CN106372611A - 基于手掌静脉特征的身份识别方法、系统及图像采集装置 - Google Patents
基于手掌静脉特征的身份识别方法、系统及图像采集装置 Download PDFInfo
- Publication number
- CN106372611A CN106372611A CN201610812867.6A CN201610812867A CN106372611A CN 106372611 A CN106372611 A CN 106372611A CN 201610812867 A CN201610812867 A CN 201610812867A CN 106372611 A CN106372611 A CN 106372611A
- Authority
- CN
- China
- Prior art keywords
- image
- vein
- palm
- palm vein
- feature
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/14—Vascular patterns
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明涉及智能终端身份识别技术领域，公开了基于手掌静脉特征的身份识别方法、系统及图像采集装置，所述方法包括：开启图像采集装置的近红外光源，通过控制图像采集获取用户的手掌静脉图像；当采集到所述手掌静脉图像后，通过图像预处理将静脉图像进行强化处理，以及通过特征提取得到与识别算法相对应的静脉血管模型；将所述静脉血管模型中的静脉特征与数据库中的样本特征进行匹配识别，判定当前被采集者的身份。本发明通过用户的手掌静脉特征进行身份识别鉴定，具有高防伪性、高准确性、高生物特征稳定性优势，所以具有唯一性和稳定性的手掌静脉特征身份识别方法为用户的身份识别带来了更大的方便。
Description
技术领域
本发明涉及智能终端身份识别技术领域，公开了基于手掌静脉特征的身份识别方法、系统及图像采集装置。手掌静脉身份识别作为一种高安全识别技术，其具有较广阔的应用前景，主要应用领域如下：
（1）在军警领域的应用
在军警领域存在很多杀伤性武器和重要的国家机密，一旦失窃会对国家和人民造成巨大的损失，则加强弹药库管理，人员进出管理，机密管理等至关重要。
（2）在政府和企业单位的应用
手掌静脉身份识别技术在政府，企业单位都具有较广阔的应用前景，如政府机构的OA系统登录，信息管理，分级授权，政务审批，人员进出管理，员工考勤；企业的办公室，库房，机房等场所分级管理，项目审批，财务授权；社保管理机构的发放社保卡，瞬间调出受保人员资料，杜绝输入误操作，养老金支付花名册及支付汇总表信息管理，调资历史查询，社会保险费增收管理等。
（3）在金融机构的应用
由于手掌静脉识别技术高安全的特点，其在金融领域的应用，可以有效的提高身份认证的准确性，在银行内部资金结算审批，柜员身份授权，系统登录管理，ATM持卡人确认银行内部数据终端管理，顾客信息管理，系统开发信息管理，行员操作系统管理等方面均有较大的应用前景。
（4）在教育行业的应用
手掌静脉身份识别技术在教育行业也具有较广泛的应用前景。如考生身份确认（防枪手），证件，证书管理，学员信息，学籍管理；学校设施管理：机房，语音室，家长身份确认；其他后勤应用：图书馆，校内食堂，自助收费服务设施；驾校考试中心学员考试身份确认，学员到场考勤等。
（5）在医疗机构的应用
手掌静脉身份识别技术在医疗机构也具有较广泛的应用，如重要实验室、手术室的人员识别、重要试验设备、手术设备的存放，以及医务人员的考勤。
背景技术
生物识别技术是指利用人体所固有的生理特征或行为特征，通过传感器技术、图像处理技术、模式识别等技术，来进行个人身份鉴定的技术。利用自动技术测量生物特征或者行为特征，将这些特征与数据库模板匹配识别来进行身份验证完成识别的技术，用于测量的特征有指纹、人脸、虹膜、静脉、声音、 签名和DNA等，它们是个体本身固有的生理或行为特征，不会被丢失、遗忘 或盗取，防伪性较好。
由于生物特征自身的特点，常见的生物识别技术有着各自的优缺点。如图1所示，用于生物识别的人体生物特征主要有：指纹、掌纹、手掌静脉、手背静脉、人脸、虹膜、语音、人耳以及视网膜，另外，在如下的表格中，对常见的几种生物特征识别技术进行了比较，可以看出，静脉识别技术在各类生物识别中，具有高防伪性、高准确性、高生物特征稳定性等优势，静脉身份识别技术是将皮肤下的静脉血管作为身份特征进行身份识别的技术，由于人体静脉血管隐藏于皮肤之下，不易伪造，因此静脉特征识别技术是一种安全性很高的身份识别技术，国内外静脉身份识别大部分集中在手背静脉特征和手指静脉特征，这主要是由于手背及手指静脉图像采集相对容易。由于人体手掌部分静脉血管较多，特征较丰富，更适合作为身份识别特征。
而其他如人脸、指纹等身份识别技术在稳定性或者识别精度上不够高，通过很多医疗或者其他方式可以达到伪造的目的，安全性不是很高。
因此，针对上述缺陷，现有技术还有待于改进和发展。
发明内容
本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种基于手掌静脉特征的身份识别方法、系统及图像采集装置，旨在通过用户的手掌静脉特征进行身份识别鉴定，使得用户在各个领域使用本发明的基于手掌静脉特征的身份识别方法时具有更高的安全性和稳定性，为用户的身份识别带来更大的方便。
本发明解决技术问题所采用的技术方案如下：
一种基于手掌静脉特征的身份识别方法，其中，包括以下步骤：
步骤A，开启图像采集装置的近红外光源，通过控制图像采集获取用户的手掌静脉图像；
步骤B，当采集到所述手掌静脉图像后，通过图像预处理将静脉图像进行强化处理，以及通过特征提取得到与识别算法相对应的静脉血管模型；
步骤C，将所述静脉血管模型中的静脉特征与数据库中的样本特征进行匹配识别，判定当前被采集者的身份。
所述基于手掌静脉特征的身份识别方法，其中，所述步骤A具体包括：
A1，通过图像采集装置中的控制电路开启系统近红外光源，实现手掌静脉成像拍摄；
A2，每拍摄一幅图像均进行一次图像质量检测，若为非法异物或图像质量不合格则重新采集，直到采集到合格图像为止。
所述基于手掌静脉特征的身份识别方法，其中，所述步骤B具体包括：
B1，当采集到所述手掌静脉图像后，所述图像预处理即对采集到的手掌静脉图像进行ROI定位、滤波、去噪操作来实现静脉图像的强化处理；
B2，当所述手掌静脉图像进行强化处理后，通过特征提取得到与识别算法相对应的静脉血管模型，所述静脉血管模型包括静脉特征，并将静脉特征的数据存储到终端设备中。
所述基于手掌静脉特征的身份识别方法，其中，所述步骤C具体包括：
C1，当终端设备首次采集到用户的手掌静脉特征时，则对用户的手掌静脉信息进行注册，将特征数据存入到静脉数据库，并为图像采集装置中的识别模块提供相应的数据；
C2，当已经完成手掌静脉信息注册的用户再次进行手掌静脉图像识别时，同样先对静脉图像进行预处理和特征提取，将获得的静脉特征与数据库中的样本特征进行匹配识别，当匹配结果一致则身份鉴定成功。
一种基于手掌静脉特征的身份识别系统，其中，包括：
图像采集模块，用于开启图像采集装置的近红外光源，通过控制图像采集获取用户的手掌静脉图像；
图像处理与特征提取模块，用于当采集到所述手掌静脉图像后，通过图像预处理将静脉图像进行强化处理，以及通过特征提取得到与识别算法相对应的静脉血管模型；
图像识别模块，用于将所述静脉血管模型中的静脉特征与数据库中的样本特征进行匹配识别，判定当前被采集者的身份。
所述基于手掌静脉特征的身份识别系统，其中，所述图像采集模块具体包括：
拍摄开启单元，用于通过图像采集装置中的控制电路开启系统近红外光源，实现手掌静脉成像拍摄；
循环采集单元，用于控制每拍摄一幅图像均进行一次图像质量检测，若为非法异物或图像质量不合格则重新采集，直到采集到合格图像为止。
所述基于手掌静脉特征的身份识别系统，其中，所述图像处理与特征提取模块具体包括：
强化处理单元，用于当采集到所述手掌静脉图像后，控制所述图像预处理对采集到的手掌静脉图像进行ROI定位、滤波、去噪操作来实现静脉图像的强化处理；
特征提取单元，用于当所述手掌静脉图像进行强化处理后，通过控制特征提取得到与识别算法相对应的静脉血管模型，所述静脉血管模型包括静脉特征，并将静脉特征的数据存储到终端设备中。
所述基于手掌静脉特征的身份识别系统，其中，所述图像识别模块具体包括：
注册存储单元，用于当终端设备首次采集到用户的手掌静脉特征时，控制对用户的手掌静脉信息进行注册，将特征数据存入到静脉数据库，并为图像采集装置中的识别模块提供相应的数据；
匹配识别单元，用于当已经完成手掌静脉信息注册的用户再次进行手掌静脉图像识别时，同样先对静脉图像进行预处理和特征提取，将获得的静脉特征与数据库中的样本特征进行匹配识别，当匹配结果一致则身份鉴定成功。
一种图像采集装置，其中，包括：
箱体，用于使手掌静脉图像采集处于半封闭状态，当手掌放置于图像采集装置上时，防止外界环境光线进入所述装置内，降了杂散光对成像品质的影响，提高图像对比度；
平台，用于在图像采集过程中，方便手掌平放在平台表面上，使得手掌与镜头的距离保持不变，简化图像的后续处理；
近红外光源，用于利用手掌中的血液对近红外线反射的强弱来辨认静脉的位置，所述近红外光源采用双环形LED阵列结构；
散光纸，用于将近红外光源的近红外线均匀发散到手掌表面；
红外滤光片，用于过滤或者吸收特定波长光线，从而使得采集到的图像中静脉血管比其他组织要暗，凸显出静脉血管部分纹路，形成静脉图像；
图像传感器，用于将光学图像转换成电子信号的CMOS摄像头；
摄像机，用于获取手掌的静脉图像信息；
通过所述图像采集装置采集用户的手掌静脉图像，将提取到的静脉特征与数据库中的样本特征进行匹配识别，给出识别结果完成身份鉴定。
所述图像采集装置，其中，所述近红外光源由内外两个环形LED阵列组成，通过对手掌进行均匀光照后获得的总辐射照度为：
其中，r1为内环半径，r2为外环半径，I0为光源的电流。
综上所述，本发明公开了一种基于手掌静脉特征的身份识别方法、系统及图像采集装置，所述方法包括：开启图像采集装置的近红外光源，通过控制图像采集获取用户的手掌静脉图像；当采集到所述手掌静脉图像后，通过图像预处理将静脉图像进行强化处理，以及通过特征提取得到与识别算法相对应的静脉血管模型；将所述静脉血管模型中的静脉特征与数据库中的样本特征进行匹配识别，判定当前被采集者的身份。本发明通过用户的手掌静脉特征进行身份识别鉴定，具有高防伪性、高准确性、高生物特征稳定性优势，静脉身份识别是将皮肤下的静脉血管作为身份特征进行身份识别的技术，由于人体静脉血管隐藏于皮肤之下，不易伪造，因此静脉特征识别是一种安全性很高的身份识别方式，由于人体手掌部分静脉血管较多，特征较丰富，更适合作为身份识别特征，具有唯一性和稳定性的手掌静脉特征身份识别方法为用户的身份识别带来了更大的方便。
附图说明
图1是用于生物识别的9种人体生物特征示意图。
图2是本发明基于手掌静脉特征的身份识别方法的较佳实施例的流程图。
图3是本发明中血红蛋白吸收光谱特性示意图。
图4是本发明的手掌静脉血管分布示意图。
图5是本发明基于手掌静脉特征的身份识别中RIO获取过程流程图。
图6是本发明基于手掌静脉特征的身份识别中灰度归一化前后对比图。
图7是本发明基于手掌静脉特征的身份识别中曲波变化去噪前后对比图。
图8是本发明基于手掌静脉特征的身份识别的智能设备中4个不同手掌的静脉图像示意图。
图9是本发明基于手掌静脉特征的身份识别系统的较佳实施例的功能原理框图。
图10是本发明图像采集装置结构示意图。
图11是本发明近红外光源采用双环形LED阵列结构示意图。
图12是本发明近红外光源采用双环形LED阵列结构和单环光源成像结果对比示意图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
请参阅图2，图2是本发明基于手掌静脉特征的身份识别方法的较佳实施例的流程图。
如图2所示，本发明实施例提供的一种基于手掌静脉特征的身份识别方法，包括以下步骤：
步骤S100，开启图像采集装置的近红外光源，通过控制图像采集获取用户的手掌静脉图像。
本发明中，所述步骤S100具体包括：通过图像采集装置中的控制电路开启系统近红外光源，实现手掌静脉成像拍摄；每拍摄一幅图像均进行一次图像质量检测，若为非法异物或图像质量不合格则重新采集，直到采集到合格图像为止。
人体静脉血管中输送的是经新陈代谢后的血液，含氧量少，血液中的血红蛋白主要以还原血红蛋白为主，血红蛋白吸收光谱特性如图3所示，从图中可以看出，流到静脉红血球中的还原血红蛋白对近红外线会有较多吸收，在波长为700~1000nm范围内，氧合血红蛋白HbO2和还原血红蛋白Hb的响应曲线交叉，水的吸收因子低，且静脉血相比于皮下组织对近红外光具有更强的吸收特性，因此在近红外光照射下，血液部分对近红外光吸收的多，反射回图像传感器的光线比其他组织少，这样采集到的图像中静脉血管比其他组织要暗，由此凸显出静脉血管部分纹路，形成静脉图像，概括的说静脉识别是利用对近红外线反射的强弱来辨认静脉的位置。
另外，本发明之所以采用手掌静脉特征来进行身份识别，是因为手掌的静脉特征具有普遍性、唯一性、永久性、可采集性、易接受性以及安全性，如图4的手掌静脉血管分布所示，分别从上述几个性质来进行分析：
普遍性：图4是人手血管分布示意图，从图中看，人体手掌有丰富的静脉血管分布。
唯一性：据统计，每1000万人中只可能有8个人的手掌静脉会有相似，而且不会完全相同。
永久性：手掌血管与生俱来，并非不会像指纹等表面特征一样存在磨损、老化等情况，并且随着年龄的增长，手掌血管的结构不变。
可采集性：手掌静脉图像可以通过红外光源配合红外摄像机方便的采集获取。
易接受性：采集设备采用非接触的图像获取方式更易于让人接受。
安全性：由于手掌静脉分布在皮表以下，分支结构由十分复杂，使用很难被伪造或模仿。
由此得出结论：使用红外光线照射手掌，利用手掌静脉对近红外光线吸收较多，反射回图像传感器的光线比其他组织少，采集到的图像中静脉血管比其他组织要暗，凸显出静脉血管部分纹路，形成静脉图像，提取手掌静脉图像特征信息，达到身份识别。
本发明中，首先通过控制电路开启系统近红外光源，然后通过控制图像采集获取图像，从而实现了手掌静脉的成像，每拍摄一幅图像都进行一次图像质量检测，如果图像质量差则重新采集，直到采集到合格图像为止，一般情况下均要采集多幅图像，尤其是在首次使用需要注册的模式下采集多次可丰富训练样本库，提高系统的识别率。
步骤S200，当采集到所述手掌静脉图像后，通过图像预处理将静脉图像进行强化处理，以及通过特征提取得到与识别算法相对应的静脉血管模型。
本发明中，所述步骤S200具体包括：当采集到所述手掌静脉图像后，所述图像预处理即对采集到的手掌静脉图像进行ROI定位、滤波、去噪操作来实现静脉图像的强化处理；当所述手掌静脉图像进行强化处理后，通过特征提取得到与识别算法相对应的静脉血管模型，所述静脉血管模型包括静脉特征，并将静脉特征的数据存储到终端设备中。
图像预处理阶段包括图像有效区域获取、图像归一化、图像对比度增强、图像去噪四部分工作，分别采用对比度线性拉伸、直方图均衡化等方法进行增强，然后将CLAHE算法应用到静脉图像，CLAHE方法可以有效的进行自适应对比度增强，在图像去噪阶段，由于静脉具有“曲线”特征，而曲波变换能够很好的表达图像中的“曲线”特征，采用基于曲波变换去噪算法；在身份识别部分，采用将静脉图像的曲波变换系数作为静脉特征进行识别；为了进一步降低特征维数，采用曲波变换与PCA 方法结合的算法进行识别。
如图5所示，图5是本发明基于手掌静脉特征的身份识别中RIO获取过程流程图，当采集到图像后进行二值化处理，在二值图像中提取出手掌轮廓，在手掌轮廓图中寻找可用于定位的两个基准点并确定基准点为a、b，再计算旋转角度后根据旋转角度摆正手掌，得到最终的ROI获取结果，作为数据库中的样本的基础。
如图6和图7所示，图6是本发明基于手掌静脉特征的身份识别中灰度归一化前后对比图，图7是本发明基于手掌静脉特征的身份识别中曲波变化去噪前后对比图。从图中可以看出在灰度归一化和曲波变化去噪之前，手掌的掌静脉特征比较模糊、血管纹路不是很清楚，当将静脉图像进行灰度归一化以及曲波变化去噪之后，明显可以看出手掌的掌静脉特征变得很清晰、对比效果很明显。
在通过图像预处理将静脉图像进行强化处理后，再通过特征提取得到与识别算法相对应的静脉血管模型，并将最终的静脉特征的数据（包括最后的静脉图像）存储到终端设备的数据库中，便于后续用户进行鉴定时的匹配。
步骤S300，将所述静脉血管模型中的静脉特征与数据库中的样本特征进行匹配识别，判定当前被采集者的身份。
本发明中，所述步骤S300具体包括：当终端设备首次采集到用户的手掌静脉特征时，则对用户的手掌静脉信息进行注册，将特征数据存入到静脉数据库，并为图像采集装置中的识别模块提供相应的数据；当已经完成手掌静脉信息注册的用户再次进行手掌静脉图像识别时，同样先对静脉图像进行预处理和特征提取，将获得的静脉特征与数据库中的样本特征进行匹配识别，当匹配结果一致则身份鉴定成功。
请参见图8，图8是本发明基于手掌静脉特征的身份识别的智能设备中4个不同手掌的静脉图像示意图。如图8所示，假设智能设备的数据库中已经注册（提前录入的静脉图像）4个不同用户的手掌的静脉图像，分别命名为a、b、c、d，假设b用户在使用所述设备进行身份验证时，当用户的手掌静脉图像被图像采集装置采集完成后，调用智能设备数据库中的4个不同手掌的静脉图像和用户b的手掌静脉图像进行匹配，因为智能设备的数据库中已经录入了b用户的手掌的静脉图像，所以匹配成功，即完成了用户的身份验证。
基于上述实施例，本发明还提供一种基于手掌静脉特征的身份识别系统，
请参阅图9，图9是本发明基于手掌静脉特征的身份识别系统的较佳实施例的功能原理框图。
如图9所示，所述系统包括：
图像采集模块910，用于开启图像采集装置的近红外光源，通过控制图像采集获取用户的手掌静脉图像；具体如上所述。
图像处理与特征提取模块920，用于当采集到所述手掌静脉图像后，通过图像预处理将静脉图像进行强化处理，以及通过特征提取得到与识别算法相对应的静脉血管模型；具体如上所述。
图像识别模块930，用于将所述静脉血管模型中的静脉特征与数据库中的样本特征进行匹配识别，判定当前被采集者的身份；具体如上所述。
进一步地，所述基于手掌静脉特征的身份识别系统，其中，所述图像采集模块具体包括：
拍摄开启单元，用于通过图像采集装置中的控制电路开启系统近红外光源，实现手掌静脉成像拍摄；具体如上所述。
循环采集单元，用于控制每拍摄一幅图像均进行一次图像质量检测，若为非法异物或图像质量不合格则重新采集，直到采集到合格图像为止；具体如上所述。
所述基于手掌静脉特征的身份识别系统，其中，所述图像处理与特征提取模块具体包括：
强化处理单元，用于当采集到所述手掌静脉图像后，控制所述图像预处理对采集到的手掌静脉图像进行ROI定位、滤波、去噪操作来实现静脉图像的强化处理；具体如上所述。
特征提取单元，用于当所述手掌静脉图像进行强化处理后，通过控制特征提取得到与识别算法相对应的静脉血管模型，所述静脉血管模型包括静脉特征，并将静脉特征的数据存储到终端设备中；具体如上所述。
所述基于手掌静脉特征的身份识别系统，其中，所述图像识别模块具体包括：
注册存储单元，用于当终端设备首次采集到用户的手掌静脉特征时，控制对用户的手掌静脉信息进行注册，将特征数据存入到静脉数据库，并为图像采集装置中的识别模块提供相应的数据；具体如上所述。
匹配识别单元，用于当已经完成手掌静脉信息注册的用户再次进行手掌静脉图像识别时，同样先对静脉图像进行预处理和特征提取，将获得的静脉特征与数据库中的样本特征进行匹配识别，当匹配结果一致则身份鉴定成功；具体如上所述。
本发明还提供一种图像采集装置10，包括：
箱体11，用于使手掌20静脉图像采集处于半封闭状态，当手掌放置于图像采集装置上时，防止外界环境光线进入所述装置内，降了杂散光对成像品质的影响，提高图像对比度；在所述箱体11四周添加反光材料，为系统补光，在放置手掌的平台内侧 添加在近红外光下呈黑色的背景材料，使手掌与背景的颜色反差大，提高采集图像对 比度，方便手掌的定位，背景材料可以选择粗糙的黑色橡胶。
平台12，用于在图像采集过程中，方便手掌20平放在平台表面上，使得手掌与镜头的距离保持不变，简化图像的后续处理。
近红外光源13，用于利用手掌中的血液对近红外线反射的强弱来辨认静脉的位置，所述近红外光源采用双环形LED阵列结构。
散光纸14，用于将近红外光源的近红外线均匀发散到手掌表面。
红外滤光片15，用于过滤或者吸收特定波长光线，从而使得采集到的图像中静脉血管比其他组织要暗，凸显出静脉血管部分纹路，形成静脉图像。
图像传感器16，用于将光学图像转换成电子信号的CMOS摄像头。
摄像机17，用于获取手掌的静脉图像信息。
通过所述图像采集装置采集用户的手掌20静脉图像，将提取到的静脉特征与数据库中的样本特征进行匹配识别，给出识别结果完成身份鉴定。
如图11所示，所述近红外光源13由内外两个环形LED阵列组成，通过对手掌进行均匀光照后获得的总辐射照度为：
其中，r1为内环半径，r2为外环半径，I0为光源的电流，所述总辐射照度的公式的计算结果用于双环LED阵列光照均匀分布的设计，便于手掌静脉图像的采集。
如图12所示，单环光源成像结果((a)和(b))与双环光源成像结果((c)和(d))对比，可以看出，双环光源的成像结果明显比单环光源成像结果更加清晰，这对于智能设备识别用户的手掌静脉图像更加准确、识别速度更快、误差更小。
其中，近红外LED为选取30度圆头型峰值波长为850nm引脚式封装的小功率LED灯珠；红外滤光片15为选取850nm带通滤光片，具体参数如下： 材质为光学玻璃（符合环保ROHS），中心波长850nm，中心波长透过率＞85％；峰值透过率＞85％，半带宽：20nm±2nm；CMOS摄像头：使用分辨率为 1280*1024，敏感度在400到1000nm 的CMOS黑白工业相机DH-HV1351UM；硬件平台：系统算法在 Matlab 平台下进行仿真，在 VS2010 平台下使用 C#语言实现。
综上所述，本发明公开了基于手掌静脉特征的身份识别方法、系统及图像采集装置，所述方法包括：开启图像采集装置的近红外光源，通过控制图像采集获取用户的手掌静脉图像；当采集到所述手掌静脉图像后，通过图像预处理将静脉图像进行强化处理，以及通过特征提取得到与识别算法相对应的静脉血管模型；将所述静脉血管模型中的静脉特征与数据库中的样本特征进行匹配识别，判定当前被采集者的身份。本发明通过用户的手掌静脉特征进行身份识别鉴定，具有高防伪性、高准确性、高生物特征稳定性优势，静脉身份识别是将皮肤下的静脉血管作为身份特征进行身份识别的技术，由于人体静脉血管隐藏于皮肤之下，不易伪造，因此静脉特征识别是一种安全性很高的身份识别方式，由于人体手掌部分静脉血管较多，特征较丰富，更适合作为身份识别特征，具有唯一性和稳定性的手掌静脉特征身份识别方法为用户的身份识别带来了更大的方便。
当然，本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关硬件（如处理器，控制器等）来完成，所述的程序可存储于一计算机可读取的存储介质中，该程序在执行时可包括如上述各方法实施例的流程。其中所述的存储介质可为存储器、磁碟、光盘等。
应当理解的是，本发明的应用不限于上述的举例，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (10)
1.一种基于手掌静脉特征的身份识别方法，其特征在于，包括：
步骤A，开启图像采集装置的近红外光源，通过控制图像采集获取用户的手掌静脉图像；
步骤B，当采集到所述手掌静脉图像后，通过图像预处理将静脉图像进行强化处理，以及通过特征提取得到与识别算法相对应的静脉血管模型；
步骤C，将所述静脉血管模型中的静脉特征与数据库中的样本特征进行匹配识别，判定当前被采集者的身份。
2.根据权利要求1所述基于手掌静脉特征的身份识别方法，其特征在于，所述步骤A具体包括：
A1，通过图像采集装置中的控制电路开启系统近红外光源，实现手掌静脉成像拍摄；
A2，每拍摄一幅图像均进行一次图像质量检测，若为非法异物或图像质量不合格则重新采集，直到采集到合格图像为止。
3.根据权利要求1所述基于手掌静脉特征的身份识别方法，其特征在于，所述步骤B具体包括：
B1，当采集到所述手掌静脉图像后，所述图像预处理即对采集到的手掌静脉图像进行ROI定位、滤波、去噪操作来实现静脉图像的强化处理；
B2，当所述手掌静脉图像进行强化处理后，通过特征提取得到与识别算法相对应的静脉血管模型，所述静脉血管模型包括静脉特征，并将静脉特征的数据存储到终端设备中。
4.根据权利要求1所述基于手掌静脉特征的身份识别方法，其特征在于，所述步骤C具体包括：
C1，当终端设备首次采集到用户的手掌静脉特征时，则对用户的手掌静脉信息进行注册，将特征数据存入到静脉数据库，并为图像采集装置中的识别模块提供相应的数据；
C2，当已经完成手掌静脉信息注册的用户再次进行手掌静脉图像识别时，同样先对静脉图像进行预处理和特征提取，将获得的静脉特征与数据库中的样本特征进行匹配识别，当匹配结果一致则身份鉴定成功。
5.一种基于手掌静脉特征的身份识别系统，其特征在于，包括：
图像采集模块，用于开启图像采集装置的近红外光源，通过控制图像采集获取用户的手掌静脉图像；
图像处理与特征提取模块，用于当采集到所述手掌静脉图像后，通过图像预处理将静脉图像进行强化处理，以及通过特征提取得到与识别算法相对应的静脉血管模型；
图像识别模块，用于将所述静脉血管模型中的静脉特征与数据库中的样本特征进行匹配识别，判定当前被采集者的身份。
6.根据权利要求5所述基于手掌静脉特征的身份识别系统，其特征在于，所述图像采集模块具体包括：
拍摄开启单元，用于通过图像采集装置中的控制电路开启系统近红外光源，实现手掌静脉成像拍摄；
循环采集单元，用于控制每拍摄一幅图像均进行一次图像质量检测，若为非法异物或图像质量不合格则重新采集，直到采集到合格图像为止。
7.根据权利要求5所述基于手掌静脉特征的身份识别系统，其特征在于，所述图像处理与特征提取模块具体包括：
强化处理单元，用于当采集到所述手掌静脉图像后，控制所述图像预处理对采集到的手掌静脉图像进行ROI定位、滤波、去噪操作来实现静脉图像的强化处理；
特征提取单元，用于当所述手掌静脉图像进行强化处理后，通过控制特征提取得到与识别算法相对应的静脉血管模型，所述静脉血管模型包括静脉特征，并将静脉特征的数据存储到终端设备中。
8.根据权利要求5所述基于手掌静脉特征的身份识别系统，其特征在于，所述图像识别模块具体包括：
注册存储单元，用于当终端设备首次采集到用户的手掌静脉特征时，控制对用户的手掌静脉信息进行注册，将特征数据存入到静脉数据库，并为图像采集装置中的识别模块提供相应的数据；
匹配识别单元，用于当已经完成手掌静脉信息注册的用户再次进行手掌静脉图像识别时，同样先对静脉图像进行预处理和特征提取，将获得的静脉特征与数据库中的样本特征进行匹配识别，当匹配结果一致则身份鉴定成功。
9.一种图像采集装置，其特征在于，包括：
箱体，用于使手掌静脉图像采集处于半封闭状态，当手掌放置于图像采集装置上时，防止外界环境光线进入所述装置内，降了杂散光对成像品质的影响，提高图像对比度；
平台，用于在图像采集过程中，方便手掌平放在平台表面上，使得手掌与镜头的距离保持不变，简化图像的后续处理；
近红外光源，用于利用手掌中的血液对近红外线反射的强弱来辨认静脉的位置，所述近红外光源采用双环形LED阵列结构；
散光纸，用于将近红外光源的近红外线均匀发散到手掌表面；
红外滤光片，用于过滤或者吸收特定波长光线，从而使得采集到的图像中静脉血管比其他组织要暗，凸显出静脉血管部分纹路，形成静脉图像；
图像传感器，用于将光学图像转换成电子信号的CMOS摄像头；
摄像机，用于获取手掌的静脉图像信息；
通过所述图像采集装置采集用户的手掌静脉图像，将提取到的静脉特征与数据库中的样本特征进行匹配识别，给出识别结果完成身份鉴定。
10.根据权利要求9所述图像采集装置，其特征在于，所述近红外光源由内外两个环形LED阵列组成，通过对手掌进行均匀光照后获得的总辐射照度为：
其中，r1为内环半径，r2为外环半径，I0为光源的电流。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610812867.6A CN106372611A (zh) | 2016-09-09 | 2016-09-09 | 基于手掌静脉特征的身份识别方法、系统及图像采集装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610812867.6A CN106372611A (zh) | 2016-09-09 | 2016-09-09 | 基于手掌静脉特征的身份识别方法、系统及图像采集装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106372611A true CN106372611A (zh) | 2017-02-01 |
Family
ID=57899581
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610812867.6A Pending CN106372611A (zh) | 2016-09-09 | 2016-09-09 | 基于手掌静脉特征的身份识别方法、系统及图像采集装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106372611A (zh) |
Cited By (25)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106991570A (zh) * | 2017-03-24 | 2017-07-28 | 上海掌腾智能科技有限公司 | 一种基于掌静脉进行银行卡操作的快捷交易系统 |
| CN106991571A (zh) * | 2017-03-24 | 2017-07-28 | 上海掌腾智能科技有限公司 | 一种基于掌静脉的便携式智能支付终端 |
| CN107242875A (zh) * | 2017-06-07 | 2017-10-13 | 黄俊生 | 掌静脉佩戴设备、掌静脉识别系统及方法 |
| CN107310620A (zh) * | 2017-06-27 | 2017-11-03 | 奇瑞汽车股份有限公司 | 基于手指静脉认证的方向盘调节系统 |
| CN107341473A (zh) * | 2017-07-04 | 2017-11-10 | 深圳市利众信息科技有限公司 | 手掌特征识别方法、手掌特征识别设备、及存储介质 |
| CN107397534A (zh) * | 2017-08-28 | 2017-11-28 | 深圳麦科田软件技术有限公司 | 一种一体化的静脉血管识别系统及方法 |
| CN107731306A (zh) * | 2017-10-10 | 2018-02-23 | 江西科技师范大学 | 一种基于热成像技术的非接触式心率提取方法 |
| CN108564080A (zh) * | 2018-04-18 | 2018-09-21 | 青岛海泰新光科技股份有限公司 | 生物识别特征检测装置及方法 |
| CN108664956A (zh) * | 2018-06-25 | 2018-10-16 | 北京航空航天大学 | 人体静脉生物特征信息采集过程中的活体识别方法及装置 |
| CN109977857A (zh) * | 2019-03-25 | 2019-07-05 | 钧安科技（深圳）有限公司 | 一种提高指静脉识别图像质量的拍摄控制方法 |
| CN110298290A (zh) * | 2019-06-24 | 2019-10-01 | Oppo广东移动通信有限公司 | 静脉识别方法、装置、电子设备及存储介质 |
| CN110298261A (zh) * | 2019-06-06 | 2019-10-01 | Oppo广东移动通信有限公司 | 静脉识别方法及相关产品 |
| CN110852280A (zh) * | 2019-11-13 | 2020-02-28 | 圣点世纪科技股份有限公司 | 一种指静脉设备镜面异物的检测算法 |
| CN110866235A (zh) * | 2019-10-21 | 2020-03-06 | 上海交通大学 | 同时捕获人体脉搏和静脉图像的身份识别方法及装置 |
| CN110969098A (zh) * | 2019-11-19 | 2020-04-07 | 广州恒龙信息技术有限公司 | 一种基于红外识别的鉴权方法及系统 |
| CN111160247A (zh) * | 2019-12-28 | 2020-05-15 | 广东智冠信息技术股份有限公司 | 一种扫描掌静脉进行立体三维建模、识别的方法 |
| CN111160246A (zh) * | 2019-12-28 | 2020-05-15 | 广东智冠信息技术股份有限公司 | 一种移动终端及其掌静脉识别方法、系统 |
| CN111368747A (zh) * | 2020-03-06 | 2020-07-03 | 上海掌腾信息科技有限公司 | 基于tof技术实现掌静脉特征矫正处理的系统及其方法 |
| CN111382405A (zh) * | 2018-12-27 | 2020-07-07 | 安波福电子(苏州)有限公司 | 身份识别装置和方法及包含其的车载信息娱乐系统 |
| CN111462379A (zh) * | 2020-03-17 | 2020-07-28 | 广东网深锐识科技有限公司 | 一种含掌静脉和人脸识别的门禁管理方法、系统及介质 |
| CN111931609A (zh) * | 2020-07-24 | 2020-11-13 | 广州市公共交通数据管理中心 | 一种公共交通工具的手脉或静脉特征识别及支付方法 |
| CN112668512A (zh) * | 2020-12-31 | 2021-04-16 | 深兰盛视科技（苏州）有限公司 | 手掌静脉识别方法、装置、电子设备及存储介质 |
| CN112883824A (zh) * | 2021-01-28 | 2021-06-01 | 重庆邮电大学 | 一种用于智能采血的手指静脉特征识别装置及其识别方法 |
| CN113221084A (zh) * | 2021-04-23 | 2021-08-06 | 深圳市智莱科技股份有限公司 | 充电认证方法、装置、系统、充电设备和存储介质 |
| CN117333910A (zh) * | 2023-09-20 | 2024-01-02 | 江苏芯灵智能科技有限公司 | 一种基于静脉识别的醉酒检测方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101196987A (zh) * | 2007-12-25 | 2008-06-11 | 哈尔滨工业大学 | 在线掌纹、手掌静脉图像身份识别方法及其专用采集仪 |
| CN102080776A (zh) * | 2010-11-25 | 2011-06-01 | 天津大学 | 基于多波段led阵列与漫反射表面的均匀照明光源和设计方法 |
| CN102129552A (zh) * | 2011-03-03 | 2011-07-20 | 哈尔滨工业大学 | 一体化非接触式手部特征图像采集系统 |
| US20150036893A1 (en) * | 2013-07-30 | 2015-02-05 | Fujitsu Limited | Authentication device and method |
| CN104951774A (zh) * | 2015-07-10 | 2015-09-30 | 浙江工业大学 | 基于两种子空间相融合的掌静脉特征提取和匹配方法 |
| US20160149906A1 (en) * | 2014-11-25 | 2016-05-26 | Fujitsu Limited | Biometric authentication method, computer-readable recording medium, and biometric authentication apparatus |
-
2016
- 2016-09-09 CN CN201610812867.6A patent/CN106372611A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101196987A (zh) * | 2007-12-25 | 2008-06-11 | 哈尔滨工业大学 | 在线掌纹、手掌静脉图像身份识别方法及其专用采集仪 |
| CN102080776A (zh) * | 2010-11-25 | 2011-06-01 | 天津大学 | 基于多波段led阵列与漫反射表面的均匀照明光源和设计方法 |
| CN102129552A (zh) * | 2011-03-03 | 2011-07-20 | 哈尔滨工业大学 | 一体化非接触式手部特征图像采集系统 |
| US20150036893A1 (en) * | 2013-07-30 | 2015-02-05 | Fujitsu Limited | Authentication device and method |
| US20160149906A1 (en) * | 2014-11-25 | 2016-05-26 | Fujitsu Limited | Biometric authentication method, computer-readable recording medium, and biometric authentication apparatus |
| CN104951774A (zh) * | 2015-07-10 | 2015-09-30 | 浙江工业大学 | 基于两种子空间相融合的掌静脉特征提取和匹配方法 |
Non-Patent Citations (1)
| Title |
|---|
| 李强: "掌静脉身份识别技术的理论与实验研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
Cited By (33)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106991570A (zh) * | 2017-03-24 | 2017-07-28 | 上海掌腾智能科技有限公司 | 一种基于掌静脉进行银行卡操作的快捷交易系统 |
| CN106991571A (zh) * | 2017-03-24 | 2017-07-28 | 上海掌腾智能科技有限公司 | 一种基于掌静脉的便携式智能支付终端 |
| CN107242875A (zh) * | 2017-06-07 | 2017-10-13 | 黄俊生 | 掌静脉佩戴设备、掌静脉识别系统及方法 |
| CN107310620A (zh) * | 2017-06-27 | 2017-11-03 | 奇瑞汽车股份有限公司 | 基于手指静脉认证的方向盘调节系统 |
| CN107341473A (zh) * | 2017-07-04 | 2017-11-10 | 深圳市利众信息科技有限公司 | 手掌特征识别方法、手掌特征识别设备、及存储介质 |
| CN107397534A (zh) * | 2017-08-28 | 2017-11-28 | 深圳麦科田软件技术有限公司 | 一种一体化的静脉血管识别系统及方法 |
| CN107731306A (zh) * | 2017-10-10 | 2018-02-23 | 江西科技师范大学 | 一种基于热成像技术的非接触式心率提取方法 |
| CN107731306B (zh) * | 2017-10-10 | 2021-04-13 | 江西科技师范大学 | 一种基于热成像技术的非接触式心率提取方法 |
| CN108564080A (zh) * | 2018-04-18 | 2018-09-21 | 青岛海泰新光科技股份有限公司 | 生物识别特征检测装置及方法 |
| CN108564080B (zh) * | 2018-04-18 | 2024-02-02 | 青岛海泰新光科技股份有限公司 | 生物识别特征检测装置及方法 |
| CN108664956A (zh) * | 2018-06-25 | 2018-10-16 | 北京航空航天大学 | 人体静脉生物特征信息采集过程中的活体识别方法及装置 |
| CN108664956B (zh) * | 2018-06-25 | 2021-11-12 | 北京航空航天大学 | 人体静脉生物特征信息采集过程中的活体识别方法及装置 |
| CN111382405A (zh) * | 2018-12-27 | 2020-07-07 | 安波福电子(苏州)有限公司 | 身份识别装置和方法及包含其的车载信息娱乐系统 |
| CN109977857A (zh) * | 2019-03-25 | 2019-07-05 | 钧安科技（深圳）有限公司 | 一种提高指静脉识别图像质量的拍摄控制方法 |
| CN110298261B (zh) * | 2019-06-06 | 2021-06-01 | Oppo广东移动通信有限公司 | 静脉识别方法及相关产品 |
| CN110298261A (zh) * | 2019-06-06 | 2019-10-01 | Oppo广东移动通信有限公司 | 静脉识别方法及相关产品 |
| CN110298290A (zh) * | 2019-06-24 | 2019-10-01 | Oppo广东移动通信有限公司 | 静脉识别方法、装置、电子设备及存储介质 |
| CN110866235A (zh) * | 2019-10-21 | 2020-03-06 | 上海交通大学 | 同时捕获人体脉搏和静脉图像的身份识别方法及装置 |
| CN110866235B (zh) * | 2019-10-21 | 2021-11-23 | 上海交通大学 | 同时捕获人体脉搏和静脉图像的身份识别方法及装置 |
| CN110852280B (zh) * | 2019-11-13 | 2022-04-15 | 圣点世纪科技股份有限公司 | 一种指静脉设备镜面异物的检测算法 |
| CN110852280A (zh) * | 2019-11-13 | 2020-02-28 | 圣点世纪科技股份有限公司 | 一种指静脉设备镜面异物的检测算法 |
| CN110969098A (zh) * | 2019-11-19 | 2020-04-07 | 广州恒龙信息技术有限公司 | 一种基于红外识别的鉴权方法及系统 |
| CN111160246A (zh) * | 2019-12-28 | 2020-05-15 | 广东智冠信息技术股份有限公司 | 一种移动终端及其掌静脉识别方法、系统 |
| CN111160247A (zh) * | 2019-12-28 | 2020-05-15 | 广东智冠信息技术股份有限公司 | 一种扫描掌静脉进行立体三维建模、识别的方法 |
| CN111160247B (zh) * | 2019-12-28 | 2023-05-12 | 智冠一掌通科技(深圳)有限公司 | 一种扫描掌静脉进行立体三维建模、识别的方法 |
| CN111368747A (zh) * | 2020-03-06 | 2020-07-03 | 上海掌腾信息科技有限公司 | 基于tof技术实现掌静脉特征矫正处理的系统及其方法 |
| CN111462379A (zh) * | 2020-03-17 | 2020-07-28 | 广东网深锐识科技有限公司 | 一种含掌静脉和人脸识别的门禁管理方法、系统及介质 |
| CN111931609A (zh) * | 2020-07-24 | 2020-11-13 | 广州市公共交通数据管理中心 | 一种公共交通工具的手脉或静脉特征识别及支付方法 |
| CN112668512A (zh) * | 2020-12-31 | 2021-04-16 | 深兰盛视科技（苏州）有限公司 | 手掌静脉识别方法、装置、电子设备及存储介质 |
| CN112883824A (zh) * | 2021-01-28 | 2021-06-01 | 重庆邮电大学 | 一种用于智能采血的手指静脉特征识别装置及其识别方法 |
| CN113221084A (zh) * | 2021-04-23 | 2021-08-06 | 深圳市智莱科技股份有限公司 | 充电认证方法、装置、系统、充电设备和存储介质 |
| CN117333910A (zh) * | 2023-09-20 | 2024-01-02 | 江苏芯灵智能科技有限公司 | 一种基于静脉识别的醉酒检测方法 |
| CN117333910B (zh) * | 2023-09-20 | 2024-05-10 | 江苏芯灵智能科技有限公司 | 一种基于静脉识别的醉酒检测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106372611A (zh) | 基于手掌静脉特征的身份识别方法、系统及图像采集装置 | |
| Ali et al. | An iris recognition system to enhance e-security environment based on wavelet theory | |
| Vatsa et al. | Comparison of iris recognition algorithms | |
| CN111462379A (zh) | 一种含掌静脉和人脸识别的门禁管理方法、系统及介质 | |
| CN109255319A (zh) | 针对静态照片的人脸识别支付信息防伪方法 | |
| CN110287918A (zh) | 活体识别方法及相关产品 | |
| Srivastava | Personal identification using iris recognition system, a review | |
| El-Sayed et al. | Identity verification of individuals based on retinal features using Gabor filters and SVM | |
| Gale et al. | Evolution of performance analysis of iris recognition system by using hybrid methods of feature extraction and matching by hybrid classifier for iris recognition system | |
| Kathikeyan et al. | Countermeasures against iris spoofing and liveness detection using electroencephalogram (eeg) | |
| Ibrahim et al. | Trends in Biometric Authentication: A review | |
| CN110443217A (zh) | 一种基于多光谱的指纹防伪方法及系统 | |
| Choi et al. | Hand vascular pattern technology | |
| Borkar et al. | IRIS recognition system | |
| Shrotri et al. | IR-webcam imaging and vascular pattern analysis towards hand vein authentication | |
| Mazumdar et al. | Biometric authentication system based on texture features of retinal images | |
| Singla et al. | Challenges at different stages of an iris based biometric system. | |
| CN205788285U (zh) | 社保自助服务终端系统 | |
| CN111985925A (zh) | 基于虹膜识别和人脸识别的多模态生物识别支付的方法 | |
| Rossant et al. | A robust iris identification system based on wavelet packet decomposition and local comparisons of the extracted signatures | |
| Beukes | Hand vein-based biometric authentication with limited training samples | |
| Kyaw et al. | Performance analysis of features extraction on iris recognition system | |
| Rahman et al. | Retinal identification | |
| CN111062333B (zh) | 活体的面部动态识别方法、系统、存储介质 | |
| Tsai et al. | Iris recognition based on relative variation analysis with feature selection |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170201 |