一种多模融合的指静脉识别方法技术

本发明专利技术公开了一种多模融合的指静脉识别方法，包括：通过指静脉采集设备采集指静脉图像，对指静脉图像进行边缘提取处理，采集用户进行身份识别时的手势图像数据并存入数据库，分析数据库中存入的手势数据，设置存入的手势数据的优先级，根据优先级从大到小的顺序调取数据库的手势数据与当前用户手势进行匹配，同时将当前用户的指静脉图像特征与数据库中存储的指静脉图像特征进行匹配，获取手势匹配度和指静脉图像匹配度，进行身份识别，有效地提取手指边缘特征，去除外部环境对于手指边缘的影响，提升了静脉特征提取的准确性、一致性以及指静脉特征的识别率，同时加快了身份识别的速率。速率。速率。

【技术实现步骤摘要】
一种多模融合的指静脉识别方法


[0001]本专利技术涉及数据识别
，具体为一种多模融合的指静脉识别方法。

技术介绍

[0002]指静脉识别技术指的是利用近红外线穿透手指后所得的静脉纹路影像来进行个人识别，指静脉识别主要应用在门禁管理、保险箱管理、电子支付等需要进行身份认证的领域，指静脉识别的优点包括：第一，属于内生理特征，不会磨损、较难伪造，具有很高的安全性，第二，血管特征通常更明显、容易辨识，具有很好的抗干扰性，第三，可实现非接触式测量，易于被用户接受，第四，不易于受手表面伤痕或油污的影响；
[0003]然而，在将指静脉识别技术应用到门禁管理方面时，存在以下弊端：首先，采集到的指静脉图像通常会受到外界环境影响，导致指静脉图像出现手指边缘过曝，指静脉图像边缘有其他环境干扰，传统的指静脉特征提取和识别，通常不会去做手指边缘特征的提取，导致静脉特征提取不准确、识别率降低；其次，现有的识别技术无法将指静脉识别技术与手势识别技术相融合，无法有效提高身份识别的准确度和识别效率。
[0004]所以，人们需要一种多模融合的指静脉识别方法来解决上述问题。

技术实现思路

[0005]本专利技术的目的在于提供一种多模融合的指静脉识别方法，以解决上述
技术介绍
中提出的问题。
[0006]为了解决上述技术问题，本专利技术提供如下技术方案：一种多模融合的指静脉识别方法，包括以下步骤：
[0007]S1：通过指静脉采集设备采集指静脉图像，对指静脉图像进行处理；
[0008]S2：采集用户进行身份识别时的手势图像数据并存入数据库；
[0009]S3：分析数据库中存入的手势数据，设置存入的手势数据的优先级；
[0010]S4：根据优先级调取数据库的手势数据与当前用户手势进行匹配，同时进行指静脉图像匹配；
[0011]S5：获取手势匹配度和指静脉图像匹配度，进行身份识别。
[0012]进一步的，在步骤S1中：采集指定分辨率大小的指静脉图像，获取指静脉二值化图像，并对指静脉二值化图像进行标签化处理：给指静脉二值化图像的像素赋标签值：为指静脉二值化图像、指静脉二值化图像的宽度、指静脉二值化图像的高度以及标签化处理后的指静脉图像数组赋不同标签值，根据标签值去除离散点：根据大量指静脉二值化图像的静脉以及手指边缘分布样本，设置一个标签值像素个数最小阈值MinA和一个标签值像素个数最大阈值MaxB，若标签值像素个数小于MinA或大于MaxB，即认为该组标签值前景像素为离散点，去除，得到去除离散点后的二值化图像为手指图像边缘的二值化图像，将用户的手指图像边缘的二值化图像存储到数据库中，有效地提取手指边缘特征，去除外部环境对于手指边缘的影响，提升了静脉特征提取的准确性和一致性，进一步提升了静脉特征的识别率。
[0013]进一步的，在步骤S2中：在用户进行身份识别时拍摄用户的手势图像，采集拍摄到的历史手势图像数据，对手势图像进行标注：对关节点进行编号，相同的关节点编号相同，标注用户进行身份识别时的关节点位置，对手势图像进行建模：以手势图像左下角顶点为中心建立二维坐标系，得到随机一次识别时，用户手部的随机一个关节点位置坐标为(X，Y)，对应关节点编号为a，用户手部的剩余关节点位置坐标集合为(x，y)＝{(x1，y1)，(x2，y2)，
…
，(x
n
‑1，y
n
‑1)}，其中，n表示关节点数量，根据下列公式计算剩余的随机一个关节点与编号为a的关节点的连线与x轴的夹角α
i
：
[0014][0015]得到所有剩余关节点与编号为a的关节点的连线与x轴的夹角集合为α＝{α1，α2，
…
，α
n
‑1}，根据公式计算剩余的随机一个关节点与编号为a的关节点之间的距离d
i
，其中，x
i
、y
i
分别表示剩余的随机一个关节点位置的横、纵坐标，得到所有剩余节点与编号为a的关节点之间的距离集合为d＝{d1，d2，
…
，d
n
‑1}，通过相同的方式得到用户通过不同手势开门时，手部关节点间的夹角和距离数据，将关节点间的夹角和距离数据存入到数据库中，提取手势图像数据的特征：同一用户使用不同手势进行身份识别时手部关节点间的相对位置，将相对位置数据存储到数据库中，有利于快速地对当前用户的手势和数据库中的手势进行匹配。
[0016]进一步的，在步骤S3中：分析数据库中存入的手势数据：采集到用户通过不同手势开门的次数集合为M＝{M1，M2，
…
，Mk}，其中，数据库中共存储有k种手势，k种手势属于同一用户，调取到以随机两种手势进行身份识别时，所有剩余关节点与编号为a的关节点的连线与x轴的夹角集合分别为α
′
＝{α1′
，α2′
，
…
，α
n
‑1′
}和α
″
＝{α1″
，α2″
，
…
，α
n
‑1″
}，所有剩余节点与编号为a的关节点之间的距离集合分别为d
’
＝{d1’
，d2’
，
…
，d
n
‑1’
}和d”＝{d
1”，d
2”，
…
，d
n
‑
1”}，根据下列公式计算对应两种手势的相近系数S
j
：
[0017][0018]通过关节点间的夹角和距离差值计算数据库中存储的手势间的相近系数，目的在于判断两种手势的相似程度，以对手势数据进行分组存储，其中，α
i
′
和α
i
″
表示分别以对应两种手势进行身份识别时，剩余的第i个关节点与编号为a的关节点的连线与x轴的夹角，d
i
’
和d
i”表示分别以对应两种手势进行身份识别时，剩余的第i个关节点与编号为a的关节点之间的距离，得到k个手势两两之间的相近系数集合为将k种手势数据随机分为m组进行存储，每组至少存储两种手势数据，确认最佳的存储方式：获取到以随机一种存储方式存储手势数据时：随机一组数据中，手势两两之间的相近系数集合为以随机一种存储方式存储手势数据时：随机一组数据中，手势两两之间的相近系数集合为其中，对应组中存储了f种手势数据，根据下列公式计算对应组中存储的手势的相近系数的标准差wj：
[0019][0020]通过随机分组的方式，计算各个组中手势间的相近系数的标准差的目的在于分析手势间的差异程度，有利于将差异越小的手势数据存储到一组中以选择最佳的分组方式，其中，S
i
′
表示对应组数据中，随机两种手势之间的相近系数，通过相同方式得到以随机一种存储方式存储手势数据时：m组数据中存储的手势相近系数的标准差集合为w＝{w1，w2，
…<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多模融合的指静脉识别方法，其特征在于：包括以下步骤：S1：通过指静脉采集设备采集指静脉图像，对指静脉图像进行处理；S2：采集用户进行身份识别时的手势图像数据并存入数据库；S3：分析数据库中存入的手势数据，设置存入的手势数据的优先级；S4：根据优先级调取数据库的手势数据与当前用户手势进行匹配，同时进行指静脉图像匹配；S5：获取手势匹配度和指静脉图像匹配度，进行身份识别。2.根据权利要求1所述的一种多模融合的指静脉识别方法，其特征在于：在步骤S1中：采集指定分辨率大小的指静脉图像，获取指静脉二值化图像，并对指静脉二值化图像进行标签化处理：给指静脉二值化图像的像素赋标签值，根据标签值去除离散点，得到去除离散点后的二值化图像为手指图像边缘的二值化图像，将用户的手指图像边缘的二值化图像存储到数据库中。3.根据权利要求1所述的一种多模融合的指静脉识别方法，其特征在于：在步骤S2中：在用户进行身份识别时拍摄用户的手势图像，采集拍摄到的历史手势图像数据，对手势图像进行标注：对关节点进行编号，相同的关节点编号相同，标注用户进行身份识别时的关节点位置，对手势图像进行建模：以手势图像左下角顶点为中心建立二维坐标系，得到随机一次识别时，用户手部的随机一个关节点位置坐标为(X，Y)，对应关节点编号为a，用户手部的剩余关节点位置坐标集合为(x，y)＝{(x1，y1)，(x2，y2)，
…
，(x
n
‑1，y
n
‑1)}，其中，n表示关节点数量，根据下列公式计算剩余的随机一个关节点与编号为a的关节点的连线与x轴的夹角α
i
：得到所有剩余关节点与编号为a的关节点的连线与x轴的夹角集合为α＝{α1，α2，
…
，α
n
‑1}，根据公式计算剩余的随机一个关节点与编号为a的关节点之间的距离d
i
，其中，x
i
、y
i
分别表示剩余的随机一个关节点位置的横、纵坐标，得到所有剩余节点与编号为a的关节点之间的距离集合为d＝{d1，d2，
…
，d
n
‑1}，通过相同的方式得到用户通过不同手势开门时，手部关节点间的夹角和距离数据，将关节点间的夹角和距离数据存入到数据库中。4.根据权利要求3所述的一种多模融合的指静脉识别方法，其特征在于：在步骤S3中：分析数据库中存入的手势数据：采集到用户通过不同手势开门的次数集合为M＝{M1，M2，
…
，Mk}，其中，数据库中共存储有k种手势，k种手势属于同一用户，调取到以随机两种手势进行身份识别时，所有剩余关节点与编号为a的关节点的连线与x轴的夹角集合分别为α
′
＝{α1′
，α2′
，
…
，α
n
‑1′
}和α
′
τ
＝{α1″
，α2′
τ
，
…
，α
n
‑1′
τ
}，所有剩余节点与编号为a的关节点之间的距离集合分别为d
’
＝{d1’
，d2’
，
…
，d
n
‑1’
}和d”＝{d
1”，d
2”，
…
，d
n
‑
1”}，根据下列公式计算对应两种手势的相近系数S
j
：其中，α
i
′
和α
i
′
τ
表示分别以对应两种手势进行身份识别时，剩余的第i个关节点与编号
为a的关节点的连线与x轴的夹角，d
i
’
和d
i
’’
表示分别以对应两种手势进行身份识别时，剩余的第i个关节点与编号为a的关节点之间的距离，得到k个手势两两之间的相近系数集合为将k种手势数据随机分为m组进行存储，每组至少存储两种手势数据，确认最佳的存储方式：获取到以随机一种存储方式存储手势数据时：随机一组数据中，手势两两之间的相近系数集合为其中，对应组中存储了f种手势数据，根据下列公式计算对应组中存储的手势的相近系数的标准差wj：其中，S

【专利技术属性】
技术研发人员：周斌，赵登雷，
申请(专利权)人：华盛通无锡影像科技有限公司，
类型：发明
国别省市：