一种基于散列算法的快速掌纹辨识方法
【专利摘要】本发明提供了一种基于散列算法的快速掌纹辨识方法，包括基于可调控滤波器的掌纹特征提取，一致方向模式的定义和构造，以及基于一致方向模式的散列表的构建和搜索三个阶段，本发明提供的一种基于散列算法的快速掌纹辨识方法提供既能保证辨识精度又能大幅提高辨识速度，大大优于已有的掌纹辨识方法，其辨识准确率与逐一匹配几乎保持一致，同时该方法的辨识速度相比于逐一匹配提升了15倍以上。
【专利说明】一种基于散列算法的快速掌纹辨识方法【技术领域】
[0001]本发明属于人体生物特征的在线身份识别【技术领域】，特别涉及生物特征数字图像处理【技术领域】的一种基于散列算法的快速掌纹辨识方法。
【背景技术】
[0002]随着社会和经济的不断发展，人们对身份鉴别的准确性、安全性与实用性提出了越来越高的要求。传统的身份鉴别方法，如钥匙、密码以及智能卡等，存在容易丢失、遗忘、被复制及盗用的隐患。而通过辨识人的生理和行为特征进行身份认证的生物识别技术提供了一种方便可靠的解决方案。
[0003]生物识别技术是指根据人的生理特征(如语音、指纹、掌纹、面部特征、虹膜等)或行为特征(如步态、签名、击键特征等)来进行身份鉴别的技术。生物识别技术以人的生物特征为基础，以信息处理技术为手段，具有安全性、有效性和易用性等特点，因此受到人们越来越多的重视。
[0004]掌纹识别是近些年来新兴的一种生物识别技术，与其它生物特征识别技术相比，掌纹识别具有很多独特的优势，相比于指纹，掌纹拥有更大的面积以及更为丰富的纹理信息，只需要较低分辨率的采集设备就可以构建高性能的掌纹识别系统；相比于人脸识别，掌纹识别能轻易地区分双胞胎；相比于虹膜，掌纹采集设备的价格更为低廉；相比于签名，掌纹的特征更加稳定可靠。因此，掌纹识别是一种有着广泛应用前景的生物识别方法，近年来得到了研究人员的广泛关注。
[0005]经过多年的发展，掌纹识别技术已与指纹识别技术一样逐渐成熟并走向实用化与产业化。然而该技术还主要集中在门禁和考勤等中小规模的应用，对于大规模数据库上的应用，目前的掌纹识别技术还不是很成熟，仍有若干关键问题亟待解决。其中重要的一个问题就是随着数据量的不断增大，如何保证掌纹`辨识的准确率及实时性。
[0006]现有技术中掌纹识别系统分为两种类型，一种是掌纹验证系统，另一种是掌纹辨识系统。在掌纹验证系统中，用户需声明自己的身份并提供掌纹，系统将该掌纹与系统内该用户注册的掌纹进行匹配，以判断该用户与所声明的身份是否相符。因此，掌纹验证是一对一的匹配；而在掌纹辨识系统中，用户只需提供自己的掌纹，系统在已注册的所有掌纹中进行搜索，并找出相似度最大的模板，进而判断该用户的身份，掌纹辨识是一个一对多的匹配过程，比掌纹验证难度更大。
[0007]目前，实现快速的掌纹辨识主要有两种策略。第一种是层次匹配，即对掌纹图像提取多种特征，并按照特征的种类分层匹配。较简单的、匹配速度较快的特征优先匹配，对于满足阈值条件的再进行较复杂的、匹配速度较慢的特征匹配。由于在匹配简单特征时可以滤除很大一部分候选掌纹，因此这种方法消耗的时间要大大少于逐一匹配。但这种方法的缺点是滤除的掌纹中有可能包括与待辨识掌纹最相似的，因为利用简单的特征所得到的识别精度不高；第二种方法是掌纹分类。这种方法预先将系统中的掌纹按照某些规则分类，对于待辨识掌纹，先对其按照同样规则分类，之后只在属于该类别的掌纹中搜索。对于有效的分类方法，这种策略也能大幅提高掌纹辨识的速度，但缺点是目前分类方法的精度不高，因此导致辨识精度较低。可见，虽然以上两种策略都能提高掌纹辨识系统的响应速度，但都是以损失精度为代价的。
[0008]近来，Yue等提出了一种基于覆盖树和竞争编码的掌纹快速辨识方法，该方法首先对数据库中的全部模板构建覆盖树，计算并保存每个非叶结点到它的所有子节点的最大距离，之后利用三角不等式减少不必要的匹配次数，可以实现不损失精度的快速辨识。当系统中每个手掌有3个模板时，其加速比可以达到1.5~2，辨识准确率达到99.95%，具有较高的应用价值，在此基础上，Yue等又提出了基于手掌树的快速辨识方法及其改进方法，对每一手掌的模板分别构建覆盖树，并通过不同策略优化树形结构，尽可能减小非叶结点到所有子节点的最大距离。例如在手掌树方法中，通过计算同一手掌两两模板间的距离，选择最优的模板作为根结点。而在改进的手掌树方法中，通过构造平均模板并将其作为根结点的方法进一步减小非叶结点到所有子节点的最大距离。实验结果表明这两种方法都优于基于覆盖树的方法，可在不损失精度的条件下进一步提高加速比。
[0009]由以上分析可以看出，传统的快速辨识方法精度很差，而近来提出的基于树形结构的方法无法大幅提高辨识速度，特别的，当系统中每个手掌存储3个模板时，辨识速度只能提高2倍左右。此外，基于树形结构的快速辨识方法只适用于系统中为每个手掌存储多个模板的情况。若系统中每个手掌只有I个模板，该类方法便不再适用。因此，有必要进一步研究更加有效的快速辨识方法。
【发明内容】
[0010]针对现有快速掌纹辨识技术存在要么精度很差，要么提升的速度有限的技术问题，本发明目的是提供既能保证辨识精度又能大幅提高辨识速度的一种基于散列算法的快速掌纹辨识方法。
[0011]为了达到上述目的，本发明采用以下技术方案实现:
[0012]本发明涉及的一种基于散列算法的快速掌纹辨识方法，包括基于可调控滤波器的掌纹特征提取，一致方向模式的定义和构造，以及基于一致方向模式的散列表的构建和搜索三个阶段:
[0013]I)基于可调控滤波器的掌纹特征提取阶段，包括如下步骤:
[0014]1.1)确定可调控滤波器的函数形式，可调控滤波器的函数形式可以确定为:
[0015]h = -0.204 ο gyy+0.059 σ gxx+0.063 σ 3gyyyy-0.194 σ 3gxxyy+0.024 σ 3gxxxx,
[0016]其中g表示高斯函数，σ是该函数的方差，gx和gy分别表示该函数在水平和竖直方向的偏导数。
[0017]1.2)对掌纹图像滤波并根据滤波结果进行特征提取，利用可调控滤波器提取连续表示的方向特征；
[0018]2) 一致方向模式的定义和构造阶段，目的在于根据滤波响应来判断掌纹图像中某一位置是否属于主线区域，包括如下步骤:
[0019]2.1)一致方向模式的定义，假设掌纹图像的特征模板中包含D个方向特征(这里D=1024),表示为 OF = {ofj, Ofi e [I, 6], i = I,...，D,
[0020]若方向模式定义在K个位置P = {pj}, Pj e [1，D], j = 1，…，K,
[0021 ] 那么方向模式的值可以表示为F k/ = V "，尤，
[0022]参数K表示方向模式的大小，参数P表示方向模式的位置；[0023]2.2)—致方向构造阶段，将步骤I)利用可调控滤波器提取的连续表示的方向特征值分别量化为O~179范围内整数表示的方向特征OFC及O~5范围内整数表示的6个方向特征0FD，按照滤波响应排序并选出前L个方向特征0FC*和0FD*，然后根据一致方向模式的序号逐一构造；
[0024]3)基于一致方向模式的散列表的构建和搜索阶段，包括如下步骤:
[0025]3.1)散列表的构建，需要根据方向特征对数据库中的所有模板建立索引，并保存到散列表H中以方便搜索，同时保存另外两个表O和S，分别用来记录散列表中每个子集的大小和在散列表中的偏移量；
[0026]3.2)散列表的搜索，首先根据一致方向模式中每个方向特征的值以及平移后的位置查询表O和S，以确定其在散列表的起始位置和偏移量，随后查询散列表H并对发生碰撞的方向特征记数；最后检查该数值，若其达到一致方向模式的大小，即一致方向模式中每个方向特征都相同，则表示发生碰撞；此时应将散列表中该位置指示的掌纹模板取出并进行一次完全匹配；若匹配得到的距离小于阈值T，则认为辨识成功，算法返回相应的ID并终止辨识过程；否则继续考察下一个一致方向模式，直到找出辨识成功的模板ID或所有的一致方向模式都考察完毕为止。
[0027]上述技术方案中，步骤I)提取的方向特征可以根据需要表示为连续值或离散值。
[0028]本发明的有益效果:本发明中的方法大大优于已有的掌纹辨识方法，其辨识准确率与逐一匹配几乎保持一致，同时该方法的辨识速度相比于逐一匹配提升了 15倍以上。
【具体实施方式】
[0029]下面将结合本发明的实施例，对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一个实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0030]本发明提供一种基于散列算法的快速掌纹辨识方法，包括基于可调控滤波器的掌纹特征提取，一致方向模式的定义和构造，以及基于一致方向模式的散列表的构建和搜索三个阶段:
[0031]I)基于可调控滤波器的掌纹特征提取阶段，包括如下步骤:
[0032]1.1)可调控滤波器
[0033]可调控滤波器是一种有方向的滤波器，不同方向的滤波器对图像的滤波结果可由少量几个基滤波器的滤波结果计算得到。也就是说，给定基滤波器的滤波结果，可以得到任意方向上的滤波结果。因此，与基于滤波器组的方法相比，可调控滤波器提供了一种无需增加计算量却可以提取更精确的方向特征的方法。而且由于基滤波器的数目固定，特征提取时的计算量不会随着精度的提高而增大。此外，该方法不要求方向场变化平缓，对噪声不敏感。因此，可调控滤波器是一种非常适合掌纹方向特征提取的方法。
[0034]可调控滤波器的一般形式为
M kQk-1 Qi
[0035]h{x, V) = ΣΣaK-1 ^TTT — );)，(I)
k=i ,=0 dx dy
[0036]其中g(x，y)是任意的各向同性的函数，M是可调控滤波器的阶。图像f(x，y)与旋转后的滤波器h(x，y)的卷积结果可以表示为
[0037]
【权利要求】
1.一种基于散列算法的快速掌纹辨识方法，其特征在于:包括基于可调控滤波器的掌纹特征提取，一致方向模式的定义和构造，以及基于一致方向模式的散列表的构建和搜索三个阶段: 1)基于可调控滤波器的掌纹特征提取阶段，包括如下步骤: 1.1)确定可调控滤波器的函数形式，可调控滤波器的函数形式可以确定为:
h = -0.204 ο gyy+0.059 σ gxx+0.063 σ 3gyyyy-0.194 σ 3gxxyy+0.024 σ 3gxxxx, 其中g表示高斯函数，σ是该函数的方差，&和&分别表示该函数在水平和竖直方向的偏导数； 1.2)对掌纹图像滤波并根据滤波结果进行特征提取，利用可调控滤波器提取连续表示的方向特征； 2)—致方向模式的定义和构造阶段，目的在于根据滤波响应来判断掌纹图像中某一位置是否属于主线区域，包括如下步骤: 2.1)—致方向模式的定义，假设掌纹图像的特征模板中包含D个方向特征(这里D =1024)，表示为 OF = (OfJ1Ofi e [1,6], i = I,...，D， 若方向模式定义在K个位置P = {Pj}, Pj e [1，D]，j = 1，…，K， 那么方向模式的值可以表示为fMOX…，I， 参数K表不方向模式的大 小,参数P表不方向模式的位置； 2.2)—致方向构造阶段，将步骤I)利用可调控滤波器提取的连续表示的方向特征值分别量化为O~179范围内整数表示的方向特征OFC及O~5范围内整数表示的6个方向特征0FD，按照滤波响应排序并选出前L个方向特征OFC*和0FD*，然后根据一致方向模式的序号逐一构造； 3)基于一致方向模式的散列表的构建和搜索阶段，包括如下步骤: 3.1)散列表的构建，需要根据方向特征对数据库中的所有模板建立索引，并保存到散列表H中以方便搜索，同时保存另外两个表O和S，分别用来记录散列表中每个子集的大小和在散列表中的偏移量； 3.2)散列表的搜索，首先根据一致方向模式中每个方向特征的值以及平移后的位置查询表O和S，以确定其在散列表的起始位置和偏移量，随后查询散列表H并对发生碰撞的方向特征记数；最后检查该数值，若其达到一致方向模式的大小，即一致方向模式中每个方向特征都相同，则表示发生碰撞；此时应将散列表中该位置指示的掌纹模板取出并进行一次完全匹配；若匹配得到的距离小于阈值T，则认为辨识成功，算法返回相应的ID并终止辨识过程；否则继续考察下一个一致方向模式，直到找出辨识成功的模板ID或所有的一致方向模式都考察完毕为止。
2.根据权利要求1所述的一种基于散列算法的快速掌纹辨识方法，其特征在于:步骤I)提取的方向特征可以根据需要表示为连续值或离散值。
【文档编号】G06K9/00GK103714324SQ201310741480
【公开日】2014年4月9日 申请日期:2013年12月27日 优先权日:2013年12月27日
【发明者】岳峰, 李彬, 曲寒冰 申请人:北京市新技术应用研究所, 北京北科慧识科技股份有限公司