CN104318213A - 一种利用人体手掌生物信息识别身份的方法 - Google Patents

Abstract

一种利用人体手掌生物信息识别身份的方法，涉及一种识别身份的方法，所述方法包括以下步骤：a.手掌静脉和手指轮廓图像采集：在850nm近红外光下一次性拍摄采集手掌静脉和手指轮廓图像；b.在图像上提取小拇指、食指、中指、无名指的长度和宽度；并计算得到各手指长度与宽度的相对信息，以此作为四指轮廓特征信息；c.定位手掌静脉的感兴趣区域；提取手掌静脉信息构成手掌静脉特征信息；d.匹配识别。本发明通过加入方便获取的手指轮廓特征，解决了极少数人群手掌静脉清晰度不好，影响识别准确性的问题。即利用了人体中安全性和用户接受程度极高的手掌静脉信息进行个人身份识别，又解决了对单生物特征识别准确度的要求。

Description

一种利用人体手掌生物信息识别身份的方法

技术领域

    本发明涉及一种身份识别方法，特别是涉及一种利用人体手掌生物信息识别身份的方法。

背景技术

人体生物特征的身份识别技术是指利用如人脸，指纹等人体固有的物理特征，或声音、步态等行为特征来鉴别个人身份的技术。与传统的基于密码或身份识别卡的方式相比，它具有更好的有效性、安全性和可靠性，日益获得更广阔的应用市场。目前常用的人脸识别和指纹识别，由于人脸很容易被窃取拍摄，指纹容易遗留在手持物上而被窃取，两者都存在安全漏洞，影响安全性，不适合于对安全级别要求高的场合。

手掌静脉、手指轮廓都具有唯一性、稳定性，是可用作身份鉴别的生物特征。手掌静脉隐藏在表皮下，呈网状分布，结构复杂很难被复制，手掌静脉图像需在近红外光下拍摄，无法在可见光下拍摄，这些特性使得手掌静脉成为一种安全性好的生物特征。断落的手掌或尸体因血液停止流动将不能通过认证，所以手掌静脉又可以作为“活体识别”的依据。手掌静脉的以上特点使得手掌静脉识别技术具有了高安全性的优势，适合于对安全性要求高的场合。但是，极少数人手表皮十分厚，其手掌静脉图像不够清晰。为了克服单一生物特征的局限性，可以通过融合更多生物特征的有效信息，降低对单独生物特征的准确度要求。

发明内容

本发明的目的在于提供一种利用人体手掌生物信息识别身份的方法，该方法利用手掌静脉采集通过加入手指轮廓信息进行融合识别，利用了人体中安全性极高、被用户接受程度好的手掌静脉特征，又能够克服极少数人群手掌静脉清晰度不好，影响识别准确性的问题。

本发明的目的是通过以下技术方案实现的：

一种利用人体手掌生物信息识别身份的方法，所述方法包括以下步骤：

a.手掌静脉和手指轮廓图像采集：在850nm近红外光下一次性拍摄采集手掌静脉和手指轮廓图像；

b.在图像上提取小拇指、食指、中指、无名指的长度和宽度；并计算得到各手指长度与宽度的相对信息，以此作为四指轮廓特征信息；

c.定位手掌静脉的感兴趣区域；提取手掌静脉信息构成手掌静脉特征信息；

d.匹配识别。

所述的一种利用人体手掌生物信息识别身份的方法，所述四指轮廓特征信息的采集步骤如下：

（1）图像二值化，采用大律法自动确定图像阈值，完成图像二值化；

（2）确定手掌轮廓，采用基于八连通区域的轮廓跟踪方法，在二值图像中确定手掌轮廓； 

（3）提取四指的指尖点和手指间谷点，从图像中手腕所在的边，向指尖所在边按列扫描手掌轮廓图像； 

（4）提取指间谷点的起点和终点；

（5）提取食指的左侧指根点，提取小拇指右侧指根点；

（6）提取四指的长度和宽度；

得四根手指的长度、宽度信息共12个；其中绝对值8个，相对值4个，为手指轮廓特征向量。

所述的一种利用人体手掌生物信息识别身份的方法，所述提取手掌静脉信息，即在掌心区提取一块正方形区域作为感兴趣区域，在感兴趣区域中提取手掌静脉基于结构的特征向量，基于纹理的特征向量或基于子空间的特征向量。

所述的一种利用人体手掌生物信息识别身份的方法，所述匹配识别，包括以下过程：

获得手指轮廓特征向量F和手掌静脉特征向量P；为了消除两种不同模式特征在数值上的非均衡性对融合识别可能造成的不利影响，将F和P分别进行如下标准化处理：令                                                ，，将F和P化为单位向量，,分别为标准化后的手指轮廓特征向量F和手掌静脉特征向量P。双竖线表示2-范数，继而获得组合特征向量如下：

；                      

其中为权值，表示不同特征的贡献大小，可通过实验选择；

匹配时，计算图库中所提取的第p个特征向量和第q个特征向量的欧氏距离，记为：

；   

如果满足：

；                            

则认为该对掌纹属于同一个人而被接受，否则，被拒绝，t为某一预先设定的阈值。

本发明的优点与效果是：

1.本发明通过加入方便获取的手指轮廓特征，解决了极少数人群手掌静脉清晰度不好，影响识别准确性的问题。即利用了人体中安全性和用户接受程度极高的手掌静脉信息进行个人身份识别，又解决了对单生物特征识别准确度的要求。

2.本发明提出结合手指轮廓特征，进行特征融合识别，融合手掌静脉和手指轮廓的优点是图像采集操作简便，可以一次完成。只需要一种手掌静脉采集装置就可以采集这两种生物特征。

附图说明

图1 指尖点和指间谷点示意图；

图2 指间谷点的起点和终点提取示意图；

图3 指间谷点的起点和终点示意图；

图4 食指的左侧指根点和小拇指右侧指根点示意图；

图5 四指长度、宽度测量；

图6 感兴趣区域示意图；

图7 算法流程。

具体实施方式

下面结合附图所示实施例，对本发明作进一步详述。

实施例：

本发明一种手掌静脉与手指轮廓结合的身份识别方法，包括以下步骤：

1.手掌静脉和手指轮廓图像采集。手掌静脉和手指轮廓图像采集装置主要由采集装置箱体、波长850nm的LED阵列组成的近红外光源、摄像机、匀光板、红外滤光片、内部反光材料组成。由手掌反射的近红外光在摄像机上成像。手掌静脉采集箱体内壁有吸光材料，防止箱体内壁反光。LED光源与背景相互垂直。采集者只要将手掌向上平放入采集装置入口，自然伸开四指就能方便的采集手掌静脉和手指轮廓图像。

2.在图像上提取小拇指、食指、中指、无名指的长度和宽度；并计算得到各手指长度与宽度的相对信息，以此作为四指轮廓特征信息。实现步骤如下：

（1）图像二值化。采用大律法自动确定图像阈值，完成图像二值化。二值图像中手掌为白色，其它区域为黑色。

（2）确定手掌轮廓。采用基于八连通区域的轮廓跟踪方法，在二值化图像中确定手掌轮廓。轮廓提取算法是从一幅二值图像的左上角开始按行扫描像素点，如果当前点的像素值为1，则判断该点的八邻域内是否存在像素值为0的点，如果存在，则认为该点为手掌轮廓线上的点，称其为边界点，记录下这个边界点的坐标；否则，认为该点为背景。把获得的边界点值置为1，将其坐标描绘到一张和原图像一样大小的空白矩阵中，矩阵中其余点都置0。在这个矩阵中这些坐标为1的点，就构成了手部图像的轮廓线。

（3）提取四指的指尖点和手指间谷点。从图像中手腕所在的边，向指尖所在边按列扫描手掌轮廓图像。当扫描线与手掌轮廓有三个交点时，记录第二个交点和第三个交点的坐标，第二个交点记为V ₀ ，第三个交点记为B。第二个交点就是手掌轮廓上大拇指根部点。计算V ₀ 和B之间的手掌轮廓线上各点的曲率，设定阈值t=1.75，曲率值大于t的7个区域分别为4个指尖区域和四指间的谷点区域。在这7个区域中分别提取曲率峰值所对应的点。当峰值所对应的点为多个时，提取中点。见图1。遇到的第一个曲率峰值为食指指尖点T ₁ ；第二个曲率峰值为食指与中指间谷点V ₁ ；第三个曲率峰值为中指指尖点T ₂ ；第四个曲率峰值为中指和无名指指间谷点V₂；第五个曲率峰值为无名指指尖点T ₃ ；第六个曲率峰值为无名指和小拇指间谷点V ₃ ；第七个曲率峰值为小拇指指尖点T ₄ 。

（4）提取指间谷点的起点和终点。设谷点两侧区域端点，即曲率开始连续变化点，为VS _i1 和VS _i2 (i=1,2,3)，以谷点V ₁ 为例，见图2中虚线方框中的局部放大视图。连接点V ₁ 和VS ₁₁ ，V ₁ 和VS ₁₂ ，得到线段V ₁ VS ₁₁ ，V ₁ VS ₁₂ ，在点V ₁ 和VS ₁₁ 之间的手轮廓图上寻找距线段V ₁ VS ₁₁ 最远的点，记为V ₁ U；同理，在点V ₁ 和VS ₁₂ 之间的手轮廓上，寻找距线段V ₁ VS ₁₂ 最远的点，记为V ₁ D。对谷点V ₂ ，V ₃ 采用同样方法处理，得到指间谷点V ₂ 的起点：V ₂ U、终点：V ₂ D和指间谷点V ₃ 的起点：V ₃ U、终点：V ₃ D，见图3。

（5）提取食指的左侧指根点，提取小拇指右侧指根点。以食指的左侧指根点为例。见图4，连接点T ₁ 和V ₁ U，得到线段T ₁ V ₁ U，以T ₁ 为圆心，|T ₁ V ₁ U|为半径沿逆时针方向做圆，该圆与手轮廓的第一个交点即为食指的左侧指根点，记为点U。同理提取小拇指右侧指根点，记为D点。

（6）提取四指的长度和宽度。以食指为例，连接点U和点V ₁ U，得到线段UV ₁ U，提取其中点坐标，记为M ₁ 。见图5。连接食指指尖点T ₁ 和M ₁ ，得到线段T ₁ M ₁ 。以线段T ₁ M ₁ 的长度作为食指的绝对长度。提取线段T ₁ M ₁ 中点，过该中点做线段UV ₁ U的平行线与手指轮廓交点分别为点M ₁₁ 和点M ₁₂ ，得到线段M ₁₁ M ₁₂ ，以M ₁₁ M ₁₂ 作为食指的绝对宽度。同理，提取其余三根手指的绝对长度和绝对宽度。并分别计算各手指长度与宽度的比值作为四个特征向量。

至此，得到了四根手指的长度、宽度信息共12个。其中绝对值8个，相对值4个。这就是手指轮廓特征向量，设为F。

3.定位手掌静脉的感兴趣区域；提取手掌静脉特征构成手掌静脉特征信息。方法如下：

在手掌静脉识别中，感兴趣区域(Region Of Interest, ROI)是指从图像中选择分割出一块有效区域用来提取特征。感兴趣区域定位目的在于将不同的手掌静脉图像进行归一化。手掌静脉识别中，提取感兴趣区域的方法有多种。本发明中只举一种为例。见图6，点M ₁ 和点M ₄ ，并以线段M ₁ M ₄ 为长度和一边，在手掌中做正方形M ₁ M ₁ ^'  M ₄ ^'  M ₄ ，得到感兴趣区域。

可以在感兴趣区域中提取手掌静脉基于结构的特征向量，基于纹理的特征向量或基于子空间的特征向量。本发明提取基于子空间的特征向量。采用基于2DFisher线性判别的手掌静脉特征提取方法。

4.匹配识别过程。

目前已经获得手指轮廓特征向量F和手掌静脉特征向量P。为了消除两种不同模式特征在数值上的非均衡性对融合识别可能造成的不利影响，将F和P分别进行如下标准化处理：令，，将F和P化为单位向量，,分别为标准化后的手指轮廓特征向量F和手掌静脉特征向量P。双竖线表示2-范数，继而获得组合特征向量如下：

                      

其中为权值，表示不同特征的贡献大小，可通过实验选择，本实施例为0.5。

匹配时，计算图库中所提取的第p个特征向量和第q个特征向量的欧氏距离，记为：

   

如果满足：

                            

则认为该对掌纹属于同一个人而被接受，否则，被拒绝，这里t为某一预先设定的阈值，本发明中是321。

显然，本发明的上述实施例，仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化和变动。这里无法对所有的实施方式予以穷举。凡是属于本发明的技术方案所引伸出得显而易见的变化或变动仍处于本发明的保护范围之列。

Claims (5)

1.一种利用人体手掌生物信息识别身份的方法，其特征在于，所述方法包括以下步骤：

a.手掌静脉和手指轮廓图像采集：在850nm近红外光下一次性拍摄采集手掌静脉和手指轮廓图像；

b.在图像上提取小拇指、食指、中指、无名指的长度和宽度；并计算得到各手指长度与宽度的相对信息，以此作为四指轮廓特征信息；

c.定位手掌静脉的感兴趣区域；提取手掌静脉信息构成手掌静脉特征信息；

d.匹配识别。

2.根据权利要求1所述的一种利用人体手掌生物信息识别身份的方法，其特征在于，所述四指轮廓特征信息的采集步骤如下：

（1）图像二值化，采用大律法自动确定图像阈值，完成图像二值化；

（2）确定手掌轮廓，采用基于八连通区域的轮廓跟踪方法，在二值图像中确定手掌轮廓； 

（3）提取四指的指尖点和手指间谷点，从图像中手腕所在的边，向指尖所在边按列扫描手掌轮廓图像； 

（4）提取指间谷点的起点和终点；

（5）提取食指的左侧指根点，提取小拇指右侧指根点；

（6）提取四指的长度和宽度；

得四根手指的长度、宽度信息共12个；其中绝对值8个，相对值4个，为手指轮廓特征向量。

3.根据权利要求1所述的一种利用人体手掌生物信息识别身份的方法，其特征在于，所述提取手掌静脉信息，即在掌心区提取一块正方形区域作为感兴趣区域，在感兴趣区域中提取手掌静脉基于结构的特征向量，基于纹理的特征向量或基于子空间的特征向量。

4.根据权利要求1所述的一种利用人体手掌生物信息识别身份的方法，其特征在于，所述匹配识别，包括以下过程：

获得手指轮廓特征向量F和手掌静脉特征向量P；为了消除两种不同模式特征在数值上的非均衡性对融合识别可能造成的不利影响，将F和P分别进行如下标准化处理：令 ，，将F和P化为单位向量，,分别为标准化后的手指轮廓特征向量F和手掌静脉特征向量P。

5.双竖线表示2-范数，继而获得组合特征向量如下：

；                      

其中为权值，表示不同特征的贡献大小，可通过实验选择；

匹配时，计算图库中所提取的第p个特征向量和第q个特征向量的欧氏距离，记为：

；   

如果满足：

；                            

则认为该对掌纹属于同一个人而被接受，否则，被拒绝，t为某一预先设定的阈值。