CN107832739A - 一种基于orb特征提取的掌静脉识别系统及方法 - Google Patents

Abstract

本发明公开了一种基于ORB特征提取的掌静脉识别系统，所述系统包括：掌静脉图像采集模块，掌静脉图像预处理模块，ORB特征提取模块，掌静脉数据库模块，掌静脉匹配识别模块。本发明的技术方案，基于ORB特征提取方法对掌静脉图像进行特征提取和比对识别，在结合SURF算法的ORB特征提取方法，使其具有尺度不变性和噪声不敏感性的特点，其处理速度优于其他算法，能够达到快速高效，对大数据量的比对识别应用场景具有超高效率。

Description

一种基于ORB特征提取的掌静脉识别系统及方法

技术领域

本发明涉及掌静脉识别技术领域，尤其涉及一种基于ORB特征提取的掌静脉识别系统及方法。

背景技术

掌静脉识别是基于静脉血液中红血球的血红蛋白失去氧后，能够吸收波长在700-1000nm的红光或近红外光而呈现出与人体皮肤和肌肉组织相比较暗的纹理特征。掌静脉分布于皮肤表面下，属于手掌活体的内部生理特征，具有很高的安全性、唯一性和防伪性强等特点。通过近红外光LED单色发光二极管向掌部发射近红外光，并通过摄像头对掌静脉图像进行拍摄采集，获得的掌静脉图像经预处理、特征提取和比对验证，从而达到识别与认证功能。

在生物特征识别技术上，一般都通过图像处理技术对生物特征图像进行采集，预处理，感兴趣区域的定位和特征提取，再进行匹配识别。在图像的处理和特征提取的技术细节上，会有各种技术方案，目的都是为了提高识别的速度和精度。

在中国发明专利申请公开说明书CN105474234A中公开了一种掌静脉识别方法，利用滤波和二值化处理提取感兴趣区域ROI的特征数据，与数据库中已登记的原始掌静脉图像对应的特征数据进行比对识别；公开说明书CN106250823A中公开了一种掌纹掌脉识别方法，基于Gabor滤波器对掌静脉图像ROI区域的竞争编码的特征提取，再采用联合分类表示框架进行分类识别得到结果；在授权公告号CN102567708A的公开说明书中也公开了一种采用迭代滤波器对掌静脉图像ROI区域进行纹理提取，将获得的编码图像作为识别特征进行识别的方法。

上述方法采用滤波器的方法，往往会遇到计算量过大，在实时采集和识别的效率上存在不足。本发明提供的一种基于ORB特征提取的掌静脉识别方法，通过定位掌部ROI区域，对ROI区域进行ORB特征提取，得到掌静脉特征图像再进行特征图像比对匹配，以识别身份，比传统的特征提取方法，在图像特征提取处理的速度上更快，精确度更高，有利于大数据库比对的掌静脉识别应用场景下的使用。

发明内容

本发明的目的是为了解决现有技术中存在的缺点，而提出的一种基于ORB特征提取的掌静脉识别系统及方法。

为了实现上述目的，本发明采用了如下技术方案：

一种基于ORB特征提取的掌静脉识别系统，所述系统包括：掌静脉图像采集模块，掌静脉图像预处理模块，ORB特征提取模块，掌静脉数据库模块，掌静脉匹配识别模块。

优选的，所述掌静脉图像采集模块是采用近红外光LED单色发光二极管对掌部发射波长在700-1000nm的近红外光，以红外成像摄像头对掌部进行拍摄，采集高清的掌静脉图像。

优选的，所述掌静脉图像预处理模块与掌静脉图像采集模块进行数据连接，图像预处理模块对图像采集模块获取的掌静脉图像进行预处理。所述的图像预处理包括对掌静脉图像进行ROI区域定位、滤波去噪、图像增强处理，最终获得预处理后的ROI区域提取掌静脉图像。

优选的，所述ORB特征提取模块，是利用ORB特征提取算法，对经过预处理后的掌静脉图像进行角点检测，确定角点方向并生成特征点描述子，得到最终的特征向量。

优选的，所述掌静脉数据库模块是与ORB特征提取模块相连接，系统输入的用户掌静脉图像通过特征提取后，得到的注册用户的掌静脉特征图像作为模板图像存储到数据库中，用于对系统输入的掌静脉图像进行比对。

优选的，所述掌静脉匹配识别模块，用于对系统输入的待识别掌静脉特征图像与注册用户的掌静脉特征模板图像进行匹配识别，由于ORB特征提取方法所提取到的特征向量是一种二进制的向量，本发明的匹配识别模块采用汉明距离来度量特征点向量之间的相似度。

本发明还提供了一种基于ORB特征提取的掌静脉识别方法，所述方法包括如下的实施步骤：

S₁、由掌静脉图像采集模块拍摄采集掌静脉图像，包括注册用户掌静脉图像和待识别掌静脉图像；

S₂、对掌静脉图像进行预处理，包括ROI区域提取、去噪和图像增强处理等；

S₃、利用ORB特征提取方法对掌静脉图像进行特征提取，获得掌静脉特征图像；

S₄、注册用户的掌静脉特征图像作为模板图像存储到数据库中，系统输入的待识别掌静脉特征图像与数据库模板图像进行比对；

S₅、待识别掌静脉特征图像与数据库模板图像识别一致的，则用户身份验证一致。

与现有技术相比，本发明的有益效果是：本发明的技术方案，基于ORB特征提取方法对掌静脉图像进行特征提取和比对识别，在结合SURF算法的ORB特征提取方法，使其具有尺度不变性和噪声不敏感性的特点，其处理速度优于其他算法，能够达到快速高效，对大数据量的比对识别应用场景具有超高效率。

附图说明

图1是本发明实施方法流程图；

图2是本发明掌静脉ROI区域提取示意图；

图3是本发明掌静脉图像处理示意图；

图4是本发明ROI区域图像增强示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合具体实施例，对本发明进行进一步详细说明。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。

实施例1

本发明提供了一种基于ORB特征提取的掌静脉识别方法与系统，如图1所示，掌静脉识别系统包括掌静脉图像采集模块、掌静脉图像预处理模块、ORB特征提取模块、掌静脉数据库模块和掌静脉匹配识别模块。

掌静脉图像采集模块是采用近红外光LED单色发光二极管对掌部发射波长在700-1000nm的近红外光，以带CMOS图像传感器的红外成像摄像头对掌部进行拍摄，采集高清的掌静脉图像；

掌静脉图像预处理模块与掌静脉图像采集模块进行数据连接，图像预处理模块对图像采集模块获取的掌静脉图像进行预处理。预处理包括对掌静脉图像进行ROI区域定位、滤波去噪、图像增强处理，最终获得预处理后的ROI区域提取掌静脉图像；

ORB特征提取模块，是利用ORB特征提取算法，对经过预处理后的掌静脉图像进行角点检测，确定角点方向并生成特征点描述子，得到最终的特征向量；

掌静脉数据库模块是与ORB特征提取模块相连接，系统输入的用户掌静脉图像通过特征提取后，得到的注册用户的掌静脉特征图像作为模板图像存储到数据库中，用于对系统输入的掌静脉图像进行比对；

掌静脉匹配识别模块是用于对系统输入的待识别掌静脉特征图像与注册用户的掌静脉特征模板图像进行匹配识别，由于ORB特征提取方法所提取到的特征向量是一种二进制的向量，本发明的匹配识别模块采用汉明距离来度量特征点向量之间的相似度。

一种基于ORB特征提取的掌静脉识别方法，具体实施步骤如下：

S₁、由掌静脉图像采集模块拍摄采集掌静脉图像，包括注册用户掌静脉图像和待识别掌静脉图像；

其中，注册用户的掌静脉图像将作为模板图像存储于数据库中，采集到的待识别掌静脉图像将与数据库中的模板图像进行比对，完成匹配即识别为一致。

S₂、对掌静脉图像进行预处理，包括ROI区域提取、去噪和图像增强处理等；

具体地，对掌静脉图像进行ROI区域提取，如图2所示，采用的是一种基于矩形区域的ROI提取方法；

第一步进行手形切割：先采用高斯模糊对手掌图像进行滤波，再使用OTSU方法对模糊后的图像进行二值化处理，最后采用最大连通域方式获取单一且完整的二值化手形图像；

第二步进行顶点与谷点定位：首先通过截断方式消除腕部噪声，并将截断线中点作为基准点，从该点开始，顺时针计算手形轮廓上所有点与该点之间的欧氏距离，通过分析距离来定位4根手指(除拇指)指尖和它们的3个手指指谷；

第三步进行图像归一化：首先根据食指指尖到食指与中指指尖的谷点的距离在食指外侧边缘找到一个距离相等的对应点，以它们的中点作为参考点P1，用同样的方法再找到小指上的参考点P2，然后根据P1和P2之间的距离，以及线段与水平线之间的夹角来对原图形进行尺度缩放和旋转校正，得到归一化后的手掌图像；

第四步进行ROI区域提取：图像归一化后，以变换后的P1和P2为边长，P2为原点，绘制正方形区域，截取后得到掌静脉ROI区域，利用这样的方法，其优点在于相同的手掌静脉图像基本上是对准的，这有利于进行后续的特征匹配。

更具体地，在图像增强处理上，由于本发明采用的是基于ORB的掌静脉角点特征提取方法，所以首先对提取的掌静脉图像ROI区域做锐化，即直方图均衡增强处理，以便于获得更多的角点特征点；

进一步地，在对ROI区域进行锐化处理上采用基于空间域的图像锐化方法，可以描述为：

g(x,y)＝f(x,y)-αf(x,y)*h(x,y)

其中f(x,y)是处理前的图像，g(x,y)表示处理后的图像，h(x,y)为空间微分算子，它是作用在f(x,y)上的一个算子，α是增强系数。如图4所示为掌静脉ROI区域图像与锐化增强后的图像对比。

S₃、利用ORB特征提取方法对掌静脉图像进行特征提取，获得掌静脉特征图像；

具体地，ORB特征提取方法是一种具有方向不变性和噪声不敏感的角点特征点提取方法，其具体步骤如下：

步骤1是角点检测：在本发明采用的ORB方法中，使用FAST-9作为角点的检测方法。为保证尺度不变，ORB方法在进行角点检测时引入图像金字塔，然后在每层金字塔图像上提取FAST角点；

步骤2是确定角点方向：在ORB方法中，角点的方向定义为角点的中心点O到图像块的中心点C的方向。一个图像块的矩定义是：

图像块的中心点C的定义为：

角点方向的公式定义为：

θ＝αtan2(m₀₁,m₁₀)

步骤3是生成特征点描述子，在本发明的ORB特征提取方法中，计算BRIEF描述子的图像块大小定义为31*31，特征向量的维度定义为256；

再计算Steered BRIEF，根据被选取的N个用于计算描述子的像素(x_i,y_i)，定义2*N矩阵为：

同时，利用图像块的方向θ构造相应的旋转矩阵R_θ,对S做变换可获得S_θ：

S_θ＝R_θS

进一步地，可根据下面的定义获得Steered BRIEF描述子：

g_n(p,θ):＝f_n(p)|(x_i,y_i)∈S_θ

所涉及到的S_θ生成特征描述子，保证了描述子的方向不变性；

由于高方差和低相关性使特征更容易区分，为了恢复在计算SteeredBRIEF描述子时所丢失的方差和减少二进制测试子集内的相关性，本发明所涉及的ORB方法开发了一个学习方法来进行优化。该方法如下：

1、计算全部的训练图像块的二进制测试子；

2、对全部的测试子根据距离排序，形成向量T；

3、用贪婪法搜索，将第一个测试子从T中取出放入结果向量R中；然后，从T中取出下一个测试子，把它与R中的测试子进行比较，如果相关性大于某个阈值抛弃它，否则把它加入其中；最后，重复前一步骤，直到R中的测试子为256个，如果小于256个，则把阈值增大再重新计算。

经过上述步骤之后，Steered BRIEF描述子被优化为rBRIEF描述子，并且成为最终的特征向量。

S₄、注册用户的掌静脉特征图像作为模板图像存储到数据库中，系统输入的待识别掌静脉特征图像与数据库模板图像进行比对；

具体地，系统的注册用户输入的掌静脉图像，经过上述的处理和ORB特征提取后，将作为模板图像存储到数据库中，当系统有待识别的掌静脉图像输入时，经过特征提取后，与数据库中的模板图像进行比对。

S₅、待识别掌静脉特征图像与数据库模板图像识别一致的，则用户身份验证一致；

具体地，为提高匹配识别的准确率，本发明中的匹配识别模块采用双向匹配法来对待识别掌静脉特征图像和数据库模板图像的特征点进行匹配；

首先做正向匹配，找出待识别掌静脉特征图像中的特征点在数据库模板图像中所对应的匹配特征点；然后反过来再做一次匹配，找出数据库模板图像中的特征点在待识别掌静脉特征图像中所对应的匹配特征点，最后只有两次匹配的特征点相似度满足一定条件才被认定为匹配一致。

上述说明所公开的一种基于ORB特征提取的掌静脉识别方法与系统，在对掌静脉特征图像进行匹配时，其速度快，效率高。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (7)

1.一种基于ORB特征提取的掌静脉识别系统，其特征在于，所述系统包括：掌静脉图像采集模块，掌静脉图像预处理模块，ORB特征提取模块，掌静脉数据库模块，掌静脉匹配识别模块。

2.根据权利要求1所述的一种基于ORB特征提取的掌静脉识别系统，其特征在于，所述掌静脉图像采集模块是采用近红外光LED单色发光二极管对掌部发射波长在700-1000nm的近红外光，以红外成像摄像头对掌部进行拍摄，采集高清的掌静脉图像。

3.根据权利要求1所述的一种基于ORB特征提取的掌静脉识别系统，其特征在于，所述掌静脉图像预处理模块与掌静脉图像采集模块进行数据连接，图像预处理模块对图像采集模块获取的掌静脉图像进行预处理；所述的图像预处理包括对掌静脉图像进行ROI区域定位、滤波去噪、图像增强处理，最终获得预处理后的ROI区域提取掌静脉图像。

4.根据权利要求1所述的一种基于ORB特征提取的掌静脉识别系统，其特征在于，所述ORB特征提取模块，是利用ORB特征提取算法，对经过预处理后的掌静脉图像进行角点检测，确定角点方向并生成特征点描述子，得到最终的特征向量。

5.根据权利要求1所述的一种基于ORB特征提取的掌静脉识别系统，其特征在于，所述掌静脉数据库模块是与ORB特征提取模块相连接，系统输入的用户掌静脉图像通过特征提取后，得到的注册用户的掌静脉特征图像作为模板图像存储到数据库中，用于对系统输入的掌静脉图像进行比对。

6.根据权利要求1所述的一种基于ORB特征提取的掌静脉识别系统，其特征在于，所述掌静脉匹配识别模块，用于对系统输入的待识别掌静脉特征图像与注册用户的掌静脉特征模板图像进行匹配识别，由于ORB特征提取方法所提取到的特征向量是一种二进制的向量，本发明的匹配识别模块采用汉明距离来度量特征点向量之间的相似度。

7.一种根据权利要求1所述的基于ORB特征提取的掌静脉识别方法，其特征在于，所述方法包括如下的实施步骤：

S₁、由掌静脉图像采集模块拍摄采集掌静脉图像，包括注册用户掌静脉图像和待识别掌静脉图像；

S₂、对掌静脉图像进行预处理，包括ROI区域提取、去噪和图像增强处理等；

S₃、利用ORB特征提取方法对掌静脉图像进行特征提取，获得掌静脉特征图像；

S₄、注册用户的掌静脉特征图像作为模板图像存储到数据库中，系统输入的待识别掌静脉特征图像与数据库模板图像进行比对；

S₅、待识别掌静脉特征图像与数据库模板图像识别一致的，则用户身份验证一致。