指掌静脉融合特征识别方法与流程

本发明涉及一种指掌静脉融合特征识别方法，属于安防生物特征识别技术领域。

背景技术：

随着计算机网络信息技术的飞速发展，个人信息的保护显得越来越重要，如何选择合理的认证技术是保证信息安全的必要因素。相对于传统的钥匙、密码、智能IC卡等认证手段，生物识别技术以人体固有的生理或行为特征为认证手段，具有不易遗忘和丢失，不易伪造和被盗，可以“随身携带”，随时随地使用等优点，已应用于身份认证、出入口管理、安防监控等各个领域。静脉识别是新一代生物特征识别技术，其主要优势在于：静脉藏匿在身体内部，不易被复制、窃取或干扰，属于活体特征，安全性能高。目前静脉识别主要包括手指静脉识别、手掌静脉识别和手背静脉识别三种，应用最为广泛的是手指静脉识别。

目前，手指静脉识别方面已有不少研究成果，专利ZL201110122162.9提供了一种低质量手指静脉图像增强方法，专利ZL201110158717.5提供了一种手指静脉图像质量检测方法，专利ZL200610001324.2提出了一种手指静脉图像识别方法，文献“Feature Extraction of Finger-vein Patterns Based on Repeated Line Tracking and Its Application to Personal Identification(Machine Vision and Applications,2004)”提出了一种用于手指静脉纹路提取的重复线跟踪方法,文献“基于相对距离和角度的手指静脉识别方法(华中科技大学学报(自然科学版)，2011)”提出了一种用于结合距离和角度特征的点匹配方法，文献“基于核Fisher鉴别分析的手指静脉识别(重庆邮电大学学报(自然科学版)，2012)”提出了一种基于子空间分析的静脉图像匹配方法。然而，单根手指的指静脉特征信息量较少，在用户数量很大的情况下难以保障高安全性。因此，需要将手指静脉特征与其他静脉特征进行融合来提高特征的鉴别能力。如文献“Personal Authentication Using Finger Vein Pattern and Finger-Dorsa Texture Fusion(MM2009，2009)”结合手指静脉和手指表面纹路进行身份认证，文献“Feature-level fusion of fingerprint and finger-vein for personal identification(Pattern Recognition Letters，2012)”结合手指静脉和指纹进行身份认证。然而，手指内部的静脉纹路和手指表面的纹路采集方式不同，故融合这两种技术需要增加设备成本，同时，采集需要通过两次进行，便捷性差。而且，手指表面纹路受磨损等外界影响大，安全性不高。

技术实现要素：

本发明所要解决的技术问题在于提供一种指掌静脉融合的特征识别方法，提取四个手指区域和一个手掌区域的静脉纹路特征进行匹配，融合五个区域的匹配结果鉴别使用者身份，可以实现可靠的身份认证。首先采用OTSU方法对指掌静脉图像进行粗分割，提取三个指缝区域；并依据指缝区域的外接矩形框和先验知识，自动定位手掌和四个手指共五个感兴趣区域；然后分别在五个感兴趣区域上采用优化重复线跟踪方法进行图像细分割，提取静脉纹路；接着提取五个感兴趣区域静脉纹路各自的模糊特征；最后采用模板匹配方法计算各个区域特征与数据库中对应区域特征的相似度，采用隶属度函数进行归一化，依据五个区域隶属度的加权累加和进行相似性判断。

为实现上述发明目的，本发明采用下述技术方案，流程图如图1所示。

1、图像粗分割

图2给出了指掌静脉采集结构采集到的图像。其中，可用于身份认证的四个手指区域的静脉图像和手掌区域的静脉图像。本文将上述区域(如图2中黑色框选定的区域R1～R5)作为感兴趣区域，先从图像中提取这些区域，然后再进行特征提取与匹配。为提取感兴趣区域，首先需要对图像进行粗分割，定位感兴趣区域的位置。

本发明采用大津法(OTSU)求取图像的最优分割阈值，进行图像粗分割。具体地，令

$w_O\left(t\right)=\underset{i=0}{\overset{t}{\Σ}}{n}_i/\mathrm{\ξ}$

$w_B\left(t\right)=\underset{i=t+1}{\overset{255}{\Σ}}{n}_i/\mathrm{\ξ}$

${\mathrm{\μ}}_O\left(t\right)=(\underset{i=0}{\overset{t}{\Σ}}i\·n_i/\mathrm{\ξ})/w_O\left(t\right)$

${\mathrm{\μ}}_B\left(t\right)=(\underset{i=t+1}{\overset{255}{\Σ}}i\·n_i/\mathrm{\ξ})/w_B\left(t\right)$

其中，ξ为图像上所有像素点灰度值的和，n_i表示灰度值为i的像素点数量，以t为分割阈值，

将图像分为两类之后的类间方差为

V(t)＝w_B(t)w_O(t)(μ_B(t)-μ_O(t))²

OTSU的目标是选取使类间方差最大的阈值作为图像的最优阈值，即

$t*=\underset{0\≤t\≤255}{max}V\left(t\right)$

采用该方法得到的粗分割效果如图3所示。

2、感兴趣区域提取

在图3中，三个手指指缝位置非常清晰，指缝连通域面积远大于干扰目标区域面积。因此，本发明对二值图像采用8-邻接连通方法进行标识，保留前三个面积最大的连通区域，计算其外接矩形区域，这里按从上到下的顺序标记三个指缝区域的外接矩形为Rect1＝{x1,y1,w1,h1}、Rect2＝{x2,y2,w2,h2}和Rect3＝{x3,y3,w3,h3}，其中，(x1,y1)表示第一个指缝区域Rect1的左上角顶点坐标，w1、h1分别表示Rect1的宽度和高度。Rect2和Rect3的定义与Rect1相同。记x1、x2和x3三者中的最小值为xmin，yc＝y2+0.5h2，这样，依据先验知识定位的如图2所示的五个静脉部位ROI的外接矩形为：

R1＝{xmin-W1,yc-0.5H1,W1,H1}

R2＝{x1,y1-H2,W2,H2}

R3＝{x2,y2-H2,W2,H2}

R4＝{x3,y3-H2,W2,H2}

R5＝{x3,y3+h3+H2,W2,H2}

其中，W1、H1分别为手掌部位感兴趣区域设定的宽度和高度，W2、H2分别为手指部位感兴趣区域设定的宽度和高度，本发明中所用的示例图像尺寸为640×480，W1、H1、W2和H2取经验值，分别为256、256、200和88。

3、静脉纹路提取

本发明采用文献“An algorithm for finger-vein segmentation based on modified repeated line tracking(Imaging science journal，2013)”所述的优化重复线跟踪方法进行图像细分割，提取静脉纹路。五个感兴趣区域R1～R5的静脉纹路提取效果分别见图4-8。

4、静脉特征提取

本发明提取每一个感兴趣区域的模糊特征作为静脉特征。这里以R1为例进行说明，R2～R5的特征提取方法与之相同。

对于R1的静脉纹路二值图像f¹，提取每一个像素点的模糊特征f^1*，像素点(x,y)的模糊特征可以表示为

其中，数值2代表静脉纹路目标，0代表背景，1代表模糊值，可能是静脉纹路目标也可能是背景。

5、静脉特征匹配

本发明采用隶属度函数计算各感兴趣区域与数据库中对应区域模糊特征之间的相似度，然后以隶属度加权累加和作为指掌静脉图像是否匹配的判断依据。这里仍以R1为例介绍隶属度计算方法，R2～R5的隶属度计算方法与之相同。

记数据库中R1区域的模糊特征为f¹⁰，则待验证R1区域和数据库中R1区域的相似度为

其中，为二值函数，表示为，

类似地，求取R2～R5四个区域的相似度r2～r5。本发明采用双高斯函数构建的隶属度函数，对相似度进行归一化处理，表示为

其中，i＝1,2,…,5。c_i1、c_i2分别表示第i个区域对应的两个高斯函数的均值，σ_i1、σ_i2分别表示第i个区域对应的两个高斯函数的均方差，这些参数通过实验统计得到，本发明中使用的参数取值见表1。

表1高斯函数参数取值

然后，计算五个隶属度的加权累加和，表示为

$\mathrm{\Ψ}=\underset{i=1}{\overset{5}{\Σ}}{w}_i\×n_i\left(r_i\right)$

其中，w_i为权重，依据五个区域的贡献程度不同，本发明取w₁为0.4、w₂～w₅都为0.15。

最后，依据Ψ验证两指掌静脉是否相似，具体地，Ψ大于阈值T(本发明T取经验值T＝2.2)时，判断两指掌静脉图像相匹配，否则判定两图像不匹配。

本发明的优点在于：将四个手指的指静脉特征和一个手掌区域的掌静脉特征相融合，增强了特征鉴别能力，提高了特征识别的安全性；同时，采用高斯隶属度函数对五个区域的静脉特征匹配结果进行融合，增强了特征匹配算法的鲁棒性。本方法采用同一套静脉采集设备即可一次性采集相关数据，在设备成本和采集便捷性基本不变的条件下，增强特征的鉴别能力，提升身份认证的安全性能，可以广泛应用于智能门禁系统。

附图说明

图1为指掌静脉识别流程图，

图2为指掌静脉图像及感兴趣区域图示，

图3为指掌静脉图像粗分割效果图，

图4为R1区域静脉纹路提取效果图，

图5为R2区域静脉纹路提取效果图，

图6为R3区域静脉纹路提取效果图，

图7为R4区域静脉纹路提取效果图，

图8为R5区域静脉纹路提取效果图。

具体实施方式

本发明将指静脉与掌静脉相结合，提出一种指掌静脉融合特征识别方法。首先采用OTSU方法对指掌静脉图像进行粗分割，提取三个指缝区域；并依据指缝区域的外接矩形框和先验知识，自动定位手掌和四个手指共五个感兴趣区域；然后分别在五个感兴趣区域上采用优化重复线跟踪方法进行图像细分割，提取静脉纹路；接着提取五个感兴趣区域静脉纹路各自的模糊特征；最后采用模板匹配方法计算各个区域特征与数据库中对应区域特征的相似度，采用隶属度函数进行归一化，依据五个区域隶属度的加权累加和进行相似性判断。该方法采用同一套静脉采集设备即可一次性采集相关数据，在设备成本和采集便捷性基本不变的条件下，增强特征的鉴别能力，提升身份认证的安全性能，可以广泛应用于智能门禁系统。