CN103544474A - 一种使用生物特征散射光谱的高防伪光学指纹识别方法 - Google Patents

Abstract

本发明公开了一种使用生物特征散射光谱的高防伪光学指纹识别方法。本发明包括如下步骤：步骤1.在白光S0的照射下，彩色光学摄像系统利用内置的滤光片，同时获得了红绿蓝三幅指纹图像,并叠加为一副彩色指纹图像；步骤2.依次点亮光源S1、S2和S3，用红外探测器依次读取光源S2、S3和S4的后向散射强度，并记为I₁、I₂和I₃；步骤3.计算所有探测到的后向散射强度的均方值

，若其均方值大于0.5，则说明待测物体为真手指；若其均方值小于等于0.5，则说明待测物体为指模。本发明在采集指纹的表面图像信息的同时，利用光谱分离技术与红外光探测技术，获取待测物体的后向散射光谱信息，能区分生物手指与指模。

Description

一种使用生物特征散射光谱的高防伪光学指纹识别方法

 

技术领域

    本发明属于光子学、信息科学和生物科学的交叉技术领域，具体涉及一种使用生物特征散射光谱的高防伪光学指纹识别方法。

背景介绍

    在科技水平日新月异的今天，互联网、物联网已经将人们的生活紧密的联系起来。自动化的身份识别对于网络的健康发展有着举足轻重的作用。相比于用户名加密码的身份识别方式，利用人体的特征（如指纹、虹膜、DNA等）进行身份识别无疑具有快捷、准确以及防伪度高的优点。其中，光学指纹识别系统具有成像分辨率高、成像速度快、高仿伪以及可扩展性强等特点，已成为当今的指纹识别系统的发展趋势之一。

发明内容

本发明的目的是针对现有技术的不足，提供一种使用生物特征散射光谱的高防伪光学指纹识别方法。

本发明解决其技术问题所采用的技术方案包括如下步骤：

步骤1.在白光S0的照射下，彩色光学摄像系统利用内置的滤光片，同时获得了红绿蓝三幅指纹图像,并叠加为一副彩色指纹图像。

1-1.通过对彩色指纹图像内部数据的提取，将采集到的彩色指纹图像的内部数据整合为一个三维数组Img(M,N,j)，M和N是彩色指纹图像中横轴与纵轴像素点的数目，j为1至3中的任一数字。所述的内部数据是指彩色指纹图像中所有像素对应的红绿蓝三色的强度值的组合。

1-2对Img(M,N,j)数组中的第三个维度进行分离，分别获得红、绿、蓝三种颜色（亦可称为光谱）对应的指纹图像强度Img(M,N,1),Img(M,N,2)和Img(M,N,3)，分别记为Img_R(M,N)、Img_G(M,N)和Img_B(M,N)。

1-3.对指纹图像强度Img_R、Img_G和Img_B的强度值进行二维积分，获得待测物体对红、绿、蓝三种光波段的后向散射强度，指纹图像强度Img_R、Img_G和Img_B的后向散射强度分别记为I_R、I_G和I_B，积分的表达式为：

     (1.1)

步骤2.依次点亮红外光源S1、S2和S3，用红外探测器依次读取光源S2、S3和S4的后向散射强度，并记为I₁、I₂和I₃。

所述的红外光源S1、S2和S3的波长大于700nm。所述的红外探测器前装有小型非球面透镜与长通滤光片（大于700nm的光谱可通过，小于700nm的光谱无法透过），分别用于增强红外光的收集效率和过滤背景光的影响。小型非球面透镜与长通滤光片的安装能够增强红外探测器的信噪比。

步骤3.计算所有探测到的后向散射强度的均方值

，若其均方值大于0.5，则说明待测物体为真手指；若其均方值小于等于0.5，则说明待测物体为指模。均方值的计算公式如式（1.2）所示。同时为便于表达，我们将I_R、I_G和I_B。分别记为I₄、I₅和I₆ 。 

      (1.2)

 其中，

。

所述的真手指与指模的探测均方值在幅值上有较大差异的原因：

由于手指中，对光起到吸收作用的主要生物成分为血红蛋白、脂肪和水。而指纹模是无法完美的等比例的含有血红蛋白、脂肪和水这三种物质。上述三种生物成分的化学结构极其复杂，在可见光到红外光谱波段，其吸收光谱的变化非常剧烈。然而，指纹模的结构较为单一，不同波长下的吸收系数变化不大。因此，当待测样品为手指时，不同波长下，后向散射光谱的变化很大，体现为其均方值较大。而指纹模的后向散射光谱的均方值较小。通过比较均方值，即可区别手指和指纹模。

步骤4.如鉴别为指模，系统将自动提出警报；否则系统在已获取的白光照明的指纹图像的基础上，通过现有的特征比对法可进行指纹识别。

本发明有益效果如下：

本发明在采集指纹的表面图像信息的同时，利用光谱分离技术与红外光探测技术，获取待测物体的后向散射光谱信息，能区分生物手指与指模。跟现有的多光谱指纹识别系统相比较，引入了红外光源与红外光电探测器，使得该系统可获取红外波段（800 nm – 2000 nm）的后向散射光强信息，从而极大的提高了手指与指模的鉴别率。

附图说明

图1（a）为本发明中真手指中含氧血红蛋白（HbO），不含氧血红蛋白（Hb）和脂肪(fat)的吸收光谱图；

图1（b）为本发明中真手指中含有的水的吸收光谱图；

图2（a）为本发明中真手指的后向散射光强的光谱图；

图2（b）为本发明中指模的后向散射光强的光谱图；

图3为利用后向散射光强检测系统获取的十个不同手指与指模的多光谱数据的均方值。

具体实施方式

下面结合附图和实施例对本发明作进一步说明。

步骤1.在白光S0的照射下，彩色光学摄像系统利用内置的滤光片，同时获得了红绿蓝三幅指纹图像,并叠加为一副彩色指纹图像。

1-1.通过对彩色指纹图像内部数据的提取，将采集到的彩色指纹图像的内部数据整合为一个三维数组Img(M,N,j)，M和N是彩色指纹图像中横轴与纵轴像素点的数目，j为1至3中任一数字。所述的内部数据是指彩色指纹图像中所有像素对应的强度值的组合。

1-2对Img(M,N,j)数组中的第三个维度进行分离，分别获得红、绿、蓝三种颜色（亦可称为光谱）对应的指纹图像强度Img(M,N,1),Img(M,N,2)和Img(M,N,3)，分别记为Img_R(M,N)、Img_G(M,N)和Img_B(M,N)。

1-3.对指纹图像强度Img_R、Img_G和Img_B的强度值进行二维积分，获得待测物体对红、绿、蓝三种光波段的后向散射强度，指纹图像强度Img_R、Img_G和Img_B的后向散射强度分别记为I_R、I_G和I_B，积分的表达式为：

     (1.1)

步骤2.依次点亮光源S1、S2和S3，用红外探测器依次读取光源S2、S3和S4的后向散射强度，并记为I₁、I₂和I₃。

所述的光源S1、S2和S3的波长大于700nm。所述的红外探测器前装有小型非球面透镜与长通滤光片（大于700nm的光谱可通过，小于700nm的光谱被无法透过），分别用于增强红外光的收集效率和过滤背景光的影响。小型非球面透镜与长通滤光片的安装能够增强红外探测器的信噪比。

步骤3.计算所有探测到的后向散射强度的均方值

，若其均方值大于0.5，则说明待测物体为真手指；若其均方值小于等于0.5，则说明待测物体为指模。均方值的计算公式如下，同时为便于计算将I_R、I_G和I_B。分别记为I₄、I₅和I_6。：

      (1.2)

 其中，

。

所述的真手指与指模的探测均方值在幅值上有较大差异的原因：

如图1（a）和图1（b）所示，由于手指中，对光起到吸收作用的主要生物组成为血红蛋白、脂肪和水。而指纹模是无法完美的等比例的含有血红蛋白、脂肪和水这三种物质。上述三种生物组成的化学结构极其复杂，在可见光到红外光谱波段，其吸收光谱的变化非常剧烈，所以其后向散射光谱的变化也较大。而指纹模的结构较为单一，不同波长下的吸收系数变化不大，因此其后向散射光谱的变化较小。因此，当待测样品为手指时，不同波长下，后向散射光谱的变化很大，体现为其均方值较大。而指纹模的后向散射光谱的均方值较小。通过比较均方值，即可区别手指和指纹模。

所述手指与指模的后向散射光谱如图2(a)和2（b）所示。

步骤4.如鉴别为指模，系统将自动提出警报；否则系统在已获取的白光照明的指纹图像的基础上，通过现有的特征比对法进行指纹识别。

实施例1

我们使用白光LED，780 nm、850 nm、980 nm红外光源进行了手指与指模的鉴别。具体步骤如下：

① 点亮白光LED，使用彩色摄像系统获取手指的指纹图像，保存为BMP图像文件。使用C++程序，读取BMP图像文件，并分离R、G、B三种颜色的图像信号，并依此将这三幅图像信号进行积分，获得后向散射强度值I_R、I_G和I_B，分别记为I₄、I₅和I_6。

② 依次点亮光源S1(780 nm)、S2(850 nm)、S3(980 nm)，从红外光电探测器中读取光源S1(780 nm)、S2(850 nm)、S3(980 nm)的后向散射强度值，记为I₁、I₂和I₃。

③ 使用式（1.2）获取手指指纹的后向散射信号I₁-I₆的均方值。

④ 重复步骤①-③，获取指模的后向散射强度的均方值。

我们分别对10个不同的手指与指模进行了上述过程的检测，其检测结果如图3所示。可以看到，利用白光LED与780 nm、850 nm、980 nm光源的后向散射信号的均方值，可以区分真手指和指模。

当检测对象为真手指时，可以利用现有的指纹特征比对算法，完成指纹信息的识别，从而完成身份认证。

本发明不受上述实例的限制，上述实例只是在当前条件下本发明的验证结果，在不脱离本发明的工作原理的前提下，本发明中的光源与红外探测器的种类可有各种变化与改进，这些变化和改进都在要求保护的本发明范围内。

Claims (1)

1. 一种使用生物特征散射光谱的高防伪光学指纹识别方法,其特征在于包括如下步骤：

步骤1.在白光S0的照射下，彩色光学摄像系统利用内置的滤光片，同时获得了红绿蓝三幅指纹图像,并叠加为一副彩色指纹图像；

1-1.通过对彩色指纹图像内部数据的提取，将采集到的彩色指纹图像的内部数据整合为一个三维数组Img(M,N,j)，M和N是彩色指纹图像中横轴与纵轴像素点的数目，j为1至3中的任一数字；所述的内部数据是指彩色指纹图像中所有像素对应的强度值的组合；

1-2.对Img(M,N,j)数组中的第三个维度进行分离，分别获得红、绿、蓝三种颜色对应的指纹图像强度Img(M,N,1),Img(M,N,2)和Img(M,N,3)，分别记为Img_R(M,N)、Img_G(M,N)和Img_B(M,N)；

1-3.对指纹图像强度Img_R、Img_G和Img_B的强度值进行二维积分，获得待测物体对红、绿、蓝三种光波段的后向散射强度，指纹图像强度Img_R、Img_G和Img_B的后向散射强度分别记为I_R、I_G和I_B，积分的表达式为：

     (1.1)；

步骤2.依次点亮光源S1、S2和S3，用红外探测器依次读取光源S2、S3和S4的后向散射强度，并记为I₁、I₂和I₃；

所述的光源S1、S2和S3的波长大于700nm；所述的红外探测器前装有小型非球面透镜与长通滤光片，分别用于增强红外光的收集效率和过滤背景光的影响；

步骤3.计算所有探测到的后向散射强度的均方值

，若其均方值大于0.5，则说明待测物体为真手指；若其均方值小于等于0.5，则说明待测物体为指模；均方值的计算公式如下，同时为便于计算将I_R、I_G和I_B；分别记为I₄、I₅和I₆所述的均方值的求解如下：

      (1.2)；

 其中，

步骤4.如鉴别为指模，系统将自动提出警报；否则系统在已获取的白光照明的指纹图像的基础上，通过特征比对法进行指纹识别。

Images