CN109766836A - 一种指静脉识别解锁方法及系统 - Google Patents

Abstract

本发明公开一种指静脉识别解锁方法及系统，所述方法在图像预处理阶段对手指静脉图像进行了二值化、去噪、感兴趣区域提取、增强和归一化等操作，准确的提取出感兴趣区域，图像分割后再次进行去噪、填充空洞、滤除毛刺和骨骼化等图像后处理，能够快速、高效地提取出指静脉特征清晰有效的手指静脉待识别样本，将所述手指静脉待识别样本与数据库中存储的手指静脉识别模板进行快速匹配，匹配成功则输出解锁信号进行解锁，提高了指静脉识别、解锁效率。

Description

一种指静脉识别解锁方法及系统

技术领域

本发明涉及指静脉解锁技术领域，特别是涉及一种指静脉识别解锁方法及系统。

背景技术

在信息化的今天，信息安全受到社会的广泛关注，人们对信息安全也提出了更新、更高的要求。利用人体固有特征如指纹、静脉、语音、虹膜、人脸等生物识别的身份认证以其突出的优点逐步替代传统的钥匙、IC卡、密码等解锁方式。

近年来，较多解锁方式开始通过生物特征进行解锁。如专利201810564041.1公开了一种人脸识别系统，通过信息处理模块对人脸图像进行处理，并通过多个门禁设备分工合作，提高门禁的处理速度；但此种解锁方式易受体型变化、化妆技术等外界因素影响而造成开锁不便。为解决这样的问题，专利201810683371.2提出了基于指纹解锁的防盗门，减少了因自身原因而影响开锁效率的问题，但指纹易被伪造、污染，导致安全性降低。

医学证明，每个人的指静脉血管影像都是独一无二的。利用手指静脉识别进行解锁是近年来生物认证技术开辟的新领域，在安全性、实用性、便捷性方面均优于其它生物识别技术。生物特征识别技术利用人体固有的生物特征来进行身份识别，不容易被遗忘及窃取，在信息安全方面具有广泛的应用。指静脉识别作为一种非接触式、活体识别的生物识别技术，其基本原理为：利用手指内的静脉分布图像来进行身份识别，当手指伸进有预定波长的近红外扫描仪时，手指中的血红蛋白吸收近红外光，从而形成手指静脉血管影像，经过一系列图像处理的操作，形成特定的指静脉模板进行储存，与欲解锁的手指静脉影像进行比对，即可完成解锁。

由此可见，指静脉图像识别处理过程正是指静脉解锁技术的关键所在。现有技术如专利201810314667.7，一种智能门禁系统，其整体设计比较完整，针对于整体外观设计比较全面，但是整体体积较大，不便于对作品进行可扩展性发展。专利201820611491.7采用了另一种设计方式，使得产品体积较小但两者对于实际的指静脉图像处理部分却很少提及。现有对指静脉图像进行处理的过程少之又少，并且普遍存在静脉特征提取不准确、不清晰，导致识别不准确、解锁效率低的问题。

发明内容

本发明的目的是提供一种指静脉识别解锁方法及系统，以解决现有指静脉识别解锁过程对指静脉特征识别不准确、解锁效率低的问题。

为实现上述目的，本发明提供了如下方案：

一种指静脉识别解锁方法，所述指静脉识别解锁方法包括：

获取待识别的手指静脉图像；

对所述手指静脉图像进行预处理，生成预处理后的手指静脉图像；

采用Niblack算法对所述预处理后的手指静脉图像进行图像分割，生成分割后手指静脉图像；

对所述分割后手指静脉图像依次进行去噪、填充空洞、滤除毛刺和骨骼化处理，生成手指静脉待识别样本；

获取数据库中存储的手指静脉识别模板；

判断所述手指静脉待识别样本是否与所述手指静脉识别模板相匹配，获得第一判断结果；

若所述第一判断结果为所述手指静脉待识别样本与所述手指静脉识别模板相匹配，输出解锁信号进行解锁；

若所述第一判断结果为所述手指静脉待识别样本与所述手指静脉识别模板不匹配，不输出解锁信号。

可选的，所述对所述手指静脉图像进行预处理，生成预处理后的手指静脉图像，具体包括：

对所述手指静脉图像进行灰度化处理之后进行滤波，生成滤波后手指静脉图像；

通过索贝尔算子对所述滤波后手指静脉图像进行边缘检测，检测出所述滤波后手指静脉图像中的感兴趣区域；

对检测出的所述感兴趣区域的边缘利用形态学闭运算去除小的空洞点，填补断裂，使边缘线光滑连续，再利用骨骼化算法细化边缘，生成带感兴趣区域的手指静脉图像；

根据所述感兴趣区域的边缘线裁剪所述带感兴趣区域的手指静脉图像，提取出感兴趣区域的手指静脉图像；

采用仿射变换对所述感兴趣区域的手指静脉图像进行尺寸归一化处理，生成归一化后的手指静脉图像；

采用自适应直方图均衡算法对所述归一化后的手指静脉图像进行图像增强处理，生成预处理后的手指静脉图像。

可选的，所述采用Niblack算法对所述预处理后的手指静脉图像进行图像分割，生成分割后手指静脉图像，具体包括：

采用Niblack算法计算所述预处理后的手指静脉图像中像素点(x,y)的邻域内像素点的均值m(x,y)和标准方差s(x,y)；

根据所述均值m(x,y)和所述标准方差s(x,y)确定图像分割阈值T(x,y)；

根据所述图像分割阈值T(x,y)对所述预处理后的手指静脉图像进行图像分割，生成分割后手指静脉图像。

可选的，所述对所述分割后手指静脉图像依次进行去噪、填充空洞、滤除毛刺和骨骼化处理，生成手指静脉待识别样本，具体包括：

采用噪点函数对所述分割后手指静脉图像进行去噪处理，生成去噪后手指静脉图像；

采用基于形态学变化的膨胀函数填充所述去噪后手指静脉图像中的空洞，生成填充后手指静脉图像；

采用中值滤波方法滤除所述填充后手指静脉图像中的毛刺，生成滤除毛刺后的手指静脉图像；

通过骨骼化算法细化所述滤除毛刺后的手指静脉图像中的静脉纹路，保持静脉纹路的走向和拓扑结构，抽取出静脉纹路的骨架作为所述手指静脉待识别样本。

一种指静脉识别解锁系统，所述指静脉识别解锁系统包括：

图像获取模块，用于获取待识别的手指静脉图像；

图像预处理模块，用于对所述手指静脉图像进行预处理，生成预处理后的手指静脉图像；

图像分割模块，用于采用Niblack算法对所述预处理后的手指静脉图像进行图像分割，生成分割后手指静脉图像；

图像后处理模块，用于对所述分割后手指静脉图像依次进行去噪、填充空洞、滤除毛刺和骨骼化处理，生成手指静脉待识别样本；

模板获取模块，用于获取数据库中存储的手指静脉识别模板；

模板匹配模块，用于判断所述手指静脉待识别样本是否与所述手指静脉识别模板相匹配，获得第一判断结果；

解锁模块，用于若所述第一判断结果为所述手指静脉待识别样本与所述手指静脉识别模板相匹配，输出解锁信号进行解锁；

保持锁定模块，用于若所述第一判断结果为所述手指静脉待识别样本与所述手指静脉识别模板不匹配，不输出解锁信号。

可选的，所述图像预处理模块具体包括：

灰度化及滤波单元，用于对所述手指静脉图像进行灰度化处理之后进行滤波，生成滤波后手指静脉图像；

边缘检测单元，用于通过索贝尔算子对所述滤波后手指静脉图像进行边缘检测，检测出所述滤波后手指静脉图像中的感兴趣区域；

感兴趣区域处理单元，用于对检测出的所述感兴趣区域的边缘利用形态学闭运算去除小的空洞点，填补断裂，使边缘线光滑连续，再利用骨骼化算法细化边缘，生成带感兴趣区域的手指静脉图像；

图像裁剪单元，用于根据所述感兴趣区域的边缘线裁剪所述带感兴趣区域的手指静脉图像，提取出感兴趣区域的手指静脉图像；

归一化处理单元，用于采用仿射变换对所述感兴趣区域的手指静脉图像进行尺寸归一化处理，生成归一化后的手指静脉图像；

图像增强单元，用于采用自适应直方图均衡算法对所述归一化后的手指静脉图像进行图像增强处理，生成预处理后的手指静脉图像。

可选的，所述图像分割模块具体包括：

均值及标准方差计算单元，用于采用Niblack算法计算所述预处理后的手指静脉图像中像素点(x,y)的邻域内像素点的均值m(x,y)和标准方差s(x,y)；

分割阈值确定单元，用于根据所述均值m(x,y)和所述标准方差s(x,y)确定图像分割阈值T(x,y)；

图像分割单元，用于根据所述图像分割阈值T(x,y)对所述预处理后的手指静脉图像进行图像分割，生成分割后手指静脉图像。

可选的，所述图像后处理模块具体包括：

去噪单元，用于采用噪点函数对所述分割后手指静脉图像进行去噪处理，生成去噪后手指静脉图像；

空洞填充单元，用于采用基于形态学变化的膨胀函数填充所述去噪后手指静脉图像中的空洞，生成填充后手指静脉图像；

毛刺滤除单元，用于采用中值滤波方法滤除所述填充后手指静脉图像中的毛刺，生成滤除毛刺后的手指静脉图像；

静脉纹路抽取单元，用于通过骨骼化算法细化所述滤除毛刺后的手指静脉图像中的静脉纹路，保持静脉纹路的走向和拓扑结构，抽取出静脉纹路的骨架作为所述手指静脉待识别样本。

根据本发明提供的具体实施例，本发明公开了以下技术效果：

本发明提供了一种指静脉识别解锁方法及系统，所述方法首先获取图像采集装置采集的待识别的手指静脉图像；并对所述手指静脉图像进行预处理，采用Niblack算法对预处理后的手指静脉图像进行图像分割，再对分割后手指静脉图像依次进行去噪、填充空洞、滤除毛刺和骨骼化处理，生成手指静脉待识别样本；将所述手指静脉待识别样本与数据库中预先存储的手指静脉识别模板进行匹配，匹配成功则输出解锁信号进行解锁。本发明在图像预处理阶段对手指静脉图像进行了二值化、去噪、感兴趣区域提取、增强和归一化等操作，准确的提取出感兴趣区域，图像分割后再次进行去噪、填充空洞、滤除毛刺和骨骼化等图像后处理，能够快速、高效地提取出指静脉特征清晰有效的手指静脉待识别样本，将其与数据库中存储的手指静脉识别模板进行快速匹配，能够迅速确定是否输出解锁信号进行解锁，提高了指静脉识别、解锁效率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明提供的指静脉识别解锁方法的方法流程图；

图2为本发明提供的指静脉识别解锁装置的结构示意图；

图3为本发明提供的图像采集装置的外壳结构示意图；

图4为本发明提供的图像采集装置的指槽底座结构示意图；

图5为本发明提供的图像处理流程示意图；

图6为本发明提供的边缘检测过程示意图；

图7为本发明提供的感兴趣区域示意图；

图8为本发明提供的图像增强处理效果示意图；

图9为本发明提供的Niblack图像分割效果示意图；

图10为本发明提供的采用噪点函数去噪后的手指静脉图像示意图；

图11为本发明提供的经过形态学膨胀处理后的填充后手指静脉图像示意图；

图12为本发明提供的手指静脉待识别样本的骨骼化图像示意图；

图13为本发明提供的静脉纹路二值图旋转过程示意图；

图14为本发明提供的膨胀滤波后得到的手指静脉识别模板的示意图；

图15为本发明提供的指静脉识别解锁装置的控制流程示意图；

图16为本发明提供的门锁驱动电路的原理图；

图17为本发明提供的显示屏的显示流程图；

图18为本发明提供的云平台连接工作原理图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。

本发明的目的是提供一种指静脉识别解锁方法及系统，主要实现根据采集的人体手指静脉图像，提取静脉图像RIO并进行特征处理，完成用户录入静脉数据库以及数据库的匹配识别的处理及交互，形成门禁系统的控制功能并与IOT平台介入，最终实现系统的实时监控与记录，以解决现有指静脉识别解锁过程对指静脉特征识别不准确、解锁效率低的问题。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

图1为本发明提供的指静脉识别解锁方法的方法流程图。参见图1，所述指静脉识别解锁方法包括：

步骤101：获取待识别的手指静脉图像。

指静脉身份识别是一种根据指静脉血管影像来判别个人身份的一种生物特征技术，首先通过近红外扫描仪得个人手指静脉分布图，使用比对算法提取手指静脉分布图特征值，将手指静脉的数字图像存贮在计算机系统中，将特征值进行存储。本发明方法可以由一种指静脉识别解锁装置实现。图2为本发明提供的指静脉识别解锁装置的结构示意图。如图2所示，所示指静脉识别解锁装置包括图像采集装置201、图像处理装置202和核心控制装置203。所述图像采集装置201、图像处理装置202和核心控制装置203依次连接，且所述核心控制装置203中的外部电源设备为所述图像采集装置201和所述图像处理装置202供电。所述图像采集装置201用于获取待识别的手指静脉图像。

本发明提供的所述图像采集装置201包括：外壳、指槽底座、摄像机、光源驱动板和光源。图3为本发明提供的图像采集装置的外壳结构示意图。图4为本发明提供的图像采集装置的指槽底座结构示意图。如图3所示，所述外壳1顶部设有摄像头安装槽3，所述摄像机的摄像头安装在所述摄像头安装槽3内；所述外壳1底部前方设有卡槽4，用于卡接所述指槽底座2。所述指槽底座2包括指槽6和两个插板7；两个所述插板7设置在所述指槽6的两侧。所述光源驱动板安装在两个所述插板7构成的凹槽8内。所述光源安装在所述指槽6内。所述光源驱动板与所述光源连接，用于为所述光源提供驱动电源。所述外壳1底部后方设有光源驱动板供电口5，用于接入外部电源。所述外部电源为所述光源驱动板供电。

如图4所示，所述指槽6包括光源安装板601和在所述光源安装板601两侧对称设置的两个侧板602。由于每个人的手指大小不一，因此将两个所述侧板602倾斜设置在所述光源安装板601的两侧，形成类似梯形的形状设计，使得不同大小的手指均可适用于本装置。对于人群手指大小差距不大的情况，在本装置类似梯形的指槽6内微调手指位置即可实现准确的手指静脉图像采集；对于手指大小差距较大的人群，可以通过拆卸和更换不同尺寸的指槽6，使本装置适用于不同人群手指静脉图像的采集。

由于指尖相对于整个手指较窄，所以将指槽6设计为从指腹位置到指尖位置逐渐变窄的结构，即设置两个所述侧板602之间的距离沿所述光源安装板601的长度方向逐渐变窄，从而避免装置在指尖部分漏光，使手指与指槽形状更加贴合。

所述侧板602设置在所述光源安装板601上方；所述插板7设置在所述光源安装板601下方。所述插板7为L形；安装在所述指槽6两侧的两个L形的所述插板7中间形成所述凹槽8。所述光源驱动板安装在所述凹槽8内。通过对L形插板7和卡槽4的设计，使得指槽底座2可活动的放在外壳1的卡槽4处，使指槽6可以与外壳1合体，结构更加紧凑。

所述光源安装板601中间设置多个光源安装口603。多个所述光源安装口603用于安装多个光源，所述光源的数量与所述光源安装口603的数量相同，多个所述光源依次安装在所述光源安装口603内。根据红外采集原理，只有波长在0.72～1.1μm范围内的近红外光照射手指时，指静脉血管的结构才能清晰显现。近红外二极管的出射功率与有效照明距离、照明视场等因素有关，考虑到本发明中所述光源的照明距离约为2～4mm，照明视场根据手指大小为不超过半径为2cm的范围，同时考虑摄像机与850nm近红外光的光谱匹配系数以及影响系统成像的其他因素，并通过对各种近红外LED基本性能参数的分析对比，最终选择输出功率为0.2W，波长为850nm的近红外二极管作为解锁方法的光源。

红外发光二极管的阵列结构可以有多种形式，不同的阵列结构，发射光强度的分配将不同。本发明红外发光二极管的阵列结构采用二维单线阵列结构，即将多个红外发光二极管沿手指长度方向沿一条线依次排列的阵列结构，可保证发射光源集中，由于单个手指是类似于椭圆体的形状，中心厚、边缘薄，单线阵列刚好能均匀覆盖整个手指，并且不会因为光源的多余而造成手指边缘漏光，从而影响图像处理。具体排布如图2所示，多个所述光源安装口603在所述光源安装板601的长度方向(即手指长度方向)沿一条线排列。根据850nm近红外光源的辐射半角，计算LED间距为15mm最为合适。因此本发明采用的所述光源安装口603优选为为圆形安装口，为保证照射均匀，相邻两个所述光源安装口603的圆心之间的距离为15mm。

本发明采用的摄像机为USB720P纯近红外窄带850nm波段工业相机，屏蔽可见光，只允许850nm波段附近的光线通过，其摄像头安装于图1的摄像头安装槽3内。所述摄像头安装槽3的尺寸设计为摄像头的宽度，保证整个解锁方法的密封性。外壳1上安装摄像机、指槽底座、光源驱动板和外部电源后，形成密封结构，解锁方法外壳采用的这种封闭型设计，能够有效避免外界光照对图像处理的影响，提高采集的手指静脉图像的质量。并且指槽底座2采用了梯度活动式设计，可以灵活的拆卸和更换不同尺寸的指槽6，能够适用于不同人群手指静脉图像的采集，扩大了适用人群范围。

所述图像采集装置201采集待识别的手指静脉图像后，将其通过物联网存入数据库中，可以从数据库中直接获取待识别的手指静脉图像进行后续处理。

其中物联网(IOT)指的是将各种信息传感设备与互联网结合起来而形成的一个巨大网络，使物品都能与网络连接在一起，方便识别和管理。本发明主要通过设备与IOT平台(OneNET云平台)相连，将开锁的用户信息上传至互联网。

步骤102：对所述手指静脉图像进行预处理，生成预处理后的手指静脉图像。

针对于手指静脉识别部分，主要分为训练阶段和匹配阶段，本发明运用C#编程语言调用OpenCV库并搭载Linux系统进行图像处理，采集的手指静脉图像均经过预处理、特征提取和特征匹配过程。在预处理过程中，通常需要对采集的原始图像进行二值化、去噪、ROI区域提取、增强和归一化等操作，目的是便于后续提取出更清晰有效的静脉特征作为“锁芯”，并将处理好的手指静脉图像作为“钥匙”进行“解锁”。

其中OpenCV库是一个基于BSD许可(开源)发行的跨平台计算机视觉库，可在各大操作系统上运行，由一系列C语音函数和少量C++类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。

ROI(regionofinterest)是指感兴趣区域，机器视觉、图像处理中，在被处理的图像中以方框、圆、椭圆、不规则多边形等方式勾勒出需要处理的区域，称为感兴趣区域。

本发明提供的指静脉识别解锁方法及系统主要搭载在linux操作系统上运行，调用OpenCV开源视觉库对所获取的手指静脉图像进行处理，其主要的处理流程如图5所示。所述指静脉识别方法分为训练阶段和测试阶段，手指静脉图像均经过预处理、特征提取和特征匹配。手指静脉图像的获取是后续处理的基础。在预处理过程中，通常需要对采集的原始图像进行二值化、去噪、ROI区域提取、增强和归一化等操作，目的是便于后续提取出更清晰有效的静脉特征。特征提取过程的目标是提取出能够代表手指静脉的特征，即任何一个手指静脉图像均能用这个特征表示出来。

为了更好地对图像进行特征提取，需要对采集到的手指静脉图像进行预处理。预处理过程主要包括以下几个步骤：

利用边缘线裁剪图像，提取出感兴趣(ROI)区域，通过仿射变换完成图像尺寸归一化，自适应直方图均衡算法完成图像增强。

a.对所述手指静脉图像进行灰度化处理之后进行滤波，生成滤波后手指静脉图像；通过索贝尔算子(Soble算子)对所述滤波后手指静脉图像进行边缘检测，定位出所述滤波后手指静脉图像中的感兴趣区域。边缘检测过程如图6所示。

b.对检测出的所述感兴趣区域的边缘利用形态学闭运算去除小的空洞点，填补断裂，使边缘线光滑连续，再利用骨骼化算法细化图像边缘，生成带感兴趣区域的手指静脉图像，感兴趣区域如图7所示；

c.根据所述感兴趣区域的边缘线裁剪所述带感兴趣区域的手指静脉图像，提取出感兴趣区域的手指静脉图像；通过仿射变换对所述感兴趣区域的手指静脉图像进行尺寸归一化处理，生成归一化后的手指静脉图像；采用自适应直方图均衡算法对所述归一化后的手指静脉图像进行图像增强处理，处理效果如图8所示，生成所述预处理后的手指静脉图像。

步骤103：采用Niblack算法对所述预处理后的手指静脉图像进行图像分割，生成分割后手指静脉图像。

由于光照不均匀等原因，使得图像识别目标和背景的灰度、对比度在同一图像中不同，因此在图像的不同区域需要自适应的确定阈值，Niblack算法就是一种简单有效的动态阈值算法，算法以当前像素点(x,y)为中心，灰度值设为f(i,j)，在其r×r邻域内，计算邻域内像素点的均值m(x,y)和标准方差s(x,y)，由均值和标准方差确定阈值T(x,y)。具体计算方法如公式(1)、(2)、(3)：

T(x,y)＝m(x,y)+k×s(x,y) (3)

其中k为系数。根据所述图像分割阈值T(x,y)对所述预处理后的手指静脉图像进行图像分割，生成分割后手指静脉图像，分割效果如图9所示。

步骤104：对所述分割后手指静脉图像依次进行去噪、填充空洞、滤除毛刺和骨骼化处理，生成手指静脉待识别样本。

采用Niblack算法对图像进行二值化后，生成的分割后手指静脉图像中，手指静脉纹路中存在许多孤立的斑点、块状噪声以及细小空洞，边缘区域还存在毛刺。为了便于后期手指静脉纹路的细化及特征识别与匹配，必须去除斑点噪声，填充空洞。

本发明采用噪点函数，通过计算连通域的大小去除图像中孤立的点和块状噪声，对所述分割后手指静脉图像进行去噪处理，生成去噪后手指静脉图像，去噪后手指静脉图像如图10所示。再采用基于形态学变化的膨胀函数填充所述去噪后手指静脉图像中的空洞，生成填充后手指静脉图像，经过形态学膨胀得到的填充后手指静脉图像如图11所示。

利用中值滤波方法滤除所述填充后手指静脉图像中的毛刺，生成滤除毛刺后的手指静脉图像；最后通过骨骼化算法细化所述滤除毛刺后的手指静脉图像中的静脉纹路，保持静脉纹路的走向和拓扑结构，抽取出静脉纹路的骨架作为所述手指静脉待识别样本，如图12所示。

步骤105：获取数据库中存储的手指静脉识别模板。

本发明采用一种基于静脉拓扑结构进行比对的模板匹配算法，将得到的静脉纹路的骨架作为待识别样本的模板与数据库中的模板进行匹配。但在实际采集静脉图像的过程中，不可避免的会存在手指平移、旋转等位置的变化，使每次采集的图像都存在差异。因此在制作数据库中的手指静脉识别模板时，需要将提取到的静脉纹路二值图(静脉纹路的骨架)旋转±1°或±2°，然后将得到的图像用逻辑‘或’融合在一起，再进行形态学膨胀运算得到最终的手指静脉识别模板，其中间过程和最终效果如图13和图14所示。

将最终的手指静脉识别模板存入模板数据库中，在进行手指静脉待识别样本的匹配识别时直接与模板数据库中的模板进行对比。

步骤106：判断所述手指静脉待识别样本是否与所述手指静脉识别模板相匹配，获得第一判断结果。

本发明针对其他指静脉识别方法匹配速度慢的问题，提出一种快速模板匹配方法，判断所述手指静脉待识别样本是否与所述手指静脉识别模板相匹配，具体步骤如下：

a.遍历所述手指静脉待识别样本，计算所述手指静脉待识别样本图像中非零像素点出现的最小和最大的行列值，并以此为依据对图像进行裁剪，使保留部分为所包含所有静脉纹路的最小尺寸，并计算构成所有静脉纹路的总点值Z₀。其中非零像素点出现的最小和最大的行列值是指所截取的包含所有指静脉纹路的最小尺寸图像位于感兴趣区域的坐标。裁剪后的图像大小比裁剪前图像要小，但是包含所有指静脉纹路，采用裁剪后的待识别样本图像进行匹配计算，能够减少匹配时间，并节约模板存储的空间。

b.计算大小为Q×P的手指静脉识别模板与大小为M×N的手指静脉待识别样本行列数的差值，确定待识别样本的平移范围。其中行列数的差值是由包含所有静脉纹路的裁剪后的图像与手指静脉识别模板的行列值作差得到，根据所述差值来确定手指静脉待识别样本平移的范围及次数。

c.平移所述手指静脉待识别样本，计算当前手指静脉识别模板与手指静脉待识别样本的相对位置下，待识别样本与数据库模板进行逻辑‘与’运算后生成的新图像的静脉纹路的总点数Z₁，计算公式如公式(4)所示：

其中I(i,j)为手指静脉待识别样本的图像像素值，i,j为图像矩阵的行列值，(s,t)为手指静脉待识别样本与手指静脉识别模板相对起始位置的坐标，R(i+s,j+t)为手指静脉识别模板的像素值。

d.求出平移过程中所有新图像的静脉纹路的像素总点数Z1的最大值Z_max，将Z_max/Z₀的比值作为匹配率，判断是否匹配成功。

本发明通过裁剪使图像需要循环匹配的次数大大减少，极大的缩短了匹配时间。同时在保证准确率的基础上，为了进一步提高图像的识别速度，在图像平移过程中，不以一个像素点作为平移单位，而以两个像素点作为平移单位，确定最大值的位置(i,j)后，再计算从(i-1，j-1)为起点平移到(i+1,j+1)范围内的最大值Z_max。

当提取静脉纹路丰富的图像时，生成的数据库模板(即手指静脉识别模板)中会有很多静脉纹路点，或者感兴趣区域提取错误时，手指静脉待识别样本中会有大面积伪静脉纹路点，以上两种都会使其在匹配过程中容易与其他样本在‘与’运算中生出更多的静脉纹路点数，导致匹配错误。针对上述缺点，本发明进行了修正，在存储手指静脉识别模板时，也相应的存储了模板在对应骨骼化图像中的静脉纹路点数，在进行匹配前，先计算二者点数的比例，如果比例值过小或者过大，都将判定其为不同手指，不予进行模板与样本之间的匹配。通过实验证明，该比例值范围选取在[0.85,1.15]之间效果最好，能极大地减少错误匹配出现的次数。

即，判断所述匹配率是否在所述比例值范围内，若是则所述所述第一判断结果为所述手指静脉待识别样本与所述手指静脉识别模板相匹配；若所述匹配率过小或过大，超出了所述比例值范围，则所述第一判断结果为所述手指静脉待识别样本与所述手指静脉识别模板不匹配。

步骤107：若所述第一判断结果为所述手指静脉待识别样本与所述手指静脉识别模板相匹配，输出解锁信号进行解锁；

步骤108：若所述第一判断结果为所述手指静脉待识别样本与所述手指静脉识别模板不匹配，则不输出解锁信号。

图2中的所述核心控制装置203采用STM32F103系列芯片作为核心处理器，主要用于控制图像采集装置201，并与图像处理装置202进行通信，从而控制锁的状态并通过OLED屏幕进行显示，接入IOT平台将开锁信息上传至OneNET云平台。所述指静脉识别解锁装置的控制流程如图15所示。

锁的主要材质是经过了电镀工艺处理后的铁，防锈能力更强，性能稳定、坚固耐用，锁芯平滑无毛刺，开关顺畅不卡舌。门锁驱动电路只需3.7V-5V的电压输入，就能达到12V以上电压的输出，完全满足电磁锁的驱动。门锁驱动电路的具体原理如图16所示。其中门锁驱动电路的核心芯片MC34063输入为5-13v电压，输出为1.5A、12V电压。

本发明通过IIC通信控制0.96寸OLED屏幕显示门锁状况，同时增加更换模式按键构成人机交互图形界面，进而实现指静脉的录入和匹配两种模式操作。本发明预先录入多个用户的手指静脉图像，进而实现多用户解锁，具体的显示流程如图17所示。

本发明通过WiFi模块使得指静脉识别解锁装置与OneNET平台相连，根据不同用户的开锁情况，将开锁时间及开锁的用户信息上传至云平台实现装置实际开锁情况的记录。具体工作原理如图18所示。

本发明方法采用C++语言模块化编程，搭载在linux操作系统内，调用OpenCV开源视觉库对所获取的指静脉图像进行处理，使图像处理更加高效。根据不同区块的类型对Niblack算法设置不同的参数进行分割，并通过直接二值非静脉点加速和优化Niblack算法。在匹配识别时对现有的模板匹配算法进行了改进，提出了一种基于静脉拓扑结构的快速模板匹配算法，算法中通过裁剪使图像需要循环匹配的次数大大减少，提高匹配效率和手指静脉匹配识别率。本发明方法还通过接入IOT平台实现装与互联网的联通，当每次开锁时，装置会通过WiFi模块将开锁的用户信息发送至OneNET云平台，便于用户远程查看家里的实际情况，使得本发明方法和装置更加智能化，便捷人们的生活。

基于本发明提供的指静脉识别解锁方法及装置，本发明还提供一种指静脉识别解锁系统，所述指静脉识别解锁系统包括：

图像获取模块，用于获取待识别的手指静脉图像；

图像预处理模块，用于对所述手指静脉图像进行预处理，生成预处理后的手指静脉图像；

图像分割模块，用于采用Niblack算法对所述预处理后的手指静脉图像进行图像分割，生成分割后手指静脉图像；

图像后处理模块，用于对所述分割后手指静脉图像依次进行去噪、填充空洞、滤除毛刺和骨骼化处理，生成手指静脉待识别样本；

模板获取模块，用于获取数据库中存储的手指静脉识别模板；

模板匹配模块，用于判断所述手指静脉待识别样本是否与所述手指静脉识别模板相匹配，获得第一判断结果；

解锁模块，用于若所述第一判断结果为所述手指静脉待识别样本与所述手指静脉识别模板相匹配，输出解锁信号进行解锁；

保持锁定模块，用于若所述第一判断结果为所述手指静脉待识别样本与所述手指静脉识别模板不匹配，不输出解锁信号。

其中，所述图像预处理模块具体包括：

灰度化及滤波单元，用于对所述手指静脉图像进行灰度化处理之后进行滤波，生成滤波后手指静脉图像；

边缘检测单元，用于通过索贝尔算子对所述滤波后手指静脉图像进行边缘检测，检测出所述滤波后手指静脉图像中的感兴趣区域；

感兴趣区域处理单元，用于对检测出的所述感兴趣区域的边缘利用形态学闭运算去除小的空洞点，填补断裂，使边缘线光滑连续，再利用骨骼化算法细化边缘，生成带感兴趣区域的手指静脉图像；

图像裁剪单元，用于根据所述感兴趣区域的边缘线裁剪所述带感兴趣区域的手指静脉图像，提取出感兴趣区域的手指静脉图像；

归一化处理单元，用于采用仿射变换对所述感兴趣区域的手指静脉图像进行尺寸归一化处理，生成归一化后的手指静脉图像；

图像增强单元，用于采用自适应直方图均衡算法对所述归一化后的手指静脉图像进行图像增强处理，生成预处理后的手指静脉图像。

所述图像分割模块具体包括：

均值及标准方差计算单元，用于采用Niblack算法计算所述预处理后的手指静脉图像中像素点(x,y)的邻域内像素点的均值m(x,y)和标准方差s(x,y)；

分割阈值确定单元，用于根据所述均值m(x,y)和所述标准方差s(x,y)确定图像分割阈值T(x,y)；

图像分割单元，用于根据所述图像分割阈值T(x,y)对所述预处理后的手指静脉图像进行图像分割，生成分割后手指静脉图像。

所述图像后处理模块具体包括：

去噪单元，用于采用噪点函数对所述分割后手指静脉图像进行去噪处理，生成去噪后手指静脉图像；

空洞填充单元，用于采用基于形态学变化的膨胀函数填充所述去噪后手指静脉图像中的空洞，生成填充后手指静脉图像；

毛刺滤除单元，用于采用中值滤波方法滤除所述填充后手指静脉图像中的毛刺，生成滤除毛刺后的手指静脉图像；

静脉纹路抽取单元，用于通过骨骼化算法细化所述滤除毛刺后的手指静脉图像中的静脉纹路，保持静脉纹路的走向和拓扑结构，抽取出静脉纹路的骨架作为所述手指静脉待识别样本

本发明提供的指静脉识别解锁装置整体采用模块化设计，使每个装置各司其职，保证整体工作的高效性，同时也便于每个装置在优化和移植的同时不会影响整体运行，装置的可改造、可移植性强。并且该装置成本低，使用便捷、实用性强。该装置通过可充锂电池供电，采用低功耗处理芯片，避免电量消耗过快而造成解锁不畅。所述装置还增加与OneNET互联的功能，使装置更加智能化，便捷人们的生活。

本发明提供的指静脉识别解锁方法可用于各种场所的解锁装置，如银行的个人账户密码、医院个人电子病历、公司考勤打卡、各大楼宇门禁等处的解锁装置，适用范围非常广。并且本发明方法的图像识别算法处理速度快、灵敏度高，并提出了一种基于静脉拓扑结构的快速模板匹配算法，提高了手指静脉匹配识别率，大大缩短了模板匹配的时间。

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。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (8)

1.一种指静脉识别解锁方法，其特征在于，所述指静脉识别解锁方法包括：

获取待识别的手指静脉图像；

对所述手指静脉图像进行预处理，生成预处理后的手指静脉图像；

采用Niblack算法对所述预处理后的手指静脉图像进行图像分割，生成分割后手指静脉图像；

对所述分割后手指静脉图像依次进行去噪、填充空洞、滤除毛刺和骨骼化处理，生成手指静脉待识别样本；

获取数据库中存储的手指静脉识别模板；

判断所述手指静脉待识别样本是否与所述手指静脉识别模板相匹配，获得第一判断结果；

若所述第一判断结果为所述手指静脉待识别样本与所述手指静脉识别模板相匹配，输出解锁信号进行解锁；

若所述第一判断结果为所述手指静脉待识别样本与所述手指静脉识别模板不匹配，不输出解锁信号。

2.根据权利要求1所述的指静脉识别解锁方法，其特征在于，所述对所述手指静脉图像进行预处理，生成预处理后的手指静脉图像，具体包括：

对所述手指静脉图像进行灰度化处理之后进行滤波，生成滤波后手指静脉图像；

通过索贝尔算子对所述滤波后手指静脉图像进行边缘检测，检测出所述滤波后手指静脉图像中的感兴趣区域；

对检测出的所述感兴趣区域的边缘利用形态学闭运算去除小的空洞点，填补断裂，使边缘线光滑连续，再利用骨骼化算法细化边缘，生成带感兴趣区域的手指静脉图像；

根据所述感兴趣区域的边缘线裁剪所述带感兴趣区域的手指静脉图像，提取出感兴趣区域的手指静脉图像；

采用仿射变换对所述感兴趣区域的手指静脉图像进行尺寸归一化处理，生成归一化后的手指静脉图像；

采用自适应直方图均衡算法对所述归一化后的手指静脉图像进行图像增强处理，生成预处理后的手指静脉图像。

3.根据权利要求1所述的指静脉识别解锁方法，其特征在于，所述采用Niblack算法对所述预处理后的手指静脉图像进行图像分割，生成分割后手指静脉图像，具体包括：

采用Niblack算法计算所述预处理后的手指静脉图像中像素点(x,y)的邻域内像素点的均值m(x,y)和标准方差s(x,y)；

根据所述均值m(x,y)和所述标准方差s(x,y)确定图像分割阈值T(x,y)；

根据所述图像分割阈值T(x,y)对所述预处理后的手指静脉图像进行图像分割，生成分割后手指静脉图像。

4.根据权利要求1所述的指静脉识别解锁方法，其特征在于，所述对所述分割后手指静脉图像依次进行去噪、填充空洞、滤除毛刺和骨骼化处理，生成手指静脉待识别样本，具体包括：

采用噪点函数对所述分割后手指静脉图像进行去噪处理，生成去噪后手指静脉图像；

采用基于形态学变化的膨胀函数填充所述去噪后手指静脉图像中的空洞，生成填充后手指静脉图像；

采用中值滤波方法滤除所述填充后手指静脉图像中的毛刺，生成滤除毛刺后的手指静脉图像；

通过骨骼化算法细化所述滤除毛刺后的手指静脉图像中的静脉纹路，保持静脉纹路的走向和拓扑结构，抽取出静脉纹路的骨架作为所述手指静脉待识别样本。

5.一种指静脉识别解锁系统，其特征在于，所述指静脉识别解锁系统包括：

图像获取模块，用于获取待识别的手指静脉图像；

图像预处理模块，用于对所述手指静脉图像进行预处理，生成预处理后的手指静脉图像；

图像分割模块，用于采用Niblack算法对所述预处理后的手指静脉图像进行图像分割，生成分割后手指静脉图像；

图像后处理模块，用于对所述分割后手指静脉图像依次进行去噪、填充空洞、滤除毛刺和骨骼化处理，生成手指静脉待识别样本；

模板获取模块，用于获取数据库中存储的手指静脉识别模板；

模板匹配模块，用于判断所述手指静脉待识别样本是否与所述手指静脉识别模板相匹配，获得第一判断结果；

解锁模块，用于若所述第一判断结果为所述手指静脉待识别样本与所述手指静脉识别模板相匹配，输出解锁信号进行解锁；

保持锁定模块，用于若所述第一判断结果为所述手指静脉待识别样本与所述手指静脉识别模板不匹配，不输出解锁信号。

6.根据权利要求5所述的指静脉识别解锁方法，其特征在于，所述图像预处理模块具体包括：

灰度化及滤波单元，用于对所述手指静脉图像进行灰度化处理之后进行滤波，生成滤波后手指静脉图像；

边缘检测单元，用于通过索贝尔算子对所述滤波后手指静脉图像进行边缘检测，检测出所述滤波后手指静脉图像中的感兴趣区域；

感兴趣区域处理单元，用于对检测出的所述感兴趣区域的边缘利用形态学闭运算去除小的空洞点，填补断裂，使边缘线光滑连续，再利用骨骼化算法细化边缘，生成带感兴趣区域的手指静脉图像；

图像裁剪单元，用于根据所述感兴趣区域的边缘线裁剪所述带感兴趣区域的手指静脉图像，提取出感兴趣区域的手指静脉图像；

归一化处理单元，用于采用仿射变换对所述感兴趣区域的手指静脉图像进行尺寸归一化处理，生成归一化后的手指静脉图像；

图像增强单元，用于采用自适应直方图均衡算法对所述归一化后的手指静脉图像进行图像增强处理，生成预处理后的手指静脉图像。

7.根据权利要求5所述的指静脉识别解锁方法，其特征在于，所述图像分割模块具体包括：

均值及标准方差计算单元，用于采用Niblack算法计算所述预处理后的手指静脉图像中像素点(x,y)的邻域内像素点的均值m(x,y)和标准方差s(x,y)；

分割阈值确定单元，用于根据所述均值m(x,y)和所述标准方差s(x,y)确定图像分割阈值T(x,y)；

图像分割单元，用于根据所述图像分割阈值T(x,y)对所述预处理后的手指静脉图像进行图像分割，生成分割后手指静脉图像。

8.根据权利要求5所述的指静脉识别解锁方法，其特征在于，所述图像后处理模块具体包括：

去噪单元，用于采用噪点函数对所述分割后手指静脉图像进行去噪处理，生成去噪后手指静脉图像；

空洞填充单元，用于采用基于形态学变化的膨胀函数填充所述去噪后手指静脉图像中的空洞，生成填充后手指静脉图像；

毛刺滤除单元，用于采用中值滤波方法滤除所述填充后手指静脉图像中的毛刺，生成滤除毛刺后的手指静脉图像；

静脉纹路抽取单元，用于通过骨骼化算法细化所述滤除毛刺后的手指静脉图像中的静脉纹路，保持静脉纹路的走向和拓扑结构，抽取出静脉纹路的骨架作为所述手指静脉待识别样本。