CN109598235B - 一种指静脉图像认证方法及装置 - Google Patents

一种指静脉图像认证方法及装置 Download PDF

Info

Publication number
CN109598235B
CN109598235B CN201811474491.8A CN201811474491A CN109598235B CN 109598235 B CN109598235 B CN 109598235B CN 201811474491 A CN201811474491 A CN 201811474491A CN 109598235 B CN109598235 B CN 109598235B
Authority
CN
China
Prior art keywords
finger
information
finger vein
image
fusion
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
Application number
CN201811474491.8A
Other languages
English (en)
Other versions
CN109598235A (zh
Inventor
汤振华
康文雄
潘晓钢
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yuntianhan Technology Development Co ltd
Original Assignee
Yuntianhan Technology Development Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Yuntianhan Technology Development Co ltd filed Critical Yuntianhan Technology Development Co ltd
Priority to CN201811474491.8A priority Critical patent/CN109598235B/zh
Publication of CN109598235A publication Critical patent/CN109598235A/zh
Application granted granted Critical
Publication of CN109598235B publication Critical patent/CN109598235B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/70Multimodal biometrics, e.g. combining information from different biometric modalities

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

本申请公开了一种指静脉图像认证方法,包括:获取手指的至少两个侧面的指静脉图像;将所述至少两个侧面的指静脉图像进行融合,得到指静脉融合图像;根据所述指静脉融合图像提取手指的指静脉信息和指形信息;根据指静脉信息和指形信息进行加权融合认证。本发明实施例由于获取的指静脉信息丰富,因此认证精度更高,适合于各种规模的认证场合。

Description

一种指静脉图像认证方法及装置
技术领域
本申请涉及一种指静脉图像认证方法及装置,属于身份认证领域。
背景技术
随着科技的发展和智能化时代的到来,人类追求更为安全、友好的认证方式,因此生物特征识别技术因其较高的安全性成为认证的主要方式。而生物特征中的手部生物特征具有采集方便和设备成本低的优势,因此受到越来越广泛的研究和关注。
手部生物特征主要分为两类,一类是外在特征,比如指纹、掌纹。另一类是内在生物特征,比如指静脉、掌静脉和手背静脉。由于指纹和掌纹容易受到外在条件的影响,出现磨损或者破损而无法认证的情况,而且指纹等外在特征也易于伪造,安全性不高。手部内在生物特征不会受到表皮、污染、温湿度等外部环境影响,而且采用活体认证技术,具有唯一性和不可复制性,安全性更高,所以近年来对手部内在生物特征认证的研究越来越多。
手部内在生物特征中,由于指静脉的获取相对于掌静脉和手背静脉更加便捷,因此指静脉更加适用于实际应用。现有技术中,指静脉认证过程为获取手指的一侧指静脉图像,然后对该指静脉图像进行特征提取,最后根据提取的特征进行认证。由于手指的一侧指静脉纹理偏少,其包含的特征信息有限,认证精度不高,无法适用于大规模的认证场合。
发明内容
根据本申请的一个方面,提供了一种指静脉图像认证方法,该方法认证精度更高,适合于各种规模的认证场合。
一种指静脉图像认证方法,包括:
获取手指的至少两个侧面的指静脉图像;
将所述至少两个侧面的指静脉图像进行融合,得到指静脉融合图像;
根据所述指静脉融合图像提取手指的指静脉信息和指形信息;
根据指静脉信息和指形信息进行加权融合认证。
进一步地,将所述至少两个侧面的指静脉图像进行融合,得到指静脉融合图像,包括:
获取每个指静脉图像的指形图像;
根据每个指形图像,截取每个指静脉图像的感兴趣区域;
将每个指静脉图像的感兴趣区域进行融合,得到指静脉融合图像。
进一步地,根据所述指静脉融合图像提取手指的指静脉信息,包括:
将指静脉融合图像划分为多个大小相同的图像块;
对划分的每个图像块进行双方向编码,得到每个图像块的双方向编码值;
将每个图像块的双方向编码值转换为对应的直方图,转换的所有直方图构成指静脉信息。
进一步地,对划分的每个图像块进行双方向编码,得到每个图像块的双方向编码值,具体为:
采用指定方向的滤波器对划分的每个图像块进行卷积,将最大两个响应值对应的方向设置为对应图像块中像素点的双方向编码值。
具体地,设[OF(x,y),OS(x,y)]为像素点(x,y)的双方向编码值,则
Figure BDA0001891849150000021
其中,Fj(x,y)是对每个图像块的卷积值,j1,j2是两个最大卷积值的方向索引;
Figure BDA0001891849150000022
其中,I为划分的指静脉图像块,I(x,y)为图像块中坐标(x,y)的灰度值,
Figure BDA0001891849150000023
为指定方向的Gabor滤波器,其方向为jπ/nθ,nθ=6,j={1,2,…12}。
进一步地,根据指静脉信息和指形信息进行加权融合认证,包括:
分别计算所述指静脉信息和所述指形信息的表征值;
根据所述指静脉信息和指形信息的表征值及其对应权重计算融合值;
根据所述融合值进行身份认证。
具体的,设指静脉信息的表征值为Cs,则
Figure BDA0001891849150000031
其中,P是指静脉信息中特征值总数,DOCHE为标准指静脉信息,DOCHR为待认证的指静脉信息。
具体的,设指形信息的表征值为Ed,则
Figure BDA0001891849150000032
其中,M为指形信息中特征值总数,WCCDE为标准指形信息,WCCDR是待认证指形信息。
具体的,设融合值为FS,则
FS=w*Cs+(1-w)*Ed
其中,Cs指静脉信息的表征值,w为指静脉信息的权重,Ed指形信息的表征值,1-w为指形信息的权重。
进一步地,在根据所述指静脉信息和指形信息的表征值及其对应权重计算融合值之前,还包括:
分别对指静脉信息和指形信息的表征值进行归一化处理;
相应的,根据所述融合值进行身份认证,为:
FS=w*norm-Cs+(1-w)*norm-Ed
其中,FS为融合值,w为指静脉信息的权重,norm-Cs为归一化后的指静脉信息,norm-Ed为归一化后的指形信息。
本申请还提供了一种指静脉图像认证装置,包括:获取模块,融合模块,第一提取模块,第二提取模块和认证模块;
所述获取模块,用于获取手指的至少两个侧面的指静脉图像;
所述融合模块,用于将所述获取模块获取的至少两个侧面的指静脉图像进行融合,得到指静脉融合图像;
第一提取模块,用于根据融合模块得到的指静脉融合图像提取手指的指静脉信息;
第二提取模块,用于根据融合模块得到的指静脉融合图像提取手指的指形信息;
认证模块,用于根据第一提取模块提取的指静脉信息和第二提取模块提取的指形信息进行加权融合认证。
进一步地,所述融合模块包括获取单元,截取单元和融合单元;
获取单元,用于获取每个指静脉图像的指形图像;
截取单元,用于根据获取单元获取的每个指形图像,截取每个指静脉图像的感兴趣区域;
融合单元,用于将截取单元截取的每个指静脉图像的感兴趣区域进行融合,得到指静脉融合图像。
进一步地,所述第一提取模块包括:划分单元,编码单元和转换单元;
划分单元,用于将指静脉融合图像划分为多个大小相同的图像块;
编码单元,用于对划分单元划分的每个图像块进行双方向编码,得到每个图像块的双方向编码值;
转换单元,用于将编码单元得到的每个图像块的双方向编码值转换为对应的直方图,转换的所有直方图构成指静脉信息。
进一步地,所述认证模块包括:第一计算单元,第二计算单元,第三计算单元和认证单元;
所述第一计算单元,用于计算指静脉信息的表征值;
所述第二计算单元,用于计算指形信息的表征值;
所述第三计算单元,用于根据所述指静脉信息的表征值和指形信息的表征值及其对应权重计算融合值;
所述认证单元,用于根据所述第三计算单元计算的融合值进行身份认证。
本申请能产生的有益效果包括:
1)本申请通过获取手指的至少两个侧面的指静脉图像,将该至少两个侧面的指静脉信息图像进行融合,然后提取融合后的指静脉图像中的指静脉信息和指形信息,最后根据提取的指静脉信息和指形信息进行加权融合认证,相对于现有技术中根据获取的单侧指静脉图像进行认证,本发明实施例由于获取的指静脉信息丰富,因此认证精度更高,适合于各种规模的认证场合;
2)进一步地,由于本发明实施例对划分的每个图像块进行双方向编码,对手指的轻微旋转或者噪声具有较好的鲁棒性,提高了认证的效率和精度;
3)进一步地,本发明实施例将指静脉信息和指形信息进行加权融合认证,使得认证信息更加丰富,从而进一步提高的认证精度。
附图说明
图1为本申请一种实施方式中一种指静脉图像认证方法流程示意图;
图2为本申请一种实施方式中手指的宽度计算示意图;
图3为本申请一种实施方式中指静脉图像中心点与左边缘像素点和右边缘像素点的距离计算示意图;
图4是本申请一种实施方式中指静脉图像认证装置结构示意图;
图5是本申请一种实施方式中指静脉成像设备结构示意图。
具体实施方式
下面结合实施例详述本申请,但本申请并不局限于这些实施例。
参见图1,本申请提供了一种指静脉图像认证方法,该方法包括:
步骤101,获取手指的至少两个侧面的指静脉图像;
目前,通过指静脉成像的方法都是通过手指的单侧指静脉图像进行验证,但是单侧指静脉图像中包含的特征信息有限,身份认证精度也会大大降低,并且不适合身份认证人数较多的场合。而本发明实施例获取至少两个侧面指静脉图像,其包含的特征信息相对于现有技术来说大大增加了,不仅身份认证精度大大提高,而且还可以适用身份认证较大规模的场合。
本发明以获取同一个手指的两个侧面指静脉图像为例进行说明,两个侧面指静脉图像分别为第一侧面指静脉图像和第二侧面指静脉图像。实际应用中,第一侧面指静脉图像为指肚静脉图像,第二侧面指静脉图像为指背静脉图像。
步骤102,将上述至少两个侧面的指静脉图像进行融合,得到指静脉融合图像;
具体地,将上述至少两个侧面的指静脉图像进行融合,得到指静脉融合图像,包括:
1021、获取每个指静脉图像的指形图像;
本发明实施例采用Canny边缘检测算法来获取每个指静脉图像的指形图像,也可以采用Sobel、Laplace等边缘检测算法来提取指形图像,由于Canny、Sobel、Laplace属于本领域人员熟知的边缘检测算法,因此本发明实施例在此不再赘述。
1022、根据每个指形图像,截取每个指静脉图像的感兴趣区域;
由于每个指静脉图像是同一手指的不同侧面,每个指静脉图像的手指边缘应保持一致以方便后续融合,因此可以通过相同大小的内接矩形截取每个指静脉图像的感兴趣区域。本发明实施例中不限于这种内接矩形的截取方式,也可以采取其它形状的截取方式,本发明实施例对具体的感兴趣区域截取方式不作限制。
1023、将每个指静脉图像的感兴趣区域进行融合,得到指静脉融合图像。
具体地,可以将获得的每个指静脉图像感兴趣区域直接拼接,得到指静脉融合图像。
步骤103,根据指静脉融合图像提取手指的指静脉信息和指形信息;
本发明实施例中,指静脉信息可以通过多种方法来提取,比如基于局部纹理、基于方向编码、基于细节点、基于子空间、基于神经网络等等。上述这些指静脉信息提取方法均属于单方向编码方式,这种单方向编码方式为,将预处理后的图像与多个方向的滤波器进行卷积,选择最大响应值所对应的方向作为指静脉像素点的方向。但是这种单方向编码方式具有较差的抗旋转鲁棒性,当手指出现轻微旋转的情况时,采用这种单方向编码方式得到的指静脉信息准确度会降低,因此本发明采取双方向编码方式来提取手指的指静脉信息。这种双方向编码方式称为双方向编码直方图(DOCH)算法,通过DOCH算法提取的指静脉信息对于手指的轻微旋转具有很好的鲁棒性。
具体地,根据指静脉融合图像提取手指的指静脉信息,包括:
1031、将指静脉融合图像划分为多个大小相同的图像块;
实际应用中,为了后续计算方便,在将指静脉融合图像划分为多个大小相同的图像块之前,本发明实施例还包括:
提取指静脉融合图像的感兴趣区域,并对该感兴趣区域图像进行归一化处理。
相应的,将指静脉融合图像划分为多个大小相同的图像块,具体为:
将归一化后的指静脉融合图像划分为多个大小相同的图像块。
本发明实施例中提取指静脉融合图像的感兴趣区域之后,将该感兴趣区域图像归一化为64*128,然后将归一化后的指静脉图像划分为16、32、48或64块图像块。本发明实施例划分为32块,每块大小为16*16。本发明实施例对划分的图像块的具体数量不作限制,在实际应用中可以根据实际需求来划分。
1032、对划分的每个图像块进行双方向编码,得到每个图像块的双方向编码值;
具体地,对划分的每个图像块进行双方向编码,得到每个图像块的双方向编码值,为:
采用指定方向的滤波器对划分的每个图像块进行卷积,将最大两个响应值对应的方向设置为对应图像块中像素点的双方向编码值。
设[OF(x,y),OS(x,y)]为像素点(x,y)的双方向编码值,则
Figure BDA0001891849150000071
其中,Fj(x,y)是对每个图像块的卷积值,j1,j2是两个最大卷积值的方向索引。
Figure BDA0001891849150000072
其中,I为划分的指静脉图像块,I(x,y)为图像块中坐标(x,y)的灰度值,
Figure BDA0001891849150000073
Figure BDA0001891849150000074
中指定方向的Gabor滤波器,其方向为jπ/nθ,nθ=6,j={1,2,…12}。
Figure BDA0001891849150000075
Figure BDA0001891849150000076
Figure BDA0001891849150000077
组合构成的Gabor滤波器组,其中,
Figure BDA0001891849150000078
Figure BDA0001891849150000079
其中,T是Gabor滤波器的大小,本发明实施例中设T=2,
Figure BDA0001891849150000081
其中G(x,y,θ,μ,σ)是Gabor滤波器的实部,μ是每单位长度的弧度的径向频率,σ是沿x和y轴的椭圆高斯的标准偏差,θ是Gabor滤波器的方向。本发明中μ=0.0916,σ=5.6179,θ={0°,30°,60°,90°,120°,150°}。
本发明实施例采用12个指定方向的Gabor滤波器(方向分别为30°,60°,90°,120°,150°,180°,210°,240°,270°,300°,330°,360°)对划分的每个图像块进行卷积,因此可以更精确的描述指静脉图像曲线中的像素点,同时对手指的轻微旋转具有较强的鲁棒性。由于每个像素点的两个方向值不同,且有12个方向,
Figure BDA0001891849150000082
因此本发明实施例中划分的每个图像块有66种双方向编码。
1033、将每个图像块的双方向编码值转换为对应的直方图,得到的所有直方图构成指静脉信息。
将每个图像块的双方向编码值转换为直方图,可以提高指静脉信息的辨别力,也方便后续认证。
具体地,可以将得到的所有直方图串接构成指静脉信息。
本发明实施例中,由于每个图像块有66种双方向编码,因此可以将每个图像块的双方向编码值转换为66维的直方图。
表1为双方向编码值与直方图之间的转换对应表
直方图统计
(1,2),(2,1) 1
(1,3),(3,1) 2
(1,4),(4,1) 3
…… ……,
(11,12),(12,11) 66
继续以上述例子进行描述,由于划分了32块图像块,每个图像块转换为66维的直方图,因此,将转换的所有直方图进行串接,则构成了66*32维的DOCH特征向量,即指静脉信息。
本发明实施例中指形信息可以通过指静脉融合图像中手指边缘像素点之间的宽度W和手指中心与边缘之间的距离CCD组成的指形特征WCCD来表示,其中手指边缘像素点之间的宽度W的提取过程如下:
1035、检测指静脉融合图像中手指边缘;
1036、以预设数值的像素为步长获取同一行左边缘像素点、右边缘像素点的坐标,计算左边缘像素点和右边缘像素点之间的横坐标差作为手指宽度距离,图2为手指的宽度计算示意图,将不同位置获取的手指宽度距离构成指形宽度向量Ww=[w1,w2,…,wn],n为像素点的行数。
指静脉图像的中心点与边缘像素点之间的距离CCD的计算过程如下:
1037、计算指静脉图像的中心点;
具体地,设指静脉图像的中心点为(Xcentre,Ycentre),则
Figure BDA0001891849150000091
其中,Xleft是指静脉图像的左边缘像素点,Xright是值静脉图像的右边缘像素点,Yupper是指静脉图像的上边缘纵坐标,一般Yupper=1,Ybottom为指静脉图像的下边缘纵坐标,一般为指静脉图像宽度。
1038、以预设数值的像素为步长获取同一行左边缘像素点、右边缘像素点的坐标,分别计算上述中心点与左边缘像素点、右边缘像素点的距离,构成指形距离向量CCD=[ccdl,ccdr],ccdl=[dl1,dl2,…,dln,],ccdr=[dr1,dr2,…,drn,];
图3为中心点与左边缘像素点和右边缘像素点的距离计算示意图;其中,ccdl为中心点与左边缘像素点的距离向量,ccdr为中心点与右边缘像素点的距离向量,dln为中心点与左边缘第n行像素点的距离,drn为中心点与右边缘第n行像素点的距离。
实际应用中,为了消除上下边缘的影响,本发明实施例以第五行边缘像素点作为起点,倒数第五行边缘像素点作为终点,然后以5~8个像素为步长获取同一行左边缘像素点、右边缘像素点的坐标,本发明实施例中以5个像素为步长获取同一行左边缘像素点、右边缘像素点的坐标。
由于W和CCD特征具有相同的生物特征模态,因此可以将W和CCD进行特征级串接,但是W和CCD的特征值范围不同,所以在特征级串接之前分别对W和CCD特征进行归一化处理。
本发明实施例中采用的是0均值归一化方法,也就是说将原始数据转换为均值是0,标准差是1的数据,转换公式为
Figure BDA0001891849150000101
其中X'表示归一化后的数据,X表示原始数据,Xmean为原始数据的均值,S为原始数据的标准差。
通过上述转换公式对W和CCD处理后,将归一化后的W和CCD串接构成WCCD特征向量,即指形信息,WCCD=[W,CCD]。
步骤104,根据指静脉信息和指形信息进行加权融合认证。
具体的,根据指静脉信息和指形信息进行加权融合认证,包括:
分别计算指静脉信息和指形信息的表征值;
根据指静脉信息和指形信息的表征值及其对应权重计算融合值;
根据融合值进行身份认证。
本发明实施例中,设指静脉信息的表征值为Cs,则
Figure BDA0001891849150000102
其中,本发明实施例中指静脉信息的表征值通过卡方距离来表示,因此Cs也可以表示为卡方距离,DOCH特征向量即为指静脉信息,P是指静脉信息中特征值总数,DOCHE为标准指静脉信息,DOCHR为待认证的指静脉信息。
设指形信息的表征值为Ed,则
Figure BDA0001891849150000103
其中,本发明实施例中指形信息的表征值通过欧式距离来表示,因此Ed也可以是欧式距离,WCCD特征向量即为指形信息,M为指形信息中特征值总数,WCCDE为标准指形信息,WCCDR是待认证指形信息。
分别得到指静脉信息和指形信息的表征值之后,计算融合值,设融合值为FS,则
FS=w*Cs+(1-w)*Ed
其中,w为指静脉信息的权重,范围为[0,1],1-w为指形信息的权重,本发明实施例设置w为0.8,指形信息的权重1-w为0.2。
当计算的融合值大于预设阈值时,认为认证失败,当融合值小于预设阈值时,则认为认证成功。
进一步地,为了融合值的计算过程更加简单便捷,本发明实施例还可以在计算融合值之前,分别对指静脉信息和指形信息的表征值进行归一化处理。
设norm-Cs为归一化后的指静脉信息,则
Figure BDA0001891849150000111
其中,min(Cs)表示指静脉信息的表征值中的最小值,max(Cs)表示指静脉信息的表征值中的最大值。
norm-Ed为归一化后的指形信息,则
Figure BDA0001891849150000112
其中,min(Ed)表示指形信息的表征值中的最小值,max(Ed)表示指形信息的表征值中的最大值。
相应地,分别对指静脉信息和指形信息的表征值进行归一化处理之后,融合值的计算公式则为
FS=w*norm-Cs+(1-w)*norm-Ed
本发明实施例中,设身份认证的阈值为0.4177,当计算的融合值FS>0.4177时,认为认证失败,当FS≤0.4177时,可认为认证成功。
本发明实施例通过获取手指的至少两个侧面的指静脉图像,将该至少两个侧面的指静脉信息图像进行融合,然后提取融合后的指静脉图像中的指静脉信息和指形信息,最后根据提取的指静脉信息和指形信息进行加权融合认证,相对于现有技术中根据获取的单侧指静脉图像进行认证,本发明实施例由于获取的指静脉信息丰富,因此认证精度更高,适合于各种规模的认证场合;进一步地,由于本发明实施例对划分的每个图像块进行双方向编码,对手指的轻微旋转或者噪声具有较好的鲁棒性,提高了认证的效率和精度;进一步地,本发明实施例将指静脉信息和指形信息进行加权融合认证,使得认证信息更加丰富,从而进一步提高的认证精度。
参见图4,本申请提供了一种指静脉图像认证装置,该装置包括:获取模块21,融合模块22,第一提取模块23,第二提取模块24和认证模块25;
其中,获取模块21,用于获取手指的至少两个侧面的指静脉图像;
融合模块22,用于将获取模块21获取的至少两个侧面的指静脉图像进行融合,得到指静脉融合图像;
具体地,融合模块22包括获取单元221,截取单元222和融合单元223;
获取单元221,用于获取每个指静脉图像的指形图像;
截取单元222,用于根据获取单元221获取的每个指形图像,截取每个指静脉图像的感兴趣区域;
融合单元223,用于将截取单元222截取的每个指静脉图像的感兴趣区域进行融合,得到指静脉融合图像。
第一提取模块23,用于根据融合模块22得到的指静脉融合图像提取手指的指静脉信息;
具体地,第一提取模块23包括:划分单元231,编码单元232和转换单元233;
划分单元231,用于将指静脉融合图像划分为多个大小相同的图像块;
编码单元232,用于对划分单元231划分的每个图像块进行双方向编码,得到每个图像块的双方向编码值;
具体地,编码单元232采用指定方向的滤波器对划分的每个图像块进行卷积,将最大两个响应值对应的方向设置为对应图像块中像素点的双方向编码值。
转换单元233,用于将编码单元232得到的每个图像块的双方向编码值转换为对应的直方图,转换的所有直方图构成指静脉信息。
第二提取模块24,用于根据融合模块得到的指静脉融合图像提取手指的指形信息;
认证模块25,用于根据第一提取模块23提取的指静脉信息和第二提取模块24提取的指形信息进行加权融合认证。
具体地,认证模块25包括:第一计算单元251,第二计算单元252,第三计算单元253和认证单元254;
其中,第一计算单元251,用于计算指静脉信息的表征值;
第二计算单元252,用于计算指形信息的表征值;
第三计算单元253,用于根据指静脉信息的表征值和指形信息的表征值及其对应权重计算融合值;
认证单元254,用于根据第三计算单元253计算的融合值进行身份认证。
本发明实施例通过获取手指的至少两个侧面的指静脉图像,将该至少两个侧面的指静脉信息图像进行融合,然后提取融合后的指静脉图像中的指静脉信息和指形信息,最后根据提取的指静脉信息和指形信息进行加权融合认证,相对于现有技术中根据获取的单侧指静脉图像进行认证,本发明实施例由于获取的指静脉信息丰富,因此认证精度更高,适合于各种规模的认证场合;进一步地,由于本发明实施例对划分的每个图像块进行双方向编码,对手指的轻微旋转或者噪声具有较好的鲁棒性,提高了认证的效率和精度;进一步地,本发明实施例将指静脉信息和指形信息进行加权融合认证,使得认证信息更加丰富,从而进一步提高的认证精度。
参见图5,本申请提供了获取图1或图2中指静脉图像的成像设备,该设备包括:指托、固定板、红外光源、图像获取装置;
其中,指托为容纳手指的凹槽,设置在固定板上;
实际应用中,指托的数量可以根据实际需求来设置,指托可以设置为一个,也可以设置为两个以上,只要能容纳待认证的手指即可,本发明实施例中指托数量为两个,分为第一指托和第二指托,第一指托和第二指托间隔预设距离垂直设置在固定板的中间。其中,第一指托容纳指头的第一部分,第二指托容纳指头的第二部分,例如,第一部分为指尖,即第一指托容纳指尖,第二部分为指根,即第二指托容纳指根。本发明实施例对指托的数量不作具体限制。
实际应用中,指托的凹槽形状也可以根据实际需求来设置,比如,凹槽可以设置为圆弧形,也可以设置为方形或者倒三角形,只要能合理的容纳手指即可,本发明实施例对凹槽的具体形状不作限制。
图像获取装置和红外光源分别设置在指托中心竖线的两侧,即图像获取装置设置在指托中心竖线的一侧,红外光源设置在指托中心竖线的另一侧,图像获取装置用于在红外光源的照射下,获取同一根手指的至少两个侧面的指静脉图像。
进一步地,图像获取装置为两个,分别为第一图像获取装置和第二图像获取装置;红外光源为两组,分别为第一红外光源组和第二红外光源组;
第一图像获取装置和第一红外光源组均设置在所述指托中心竖线的一侧;
第二图像获取装置和第二红外光源组均设置在所述指托中心竖线的另一侧。
其中,第一红外光源组中红外光源可以是一个,也可以是多个,第二红外光源组中红外光源可以是一个,也可以是多个,本发明实施例对此不作具体限制。
实际应用中,可以将第一图像获取装置和第一红外光源组呈一体化组装,设为第一获取模块;将第二图像获取装置和第一红外光源组呈一体化组装,设为第二获取模块。这样使该指静脉成像设备的使用更加便捷。
进一步地,可以将第一获取模块和第二获取模块对称设置在指托中心竖线的两侧,使得获取的同一根手指的至少两个侧面的指静脉图像大小相同,便于后续认证过程的处理。
本发明实施例提供的指静脉成像设备可以一次性同时采集至少两个侧面的指静脉图像,也可以采用分时透射式方法采集至少两个侧面的指静脉图像。
本发明实施例以采集手指的指肚和指背两个侧面为例进行说明利用该指静脉成像设备获指静脉图像的过程:
a、首先将手指侧放置在上述指托上,指背和指肚均与摄像机镜面平行均与图像获取装置的镜面平行;
b、开启指肚一侧的红外光源和指背一侧的图像获取装置,该红外光源发出的红外光线从指肚穿过,将形成的指背静脉图像成像在指背一侧的图像获取装置上,得到指背静脉图像,然后关闭指肚一侧的红外光源和指背一侧的图像获取装置;
c、开启指背一侧的红外光源和指肚一侧的图像获取装置,指背一侧的红外光源发出的红外光线从指背穿过,将形成的指肚静脉图像成像在指肚一侧的相机上,得到指肚静脉图像,然后关闭指背一侧的红外光源和指肚一侧的图像获取装置。
本发明实施例提供的指静脉图像的成像设备可以简单快捷的获取指静脉图像,实用性强;进一步地,当指托为两个时,可以使得手指的放置位置更加稳定,使得获取的指静脉图像质量高,便于后续特征提取和认证过程的处理,提高认证精度;进一步地,将指托每一侧的图像获取装置和红外光源呈一体化组装,使该指静脉成像设备的使用过程更加便捷;进一步地,将一体化设计的第一获取模块和第二获取模块对称设置在指托中心竖线的两侧,使得获取的同一根手指的至少两个侧面的指静脉图像大小相同,便于后续特征提取和认证过程的处理,进一步地提高认证精度。
以上所述,仅是本申请的几个实施例,并非对本申请做任何形式的限制,虽然本申请以较佳实施例揭示如上,然而并非用以限制本申请,任何熟悉本专业的技术人员,在不脱离本申请技术方案的范围内,利用上述揭示的技术内容做出些许的变动或修饰均等同于等效实施案例,均属于技术方案范围内。

Claims (11)

1.一种指静脉图像认证方法,其特征在于,包括:
获取手指的至少两个侧面的指静脉图像;
将所述至少两个侧面的指静脉图像进行融合,得到指静脉融合图像;
根据所述指静脉融合图像提取手指的指静脉信息和指形信息;
根据指静脉信息和指形信息进行加权融合认证;
根据所述指静脉融合图像提取手指的指静脉信息,包括:
将指静脉融合图像划分为多个大小相同的图像块;
对划分的每个图像块进行双方向编码,得到每个图像块的双方向编码值;
将每个图像块的双方向编码值转换为对应的直方图,转换的所有直方图构成指静脉信息;
对划分的每个图像块进行双方向编码,得到每个图像块的双方向编码值,具体为:
采用指定方向的滤波器对划分的每个图像块进行卷积,将最大两个响应值对应的方向设置为对应图像块中像素点的双方向编码值。
2.根据权利要求1所述的方法,其特征在于,将所述至少两个侧面的指静脉图像进行融合,得到指静脉融合图像,包括:
获取每个指静脉图像的指形图像;
根据每个指形图像,截取每个指静脉图像的感兴趣区域;
将每个指静脉图像的感兴趣区域进行融合,得到指静脉融合图像。
3.根据权利要求1所述的方法,其特征在于,设[OF(x,y),OS(x,y)]为像素点(x,y)的双方向编码值,则
Figure FDA0003583382020000011
其中,Fj(x,y)是对每个图像块的卷积值,j1,j2是两个最大卷积值的方向索引;
Figure FDA0003583382020000012
其中,I为划分的指静脉图像块,I(x,y)为图像块中坐标(x,y)的灰度值,
Figure FDA0003583382020000021
为指定方向的Gabor滤波器,其方向为jπ/nθ,nθ=6,j={1,2,…12}。
4.根据权利要求1所述的方法,其特征在于,根据指静脉信息和指形信息进行加权融合认证,包括:
分别计算所述指静脉信息和所述指形信息的表征值;
根据所述指静脉信息和指形信息的表征值及其对应权重计算融合值;
根据所述融合值进行身份认证。
5.根据权利要求4所述的方法,其特征在于,设指静脉信息的表征值为Cs,则
Figure FDA0003583382020000022
其中,P是指静脉信息中特征值总数,DOCHE为标准指静脉信息,DOCHR为待认证的指静脉信息。
6.根据权利要求4所述的方法,其特征在于,设指形信息的表征值为Ed,则
Figure FDA0003583382020000023
其中,M为指形信息中特征值总数,WCCDE为标准指形信息,WCCDR是待认证指形信息。
7.根据权利要求4至6任一项所述的方法,其特征在于,设融合值为FS,则
FS=w*Cs+(1-w)*Ed
其中,Cs指静脉信息的表征值,w为指静脉信息的权重,Ed指形信息的表征值,1-w为指形信息的权重。
8.根据权利要求4所述的方法,其特征在于,在根据所述指静脉信息和指形信息的表征值及其对应权重计算融合值之前,还包括:
分别对指静脉信息和指形信息的表征值进行归一化处理;
相应的,根据所述融合值进行身份认证,为:
FS=w*norm-Cs+(1-w)*norm-Ed
其中,FS为融合值,w为指静脉信息的权重,norm-Cs为归一化后的指静脉信息,norm-Ed为归一化后的指形信息。
9.一种指静脉图像认证装置,其特征在于,包括:获取模块,融合模块,第一提取模块,第二提取模块和认证模块;
所述获取模块,用于获取手指的至少两个侧面的指静脉图像;
所述融合模块,用于将所述获取模块获取的至少两个侧面的指静脉图像进行融合,得到指静脉融合图像;
第一提取模块,用于根据融合模块得到的指静脉融合图像提取手指的指静脉信息;
第二提取模块,用于根据融合模块得到的指静脉融合图像提取手指的指形信息;
认证模块,用于根据第一提取模块提取的指静脉信息和第二提取模块提取的指形信息进行加权融合认证;
所述第一提取模块包括:划分单元,编码单元和转换单元;
划分单元,用于将指静脉融合图像划分为多个大小相同的图像块;
编码单元,用于对划分单元划分的每个图像块进行双方向编码,得到每个图像块的双方向编码值;
转换单元,用于将编码单元得到的每个图像块的双方向编码值转换为对应的直方图,转换的所有直方图构成指静脉信息;
对划分的每个图像块进行双方向编码,得到每个图像块的双方向编码值,具体为:
采用指定方向的滤波器对划分的每个图像块进行卷积,将最大两个响应值对应的方向设置为对应图像块中像素点的双方向编码值。
10.根据权利要求9所述的装置,其特征在于,所述融合模块包括获取单元,截取单元和融合单元;
获取单元,用于获取每个指静脉图像的指形图像;
截取单元,用于根据获取单元获取的每个指形图像,截取每个指静脉图像的感兴趣区域;
融合单元,用于将截取单元截取的每个指静脉图像的感兴趣区域进行融合,得到指静脉融合图像。
11.根据权利要求9所述的装置,其特征在于,所述认证模块包括:第一计算单元,第二计算单元,第三计算单元和认证单元;
所述第一计算单元,用于计算指静脉信息的表征值;
所述第二计算单元,用于计算指形信息的表征值;
所述第三计算单元,用于根据所述指静脉信息的表征值和指形信息的表征值及其对应权重计算融合值;
所述认证单元,用于根据所述第三计算单元计算的融合值进行身份认证。
CN201811474491.8A 2018-12-04 2018-12-04 一种指静脉图像认证方法及装置 Active CN109598235B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811474491.8A CN109598235B (zh) 2018-12-04 2018-12-04 一种指静脉图像认证方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811474491.8A CN109598235B (zh) 2018-12-04 2018-12-04 一种指静脉图像认证方法及装置

Publications (2)

Publication Number Publication Date
CN109598235A CN109598235A (zh) 2019-04-09
CN109598235B true CN109598235B (zh) 2022-05-17

Family

ID=65960882

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811474491.8A Active CN109598235B (zh) 2018-12-04 2018-12-04 一种指静脉图像认证方法及装置

Country Status (1)

Country Link
CN (1) CN109598235B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111209851B (zh) * 2020-01-04 2023-06-20 圣点世纪科技股份有限公司 一种基于指腹静脉和指背静脉深度融合的指静脉识别方法
CN111310688B (zh) * 2020-02-25 2023-04-21 重庆大学 一种基于多角度成像的手指静脉识别方法
CN113673477A (zh) * 2021-09-02 2021-11-19 青岛奥美克生物信息科技有限公司 掌静脉非接触式三维建模方法、装置及认证方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4207717B2 (ja) * 2003-08-26 2009-01-14 株式会社日立製作所 個人認証装置
CN102043961B (zh) * 2010-12-02 2013-12-11 北京交通大学 静脉特征提取方法及利用双指静脉和指形特征进行身份认证的方法
KR102157313B1 (ko) * 2013-09-03 2020-10-23 삼성전자주식회사 촬영된 영상을 이용하여 객체를 인식하는 방법 및 컴퓨터 판독 가능한 기록 매체
CN107122700A (zh) * 2017-03-02 2017-09-01 华南理工大学 一种基于视频的掌纹掌脉联合注册和识别方法
CN106919941B (zh) * 2017-04-26 2018-10-09 华南理工大学 一种三维手指静脉识别方法及系统

Also Published As

Publication number Publication date
CN109598235A (zh) 2019-04-09

Similar Documents

Publication Publication Date Title
JP7242528B2 (ja) モバイルデバイスを用いてキャプチャした画像を使用する、指紋によるユーザ認証を実施するためのシステムおよび方法
Rowe et al. A multispectral whole-hand biometric authentication system
Vijayan et al. Twins 3D face recognition challenge
Zhang et al. Robust palmprint verification using 2D and 3D features
US8265347B2 (en) Method and system for personal identification using 3D palmprint imaging
US10922512B2 (en) Contactless fingerprint recognition method using smartphone
US20180300571A1 (en) Finger vein identification method and device
Jaswal et al. DeepKnuckle: revealing the human identity
CN109598235B (zh) 一种指静脉图像认证方法及装置
Bakshi et al. A novel phase-intensive local pattern for periocular recognition under visible spectrum
US10922399B2 (en) Authentication verification using soft biometric traits
US9449217B1 (en) Image authentication
Alheeti Biometric iris recognition based on hybrid technique
JP2006500662A (ja) 掌紋認証方法及び装置
Krishneswari et al. A review on palm print verification system
Ilankumaran et al. Multi-biometric authentication system using finger vein and iris in cloud computing
Bai et al. Person recognition using 3-D palmprint data based on full-field sinusoidal fringe projection
Maček et al. Multimodal biometric authentication in IoT: Single camera case study
Choras Multimodal biometrics for person authentication
Yang et al. A novel system and experimental study for 3D finger multibiometrics
Rajaram et al. Convolutional neural network based children recognition system using contactless fingerprints
Aljuboori et al. Finger knuckle pattern person identification system based on LDP-NPE and machine learning methods
SulaimanAlshebli et al. The cyber security biometric authentication based on liveness face-iris images and deep learning classifier
Patil et al. Fingerprint recognition for Library management
Patil et al. Multimodal biometric identification system: Fusion of Iris and fingerprint

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