一种自适应的指静脉和外指节纹双模态身份识别方法技术

一种自适应的指静脉和外指节纹双模态身份识别方法，包括：S1、对指静脉和外指节纹图像进行采集；S2、对指静脉和外指节纹图像进行预处理；S3、对指静脉和外指节纹图像进行质量评估并且给予相应分数,根据分数判定图像是否符合要求若符合要求则进行下一步否则提示重新采集；S4、根据对应指静脉和外指节纹图像质量进行优势特征系数赋予；S5、指静脉图像使用改进的SIFT算法，指节纹图像使用PHASH算法与数据库中的特征进行相似度匹配得到对应的相似度；S6、通过加权相似度函数将对应的权重与相似度结合得到对应加权匹配度；S7、再由融合函数对指静脉和指节纹加权匹配度进行融合得到最终的融合匹配度；S8、进行阈值判断。本发明专利技术拥有较高的识别精度和鲁棒性。有较高的识别精度和鲁棒性。有较高的识别精度和鲁棒性。

【技术实现步骤摘要】
一种自适应的指静脉和外指节纹双模态身份识别方法


[0001]本专利技术涉及生物识别技术，尤其涉及到一种自适应的指静脉和外指节纹双模态身份识别方法。

技术介绍

[0002]随着“5G”的快速发展和“元宇宙”的出现,要求各种技术都得更加智能化和便捷化，这对信息安全和身份认证都提出了更高的要求。逐渐地，越来越多的场景需要进行身份认证。这些场景均需要准确可靠的身份认证,来保证社会秩序的稳定运行。目前主流的单一模态的身份识别技术越来越难以满足各种复杂环境下身份认证准确和便捷的要求。单一模态的身份认证对特定群体存在局限性而且容易被仿造。由此，多模态生物特征识别技术应运而生。在特定用户某一生物特征不明显或者有缺陷时，单一模态的生物特征识别往往不能进行较好的应对，但多模态生物特征识别技术很好的弥补了单一模态的识别技术对特定群体的局限性，也加强了识别的可靠性和准确性。
[0003]目前国内外也有关于指静脉与指节纹融合识别的少量研究。Kumar等人设计了一种结合指静脉与内指节纹的识别系统。该系统分别采用了红外相机与普通的网络摄像头进行手指静脉与内指节纹图像的采集。与其他内指节纹图像不同,该系统主要采集的是最靠近指尖位置的内指节纹图像数据。在指靜脉识别中,其采用了一种结合Gabor滤波器增强与形态学处理的特征提取算法,最后使用模扳匹配算法计算相似度。国内也有相关学者对指静脉和指节纹的多模态识别系统进行了研究。南科大的Kang等人设计了一种多光谱的生物识别系统,通过不同波段的成像光源和多个成像摄像头实现手指静脉、指纹、内指节纹图像的采集。对于手指静脉和指纹,采用LBP算法提取特征,对于内指节纹,则采用ORB算法进行特征提取,最后在匹配值层面进行融合识别。在自建的数据集上进行了测试,多模态融合以后的等错误率,显著低于单模态生物识别系统的等错误率。实验证明了通过指静脉与指节纹的特征融合,可以得到比单一指静脉识别更高的准确率。
[0004]在不同生物个体上，各种生物特征的突出程度往往不一致。有些个体指静脉的特征比较突出，容易被算法识别，可作为主要特征进行识别；而有些个体静脉较细，特征不明显，这时候还用指静脉作为识别主体进行认证准确率往往不高。由于采集的特征变多，所需要的采集设备就需要多个光源和相机装置，使得仪器采集成本高、尺寸大，对不同特征的采集需要使用不同的采集模块。用户验证时往往需要进行多设备、多动作、多次数的特征采集才能获取相应的特征，在进行识别的时候往往需要较长的等待时间。这导致识别的便捷性降低和用户的使用体验变差，也和生物识别技术便携的优势相悖。

技术实现思路

[0005]本专利技术要克服现有技术存在的上述问题，提岀一种自适应的指静脉和外指节纹双模态身份识别方法。
[0006]由于指静脉和外指节纹的特征均位于手指上，容易进行单设备一体化采集，采集
和识别都较为简便，所以本专利技术针对指静脉和外指节纹组合识别算法进行了优化。本专利技术所称的“自适应”主要体现在：根据个体的指静脉和外指节纹特征的情况，对相应个体的指静脉和外指节纹赋予相应的优势特征系数，即针对不同个体各自的指静脉和外指节纹的相对优势情况动态分配优势特征，根据不同增强算法在某些特殊群体(老年人，部分群体血管成像不太清晰)上的鲁棒性，自动减少在信息融合条件下特征提取的冗余性，以便进一步提高识别速度，提升算法的整体性能。
[0007]一种自适应的指静脉和外指节纹双模态身份识别方法，所述方法包括五部分，指静脉和外指节纹图像采集、图像预处理、图像质量评估、优势特征系数赋予、融合匹配。具体步骤如下：
[0008]S1、采用指静脉和外指节纹一体化特征采集装置对指静脉和外指节纹图像进行采集；
[0009]S2、对指静脉和外指节纹图像进行预处理；
[0010]S3、对指静脉和外指节纹图像进行质量评估并且给予相应分数,根据分数判定图像是否符合要求若符合要求则进行下一步否则提示重新采集；
[0011]S4、根据对应指静脉和外指节纹图像质量进行优势特征系数赋予；
[0012]S5、指静脉图像使用改进的SIFT算法，指节纹图像使用PHASH算法与数据库中的特征进行相似度匹配得到对应的相似度；
[0013]S6、通过融合函数对指静脉和指节纹优势特征匹配度进行融合得到最终的融合匹配度；
[0014]S7、进行阈值判断，通过则身份认证成功，若不通过则身份认证失败。
[0015]本专利技术通过指静脉和外指节纹一体化特征采集装置进行双模态生物特征获取；采集到图像后根据相应个体的指静脉和外指节纹特征相对突出情况，针对不同个体各自的指静脉和外指节纹的相对优势情况动态分配优势特征，增强算法的鲁棒性，减少特征提取的冗余性，提高算法整体性能。
[0016]本专利技术的一种自适应的指静脉和外指节纹双模态身份识别方法，具有如下有益效果：
[0017]1、利用自适应优势特征突出指静脉和外指节纹的特征，有效提高指静脉双模态识别技术的鲁棒性和准确性。
[0018]2、可以根据用户的指静脉偏重和外指节纹偏重识次数动态调整偏重系数，用户使用次数越多，基于此用户群体的偏重系数越准确，可以有效提高识别率。
附图说明
[0019]为了更清楚的说明本专利技术的技术方法，下面将对系统中所使用的附图做简单的介绍，以下附图仅展示本专利技术的某些实施例，不应被看作对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据附图的结构获得其他的附图。
[0020]图1为本专利技术流程图；
[0021]图2为指静脉和外指节纹原始图像示意图；
[0022]图3为为本专利技术实施例中经过CLAHE增强后图像的示意图；
具体实施方式
[0023]为了对专利技术的目的、技术特征和效果有更加清晰的理解，下面将对照本专利技术的附图，对专利技术实施方法进行具体说明。
[0024]如图1所示，在本专利技术实施例中一种自适应的指静脉和外指节纹双模态身份识别方法流程图，所述的系统整体结构包括指静脉和外指节纹图像采集、图像预处理、图像质量评估、优势特征系数赋予、融合匹配五部分。具体实施步骤包括S1至S7。
[0025]S1、采用指静脉和外指节纹一体化特征采集装置对指静脉和外指节纹图像进行采集采集到的图像如图2所示；
[0026]S2、使用CLAHE进行图像预处理用于将一幅图像的直方图分布变成近似均匀分布，从而增强图像的对比度，处理后的图像如图3所示；
[0027]S3、用权值累加的方法进行图像质量评估，具体步骤如下：
[0028]S31、计算图像对比度差异大小，计算过程如下：
[0029][0030]其中：Q1为图像对比度分数，C
s
为标准值,n为图像中的像素个数，x
o
表示一个像素点的灰度值，x
m
表示图像的平均灰度值；
[0031]S32、计算图像信息熵大小，计算过程如下：
[0032][0033]其中Q2表示信息熵信息熵分数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自适应的指静脉和外指节纹双模态生物特征识别方法，包括如下步骤：S1、采用指静脉和外指节纹一体化特征采集装置对指静脉和外指节纹图像进行采集；S2、对指静脉和外指节纹图像进行预处理；S3、对指静脉和外指节纹图像进行质量评估并且给予相应分数,根据分数判定图像是否符合要求若符合要求则进行下一步否则提示重新采集；S4、判定指静脉图像综合分数与外指节纹图像综合分数的大小，对较大的特征进行优势特征系数赋予；S5、指静脉图像使用改进的SIFT算法，指节纹图像使用PHASH算法与数据库中的特征进行相似度匹配得到对应的相似度；S6、通过融合函数对指静脉和指节纹优势特征匹配度进行融合得到最终的融合匹配度；S7、进行阈值判断，通过则身份认证成功，若不通过则身份认证失败。2.根据权利要求1所述的一种自适应的指静脉和外指节纹双模态生物特征识别方法，其特征在于，在步骤S2中使用CLAHE进行图像预处理将一幅图像的直方图分布变成近似均匀分布，从而增强图像的对比度。3.根据权利要求1所述的一种自适应的指静脉和外指节纹双模态生物特征识别方法，其特征在于，在步骤S3中用权值累加的方法进行图像质量评估，将质量分数按设定的权重进行累加作为反馈参数对指静脉和外指节纹的图像质量评估；具体步骤如下：S31、计算图像对比度差异大小，计算过程如下：其中：Q1为图像对比度分数，C
s
为标准值,n为图像中的像素个数，x
o
表示一个像素点的灰度值，x
m
表示图像的平均灰度值；S32、计算图像信息熵大小，计算过程如下：其中Q2表示信息熵信息熵分数，p(x)为指静脉或者外指节纹图像第x个灰度上像素分布的概率；S33、计算图像位置偏移量，计算过程如下：其中Q3表示图像位置偏移量，D表示图像区域像素点总量，y[i]为图像区域D中第i个像素的纵坐标，x[i]为图像区域D中第i个像素的横坐标；S...

【专利技术属性】
技术研发人员：冯定忠，朱煜燊，张烨，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：