CN107766776A - 一种手指静脉识别方法及装置 - Google Patents

Abstract

本申请公开的一种手指静脉识别方法，通过获取多个角度的指静脉图像，将多个角度的所述指静脉图像拼接成目标匹配图像后，获取感兴趣区域的图像，并将所述感兴趣区域的图像与所述目标匹配图像进行匹配，若匹配成功，则表征指静脉识别通过。可见，本方案采集不同角度的手指静脉图像，并进行特征匹配，实现了手指静脉的识别，准确率高，进而进行身份认证，认证效率高。

Description

一种手指静脉识别方法及装置

技术领域

本申请涉及生物特征识别技术领域，更具体地说，涉及一种手指静脉识别方法及装置。

背景技术

随着科技的不断发展，传统的通过用户名、密码等方式进行用户身份识别和验证的方式不足以满足日益发展的网络支付的需求。生物特征识别凭借其唯一性，得到了快速的发展。具体的，生物特征识别技术是利用人体生物特征或者行为特征进行个人身份认证，其中，生物特征可以包括指纹、掌型、虹膜、脸型等，行为特征可以包括动作、声音、签名等。

静脉识别技术是生物识别技术中的一种，其通过对手指或手掌中静脉图像进行活体识别来达到识别认证的目的，具有高度防伪、活体检测、精准度高、便于操作等特性。

但发明人发现，目前，手指静脉识别的成熟度和准确率均较低，身份认证精度和效率低，因此，如何提供一种手指静脉识别方法为当前亟待解决的一大问题。

发明内容

有鉴于此，本申请提供了一种手指静脉识别方法及装置，通过采集的指静脉与多角度的指静脉拼接图像进行特征匹配，实现了手指静脉的识别，准确率高，进而进行身份认证，认证效率高。

为了实现上述目的，现提出的方案如下：

一种手指静脉识别方法，包括：

采集指静脉图像，并获取指静脉图像对应的感兴趣区域的图像；

根据二值结构算法，将所述感兴趣区域的图像与目标匹配图像进行匹配，若匹配成功，则表征指静脉识别通过。

优选的，所述根据二值结构算法，将所述感兴趣区域的图像与目标匹配图像进行匹配，包括：

将所述感兴趣区域的图像在所述目标匹配图像中进行平滑处理，获取待匹配图像；

对所述感兴趣区域的图像和所述待匹配图像进行二值化处理，获取第一二值图像和第二二值图像；

计算所述第一二值图像和所述第二二值图像的相似度。

优选的，所述计算所述第一二值图像和所述第二二值图像的相似度，包括：

消除所述第一二值图像和所述第二二值图像的噪声；

分别对所述第一二值图像和所述第二二值图像进行细化处理，得到第一细化图像和第二细化图像；

对第二细化图像进行膨胀处理，得到第二细化图像的膨胀图像；

通过计算第一细化图像和第二细化图像的膨胀图像重叠的像素，获得所述第一二值图像和所述第二二值图像的相似度。

优选的，还包括：

获取多个角度的指静脉图像；

将多个角度的所述指静脉图像拼接成目标匹配图像。

优选的，所述将多个角度的所述指静脉图像拼接成目标匹配图像，包括：

对多个所述指静脉图像进行水平旋转、水平位移校正以及大小归一化处理；

以一个参考图像为基准，对多个所述指静脉图像进行图像配准；

对所述配准图像进行相加，得到所述目标匹配图像。

优选的，所述对多个所述指静脉图像进行水平旋转、水平位移校正以及大小归一化处理，包括：

获取多个角度的所述指静脉图像的水平旋转角度以及水平平移距离，并获得校正图像；

在所述校正图像上获取感兴趣区域；

根据双线性插值方法，对所述静脉图像进行归一化处理，得到预设大小的图像。

优选的，所述在所述校正图像上获取感兴趣区域，包括：

根据sobel算法，获取所述校正图像上手指区域的边界l_i1和l_i2；

对所述边界围成的区域进行垂直投影，获取像素值累计直方图，并在所述直方图中获取最大值对应的横坐标Coh_i,并且令l_i3＝Coh_i，l_i4＝l_i3+n，其中n为预设值；

根据所述l_i1、l_i2、l_i3和l_i4，获取所述感兴趣区域。

一种手指静脉识别装置，包括：

第一获取模块，用于采集指静脉图像，并获取指静脉图像对应的感兴趣区域的图像；

识别模块，用于根据二值结构算法，将所述感兴趣区域的图像与目标匹配图像进行匹配，若匹配成功，则表征指静脉识别通过。

优选的，所述识别模块包括：

第一处理模块，用于将所述感兴趣区域的图像在所述目标匹配图像中进行平滑处理，获取待匹配图像；

第二处理模块，用于对所述感兴趣区域的图像和所述待匹配图像进行二值化处理，获取第一二值图像和第二二值图像；

计算模块，用于计算所述第一二值图像和所述第二二值图像的相似度。

优选的，还包括：

第二获取模块，用于获取多个角度的指静脉图像；

拼接模块，用于将多个角度的所述指静脉图像拼接成目标匹配图像。

从上述的技术方案可以看出，本申请公开的一种手指静脉识别方法，通过获取多个角度的指静脉图像，将多个角度的所述指静脉图像拼接成目标匹配图像后，获取感兴趣区域的图像，并将所述感兴趣区域的图像与所述目标匹配图像进行匹配，若匹配成功，则表征指静脉识别通过。可见，本方案采集不同角度的手指静脉图像，并进行特征匹配，实现了手指静脉的识别，准确率高，进而进行身份认证，认证效率高。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本实施例公开的一种手指静脉识别方法的流程图；

图2为本实施例公开的一种手指静脉识别方法的又一流程图；

图3为本实施例公开的一种手指静脉识别方法的又一流程图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

请参阅图1，为本实施例提供的一种手指静脉识别方法的流程图，包括步骤：

S1：采集指静脉图像，并获取指静脉图像对应的感兴趣区域的图像；

S2：根据二值结构算法，将所述感兴趣区域的图像与目标匹配图像进行匹配，若匹配成功，则表征指静脉识别通过。

需要说明的是，本实施例获取多个角度的指静脉图像，然后将这些图像进行特征匹配并合成，实现了手指静脉的识别，准确率高，进而进行身份认证，认证效率高。

除此，本实施例在上述步骤S1之前，还可以包括步骤：

S3：获取多个角度的指静脉图像；

S4：将多个角度的所述指静脉图像拼接成目标匹配图像。

请结合图2和图3，对本方案提供的指静脉识别方法进行详细说明，其中，多个角度可以为两个或两个以上的角度，现以采集三个角度的指静脉图像为例，对本方案进行介绍，主要包括以下步骤：

步骤1：获取三个角度指静脉图像采集，如：

光源1发光，光源2和光源3不发光，获取图像f₁；

光源2发光，光源1和光源3不发光，获取图像f₂；

光源3发光，光源1和光源2不发光，获取图像f₃；

步骤2：指静脉图像拼接融合：将用户多个角度的指静脉图像f₁、f₂和f₃拼接融合成拼接图像(用户匹配模板)。该图像拼接技术主要分为三个主要步骤：图像预处理、图像配准和图像融合，具体如下：

1)图像预处理：分别对图像f_i(i＝1,2,3)进行水平旋转和水平位移校正和大小归一化，使其能够满足图像配准的要求，具体过程如下：

a)获取图像f_i(i＝1,2,3)的水平旋转角度θ_i和水平平移大小d_i，并且获取校正图像F_i ^T(i＝1,2,3)；

①根据改进的Sobel算子，提取手指区域的边界，获两条边界之间的一系列中点X_i＝{(x_ij,y_ij)|j＝1,....n},并且通过直线拟合的方法获取直线的倾斜角度θ_i；

②计算图像f_i(i＝1,2,3)的中心C_i，根据改进的Sobel算子，提取手指区域的边界，求取这两条边界围成区域的重心G_i,采用欧式距离计算两点的距离d_i(该距离作为图像f_i平面平移距离)；

③根据θ_i和d_i，进行图像f_i(i＝1,2,3)平面旋转和平移，获取校正图像F_i ^T(i＝1,2,3)。

b)在校正图像F_i ^T(i＝1,2,3)上，获取感兴趣区域Subf_i(i＝1,2,3),具体步骤如下：

①在校正图像F_i ^T(i＝1,2,3)，根据改进的Sobel算子，提取手指区域的边界l_i1和l_i2；

②对围成的区域进行垂直投影，获取像素值累计直方图，在直方图中获取最大值对应的横坐标Coh_i,并且令l_i3＝Coh_i，l_i4＝l_i3+n，其中n为预先定义的常数；

③根据l_i1、l_i2、l_i3和l_i4，获取感兴趣区域SubF_i(i＝1,2,3)。

c)根据双线性插值技术，对图像进行归一处理，获取大小为w*h的图像NorF_i(i＝1,2,3)；

2)图像配准：分别将图像NorF₁和NorF₃作为目标图像，将NorF₂作为参考图像，实现不同角度采集的指静脉图像的图像配准，具体过程如下：

a)通过一个3*3参数投影变化模型M将目标图像NorF_i(i＝1,3)变换到参考图像NorF₂的坐标系中，具体公式如下：

其中，m₂和m₅分别表示两图的平移量，m₀、m₁、m₃和m₄分别表示尺度和旋转量，m₆和m₇表示水平与垂直方向变形量。

b)采用相位相关法估计目标图像NorF_i(i＝1,3)与参考图像NorF₂的平移向量，具体过程如下：

①假设存在平移量(x₀,y₀)，即

NorF_i(x,y)＝NorF₂(x+x₀,y+y₀) (公式2)

②对公式2两边进行傅里叶变化，并且计算互功率谱，即：

其中，F_i和F₂分别为NorF_i(i＝1,3)和NorF₂的傅里叶变化，F₂ ^*为F₂的复共轭。

③对公式3进行反傅里叶变化就可以得到平移量(x₀,y₀)。

c)采用Levenberg-Marquard优化算法，进行参数优化，具体过程如下：

①采用非线性最小二乘问题，求解参数矩阵M，假设和I分别表示NorF_i(i＝1,3)和NorF₂的灰度函数，则两幅图像重叠区域的像素重叠区域的像素灰度值的平方差为：

②通过梯度下降法，最小化E，并且获取矩阵M中的参数(m₀、m₁、m₂、m₃、m₄、m₅、m₆和m₇)。

d)通过图像配准，分别获取图像NorF_i(i＝1,3)和NorF₂的配准图像RegF_i(i＝1,3)和RegF₂。

3)图像融合：将配准图像RegF_i(i＝1,3)和RegF₂相加从而增加信息量。并且为了能够使融合后的图像具有视觉一致性而且没有明显的接缝，采用一种加权平均的方法进行图像平滑过渡。具体过程如下：

a)通过如下公式将配准图像RegF_i(i＝1,3)和RegF₂进行融合：

其中，a和b表示权重值；

b)最后将图像FuF₁₂和FuF₃₂融合成一幅拼接图像MosaicF。

步骤3：用户指静脉图像采集及感兴趣区域的图像提取，该过程如下：

1)光源2发光，光源1和光源3不发光，获取图像F₄；

2)按照步骤2中的预处理方法，获取图像F₄的感兴趣区域图像NorF₄(大小为w*h)。

步骤4：用户指静脉图像识别：用户指静脉采集图像的感兴趣区域NorF₄与拼接图像MosaicF(目标匹配图像)进行最佳匹配区域选择，并且采用二值结构特性完成识别工作，该步骤主要包括：

1)将图像NorF₄在MosaicF(目标匹配图像)中进行平滑处理，获取最佳待匹配区域MaxF，具体步骤如下：

①沿MosaicF的水平方向，分别获取子图像SubMosaicF；

②根据叉点检测算法，分别获取NorF₄和SubMosaicF中的叉点序列SequenceNorF₄和SequenceMosaicF；

②如果叉点序列SequenceNorF₄和SequenceMosaicF具有相似的结构，那么，将SubMosaicF作为最佳待匹配区域MaxF；

2)采用方向谷形检测，分别对图像NorF₄和MaxF获进行二值化处理，分别获取二值图像BinNorF和BinMaxF；

3)采用面积规则(面积小于100个像素)，消除二值图像中的噪声；

4)分别对二值图像BinNorF和BinMaxF进行细化处理，得到细化图像SkeletonNorF和SkeletonMaxF；

5)对图像SkeletonMaxF进行膨胀处理，得到膨胀图像ExpansionMaxF；

6)计算图像SkeletonNorF和ExpansionMaxF重叠的像素，并且采用以下公式计算相似度ρ：

其中，W和H分别表示SkeletonNorF的宽度和高度，N表示SkeletonNorF非零像素的数目。

除此，本实施例还提供了一种手指静脉识别装置，包括：

第一获取模块，用于采集指静脉图像，并获取指静脉图像对应的感兴趣区域的图像；

识别模块，用于根据二值结构算法，将所述感兴趣区域的图像与目标匹配图像进行匹配，若匹配成功，则表征指静脉识别通过。

优选的，所述识别模块包括：

第一处理模块，用于将所述感兴趣区域的图像在所述目标匹配图像中进行平滑处理，获取待匹配图像；

第二处理模块，用于对所述感兴趣区域的图像和所述待匹配图像进行二值化处理，获取第一二值图像和第二二值图像；

计算模块，用于计算所述第一二值图像和所述第二二值图像的相似度。

优选的，还包括：

第二获取模块，用于获取多个角度的指静脉图像；

拼接模块，用于将多个角度的所述指静脉图像拼接成目标匹配图像。

其工作原理参见方法实施例。

综上，本申请公开的一种手指静脉识别方法，通过获取多个角度的指静脉图像，将多个角度的所述指静脉图像拼接成目标匹配图像后，获取感兴趣区域的图像，并将所述感兴趣区域的图像与所述目标匹配图像进行匹配，若匹配成功，则表征指静脉识别通过。可见，本方案采集不同角度的手指静脉图像，并进行特征匹配，实现了手指静脉的识别，准确率高，进而进行身份认证，认证效率高。

对于装置实施例而言，由于其基本相应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种手指静脉识别方法，其特征在于，包括：

采集指静脉图像，并获取指静脉图像对应的感兴趣区域的图像；

根据二值结构算法，将所述感兴趣区域的图像与目标匹配图像进行匹配，若匹配成功，则表征指静脉识别通过。

2.根据权利要求1所述的方法，其特征在于，所述根据二值结构算法，将所述感兴趣区域的图像与目标匹配图像进行匹配，包括：

将所述感兴趣区域的图像在所述目标匹配图像中进行平滑处理，获取待匹配图像；

对所述感兴趣区域的图像和所述待匹配图像进行二值化处理，获取第一二值图像和第二二值图像；

计算所述第一二值图像和所述第二二值图像的相似度。

3.根据权利要求2所述的方法，其特征在于，所述计算所述第一二值图像和所述第二二值图像的相似度，包括：

消除所述第一二值图像和所述第二二值图像的噪声；

分别对所述第一二值图像和所述第二二值图像进行细化处理，得到第一细化图像和第二细化图像；

对第二细化图像进行膨胀处理，得到第二细化图像的膨胀图像；

通过计算第一细化图像和第二细化图像的膨胀图像重叠的像素，获得所述第一二值图像和所述第二二值图像的相似度。

4.根据权利要求1-3中任一权利要求所述的方法，其特征在于，还包括：

获取多个角度的指静脉图像；

将多个角度的所述指静脉图像拼接成目标匹配图像。

5.根据权利要求4所述的方法，其特征在于，所述将多个角度的所述指静脉图像拼接成目标匹配图像，包括：

对多个所述指静脉图像进行水平旋转、水平位移校正以及大小归一化处理；

以一个参考图像为基准，对多个所述指静脉图像进行图像配准；

对所述配准图像进行相加，得到所述目标匹配图像。

6.根据权利要求5所述的方法，其特征在于，所述对多个所述指静脉图像进行水平旋转、水平位移校正以及大小归一化处理，包括：

获取多个角度的所述指静脉图像的水平旋转角度以及水平平移距离，并获得校正图像；

在所述校正图像上获取感兴趣区域；

根据双线性插值方法，对所述静脉图像进行归一化处理，得到预设大小的图像。

7.根据权利要求6所述的方法，其特征在于，所述在所述校正图像上获取感兴趣区域，包括：

根据sobel算法，获取所述校正图像上手指区域的边界l_i1和l_i2；

对所述边界围成的区域进行垂直投影，获取像素值累计直方图，并在所述直方图中获取最大值对应的横坐标Coh_i,并且令l_i3＝Coh_i，l_i4＝l_i3+n，其中n为预设值；

根据所述l_i1、l_i2、l_i3和l_i4，获取所述感兴趣区域。

8.一种手指静脉识别装置，其特征在于，包括：

第一获取模块，用于采集指静脉图像，并获取指静脉图像对应的感兴趣区域的图像；

识别模块，用于根据二值结构算法，将所述感兴趣区域的图像与目标匹配图像进行匹配，若匹配成功，则表征指静脉识别通过。

9.根据权利要求8所述的手指静脉识别装置，其特征在于，所述识别模块包括：

第一处理模块，用于将所述感兴趣区域的图像在所述目标匹配图像中进行平滑处理，获取待匹配图像；

第二处理模块，用于对所述感兴趣区域的图像和所述待匹配图像进行二值化处理，获取第一二值图像和第二二值图像；

计算模块，用于计算所述第一二值图像和所述第二二值图像的相似度。

10.根据权利要求8所述的手指静脉识别装置，其特征在于，还包括：

第二获取模块，用于获取多个角度的指静脉图像；

拼接模块，用于将多个角度的所述指静脉图像拼接成目标匹配图像。