CN110705341A - 基于指静脉图像的验证方法、装置、存储介质 - Google Patents
基于指静脉图像的验证方法、装置、存储介质 Download PDFInfo
- Publication number
- CN110705341A CN110705341A CN201910743874.9A CN201910743874A CN110705341A CN 110705341 A CN110705341 A CN 110705341A CN 201910743874 A CN201910743874 A CN 201910743874A CN 110705341 A CN110705341 A CN 110705341A
- Authority
- CN
- China
- Prior art keywords
- image
- finger vein
- vein image
- identified
- preset
- 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.)
- Pending
Links
- 210000003462 vein Anatomy 0.000 title claims abstract description 306
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000012795 verification Methods 0.000 title claims abstract description 30
- 238000003860 storage Methods 0.000 title claims abstract description 24
- 238000012545 processing Methods 0.000 claims abstract description 64
- 238000001914 filtration Methods 0.000 claims abstract description 53
- 238000010606 normalization Methods 0.000 claims description 40
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000036548 skin texture Effects 0.000 description 5
- 210000004204 blood vessel Anatomy 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 102000001554 Hemoglobins Human genes 0.000 description 2
- 108010054147 Hemoglobins Proteins 0.000 description 2
- 210000000988 bone and bone Anatomy 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 210000002615 epidermis Anatomy 0.000 description 2
- 210000003205 muscle Anatomy 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 235000004789 Rosa xanthina Nutrition 0.000 description 1
- 241000109329 Rosa xanthina Species 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/143—Sensing or illuminating at different wavelengths
-
- 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
- G06V10/30—Noise filtering
-
- 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
- G06V40/14—Vascular patterns
Abstract
本发明实施例提供了一种基于指静脉图像的验证方法、装置、存储介质。本发明涉及人工智能技术领域，该方法包括：采集指静脉图像，得到待识别指静脉图像；获取指静脉的特征参数；根据特征参数构建目标卷积核；采用目标卷积核对待识别指静脉图像进行滤波处理；如果滤波处理后的待识别指静脉图像与目标数据库中存储的任意一个预设指静脉图像之间的相似度均小于预设相似度阈值，则确定验证失败；如果滤波处理后的待识别指静脉图像与目标数据库中存储的至少一个预设指静脉图像之间的相似度大于或等于预设相似度阈值，则确定验证成功。因此，本发明实施例提供的技术方案能够解决现有技术中基于指静脉图像的身份验证准确度低的问题。
Description
【技术领域】
本发明涉及人工智能技术领域，尤其涉及一种基于指静脉图像的验证方法、装置、存储介质。
【背景技术】
指静脉识别技术利用手指静脉血管的纹理进行身份验证，对人体无害，具有不易被盗取、伪造等特点。该识别技术可广泛应用于银行金融、政府、教育等领域的门禁系统。
目前，指静脉识别技术存在的问题是：由于指静脉存在于表皮下，指静脉图像匹配过程中容易受表皮纹理干扰，导致指静脉图像匹配的准确度低，继而导致基于指静脉图像的身份验证准确度低。
【发明内容】
有鉴于此，本发明实施例提供了一种基于指静脉图像的验证方法、装置、存储介质，用以解决现有技术中基于指静脉图像的身份验证准确度低的问题。
一方面，本发明实施例提供了一种基于指静脉图像的验证方法，所述方法包括：采集指静脉图像，得到待识别指静脉图像；获取指静脉的特征参数；根据所述特征参数构建目标卷积核；采用所述目标卷积核对所述待识别指静脉图像进行滤波处理；分别计算滤波处理后的所述待识别指静脉图像与目标数据库中存储的每个预设指静脉图像之间的相似度；如果滤波处理后的所述待识别指静脉图像与所述目标数据库中存储的任意一个预设指静脉图像之间的相似度均小于预设相似度阈值，则确定验证失败；如果滤波处理后的所述待识别指静脉图像与所述目标数据库中存储的至少一个预设指静脉图像之间的相似度大于或等于所述预设相似度阈值，则确定验证成功。
进一步地，计算滤波处理后的所述待识别指静脉图像与所述目标数据库中存储的预设指静脉图像之间的相似度，包括：提取滤波处理后的所述待识别指静脉图像与所述预设指静脉图像中最相似的区域，得到第一图像和第二图像，其中，所述第一图像是滤波处理后的所述待识别指静脉图像中的区域，所述第二图像是所述预设指静脉图像中的区域；计算所述第一图像与所述第二图像之间的距离；根据所述第一图像与所述第二图像之间的距离确定滤波处理后的所述待识别指静脉图像与所述预设指静脉图像之间的相似度。
进一步地，所述计算所述第一图像与所述第二图像之间的距离，包括：根据公式Dist＝(d/q)×(d/q)×0.5×(A+B-1)+d计算所述第一图像与所述第二图像之间的距离，其中，Dist表示所述第一图像与所述第二图像之间的距离，A表示所述第一图像中非零像素点占比，B表示所述第二图像中非零像素点占比，d为所述第一图像与所述第二图像之间的汉明距离，0＜q＜1。
进一步地，所述特征参数包括指静脉宽度参数。
进一步地，在所述采集指静脉图像，得到待识别指静脉图像之后，所述方法还包括：对所述待识别指静脉图像进行尺寸归一化处理。
进一步地，在所述对所述待识别指静脉图像进行尺寸归一化处理之后，所述方法还包括：对尺寸归一化处理后的所述待识别指静脉图像进行灰度归一化处理。
一方面，本发明实施例提供了一种基于指静脉图像的验证装置，所述装置包括：采集单元，用于采集指静脉图像，得到待识别指静脉图像；获取单元，用于获取指静脉的特征参数；构建单元，用于根据所述特征参数构建目标卷积核；滤波单元，用于采用所述目标卷积核对所述待识别指静脉图像进行滤波处理；计算单元，用于分别计算滤波处理后的所述待识别指静脉图像与目标数据库中存储的每个预设指静脉图像之间的相似度；第一确定单元，用于如果滤波处理后的所述待识别指静脉图像与所述目标数据库中存储的任意一个预设指静脉图像之间的相似度均小于预设相似度阈值，则确定验证失败；第二确定单元，用于如果滤波处理后的所述待识别指静脉图像与所述目标数据库中存储的至少一个预设指静脉图像之间的相似度大于或等于所述预设相似度阈值，则确定验证成功。
进一步地，所述计算单元包括：提取子单元，用于提取滤波处理后的所述待识别指静脉图像与所述预设指静脉图像中最相似的区域，得到第一图像和第二图像，其中，所述第一图像是滤波处理后的所述待识别指静脉图像中的区域，所述第二图像是所述预设指静脉图像中的区域；计算子单元，用于计算所述第一图像与所述第二图像之间的距离；确定子单元，用于根据所述第一图像与所述第二图像之间的距离确定滤波处理后的所述待识别指静脉图像与所述预设指静脉图像之间的相似度。
进一步地，计算子单元用于：根据公式Dist＝(d/q)×(d/q)×0.5×(A+B-1)+d计算第一图像与第二图像之间的距离，其中，Dist表示第一图像与第二图像之间的距离，A表示第一图像中非零像素点占比，B表示第二图像中非零像素点占比，d为第一图像与第二图像之间的汉明距离，0＜q＜1。
进一步地，所述特征参数包括指静脉宽度参数。
进一步地，装置还包括：尺寸归一化单元，用于在所述采集单元采集指静脉图像，得到所述待识别指静脉图像之后，对所述待识别指静脉图像进行尺寸归一化处理。
进一步地，装置还包括：灰度归一化单元，用于在所述尺寸归一化单元对所述待识别指静脉图像进行尺寸归一化处理之后，对尺寸归一化处理后的所述待识别指静脉图像进行灰度归一化处理。
一方面，本发明实施例提供了一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行上述的基于指静脉图像的验证方法。
一方面，本发明实施例提供了一种计算机设备，包括存储器和处理器，所述存储器用于存储包括程序指令的信息，所述处理器用于控制程序指令的执行，所述程序指令被处理器加载并执行时实现上述的基于指静脉图像的验证方法的步骤。
在本发明实施例中，根据指静脉的特征参数构建目标卷积核，采用目标卷积核对待识别指静脉图像进行滤波处理，有效避免了表皮纹理干扰，提高了指静脉图像匹配的准确度，从而解决了现有技术中基于指静脉图像的身份验证准确度低的问题，达到了提高基于指静脉图像的身份验证准确度的效果。
【附图说明】
为了更清楚地说明本发明实施例的技术方案，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它的附图。
图1是根据本发明实施例一种可选的基于指静脉图像的验证方法的流程图；
图2是根据本发明实施例一种可选的基于指静脉图像的验证装置的示意图；
图3是本发明实施例提供的一种可选的计算机设备的示意图。
【具体实施方式】
为了更好的理解本发明的技术方案，下面结合附图对本发明实施例进行详细描述。
应当明确，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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。
应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，甲和/或乙，可以表示：单独存在甲，同时存在甲和乙，单独存在乙这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
图1是根据本发明实施例一种可选的基于指静脉图像的验证方法的流程图，如图1所示，该方法包括：
步骤S102，采集指静脉图像，得到待识别指静脉图像。
步骤S104，获取指静脉的特征参数。
步骤S106，根据特征参数构建目标卷积核。
步骤S108，采用目标卷积核对待识别指静脉图像进行滤波处理。
步骤S110，分别计算滤波处理后的待识别指静脉图像与目标数据库中存储的每个预设指静脉图像之间的相似度。
步骤S112，如果滤波处理后的待识别指静脉图像与目标数据库中存储的任意一个预设指静脉图像之间的相似度均小于预设相似度阈值，则确定验证失败。
步骤S114，如果滤波处理后的待识别指静脉图像与目标数据库中存储的至少一个预设指静脉图像之间的相似度大于或等于预设相似度阈值，则确定验证成功。
指静脉是指人体手指内部的静脉血管，指静脉识别就是利用该血管结构的特征来实现身份认证。在可见光下，指静脉是不可见的，只有在特殊的采集装置下才能获取。医学证明，人体手指静脉的血管结构在近红外光的照射下，能够穿透骨骼和肌肉，而流经静脉血管的血红蛋白容易吸收该波段的红外光而突显出静脉结构。通过专门的图像采集装置如红外CCD摄像机即可拍摄到指静脉图像，然后对指静脉图像进行分析处理，便可从中得到指静脉特征。不同人的静脉结构是不同的，即使是双胞胎的各手指静脉也是不同的，而且成年人的指静脉结构不再变化，即指静脉具有唯一性，这就为指静脉识别提供了科学依据。
卷积核：图像处理时，给定输入图像，在输出图像中每一个像素是输入图像中一个小区域中像素的加权平均，其中权值由一个函数定义，这个函数称为卷积核。卷积核具有的一个属性是局部性。即它只关注局部特征，局部的程度取决于卷积核的大小。
可选地，特征参数包括指静脉宽度参数。静脉宽度参数是用来表示指静脉的宽度范围的参数。根据特征参数构建目标卷积核，具体可以为：根据指静脉宽度参数确定目标卷积核的大小。由于卷积核具有局部性这个属性，局部的程度取决于卷积核的大小，因此，如果待识别指静脉图像中需要关注的像素点较多，则卷积核的大小可以较大；如果待识别指静脉图像中需要关注的像素点较少，则卷积核的大小可以较小。例如，假设静脉宽度参数表明指静脉的宽度覆盖了m个像素点，则目标卷积核的大小可以为m×m。
采用目标卷积核对待识别指静脉图像进行滤波处理，即，将目标卷积核与待识别指静脉图像进行卷积运算，具体地，使用目标卷积核对待识别指静脉图像中的每个像素点进行一系列操作，例如，对于一个m×m的目标卷积核，该目标卷积核为一个m×m的矩阵，该矩阵中的每个元素都有一个预设的权重值，在使用目标卷积核进行计算时，将目标卷积核的中心放置在待识别指静脉图像中要计算的目标像素点上，计算目标卷积核中每个元素的权重值和其覆盖的图像像素点的像素值之间的乘积并求和，得到的结果即为目标像素点的新像素值。对于待识别指静脉图中的全部像素点，都使用新像素值替换原来的像素值，就得到了滤波处理后的待识别指静脉图像。通过采用目标卷积核对待识别指静脉图像进行滤波处理，能够提取出待识别指静脉图像的特征，实现对待识别指静脉图像的增强效果，有效避免了表皮纹理干扰。
在本发明实施例中，根据指静脉的特征参数构建目标卷积核，采用目标卷积核对待识别指静脉图像进行滤波处理，有效避免了表皮纹理干扰，提高了指静脉图像匹配的准确度，从而解决了现有技术中基于指静脉图像的身份验证准确度低的问题，达到了提高基于指静脉图像的身份验证准确度的效果。
可选地，计算滤波处理后的待识别指静脉图像与目标数据库中存储的任意一个预设指静脉图像之间的相似度的过程为：提取滤波处理后的待识别指静脉图像与预设指静脉图像中最相似的区域，得到第一图像和第二图像，第一图像是滤波处理后的待识别指静脉图像中的区域，第二图像是预设指静脉图像中的区域；计算第一图像与第二图像之间的距离；根据第一图像与第二图像之间的距离确定滤波处理后的待识别指静脉图像与预设指静脉图像之间的相似度。
先提取滤波处理后的待识别指静脉图像与预设指静脉图像中最相似的区域，通过计算最相似的区域的距离来确定待识别指静脉图像与预设指静脉图像之间的相似度，克服了指静脉图像边界不明确的问题，提高了指静脉图像匹配准确度。
可选地，计算第一图像与第二图像之间的距离，包括：根据公式Dist＝(d/q)×(d/q)×0.5×(A+B-1)+d计算第一图像与第二图像之间的距离，其中，Dist表示第一图像与第二图像之间的距离，A表示第一图像中非零像素点占比，B表示第二图像中非零像素点占比，d为第一图像与第二图像之间的汉明距离，0＜q＜1。例如，当q＝0.3时，上述公式为：Dist＝(d/0.3)×(d/0.3)×0.5×(A+B-1)+d；再例如，当q＝0.32时，上述公式为：Dist＝(d/0.32)×(d/0.32)×0.5×(A+B-1)+d；再例如，当q＝0.5时，上述公式为：Dist＝(d/0.5)×(d/0.5)×0.5×(A+B-1)+d。
汉明距离表示两个(相同长度)字符串对应位不同的数量，对两个字符串进行异或运算，并统计结果为1的个数，那么这个数就是汉明距离。
在信息论中，两个等长字符串之间的汉明距离是两个字符串对应位置的不同字符的个数。换句话说，它就是将一个字符串变换成另外一个字符串所需要替换的字符个数。例如：“1011101”与“1001001”之间的汉明距离是2。“2143896”与“2233796”之间的汉明距离是3。“toned”与“roses”之间的汉明距离是3。
计算第一图像与第二图像之间的汉明距离的具体过程如下：分别生成第一图像的指纹字符串和第二图像的指纹字符串；计算第一图像的指纹字符串与第二图像的指纹字符串之间的汉明距离；将第一图像的指纹字符串与第二图像的指纹字符串之间的汉明距离作为第一图像与第二图像之间的汉明距离。汉明距离越大，表示两个图像之间的差异越大。
其中，生成一个图像的指纹字符串的过程如下：
第一步，缩小尺寸。
例如，将图像缩小到8×8的尺寸，总共64个像素。这一步的作用是去除图像的细节，只保留结构、明暗等基本信息，摒弃不同尺寸带来的图像差异。
第二步，简化色彩。
将缩小后的图像，转为64级灰度。也就是说，所有像素点总共只有64种颜色。
第三步，计算平均值。
计算所有64个像素的灰度平均值。
第四步，比较像素的灰度。
将每个像素的灰度，与平均值进行比较。大于或等于平均值，记为1；小于平均值，记为0。
第五步，计算哈希值。
将上一步的比较结果，组合在一起，就构成了一个64位的整数，这就是这张图像的指纹。组合的次序并不重要，只要保证所有图像都采用同样次序就行了。
可选地，在采集指静脉图像，得到待识别指静脉图像之后，方法还包括：对待识别指静脉图像进行尺寸归一化处理。可选地，在对待识别指静脉图像进行尺寸归一化处理之后，方法还包括：对尺寸归一化处理后的指静脉图像进行灰度归一化处理。
指静脉图像采集时，因光强、手指厚度、血液温度、手指倾斜度等条件不同，在不同时间采集到的指静脉图像在灰度分布上有较大差异，这会给以后的图像处理和匹配增加难度。因此在采集指静脉图像以后要进行归一化处理，包括尺寸归一化和灰度归一化。
尺寸归一化处理的好处是：1.对于不同手指而言，尺寸大小不同对静脉的匹配结果无影响，即不会引起误识；但如果是同一手指，如果尺寸不一样，易引起误识，即自己认不出自己的情况。2.如果实际采集到的图像过大，进行图像处理的时间会很长，而归一化尺寸例如缩小到一定像素大小，在不影响识别结果的前提下，可以进一步缩短匹配时间，提高匹配效率。
图像尺寸归一化实质上是一种图像的几何变换，一般采用从目标图像反方向影射实现。反向影射就是扫描目标图像的每个像素，按照给定的变换公式来确定目标像素对应的原像素。用这种方法来计算目标图像可以保证整个目标图像没有空像素，即得到的目标图像每个像素点上都有相应的灰度值。
灰度归一化主要是为了增加图像的亮度，使图像的细节更加清楚，以减弱光线和光照强度的影响。
本发明实施例提供了一种基于指静脉图像的验证装置，该装置用于执行上述基于指静脉图像的验证方法，图2是根据本发明实施例一种可选的基于指静脉图像的验证装置的示意图，如图2所示，该装置包括：采集单元10、获取单元20、构建单元30、滤波单元40、计算单元50、第一确定单元60、第二确定单元70。
采集单元10，用于采集指静脉图像，得到待识别指静脉图像。
获取单元20，用于获取指静脉的特征参数。
构建单元30，用于根据特征参数构建目标卷积核。
滤波单元40，用于采用目标卷积核对待识别指静脉图像进行滤波处理。
计算单元50，用于分别计算滤波处理后的待识别指静脉图像与目标数据库中存储的每个预设指静脉图像之间的相似度。
第一确定单元60，用于如果滤波处理后的待识别指静脉图像与目标数据库中存储的任意一个预设指静脉图像之间的相似度均小于预设相似度阈值，则确定验证失败。
第二确定单元70，用于如果滤波处理后的待识别指静脉图像与目标数据库中存储的至少一个预设指静脉图像之间的相似度大于或等于预设相似度阈值，则确定验证成功。
指静脉是指人体手指内部的静脉血管，指静脉识别就是利用该血管结构的特征来实现身份认证。在可见光下，指静脉是不可见的，只有在特殊的采集装置下才能获取。医学证明，人体手指静脉的血管结构在近红外光的照射下，能够穿透骨骼和肌肉，而流经静脉血管的血红蛋白容易吸收该波段的红外光而突显出静脉结构。通过专门的图像采集装置如红外CCD摄像机即可拍摄到指静脉图像，然后对指静脉图像进行分析处理，便可从中得到指静脉特征。不同人的静脉结构是不同的，即使是双胞胎的各手指静脉也是不同的，而且成年人的指静脉结构不再变化，即指静脉具有唯一性，这就为指静脉识别提供了科学依据。
卷积核：图像处理时，给定输入图像，在输出图像中每一个像素是输入图像中一个小区域中像素的加权平均，其中权值由一个函数定义，这个函数称为卷积核。卷积核具有的一个属性是局部性。即它只关注局部特征，局部的程度取决于卷积核的大小。
可选地，特征参数包括指静脉宽度参数。静脉宽度参数是用来表示指静脉的宽度范围的参数。根据特征参数构建目标卷积核，具体可以为：根据指静脉宽度参数确定目标卷积核的大小。由于卷积核具有局部性这个属性，局部的程度取决于卷积核的大小，因此，如果待识别指静脉图像中需要关注的像素点较多，则卷积核的大小可以较大；如果待识别指静脉图像中需要关注的像素点较少，则卷积核的大小可以较小。例如，假设静脉宽度参数表明指静脉的宽度覆盖了m个像素点，则目标卷积核的大小可以为m×m。
采用目标卷积核对待识别指静脉图像进行滤波处理，即，将目标卷积核与待识别指静脉图像进行卷积运算，具体地，使用目标卷积核对指静脉图像中的每个像素点进行一系列操作，例如，对于一个m×m的目标卷积核，该目标卷积核为一个m×m的矩阵，该矩阵中的每个元素都有一个预设的权重值，在使用目标卷积核进行计算时，将目标卷积核的中心放置在要计算的目标像素点上，计算目标卷积核中每个元素的权重值和其覆盖的图像像素点的像素值之间的乘积并求和，得到的结果即为目标像素点的新像素值。对于待识别指静脉图中的全部像素点，都使用新像素值替换原来的像素值，就得到了滤波处理后的待识别指静脉图像。通过采用目标卷积核对待识别指静脉图像进行滤波处理，能够提取出待识别指静脉图像的特征，实现对待识别指静脉图像的增强效果，有效避免了表皮纹理干扰。
在本发明实施例中，根据指静脉的特征参数构建目标卷积核，采用目标卷积核对待识别指静脉图像进行滤波处理，有效避免了表皮纹理干扰，提高了指静脉图像匹配的准确度，从而解决了现有技术中基于指静脉图像的身份验证准确度低的问题，达到了提高基于指静脉图像的身份验证准确度的效果。
可选地，计算单元50包括：提取子单元、计算子单元、确定子单元。
提取子单元，用于提取滤波处理后的待识别指静脉图像与预设指静脉图像中最相似的区域，得到第一图像和第二图像，其中，第一图像是滤波处理后的待识别指静脉图像中的区域，第二图像是预设指静脉图像中的区域。
计算子单元，用于计算第一图像与第二图像之间的距离。
确定子单元，用于根据第一图像与第二图像之间的距离确定滤波处理后的待识别指静脉图像与预设指静脉图像之间的相似度。
先提取滤波处理后的待识别指静脉图像与预设指静脉图像中最相似的区域，通过计算最相似的区域的距离来确定待识别指静脉图像与预设指静脉图像之间的相似度，克服了指静脉图像边界不明确的问题，提高了指静脉图像匹配准确度。
可选地，计算子单元用于：根据公式Dist＝(d/q)×(d/q)×0.5×(A+B-1)+d计算第一图像与第二图像之间的距离，其中，Dist表示第一图像与第二图像之间的距离，A表示第一图像中非零像素点占比，B表示第二图像中非零像素点占比，d为第一图像与第二图像之间的汉明距离，0＜q＜1。
可选地，特征参数包括指静脉宽度参数。
可选地，装置还包括：尺寸归一化单元。尺寸归一化单元，用于在采集单元10采集指静脉图像，得到待识别指静脉图像之后，对待识别指静脉图像进行尺寸归一化处理。
可选地，装置还包括：灰度归一化单元。灰度归一化单元，用于在尺寸归一化单元对待识别指静脉图像进行尺寸归一化处理之后，对尺寸归一化处理后的待识别指静脉图像进行灰度归一化处理。
一方面，本发明实施例提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行以下步骤：采集指静脉图像，得到待识别指静脉图像；获取指静脉的特征参数；根据特征参数构建目标卷积核；采用目标卷积核对待识别指静脉图像进行滤波处理；分别计算滤波处理后的待识别指静脉图像与目标数据库中存储的每个预设指静脉图像之间的相似度；如果滤波处理后的待识别指静脉图像与目标数据库中存储的任意一个预设指静脉图像之间的相似度均小于预设相似度阈值，则确定验证失败；如果滤波处理后的待识别指静脉图像与目标数据库中存储的至少一个预设指静脉图像之间的相似度大于或等于预设相似度阈值，则确定验证成功。
可选地，在程序运行时控制存储介质所在设备还执行以下步骤：提取滤波处理后的待识别指静脉图像与预设指静脉图像中最相似的区域，得到第一图像和第二图像，其中，第一图像是滤波处理后的待识别指静脉图像中的区域，第二图像是预设指静脉图像中的区域；计算第一图像与第二图像之间的距离；根据第一图像与第二图像之间的距离确定滤波处理后的待识别指静脉图像与预设指静脉图像之间的相似度。
可选地，在程序运行时控制存储介质所在设备还执行以下步骤：根据公式Dist＝(d/q)×(d/q)×0.5×(A+B-1)+d计算第一图像与第二图像之间的距离，其中，Dist表示第一图像与第二图像之间的距离，A表示第一图像中非零像素点占比，B表示第二图像中非零像素点占比，d为第一图像与第二图像之间的汉明距离，0＜q＜1。
可选地，在程序运行时控制存储介质所在设备还执行以下步骤：在采集指静脉图像，得到待识别指静脉图像之后，对待识别指静脉图像进行尺寸归一化处理。
可选地，在程序运行时控制存储介质所在设备还执行以下步骤：在对待识别指静脉图像进行尺寸归一化处理之后，对尺寸归一化处理后的待识别指静脉图像进行灰度归一化处理。
一方面，本发明实施例提供了一种计算机设备，包括存储器和处理器，存储器用于存储包括程序指令的信息，处理器用于控制程序指令的执行，程序指令被处理器加载并执行时实现以下步骤：采集指静脉图像，得到待识别指静脉图像；获取指静脉的特征参数；根据特征参数构建目标卷积核；采用目标卷积核对待识别指静脉图像进行滤波处理；分别计算滤波处理后的待识别指静脉图像与目标数据库中存储的每个预设指静脉图像之间的相似度；如果滤波处理后的待识别指静脉图像与目标数据库中存储的任意一个预设指静脉图像之间的相似度均小于预设相似度阈值，则确定验证失败；如果滤波处理后的待识别指静脉图像与目标数据库中存储的至少一个预设指静脉图像之间的相似度大于或等于预设相似度阈值，则确定验证成功。
可选地，程序指令被处理器加载并执行时还实现以下步骤：提取滤波处理后的待识别指静脉图像与预设指静脉图像中最相似的区域，得到第一图像和第二图像，其中，第一图像是滤波处理后的待识别指静脉图像中的区域，第二图像是预设指静脉图像中的区域；计算第一图像与第二图像之间的距离；根据第一图像与第二图像之间的距离确定滤波处理后的待识别指静脉图像与预设指静脉图像之间的相似度。
可选地，程序指令被处理器加载并执行时还实现以下步骤：根据公式Dist＝(d/q)×(d/q)×0.5×(A+B-1)+d计算第一图像与第二图像之间的距离，其中，Dist表示第一图像与第二图像之间的距离，A表示第一图像中非零像素点占比，B表示第二图像中非零像素点占比，d为第一图像与第二图像之间的汉明距离，0＜q＜1。
可选地，程序指令被处理器加载并执行时还实现以下步骤：在采集指静脉图像，得到待识别指静脉图像之后，对待识别指静脉图像进行尺寸归一化处理。
可选地，程序指令被处理器加载并执行时还实现以下步骤：在对待识别指静脉图像进行尺寸归一化处理之后，对尺寸归一化处理后的待识别指静脉图像进行灰度归一化处理。
图3是本发明实施例提供的一种计算机设备的示意图。如图3所示，该实施例的计算机设备50包括：处理器51、存储器52以及存储在存储器52中并可在处理器51上运行的计算机程序53，该计算机程序53被处理器51执行时实现实施例中的基于指静脉图像的验证方法，为避免重复，此处不一一赘述。或者，该计算机程序被处理器51执行时实现实施例中基于指静脉图像的验证装置中各模型/单元的功能，为避免重复，此处不一一赘述。
计算机设备50可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。计算机设备可包括，但不仅限于，处理器51、存储器52。本领域技术人员可以理解，图3仅仅是计算机设备50的示例，并不构成对计算机设备50的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如计算机设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器51可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器52可以是计算机设备50的内部存储单元，例如计算机设备50的硬盘或内存。存储器52也可以是计算机设备50的外部存储设备，例如计算机设备50上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，存储器52还可以既包括计算机设备50的内部存储单元也包括外部存储设备。存储器52用于存储计算机程序以及计算机设备所需的其他程序和数据。存储器52还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本发明所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
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单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机装置(可以是个人计算机，服务器，或者网络装置等)或处理器(Processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。
Claims (10)
1.一种基于指静脉图像的验证方法，其特征在于，所述方法包括：
采集指静脉图像，得到待识别指静脉图像；
获取指静脉的特征参数；
根据所述特征参数构建目标卷积核；
采用所述目标卷积核对所述待识别指静脉图像进行滤波处理；
分别计算滤波处理后的所述待识别指静脉图像与目标数据库中存储的每个预设指静脉图像之间的相似度；
如果滤波处理后的所述待识别指静脉图像与所述目标数据库中存储的任意一个预设指静脉图像之间的相似度均小于预设相似度阈值，则确定验证失败；
如果滤波处理后的所述待识别指静脉图像与所述目标数据库中存储的至少一个预设指静脉图像之间的相似度大于或等于所述预设相似度阈值，则确定验证成功。
2.根据权利要求1所述的方法，其特征在于，计算滤波处理后的所述待识别指静脉图像与所述目标数据库中存储的预设指静脉图像之间的相似度，包括：
提取滤波处理后的所述待识别指静脉图像与所述预设指静脉图像中最相似的区域，得到第一图像和第二图像，其中，所述第一图像是滤波处理后的所述待识别指静脉图像中的区域，所述第二图像是所述预设指静脉图像中的区域；
计算所述第一图像与所述第二图像之间的距离；
根据所述第一图像与所述第二图像之间的距离确定滤波处理后的所述待识别指静脉图像与所述预设指静脉图像之间的相似度。
3.根据权利要求2所述的方法，其特征在于，所述计算所述第一图像与所述第二图像之间的距离，包括：
根据公式Dist＝(d/q)×(d/q)×0.5×(A+B-1)+d计算所述第一图像与所述第二图像之间的距离，其中，Dist表示所述第一图像与所述第二图像之间的距离，A表示所述第一图像中非零像素点占比，B表示所述第二图像中非零像素点占比，d为所述第一图像与所述第二图像之间的汉明距离，0＜q＜1。
4.根据权利要求1所述的方法，其特征在于，所述特征参数包括指静脉宽度参数。
5.根据权利要求1至4任一项所述的方法，其特征在于，在所述采集指静脉图像，得到待识别指静脉图像之后，所述方法还包括：
对所述待识别指静脉图像进行尺寸归一化处理。
6.根据权利要求5所述的方法，其特征在于，在所述对所述待识别指静脉图像进行尺寸归一化处理之后，所述方法还包括：
对尺寸归一化处理后的所述待识别指静脉图像进行灰度归一化处理。
7.一种基于指静脉图像的验证装置，其特征在于，所述装置包括：
采集单元，用于采集指静脉图像，得到待识别指静脉图像；
获取单元，用于获取指静脉的特征参数；
构建单元，用于根据所述特征参数构建目标卷积核；
滤波单元，用于采用所述目标卷积核对所述待识别指静脉图像进行滤波处理；
计算单元，用于分别计算滤波处理后的所述待识别指静脉图像与目标数据库中存储的每个预设指静脉图像之间的相似度；
第一确定单元，用于如果滤波处理后的所述待识别指静脉图像与所述目标数据库中存储的任意一个预设指静脉图像之间的相似度均小于预设相似度阈值，则确定验证失败；
第二确定单元，用于如果滤波处理后的所述待识别指静脉图像与所述目标数据库中存储的至少一个预设指静脉图像之间的相似度大于或等于所述预设相似度阈值，则确定验证成功。
8.根据权利要求7所述的装置，其特征在于，所述计算单元包括：
提取子单元，用于提取滤波处理后的所述待识别指静脉图像与所述预设指静脉图像中最相似的区域，得到第一图像和第二图像，其中，所述第一图像是滤波处理后的所述待识别指静脉图像中的区域，所述第二图像是所述预设指静脉图像中的区域；
计算子单元，用于计算所述第一图像与所述第二图像之间的距离；
确定子单元，用于根据所述第一图像与所述第二图像之间的距离确定滤波处理后的所述待识别指静脉图像与所述预设指静脉图像之间的相似度。
9.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行权利要求1至6中任意一项所述的基于指静脉图像的验证方法。
10.一种计算机设备，包括存储器和处理器，所述存储器用于存储包括程序指令的信息，所述处理器用于控制程序指令的执行，其特征在于：所述程序指令被处理器加载并执行时实现权利要求1至6任意一项所述的基于指静脉图像的验证方法的步骤。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910743874.9A CN110705341A (zh) | 2019-08-13 | 2019-08-13 | 基于指静脉图像的验证方法、装置、存储介质 |
| PCT/CN2019/118088 WO2021027155A1 (zh) | 2019-08-13 | 2019-11-13 | 基于指静脉图像的验证方法、装置、存储介质及计算机设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910743874.9A CN110705341A (zh) | 2019-08-13 | 2019-08-13 | 基于指静脉图像的验证方法、装置、存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110705341A true CN110705341A (zh) | 2020-01-17 |
Family
ID=69193747
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910743874.9A Pending CN110705341A (zh) | 2019-08-13 | 2019-08-13 | 基于指静脉图像的验证方法、装置、存储介质 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN110705341A (zh) |
| WO (1) | WO2021027155A1 (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112395981A (zh) * | 2020-11-17 | 2021-02-23 | 华北电力大学扬中智能电气研究中心 | 一种基于指静脉图像的认证方法、装置、设备及介质 |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113344826B (zh) * | 2021-07-06 | 2023-12-19 | 北京锐安科技有限公司 | 图像处理方法、装置、电子设备及存储介质 |
| CN116525073B (zh) * | 2023-07-03 | 2023-09-15 | 山东第一医科大学第一附属医院(山东省千佛山医院) | 一种基于健康体检大数据的数据库智能管理系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3057034A1 (en) * | 2015-02-10 | 2016-08-17 | Korecen Co., Ltd. | Finger vein authentication system |
| CN105917353A (zh) * | 2013-09-16 | 2016-08-31 | 眼验股份有限公司 | 用于生物认证的特征提取及匹配以及模板更新 |
| CN107145829A (zh) * | 2017-04-07 | 2017-09-08 | 电子科技大学 | 一种融合纹理特征和尺度不变特征的掌静脉识别方法 |
| CN107195124A (zh) * | 2017-07-20 | 2017-09-22 | 长江大学 | 基于掌纹和掌静脉的图书馆自助借书方法及系统 |
| CN107977609A (zh) * | 2017-11-20 | 2018-05-01 | 华南理工大学 | 一种基于cnn的指静脉身份验证方法 |
| CN108681722A (zh) * | 2018-05-24 | 2018-10-19 | 辽宁工程技术大学 | 一种基于纹理的手指静脉特征匹配方法 |
| CN108805023A (zh) * | 2018-04-28 | 2018-11-13 | 平安科技（深圳）有限公司 | 一种图像检测方法、装置、计算机设备及存储介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109815869A (zh) * | 2019-01-16 | 2019-05-28 | 浙江理工大学 | 一种基于fcn全卷积网络的指静脉识别方法 |
-
2019
- 2019-08-13 CN CN201910743874.9A patent/CN110705341A/zh active Pending
- 2019-11-13 WO PCT/CN2019/118088 patent/WO2021027155A1/zh active Application Filing
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105917353A (zh) * | 2013-09-16 | 2016-08-31 | 眼验股份有限公司 | 用于生物认证的特征提取及匹配以及模板更新 |
| EP3057034A1 (en) * | 2015-02-10 | 2016-08-17 | Korecen Co., Ltd. | Finger vein authentication system |
| CN107145829A (zh) * | 2017-04-07 | 2017-09-08 | 电子科技大学 | 一种融合纹理特征和尺度不变特征的掌静脉识别方法 |
| CN107195124A (zh) * | 2017-07-20 | 2017-09-22 | 长江大学 | 基于掌纹和掌静脉的图书馆自助借书方法及系统 |
| CN107977609A (zh) * | 2017-11-20 | 2018-05-01 | 华南理工大学 | 一种基于cnn的指静脉身份验证方法 |
| CN108805023A (zh) * | 2018-04-28 | 2018-11-13 | 平安科技（深圳）有限公司 | 一种图像检测方法、装置、计算机设备及存储介质 |
| CN108681722A (zh) * | 2018-05-24 | 2018-10-19 | 辽宁工程技术大学 | 一种基于纹理的手指静脉特征匹配方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112395981A (zh) * | 2020-11-17 | 2021-02-23 | 华北电力大学扬中智能电气研究中心 | 一种基于指静脉图像的认证方法、装置、设备及介质 |
| CN112395981B (zh) * | 2020-11-17 | 2023-08-18 | 华北电力大学扬中智能电气研究中心 | 一种基于指静脉图像的认证方法、装置、设备及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2021027155A1 (zh) | 2021-02-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Shaheed et al. | A systematic review of finger vein recognition techniques | |
| Nogueira et al. | Evaluating software-based fingerprint liveness detection using convolutional networks and local binary patterns | |
| Qiu et al. | Finger-vein recognition based on dual-sliding window localization and pseudo-elliptical transformer | |
| Gragnaniello et al. | Local contrast phase descriptor for fingerprint liveness detection | |
| WO2021027364A1 (zh) | 基于指静脉识别的身份验证方法和装置 | |
| WO2017088109A1 (zh) | 一种掌静脉识别的方法和掌静脉识别装置 | |
| Lee et al. | Dorsal hand vein recognition based on 2D Gabor filters | |
| Kumari et al. | A novel periocular biometrics solution for authentication during Covid-19 pandemic situation | |
| Babalola et al. | Palm vein recognition through fusion of texture-based and CNN-based methods | |
| Liu et al. | An efficient finger-vein extraction algorithm based on random forest regression with efficient local binary patterns | |
| WO2019075601A1 (zh) | 一种掌静脉的识别方法及装置 | |
| CN110705341A (zh) | 基于指静脉图像的验证方法、装置、存储介质 | |
| Faraji et al. | Face recognition under varying illumination with logarithmic fractal analysis | |
| Liu et al. | Fingerprint presentation attack detector using global-local model | |
| Vlachos et al. | Finger vein segmentation from infrared images based on a modified separable mumford shah model and local entropy thresholding | |
| CN108875629A (zh) | 基于多样本特征融合的掌静脉识别方法 | |
| CN111814682A (zh) | 人脸活体检测方法及装置 | |
| Kumar et al. | Non-overlapped blockwise interpolated local binary pattern as periocular feature | |
| Mehboob et al. | Live fingerprint detection using magnitude of perceived spatial stimuli and local phase information | |
| Taha et al. | Iris features extraction and recognition based on the local binary pattern technique | |
| Shaheed et al. | A hybrid proposed image quality assessment and enhancement framework for finger vein recognition | |
| Liu et al. | Finger-vein recognition with modified binary tree model | |
| Kolivand et al. | Improved methods for finger vein identification using composite Median-Wiener filter and hierarchical centroid features extraction | |
| CN108564031A (zh) | 基于多模态融合的单幅近红外手掌图像识别方法 | |
| CN111723700B (zh) | 一种人脸识别方法、装置及电子设备 |
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 |