CN108960068B - 用于采集手指静脉图像的光源亮度调节装置及方法 - Google Patents
用于采集手指静脉图像的光源亮度调节装置及方法 Download PDFInfo
- Publication number
- CN108960068B CN108960068B CN201810567938.XA CN201810567938A CN108960068B CN 108960068 B CN108960068 B CN 108960068B CN 201810567938 A CN201810567938 A CN 201810567938A CN 108960068 B CN108960068 B CN 108960068B
- Authority
- CN
- China
- Prior art keywords
- finger
- image
- area
- light source
- roi
- 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.)
- Active
Links
Images
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
- G06V40/12—Fingerprints or palmprints
- G06V40/13—Sensors therefor
- G06V40/1318—Sensors therefor using electro-optical elements or layers, e.g. electroluminescent sensing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
Abstract
本发明涉及手指静脉图像采集技术,为提出一种根据手指静脉图像目标区域灰度值峰值调节红外光源强度的算法,并设计制作了一个低成本和便携式的手指静脉采集系统,使用本发明提出的光源亮度调节算法可以自动调节红外光强,快速采集到清晰的手指静脉图像。为此,本发明,用于采集手指静脉图像的光源亮度调节装置及方法,首先采集一幅手指静脉图像,在计算机机中对采集到的图像提取出手指区域并进行旋转角度校正,通过求取手指中线上的灰度值判断其是否符合要求并反馈到光源控制电路,对光源亮度进行调整,从而获取手指静脉图像。本发明主要应用于手指静脉图像采集场合。
Description
技术领域
本发明涉及手指静脉图像采集技术,特别涉及一种用于采集手指静脉图像的光源亮度调节算法。
背景技术
随着网络和信息安全的发展,个人身份认证变得越来越频繁,而生物识别技术以其固有性、唯一性、安全性和便捷性而逐步取代了卡片、密码等传统身份认证方式。其基本原理就是利用人体自身独有的生物特性来进行个人身份的识别。近几年来,手指静脉识别技术作为一种新的生物识别技术,凭借其特有的活体识别和检测人体内部特征的特点迅速发展,具有广阔的应用前景。
医学研究表明,人体静脉血液含有的血红蛋白在受到波长范围为700~1000nm的近红外光照射后会失去氧分,血红蛋白脱氧后可以吸收红外光,而肌肉组织和骨骼则对近红外光具有良好的透射性。利用静脉血管和肌肉骨骼在吸收红外光时的差异性,静脉处得到的成像会较暗,而其他组织得到的成像则较亮,这样即可在感红外的相机上获取到手指静脉血管的成像。
对于手指静脉识别系统而言,静脉图像的质量对识别算法和识别准确度有重要影响。目前手指静脉采集装置的基本结构为红外光源位于装置上方,手指放置于光源正下方的采集位置,图像传感器位于装置下方,用来采集手指静脉图像。静脉成像是通过红外光源透射过手指从而在图像传感器上成像,因此当固定光强的红外光透射过厚度不同的手指时,会在图像传感器上呈现质量不一的图像,容易造成静脉图像中大面积不规则阴影或者光斑等现象,影响后续特征提取步骤,降低设备识别准确率。
发明内容
为克服现有技术的不足,本发明旨在提出一种根据手指静脉图像目标区域灰度值峰值调节红外光源强度的算法,并设计制作了一个低成本和便携式的手指静脉采集系统,使用本发明提出的光源亮度调节算法可以自动调节红外光强,快速采集到清晰的手指静脉图像。为此,本发明采用的技术方案是,用于采集手指静脉图像的光源亮度调节方法,首先采集一幅手指静脉图像,在计算机机中对采集到的图像提取出手指区域并进行旋转角度校正,通过求取手指中线上的灰度值判断其是否符合要求并反馈到光源控制电路,对光源亮度进行调整,从而获取手指静脉图像。
具体步骤细化如下:
步骤1采集系统初始化,手指放入采集设备,打开红外光源,然后图像传感器采集一幅手指静脉图像;
步骤2检测手指位置是否放置正确
通过检测静脉图像中灰度值等于255的像素个数是否符合阈值要求来判断手指位置放置是否正确,具体地,统计灰度值等于255的像素值的总个数,记为N,本发明设置阈值为2000,如果N>2000,那么说明手指放置位置倾斜程度过大,出现了漏光现象,此时系统提示使用者重新放置手指,经过一定延时后返回步骤1,否则执行步骤3;
步骤3检测指脉图像感兴趣区域ROI能否获得
(1)提取手指边缘信息:使用多级边缘检测算法Canny算子对手指静脉图像进行边缘检测,获得大致的手指轮廓和手指区域;
(2)修补手指边缘:对(1)中获取的Canny边缘图像进行闭运算操作,获得闭合的手指轮廓,从而得到精确的手指区域;
(3)获得连通域:将图像中心设置为种子点,使用区域生长法进行图像分割,从而获得手指区域;
步骤4判断图像灰度值是否符合要求
(1)获得掩模图像:对步骤3获得的图像进行二值化操作,将手指区域置1,背景区域置0;
(2)获取手指静脉图像ROI:将(1)得到的掩模图像与手指静脉图像进行与运算,获取ROI图像,即为后续操作中的目标区域;
(3)对(2)得到的ROI图像进行平面旋转角度校正:提取ROI图像的手指轮廓图,使用最小二乘法进行直线拟合,拟合出手指中心线,将竖直方向作为标准方向,根据二者夹角对手指区域进行旋转校正;
(4)获取指间关节灰度信息:以手指中心线为准,确定一个宽度为6的矩形区域,按行计算该矩形的灰度值均值,得到其两个峰值,这两个峰值位置分别对应手指的两个指间关节位置,将上述两个峰值的最大值记为P,若P大于设定的阈值,说明图像灰度值符合采集要求,执行步骤5,否则返回步骤1;
步骤5保存ROI图像和指间关节位置,采集完成。
使用最小二乘法进行直线拟合,对手指区域进行旋转校正,具体步骤如下:
第一步:使用最小二乘法拟合手指中心线;
第二步:以竖直方向为基准方向,求取拟合中心线与竖直线的偏转角度,该角度即为手指偏转角度;
第三步:根据第二步中求得的偏转角度对ROI进行旋转,完成校正过程。
用于采集手指静脉图像的光源亮度调节装置,包括光源控制模块、图像采集模块和计算机人机交互模块,在装置中还设置有一个凹槽用于固定手指位置;其中光源控制模块包括峰值波长为850nm的近红外LED阵列和光源控制电路以及一个触摸开关;图像采集模块包括摄像头模组和用于滤除可见光的红外滤光片;上位机人机交互模块可以实时显示手指静脉采集情况,主要用来控制图像的采集和处理,同时为光源亮度发出调节指令。
上位机人机交互模块包括检测手指位置是否放置正确模块、检测指脉图像感兴趣区域ROI 能否获得模块和判断图像灰度值是否符合要求模块,检测手指位置是否放置正确模块通过检测静脉图像中灰度值等于255的像素个数是否符合阈值要求来判断手指位置放置是否正确,具体地,统计灰度值等于255的像素值的总个数,记为N,如果N大于设定的阈值,则手指放置为位置不正确,需要重新采集图像;
检测指脉图像感兴趣区域ROI能否获得模块:
(1)提取手指边缘信息:使用Canny算子对手指静脉图像进行边缘检测,获得大致的手指轮廓和手指区域;
(2)修补手指边缘:对(1)中获取的Canny边缘图像进行闭运算操作,获得闭合的手指轮廓,从而得到精确的手指区域;
(3)获得连通域:将图像中心设置为种子点,使用区域生长法进行图像分割,从而获得手指区域;
判断图像灰度值是否符合要求模块:
(1)获得掩模图像:对获得的图像进行二值化操作,将手指区域置1,背景区域置0;
(2)获取手指静脉图像ROI:将(1)得到的掩模图像与手指静脉图像进行与运算,获取ROI图像,即为后续操作中的目标区域;
(3)对(2)得到的ROI图像进行平面旋转角度校正:提取ROI图像的手指轮廓图,使用最小二乘法进行直线拟合,拟合出手指中心线,将竖直方向作为标准方向,根据二者夹角对手指区域进行旋转校正;
(4)获取指间关节灰度信息:以手指中心线为准,确定一个宽度为6的矩形区域,按行计算该矩形的灰度值均值,得到其两个峰值,这两个峰值位置分别对应手指的两个指间关节位置,将上述两个峰值的最大值记为P,若P大于设定的阈值,说明图像灰度值符合采集要求,否则重新采集手指图像。
本发明的特点及有益效果是:
本发明提出了一种可以根据手指静脉图像信息自动调节近红外光源亮度的算法,并且设计制作了一个手指静脉快速采集装置,该算法在在装置中实际应用,实验结果表明,该方法在调节光源时可以取得很好的效果,采集装置能够采集到清晰、稳定的手指静脉图像。本发明使用的调节算法在调节光源亮度的同时对图像进行了预处理,并且可以保存处理结果,为后续匹配识别工作节省了时间开销;与根据红外接收管接收到的红外线强度调节光源的方法不同,本发明算法从图像本身出发,无需复杂的电路结构,可以实现装置的便携化,同时调节的结果更加精确;本发明提出的调节算法实时高效,采集结果存储于计算机中,可以实现大样本采集。
附图说明:
图1采集系统结构图。
图2手指静脉采集图。
图3调节算法流程图。
图4漏光现象采集图。
图5ROI提取过程:(a)原图,(b)Canny边缘图,(c)修补边缘图,(d)连通域图,(e)掩模图像,(f))ROI图像。
图6亮度过低图像处理过程.:(a)原图,(b)Canny边缘图,(c)连通域图。
图7旋转校正过程:(a)拟合直线图像,(b)校正图像。
图8手指关节定位原理图.:(a)关节结构,(b)手指指骨结构,(c)指间关节位置。
图9指间关节信息提取:(a)矩形区域,(b)指间关节信息。
图10指间关节定位图。
图11本文装置采集图及其ROI图像.(a)较为粗大的手指静脉图像,(b)(a)图的ROI图像和指间关节定位,(c)较为纤细的手指静脉图像,(d)(c)图的ROI图像和指间关节定位。
具体实施方式
为克服现有技术的不足,本发明提出一种根据手指静脉图像目标区域灰度值峰值调节红外光源强度的算法,并设计制作了一个低成本和便携式的手指静脉采集系统,使用本发明提出的光源亮度调节算法可以自动调节红外光强,快速采集到清晰的手指静脉图像。为此,本发明采用的技术方案是,首先采集一幅手指静脉图像,在上位机中对采集到的图像提取出手指区域并进行旋转角度校正,通过求取手指中线上的灰度值判断其是否符合要求并反馈到光源控制电路,对光源亮度进行调整,从而获取高质量的手指静脉图像。本发明提出的算法在图像处理过程中不仅可以获得手指区域图像,还可以保存手指两个指间关节的位置信息,从而为后续特征提取提供便利条件,缩短识别时间。
本发明设计的手指静脉采集系统主要包括光源控制模块、图像采集模块和上位机人机交互模块,在装置中设置了一个凹槽用于固定手指位置。其中光源控制模块包括峰值波长为850nm的近红外LED阵列和光源控制电路以及一个触摸开关。图像采集模块包括摄像头模组和用于滤除可见光的红外滤光片。上位机人机交互模块可以实时显示手指静脉采集情况,主要用来控制图像的采集和处理,同时为光源亮度发出调节指令。
本发明提出的光源亮度调节算法具体步骤如下:
步骤1采集系统初始化,手指放入采集设备,打开红外光源,然后图像传感器采集一幅手指静脉图像;
步骤2检测手指位置是否放置正确。
本发明通过检测静脉图像中灰度值等于255的像素个数是否符合阈值要求来判断手指位置放置是否正确。具体地,统计灰度值等于255的像素值的总个数,记为N,本发明设置阈值为2000,如果N>2000,那么说明手指放置位置倾斜程度过大,出现了漏光现象。此时系统提示使用者重新放置手指,经过一定延时后返回步骤1,否则执行步骤3;
步骤3检测指脉图像感兴趣区域(ROI)能否获得。
(1)提取手指边缘信息:使用Canny算子(John F.Canny于1986年开发出来的一个多级边缘检测算法)对手指静脉图像进行边缘检测,获得大致的手指轮廓和手指区域;
(2)修补手指边缘:对(1)中获取的Canny边缘图像进行闭运算操作,获得闭合的手指轮廓,从而得到精确的手指区域;
(3)获得连通域:将图像中心设置为种子点,使用区域生长法进行图像分割,从而获得手指区域;
步骤4判断图像灰度值是否符合要求。
(1)获得掩模图像:对步骤3获得的图像进行二值化操作,将手指区域置1,背景区域置0;
(2)获取手指静脉图像ROI:将(1)得到的掩模图像与手指静脉图像进行与运算,获取ROI图像,即为后续操作中的目标区域。
(3)对(2)得到的ROI图像进行平面旋转角度校正:提取ROI图像的手指轮廓图,使用最小二乘法进行直线拟合,拟合出手指中心线,将竖直方向作为标准方向,根据二者夹角对手指区域进行旋转校正;
(4)获取指间关节灰度信息:以手指中心线为准,确定一个宽度为6的矩形区域,按行计算该矩形的灰度值均值,得到其两个峰值,这两个峰值位置分别对应手指的两个指间关节位置。将上述两个峰值的最大值记为P,本发明中设阈值为150,如果P>150,说明图像灰度值符合采集要求,执行步骤5,否则返回步骤1。
步骤5保存ROI图像和指间关节位置,采集完成。
由于年龄和性别等的区分,不同人群的手指厚度和静脉粗细不同。为了增强采集设备的泛化能力,本发明提出一种根据手指静脉图像目标区域灰度值峰值调节红外光源强度的算法,并设计制作了一个低成本和便携式的手指静脉快速采集系统,使用本发明提出的光源亮度调节算法可以自动调节红外光强。本发明将红外光源亮度调节算法与采集设备结合起来,可以针对不同厚度的手指自动调节红外光强,最终可以快速采集到高质量的、静脉纹路清晰的手指静脉图像,同时可以得到手指两个指间关节的位置信息,为后续提取特征及身份识别提供便利条件。
本发明设计的手指静脉采集系统主要包括光源控制模块、图像采集模块和上位机人机交互模块,装置结构图如图1所示。本发明装置在手指放置处设置了一个凹槽用于固定手指位置。其中光源控制模块包括呈两列排列的峰值波长为850nm的近红外LED阵列和光源控制电路,同时设置一个触摸开关,用于检测手指是否放入采集装置,光源亮度采用脉冲宽度调制 (PWM)方式调节。图像采集模块包括摄像头模组和用于滤除可见光的红外滤光片,摄像头采用美国Micron公司开发的型号为MT9V034的CMOS图像传感器,这款摄像头对850nm附近的红外光比较敏感,适用于手指静脉成像。上位机人机交互模块可以实时显示手指静脉采集情况,主要用来控制图像的采集和处理,同时为光源亮度发出调节指令。本发明设计的采集设备采集到的手指静脉图像如图2所示。图像分辨率为388*256。
本发明提出的光源亮度调节算法流程图如图3所示,其具体步骤如下:
步骤1采集手指静脉初始图片。
采集系统初始化后,用户将手指放入凹槽,触摸开关检测到有手指放入,开启光源,拍摄一幅手指静脉图片,该图片用来检测红外光源亮度是否符合要求。为防止出现过曝光现象,本发明设定光源初始亮度较低;
步骤2检测手指位置是否放置正确。
本发明中红外LED发射管的排列方式呈竖直方向、两列排列,由于凹槽处设置有余量,手指放入时可能会出现平面位置偏移的现象,如果手指位置偏移过大,会产生漏光现象,导致无法采集到符合要求的手指静脉图像,如图4所示。
本发明通过检测静脉图像中灰度值等于255的像素个数是否符合阈值要求来判断手指位置放置是否正确。具体地,统计灰度值等于255的像素值的总个数,记为N,本发明设置阈值为2000,如果N>2000,那么说明手指放置位置倾斜程度过大,出现了漏光现象。此时系统提示使用者重新放置手指,经过一定延时后返回步骤1,否则执行步骤3;
步骤3检测经脉图像感兴趣区域(ROI)能否获得。
如图2所示,采集图图像除了手指区域外,还有灰度值不均衡的背景区域,这些区域会对后续的静脉特征提取产生不利影响,为了避免背景干扰和减少时间开销,首先需要提取手指静脉图像的感兴趣区域(ROI)。对于本发明中得到的手指静脉图像,手指轮廓内部的信息作为ROI,其他部分均为背景干扰区域。本发明在得到初步ROI信息后计算其面积,符合阈值设定时认为手指区域可以准确提取,符合后续处理要求,继续执行步骤4,否则调节光源亮度后返回执行步骤1。具体过程如下:
(1)提取手指边缘:在图5(a)中可以看出垂直于手指边缘方向图像灰度值变化剧烈,而背景区域灰度值变化不明显,根据这一原则,用Canny算子提取手指静脉图像的轮廓,初步圈定手指区域,如图5(b)所示(本发明中所用高低阈值分别为80和100)。
(2)修补手指边缘:(1)中得到的Canny边缘图像可能出现手指轮廓不闭合或与背景伪边缘粘连的现象,因此进行闭运算操作来修补边缘,从而保证得到闭合的手指区域,结果图如图5(c)所示。
(3)求连通域:(2)中得到的边缘图像已经确定了手指轮廓,而本发明设计的采集装置的手指定位凹槽保证了手指位置基本相同,使用者的手指放置位置大致位于图像中间,因此可以设定图像中心为种子点,采用区域生长法分割图像,确定手指区域。本发明中将生长区域的灰度值置为80,从而可以较为准确地确定手指区域,如图5(d)所示。
(4)判断连通域面积是否正确:图5(d)所示可以正确提取出手指区域,但是如果红外光源亮度过低,Canny边缘算子无法正确提取出手指轮廓,从而无法得到准确的手指区域,一个光源亮度过低图像的处理过程实例如图6所示。
为了避免采集到不符合处理要求的手指静脉图像,本发明通过面积阈值法来检测ROI能否正确获得。具体地,将(3)中得到的连通域面积记为S,将手指静脉图像的面积记为A,如果S满足条件那么认为ROI可以准确提取,继续执行步骤4,否则调节光源亮度后返回执行步骤1;
步骤4判断图像灰度值是否符合要求。
在步骤3中已经获得了手指区域的连通域图像,但是对于手指静脉特征提取来说,如果图像亮度过高或者过低,不仅会造成不规则阴影或者光斑,而且静脉纹路信息也不清晰,这些因素对后续操作有不利影响,进而影响匹配准确率,因此有必要检测图像亮度是否合适。本发明通过检测手指静脉关键区域灰度值的方法判断图像亮度是否符合要求。具体过程如下:
(1)获得掩模图像:对步骤3中得到的图像进行二值化,将手指区域的像素值置为255,将背景区域的像素值置为0,从而得到掩模图像,如图5(e)所示。
(2)获取手指静脉图像ROI:对(1)获得的掩模图像和原图进行按位与运算得到ROI区域。图5(e)与图5(a)进行按位与运算操作,得到图5(a)对应的ROI,如图5(f) 所示。经过按位与运算的操作,手指区域保留原来像素值的同时背景区域的像素值全部置0,从而得到后续处理的目标对象。
(3)对(2)得到的ROI图像进行平面旋转角度校正:虽然采集装置中设置了用于固定手指位置的凹槽,但是由于凹槽的宽度设置有余量和每个人采集习惯的不同,不可避免会出现手指在平面旋转的情况,在匹配识别时有必要对ROI区域进行旋转校正以避免影响匹配识别准确度。为了得到更加准确的手指静脉信息,本发明设计的采集装置在提取ROI信息之前同样进行旋转角度校正的操作,这也为后续识别过程提供了便利条件。
对ROI图像进行旋转校正的过程为:首先提取ROI图像的手指轮廓图,然后使用最小二乘法进行直线拟合,拟合出手指中心线,将竖直方向作为标准方向,根据二者夹角对手指区域进行旋转校正。
一个实例中的旋转校正过程如图7所示,具体步骤如下:
第一步:求取图5(f)的轮廓,使用最小二乘法拟合手指中心线,如图7(a)所示。
第二步:以竖直方向为基准方向,求取拟合中心线与竖直线的偏转角度,该角度即为手指偏转角度。
第三步:根据第二步中求得的偏转角度对ROI进行旋转,完成校正过程,结果如图7(b) 所示。
(4)获取指间关节灰度信息:人体关节结构如图8(a)所示,关节间隙中的滑液密度低于骨骼,在同样强度的近红外光照射下,透过滑液的光线更多,因此在手指静脉图像中会出现灰度值较高的区域。图8(b)为手指指骨结构,可以看出人体指骨有两个关节间隙,因此在手指静脉ROI图像中会出现与指间关节位置相对应的两处较亮的区域,如图8(c)所示。
通过观察大量的指脉采集图像发现:手指静脉的拓扑结构信息主要分布在手指中间部分,图像两端包含的有效信息较少,根部只有几根粗壮的静脉血管,末端只分布着一些毛细血管。在手指静脉识别中两个指间关节之间的部分包含了大部分手指静脉信息,因此可以通过确定两个指间关节的位置来指示静脉识别的关键区域,同时,该区域的灰度值也可以反映图像整体灰度值是否符合要求。
为了获取指间关节灰度信息,本发明以手指中心线为准,确定一个宽度为6的矩形区域,按行计算该矩形区域的的灰度值均值,绘制散点图,得到该灰度值均值序列的两个峰值,这两个峰值所对应的位置即分别为手指的两个指间关节位置。
一个实例中的获取指间关节灰度信息的过程如图9所示,具体过程如下:
在图5(f)所示的ROI图像中设置一个尺寸为388×6的矩形,如图9(a)所示,该矩形的中心线与ROI图像中手指中心线重合。然后计算该矩形的横向像素均值,记为Mi,i=1,2,…, 388。图9(b)表示了像素均值的分布散点图,由图9(b)可以看出散点图出现两个峰值,分别对应手指的两个关节间隙。这两个峰值的最大值记为P,本发明中设阈值为150,如果 P>150,说明图像灰度值符合采集要求,执行步骤5,否则返回步骤1。
步骤5保存ROI图像以及指间关节位置信息。
在散点图中将两个峰值位置的坐标记录下来作为指间关节位置信息,用于后续的特征提取步骤。
一个实例中的保存指间关节位置信息的具体过程如下:
对于图9(b)表示的散点图,指间关节位置的获取方法如图10所示,以图像竖直向下方向为轴的正方向,根据下面两个公式分别记录两个峰值出现的位置坐标d1和d2。
d1=argmax(Mi),i∈[1,194]
d2=argmax(Mi)+d1,i∈(d1,388]
其中d1和d2分别表示靠近手掌和靠近手指指尖的关节位置坐标。
图11显示了部分通过本发明设计的采集装置采集到的手指静脉图像及其ROI图像,可以看出无论是对于较为粗大的手指静脉还是较为纤细的手指静脉,结合本发明提出的光源亮度调节算法,采集装置均可采集到纹路清晰的手指静脉图片,同时也可以准确得到指间关节位置信息。
Claims (2)
1.一种用于采集手指静脉图像的光源亮度调节方法,其特征是,首先采集一幅手指静脉图像,在计算机机中对采集到的图像提取出手指区域并进行旋转角度校正,通过求取手指中线上的灰度值判断其是否符合要求并反馈到光源控制电路,对光源亮度进行调整,从而获取手指静脉图像;具体步骤细化如下:
步骤1采集系统初始化,手指放入采集设备,打开红外光源,然后图像传感器采集一幅手指静脉图像;
步骤2检测手指位置是否放置正确
通过检测静脉图像中灰度值等于255的像素个数是否符合阈值要求来判断手指位置放置是否正确,具体地,统计灰度值等于255的像素值的总个数,记为N,本发明设置阈值为2000,如果N>2000,那么说明手指放置位置倾斜程度过大,出现了漏光现象,此时系统提示使用者重新放置手指,经过一定延时后返回步骤1,否则执行步骤3;
步骤3检测指脉图像感兴趣区域ROI能否获得
(1)提取手指边缘信息:使用多级边缘检测算法Canny算子对手指静脉图像进行边缘检测,获得大致的手指轮廓和手指区域;
(2)修补手指边缘:对(1)中获取的Canny边缘图像进行闭运算操作,获得闭合的手指轮廓,从而得到精确的手指区域;
(3)获得连通域:将图像中心设置为种子点,使用区域生长法进行图像分割,从而获得手指区域;
步骤4判断图像灰度值是否符合要求
(1)获得掩模图像:对步骤3获得的图像进行二值化操作,将手指区域置1,背景区域置0;
(2)获取手指静脉图像ROI:将(1)得到的掩模图像与手指静脉图像进行与运算,获取ROI图像,即为后续操作中的目标区域;
(3)对(2)得到的ROI图像进行平面旋转角度校正:提取ROI图像的手指轮廓图,使用最小二乘法进行直线拟合,拟合出手指中心线,将竖直方向作为标准方向,根据二者夹角对手指区域进行旋转校正;
(4)获取指间关节灰度信息:以手指中心线为准,确定一个宽度为6的矩形区域,按行计算该矩形的灰度值均值,得到其两个峰值,这两个峰值位置分别对应手指的两个指间关节位置,将上述两个峰值的最大值记为P,若P大于设定的阈值,说明图像灰度值符合采集要求,执行步骤5,否则返回步骤1;
步骤5保存ROI图像和指间关节位置,采集完成;
使用最小二乘法进行直线拟合,对手指区域进行旋转校正,具体步骤如下:
第一步:使用最小二乘法拟合手指中心线;
第二步:以竖直方向为基准方向,求取拟合中心线与竖直线的偏转角度,该角度即为手指偏转角度;
第三步:根据第二步中求得的偏转角度对ROI进行旋转,完成校正过程。
2.一种用于采集手指静脉图像的光源亮度调节装置,其特征是,包括光源控制模块、图像采集模块和计算机人机交互模块,在装置中还设置有一个凹槽用于固定手指位置;其中光源控制模块包括峰值波长为850nm的近红外LED阵列和光源控制电路以及一个触摸开关;图像采集模块包括摄像头模组和用于滤除可见光的红外滤光片;上位机人机交互模块可以实时显示手指静脉采集情况,主要用来控制图像的采集和处理,同时为光源亮度发出调节指令;其中,上位机人机交互模块包括检测手指位置是否放置正确模块、检测指脉图像感兴趣区域ROI能否获得模块和判断图像灰度值是否符合要求模块,检测手指位置是否放置正确模块通过检测静脉图像中灰度值等于255的像素个数是否符合阈值要求来判断手指位置放置是否正确,具体地,统计灰度值等于255的像素值的总个数,记为N,如果N大于设定的阈值,则手指放置为位置不正确,需要重新采集图像;
检测指脉图像感兴趣区域ROI能否获得模块:
(1)提取手指边缘信息:使用Canny算子对手指静脉图像进行边缘检测,获得大致的手指轮廓和手指区域;
(2)修补手指边缘:对(1)中获取的Canny边缘图像进行闭运算操作,获得闭合的手指轮廓,从而得到精确的手指区域;
(3)获得连通域:将图像中心设置为种子点,使用区域生长法进行图像分割,从而获得手指区域;
判断图像灰度值是否符合要求模块:
(1)获得掩模图像:对获得的图像进行二值化操作,将手指区域置1,背景区域置0;
(2)获取手指静脉图像ROI:将(1)得到的掩模图像与手指静脉图像进行与运算,获取ROI图像,即为后续操作中的目标区域;
(3)对(2)得到的ROI图像进行平面旋转角度校正:提取ROI图像的手指轮廓图,使用最小二乘法进行直线拟合,拟合出手指中心线,将竖直方向作为标准方向,根据二者夹角对手指区域进行旋转校正;
(4)获取指间关节灰度信息:以手指中心线为准,确定一个宽度为6的矩形区域,按行计算该矩形的灰度值均值,得到其两个峰值,这两个峰值位置分别对应手指的两个指间关节位置,将上述两个峰值的最大值记为P,若P大于设定的阈值,说明图像灰度值符合采集要求,否则重新采集手指图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810567938.XA CN108960068B (zh) | 2018-06-05 | 2018-06-05 | 用于采集手指静脉图像的光源亮度调节装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810567938.XA CN108960068B (zh) | 2018-06-05 | 2018-06-05 | 用于采集手指静脉图像的光源亮度调节装置及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108960068A CN108960068A (zh) | 2018-12-07 |
CN108960068B true CN108960068B (zh) | 2021-10-29 |
Family
ID=64493161
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810567938.XA Active CN108960068B (zh) | 2018-06-05 | 2018-06-05 | 用于采集手指静脉图像的光源亮度调节装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108960068B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPWO2020241364A1 (zh) * | 2019-05-28 | 2020-12-03 | ||
CN110188676B (zh) * | 2019-05-29 | 2021-04-13 | Oppo广东移动通信有限公司 | 静脉采集方法及相关产品 |
CN110175594B (zh) * | 2019-05-31 | 2021-07-30 | Oppo广东移动通信有限公司 | 静脉识别方法及相关产品 |
CN110909631B (zh) * | 2019-11-07 | 2022-11-18 | 黑龙江大学 | 一种手指静脉图像roi提取和增强方法 |
CN111046870B (zh) * | 2019-12-10 | 2023-06-02 | 珠海格力电器股份有限公司 | 一种指关节定位方法、装置、介质和设备 |
CN111428693B (zh) * | 2020-04-27 | 2023-11-14 | 洛阳师范学院 | 一种基于转轴手柄的手指静脉三维图像提取装置及方法 |
CN111639557B (zh) * | 2020-05-15 | 2023-06-20 | 圣点世纪科技股份有限公司 | 一种指静脉图像智能注册反馈方法 |
CN111898500B (zh) * | 2020-07-17 | 2024-02-20 | 深圳阜时科技有限公司 | 屏下光学检测系统及电子设备 |
CN112436889B (zh) * | 2020-10-27 | 2021-11-30 | 江汉大学 | 一种自动调节光源发射功率的方法及装置 |
CN113516096B (zh) * | 2021-07-29 | 2022-07-19 | 中国工商银行股份有限公司 | 指静脉roi区域提取方法及装置 |
EP4192000B1 (en) * | 2021-11-29 | 2024-04-17 | Tata Consultancy Services Limited | Method and system for zone-wise adaptive illumination of objects |
CN117037221B (zh) * | 2023-10-08 | 2023-12-29 | 腾讯科技(深圳)有限公司 | 活体检测方法、装置、计算机设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101520840A (zh) * | 2009-04-07 | 2009-09-02 | 江苏东大金智建筑智能化系统工程有限公司 | 手指静脉图像采集装置及方法 |
CN101982826A (zh) * | 2010-11-10 | 2011-03-02 | 中国船舶重工集团公司第七一○研究所 | 一种光源亮度自动调整的手指静脉采集识别方法 |
CN101991422A (zh) * | 2010-08-09 | 2011-03-30 | 上海交通大学医学院附属仁济医院 | 一种在股骨髁长轴截面内定位人体膝关节伸屈运动轴心的方法 |
CN102222220A (zh) * | 2011-06-21 | 2011-10-19 | 哈尔滨工程大学 | 手背静脉模式纹理提取方法 |
CN104217480A (zh) * | 2014-08-29 | 2014-12-17 | 华南理工大学 | 一种基于指纹和指静脉联合识别的智能门禁系统 |
CN104622572A (zh) * | 2014-12-15 | 2015-05-20 | 上海昕健医疗技术有限公司 | 基于医学图像的个性化骨科定位片 |
CN105975974A (zh) * | 2016-05-10 | 2016-09-28 | 深圳市金脉智能识别科技有限公司 | 一种手指静脉识别中提取roi图像的方法 |
CN205983504U (zh) * | 2016-07-07 | 2017-02-22 | 山西圣点世纪科技股份有限公司 | 一种自适应调整光强的指静脉图像采集装置 |
-
2018
- 2018-06-05 CN CN201810567938.XA patent/CN108960068B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101520840A (zh) * | 2009-04-07 | 2009-09-02 | 江苏东大金智建筑智能化系统工程有限公司 | 手指静脉图像采集装置及方法 |
CN101991422A (zh) * | 2010-08-09 | 2011-03-30 | 上海交通大学医学院附属仁济医院 | 一种在股骨髁长轴截面内定位人体膝关节伸屈运动轴心的方法 |
CN101982826A (zh) * | 2010-11-10 | 2011-03-02 | 中国船舶重工集团公司第七一○研究所 | 一种光源亮度自动调整的手指静脉采集识别方法 |
CN102222220A (zh) * | 2011-06-21 | 2011-10-19 | 哈尔滨工程大学 | 手背静脉模式纹理提取方法 |
CN104217480A (zh) * | 2014-08-29 | 2014-12-17 | 华南理工大学 | 一种基于指纹和指静脉联合识别的智能门禁系统 |
CN104622572A (zh) * | 2014-12-15 | 2015-05-20 | 上海昕健医疗技术有限公司 | 基于医学图像的个性化骨科定位片 |
CN105975974A (zh) * | 2016-05-10 | 2016-09-28 | 深圳市金脉智能识别科技有限公司 | 一种手指静脉识别中提取roi图像的方法 |
CN205983504U (zh) * | 2016-07-07 | 2017-02-22 | 山西圣点世纪科技股份有限公司 | 一种自适应调整光强的指静脉图像采集装置 |
Non-Patent Citations (2)
Title |
---|
"基于分块LBP和分块PCA的指静脉识别方法";杨文文 等;《电子测量与仪器学报》;20160731;第30卷(第7期);第1000-1007页 * |
"基于局部灰度极小值的指静脉图像分割方法";苑玮琦 等;《计算机技术与发展》;20160731;第26卷(第7期);第109-111、115页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108960068A (zh) | 2018-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108960068B (zh) | 用于采集手指静脉图像的光源亮度调节装置及方法 | |
CN109859203B (zh) | 基于深度学习的缺陷牙齿图像识别方法 | |
TWI224287B (en) | Iris extraction method | |
CN105760841B (zh) | 一种身份识别方法及系统 | |
CN104933432B (zh) | 一种指腹折痕和指静脉图像的处理方法 | |
CN101853333A (zh) | 医疗机器人导航定位图像中的标记拾取方法 | |
CN108615239B (zh) | 基于阈值技术和灰度投影的舌图像分割方法 | |
CN105205437B (zh) | 基于头部轮廓验证的侧脸检测方法及装置 | |
CN113936307B (zh) | 一种基于薄膜传感器的静脉图像识别方法及装置 | |
CN109409181B (zh) | 一种用于低质量指静脉图像的手指上下边缘独立检测方法 | |
CN104021382A (zh) | 一种眼部图像采集方法及其系统 | |
CN1885314A (zh) | 一种虹膜图像预处理方法 | |
CN110555380A (zh) | 基于Center Loss损失函数的指静脉识别方法 | |
CN110909631B (zh) | 一种手指静脉图像roi提取和增强方法 | |
CN106530294A (zh) | 一种对睑板腺图像进行处理以获得腺体参数的信息的方法 | |
CN110298273A (zh) | 一种基于多光谱图像的3d指静脉提取方法及系统 | |
CN102760232A (zh) | 基于掌纹的中远距离的在线身份识别系统 | |
CN106372593B (zh) | 一种基于血管收敛的视盘区定位方法 | |
CN114882539B (zh) | 一种静脉图像roi提取方法及装置 | |
US20190333212A1 (en) | Visual cardiomyocyte analysis | |
Kusuma et al. | Retracted: Heart Abnormalities Detection Through Iris Based on Mobile | |
CN115082972B (zh) | 一种基于rgb图像和静脉灰度图像的活体检测方法 | |
Štrbac et al. | Stereovision system for estimation of the grasp type for electrotherapy | |
CN110930346B (zh) | 一种眼底图像微血管瘤自动检测方法及存储设备 | |
CN105512629B (zh) | 一种人体手指静脉图像骨关节定位方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |