CN102542258B - 基于手指生物特征信息的成像设备及多模态身份识别方法 - Google Patents

Abstract

一种基于手指生物特征信息的成像设备及多模态身份识别认证方法，成像设备包括外壳，外壳的中间部分设有一个小孔用于深入手指，外壳的上下两侧各安装有可见光成像装置用以获取手指背纹与手指纹图像，在外壳的侧面部分安装有红外成像装置用以获取手指静脉图像，外壳内上下两侧各设有一组红光源、在小孔下方两侧设有红外光源、在成像装置前设有二个红光滤光片、一个红外滤光片、一个反红外滤光片，外壳内设有供电装置和控制电路；多模态身份识别认证方法主要是采用结合同一手指的静脉纹、手指纹与手指背纹三种生物特征进行身份识别，具有很好的防伪造性与实用性。

Description

基于手指生物特征信息的成像设备及多模态身份识别方法

技术领域

本发明属于人体生物特征识别技术领域，具体涉及一种一次性同时采集手指纹、手指背纹、与手指静脉的图像采集装置与多模态身份认证的判决方法。

背景技术

生物识别是一种新的身份识别技术。现实生活中，每个人都有区别于其他人的独特的生物特征。随着计算机技术的发展，人们可以从自身中提取多种生物特征数据，例如指纹、手指静脉、手指背纹、面像、瞳孔、声音、掌纹等等。这种依靠人身体特征进行身份验证的技术总称为生物识别技术。

与传统身份认证方式相比，生物特征识别最大的特点就是对用户自身的特征进行认证，具有防伪性好、随身携带、不易丢失或遗忘的优点，具有更好的安全性、可靠性和有效性。由于单生物特征在识别准确率、用户接受程度、受环境影响程度等方面都有不同的特点，适应于不同的场合，单生物特征识别也存在其固有的局限性在对身份识别系统的准确性及安全性要求日益提高的今天，仅靠单一生物特征常常无法满足实际需要。

在实际应用中，由于客观条件变化的不可预测性，单生物特征识别技术往往会遇到难以克服的困难，譬如随着时间的流逝或者光照变化，人脸图像会发生变化，虹膜、DNA和指纹等识别方式又会使人感到不舒适，甚至会产生受侮辱的感觉。而多生物特征识别技术由于利用了多种生物特征，并结合数据融合技术，不仅可以提高识别的准确性，而且可以扩大系统覆盖的范围，降低系统的风险，使之更接近实用。因此，多模态生物特征融合识别技术，近年来已成为生物特征识别技术研究领域的一个热点，也是未来生物特征应用领域的必然趋势。

通过结合多种生物特征即多模态的生物识别，这样可以增加识别系统的安全性、可靠性和有效性，然而对多模态的图像采集与处理提出了很高的要求。

发明内容

本发明的目的在于克服现有技术的上述不足，提供一种基于手指静脉手指纹与手指背纹的成像设备及多模态身份识别认证方法，以解决单生物识别容易受到破坏及伪造与识别成功率低及不稳定等问题，提高认证系统的可靠性、稳定性和实用性。

本发明提供的基于手指生物信息的成像设备包括：外壳，外壳上设有电源开关，外壳的中间部分设有一个用于深入手指的小孔，外壳内上下两端各安装有一个可见光成像装置、用以获取手指背纹与手指纹图像，可见光成像装置前各安装有一个红光滤光片，可见光成像装置周围各安装有一组红光源、用于照射手指纹与手指背纹，在外壳的一个侧面安装有一个红外成像装置、用以获取手指静脉图像，在小孔下方两侧各设有一排红外光源、用于手指静脉的照明，红外成像装置前设有一个红外滤光片和一个反红外滤光片、用于反射红外光并透射可见红光，外壳内还设置有供电装置和控制电路；计算机通过数据传输接口与所述的三个成像装置连接，从三个成像装置输出的图像中提取能够代表三种生物特征模式的特征向量，与数据库中的特征向量进行独立的特征匹配，得到各自的匹配分数，将匹配分数进行归一化处理之后，采用加权求和规则实现匹配分数在匹配层的融合，最后将融合后的分数与设定的阈值进行比较判断实现身份判决，完成多模态的身份识别认证。

所述的手指纹与手指背纹的图像采集装置的红光源和手指静脉采集装置的红外光源为LED阵列，其中红光LED阵列成圆周排列，红外光源LED成排排列分布在外壳内小孔下方的两侧，所述的红外光源为850nm波长。

所述的反红外滤光片倾斜45°置于手指下方用以透过红光并反射红外光。

本发明提供的基于手指生物特征信息的多模态身份识别认证方法包括：

第1、首先采集同一手指的手指纹图像、手指背纹图像和手指静脉图像并进行预处理，提取能够代表三种生物特征模式的特征向量，进行存储样本数据的注册过程；

第2、采集当前待识别手指的手指纹图像、手指背纹图像和手指静脉图像并进行预处理，提取能够代表三种生物特征模式的特征向量，然后与样本数据库中的特征向量进行独立的特征匹配，得到各自的匹配分数；

第3、将第2步得到的匹配分数通过Tanh方法进行归一化处理之后，采用加权求和规则实现匹配分数在匹配层的融合；

第4、最后将融合后的匹配分数与设定的阈值进行比较判断，当融合后的匹配分数大于阈值则身份认证成功，否者失败，完成多模态的身份识别认证。

所述的手指纹图像、手指背纹图像和手指静脉图像是针对同一手指的成像。

所述的归一化方法为Tanh方法，具体步骤是，将匹配分数值域归一化到(0，1)分布，公式如下

$s^{\′}=\frac{1}{2}[\tanh (0.01\×\frac{s-\mathrm{mean}\left(s\right)}{\mathrm{std}\left(s\right)})+1]$

其中s′为归一化匹配分数，s为归一化处理前的匹配分数，mean(s)和std(s)分别为归一化前匹配分数的均值和标准差。

加权求和规则将三种生物特征的匹配分数在匹配层融合：

s′＝ω_V×S_V+ω_I×S_I+ω_F×S_F

ω_V+ω_I+ω_F＝1

式中：S′为三种生物特征的融合匹配分数，ω_V和S_V分别为手指静脉对应的权值和匹配分数，ω_I和S_I分别为手指纹对应的权值和匹配分数，ω_F和S_F分别为手指背纹对应的权值和指纹匹配分数。

根据最后匹配分数与设定的阈值比较，当匹配分数大于阈值则身份认证成功，否者失败；根据精度要求高低，可采取进行识别一到五根手指而设定五个档次，也可根据具体情况仅选择单一生物信息或任两个生物信息组合进行快速身份识别。

本发明的优点和有益效果：

本发明可同一时间采集手指纹、手指背纹与手指静脉纹三种生物特征，采集设备简单，采集快速准确，认证过程简单、快速，非接触式采集用户较易接受，防伪造性强，具有高的可靠性、稳定性及实用性。

附图说明：

图1为基于手指生物信息的成像设备外形图；

图2为基于手指生物信息的成像设备内部结构图；

图3为图2内部上下壳平面图；

图4为图2内部右侧面平面图；

图5为图2内红外光源俯视图；

图6为多模态身份识别认证方法流程图；

图7为手指背纹图像及二值化后的图像；

图8为手指纹图像及二值化细化后的特征提取图像；

图9为手指静脉图像及二值化细化后的特征提取图像；

下面结合附图对本发明的具体实施方式做进一步说明。

具体实施方式：

实施例1、基于手指生物特征信息的成像设备

图1是本发明基于指生物信息的成像设备外形图。该设备包括外壳(E)，外壳上设有电源开关(G)，外壳中间部分有一个小孔(F)用于深入手指(A)，采集设备通过数据接口与计算机(H)相连。

图2至图5为本发明的成像设备结构图。外壳(E)内上下两端各安装有可见光成像装置(1)用以获取手指背纹(D)与手指纹(C)的图像，在外壳(E)内的一个侧面(K)安装有红外成像装置(7)，用以获取手指静脉(B)图像，外壳(E)内上下两端各设有一个红光源(2)其各成圆周排列在可见光成像装置(1)周围用于照射手指纹(C)与手指背纹(D)，在小孔(F)下方两侧设有两排红外光源(4)用于手指静脉(B)的照明，在可见光成像装置(1)前各设有一个红光滤光片(3)用于滤除其他光源的干扰，在红外光成像装置(7)前设有一个红外滤光片(6)用于滤除其它光源的干扰、一个反红外滤光片(5)用于反射红外光并透射可见红光，外壳(E)内设有供电装置和控制电路。所述的反红外滤光片倾斜45°置于手指下方用以透过红光并反射红外光。

计算机通过数据传输接口与所述的三个成像装置连接，从三个成像装置输出的图像中提取特征矢量完成多模态的身份识别认证。

多模态身份识别认证方法主要是采用结合同一手指的静脉纹、手指纹与手指背纹三种生物特征进行身份识别，具有较好的防伪性与适用性。

手指生物信息的成像过程

系统工作时，将手指(A)深入小孔内，然后上下可见光成像红光源(2)及红外成像光源(4)照射手指(A)，其中上侧(I)光源照射手指背纹(D)后经反射透过上侧滤光片(3)滤除其他光源的干扰进入上侧可见光成像装置(1)，获得手指背纹(D)图，此成像装置为可见CCD或CMOS。

下侧(L)光源透过反红外滤光片(5)照射手指纹(C)后经反射透过反红外滤光片(5)和下侧滤光片(3)滤除其他光源的干扰进入下侧可见光成像装置(1)获得手指纹(C)图，此成像装置为可见CCD或CMOS。

小孔下方两侧红外光源(4)照射手指静脉(B)后，红外光线经反红外滤光片(5)反射后透过红外滤光片(6)滤除其他光源的干扰进入侧面(K)的红外光成像装置(7)，获得手指静脉(B)图，此成像装置为红外CCD或CMOS。

实施例2、基于手指生物特征信息的多模态身份识别认证方法

图6为本发明多模态身份识别认证方法流程图，具体过程如下：

首先采集同一手指的手指纹图像、手指背纹图像和手指静脉图像进行预处理，提取能够代表三种生物特征模式的特征向量，并存储三种独立的特征向量，完成存储样本数据的注册过程。

然后是采集当前生物特征并转化成特征向量后与样本数据库中的特征向量比较判断计算出最后识别结果，具体是分别对同一手指的手指纹图像、手指背纹图像和手指静脉图像进行预处理，分别提取能够代表三种生物特征模式的特征向量，与数据库中的特征向量进行独立的特征匹配，得到各自的匹配分数，将匹配分数进行归一化处理之后，采用加权求和规则实现匹配分数在匹配层的融合，最后采用最小距离分类器实现身份判决。

图7为采集的手指背纹图像及二值化后的图像，对采集的图像选用浮动闽值法对图像进行二值化，之后进行提取模糊方向能量特征作为提取的特征向量，然后与数据库中的特征向量进行匹配得到手指背纹图像的匹配分数。

图8为采集的手指纹图像及二值化细化后的特征提取图像，对采集的图像选用浮动闽值法对图像进行二值化，采用OPTA细化算法对图像进行细化处理，对分叉点、孤立点、分歧点、端点、环点、短线几种类型细节点进行提取特征，提取出手指纹的特征向量，之后与数据库中的特征向量进行匹配得到手指纹图像匹配分数。

图9为采集的手指静脉纹图像及二值化细化后的特征提取图像，对采集的图像选用浮动闽值法对图像进行二值化，采用OPTA细化算法对图像进行细化处理，对分叉点、孤立点、分歧点、端点、环点、短线几种类型细节点进行提取特征，提取出手指静脉的特征向量，之后与数据库中的特征向量进行匹配得到手指静脉图像匹配分数。

所述的归一化方法为Tanh方法，将匹配分数值域归一化到(0，1)分布，公式如下

$s^{\′}=\frac{1}{2}[\tanh (0.01\×\frac{s-\mathrm{mean}\left(s\right)}{\mathrm{std}\left(s\right)})+1]$

其中s′为归一化匹配分数，s为归一化处理前的匹配分数，mean(s)和std(s)分别为归一化前匹配分数的均值和标准差。

然后用加权求和规则将三种生物特征的匹配分数在匹配层融合：

s′＝ω_H×S_H+ω_I×S_I+ω_F×S_F

ω_H+ω_I+ω_F＝1

式中：S′为三种生物特征的融合匹配分数，ω_H和S_H分别为手指静脉对应的权值和匹配分数，ω_I和S_I分别为手指纹对应的权值和匹配分数，ω_F和S_F分别为手指背纹对应的权值和指纹匹配分数。

根据最后匹配分数与设定的阈值比较，如果匹配分数大于阈值则身份认证成功，否者失败，可根据应用领域不同及精度要求高低，可采取进行识别一到五根手指生物信息而设定五个档次，也可根据具体情况仅选择单一手指的单一生物信息或任两个生物信息组合进行快速身份识别：

精度要求较低，可以仅采集食指、中指、无名指、小拇指、大拇指中的任何一个手指的手指静脉，手指纹与手指背纹图像中的一种或任两种生物信息组合进行身份识别；

精度要求一般，可以采集食指、中指、无名指、小拇指、大拇指中的任何一个手指的手指静脉，手指纹与手指背纹图像进行身份识别；

精度要求较高，可以采集食指、中指、无名指、小拇指、大拇指中的任何两个手指的手指静脉，手指纹与手指背纹图像进行身份识别；

精度要求高，可以采集食指、中指、无名指、小拇指、大拇指中的任何三个手指的手指静脉，手指纹与手指背纹图像进行身份识别；

精度要求很高，可以采集食指、中指、无名指、小拇指、大拇指中的任何四个手指的手指静脉，手指纹与手指背纹图像进行身份识别；

精度要求极高，可以采集食指、中指、无名指、小拇指、大拇指中的五个手指的手指静脉，手指纹与手指背纹图像进行身份识别；

精度要求最高，可以同时采集双手的十根手指的手指静脉，手指纹与手指背纹图像进行身份识别。

Claims (2)

1.一种基于手指生物特征信息的多模态身份识别认证方法，其特征在于该方法包括：

第1、首先采集同一手指的手指纹图像、手指背纹图像和手指静脉图像并进行预处理，提取能够代表三种生物特征模式的特征向量，并存储三种独立的特征向量，完成存储样本数据的注册过程；

第2、采集当前待识别手指的手指纹图像、手指背纹图像和手指静脉图像并进行预处理，提取能够代表三种生物特征模式的特征向量，然后与样本数据库中的特征向量进行独立的特征匹配，得到各自的匹配分数；

第3、将第2步得到的匹配分数通过Tanh方法进行归一化处理之后，采用加权求和规则实现匹配分数在匹配层的融合；

所述Tanh方法的具体步骤是，将匹配分数值域归一化到（0,1）分布，公式如下

$s^{\′}=\frac{1}{2}[\tanh (0.01\×\frac{s-\mathrm{mean}\left(s\right)}{\mathrm{std}\left(s\right)})+1]$

其中s′为归一化匹配分数，s为归一化处理前的匹配分数，mean(s)和std(s)分别为归一化前匹配分数的均值和标准差；

所述加权求和规则将三种生物特征的匹配分数在匹配层融合：

s′=ω_V×S_V+ω_I×S_I+ω_F×S_F

ω_V+ω_I+ω_F=1

式中：s′为三种生物特征的融合匹配分数，ω_V和S_V分别为手指静脉对应的权值和匹配分数，ω_I和S_I分别为手指纹对应的权值和匹配分数，ω_F和S_F分别为手指背纹对应的权值和指纹匹配分数；

第4、最后将融合后的匹配分数与设定的阈值进行比较判断，当融合后的匹配分数大于阈值则身份认证成功，否则失败，完成多模态的身份识别认证。

2.根据权利要求1所述的方法，其特征在于，根据应用领域不同及精度要求高低，采取进行识别一到五根手指而设定五个档次,或者根据具体情况仅选择单一生物信息或任两个生物信息组合进行快速身份识别。

Images