一种基于指腹静脉和指背静脉深度融合的指静脉识别方法技术

本发明专利技术涉及一种基于指腹静脉和指背静脉深度融合的指静脉识别方法，其包括以下步骤：1)采集所有注册用户和验证用户的指腹静脉和指背静脉图像；2)对采集的所有图像分别进行静脉图像的融合及静脉特征的融合，并分别提取静脉图像的融合特征和静脉特征的融合特征；3)对静脉图像的融合特征和静脉特征的融合特征进行深度融合；4)基于深度融合的特征建立注册用户模板数据库和验证用户模板；5)基于注册用户模板数据库对验证用户模板进行匹配。采用本发明专利技术涉及的指静脉识别方法识别指静脉时，能够有效降低误识率，提高验证通过率，进而保证指静脉识别的安全性。

A digital vein recognition method based on deep fusion of digital ventral vein and digital dorsal vein

【技术实现步骤摘要】
一种基于指腹静脉和指背静脉深度融合的指静脉识别方法
本专利技术属于手指静脉识别及信息安全
，尤其涉及一种基于指腹静脉和指背静脉深度融合的指静脉识别方法。
技术介绍
随着科技的飞速发展，传统的密钥因为携带不方便、记忆困难、容易丢失或者易伪造等原因，逐渐被生物特征密钥而取代。指静脉是人体手指内部的，稳定的，不易伪造的一种生物特征，利用指静脉特征来进行身份识别，具有很大的便利性和较高的安全性。目前，市面上常见的指静脉识别技术一般利用指腹静脉图像来进行身份识别，其方法如专利号为CN106096569B的中国专利公开的一种手指静脉识别方法，包括如下步骤：S1、采集近红外光下的手指图像；S2、对采集到的手指图像进行预处理与去噪，再采用OSTU大津法阈值化对手指图像进行阈值处理或ROI定位，获取手指二值图像；S3、判断手指二值图像是否有旋转扭曲干扰，若存在则进行校正变换；S4、用局部自适应阈值进行手指二值图像的静脉特征提取，获取静脉二值图像；S5、计算输入静脉二值图像与注册静脉二值图像之间的匹配距离；S6、利用K近邻算法计算识别结果。上述指静脉识别方法对于手指腹部起皮、脏污、划伤等情况下会导致验证通过率低，对部分指腹静脉信息较少的手指而言存在一定的误识概率。
技术实现思路
本专利技术的目的是为了解决现有技术中指静脉识别方法对于手指腹部起皮、脏污、划伤等情况下会导致验证通过率低，对部分指腹静脉信息较少的手指而言存在一定的误识概率的问题，提出一种基于指腹静脉和指背静脉深度融合的指静脉识别方法，以降低误识概率，提高验证通过率。为了达到目的，本专利技术提供的技术方案为：一种基于指腹静脉和指背静脉深度融合的指静脉识别方法，包括以下步骤：1)采集所有注册用户和验证用户的指腹静脉和指背静脉图像；2)对采集的所有图像分别进行静脉图像的融合及静脉特征的融合，并分别提取静脉图像的融合特征和静脉特征的融合特征；3)对静脉图像的融合特征和静脉特征的融合特征进行深度融合；4)基于深度融合的特征建立注册用户模板数据库和验证用户模板；5)基于注册用户模板数据库对验证用户模板进行匹配。优选地，所述步骤2)中，静脉图像的融合是指对指腹静脉和指背静脉图像进行加权融合，融合方式为：式中：ImgA为指腹静脉图像，ImgB为指背静脉图像，ImgAB为指腹静脉图像和指背静脉图像的融合图像，a为指腹静脉图像中的静脉信息的融合权重系数，b为指腹静脉图像中的背景信息的融合权重系数，c为指背静脉图像中的静脉信息的融合权重系数，d为指背静脉图像中的背景信息的融合权重系数，e为融合图像的灰度偏移校准参数，Fa1为指腹静脉图像的卷积算子1，Fa2为指腹静脉图像的卷积算子2，Fa3为指腹静脉图像的卷积算子3，Fb1为指背静脉图像的卷积算子1，Fb2为指背静脉图像的卷积算子2，Fb3为指背静脉图像的卷积算子3。优选地，所述步骤2)中，静脉特征的融合是指对指腹静脉特征和指背静脉特征进行加权融合，融合方式为：FeatureAB＝f*FeatureA∪g*FeatureB(2)式中，FeatureA为由指腹静脉图像所提取的静脉特征，FeatureB为由指背静脉图像所提取的静脉特征，FeatureAB为由指腹静脉图像所提取的静脉特征和由指背静脉图像所提取的静脉特征所融合得到的静脉特征，f为指腹静脉图像的静脉特征的融合权重系数，g为指背静脉图像的静脉特征的融合权重系数。优选地，所述步骤3)中，静脉图像层的融合特征和静脉特征层的融合的方式为：Template＝h1*FeatureAB∪h2*FeatureImgAB(3)式中，Template为指腹静脉和指背静脉深度融合后的特征模板数据，FeatureAB为静脉特征层面的融合特征，FeatureImgAB为静脉图像层面的融合特征，h1为静脉特征层面的融合特征的融合权重系数，h2为静脉图像层面的融合特征的融合权重系数。优选地，所述的静脉特征是从指腹静脉图像和指背静脉图中提取的二值图特征和特征序列seq。优选地，所述的二值图特征和特征序列seq的提取方法包括：2.1)对静脉图像进行去噪处理，得到去噪后的灰度图像；2.2)提取ROI感兴趣区域，并对感兴趣区域的图像进行归一化处理；2.3)将归一化后的感兴趣区域图像进行图像增强处理；2.4)提取增强后的灰度图像的梯度特征图；2.5)根据自适应阈值，分割梯度特征图得到二值图；2.6)计算二值图的角点，获取角点数量和位置信息，映射角点到对应原灰度图的像素区域，进行LBP编码，得到特征序列seq。优选地，所述步骤2.3)中图像增强处理采用的是同态滤波方法，同态滤波的计算方法包括公式(4)～公式(7)：I(x，y)＝z(x，y)*r(x，y)(4)，F{ln(I(x，y))}＝F{ln(z(x，y))}+F{ln(r(x,y))}(5)，N(u,v)＝H(u,v)*M(u,v)(6)，n(x,y)＝F-1{N(x,y)}(7)，式中，z为图像的照射分量，r为反射分量，I为采集到的原始图像，F为傅里叶变换，H为高通滤波函数，N为高频滤波后的频域图像，n为同态滤波后的时域图像，(u,v)是频域的正余弦的频率，(x,y)是图像中像素的坐标，M为傅里叶变换后的频域对数图像。优选地，所述步骤5)的具体步骤包括：5.1)设定模板与验证用户的匹配阈值T；5.2)分别计算验证用户和所有注册用户间的特征模板数据的汉明距离HMd，并与设定的匹配阈值T进行比较；5.3)若HMd<T，则认为验证用户与该注册模板用户是同一个用户，否则即视为匹配失败。采用本专利技术提供的技术方案，与现有技术相比，具有如下有益效果：本专利技术涉及的基于指腹静脉和指背静脉深度融合的指静脉识别方法通过采集指腹静脉和指背静脉图像，然后进行静脉图像融合和静脉特征融合，再对静脉图像的融合特征和静脉特征的融合特征进行深度融合，与传统的非融合的识别方法相比，提高了验证的通过率和降低了误识率，进而提高了安全等级。附图说明图1为本专利技术涉及的基于指腹静脉和指背静脉深度融合的指静脉算法的流程图；图2为本专利技术算法中获取验证特征序列seq和二值图像的流程图；图3为本专利技术采集到的手指静脉指腹和指背的图像；图4为本专利技术同态滤波后的图像；图5为本专利技术得到的二值化图像；图6为本专利技术得到的角点信息图；图7为本专利技术得到角点位置像素的LBP编码和特征序列。具体实施方式为进一步了解本专利技术的内容，结合实施例对本专利技术作详细描述，以下实施例用于说明本专利技术，但不用来限制本专利技术的范围。结合附图1所示，本专利技术涉及的一种基于指腹静脉和指背静脉深度融合的指静脉识别方法包括以下步骤：1)采集所有注册用户和验证用户的指腹静脉和指背静脉图像本文档来自技高网...

【技术保护点】
1.一种基于指腹静脉和指背静脉深度融合的指静脉识别方法，其特征在于：其包括以下步骤：/n1)采集所有注册用户和验证用户的指腹静脉和指背静脉图像；/n2)对采集的所有图像分别进行静脉图像的融合及静脉特征的融合，并分别提取静脉图像的融合特征和静脉特征的融合特征；/n3)对静脉图像的融合特征和静脉特征的融合特征进行深度融合；/n4)基于深度融合的特征建立注册用户模板数据库和验证用户模板；/n5)基于注册用户模板数据库对验证用户模板进行匹配。/n

【技术特征摘要】
1.一种基于指腹静脉和指背静脉深度融合的指静脉识别方法，其特征在于：其包括以下步骤：
1)采集所有注册用户和验证用户的指腹静脉和指背静脉图像；
2)对采集的所有图像分别进行静脉图像的融合及静脉特征的融合，并分别提取静脉图像的融合特征和静脉特征的融合特征；
3)对静脉图像的融合特征和静脉特征的融合特征进行深度融合；
4)基于深度融合的特征建立注册用户模板数据库和验证用户模板；
5)基于注册用户模板数据库对验证用户模板进行匹配。


2.根据权利要求1所述的基于指腹静脉和指背静脉深度融合的指静脉识别方法，其特征在于：所述步骤2)中，静脉图像的融合是指对指腹静脉和指背静脉图像进行加权融合，融合方式为：



式中：ImgA为指腹静脉图像，ImgB为指背静脉图像，ImgAB为指腹静脉图像和指背静脉图像的融合图像，a为指腹静脉图像中的静脉信息的融合权重系数，b为指腹静脉图像中的背景信息的融合权重系数，c为指背静脉图像中的静脉信息的融合权重系数，d为指背静脉图像中的背景信息的融合权重系数，e为融合图像的灰度偏移校准参数，Fa1为指腹静脉图像的卷积算子1，Fa2为指腹静脉图像的卷积算子2，Fa3为指腹静脉图像的卷积算子3，Fb1为指背静脉图像的卷积算子1，Fb2为指背静脉图像的卷积算子2，Fb3为指背静脉图像的卷积算子3。


3.根据权利要求1所述的基于指腹静脉和指背静脉深度融合的指静脉识别方法，其特征在于：所述步骤2)中，静脉特征的融合是指对指腹静脉特征和指背静脉特征进行加权融合，融合方式为：
FeatureAB＝f*FeatureA∪g*FeatureB(2)
式中，FeatureA为由指腹静脉图像所提取的静脉特征，FeatureB为由指背静脉图像所提取的静脉特征，FeatureAB为由指腹静脉图像所提取的静脉特征和由指背静脉图像所提取的静脉特征所融合得到的静脉特征，f为指腹静脉图像的静脉特征的融合权重系数，g为指背静脉图像的静脉特征的融合权重系数。


4.根据权利要求1所述的基于指腹静脉和指背静脉深度融合的指静脉识别方法，其特征在于：所述步骤3)中，静脉图像层的融合特征和静脉特征层的融合的方式为：
Template＝h1*FeatureAB∪h2*FeatureImgAB(3)
式中，Template为指腹静脉和指背静脉深度融合...

【专利技术属性】
技术研发人员：赵国栋，张烜，朱晓芳，辛传贤，
申请(专利权)人：圣点世纪科技股份有限公司，
类型：发明
国别省市：山西;14