一种基于卷积神经网络和SIFT算法的手指静脉识别方法及系统技术方案

本发明专利技术提出了一种基于卷积神经网络和SIFT（尺度不变特征变换（Scale‑invariant feature transform，SIFT）算法的手指静脉识别方法及系统，其实现流程为：首先，通过数据采集获取待识别用户的手指静脉图像；其次，针对接收到的原始静脉图像信息进行预处理，并提取出图像的感兴趣区域；最后，通过神经网络并结合SIFI算法提取出待识别用户手指的静脉图像特征信息，并进一步对获取的待识别用户的手指静脉图像特征信息进行识别处理，达到识别出手指静脉信息对应身份信息的目的。本发明专利技术能够有效地提取手指静脉特征，提高了对噪声的冗余性，明显改善手指静脉识别系统的识别精度。

【技术实现步骤摘要】
一种基于卷积神经网络和SIFT算法的手指静脉识别方法及系统
本专利技术涉及一种基于卷积神经网络和SIFT算法的手指静脉识别方法及系统，特别是涉及生物特征识别

技术介绍
手指静脉识别是生物识别技术的一种，它利用手指掌侧浅静脉进行身份识别。作为一种新兴的生物识别方法，手指静脉识别方法因其高度的安全性和在活体识别方面的优势以及较高的特异性而引起了广泛的关注。指静脉生物特征识别的原理在于通过特殊的相机获取因血液中的脱氧血红蛋白吸收近红外光而形成的指静脉图像。进而将图像转换并存储为人体生物特征认证数据模板。在认证期间，获取待识别用户的指静脉图像并生成生物特征数据并将其与用户的存储模板进行比较，进而识别用户身份，具备安全性、活体识别性、稳定性、防伪性和非接触性。现有技术中，在手指静脉识别过程中，传统的手指静脉图像识别方法受到多种因素的影响，存在手指静脉图像获取困难、静脉图像易受到噪声干扰、指静脉特征缺乏特异性的问题。因此，目前基于手工特征的方法很难有效地提取到指静脉纹路信息，导致认证系统的识别性能有限。
技术实现思路
专利技术目的：一个目的是提出一种基于卷积神经网络和SIFT算法的手指静脉识别方法，以解决现有技术存在的上述问题。进一步目的是提出一种实现上述方法的身份识别系统。技术方案：一种基于卷积神经网络和SIFT算法的手指静脉识别方法，包括以下步骤：步骤一、通过指静脉信息采集设备获取待识别用户的手指静脉原始图像；步骤二、接收待识别用户的手指静脉图像，并进行图像数据预处理；步骤三、提取图像数据的特征信息；步骤四、识别用户身份信息。在进一步的实施例中，所述步骤二进一步为接收步骤一中采集到的手指静脉图像，并通过灰度化、边缘提取、图像增强、曲线提取、图像融合、归一化操作对接收到的手指静脉图像数据进行预处理。其中，所述灰度化进一步为对待识别用户的手指静脉原始图像进行灰度化。所述边缘提取进一步为获取手指静脉原始图像中手指边缘区域，提取出手指静脉感兴趣区域图像；所述图像增强进一步为通过对手指静脉原始图像进行曝光、滤波、对比度增强，增强原始图像中的手指静脉信息图像数据，从而改善图像的视觉效果，转换为更适合人或机器分析和处理的形式，突出分析过程中有意义的信息。其中滤波进一步包括高斯滤波、中值滤波和Gabor滤波，用于突出图像的空间信息，压抑其他无关的信息，或者去除图像的某些信息，恢复其他的信息。所述曲线提取进一步为对经过图像增强后的手指静脉信息图像数据，根据谷形分析方式，采用二值化的操作提取手指静脉曲线。所述图像融合进一步为将图像增强后的手指静脉图像和曲线提取后的手指静脉图像进行融合；所述归一化进一步包括像素归一化、尺寸归一化；所述像素归一化为对提取的手指静脉感兴趣区域图像，采用最大-最小方法进行像素归一化处理，并使得处理后的像素点取值范围在[0,1]中；所述尺寸归一化为对像素归一化后手指静脉图像信息的图像尺寸，采用双线性插值法进行归一化处理，并使得处理后的图像尺寸大小相同，提高后续步骤处理效率。在进一步的实施例中，所述步骤三进一步为首先接收步骤二中经过图像预处理后的手指静脉图像；其次，将接收到的手指静脉图像中的感兴趣区域输入至卷积神经网络中，进行手指静脉图像的深度特征信息提取；再次，结合SIFT算法对接收到的手指静脉图像中的感兴趣区域进行手指静脉图像的SIFT特征提取。在进一步的实施例中，所述卷积神经网络进一步通过三元损失函数对网络提取特征能力的准确性进行训练，同时针对训练好的卷积神经网络，利用其编码器处理接收到的手指静脉图像，并将提取到的特征作为深度特征存入数据库中；所述数据库用于存储已有用户手指静脉提取出的特征信息，包括卷积神经网络提取出的深度特征信息以及经过SIFT算法处理手指静脉感兴趣区域后得到的SIFT特征信息。在进一步的实施例中，所述步骤四进一步为读取存储手指静脉特征数据库中对应的已有身份信息，并将接收步骤三提取出的手指静脉图像特征信息，将两者进行特征信息比对，进一步获得待识别用户的身份信息。其中特征信息的比对采用余弦距离，具体计算待识别用户指静脉图像的深度特征和数据库中用户的指静脉图像深度特征间的距离，选取其中余弦距离较小的前预定数量的特征对应的数据库用户。采用待识别用户指静脉图像的SIFT特征和筛选出的预定数量的数据库中用户的指静脉图像SIFT特征进行特征匹配，从而得到待识别用户的身份信息。一种基于卷积神经网络和SIFT算法的手指静脉识别系统，可用于实现上述方法，具体包括：用于获取手指静脉图像的图像采集模块；用于对采集到的用户的手指静脉原始图像数据进行预处理的图像预处理模块；用于提取手指静脉图像特征的图像特征提取模块；用于训练图像特征提取能力的图像训练模块；用于确认待识别用户身份的图像识别模块。在进一步的实施例中，所述图像预处理模块进一步包括灰度化模块、图像感兴趣提取模块、图像增强模块、静脉曲线提取模块、图像融合模块、归一化模块；其中所述灰度化模块通过通道色彩的数值设定将图像进行灰度处理；所述图像感兴趣提取模块对灰度化模块灰度化后的图像数据，利用图像梯度差异进行边缘检测获取图像中手指边缘区域；所述图像增强模块包括曝光模块、滤波模块、对比度增强模块，用于对手指静脉图像进行增强作用；所述滤波模块包括高斯滤波模块、中值滤波模块、Gabor滤波模块；所述静脉曲线提取模块通过谷形分析方式，利用二值化的操作针对增强后的手指静脉图像提取手指静脉曲线；所述图像融合模块用于将经过图像增强模块与静脉曲线提取模块处理后的手指静脉图像融合一起；所述归一化模块包括像素归一化模块和尺寸归一化模块；所述像素归一化模块用于对所提取的指静脉感兴趣区域图像进行像素归一化处理；所述尺寸归一化模块用于对像素归一化后图像信息的图像尺寸进行归一化处理。在进一步的实施例中，所述图像特征提取模块进一步包括深度特征提取模块、SIFT特征提取模块；所述深度特征提取模块进一步通过卷积神经网络对图像预处理模块预处理后的手指静脉图像进行深度特征提取；所述SIFT特征提取模块进一步利用尺度不变换特征转换算法，通过尺度空间生成、空间极值点检测、极值点定位、特征指向方向确定、关键点描述子生成等实现对经过图像预处理模块后的手指静脉图像数据进行SIFT特征的提取。在进一步的实施例中，所述图像识别模块用于根据用户手指静脉信息识别出用户的身份信息，进一步根据图像采集模块、图像预处理模块、图像特征提取模块对待进行用户身份信息识别的手指静脉图像信息进行获取、处理及特征提取，随后与图像训练模块存储在数据库中的用户手指静脉图像特征信息进行特征比对，将相似程度高的特征数据作为用户的特征信息，读取特征信息对应的身份信息，从而实现身份信息的比对识别。有益效果：本专利技术提出了一种基于卷积神经网络和SIFT算法的手指静脉识别方法及系统，通过提出的系统实现手指静脉识别方法，大幅度提高指静脉识别系统的识别能力。本文档来自技高网...

【技术保护点】
1.一种基于卷积神经网络和SIFT算法的手指静脉识别方法，其特征在于，包括以下步骤：/n步骤一、通过指静脉信息采集设备获取待识别用户的手指静脉原始图像；/n步骤二、接收待识别用户的手指静脉图像，并进行图像数据预处理；/n步骤三、提取图像数据的特征信息；/n步骤四、识别用户身份信息。/n

【技术特征摘要】
1.一种基于卷积神经网络和SIFT算法的手指静脉识别方法，其特征在于，包括以下步骤：
步骤一、通过指静脉信息采集设备获取待识别用户的手指静脉原始图像；
步骤二、接收待识别用户的手指静脉图像，并进行图像数据预处理；
步骤三、提取图像数据的特征信息；
步骤四、识别用户身份信息。


2.根据权利要求1所述的一种基于卷积神经网络和SIFT算法的手指静脉识别方法，其特征在于，所述步骤二进一步为接收步骤一中采集到的手指静脉图像，并通过灰度化、边缘提取、图像增强、曲线提取、图像融合、归一化操作对接收到的手指静脉图像数据进行预处理；
其中，所述灰度化进一步为对待识别用户的手指静脉原始图像进行灰度化；
所述边缘提取进一步为获取手指静脉原始图像中手指边缘区域，提取出手指静脉感兴趣区域图像；
所述图像增强进一步为通过对手指静脉原始图像进行曝光、滤波、对比度增强，增强原始图像中的手指静脉信息图像数据；其中滤波进一步包括高斯滤波、中值滤波和Gabor滤波；所述高斯滤波进一步为令：



式中，G表示灰度图像，表示经过高斯低通降噪后的图像，I表示使用的二维高斯核，同时满足，其中，表示标准差，x和y分别表示图像的横纵坐标；
所述中值滤波为令：



式中，表示灰度图像，表示经过中值滤波降噪后的图像，Med表示选择矩阵的中值，x和y分别表示图像的横纵坐标，k和l分别表示选取的坐标范围；
所述Gabor滤波方法为令：



式中，G表示灰度图像，表示经过Gabor降噪后的图像，表示使用的二维高斯核，且满足，其中，，，式中的取值表示Gabor核函数的方向，的取值决定了Gabor滤波的波长，k表示总的方向数，决定了高斯窗口的大小，x和y分别表示图像的横纵坐标；
所述曲线提取进一步为对经过图像增强后的手指静脉信息图像数据，根据谷形分析方式，采用二值化的操作提取手指静脉曲线；
所述图像融合进一步为将图像增强后的手指静脉图像和曲线提取后的手指静脉图像进行融合；
所述归一化进一步包括像素归一化、尺寸归一化；所述像素归一化为对提取的手指静脉感兴趣区域图像，进行像素归一化处理，进一步为：
式中，为每个像素点归一化后的灰度值，表示原图像的灰度值；所述尺寸归一化为对像素归一化后手指静脉图像信息的图像尺寸进行归一化处理。


3.根据权利要求1所述的一种基于卷积神经网络和SIFT算法的手指静脉识别方法，其特征在于，所述步骤三进一步为首先接收步骤二中经过图像预处理后的手指静脉图像；其次，将接收到的手指静脉图像中的感兴趣区域输入至卷积神经网络中，进行手指静脉图像的深度特征信息提取；再次，结合SIFT算法对接收到的手指静脉图像中的感兴趣区域进行手指静脉图像的SIFT特征提取。


4.根据权利要求3所述的一种基于卷积神经网络和SIFT算法的手指静脉识别方法，其特征在于，所述卷积神经网络进一步通过三元损失函数对网络提取特征能力的准确性进行训练，同时针对训练好的卷积神经网络，利用其处理接收到的手指静脉图像，并将提取到的特征作为深度特征存入数据库中；所述数据库用于存储已有用户手指静脉提取出的特征信息，包括卷积神经网络提取出的深度特征信息以及经过SIFT算法处理手指静脉感兴趣区域后得到的SIFT特征信息。


5.根据权利要求1所述的一种基于卷积神经网络和SIFT算法的手指静脉识别方法，其特征在于，所述步骤四进一步为读取存储手指静...

【专利技术属性】
技术研发人员：严如强，侯博瑞，沈飞，
申请(专利权)人：西安格威西联科技有限公司，
类型：发明
国别省市：陕西;61