CN103425979A - 手形认证方法 - Google Patents
手形认证方法 Download PDFInfo
- Publication number
- CN103425979A CN103425979A CN2013104066520A CN201310406652A CN103425979A CN 103425979 A CN103425979 A CN 103425979A CN 2013104066520 A CN2013104066520 A CN 2013104066520A CN 201310406652 A CN201310406652 A CN 201310406652A CN 103425979 A CN103425979 A CN 103425979A
- Authority
- CN
- China
- Prior art keywords
- hand shape
- hand
- shape
- authentication
- sampling
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Collating Specific Patterns (AREA)
Abstract
本发明提出的是一种手形认证方法。本发明在白色采集背景下进行手形认证,对环境的要求更低,其适用性更好。白色背景下的手形图像存在大量阴影,本发明在手掌处提取样本区域,基于样本的灰度特性实现手形轮廓分割,分割效果好,可以避免阴影的影响。分割后提取手形的形状上下文特性进行手形认证。本发明提出一种新是手形轮廓点采样方法,通过局部均匀采样得到手形轮廓点集,该采样方法充分利用了手形轮廓特点,可以提高认证准确率。本发明的认证等错误率为3.150%,平均认证时间为3s,满足实际应用的需要。
Description
技术领域
本发明涉及的是一种手形认证方法,具体地说是在白色背景下采集手形图像,基于手形样本特征实现手形分割,然后利用形状上下文特征实现手形认证的方法。
背景技术
在现实生活中,许多场合需要对人的身份进行识别。网络环境下,密码作为身份识别的标志,被广泛采用。但是密码容易遗忘,也有被人窃取的可能。为了提高网络的安全性,人们不得不采用位数更长算法更复杂的认识技术。生物识别技术就是利用生物特征或行为特征对个人进行身份识别,由于人体特征具有不可复制的特性,这一技术的安全系数较传统意义上的身份验证机制有很大的提高。
手形认证是一种生物识别技术。手形的测量比较容易实现,对图像获取设备的要求较低,手形的处理相对也比较简单,在所有生物特征识别方法中手形认证的速度是最快的。然而手形特征并不具有高度的唯一性,不能用于识别,但是对于一般的认证应用,它足可以满足要求。
目前手形认证主要有两种方法:基于特征矢量的方法和基于点匹配的方法。(1)基于特征矢量的手形认证:大多数的手形认证系统都是基于这种方法,典型的手形特征包括:手指的长度和宽度、手掌或手指的长宽比、手掌的厚度、手指的连接模式等。用户的手形表示为由这些特征构成的矢量,认证过程就是计算参考特征矢量与被测手形的特征矢量之间的距离,并与给定的阈值进行比较判别。(2)基于点匹配的手形认证:上面方法的优点是简单快速,但是需要用户很好地配合,否则其性能会大大下降。采用点匹配的方法可以提高系统的鲁棒性,但这是以增加计算量为代价的。点匹配方法的一般过程为:抽取手部和手指的轮廓曲线;应用点匹配方法,进行手指的匹配;计算匹配参数并由此决定两个手形是否来自同一人。
本专利提出的是一种手形认证方法。本专利在白色采集背景下进行手形认证,对环境的要求更低,其适用性更好。白色背景下的手形图像存在大量阴影,本专利在手掌处提取样本区域,基于样本的灰度特性实现手形轮廓分割,分割效果好,可以避免阴影的影响。分割后提取手形的形状上下文特性进行手形认证。本专利提出一种新是手形轮廓点采样方法,通过局部均匀采样得到手形轮廓点集,该采样方法充分利用了手形轮廓特点,可以提高认证准确率。本专利的认证等错误率为3.150%,平均认证时间为3s,满足实际应用的需要。
发明内容
本发明的目的在于提供一种手形认证方法:首先基于手形样本特性对手形进行分割,分割后对手形位置进行调整,然后提取手形轮廓的形状上下文特征,最后利用提取的特征实现手形认证。
本发明的具体实现步骤如下:
1、手形样本提取:首先对彩色原图进行灰度化处理,然后进行简单的阈值分割,得到手形的二值图像。计算二值图像中物体的质心点作为样本点。在样本点附近的50x50区域内提取样本区域,用以手形分割。
2、手形分割:基于提取到的手形样本区域分割手形,计算所有手形图像的像素点与样本区域间的灰度差异。得到一个距离矩阵D。矩阵D中数值越小说明该像素点为手形区域的可能性更大。通过实验调整来设定一个阈值,对距离矩阵D进行判断,小于阈值的像素点为手形像素,其余为背景像素,从而实现手形分割。
3、手形位置调整:采集的手形图像方向任意,需要将其调整到统一的位置。把手形轮廓看成一个椭圆,计算这个椭圆长轴与水平X轴的夹角θ,即此时θ为手形图像偏离水平位置的角度。对其旋转角度θ,以实现手形位置的调整。
4、手形轮廓点采样:本专利提出一种局部均匀的采样方式,相比于均匀采样具有更高的认证准确率。
局部均匀采样过程如下:假定A、B两人已在认证系统中注册,现在需要认证A′、B′是否为系统中注册用户A、B。首先调用A的手形图像,对手形轮廓均匀采样得到点集P,同时统计四个手指上采样点的个数:N1、N2、N3和N4。对于任何一个声称身份为A的手形,都按照相同的个数分别在四个手指上均匀采样,得到点集P′。这样的采样方式只在每个手指上均匀采样,即为局部均匀采样。
同一个人的手形,如A、A′,当对A′按照局部均匀采样时,其点集中的点距接近于均匀的,此时A的采样点集中的点距也是均匀的,即局部均匀采样不会增大类内差异。不同人的手形,如A、B′,当对B′按照相同个数进行局部均匀采样时,得到的点集中的点距是非均匀的,而此时A的采样点集中的点距是均匀的,即局部均匀采样能够增大类间差异。
5、手形特征提取:对手形采样会提取手形的形状上下文特征进行手形认证。对于来自不同手形的pi和qj两个点,用如公式(1)的χ2分布来计算两点间的匹配损耗Cij。
其中hi,hj代表pi和qj两点的形状上下文特征。
6、手形认证:手形认证的目的是为了判定两个手形图像是否来自于同一个人,认证过程是一对一进行的。对于两个手形图像,首先分别进行图像分割并截取手形轮廓,然后统计两个手形的LSC特性,最后利用动态规划(Dynamic Programming,DP)计算两个手形间的匹配损耗。
附图说明
图1手形的方向调整示意图
a测量夹角θ
b第1次旋转
c手掌位置确定
d第2次旋转
图2手形认证过程
具体实施方式
利用本发明的手形认证方法实现手形认证。实验的手形图库共包含130个人,每人3张图片,其中1张作为注册手形,2张作为登录手形进行测试。由类内进行260次匹配计算错误拒绝率(FRR,fal se acceptance rate);类间进行2600次匹配得出错误接收率(FAR,falserejection rate);在FRR和FAR的基础上计算等错误率(EER,equal error rate)。认证结果如下表所列。
表认证结果
dist | 5 | 10 | 15 | 20 | 25 | 20 | 20 | 20 | 20 |
theta | 12 | 12 | 12 | 12 | 12 | 6 | 18 | 24 | 30 |
EER(%) | 4.331 | 3.937 | 3.458 | 3.150 | 3.390 | 3.645 | 3.964 | 4.329 | 4.331 |
由以上数据可以看出对手形认证的等错误率最小为3.150%,认证的正确率可以达到96.850%以上,即根据不同的应用环境对判断阈值进行调整,其认证的正确接受率或者正确拒绝率可以达到96.850%以上。
实验结果表明:本发明的方法基于样本区域特性实现手形图像分割,相比于其他传统方法具有更好的分割效果,同时有效的避免了阴影的影响。经130个人手形分割的实验证明,分割结果具有很好的准确性和鲁棒性。利用形状上下文特征实现手形认证过程,其准确率高,计算简单,满足实际应用的需求。
Claims (1)
1.一种手形认证方法,所述方法包括以下步骤:
a、手形样本提取:首先对彩色原图进行灰度化处理,然后进行简单的阈值分割,得到手形的二值图像,计算二值图像中物体的质心点作为样本点,在样本点附近的50x50区域内提取样本区域,用以手形分割;
b、手形分割:基于提取到的手形样本区域分割手形,计算所有手形图像的像素点与样本区域间的灰度差异,得到一个距离矩阵D,矩阵D中数值越小说明该像素点为手形区域的可能性更大,通过实验调整来设定一个阈值,对距离矩阵D进行判断,小于阈值的像素点为手形像素,其余为背景像素,从而实现手形分割;
c、手形位置调整:采集的手形图像方向任意,需要将其调整到统一的位置,把手形轮廓看成一个椭圆,计算这个椭圆长轴与水平X轴的夹角θ,即此时θ为手形图像偏离水平位置的角度,对其旋转角度θ,以实现手形位置的调整;
d、手形轮廓点采样:本专利提出一种局部均匀的采样方式,相比于均匀采样具有更高的认证准确率,过程如下:假定A、B两人已在认证系统中注册,现在需要认证A′、B′是否为系统中注册用户A、B,首先调用A的手形图像,对手形轮廓均匀采样得到点集P,同时统计四个手指上采样点的个数:N1、N2、N3和N4,对于任何一个声称身份为A的手形,都按照相同的个数分别在四个手指上均匀采样,得到点集P′,这样的采样方式只在每个手指上均匀采样,即为局部均匀采样;同一个人的手形,如A、A′,当对A′按照局部均匀采样时,其点集中的点距接近于均匀的,此时A的采样点集中的点距也是均匀的,即局部均匀采样不会增大类内差异;不同人的手形,如A、B′,当对B′按照相同个数进行局部均匀采样时,得到的点集中的点距是非均匀的,而此时A的采样点集中的点距是均匀的,即局部均匀采样能够增大类间差异;
e、手形特征提取:对手形采样会提取手形的形状上下文特征进行手形认证,对于来自不同手形的pi和qj两个点,用如下公式的χ2分布来计算两点间的匹配损耗Cij,
其中hi,hj代表pi和qj两点的形状上下文特征;
f、手形认证:手形认证的目的是为了判定两个手形图像是否来自于同一个人,认证过程是一对一进行的,对于两个手形图像,首先分别进行图像分割并截取手形轮廓,然后统计两个手形的LSC特性,最后利用动态规划(Dynamic Programming,DP)计算两个手形间的匹配损耗。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310406652.0A CN103425979B (zh) | 2013-09-06 | 2013-09-06 | 手形认证方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310406652.0A CN103425979B (zh) | 2013-09-06 | 2013-09-06 | 手形认证方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103425979A true CN103425979A (zh) | 2013-12-04 |
CN103425979B CN103425979B (zh) | 2016-10-05 |
Family
ID=49650690
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310406652.0A Expired - Fee Related CN103425979B (zh) | 2013-09-06 | 2013-09-06 | 手形认证方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103425979B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105469059A (zh) * | 2015-12-01 | 2016-04-06 | 上海电机学院 | 一种视频中的人物识别、定位和统计方法 |
CN106485244A (zh) * | 2016-10-12 | 2017-03-08 | 上海联影医疗科技有限公司 | 采样方法及装置 |
CN112804065A (zh) * | 2021-03-16 | 2021-05-14 | 讯翱(上海)科技有限公司 | 一种基于手形识别数字证书认证方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1710593A (zh) * | 2005-06-27 | 2005-12-21 | 北京交通大学 | 一种基于特征关系度量的手部特征融合认证方法 |
CN101470800A (zh) * | 2007-12-30 | 2009-07-01 | 沈阳工业大学 | 手形识别方法 |
CN102073843A (zh) * | 2010-11-05 | 2011-05-25 | 沈阳工业大学 | 非接触式快速人手多模态信息融合识别方法 |
US20110175986A1 (en) * | 2008-07-21 | 2011-07-21 | Brno University of Technology | Method and device for biometric identification of persons according to the hand geometry |
-
2013
- 2013-09-06 CN CN201310406652.0A patent/CN103425979B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1710593A (zh) * | 2005-06-27 | 2005-12-21 | 北京交通大学 | 一种基于特征关系度量的手部特征融合认证方法 |
CN101470800A (zh) * | 2007-12-30 | 2009-07-01 | 沈阳工业大学 | 手形识别方法 |
US20110175986A1 (en) * | 2008-07-21 | 2011-07-21 | Brno University of Technology | Method and device for biometric identification of persons according to the hand geometry |
CN102073843A (zh) * | 2010-11-05 | 2011-05-25 | 沈阳工业大学 | 非接触式快速人手多模态信息融合识别方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105469059A (zh) * | 2015-12-01 | 2016-04-06 | 上海电机学院 | 一种视频中的人物识别、定位和统计方法 |
CN106485244A (zh) * | 2016-10-12 | 2017-03-08 | 上海联影医疗科技有限公司 | 采样方法及装置 |
CN112804065A (zh) * | 2021-03-16 | 2021-05-14 | 讯翱(上海)科技有限公司 | 一种基于手形识别数字证书认证方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103425979B (zh) | 2016-10-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106529468B (zh) | 一种基于卷积神经网络的手指静脉识别方法及系统 | |
CN108764041B (zh) | 用于下部遮挡人脸图像的人脸识别方法 | |
CN106127108B (zh) | 一种基于卷积神经网络的人手图像区域检测方法 | |
CN103093133B (zh) | 面向ieee802.15.6的生物身份认证方法 | |
CN103218605B (zh) | 一种基于积分投影与边缘检测的快速人眼定位方法 | |
EP3091479A1 (en) | Fingerprint identification method and fingerprint identification device | |
CN107609499A (zh) | 一种复杂环境下非接触式掌纹感兴趣区提取方法 | |
CN106250858A (zh) | 一种融合多种人脸识别算法的识别方法及系统 | |
CN104036241B (zh) | 一种车牌识别方法 | |
CN106611168B (zh) | 基于细化图像和方向场图的指静脉快速识别方法 | |
CN103927532B (zh) | 基于笔画特征的笔迹配准方法 | |
CN102073843A (zh) | 非接触式快速人手多模态信息融合识别方法 | |
CN105138974B (zh) | 一种基于Gabor编码的手指多模态特征融合方法 | |
CN103984922B (zh) | 一种基于稀疏表示和形状约束的人脸识别方法 | |
CN102254188A (zh) | 掌纹识别方法及装置 | |
CN103810491A (zh) | 融合深度和灰度图像特征点的头姿估计兴趣点检测方法 | |
CN105760841A (zh) | 一种身份识别方法及系统 | |
CN106529377A (zh) | 一种基于图像的年龄估计方法、装置及系统 | |
CN112597812A (zh) | 一种基于卷积神经网络和sift算法的手指静脉识别方法及系统 | |
CN103425979A (zh) | 手形认证方法 | |
CN107506742A (zh) | 基于条纹模式的指纹方向特征获取方法 | |
CN104680142B (zh) | 一种基于特征点集分割和rst不变特征的四联指比对方法 | |
CN103324921A (zh) | 一种基于内指横纹的移动识别方法及其移动识别设备 | |
CN104573628A (zh) | 一种三维人脸识别方法 | |
CN103942526A (zh) | 一种离散数据点集的线特征提取方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20161005 Termination date: 20200906 |