一种基于手掌静脉与掌纹的近红外成像身份识别方法，其特征在于：首先利用近红外成像设备获取一幅手掌图像，提取出需处理的中心子块样本，将该子块输入到两个特征提取模块中：类掌纹信息编码和静脉血管结构提取，然后两个特征分别进行匹配，采用不同的相似度评价方法对两种特征分别计算各自的相似度，根据训练样本，得到类掌纹和静脉血管结构的最优加权组合，然后将两个相似度进行相似度级的融合，最后将融合后的相似度根据预先设定的阈值进行决策比较，结合融合的匹配做出最终判定。
【技术实现步骤摘要】
本专利技术涉及人体生物特征识别技术，具体涉及一种捕获近红外光源照射下的手掌静脉和掌纹图像的技术。
技术介绍
随着社会发展，尤其是电子信息的快速发展，人们对安防产品的需求正越来越多。其中基于生物特征识别技术的产品的开发和使用在高速发展。生物特征识别技术是依据人的体貌、声音等生物特征进行身份验证的科学解决方案，现有的生物特征识别技术大致上包括指纹识别技术；掌纹识别技术；视网膜识别技术；虹膜识别技术；面相识别技术，声音识别技术、笔迹识别技术等。生物识别技术的优势包括1、减少、消除身份假冒，进行真实身份的确认；2、降低管理成本，取代了身份人工认证过程；3、方便使用者，减少或消除了使用卡，钥匙或者密码等麻烦。 但是眼睛虹膜、指纹等这些人体识别技术却容易被仿冒且容易取得，而手掌静脉位于手掌表皮以下，难以伪造。利用血红素在人体内的作用是为细胞供氧，从而进行有氧代谢，还原血红蛋白吸收附近的红处线的原理，采用红外光源照射手掌，取得的图片中有血红蛋白的地方显示成黑色，其余则为白色。 然而，极少数人手表皮十分厚，难以取得清晰的红外血管图像。而且静脉血管容易受到温度的影响而产生缩放，导致获取的图像质量不够稳定、或包含的有效身份鉴别信息不够丰富。这些缺点在一定程度上限制了手掌静脉识别系统的应用。
技术实现思路
本专利技术的目的在于提供一种能够克服图像特征较少，处理单一的缺点，提高系统的识别率和稳定性。 本专利技术的身份识别方法为首先利用近红外成像设备获取一幅手掌图像，提取出需处理的中心子块样本，将该子块输入到两个特征提取模块中类掌纹信息编码和静脉血管结构提取，然后两个特征分别进行匹配，采用不同的相似度评价方法对两种特征分别计算各自的相似度，根据训练样本，得到类掌纹和静脉血管结构的最优加权组合，然后将两个相似度进行相似度级的融合，最后将融合后的相似度根据预先设定的阈值进行决策比较，结合融合的匹配做出最终判定。 本专利技术身份识别方法还有这样一些技术特征 1、所述的对采集到的图像进行处理时，既提取图像中的类掌纹信息，又提取静脉血管结构信息，并对这两种特征信息进行融合； 2、所述的采用竞争编码方式提取图像中的类掌纹信息，对提取的类掌纹信息用角度相似性评价相似度； 3、所述的采用多尺度高斯匹配滤波器提取图像中的静脉血管结构，在计算相似度时，统计血管重叠的百分比，其中，采用多尺度高斯匹配滤波器提取图像中的静脉血管结构的方法为 其中，多尺度多方向的高斯匹配滤波器定义为 gφ，s＝-exp(-x′/sσx)-m，当|x′|≤3sσx，|y′|≤sL/2 x′＝xcosφ+ysinφ，y′＝-xsinφ+ycosφ 其中，φ是滤波器方向，σx是高斯的标准差，m是滤波器的均值，L是滤波器在y方向的长度，滤波器选取范围在|x′|≤3sσx，|y|′≤sL/2的离散部分； 首先用n个角度的同一尺度的高斯匹配滤波器对图像进行卷积 其中f(x，y)是原始图像，*表示卷积操作； 然后从这n个角度选取最大的相应最为该尺度下的响应 为了有效抑制噪声，k个尺度下的滤波器响应定义为 最后对R进行二值化，得到静脉血管结构图像。 4、所述的计算两个静脉血管结构图像的匹配度的方法为 其中A，B为两幅二值化的静脉图像，(x，y)表示图像中一个像素。 5、所述的采用竞争编码方式提取图像中的类掌纹信息的步骤包括使用了六个不同方向的Gabor滤波器的实部，ψR，每一个滤波器有不同的方向，θj＝jπ/6，j＝{0，1，2，3，4，5}，将响应最小的那一个方向作为每个象素的线方向，argminj(I(x，y)*ψR(x，y，ω，θ))作为竞争编码，Gabor滤波器定义如下 x′＝(x-x0)cosθ+(y-y0)sinθ，y′＝-(x-x0)sinθ+(y-y0)cosθ 其中(x0，y0)是滤波器的中心，ω是滤波器的径向频率，θ是滤波器的径向方向，κ是与σ相关的变量，σ是频率响应中半幅值的带宽。 6、所述的根据每个象素角度的差异，计算两幅图片的相似度 其中∩表示与操作，P，Q表示两个图片的竞争编码，PM和QM是竞争编码中用来表示哪些像素是真实有效的掌纹信息的掩码。 7、所述的决策比较中如果融合后的相似度大于阈值则一对一的身份验证或一对多的身份识别决策成功，否则决策失败。 本专利技术的近红外成像设备是由数码摄像机1、红外光源2、通讯接口3、计算机4和仪器箱体5组成，仪器箱体5上设置有手掌放置区，数码摄像机1经通讯接口3与计算机4相联接，数码摄像机头1与手掌放置区内侧垂直，仪器箱体5内设置有暗室，内装有数码摄像机1和红外光源2。 本专利技术近红外成像设备还有这样一些技术特征 1、所述的红外光源2为环绕数码摄像头1的环形近红外光源。 为了有效限制上述问题对手掌血管成像的影响，结合已经获得认可和成功的掌纹识别技术，本专利技术提供一种设备与系统。该设备能够在采集手掌静脉的同时获取到部分稳定的掌纹信息，然后把丰富的掌纹特征信息和静脉特征信息进行融合，这样就能够克服图像特征较少，处理单一的缺点，提高系统的识别率和稳定性。 本专利技术解决其技术问题所采用的技术方案是采取近红外光源主动照射手掌表面，利用数码摄像机采集近红外图像，这样采集到的图像中既有丰富的静脉血管信息，同时也有部分掌纹信息。接着对采集到的图像分别进行类掌纹特征提取和静脉特征提取，然后根据这两组特征分别进行各自的匹配度，采用加权的融合，计算出最终的相似度，与预先设定的相似度阈值进行比较，做出最终的身份认证结果。 其中近红外成像设备是用高质量的近红外数码照相机在近红外光照明下进行图像采集，采集到的图像既含有丰富的静脉血管特征，同时也含有部分掌纹信息。然后将输入图像进行两种独立的特征提取和匹配，一种是对图像中的静脉血管的信息提取与匹配，另一种是采用类掌纹的特征编码与匹配。然后计算各自特征的匹配度，根据不同的权重融合，最后与预先设置的阈值进行比较，做出最终决策。本专利技术的成像设备和识别系统能够较好的提高传统掌纹识别系统的识别率和稳定性。 本专利技术的优点在于能够更好的开发和利用手掌信息，不仅能够克服了手掌静脉不清晰或者不稳定的缺点，从而有效的提高身份识别系统的稳定性和识别率，还有效避免传统的掌纹识别容易被伪造的不足。 附图说明 图1是本专利技术的设备结构图。 图2-图3是设备与系统采集到的两幅不同手掌图像。 图3是身份识别系统处理的流程图。 图4是系统截取到的掌纹图像中心子块。 图5是从图4提取到的静脉特征图像。 图6是从图4提取到的类掌纹特征图像 具体实施例方式 下面结合附图和具体实施例对本专利技术进一步说明。 图1中包括数码摄像机1，近红外光源2，通讯接口3，计算机4和仪器箱体5。 数码摄像机1是本专利技术的一个重要组成部分，它用来获取掌纹图像，并通过通讯接口3将获得的图像传送到计算机4中；红外光源2直接影响图像的采集效果，由于人的手掌的各个部位对光线的反射能力不均就容易造成获取的掌纹图像有的部分过亮而有的部分过暗，本专利技术采用环绕数码摄像机1的环形光源，以确保得到对手掌的均匀而稳定的光照条件；通讯接口3采用标准的PC本文档来自技高网...
【技术保护点】
一种基于手掌静脉与掌纹的近红外成像身份识别方法，其特征在于：首先利用近红外成像设备获取一幅手掌图像，提取出需处理的中心子块样本，将该子块输入到两个特征提取模块中：类掌纹信息编码和静脉血管结构提取，然后两个特征分别进行匹配，采用不同的相似度评价方法对两种特征分别计算各自的相似度，根据训练样本，得到类掌纹和静脉血管结构的最优加权组合，然后将两个相似度进行相似度级的融合，最后将融合后的相似度根据预先设定的阈值进行决策比较，结合融合的匹配做出最终判定。
【技术特征摘要】
【专利技术属性】
技术研发人员：张大鹏，卢光明，郭振华，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：93
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。