CN110866235B - 同时捕获人体脉搏和静脉图像的身份识别方法及装置 - Google Patents

同时捕获人体脉搏和静脉图像的身份识别方法及装置 Download PDF

Info

Publication number
CN110866235B
CN110866235B CN201910999910.8A CN201910999910A CN110866235B CN 110866235 B CN110866235 B CN 110866235B CN 201910999910 A CN201910999910 A CN 201910999910A CN 110866235 B CN110866235 B CN 110866235B
Authority
CN
China
Prior art keywords
image
hand
vein
light source
signal acquisition
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
CN201910999910.8A
Other languages
English (en)
Other versions
CN110866235A (zh
Inventor
黄梅珍
陈秀莲
富雨超
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.)
Shanghai Jiaotong University
Original Assignee
Shanghai Jiaotong University
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 Shanghai Jiaotong University filed Critical Shanghai Jiaotong University
Priority to CN201910999910.8A priority Critical patent/CN110866235B/zh
Publication of CN110866235A publication Critical patent/CN110866235A/zh
Application granted granted Critical
Publication of CN110866235B publication Critical patent/CN110866235B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Security & Cryptography (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Image Input (AREA)

Abstract

本发明提供了一种同时捕获人体脉搏和静脉图像的身份识别装置，包括：手掌检测台包括底座以及与底座连接的顶部；第一光源设置于手掌检测台的底座内部，并能够从手掌检测台的底座上表面透出；第二光源和图像信号获取单元分别设置于手掌检测台的顶部下方，图像信号获取单元用于获取第一光源和第二光源通过被测手部形成的透射光和反射光，并与信号处理单元相连接。同时提供了一种采用上述装置实现的身份识别方法。本发明消除了采用静脉照片或者3D模具伪造真人的手背静脉进行静脉识别的安全隐患，提高了系统的鲁棒性；弥补了传统方法中分步进行的不足，提高了系统的效率；价格便宜、易于推广应用。

Description

同时捕获人体脉搏和静脉图像的身份识别方法及装置
技术领域
本发明属于身份识别技术领域，特别涉及一种可同时捕获人体脉搏和手背静脉图像的身份识别方法及装置。
背景技术
随着信息技术的高速发展，个人信息的安全问题愈发重要。传统的身份识别方法例如磁卡、身份证等由于识别信息容易被伪造或丢失已不能确保身份的唯一性和真实性，不能满足市场的需求。生物特征识别技术作为一门新兴的身份识别技术，因为它固有的唯一性和稳定性使得生物特征识别技术越来越受到大众的青睐。目前最常用的生物特征包括指纹、人脸、虹膜和静脉等。
指纹识别是应用最广泛的生物特征识别技术，由于其装备体积小、价格低、识别速度快、识别精度高而广泛应用于金融机构、安全防务等，但是指纹识别对手指的湿度和清洁度有一定要求，指纹磨损也会造成不能识别的后果，并且指纹痕迹容易留存，存在被复制、被仿造的可能性。人脸识别由于无侵害、自然直观以及非接触等优点而被大众接受，但由于人脸识别容易被手机照片和3D人脸面具伪造，2019年出现的换脸软件 ZAO使得人脸识别的安全性再度遭受质疑。虹膜识别技术是识别精度最高且无法被复制的生物特征识别技术，但是虹膜识别对设备的要求相对较高、小型化困难、价格高、用户接受度低，所以大范围推广困难，目前常应用于要求严格的军事行业。
静脉识别是近几十年提出的生物特征识别技术。由于每个人的静脉特征是独一无二的，不受人种、皮肤颜色的影响，使得静脉作为身份识别成为可能。静脉识别是非接触式的检测方法，用户接受度高；静脉识别装置简单，价格低，具有普遍推广的特质；最重要的是静脉位于皮肤之下，不会因为皮肤表皮的损坏或者粘有灰尘而影响识别结果，这使得静脉识别成为国内外近年来的研究热点。但在2015年，王一丁等将纸质打印的手背静脉图像在NCUT-LFDHV手背静脉数据库上进行测试，得到了超过20％的通过率，证明了在静脉识别系统中也存在假冒的可能性，因此，在静脉识别系统中增加活体检测至关重要。
活体检测是指在身份验证场景确定对象真实生理特征的方法。在现有的静脉识别系统中，要求被检测对象在规定位置做出规定的手势来实现活体检测，该方法简单易行，但是规定手势可通过视频来伪装识别，仍然无法解决伪装的问题，并且该方法中的静脉图像获取和手势检测需分两步进行，效率不高。Emanuela Marasco等利用手指表面的温度和导电特性或者检测手指的排汗现象进行活体检测，这种方法可以获取明确的生理特征，但需要增加其他相关的研究设备，增加了设备成本，并且操作困难，不利于推广。
综上所述，目前静脉识别中的活体检测技术存在的问题是：1.单纯静脉识别检测方法无法解决伪装识别问题；2.增加活体信息检测的静脉识别分两个步骤进行，效率不高；3.现有检测装置价格昂贵、操作困难，难以推广。
发明内容
本发明针对上述现有技术中存在的问题，提出了一种可同时捕获人体脉搏和手背静脉图像的身份识别方法及装置。该方法及装置能同时捕获人体脉搏信息和静脉信息，而脉搏波是人体特有的具有周期性、周期数的范围固定的生理特性，因此可将捕获的脉搏波作为活体特征，同时捕获的手背静脉信息用于身份识别。本发明提出的可同时捕获人体脉搏和手背静脉图像的身份识别方法及装置，属于一种活体检测装置，同时包含透射装置和反射装置，能同时捕获脉搏信息和静脉信息，弥补了传统方法中分两步进行的不足，提高了系统的效率；并且本装置以近红外LED作为光源，以图像传感器作为探测器，价格便宜、易于推广应用。
为了达到上述目的，本发明是通过以下技术方案实现的。
根据本发明的一个方面，提供了一种同时捕获人体脉搏和静脉图像的身份识别装置，包括：手掌检测台、用于测量脉搏的第一光源、用于测量静脉的第二光源、图像信号获取单元以及信号处理单元；其中：
所述手掌检测台包括底座以及与底座连接的顶部；所述第一光源设置于手掌检测台的底座内部，并能够从手掌检测台的底座上表面透出；所述第二光源和图像信号获取单元分别设置于手掌检测台的顶部下方，所述图像信号获取单元用于获取第一光源和第二光源通过被测手部形成的透射光和反射光，并与信号处理单元相连接。
优选地，所述手掌检测台的底座包括：手掌放置台，所述手掌放置台的上表面设有用于放置被测手部的槽型结构，所述槽型结构中设有用于第一光源透出的透明窗口，所述手掌放置台的上表面还设有用于固定被测手部位置的定位柱，所述手掌放置台的上表面的周边位置设有吸光海绵。
优选地，所述定位柱分别设置在被测手部的小指和无名指之间的指缝位置以及中指和食指之间的指缝位置，进而定位被测手部的手指放置位置并限制被测手部的前后移动。
优选地，所述第一光源和第二光源均采用包括多个近红外LED的光源阵列，其中，所述第一光源为直线型光源阵列，用于照射在被测手部的手指上，形成透射光；所述第二光源为环形光源阵列，用于照射在被测手部的手背上，形成反射光。
优选地，所述图像信号获取单元采用图像传感器。
优选地，所述图像传感器采用面阵CCD或CMOS相机等。
优选地，所述信号处理单元，包括：图像信号获取控制模块和数据处理模块；其中：所述图像信号获取控制模块用于控制图像信号获取单元在设定时间完成光信号获取以及光、电信号转换；所述数据处理模块用于对接收到的电信号进行处理。
根据本发明的另一个方面，提供了一种采用上述同时捕获人体脉搏和静脉图像的身份识别装置实现的身份识别方法，包括：
S1：通过信号处理单元控制图像信号获取单元获取第一光源和第二光源通过被测手部形成的透射光和反射光，并将光信号转换为电信号后发送至信号处理单元，得到手部图像；
S2：信号处理单元在获取手部图像后，根据手部图像的IM值的变化曲线对被测手部进行活体检测，当确认为活体后，执行S3，否则返回S1；其中，IM值为所有像素点的灰度值的总和的平均值；
S3：对获取的手部图像进行滤波、位置矫正以及ROI提取，得到静脉区域图像，对得到的静脉区域图像进行图像增强，得到高对比度的静脉图像；
S4：对S3中得到的高对比度的静脉图像进行特征提取，得到该静脉图像的PLBP 特征向量；
S5：将S4中得到的静脉图像的PLBP特征向量作为训练集和测试集，对S3中获得的静脉图像进行身份识别。
优选地，所述S2中，根据手部图像的IM值的变化曲线对被测手部进行活体检测，包括：
S21：将S1中得到的手部图像进行灰度图转换，获取手部图像的灰度值，然后计算手部图像的所有像素点的灰度值的总和的平均值，记为IM值，即
Figure BDA0002240982820000031
其中N为像素点总数，Ni为第i个像素点的灰度值；
S22：将S21得到的手部图像的所有像素点的灰度值的总和的均值即IM值作为采样点，绘制采样点的变化曲线，若该波形具有周期性，则通过公式
Figure BDA0002240982820000041
计算得到心率；
S23：将S22中得到的IM值的变化曲线进行快速傅里叶变换，根据快速傅里叶变换的结果进行周期性判定；如果该曲线具有周期性，则计算心率值，如果计算的心率在 45～120范围内，则判定被测手部为活体；反之，若该曲线没有周期性或者心率超出了范围，则判断被测手部为非活体。
优选地，所述S3中，对获取的手部图像进行滤波、位置矫正、ROI提取以及图像增强预处理，包括：
S31：将手部图像进行高斯滤波，消除噪声的影响；
S32：采用旋转平移矫正法对S31中得到的手部图像进行角度和位置校正，使得同一个人在不同时间内获得的手部图像保持在相同的位置；
S33：采用质心法找出S32中得到的手部图像中手背的质心，以质心为中心，根据最大内切矩形原理得到静脉识别的ROI区域，消除了非静脉部分对识别结果的影响；
S34：采用对比度受限的自适应直方图均衡化算法对S33中得到的静脉区域图像进行图像增强，得到高对比度的静脉图像。
优选地，所述S4中，采用分块LBP算法对S3中得到的静脉图像特征提取，包括：
S41，将S3中得到的高对比度的静脉图像分割成大小相同的子块图像；
S42，分别对每个子块图像进行LBP处理，经过LBP处理的子块图像均得到一个特征向量；
S43，将每个子块图像的特征向量首尾相连得到PLBP特征向量，则每张高对比度的静脉图像得到的PLBP特征向量用来描述对应的高对比度的静脉图像。
优选地，所述S5中，采用卷积神经网络和支持向量机作为分类器，将S4得到的静脉区域图像PLBP特征向量作为训练集和测试集，对S3中获得的静脉图像进行身份识别。
与现有技术相比，本发明具有如下的有益效果：
1、本发明提供的同时捕获人体脉搏和静脉图像的身份识别方法及装置，消除了采用静脉照片或者3D模具伪造真人的手背静脉进行静脉识别的安全隐患，提高了系统的鲁棒性。
2、本发明提供的同时捕获人体脉搏和静脉图像的身份识别方法及装置，一步到位，效率更高。本发明采用自主研制的活体检测装置，能同时获取脉搏信息和静脉信息，弥补了传统方法中分两步进行的不足，提高了系统效率。
3、本发明提供的同时捕获人体脉搏和静脉图像的身份识别方法及装置，成本低廉，采用近红外LED作为光源，仅用一台CCD相机即可同时完成脉搏波的检测及静脉信号的获取，提高了仪器的利用率，也降低了成本。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明提供的同时捕获人体脉搏和静脉图像的身份识别装置结构示意图；
图2为本发明一实施例所提供的同时捕获人体脉搏和静脉图像的身份识别装置结构示意图；
图3为本发明一实施例所提供的测量静脉的LED阵列以及CCD相机的分布示意图；
图4为本发明一实施例所提供的测量脉搏的LED阵列和手掌检测台的主视图、左视图和俯视图；
图5为本发明一实施例所提供的测试过程中被测手部在手掌检测台上放置的示意图；
图6为本发明一实施例中获得的IM值的变化曲线图的示意图；其中，(a)为假体的IM值的变化曲线图，(b)为活体的IM值的变化曲线图。
图中：1为手掌检测台，2为第一光源，3为第二光源，4为图像信号获取单元，5 为信号处理单元；
图中：2-1为手掌检测台的顶部支架台、2-2为手掌检测台的底座支架台、2-3为CCD相机、2-4为850nm窄带滤光片、2-5为测量静脉的LED光源阵列、2-6为手掌放置台、2-7为测量脉搏的LED光源阵列、2-8为手指定位装置、2-9为吸光海绵、 2-10为数据传输线、2-11为静脉显示装置。
具体实施方式
下面对本发明的实施例作详细说明：本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。
本发明实施例提供了一种可同时捕获人体脉搏和手背静脉图像的身份识别装置，包括手掌检测台1、用于测量脉搏的第一光源2、用于测量静脉的第二光源3、图像信号获取单元4、信号处理单元5，具体的结构如图1所示；其中：
所述手掌检测台包括底座以及与底座连接的顶部；所述第一光源设置于手掌检测台的底座内部，并能够从手掌检测台的底座上表面透出；所述第二光源和图像信号获取单元分别设置于手掌检测台的顶部下方，所述图像信号获取单元用于获取第一光源和第二光源通过被测手部形成的透射光和反射光，并与信号处理单元相连接。
进一步地，
手掌检测台1主要用于放置被测手部、定位被测手部、固定光源和图像信号获取单元，其中，手掌检测台的底座包括手掌放置台、定位柱、吸光海绵、透明窗口。具体的，手掌检测台的底座的上表面周边贴满吸光海绵，这使得被测手部与检测台底座的其他部分形成高对比度图像；手掌检测台的底座上设有放置被测手部的槽型结构，在槽型结构中的被测手部的手指下方开设长方形的透明窗口，作为用于测量脉搏的第一光源的光照窗口，同时为了减小装置的体积，将第一光源(包括供电模块和光源阵列)2放置在手掌放置台下方空间，第一光源2放置在透明窗口的下方；在小指和无名指之间的指缝位置、中指和食指之间的指缝位置分别设置定位柱，用来定位手指放置位置，并限制被测手部的前后移动。
光源是作为测量脉搏和静脉的激发光，主要包括用于测量脉搏的第一光源2和用于测量静脉的第二光源3。根据氧合血红蛋白(HbO2)和脱氧血红蛋白(Hb)在不同波长的光照下对光的吸收特性，第一光源2和第二光源3都选择近红外LED作为光源；为了获得足够的光强，选择多个近红外LED构成的光源阵列作为测量脉搏和测量静脉的光源；由于脉搏波采用透射方式测量，所以将供电电路板以及测量脉搏的光源阵列即光源2放置在手掌放置台下方的空心位置，并将多个LED排成直线型光源阵列，对准手部放置台的光照窗口照射在被测手部的手指上；由于静脉图像采用反射方式测量，所以将多个LED构成的测量静脉的环形光源阵列即第二光源3放置在手掌放置台的上方，并从上而下照射被测手背。
图像信号获取单元主要用于捕获来自手指的透射光和来自手背的反射光，并将光信号转换为电信号。本发明实施例中采用图像传感器作为探测器，所述的图像传感器位于手掌放置台的正上方，能同时接收来自手指的透射光(用于测量脉搏)和来自手背的反射光(用于测量静脉)，将光信号转换成电信号并传输到计算机中。所述的图像传感器可以选择面阵CCD或CMOS相机等。
信号处理单元主要包括图像信号获取控制模块、数据处理模块：信号处理单元可通过USB或蓝牙与图像信号获取单元连接，通过图像信号获取控制模块来控制图像传感器在特定的时间完成测量(即完成光信号获取以及光、电信号转换)；信号处理单元可通过USB或蓝牙接收到图像信号获取单元传送的电信号，并通过数据处理模块对电信号进行处理。
所述信号处理单元可安装于计算机中。
在本发明上述实施例所提供的身份识别装置的基础上，本发明实施例同时提供了一种采用上述身份识别装置实现的身份识别方法，包括图像获取、活体检测、图像预处理、特征提取以及特征匹配五个步骤：
S1：图像获取：对图像信号获取单元进行参数设置，通过信号处理单元控制图像信号获取单元获取第一光源和第二光源通过被测手部形成的透射光和反射光，并将光信号转换为电信号后发送至信号处理单元，得到手部图像；
S2：活体检测：信号处理单元在获取手部图像后，根据手部图像的IM值的变化曲线对被测手部进行活体检测，当确认为活体后，执行S3，否则返回S1；
S3：图像预处理：对获取的手部图像进行滤波、位置矫正以及ROI提取，得到静脉区域图像，对得到的静脉区域图像进行图像增强，得到高对比度的静脉图像；
S4：特征提取：对S3中得到的高对比度的静脉图像进行特征提取，得到该静脉图像的PLBP特征向量；
S5：特征匹配：将S4中得到的静脉图像的PLBP特征向量作为训练集和测试集，对S3中获得的静脉图像进行身份识别。
进一步地，
S1：采用本发明上述实施例提供的装置进行图像获取的步骤为：同时打开第一光源 2、第二光源3以及图像信号获取单元，对图像信号获取单元进行参数设置，然后将被测手部放置在手掌放置台上，通过图像信号获取控制单元控制图像信号获取单元，获取手部图像。
S2：在获取手部图像后，先对被测手部进行活体检测，具体为：
S21：图像的处理：将所述S1得到的每一张手部图像进行灰度图转换，获取每一张手部图像的灰度值，然后计算每一张手部图像的所有像素点的灰度值的总和的均值，记为IM值，即
Figure BDA0002240982820000081
其中N为像素点总数，Ni为第i个像素点的灰度值；
S22：脉搏波和心率的计算：将所述S21得到的每一张手部图像的所有像素点的灰度值的总和的均值即IM值作为采样点，绘制采样点的变化曲线，若该波形具有周期性，则通过公式
Figure BDA0002240982820000082
计算得到心率；
S23：活体检测：将所述S22得到的IM值的变化曲线进行快速傅里叶变换(FFT)，根据FFT的结果进行周期性判定；如果该曲线具有周期性，则计算心率值，如果计算的心率在45～120范围内，则可判定被测手部为活体；反之，若该曲线没有周期性或者心率超出了范围，则可判断被测手部为非活体。
S3：被测手部经活体检测为活体后，为了消除噪声等干扰因素，要对获取的手部图片进行滤波、位置矫正、ROI提取以及图像增强等预处理，具体为：
S31：先将手部图片进行高斯滤波，消除噪声的影响；
S32：然后采用旋转平移矫正法对每张手部图片进行角度和位置校正，使得同一个人在不同时间内获得的手部图片保持在相同的位置；
S33：然后采用质心法找出手部图片中手背的质心，以质心为中心，根据最大内切矩形原理得到静脉识别的ROI区域，得到静脉区域图像(即ROI图像)，消除了非静脉部分对识别结果的影响；
S34：最后采用对比度受限的自适应直方图均衡化(CLAHE)算法对静脉区域图像进行图像增强，得到高对比度的静脉图像。
S4：采用分块LBP(BLBP)算法对高对比度的静脉图像进行图像特征提取：为了降低计算维度，先将所述S34中得到的高对比度的静脉图像分割成大小相同的子块图像，然后分别对每个子块图像进行LBP处理。经过LBP处理的子块图像都得到一个特征向量，然后将每个子块图像的特征向量首尾相连得到PLBP特征向量，则每张高对比度的静脉图像得到的PLBP特征向量可用来描述该高对比度的静脉图像。
S5：以卷积神经网络(CNN)、支持向量机(SVM)作为分类器，将S4中得到的高对比度的静脉图像的PLBP特征向量作为训练集和测试集，对获得的静脉图像进行身份识别。
下面结合附图，以一具体实例为例，对本发明上述实施例所提供的技术方案进一步详细描述。
结合图2，对本发明上述实施例所提供的身份识别装置的组成部分进行介绍，如图2所示：
本实例提供的身份识别装置包括：手掌检测台的顶部支架台2-1、手掌检测台的底座支架台2-2、作为图像信号获取单元的CCD相机2-3和850nm窄带滤光片2-4、作为用于测量静脉的第二光源的850nm的LED光源阵列2-5、手掌放置台2-6、作为用于测量脉搏的第一光源的850nm的LED光源阵列2-7、定位柱2-8、吸光海绵2-9、数据传输线2-10、作为信号处理单元的静脉显示装置2-11。
其中：顶部支架台2-1用于固定CCD相机和测量静脉的LED第二光源阵列；手掌检测台的底座支架台2-2支撑整个装置，同时用来改变手掌检测台的顶部支架台2-1的高度，从而调整相机和手背的距离；CCD相机2-3用于捕获脉搏信息和静脉信息；850nm 窄带滤光片2-4滤除非850nm附近的干扰光，消除干扰光对成像的影响；定位柱2-8用来限制被测手部的前后移动；吸光海绵2-9使环境部分的反射光为0，消除了非手部部分对测量结果的影响。
结合图2-图3-图4，对本发明上述实施例所提供的身份识别装置的各个组成部分的放置位置进行详细的介绍。
本发明上述实施例中的测量静脉的LED第二光源阵列、CCD相机、滤光片以及圆形支架台的分布如图2和图3所示：即CCD相机2-3放置在圆形顶部支架台2-1的中心圆孔上，9个850nm的LED构成的环形光源阵列2-7通过电气绝缘胶带固定在顶部圆形支架2-1上，并围绕在相机镜头的外圈，850nm的滤光片2-4固定在CCD相机镜头前；所述的圆形顶部支架台2-1可以沿着底座支架台2-2上下移动，以此来改变被测手背与 CCD相机之间的距离。
本发明上述实施例中测量脉搏的第一光源阵列和手掌检测台的分布如图2和图4所示：所述的手掌放置台2-6放置在测量静脉的LED第二光源阵列2-5以及CCD相机2-3 的正下方，并通过黑胶与底座支架台2-2固定相连；所述的定位柱2-8通过螺孔与手掌检测台固定相连；所述的测量脉搏的第一光源阵列及其电源模块放置在中空的手掌检测台的内部，其第一光源阵列对准手掌检测台的光照窗口并垂直照射被测手部的中指；所述的吸光海绵通过AB胶粘贴在手部放置台上，使得除了被测手部外，其他位置无反射光；所述的静脉显示装置通过数据传输线与CCD相机相连，实现相机与计算机之间的信号传输。
结合图5-图6，对采用本发明上述实施例所提供的装置获取脉搏信息和手背静脉图像的过程、活体检测和静脉识别的步骤进行详细描述，具体包括以下步骤：
首先，打开测量脉搏和测量静脉的近红外LED光源阵列、CCD相机和计算机，并将CCD相机设定为在7s时间内采集50帧手部照片。
接下来，将被测手部按照图5所示放在尺寸为160×100×30(mm3)手掌检测台上，在采集照片时，被测手部保持静止7s，点击计算机中的相机控制界面的拍照按钮，获得 50张手部照片。
接下来对获得的照片进行信号处理。实施时，先将每一张图片转换为灰度图，然后获取每一张图片的所有像素点的灰度值，再计算每一张图片的所有像素点的灰度值的总和的均值，记为IM。并将每一张图片的IM值作为脉搏波的一个采样点，将50张图片的 IM值按时间先后的顺序画出来的波形图即为IM值的变化曲线图，再通过小波变换消除该波形的基线漂移，最终得到如图6所示的波形图。
接下来根据图6所示的波形图，结合快速傅里叶变换判断该波形是否具有周期性，如果没有周期性，则被测物体为非活体，反之计算心率为：
Figure BDA0002240982820000101
其中x为心率值， n为50张图片构成的脉搏波的个数，t为拍摄50张照片需要的时间，如果计算的心率在 45～120范围内，则可判定被测物体为活体，反之为非活体。
接下来对获得的照片进行图像预处理。实施时，先对获得的图像进行高斯滤波处理，消除噪声干扰；然后采用旋转平移矫正法对每张图片进行角度和位置的校正处理，使得同一个人在不同时间内获得的照片保持在相同的位置；然后通过质心法获取每一张图片的ROI区域，消除非静脉部分对识别结果的影响；通过对比度受限的自适应直方图均衡化(CLAHE)对每一张图的ROI区域进行增强，获得高对比度的静脉图片。
最后对预处理后的图像进行图像识别。实施时，先将大小为256×256的静脉图像分割成大小为32×32的小块，分别对每个小块进行LBP处理，得到64个维数为10× 1＝10的LBP特征向量，然后将64个特征向量首尾相连得到10×64＝640维的PLBP特征向量，则每张静脉图像得到的PLBP特征向量可用来描述该静脉图像。然后以支持向量机(SVM)作为分类器，采用2500个样本(50个测试个体，每个个体50张照片) 中的2000个样本(每个个体40张)的PLBP特征向量作为训练集，500个样本(每个个体10张)的特征向量作为测试集，对获得的静脉图像进行身份识别。
上述实施例中，光电容积脉搏波描记法(Photo Plethysmo Graphy，PPG)测脉搏信号的原理为：当近红外光照射手指时，皮肤肌肉、组织等对光的吸收在整个血液循环中是保持恒定不变的，血液中氧合血红蛋白(HbO2)和脱氧血红蛋白(Hb)的含量随着心脏收缩和舒张呈搏动性变化：当心脏收缩时外周血容量最多，光吸收量也最大，检测到的光强度最小；而在心脏舒张时，检测到的光强度最大，故探测器接收到的光强度随之呈脉动性变化，将此光强度变化信号转换成电信号，便可获得容积脉搏血流的变化。
本发明上述实施例提供的一种可同时捕获人体脉搏和手背静脉图像的活体身份识别方法及装置，所述装置包括手掌检测台、用于测量脉搏的第一光源、用于测量静脉的第二光源、图像信号获取单元以及信号处理单元；所述方法利用所述装置中的图像信号获取单元同时捕获来自透射模块的透射光和反射模块的反射光，并在计算机上形成包含脉搏信息和静脉信息的手部图像，然后通过绘制图像的IM值的变化曲线以及公式
Figure BDA0002240982820000111
得到脉搏信息和心率，并以脉搏波的周期性和心率作为活体检测的依据；再结合PLBP 算法和SVM算法对活体检测后的手背静脉图像进行身份识别。通过本发明上述实施例所提供的方法及装置，消除了采用静脉照片或者3D模具伪造真人的手背静脉进行静脉识别的安全隐患，提高了系统的鲁棒性；弥补了传统方法中分步进行的不足，提高了系统的效率；并且所述装置可以以近红外LED作为光源，可以以CCD相机作为图像传感器，价格便宜、易于推广应用。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变形或修改，这并不影响本发明的实质内容。

Claims (8)

1.一种同时捕获人体脉搏和静脉图像的身份识别装置，其特征在于，包括：手掌检测台、用于测量脉搏的第一光源、用于测量静脉的第二光源、图像信号获取单元以及信号处理单元；其中：
所述手掌检测台包括底座以及与底座连接的顶部；所述第一光源设置于手掌检测台的底座内部，并能够从手掌检测台的底座上表面透出；所述第二光源和图像信号获取单元分别设置于手掌检测台的顶部下方，所述图像信号获取单元用于获取第一光源和第二光源通过被测手部形成的透射光和反射光，并与信号处理单元相连接；
所述手掌检测台的底座包括：手掌放置台，所述手掌放置台的上表面设有用于放置被测手部的槽型结构，所述槽型结构中设有用于第一光源透出的透明窗口，所述手掌放置台的上表面还设有用于固定被测手部位置的定位柱，所述手掌放置台的上表面的周边位置设有吸光海绵；
所述第一光源和第二光源均采用包括多个近红外LED的光源阵列，其中，所述第一光源为直线型光源阵列，用于照射在被测手部的手指上，形成透射光；所述第二光源为环形光源阵列，用于照射在被测手部的手背上，形成反射光。
2.根据权利要求1所述的同时捕获人体脉搏和静脉图像的身份识别装置，其特征在于，所述定位柱分别设置在被测手部的小指和无名指之间的指缝位置以及中指和食指之间的指缝位置，进而定位被测手部的手指放置位置并限制被测手部的前后移动。
3.根据权利要求1所述的同时捕获人体脉搏和静脉图像的身份识别装置，其特征在于，所述图像信号获取单元采用图像传感器；和/或
所述信号处理单元，包括：图像信号获取控制模块和数据处理模块；其中：所述图像信号获取控制模块用于控制图像信号获取单元在设定时间完成光信号获取以及光、电信号转换；所述数据处理模块用于对接收到的电信号进行处理。
4.一种采用权利要求1至3中任一项所述的同时捕获人体脉搏和静脉图像的身份识别装置实现的身份识别方法，其特征在于，包括：
S1：对图像信号获取单元进行参数设置，通过信号处理单元控制图像信号获取单元获取第一光源和第二光源通过被测手部形成的透射光和反射光，并将光信号转换为电信号后发送至信号处理单元，得到手部图像；
S2：信号处理单元在获取手部图像后，根据手部图像的IM值的变化曲线对被测手部进行活体检测，当确认为活体后，执行S3，否则返回S1；其中，IM值为所有像素点的灰度值的总和的平均值；
S3：对获取的手部图像进行滤波、位置矫正以及ROI提取，得到静脉区域图像，对得到的静脉区域图像进行图像增强，得到高对比度的静脉图像；
S4：对S3中得到的高对比度的静脉图像进行特征提取，得到该静脉图像的PLBP特征向量；
S5：将S4中得到的静脉图像的PLBP特征向量作为训练集和测试集，对S3中获得的静脉图像进行身份识别。
5.根据权利要求4所述的身份识别方法，其特征在于，所述S2中，根据手部图像的IM值的变化曲线对被测手部进行活体检测，包括：
S21：将S1中得到的手部图像进行灰度图转换，获取手部图像的灰度值，然后计算手部图像的所有像素点的灰度值的总和的平均值，记为IM值，即
Figure FDA0003271554890000021
其中N为像素点总数，Ni为第i个像素点的灰度值；
S22：将S21得到的手部图像的所有像素点的灰度值的总和的均值即IM值作为采样点，绘制采样点的变化曲线，若该曲线具有周期性，则通过公式
Figure FDA0003271554890000022
计算得到心率；其中，n为50张图片构成的脉搏波的个数，t为拍摄50张照片需要的时间；
S23：将S22中得到的IM值的变化曲线进行快速傅里叶变换，根据快速傅里叶变换的结果进行周期性判定；如果该曲线具有周期性，则计算心率值，如果计算的心率在45～120范围内，则判定被测手部为活体；反之，若该曲线没有周期性或者心率超出了范围，则判断被测手部为非活体。
6.根据权利要求4所述的身份识别方法，其特征在于，所述S3中，对获取的手部图像进行滤波、位置矫正、ROI提取以及图像增强预处理，包括：
S31：将手部图像进行高斯滤波，消除噪声的影响；
S32：采用旋转平移矫正法对S31中得到的手部图像进行角度和位置校正，使得同一个人在不同时间内获得的手部图像保持在相同的位置；
S33：采用质心法找出S32中得到的手部图像中手背的质心，以质心为中心，根据最大内切矩形原理得到静脉识别的ROI区域，消除了非静脉部分对识别结果的影响；
S34：采用对比度受限的自适应直方图均衡化算法对S33中得到的静脉区域图像进行图像增强，得到高对比度的静脉图像。
7.根据权利要求4所述的身份识别方法，其特征在于，所述S4中，采用分块LBP算法对S3中得到的高对比度的静脉图像特征提取，包括：
S41，将S3中得到的高对比度的静脉图像分割成大小相同的子块图像；
S42，分别对每个子块图像进行LBP处理，经过LBP处理的子块图像均得到一个特征向量；
S43，将每个子块图像的特征向量首尾相连得到PLBP特征向量，则每张高对比度的静脉图像得到的PLBP特征向量用来描述对应的静脉图像。
8.根据权利要求4所述的身份识别方法，其特征在于，所述S5中，采用卷积神经网络和支持向量机作为分类器，将S4得到的高对比度的静脉图像的PLBP特征向量作为训练集和测试集，对S3中获得的静脉图像进行身份识别。
CN201910999910.8A 2019-10-21 2019-10-21 同时捕获人体脉搏和静脉图像的身份识别方法及装置 Active CN110866235B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910999910.8A CN110866235B (zh) 2019-10-21 2019-10-21 同时捕获人体脉搏和静脉图像的身份识别方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910999910.8A CN110866235B (zh) 2019-10-21 2019-10-21 同时捕获人体脉搏和静脉图像的身份识别方法及装置

Publications (2)

Publication Number Publication Date
CN110866235A CN110866235A (zh) 2020-03-06
CN110866235B true CN110866235B (zh) 2021-11-23

Family

ID=69652302

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910999910.8A Active CN110866235B (zh) 2019-10-21 2019-10-21 同时捕获人体脉搏和静脉图像的身份识别方法及装置

Country Status (1)

Country Link
CN (1) CN110866235B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111563454B (zh) * 2020-05-08 2023-08-08 浙江大学 一种双重活体验证的手部静脉识别方法及装置
CN112190247A (zh) * 2020-10-30 2021-01-08 苏州多感科技有限公司 心率检测方法、心率检测装置以及移动终端
CN113420582B (zh) * 2020-11-04 2023-09-05 中国银联股份有限公司 用于掌静脉识别的防伪检测方法及其系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103617419A (zh) * 2013-12-02 2014-03-05 中山微盾信息科技有限公司 具有活体手指侦测功能的手指静脉识别装置和方法
CN104778445A (zh) * 2015-03-17 2015-07-15 山东大学 基于手指静脉立体特征的活体识别装置及方法
CN105333952A (zh) * 2015-11-10 2016-02-17 上海交通大学 一种提高探测灵敏度的光谱测量ccd模块
KR20160029191A (ko) * 2014-09-04 2016-03-15 동명대학교산학협력단 지정맥 인식을 위한 카메라모듈장치 및 이를 이용한 지정맥 인식 방법
CN106372611A (zh) * 2016-09-09 2017-02-01 康佳集团股份有限公司 基于手掌静脉特征的身份识别方法、系统及图像采集装置
CN206451195U (zh) * 2016-06-23 2017-08-29 中科院合肥技术创新工程院 一种智能手掌静脉识别装置
KR101802359B1 (ko) * 2017-05-30 2017-11-29 주식회사 올아이티탑 소형 이미지센서에 의한 정맥 인식을 이용한 전자 결제 시스템 및 그 방법
CN108664956A (zh) * 2018-06-25 2018-10-16 北京航空航天大学 人体静脉生物特征信息采集过程中的活体识别方法及装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103617419A (zh) * 2013-12-02 2014-03-05 中山微盾信息科技有限公司 具有活体手指侦测功能的手指静脉识别装置和方法
KR20160029191A (ko) * 2014-09-04 2016-03-15 동명대학교산학협력단 지정맥 인식을 위한 카메라모듈장치 및 이를 이용한 지정맥 인식 방법
CN104778445A (zh) * 2015-03-17 2015-07-15 山东大学 基于手指静脉立体特征的活体识别装置及方法
CN105333952A (zh) * 2015-11-10 2016-02-17 上海交通大学 一种提高探测灵敏度的光谱测量ccd模块
CN206451195U (zh) * 2016-06-23 2017-08-29 中科院合肥技术创新工程院 一种智能手掌静脉识别装置
CN106372611A (zh) * 2016-09-09 2017-02-01 康佳集团股份有限公司 基于手掌静脉特征的身份识别方法、系统及图像采集装置
KR101802359B1 (ko) * 2017-05-30 2017-11-29 주식회사 올아이티탑 소형 이미지센서에 의한 정맥 인식을 이용한 전자 결제 시스템 및 그 방법
CN108664956A (zh) * 2018-06-25 2018-10-16 北京航空航天大学 人体静脉生物特征信息采集过程中的活体识别方法及装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Automatic Illumination Control Algorithm for Capturing the Finger Vein Image;Zhiying Lu等;《2018 13th World Congress on Intelligent Control and Automation (WCICA)》;20180708;第881-886页 *
具有活体检测功能的手背静脉身份识别方法研究;陈秀莲等;《光学学报》;20210331;第41卷(第6期);第0610002-1至0610002-8页 *
网络时代的生物密钥;张力平;《电信快报》;20160831(第8期);第48页 *

Also Published As

Publication number Publication date
CN110866235A (zh) 2020-03-06

Similar Documents

Publication Publication Date Title
Syarif et al. Enhanced maximum curvature descriptors for finger vein verification
Lee A novel biometric system based on palm vein image
CN110866235B (zh) 同时捕获人体脉搏和静脉图像的身份识别方法及装置
JP4748199B2 (ja) 静脈撮像装置および静脈撮像方法
Shahin et al. Biometric authentication using fast correlation of near infrared hand vein patterns
Kauba et al. Focussing the beam-a new laser illumination based data set providing insights to finger-vein recognition
WO2017187718A1 (ja) 撮像装置、認証処理装置、撮像方法、認証処理方法およびプログラム
JP4636140B2 (ja) 静脈撮像装置、静脈撮像方法および静脈認証装置
CN111462379A (zh) 一种含掌静脉和人脸识别的门禁管理方法、系统及介质
JP7269711B2 (ja) 生体認証システム、生体認証方法およびプログラム
CN105760841B (zh) 一种身份识别方法及系统
CN105224906B (zh) 掌静脉识别智能系统
Lee et al. Dorsal hand vein recognition based on 2D Gabor filters
JP2009544108A (ja) 多重生体認証のマルチスペクトル画像
KR20090087895A (ko) 생체인식정보의 추출과 대조를 위한 방법 및 장치
JP2009165630A (ja) 静脈認証装置および静脈認証方法
CN102542242B (zh) 非接触式采集图像的生物特征区域定位方法和装置
Crisan et al. A low cost vein detection system using near infrared radiation
CN102117404A (zh) 一种反射式手指静脉特征采集装置及其个人身份认证方法
Kauba et al. Shedding light on the veins-reflected light or transillumination in hand-vein recognition
CN107909063B (zh) 基于灰度变化的生物识别视频回放攻击检测方法
CN105426843A (zh) 一种单镜头下掌静脉和掌纹图像采集装置及图像增强和分割方法
Sierro et al. Contact-less palm/finger vein biometrics
Liu et al. Learning temporal similarity of remote photoplethysmography for fast 3D mask face presentation attack detection
CN206421413U (zh) 一种小型化指静脉身份认证装置

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