CN104281844A

CN104281844A - 基于粗分类的手部多模态快速识别方法

Info

Publication number: CN104281844A
Application number: CN201410582771.6A
Authority: CN
Inventors: 汤永华; 宋辉; 苑玮琦
Original assignee: Shenyang University of Technology
Current assignee: Shenyang University of Technology
Priority date: 2014-10-28
Filing date: 2014-10-28
Publication date: 2015-01-14

Abstract

本发明属身份识别领域，尤其涉及一种基于粗分类的手部多模态快速识别方法，采用成像装置获取手部模态进行分析，从而获得手形特征参数，包括如下步骤：（1）采用多模态图像获取装置，在手进行一次自然伸展的过程中，获取手形、掌纹、手掌静脉三种模态图像；（2）确定判断有无掌静脉的有效区域；判断该区域中梯度超过一定范围的数据的数量是否超过预先设定的阈值，超过则判断为存在静脉，否则不存在；（3）测量掌纹主线条数及交点数量，以确定匹配对象。本发明算法简单，鲁棒性强，稳定性高，匹配速度快，误识率低，使用范围广泛。

Description

基于粗分类的手部多模态快速识别方法

技术领域

本发明属身份识别领域，尤其涉及一种基于粗分类的手部多模态快速识别方法。

背景技术

手部识别在生物特征识别领域中占有重要的地位。目前最常用的手形识别系指对手部的外部轮廓所构成的几何图形进行识别。相对于其他生物特征，手形的测量比较容易实现。基于上述原因，手形认证已经成为生物特征识别技术的一个重要组成部分。传统手形匹配方法大致分两种：基于点模式匹配方法及基于特征矢量匹配方法。点模式匹配方法,手形提取的好坏直接影响着识别的准确性,这就要求手形的轮廓提取必须准确,否则会引入大量的伪特征点从而带来错误率的激增。在手形采集过程中,周围环境的光照和噪声对手形的准确提取会造成很大的影响。上述点模式匹配方法误识率较小，但计算量及拒识率相对较大。基于特征矢量匹配方法，其计算量小，匹配速度快，但误识率较高。

发明内容

本发明旨在克服现有技术的不足之处而提供一种算法简单，鲁棒性强，稳定性高，匹配速度快，误识率低，使用范围广泛的基于粗分类的手部多模态快速识别方法。

为解决上述技术问题，本发明是这样实现的。

一种基于粗分类的手部多模态快速识别方法，采用成像装置获取手部模态进行分析，从而获得手部特征参数，它包括如下步骤。

（1）采用多模态图像获取装置，在手进行一次自然伸展的过程中，获取手形、掌纹、手掌静脉三种模态图像。

（2）确定判断有无掌静脉的有效区域；判断该区域中图像灰度梯度（相邻两点差值）总和超过一定范围数据的数量是否超过预先设定的阈值，超过则判断为存在静脉，否则不存在。

（3）测量掌纹主线条数及交点数量，以确定匹配对象。

作为一种优选方案，本发明将生命线起点确定为A点，感情线起点确定为B点，终止点确定为D点；A、B两点连线与BD曲线交点为C点；记AC的长度为d₁，CB的长度为d₂，接续计算参数d=d₁/d₂，以确定匹配对象。

进一步地，本发明将食指掌外侧拐点确定为M；食指与中指谷确定为N；中指与无名指谷点确定为P；无名指与小拇指谷点确定为Q；手腕两侧拐点分别确定为R、S；食指指尖点确定为T；中指指尖点确定为U；无名指指尖点确定为V；则中指长度LZ为U点到NP连线的中点之间的距离；手掌长度LA为U点到RS连线中点之间的距离；接续计算中指与手掌长度比LZ/LA，以确定匹配对象。

进一步地，本发明食指长度LS为T点到MN连线中点之间的距离；接续计算中指与食指长度比LZ/LS，以确定匹配对象。

进一步地，本发明无名指长度LW为V点到PQ连线中点之间的距离；接续计算中指与无名指长度比LZ/LW，以确定匹配对象。

进一步地，本发明通过计算LH=∑(LZ/LA, LZ/LS, LZ/LW)，与对象进行具体距离的比较，以距离最近者为准，最终确定匹配对象；距离计算用欧氏距离，即；D1、 D2分别为求取距离的两点。

本发明当从一组目标中寻找某个特定对象时，可根据该对象同时具备的多个模糊特征（不精确特征）进行快速精确定位，即由于具备单一模糊特征的对象可能有多个，因此依靠单一的模糊特征不能够唯一的确定该目标，但同时具备多个模糊特征的对象的范围将大大缩小，甚至被唯一确定。本发明算法简单，鲁棒性强，稳定性高，匹配速度快，误识率低，使用范围广泛。

附图说明

下面结合附图和具体实施方式对本发明作进一步说明。本发明的保护范围不仅局限于下列内容的表述。

图1为本发明方法原理图。

图2为本发明识别方法结构示意图。

图3为本发明掌静脉有效区域示意图。

图4为本发明掌纹主线纹线分布示意图。

图5为本发明感情线端点图。

图6为本发明手形各参数结构图。

图7为本发明软件流程框图。

具体实施方式

如图7所示，基于粗分类的手部多模态快速识别方法，系采用成像装置获取手部模态进行分析，从而获得手部特征参数，它包括如下步骤：

（1）采用多模态图像获取装置，在手进行一次自然伸展的过程中，获取手形、掌纹、手掌静脉三种模态图像；

（2）确定判断有无掌静脉的有效区域；判断该区域中梯度超过一定范围的数据的数量是否超过预先设定的阈值，超过则判断为存在静脉，否则不存在；

（3）测量掌纹主线条数及交点数量，以确定匹配对象。

本发明可将生命线起点确定为A点，感情线起点确定为B点，终止点确定为D点；A、B两点连线与BD曲线交点为C点；记AC的长度为d₁，CB的长度为d₂，接续计算参数d=d₁/d₂，以确定匹配对象。

本发明可将食指掌外侧拐点确定为M；食指与中指谷确定为N；中指与无名指谷点确定为P；无名指与小拇指谷点确定为Q；手腕两侧拐点分别确定为R、S；食指指尖点确定为T；中指指尖点确定为U；无名指指尖点确定为V；则中指长度LZ为U点到NP连线的中点之间的距离；手掌长度LA为U点到RS连线中点之间的距离；接续计算中指与手掌长度比LZ/LA，以确定匹配对象。

食指长度LS为T点到MN连线中点之间的距离；接续计算中指与食指长度比LZ/LS，以确定匹配对象。

无名指长度LW为V点到PQ连线中点之间的距离；接续计算中指与无名指长度比LZ/LW，以确定匹配对象。

本发明通过计算LH=∑(LZ/LA, LZ/LS, LZ/LW)，与对象进行具体距离的比较，以距离最近者为准，最终确定匹配对象；距离计算用欧氏距离，即；D₁、 D₂分别为求取距离的两点。

如图1所示，同时具备类别1、类别2和类别3的模糊特征的对象范围仅限于目标点所属范围内的有限目标或唯一目标。

本发明根据人体手掌的掌静脉、掌纹、手形的特点，选择合理的辨识特征，依据不同特征对目标进行层层分类，直到确定唯一的目标对象。如图2所示。依据该方法可进行快速、高效、准确的人体身份识别。所述目标手掌在自然伸开一次的过程中即可完成掌静脉、掌纹、手形三种图像的获取。

根据手掌是否存在明显的手掌静脉，将目标分为类别A有手掌静脉类和类别B没有手掌静脉类。

在完成类别A、B两大类的分类后，在目标所在的类别（A或B）中再根据手掌掌纹通常存在的主要纹线，即生命线、理智线、事业线、感情线、成功线的条数和交点数等，进一步将目标类别A（或B）分为类别A1、类别A2、类别A3、类别A4、类别A5、类别A6、类别A7、类别A8、类别A9等9类。其中，类别A1为掌纹主要纹线数≥1，且必有断掌线，交点个数≥0；类别A2为掌纹主要纹线数等于2，交点个数等于0；类别A3为掌纹主要纹线数等于3，交点个数等于0；类别A4为掌纹主要纹线数等于3，交点个数等于1，掌纹中线比≤1/2；类别A5为掌纹主要纹线数等于3，交点个数等于1，掌纹中线比大于1/2；类别A6为掌纹主要纹线数等于4，交点个数等于≤1；类别A7为掌纹主要纹线数等于4，交点个数等于≥2；类别A8为掌纹主要纹线数等于5，交点个数等于≤3；类别A9为不满足前8中条件，主线呈网状；类别B同样可分为类别B1至类别B9等9类。

经过上述分类之后，如果目标所在类别中对象仍不唯一，即该类别仍包含多个对象，下一步还可作为分类依据，进行进一步细化分类的特征有相对稳定的手形特征，即根据手掌的中指与手掌长度的所在不同比例区间将目标所在类别划分为3类，如将A1分为A11、A12、A13三类；根据中指与食指长度比划分为3类；根据中指与无名指长度比例区间划分为3类。最终同时具备N中模糊特征的类别中将只包含一个对象，该个体即为目标对象。

本发明具体识别步骤如下。

1、采用多模态图像获取装置，在手进行一次自然伸展的过程中，即可获取到手形、掌纹、手掌静脉三种模态图像。采用单CMOS（或CCD）摄像头，配备两种光源，即850nm近红外和蓝光。通过光源控制系统分时控制两种光源发光，即当红外光发光时拍摄手掌静脉图像，当蓝光适度发光时拍摄掌纹图像，当蓝光高亮发光时拍摄手形图像。三幅图像拍摄总耗时足够短，确保在获取到三幅图像后，手掌在空间中的摆放姿势不会发生明显移位，即三幅图像中的手掌的位置和姿势不会发生变化，便于后续的图像配准等处理。

2、只根据手掌静脉选择有无特征，将图像分为两大类，忽略手掌静脉的具体结构和形式。手掌静脉以手掌中间区域，如图3所示。该区域以食指与中指指根点A点，无名指与小拇指这跟点B点，大拇指指根点C点作为基本参考点。从C点沿垂直方向向手掌内侧画一直线，分别从A、B两点向该直线做垂线，分别交于D点和E点。以长度较短者，如图中BE长度小于AD，从B点想AD做垂线，由此构成的区域为判断有无掌静脉的有效区域。判断掌静脉有效区域中是否存在手掌静脉的规则为判断该区域中梯度超过一定范围的数据的数量是否超过预先设定的阈值，超过则判断为存在静脉，否则不存在。

3、由于不同人体，掌纹主要纹线的数量等存在差异。因此选择手掌主要纹线的条数和交点数作为分类依据，忽略褶皱纹等容易误判的细节纹理。并依据主线条数和交点数量进行进一步的细化分类。

4、记生命线起点为A点，感情线起点为B点，终止点为D。A、B两点连线与BD曲线交点为C点。食指与中指指谷点为E点，记C点到D点的长度记为d₁，CB的长度记为d₂，记比例参数d=d₁/d₂。以比例参数d作为以掌纹主要纹线条数和交点个数进行分类时的辅助分类特征。在主要纹线数量为3条和相应交点个数为1个时，再将同为3条主要纹线和同为1个交点的情况划分为d≤1/2和d＞1/2两类。

5、选择手形中受手摆放姿势影响最小的中指与手掌长度比、中指与食指长对比、中指与无名指长度比进行下一步的细化分类。食指掌外侧拐点记为M，食指与中指谷点记为N，中指与无名指谷点记为P，无名指与小拇指谷点记为Q，手腕两侧拐点分别记为R、S，食指指尖点记为T，中指指尖点记为U，无名指指尖点记为V。则中指长度为U点到NP连线的中点之间的距离，食指长度LS为T点到MN连线中点之间的距离，无名指长度LW为V点到PQ连线中点之间的距离，手掌长度为U点到RS连线中点之间的距离。中指与手掌长度比为LZ/LA，中指与食指长度比为LZ/LS，中指与无名指长度比为LZ/LW。

6、在所有分类后还不能唯一确定目标身份的情况下，综合考虑手形特征已计算的三种比值的和，与对象进行具体距离的比较，以距离最近（数值的差值最小）者确定为最终目标。比值和计算公式为LH=∑(LZ/LA, LZ/LS, LZ/LW)。距离计算用欧氏距离，即。D1、 D2为分别为求取距离的两点。

可以理解地是，以上关于本发明的具体描述，仅用于说明本发明而并非受限于本发明实施例所描述的技术方案，本领域的普通技术人员应当理解，仍然可以对本发明进行修改或等同替换，以达到相同的技术效果；只要满足使用需要，都在本发明的保护范围之内。

Claims

1.一种基于粗分类的手部多模态快速识别方法，采用成像装置获取手部模态进行分析，从而获得手部特征参数，其特征在于，包括如下步骤：

（2）确定判断有无掌静脉的有效区域；判断该区域中图像灰度梯度总和超过一定范围数据的数量是否超过预先设定的阈值，超过则判断为存在静脉，否则不存在；

（3）测量掌纹主线条数及交点数量，以确定匹配对象。

2.根据权利要求1所述的基于粗分类的手部多模态快速识别方法，其特征在于：将生命线起点确定为A点，感情线起点确定为B点，终止点确定为D点；A、B两点连线与BD曲线交点为C点；记AC的长度为d₁，CB的长度为d₂，接续计算参数d=d₁/d₂，以确定匹配对象。

3.根据权利要求2所述的基于粗分类的手部多模态快速识别方法，其特征在于：将食指掌外侧拐点确定为M；食指与中指谷确定为N；中指与无名指谷点确定为P；无名指与小拇指谷点确定为Q；手腕两侧拐点分别确定为R、S；食指指尖点确定为T；中指指尖点确定为U；无名指指尖点确定为V；则中指长度LZ为U点到NP连线的中点之间的距离；手掌长度LA为U点到RS连线中点之间的距离；接续计算中指与手掌长度比LZ/LA，以确定匹配对象。

4.根据权利要求3所述的基于粗分类的手部多模态快速识别方法，其特征在于：食指长度LS为T点到MN连线中点之间的距离；接续计算中指与食指长度比LZ/LS，以确定匹配对象。

5.根据权利要求4所述的基于粗分类的手部多模态快速识别方法，其特征在于：无名指长度LW为V点到PQ连线中点之间的距离；接续计算中指与无名指长度比LZ/LW，以确定匹配对象。

6.根据权利要求5所述的基于粗分类的手部多模态快速识别方法，其特征在于：通过计算LH=∑(LZ/LA, LZ/LS, LZ/LW)，与对象进行具体距离的比较，以距离最近者为准，最终确定匹配对象；其中，距离计算用欧氏距离，即；D₁、 D₂分别为求取距离的两点。