识别方法与系统。系统采集五种光谱下的掌部图像，充分利用多光谱图像信息的互补性，提高系统识别率；同时在近红外线光光谱下采集掌静脉信息，使系统具有活体检测能力，提高系统的防仿冒攻击能力；采用基于双立方插值的下采样技术，提高特征提取速度及其它后处理速度，节约特征模板的存储空间；采用多尺度多方向滤波器组进行特征提取，减少光照变化对特征提取的影响，提高系统鲁棒性；采用哈希表对特征矩阵编码，进一步提高系统匹配速度；使用独特的分数级多光谱特征融合方法，进一步提高系统的识别率。本专利技术实现的系统具有：分辨率高、识别速度快、系统性稳定和扩展性好、防仿冒攻击等特点。【专利说明】低分辨率多光谱掌纹、掌静脉实时身份识别方法与系统
本专利技术涉及生物特征识别的
，特别是涉及低分辨率多光谱掌纹、掌静脉实时身份识别方法与系统。
技术介绍
身份识别是人类工业生产、商业活动及日常生活的重要组成部分。目前常用的识别手段包括钥匙、智能卡和密码等传统方式。钥匙及智能卡识别普及程度高，但容易丢失及复制；密码易用但易于忘记及破解。传统的身份识别方式无法适应人类生产、生活需要，因此，生物特征识别方法应运而生。生物特征识别是指计算机利用人的生理或行为特征进行个人身份鉴定的技术。目前人们研究和使用的生物识别方法主要有指纹识别、人脸识别、虹膜识别、掌纹识别等。指纹识别是最早的生物特征识别方法，其历史悠久，容易实现。指纹识别方法存在的主要问题是:指纹是身体的外层特征，容易复制伪造、损伤。而且，指纹图像区域小，所包含的信息量少，导致其识别率偏低，注册数据库小，限制其大规模应用。另外，手指过干、过湿及脏物等容易导致指纹图像模糊而无法正常比对。人脸识别应用广泛，其可用于识别的特征包括眼、鼻、口、眉、人脸轮廓及位置关系等，具有“非侵犯性”的优点，可用于公共场合下特定人士的主动搜寻，也可作为多模式生物特征特征识别的重要组成部分。其缺点是识别精度低，受环境影响大，实用性不强。由于虹膜特征信息丰富、几乎终生不变，所以虹膜识别是各种生物特征识别方法中错误率最低的，其一直是高端安全设备所采用的身份识别技术。但与其他生物识别技术相比，其设备复杂、昂贵，而且识别时需要被识别人主动配合，且固定人脸对焦瞳孔，其易接受性最差。掌纹识别是一种相对较新的生物特征识别技术。掌纹图像包括手掌主线、皱纹、细小纹理、脊末梢、分叉点等丰富的信息特征，这些特征清晰、稳定。而且系统识别时对图像分辨率要求不高，掌纹图像采集也相对容易、方便快捷，是一种非侵犯性的识别方法，用户比较容易接受。但相对于指纹图像，掌纹图像要大很多，这给图像特征提取、匹配及存贮带来许多困难，不能保证识别系统实时性要求，而且，单光谱掌纹识别系统不能防止仿冒攻击。掌静脉属于人体内部的血管特征，具有很好的唯一性、稳定性；不易受污染、磨损、老化、伤痕等问题影响，静脉图像采集过程也十分友好，容易保证识别过程顺利进行；而且静脉属人的内部特征，具有活体性，因此无法通过技术手段仿制和窃取，具有很好的安全性。但掌静脉识别也存在一些缺点，如因静脉位于浅层皮肤下，图像采集较掌纹困难，对设备有特殊要求，设备相对复杂，难以小型化，制造成本相对较高，且图像清晰度不高，因此需要更复杂图像处理算法。基于掌纹、掌静脉识别各自的缺点，虽然三维掌纹掌形识别方法可用于解决其中的某些问题，但昂贵和笨重的装置，使得它很难应用于实际应用中。解决问题的方案之一是采用多光谱掌纹掌静脉成像，即在多种光谱条件下捕获图像。现有的多光谱身份识别系统成像分辨率一般大于300DPI，即具有高分辨率的图像，但高分辨率图像特征提取又不能满足系统实时性要求。
技术实现思路
为克服现有技术所存在的问题，本专利技术的目的在于提供低分辨率多光谱掌纹、掌静脉实时身份识别方法与系统，能够满足身份识别要求，识别性能提高的同时加快匹配速度，节约压缩特征码的存储空间，同时还满足系统实时性功能。本专利技术采用的技术方案是:低分辨率多光谱掌纹、掌静脉实时身份识别方法，包括注册阶段和识别阶段。注册阶段包括:a.采集待注册的掌部图像，所述掌部图像包括在白光、红光、绿光、蓝光、近红外线光谱下采集的五幅图像；b.对待注册的掌部图像进行ROI提取，并采用双立方插值对所得的ROI图像进行下采样；c.采用多尺度多方向滤波器对获取的ROI图像进行特征提取，得到五组对应不同光谱的特征矢量，并对特征矢量进行编码，生成特征模板并存储于特征数据库中；识别阶段包括:a.采集待识别的掌部图像，所述掌部图像包括在白光、红光、绿光、蓝光、近红外线光谱下采集的五幅图像；b.对待识别的掌部图像进行ROI提取，并采用双立方插值对所得的ROI图像进行下采样；c.采用多尺度多方向滤波器对获取的ROI图像进行特征提取，得到五组对应不同光谱的特征矢量，并对特征矢量进行编码，生成输入特征；d.将输入特征与存储于特征数据库中的特征模板一一对应地进行单光谱特征匹配，得到的五个匹配分数进行分数级权重融合，最后根据融合分数采用最近邻算法进行决策，得到识别结果。进一步，所述对掌部图像进行ROI提取前还包括预处理以及参考坐标系定位，其中所述预处理包括二值化处理以及形态学处理，所述形态学处理包括图像腐蚀、膨胀、闭运算；参考坐标系定位包括:从二值化图像中提取出手掌和手指的轮廓曲线，并通过Harris角点检测方法确定图像的参考坐标系。进一步，所述对ROI图像进行特征提取的步骤包括:采用非下采样带通金字塔滤波器与下采样图像进行卷积，卷积后的输出响应再与非下采样八方向滤波器组进行卷积，最后在八个方向上采用竞争方式对滤波器输出响应进行最大值编码构成O或I的二进制特征矢量。进一步，所述模板特征以哈希表形式存储于特征数据库中。本专利技术还提供了低分辨率多光谱掌纹、掌静脉实时身份识别系统，包括:图像采集模块，所述图像采集模块包括多光谱主动光源、CXD图像感应器，以及与多光谱主动光源连接的控制单元；图像预处理模块，所述图像预处理模块的输入端与CXD图像感应器的输出端相连，用于对CCD图像感应器采集到的掌部图像进行预处理、参考坐标系定位、ROI提取、下采样处理；特征提取模块，所述特征提取模块的输入端与图像预处理模块的输出端相连，用于对经过预处理后的掌部图像进行特征提取；存储模块，所述存储模块设有特征数据库，与特征提取模块的输出端相连，用于存储注册阶段中获取的模板特征；识别决策模块，所述识别决策模块与特征提取模块、特征数据库相连，用于将待识别的输入特征与模板特征进行单光谱特征匹配，并将不同光谱的匹配结果进行分数级权重融合，最后根据融合分数采用最近邻算法进行决策，进而得到识别结果。进一步，所述多光谱主动光源包括围绕CXD图像感应器呈环形依次交替分布的白光光源、红光光源、绿光光源、蓝光光源、近红外线光源，所述控制单元用于控制各光源的轮流亮暗。本专利技术提供的低分辨率多光谱掌纹、掌静脉实时身份识别方法与系统主要具有以下有益效果:(I)采集五种光谱下的掌部图像，基于多光谱图像融合方法，充分利用多光谱图像/[目息，提闻系统识别率；(2)采用基于双立方插值的下采样技术，提高特征提取速度、匹配速度，节约特征模板存储空间，使识别速度加快，保证本文档来自技高网...

【技术保护点】
低分辨率多光谱掌纹、掌静脉实时身份识别方法，主要包括注册阶段和识别阶段，其特征在于，注册阶段包括：a.    采集待注册的掌部图像，所述掌部图像包括在白光、红光、绿光、蓝光、近红外线光谱下采集的五幅图像；b.    对待注册的掌部图像进行ROI提取，并采用双立方插值对所得的ROI图像进行下采样；c.    采用多尺度多方向滤波器组对获取的ROI图像进行特征提取，得到五组对应不同光谱的特征矢量，并对特征矢量进行编码，生成特征模板并存储于特征数据库中；识别阶段包括：a.    采集待识别的掌部图像，所述掌部图像包括在白光、红光、绿光、蓝光、近红外线光谱下采集的五幅图像；b.    对待识别的掌部图像进行ROI提取，并采用双立方插值对所得的ROI图像进行下采样；c.    采用多尺度多方向滤波器组对获取的ROI图像进行特征提取，得到五组对应不同光谱的特征矢量，并对特征矢量进行编码，生成输入特征；d.    将输入特征与存储于特征数据库中的特征模板一一对应地进行单光谱特征匹配，得到的五个匹配分数进行分数级权重融合，最后根据融合分数采用最近邻算法进行决策，得到识别结果。

【技术特征摘要】

【专利技术属性】
技术研发人员：余义斌，唐遥芳，甘俊英，曾军英，
申请(专利权)人：五邑大学，
类型：发明
国别省市：广东;44