CN104933389A - 一种基于指静脉的身份识别装置及方法 - Google Patents

Abstract

一种基于指静脉的身份识别装置及方法，包括，主摄像机、从摄像机、图像处理单元、身份认证单元、存储单元、触摸键、滤光镜，以及红外面光源，其中，主、从摄像机，分别将获取的主、从手指静脉图像发送给图像处理单元；图像处理单元，从主、从手指静脉图像信号中提取指静脉三维特征信息并进行规范化处理，获得指静脉的基准特征信息；身份认证单元，将获取的待识别指静脉的基准特征信息与特征模板信息进行比较，完成对指静脉的身份识别和认证；本发明通过提取指静脉的三维特征信息，并规范化，有效地解决了因为手指姿态变化引起的错误识别问题，显著地提高了识别的准确性和安全级别。

Description

一种基于指静脉的身份识别装置及方法

技术领域

本发明涉及生物特征识别和三维图像重建领域，尤其涉及一种基于指静脉的身份识别方法及其装置。

背景技术

生物特征识别是通过计算机技术，利用人体固有的生理特征或行为特征进行身份鉴别的技术。随着信息技术的飞速发展，信息安全显示出前所未有的重要性，身份识别是保证系统安全的必要前提。手指静脉识别技术是通过近红外线穿透手指后所得的静脉纹路影像来进行身份识别，它是目前世界上新的具有高精度、高速度的认证技术。手指静脉识别技术因其采用的是活体、身体内部特征进行认证的技术，具有安全等级高、伪造困难、识别精度高、速度快、模板小、非接触方式等特点，是具有高防伪性的第二代生物特征识别技术。

现有的基于手指静脉设别的方法中，如日立公司的指静脉认证系统、富士通公司的掌静脉认证系统，以及中国专利CN101380225A、CN1586395A等提出的基于指静脉特征进行身份识别的方法和设备，都是针对单摄像机采集到的手指静脉二维图像进行处理和辨识，由于指静脉存在手指内部，具有复杂的三维网络结构特征，二维指静脉图像丢失了其它视角信息，并且同一根手指每一次采集图像时，经常有位移、旋转等手指姿势变化，造成每次采集到的图像差别较大，辨识准确率低；专利CN101980243A公开了一种基于双目视觉的手指静脉三维识别方法及装置，在一定程度上解决了上述缺陷，但由于两个摄像头水平对称排放，垂直于手指方向，仍然会造成部分有用静脉特征丢失，且对手指伸缩、俯仰等姿态所产生的静脉纹路变形的矫正效果不明显，造成部分特征识别错误。

发明内容

为了解决现有技术存在的不足，本发明的目的在于提供一种基于指静脉的身份识别装置及方法，减少了由于手指姿态变化引起的错误识别，提高指静脉身份识别设备的识别率和安全级别。

为实现上述目的，本发明提供的指静脉识别装置，包括，主摄像机、从摄像机、图像处理单元、身份认证单元、存储单元、触摸键、滤光镜，以及红外面光源，其中：

所述主、从摄像机，分别将获取的主、从手指静脉图像发送给所述图像处理单元；

所述图像处理单元，从所述主、从手指静脉图像信号中提取指静脉三维特征信息并进行规范化处理，获得指静脉基准特征信息，并分别发送给所述存储单元和所述身份认证单元；

所述身份认证单元，将所述待识别指静脉特征信息与所述特征模板进行比较，对指静脉进行身份的识别和认证；

所述存储单元，用于存储所述指静脉基准特征模板；

所述主、从摄像机，位于同一平面内，该平面和所述红外面光源所处的平面平行；

所述主摄像机光心、红外面光源的中心点和所述滤光镜中心点位于同一直线上，该直线与所述红外面光源的平面以及所述滤光镜平面垂直；

所述从摄像机位于所述主摄像机的侧面，其和所述主摄像机光心的连线与手指方向成60度角。

其中，所述图像处理单元，进一步包括，图像增强模块、图像分割模块、特征点提取模块、匹配点对模块，以及信息规范化模块，其中，

所述图像增强模块，其采用自适应直方图均衡法对所述主从静脉图像进行增强处理；

所述图像分割模块，其利用NiBlack阀值分割方法对经过增强的静脉图像进行分割；

所述特征点提取模块，其采用数学形态学图像细化算法对静脉纹理进行细化，并提取主从静脉图像的特征点；

所述匹配点对模块，其根据极线约束条件和立体匹配算法，从所述主从静脉图像的特征点中获取主从静脉图像的匹配点对；

所述信息规范化模块，其采用反透视变换方法，计算手指静脉的三维特征点坐标，并投影到指静脉的相对坐标系中，形成与手指姿态无关的二维特征点集，作为指静脉基准特征信息。

其中，所述身份认证单元，采用基于修改的Hausdorff距离的身份识别方法，将所述待识别指静脉基准特征信息与所述特征模板进行比较，对指静脉进行身份的识别和认证。

为实现上述目的，本发明提供的指静脉识别方法，包括以下步骤：

1)定标：对主、从摄像机进行定标；

2)注册：从主、从摄像机采集指静脉图像，从指静脉图像中提取指静脉三维特征信息并进行规范化处理，获得指静脉基准特征模板并存储到存储模块中，完成用户身份的注册；

3)认证和识别：从主、从摄像机获取的主、从手指静脉图像中提取指静脉三维特征信息并进行规范化处理，获得待识别指静脉基准特征信息；将所述待识别指静脉特征信息与所述指静脉特征模板进行比对，根据比对结果对指静脉进行身份识别或认证。

其中，所述对主、从摄像机进行定标，采集指静脉图像，是采用3D靶标的方法对摄像机进行定标。

其中，所述提取指静脉三维特征信息，是采用自适应直方图均衡化法对主从指静脉图像进行增强；采用NiBlack阀值分割方法，对增强后的图像进行分割；采用数学形态学图像细化算法，对二值静脉图像进行细化，分别提取主从静脉图像的特征点；根据极线约束条件和立体匹配算法，从所述主从静脉图像的特征点中获取主从静脉图像的匹配点对，根据反透视变换原理，获得静脉三维特征信息。

其中，所述对指静脉三维特征信息进行规范化处理，是从静脉图像的匹配点对中选取特征最明显的三个特征点所对应的三维空间点，以两点连线为X’轴，过第三点并垂直于X’轴为Y’轴，过X’与Y’轴交点，并垂直于X’和Y’轴的直线为Z’轴，建立指静脉相对坐标系，将三维空间中的所有特征点垂直投影到X’Y’平面上，形成二维的基准特征点集合。

其中，所述将待识别指静脉特征信息与所述指静脉特征模板进行比对，是采用基于修改的Hausdorff距离的身份识别方法，对指静脉进行身份的识别和认证。

本发明的基于指静脉的身份识别装置及方法，主从摄像机同时获取不同角度的手指静脉图像，根据立体匹配算法和反透视变换方法，提取手指静脉的三维特征，并投影到指静脉的相对坐标系中，形成二维的基准特征点集；采用修改的Hausdorff距离(MHD)方法，计算待识别静脉图像和模板的相似度，以此实现指静脉的身份识别和认证。

本发明可有效地提高指静脉身份识别的准确率，降低由于手指位置偏移、旋转、俯仰等姿态原因造成的错误识别率。同时，在特定应用场合，也可以只用主摄像机完成指静脉身份识别的功能，降低设备成本。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，并与本发明的实施例一起，用于解释本发明，并不构成对本发明的限制。在附图中：

图1为根据本发明的静脉识别装置原理框图；

图2为根据本发明的静脉识别装置结构示意图；

图3为根据本发明的图像处理单元原理框图；

图4为根据本发明的指静脉三维特征信息提取及规范化流程图；

图5为根据本发明的身份认证流程图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

图1为根据本发明的静脉识别装置原理框图，图2为根据本发明的静脉识别装置结构示意图，如图1和2所示，本发明的静脉识别装置，包括，主摄像机11、从摄像机12、图像处理单元13、身份认证单元14、存储单元15、触摸键16、滤光镜17，以及红外面光源18，其中，

主摄像机11、从摄像机12，分别连接图像处理单元13，将获取的手指静脉图像发送给图像处理单元13。

图像处理单元13，分别连接主摄像机11、从摄像机12、身份认证单元14、存储单元15，以及触摸键16，接收触摸键16发送的触摸信号、主摄像机11和从摄像机12发送的主从手指静脉图像信号，从主从手指静脉图像信号中提取指静脉三维特征信息并规范化，获得指静脉基准特征信息；将指静脉基准特征模板存储到存储单元15，待识别指静脉特征信息发送给身份认证单元14。

身份认证单元14，接收图像处理单元13发送的待识别指静脉特征信息，并与存储单元15中存储的特征模板进行比较，对身份进行认证和识别。

主摄像机11、从摄像机12，采用红外摄像机，位于同一平面内，该平面和红外面光源14所处的平面平行。主摄像机11、红外面光源18的中心点和滤光镜17中心点位于同一直线上，该直线与红外面光源18的平面以及滤光镜17平面垂直。从摄像机12位于主摄像机11的侧面，其和主摄像机11的连线与手指方向成60度角。

红外面光源18所处平面、滤光镜17所处平面、摄像机成像平面为三个平行的平面，三个面的中心点在同一直线上，且与三个平面垂直。三个平面的距离可根据红外面光源的强度、红外摄像机的焦距进行调整。

假定三个平面中，过平面中心点且与手指指尖的方向平行的直线为X轴，过中心点与X轴垂直的方向为Y轴，三个中心点的连线为Z轴。

主从红外摄像机(11、12)同在摄像机成像平面上，主摄像机11的光心为摄像机成像平面的中心。从摄像机12位于主摄像机的侧面，与X轴的夹角为60度，与主摄像机在X方向的距离为6mm。

红外面光源18的波长为850nm，滤光片只能通过850nm波长的近红外光线。

图3为根据本发明的图像处理单元原理框图，如图3所示，本发明的图像处理单元13，包括，图像增强模块31、图像分割模块32、特征点提取模块33、匹配点对模块34，以及信息规范模块35，其中，

图像增强模块31，其采用自适应直方图均衡法对主从摄像机(11、12)采集的主从静脉图像进行增强处理，并将处理后的静脉图像发送给图像分割模块32：

图像分割模块32，其利用NiBlack阀值分割方法对经过增强的静脉图像进行分割，并将分割后的静脉图像发送给特征点提取模块33；

特征点提取模块33，其采用数学形态学图像细化算法对静脉纹理进行细化，分别提取主从静脉图像的特征点，并将提取的主从静脉图像的特征点发送给匹配点对模块34；

匹配点对模块34，其根据极线约束条件和立体匹配算法，从主从静脉图像的特征点中获取主从静脉图像的匹配点对，并将主从静脉图像的匹配点对发送给信息规范化模块35；

信息规范化模块35，其根据反透视变换原理，计算手指静脉的三维特征点坐标；并投影到指静脉的相对坐标系中，形成与手指姿态无关的二维特征点集，获得指静脉基准特征信息。

图4为根据本发明的指静脉三维特征信息提取及规范化流程图，下面将参考图4，对本发明的指静脉三维特征信息提取及规范化流程进行详细描述。

首先，在步骤401，对主从摄像机进行定标，采集指静脉的图像。

为获取主从红外摄像机(11，12)的内外参数，首先采用3D靶标的方法对摄像机进行定标。基于3D靶标进行摄像机定标，是将一个3D立体靶标放置在摄像机前，靶标上每一个小方块的顶点均可作为特征点。对于每一个特征点，其相对于世界坐标系的位置在制作时应精确测定。摄像机获取该靶标上特征点的图像，由靶标上特征点的世界坐标和图像坐标即可计算出摄像机的内外参数，摄像机线性模型的成像公式为：

$S_i\left[\begin{array}{c}{u}_i\\ v_i\\ 1\end{array}\right]=\left[\begin{array}{cccc}{m}_{11}& m_{12}& m_{13}& m_{14}\\ m_{21}& m_{22}& m_{23}& m_{24}\\ m_{31}& m_{32}& m_{33}& m_{34}\end{array}\right]\×\left[\begin{array}{c}{X}_{\mathrm{wi}}\\ Y_{\mathrm{wi}}\\ Z_{\mathrm{wi}}\\ 1\end{array}\right]$

其中，[X_wi，Y_wi，Z_wi，1]为3D靶标的第i个点的世界坐标，(u_i，v_i，1)为第i个点的图像坐标，m_ij为投影矩阵M的第i行j元素。

其组成的转换矩阵记为M。由3D靶标上6个点的空间坐标和图像上6个对应点的坐标，即可求出M矩阵。在实际定标过程中，由于3D靶标上特征点的数量远大于6，可以用最小二乘法求解以降低误差造成的影响。

摄像机通过3D靶标定标后，即可通过主从摄像机采集指静脉图像。

在步骤402，采用自适应直方图均衡化法对图像进行增强。

直方图均衡法是通过灰度变换，将一幅图像变换为另一幅具有均衡直方图的图像的方法，为了兼顾图像的局部特征，我们采用自适应直方图均衡化方法，对图像进行增强。图像均衡算法为：

其中，x_i，j和x′_i，j表示变换前后的图像灰度值，v_i，j表示以x_i，j为中心的窗W(m，n)邻域均值，T表示对x_i,j的变换函数。

$v_{i,j}=\frac{1}{m\×n}\underset{(i,j)\∈w}{\mathrm{\Σ}}{x}_{i,j}$

$k=k^{\′}\left[(\frac{{\mathrm{\σ}}_{i,j}^2}{{\mathrm{\σ}}_n^2}-1)\right]$

其中，k’为比例系数，为整幅图像的噪声方差，为窗W内的灰度方差。

采用自适应直方图均衡化算法，通过自适应参量控制均衡化的灰度范围，使处理后的各灰度级趋于均衡，达到图像增强的目的。

在步骤403，采用NiBlack阀值分割方法，对增强后的图像进行分割。

设静脉图像中像素（i，j)的灰度为f(i，j)，对图像中的每一个像素点，取一个r*r的邻域，分别计算此邻域内像素灰度的平均值和标准方差：

$v(x,y)=\frac{1}{r^2}\underset{i=x-r/2}{\overset{x+r/2}{\mathrm{\Σ}}}\underset{j=y-r/2}{\overset{y+r/2}{\mathrm{\Σ}}}f(i,j)$

$s(x,y)=\sqrt{\frac{1}{r^2}\underset{i=x-r/2}{\overset{x+r/2}{\mathrm{\Σ}}}\underset{j=y-r/2}{\overset{y+r/2}{\mathrm{\Σ}}}({(i,j)}^2-v{(x,y)}^2)}$

则对于每一个像素点(x，y)，其阀值为：

H=v(x，y)+k*s(x，y)

通过阀值H(x，y)进行静脉图像的二值化处理。

在步骤404，采用数学形态学图像细化算法，对二值静脉图像进行细化，分别提取主从静脉图像的特征点。

将目标点标记为1，背景点标记为0。定义边界点：本身标记为1，而其8个连通邻域中至少有1个点标记为0的点。算法对边界点进行如下操作。设像素点为p1，其邻域的8个点顺时针绕p1的像素点分别记为p2，p3，…，p9，其中p2在p1的上方，如果p1=1且下面四个条件同时满足，则删除p1。

2≤N(p₁)≤6

S(p₁)=1

p₂×p₄×p₆=0

p₄×p₆×p₈=0

其中N(p₁)是p1的非零邻点的个数，S(p₁)是以p2，p3，…，p9为顺序时这些点的值从0～1变化的次数。当对所有边界点都检验完毕后，将所有标记了的点删除。然后对图像中的每个目标点都重复此步骤，直到所有的像素点都不可删除。

在指静脉的结构特征中，端点和分叉点是最基本的结构信息。对于细化后的二值静脉图像，通过一个3x3的模板来提取端点和分叉点等特征点。

在步骤405，立体匹配获取匹配点对。

在立体匹配中经常使用立体点对P₁(u₁，v₁)和P₂(u₂，v₂)的极线约束条件进行匹配。设主从摄像机的成像变换矩阵分别为M₁和M₂，记为：

M₁=[M₁₁ m₁]  M₂=[M₂₁ m₂]

其中，M₁₁和M₂₁为3x3矩阵，m₁和m₂为3x1矩阵。则主从摄像机的投影方程分别为：

z_c1U₁=M₁P_W=(M₁₁ m₁)P_W

z_c2U₂=M₂P_W=(M₂₁ m₂)P_W

其中，P_W=[x_w，y_w，z_w，1]^T，为空间点P的齐次坐标。U₁=(u₁，v₁，1)^T为主图像中某一点的图像坐标，其在从图像中的对应点坐标为U₂=(u₂，v₂，1)^T。由上述两式可得极线方程为：

$U_2^T((m_2-M_{21}{M}_{11}^{-1}{M}_1)\×\left(M_{21}{M}_{11}^{-1}{U}_1\right))=0$

根据极线约束条件，在已知P₁(u₁，v₁)后，只需在从图像中的一条极线线段中进行搜索，找到对应点P₂(u₂，v₂)，可以较精确的完成立体匹配。

在步骤406，指静脉三维特征信息的规范化。

根据主从摄像机的成像公式：

$z_{c1}\left[\begin{array}{c}u1\\ v1\\ 1\end{array}\right]=\left[\begin{array}{cccc}{m}_{11}^1& m_{12}^1& m_{13}^1& m_{14}^1\\ m_{21}^1& m_{22}^1& m_{23}^1& m_{24}^1\\ m_{31}^1& m_{32}^1& m_{33}^1& m_{34}^1\end{array}\right]\×\left[\begin{array}{c}{x}_w\\ y_w\\ z_w\\ 1\end{array}\right]$

和

$z_{c2}\left[\begin{array}{c}u2\\ v2\\ 1\end{array}\right]=\left[\begin{array}{cccc}{m}_{11}^2& m_{12}^2& m_{13}^2& m_{14}^2\\ m_{21}^2& m_{22}^2& m_{23}^2& m_{24}^2\\ m_{31}^2& m_{32}^1& m_{33}^2& m_{34}^2\end{array}\right]\×\left[\begin{array}{c}{x}_w\\ y_w\\ z_w\\ 1\end{array}\right]$

在两个成像公式中，分别消去Z_c1和Z_c2，得到下列方程组：

$\left[\begin{array}{ccc}{u}_1{m}_{31}^1-m_{11}^1& u_1{m}_{32}^1-m_{12}^1& u_1{m}_{33}^1-m_{13}^1\\ v_1{m}_{31}^1-m_{21}^1& v_1{m}_{32}^1-m_{22}^1& v_1{m}_{33}^1-m_{23}^1\\ u_2{m}_{31}^2-m_{11}^2& u_2{m}_{32}^2-m_{12}^2& u_1{m}_{33}^2-m_{13}^2\\ v_2{m}_{31}^2-m_{21}^2& v_2{m}_{32}^2-m_{22}^2& v_2{m}_{33}^2-m_{23}^2\end{array}\right]\×\left[\begin{array}{c}\mathrm{xw}\\ \mathrm{yw}\\ \mathrm{zw}\end{array}\right]=\left[\begin{array}{c}{m}_{14}^1-u_1{m}_{34}^1\\ m_{24}^1-v_1{m}_{34}^1\\ m_{14}^2-u_2{m}_{34}^2\\ m_{24}^2-v_1{m}_{34}^2\end{array}\right]$

解方程，即可获得P点的空间三维坐标(x_w，y_w，z_w)。

从匹配的静脉特征点对中选取特征明显的三个特征点所对应的三维空间点，以两点连线为X’轴，过第三点并垂直于X’轴为Y’轴，过X’与Y’轴交点，并垂直于X’和Y’轴的直线为Z’轴，建立指静脉相对坐标系，将三维空间中的所有特征点垂直投影到X’Y’平面上，形成二维的特征点集合，即为该指静脉的基准特征点集，完成指静脉三维特征信息的提取和规范化。

图5为根据本发明的指静脉识别方法工作流程图，下面将参考图5，对本发明的指静脉识别方法进行详细描述。

注册阶段，图像处理单元13从主摄像机11、从摄像机12采集指静脉图像，对主摄像机11、从摄像机12采集的指静脉主从图像进行处理，获取指静脉三维特征信息，规范化静脉三维特征信息，生成指静脉的基准特征模板，并存储于存储单元15中，完成注册。

认证阶段，图像处理单元13，从主摄像机11、从摄像机12实时获取的指静脉主从图像，提取指静脉的三维特征信息，规范化静脉三维特征信息，生成待识别指静脉基准特征信息；身份认证单元14将待识别指静脉基准特征信息，与存储单元15中存储的特征模板进行比对，根据比对结果对身份进行识别或认证。

本发明中，采用修改的Hausdorff距离(MHD)的身份识别方法，对指静脉进行身份识别或认证。

Hausdorff距离表征了两个点集之间的不相似程度，它对远离中心点的噪声点和漏检点非常敏感，为此本发明采用修改的Hausdorff距离来对待识别的指静脉基准特征点集和特征模板点集进行匹配，获取认证结果。

修改的Hausdorff距离采用均方误差的思想，以最小误差的均方差作为限制，具体公式如下：

H_MHD(A，B)=max(h_MHD(A，B)，h_MHD(B，A))

$h_{\mathrm{MHD}}(A,B)=\frac{1}{M}\underset{\underset{a\∈A}{i=1}}{\overset{N_0}{\mathrm{\Σ}}}{\mathrm{\ω}}_D\left(d(a,B)\right)\·d(a,B)$

其中，A、B是两个点集。

$M=\underset{\underset{a\⋐A}{i=1}}{\overset{N_0}{\mathrm{\Σ}}}{\mathrm{\ω}}_D\left(d(a,B)\right)$

d(a，B)是点集A上的特征点a到点集B的距离。

式中：

巴点集A中所有点到点集B的距离取第k个距离最大值。

这样，对两个特征点集的空间距离进行加权求值，消除了异常点，并实现了部分距离求和再求平均，所以该配准不仅消除了远离中心的错误匹配点的影响，而且具有消除零均值高斯噪声的能力。

利用修改的Hausdorff距离(MHD)来计算待识别的静脉图像和模板库中的特征模板的相似度；并将其结果作为两幅指静脉图像相似性的判断依据；如果该结果大于某一个阀值，则认为两幅指静脉图像相似，认证通过；否则认为两幅指静脉图像不同，认证失败。

本发明通过提取指静脉的三维特征信息，有效地解决了因为手指姿态变化引起的错误识别问题，显著地提高了识别的准确性和安全级别。

本领域普通技术人员可以理解：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于指静脉的身份识别装置，包括，主摄像机、从摄像机、图像处理单元、身份认证单元、存储单元、触摸键、滤光镜，以及红外面光源，其特征在于，

所述主、从摄像机，分别将获取的主、从手指静脉图像发送给所述图像处理单元；

所述图像处理单元，从所述主、从手指静脉图像信号中提取指静脉三维特征信息并进行规范化处理，获得指静脉基准特征信息，并发送给所述身份认证单元；

所述身份认证单元，将所述待识别指静脉特征信息与特征模板进行匹配，进行身份的识别和认证；

所述存储单元，用于存储所述指静脉基准特征模板；

所述主、从摄像机，位于同一平面内，该平面和所述红外面光源平面平行；

所述主摄像机光心、红外面光源的中心点和所述滤光镜中心点位于同一直线上，该直线与所述红外面光源平面以及所述滤光镜平面垂直；

所述从摄像机位于所述主摄像机的侧面，其和所述主摄像机的连线与手指方向成60度角。

2.根据权利要求1所述的静脉识别装置，其特征在于，所述图像处理单元，进一步包括，图像增强模块、图像分割模块、特征点提取模块、匹配点对模块，以及信息规范模块，其中，

所述图像增强模块，其采用自适应直方图均衡法对所述主从静脉图像进行增强处理；

所述图像分割模块，其利用NiBlack阀值分割方法对经过增强的静脉图像进行分割；

所述特征点提取模块，其采用数学形态学图像细化算法对静脉纹理进行细化，并分别提取主从静脉图像的特征点；

所述匹配点对模块，其根据极线约束条件和立体匹配算法，从所述主从静脉图像的特征点中获取主从静脉图像的匹配点对；

所述信息规范模块，其根据反透视变换原理，计算手指静脉的三维特征点坐标，并投影到指静脉的相对坐标系中，得到与手指姿势无关的二维特征点集，获得指静脉基准特征信息。

3.根据权利要求1所述的静脉识别装置，其特征在于，所述身份认证单元，采用修改的Hausdorff距离的身份识别方法，将所述待识别指静脉特征与相应特征模板进行匹配，对指静脉进行身份的识别和认证。

4.一种基于指静脉的身份识别方法，包括以下步骤：

1)定标：对主、从摄像机进行定标；

2)注册：主、从摄像机采集指静脉图像，从指静脉图像中提取指静脉三维特征信息并进行规范化处理，获得指静脉基准特征模板并存储到存储模块中，完成用户身份的注册；

3)认证和识别：从主、从摄像机获取的主、从手指静脉图像中提取指静脉三维特征信息并进行规范化处理，获得待识别指静脉基准特征信息；将待识别指静脉特征与特征模板比对，根据比对结果对指静脉进行身份认证和识别。

5.根据权利要求4所述的静脉识别的方法，其特征在于，所述对主、从摄像机进行定标，采集指静脉图像，是采用3D靶标的方法对摄像机进行定标。

6.根据权利要求4所述的静脉识别的方法，其特征在于，采用自适应直方图均衡化法对主从指静脉图像进行增强；采用NiBlack阀值分割方法，对增强后的图像进行分割；采用数学形态学图像细化算法，对二值静脉图像进行细化，分别提取主从静脉图像的特征点；根据极线约束条件和立体匹配算法，从所述主从静脉图像的特征点中获取主从静脉图像的匹配点对，通过反透视变换获得静脉三维特征信息。

7.根据权利要求4所述的静脉识别的方法，其特征在于，所述对指静脉三维特征信息进行规范化处理，是从静脉图像的匹配点对中选取特征明显的三个特征点所对应的三维空间点，以两点连线为X’轴，过第三点并垂直于X’轴为Y’轴，过X’与Y’轴交点，并垂直于X’和Y’轴的直线为Z’轴，建立指静脉相对坐标系，将三维空间中的所有特征点垂直投影到X’Y’平面上，形成基准二维特征点集合。

8.根据权利要求4所述的静脉识别的方法，其特征在于，是采用基于修改的Hausdorff距离的身份识别方法，将所述待识别指静脉特征信息与特征模板进行匹配，对指静脉进行身份的识别和认证。