CN112990160B - 一种基于光声成像技术的面部静脉识别方法及识别装置 - Google Patents
一种基于光声成像技术的面部静脉识别方法及识别装置 Download PDFInfo
- Publication number
- CN112990160B CN112990160B CN202110531494.6A CN202110531494A CN112990160B CN 112990160 B CN112990160 B CN 112990160B CN 202110531494 A CN202110531494 A CN 202110531494A CN 112990160 B CN112990160 B CN 112990160B
- Authority
- CN
- China
- Prior art keywords
- facial
- face
- facial vein
- information
- photoacoustic imaging
- 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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- 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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
-
- 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)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明涉及一种基于光声成像技术的面部静脉识别方法及识别装置，所述的面部静脉识别方法包括如下步骤：1）采用TOF相机采集人脸的面部轮廓深度信息；2）采用光声成像采集人脸的面部静脉信息；3）根据面部轮廓深度信息和面部静脉信息重建面部静脉的三维结构，从三维结构中提取特征值；4）将目标人脸的特征值与已登记数据库中人脸的特征值进行比对，输出身份识别结果。与一般光声成像技术相比，本发明将面部轮廓与面部静脉相结合，在此基础上重建面部静脉的三维结构，基于该三维结构提取特征值用于身份识别，准确率与安全性更高。
Description
技术领域
本发明涉及人体生物特征采集与识别技术领域，尤其涉及一种基于光声成像技术的面部静脉识别方法及识别装置。
背景技术
生物特征识别系统允许通过一个人的身体或行为特征来进行身份的识别和验证。由于人们迫切需要一个安全可靠的认证系统，因此这一领域的研究正不断涌现与发展。生物特征识别技术在许多领域都有应用，如商业、个人、政府安全，以及法医调查。典型的生物特征包括指纹、声纹、走路姿势、人脸、虹膜和静脉等。静脉3D结构丰富的差异化特性为个人身份识别提供了稳定、清晰与可靠的生物特征。此外，与指纹等特征不同的是，静脉结构位于人体皮肤之下，这使得这些特征很难被窃取与伪造。由于这些独特的性质，静脉是理想的生物识别与认证特征。但目前静脉识别的研究一般集中在指静脉和掌静脉方面，基于面部静脉识别的方法还鲜有研究。这主要是因为面部静脉识别对光源安全性要求比较高，不能对人眼造成伤害，因此很难采集高质量的静脉图像。
现有静脉成像技术主要集中在超声(US)与近红外(IR)光学成像领域，然而这些技术有其固有的局限性。例如多普勒超声成像仅对大血管敏感，很难满足准确性和安全性的要求。红外光学成像获得的静脉不包含血管深度信息，光线的漫反射特性也会显著降低图像质量，产生模糊的血管图像。
光声成像技术作为一种新兴的生物特征识别技术，在生物特征识别领域有着巨大的应用潜力。其利用对人体无害的光作为激励源，以超声信号作为信息载体，其成像精度取决于超声探测器的特性与图像重建算法。相较于超声成像与红外光学成像，光声成像并不受组织强散射特性的影响，而且可以生成静脉的三维图像。然而现有的基于光声成像的生物计量学研究都是针对指纹成像，并没有充分发挥光声成像在深组织成像方面的潜力。
发明内容
为了克服传统面部静脉成像技术的局限性，本发明提供了一种基于光声成像技术的面部静脉识别方法。为了达到目的，本发明提供的技术方案为：
一种基于光声成像技术的面部静脉识别方法，包括如下步骤：
1）采用TOF相机采集人脸的面部轮廓深度信息；
2）采用光声成像采集人脸的面部静脉信息；
3）根据面部轮廓深度信息和面部静脉信息重建面部静脉的三维结构，从三维结构中提取特征值；
4）将目标人脸的特征值与已登记数据库中人脸的特征值进行比对，输出身份识别结果。
优选地，步骤1）中将TOF相机采集的面部轮廓深度信息传回信息处理系统，生成面部轮廓图像，根据面部轮廓图像规划步骤2）的光声成像扫描区域。
优选地，步骤2）中采用光声成像器件完成所述光声成像扫描区域的静脉扫描任务，向信息处理系统输出包含面部静脉信息的电信号。
优选地，步骤4）中在PC端上显示面部轮廓图、面部静脉图，以及身份识别结果。
优选地，步骤3）重建面部静脉的三维结构的具体步骤为：
3.1）面部轮廓深度信息表示为一个M行、N列的二维矩阵，面部静脉信息表示为一个M行、N列、K层的三维矩阵，相邻层之间的物理间隔设为L；
3.2）新建一个M行、N列、K1层的三维零矩阵，其中元素
投影的层序号k由公式
（6）而得，层数K1由公式（7）而得：
将三维零矩阵m行、n列、k层对应位置的元素值设为1，将面部轮廓深度信息的二维矩阵中的元素一一投射到三维空间，形成一个M行、N列、K1层的三维矩阵，层与层间隔仍为L；截取该三维矩阵的1～K层，不足K层元素用零补充，大于K层的元素省略，最终获得一个包含面部轮廓深度信息的M行、N列、K层的面部轮廓三维矩阵；
3.3）将面部静脉信息的三维矩阵中的元素归一化处理，使矩阵中的元素值保持在0～1之间；逐一查询面部轮廓三维矩阵中的元素值，将数值为1的元素的坐标找出来，将面部静脉三维矩阵中对应位置的元素值置换为1，达到面部轮廓深度信息与面部静脉信息的融合，从而得到重建面部静脉的三维结构后的重建图像。
一种基于光声成像技术的面部静脉识别装置，包括：
1）TOF相机，用于采集人脸的面部轮廓深度信息；
2）光声成像器件，用于采集人脸的面部静脉信息；
3）信息处理系统，用于根据面部轮廓深度信息和面部静脉信息重建面部静脉的三维结构，从三维结构中提取特征值，将目标人脸的特征值与已登记数据库中人脸的特征值进行比对，输出身份识别结果；
4）PC端，对采集的面部轮廓图、面部静脉图，以及身份识别结果进行显示。
优选地，所述的光声成像器件包括：
2.1）激励源，用于发射短激光脉冲，在短激光脉冲的照射下，人体组织会发生瞬态热弹性膨胀，产生宽频带超声波发射；
2.2）光学组件，置于激励源前端，对短激光脉冲进行传导与整形；
2.3）发射端驱动电机，与激励源和光学组件相连，使整形后的短激光脉冲按既定轨迹运动，完成既定部位的扫描；
2.4）超声换能器，与激励源位于同侧，用于接收宽频带超声波，并转化成包含面部静脉信息的电信号；
2.5）信号放大器，与超声换能器相连，将其输出的电信号进行放大，并传送到信息处理系统；
2.6）接收端驱动电机，连接超声换能器，并与发射端驱动电机保持同步，带动超声换能器按既定轨迹完成宽频超声波的接收。
优选地，所述激励源为LD、Vcsel或Nd:YAG激光器。其波长可以为单一波长也可以为复合波长，脉冲时间为ns级别，由于激光脉冲发射时间很短，且经过光学组件重新配光，人体组织单位面积上接收到的光功率很小，不会对人眼和人体组织造成伤害。
优选地，所述光学组件为衍射光学元件或者透镜加毛玻璃均光片的组合。所述的衍射光学元件可以为DOE或Diffuser等衍射光学元件。激励源发出的激光经过光学组件后会改变原有的光分布，呈现预先设计的光分布，包括光斑形状、尺寸、均匀性等。
优选地，所述的超声换能器为线性阵列或者面阵列。所述的超声换能器与激励源位于同侧，与接收端驱动电机相连，并在其带动下按既定轨迹完成宽频超声信号接收任务。
所述发射端驱动电机与激励源、光学组件相连，使整形后的光束按既定轨迹对面部进行扫描，该轨迹可以是栅格图案或者任何其他合适的扫描图案，扫描的区域可以是矩形也可以是非矩形，扫描区域可以根据脸部的2D或3D图像进行匹配。
所述TOF相机一方面可以进行人脸识别，另一方面可以为光声成像扫描区域的规划提供依据。
采用本发明提供的技术方案，与现有技术相比，具有如下有益效果：
1.与超声成像具有相似的空间分辨率，但血管与其他组织的对比度更高；
2.与红外光学成像相比，可以获取血管系统的高分辨率、三维可视化图像，更加复杂、清晰和安全；
3.相较于其他部位的静脉识别方式，面部静脉采集更为便捷，而且可以实现无接触采集；
4.基于光声成像的面部静脉识别方法弥补了基于RGB图像进行人脸识别的缺陷，因为即使面部特征非常相似的同卵双胞胎之间面部静脉差异也非常大，这使得本发明可以有效区分同卵双胞胎；
5.与一般光声成像技术相比，本发明将面部轮廓与面部静脉相结合，在此基础上重建面部静脉的三维结构，基于该三维结构提取特征值用于身份识别，准确率与安全性更高。
附图说明
图1是本发明面部静脉识别装置的原理框图；
图2是本发明面部静脉识别方法的流程图；
图3是TOF相机的工作示意图；
图4是激励源与光学组件的工作示意图，其中图4（a）的激励源采用LD或Vcsel 4，光学组件采用DOE或Diffuser 5；图4（b）激励源采用Nd:YAG激光器6，光学组件采用凹透镜7加毛玻璃均光片8的组合；
图5是超声换能器的工作示意图；
图标：1-TOF相机；21-面部轮廓；22-面部静脉；3-发射端驱动电机；4-LD或Vcsel；5-DOE或Diffuser等衍射光学元件；6-Nd:YAG激光器；7-凹透镜；8-毛玻璃匀光片；9-接收端驱动电机；10-超声换能器；11-信号放大器。
具体实施方式
为进一步了解本发明的内容，结合实施例对本发明作详细描述。所描述的实施例是本发明的一部分实施例，本说明书中公开的所有特征，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合。
一种基于光声成像技术的面部静脉识别装置，如图1-5所示，包括信息处理系统、PC端、光声成像器件、TOF相机1。
所述的TOF相机1，用于采集人脸的面部轮廓深度信息；
所述的光声成像器件，用于采集人脸的面部静脉信息；
所述的信息处理系统，用于根据面部轮廓深度信息和面部静脉信息重建面部静脉的三维结构，从三维结构中提取特征值，将目标人脸的特征值与已登记数据库中人脸的特征值进行比对，输出身份识别结果；
所述的PC端，对采集的面部轮廓与面部静脉的三维结构，以及身份识别结果进行显示。
所述的光声成像器件包括：
2.1）激励源，用于发射短激光脉冲，在短激光脉冲的照射下，人体组织会发生瞬态热弹性膨胀，产生宽频带超声波发射；
2.2）光学组件，置于激励源前端，对短激光脉冲进行传导与整形；
2.3）发射端驱动电机3，与激励源和光学组件相连，使整形后的短激光脉冲按既定轨迹运动，完成既定部位的扫描；
2.4）超声换能器10，与激励源位于同侧，用于接收宽频带超声波，并转化成携带面部静脉信息的电信号；
2.5）信号放大器11，与超声换能器10相连，将其输出的电信号进行放大，并传送到信息处理系统；
2.6）接收端驱动电机9，连接超声换能器10，并与发射端驱动电机3保持同步，带动超声换能器10按既定轨迹完成宽频超声波的接收。
所述激励源为LD、Vcsel或Nd:YAG激光器。图4是激励源与光学组件的工作示意图，其中图4（a）的激励源采用LD或Vcsel 4，光学组件采用DOE或Diffuser 5；图4（b）激励源采用Nd:YAG激光器6，光学组件采用凹透镜7加毛玻璃均光片8的组合。激励源波长可以为单一波长也可以为复合波长，脉冲时间为ns级别，由于激光脉冲发射时间很短，且经过光学组件重新配光，人体组织单位面积上的接收到的光功率很小，不会对人眼和人体组织造成伤害。激励源发出的激光经过光学组件后会改变原有的光分布形态，呈现预先设计的光分布形态，包括光斑形状、尺寸、均匀性等。所述发射端驱动电机3与激励源、光学组件相连，使整形后的光束按既定轨迹对面部静脉22进行扫描，该轨迹可以是栅格图案或者任何其他合适的扫描图案，扫描的区域可以是矩形也可以是非矩形，扫描区域可以根据脸部的2D或3D图像进行匹配。
如图5所示，所述接收端驱动电机9与超声换能器10相连，与发射端驱动电机3保持同步，带动超声换能器10按既定轨迹接收宽频超声信号。所述发射端驱动电机3与所述接收端驱动电机9的运动轨迹不完全相同，因为超声换能器10尺寸小，而光斑尺寸大，接收端驱动电机9需要带动超声换能器10遍历光斑照射区域才进行下一个区域的扫描。假设发射端驱动电机3完成面部扫描需要移动10步，接收端驱动电机9完成一个光斑区域扫描需要移动20步，那么接收端驱动电机9完成整个面部扫描则需要移动10*20=200步。
如图5所示，所述超声换能器10可以为线性阵列，也可以为面阵列，与激励源位于同侧，与接收端驱动电机9相连，在其带动下按既定轨迹完成宽频超声信号接收工作。
如图3所示，所述TOF相机1与激励源、超声换能器10位于同侧，负责采集面部轮廓的深度信息，一方面可以进行人脸识别，另一方面可以为光声成像扫描区域的规划提供依据。
参照图2，一种基于光声成像技术的面部静脉识别方法（也即上述面部静脉识别装置的工作方法），包括如下步骤：
1）TOF相机1采集人脸的面部轮廓深度信息；
TOF相机的工作原理是通过发射和接收光脉冲信号进行处理。假设发射的正弦信号为s(t)，表达式如（1）所示，A为振幅，ωt为调制频率，
接收到的信号为r(t) ，表达式如（2）所示，k为衰减系数， ∆φ为相位偏移量，n为干扰噪声，
一个周期内采样四次,相位分别为0°、90°、180°、270°，代入公式（3），据此可以列出四个方程式，求出相位偏移量∆φ，从而根据公式（4）计算脸上某一个点和TOF相机的距离d，参见杨晶晶. TOF 相机误差实验分析以及基于滤波器的随机误差校正[D]. 合肥工业大学, 2011.。
假设一幅人脸图像有M*N个像素，计算出TOF相机每个像素对应的距离值
（行
方向m=1..M，列方向n=1..N）,就可以获得一幅面部轮廓图像，表示为公式（5）所示的二维矩
阵:
2）采用光声成像采集人脸的面部静脉信息；
一般超声换能器10为线性阵列，假设其有1*q个探测单元，将M*N像素的人脸图像网格化，划分为一个个包含p*q个像素的小块区域。发射端驱动电机3带动整形后的光束，接收端驱动电机9带动超声换能器10，到达第一小块区域，然后接收端驱动电机9带动超声换能器10按步长1/p移动，完成第一个小块区域的扫描，采集该区域的静脉信息，接着逐一完成其他小块区域的静脉信息采集。采集后的面部静脉信息可表示为一个M行、N列、K层的三维矩阵，相邻层之间的物理间隔设为L，采集到的信息还包括每一层面部静脉组织与光声成像设备的距离，第1层对应的距离为0，第K层对应的距离为K*L。
3）根据面部轮廓深度信息和面部静脉信息重建面部静脉的三维结构，从三维结构中提取特征值；
3.1）面部轮廓深度信息表示为一个M行、N列的二维矩阵，面部静脉信息表示为一个M行、N列、K层的三维矩阵，相邻层之间的物理间隔设为L；
3.2）新建一个M行、N列、K1层的三维零矩阵，其中元素
投影的层序号k由公式
（6）而得，层数K1由公式（7）而得：
将三维零矩阵m行、n列、k层对应位置的元素值设为1，将面部轮廓深度信息的二维矩阵中的元素一一投射到三维空间，形成一个M行、N列、K1层的三维矩阵，层与层间隔仍为L；截取该三维矩阵的1～K层，不足K层元素用零补充，大于K层的元素省略，最终获得一个包含面部轮廓深度信息的M行、N列、K层的面部轮廓三维矩阵；
3.3）将面部静脉信息的三维矩阵中的元素归一化处理，使矩阵中的元素值保持在0～1之间；逐一查询面部轮廓三维矩阵中的元素值，将数值为1的元素的坐标找出来，将面部静脉三维矩阵中对应位置的元素值置换为1，达到面部轮廓深度信息与面部静脉信息的融合，从而得到重建面部静脉的三维结构后的重建图像。
3.4）静脉特征提取
首先，对融合了面部轮廓深度信息与面部静脉信息的三维矩阵进行逐层求和，去除前端和为0的层。然后再去除重建图像中不需要的噪声，提高图像质量；然后再对图像数据进行平滑化处理；最后将重建图像二值化，低于阈值的数据置换成0，高于阈值的数据置换成1，以提取静脉特征。
4）将目标人脸的特征值与已登记数据库中人脸的特征值进行比对，输出身份识别结果。
步骤1）中将TOF相机1采集的面部轮廓深度信息传回信息处理系统，生成面部轮廓图像，根据面部轮廓图像规划步骤2）的光声成像扫描区域。
步骤2）中采用光声成像器件完成所述光声成像扫描区域的静脉扫描任务，向信息处理系统输出包含面部静脉信息的电信号。
步骤4）中在PC端上显示面部轮廓图、面部静脉图，以及身份识别结果。
实验例
此次试验，光声成像器件的激励源选用脉冲频率为10hz，输出波长为1064nm，脉宽20ns的 Nd:YAG激光器6，光学组件采用一片凹透镜7与一片匀光片8；超声换能器选用中心频率5MHZ，32通道的线性超声换能器阵列10。
分别用RGB摄像头采集100人╳50张2D面部图像（一般人脸识别），用红外摄像头搭配近红外灯采集100人╳50张二维面部静脉图像（基于传统光学的面部静脉识别），用光声成像设备采集100人╳50张融合面部轮廓21与面部静脉22的三维图像（基于光声成像的面部静脉识别），通过设定合适的阈值，验证一般人脸识别、基于传统光学的面部静脉识别与基于光声成像的面部静脉识别方法的通过率和准确率，所得的实验结果如表1所示：
表1
在有限的数据集下由实验结果可知，采用一般人脸识别方法通过率很高，但准确率很低。虽然基于传统近红外光学的面部静脉识别方法准确率有所提升，但由于近红外光穿透深度有限，所拍摄的静脉图像不清晰，且为二维图像，因此通过率很低。本发明基于光声成像技术的面部静脉识别方法在保持较高通过率的同时，准确率依然很高，识别效果要明显优于一般人脸识别与基于传统近红外光学的面部静脉识别方法。
以上根据优选实施方式对本发明进行了说明，但本发明的光声信号处理装置、系统及方法并不仅限于上述实施方式，对上述实施方式的构成施以各种修正及变更的内容也包含于本发明的范围。
Claims (7)
1.一种基于光声成像技术的面部静脉识别方法，其特征在于包括如下步骤：
1）采用TOF相机采集人脸的面部轮廓深度信息；
2）采用光声成像器件采集人脸的面部静脉信息；所述的光声成像器件包括：
2.1）激励源，用于发射短激光脉冲，在短激光脉冲的照射下，人体组织会发生瞬态热弹性膨胀，产生宽频带超声波发射；
2.2）光学组件，置于激励源前端，对短激光脉冲进行传导与整形；
2.3）发射端驱动电机，与激励源和光学组件相连，使整形后的短激光脉冲按既定轨迹运动，完成既定部位的扫描；
2.4）超声换能器，与激励源位于同侧，用于接收宽频带超声波，并转化成包含面部静脉信息的电信号；
2.5）信号放大器，与超声换能器相连，将其输出的电信号进行放大，并传送到信息处理系统；
2.6）接收端驱动电机，连接超声换能器，并与发射端驱动电机保持同步，带动超声换能器按既定轨迹完成宽频带超声波的接收；
3）根据面部轮廓深度信息和面部静脉信息重建面部静脉的三维结构，从三维结构中提取特征值；步骤3）重建面部静脉的三维结构的具体步骤为：
3.1）面部轮廓深度信息表示为一个M行、N列的二维矩阵，面部静脉信息表示为一个M行、N列、K层的三维矩阵，相邻层之间的物理间隔设为L；
3.2）新建一个M行、N列、K1层的三维零矩阵，其中面部轮廓深度信息二维矩阵第m行、n
列元素
投影到三维零矩阵的层序号k由公式（6）而得，层数K1由公式（7）而得：
式中，1≤m≤M，1≤n≤N，1≤k≤K1；
将三维零矩阵m行、n列、k层对应位置的元素值设为1，将面部轮廓深度信息的二维矩阵中的元素一一投射到三维空间，形成一个M行、N列、K1层的三维矩阵，层与层间隔仍为L；截取该三维矩阵的1～K层，不足K层元素用零补充，大于K层的元素省略，最终获得一个包含面部轮廓深度信息的M行、N列、K层的面部轮廓三维矩阵；
3.3）将面部静脉信息的三维矩阵中的元素归一化处理，使矩阵中的元素值保持在0～1之间；逐一查询面部轮廓三维矩阵中的元素值，将数值为1的元素的坐标找出来，将面部静脉三维矩阵中对应位置的元素值置换为1，达到面部轮廓深度信息与面部静脉信息的融合，从而得到重建面部静脉的三维结构后的重建图像；
4）将目标人脸的特征值与已登记数据库中人脸的特征值进行比对，输出身份识别结果；
步骤1）中将TOF相机采集的面部轮廓深度信息传回信息处理系统，生成面部轮廓图像，根据面部轮廓图像规划步骤2）的光声成像扫描区域。
2.根据权利要求1所述的基于光声成像技术的面部静脉识别方法，其特征在于：步骤2）中采用光声成像器件完成所述光声成像扫描区域的静脉扫描任务，向信息处理系统输出包含面部静脉信息的电信号。
3.根据权利要求1所述的基于光声成像技术的面部静脉识别方法，其特征在于：步骤4）中在PC端上显示面部轮廓图、面部静脉图，以及身份识别结果。
4.一种基于权利要求1面部静脉识别方法的面部静脉识别装置，其特征在于包括：
1）TOF相机，用于采集人脸的面部轮廓深度信息；
2）光声成像器件，用于采集人脸的面部静脉信息；TOF相机采集的面部轮廓深度信息传回信息处理系统，生成面部轮廓图像，根据面部轮廓图像规划光声成像器件的光声成像扫描区域；
3）信息处理系统，用于根据面部轮廓深度信息和面部静脉信息重建面部静脉的三维结构，从三维结构中提取特征值，将目标人脸的特征值与已登记数据库中人脸的特征值进行比对，输出身份识别结果；
4）PC端，对采集的面部轮廓图、面部静脉图，以及身份识别结果进行显示；
所述的光声成像器件包括：
2.1）激励源，用于发射短激光脉冲，在短激光脉冲的照射下，人体组织会发生瞬态热弹性膨胀，产生宽频带超声波发射；
2.2）光学组件，置于激励源前端，对短激光脉冲进行传导与整形；
2.3）发射端驱动电机，与激励源和光学组件相连，使整形后的短激光脉冲按既定轨迹运动，完成既定部位的扫描；
2.4）超声换能器，与激励源位于同侧，用于接收宽频带超声波，并转化成包含面部静脉信息的电信号；
2.5）信号放大器，与超声换能器相连，将其输出的电信号进行放大，并传送到信息处理系统；
2.6）接收端驱动电机，连接超声换能器，并与发射端驱动电机保持同步，带动超声换能器按既定轨迹完成宽频带超声波的接收。
5.根据权利要求4所述的面部静脉识别装置，其特征在于：所述激励源为LD、Vcsel或Nd:YAG激光器。
6.根据权利要求4所述的面部静脉识别装置，其特征在于：所述光学组件为衍射光学元件或者凹透镜加毛玻璃均光片的组合。
7.根据权利要求4所述的面部静脉识别装置，其特征在于：所述的超声换能器为线性阵列或者面阵列。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110531494.6A CN112990160B (zh) | 2021-05-17 | 2021-05-17 | 一种基于光声成像技术的面部静脉识别方法及识别装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110531494.6A CN112990160B (zh) | 2021-05-17 | 2021-05-17 | 一种基于光声成像技术的面部静脉识别方法及识别装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112990160A CN112990160A (zh) | 2021-06-18 |
| CN112990160B true CN112990160B (zh) | 2021-11-09 |
Family
ID=76336629
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110531494.6A Active CN112990160B (zh) | 2021-05-17 | 2021-05-17 | 一种基于光声成像技术的面部静脉识别方法及识别装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112990160B (zh) |
Family Cites Families (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102663355A (zh) * | 2012-03-27 | 2012-09-12 | 天津理工大学 | 基于手背静脉与手形结合的识别系统与方法 |
| CN104116496B (zh) * | 2014-07-11 | 2016-06-22 | 深圳先进技术研究院 | 医用三维静脉血管增强现实装置及方法 |
| CN106022210A (zh) * | 2016-05-04 | 2016-10-12 | 成都指码科技有限公司 | 一种静脉轮廓三维点云匹配的身份识别方法及装置 |
| US10366269B2 (en) * | 2016-05-06 | 2019-07-30 | Qualcomm Incorporated | Biometric system with photoacoustic imaging |
| CN106384106A (zh) * | 2016-10-24 | 2017-02-08 | 杭州非白三维科技有限公司 | 一种基于三维扫描的反欺诈人脸识别系统 |
| CN106510635A (zh) * | 2016-11-30 | 2017-03-22 | 江西科技师范大学 | 一种皮肤血管光声成像装置 |
| CN107392088A (zh) * | 2017-06-01 | 2017-11-24 | 燕南国创科技（北京）有限公司 | 三维静脉识别装置和方法、开关、移动终端 |
| CN108038480A (zh) * | 2018-02-09 | 2018-05-15 | 宁波静芯号网络科技有限公司 | 一种基于脸部静脉防伪的人脸识别系统装置 |
| CN109543535B (zh) * | 2018-10-23 | 2021-12-21 | 华南理工大学 | 三维指静脉特征提取方法及其匹配方法 |
| CN110619302A (zh) * | 2019-09-16 | 2019-12-27 | Oppo广东移动通信有限公司 | 静脉识别方法及相关产品 |
| CN111553322A (zh) * | 2020-05-21 | 2020-08-18 | 山东交通学院 | 一种基于双目原理的手部静脉血管深度检测装置及检测方法 |
| CN112597812A (zh) * | 2020-12-03 | 2021-04-02 | 西安格威西联科技有限公司 | 一种基于卷积神经网络和sift算法的手指静脉识别方法及系统 |
-
2021
- 2021-05-17 CN CN202110531494.6A patent/CN112990160B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN112990160A (zh) | 2021-06-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8494228B2 (en) | Personal authentication method using subcutaneous bloodstream measurement and personal authentication device | |
| CN101711676B (zh) | 手指静脉认证装置和手指静脉认证方法 | |
| Hao et al. | Multispectral palm image fusion for accurate contact-free palmprint recognition | |
| JP4636140B2 (ja) | 静脈撮像装置、静脈撮像方法および静脈認証装置 | |
| CN101539995B (zh) | 基于手指静脉纹与手指背纹的成像设备及多模态身份认证方法 | |
| CN100544671C (zh) | 活体的识别方法和活体的识别装置 | |
| US9384404B2 (en) | Apparatus and method for capturing a vital vascular fingerprint | |
| Iula et al. | 3D Ultrasound palm vein pattern for biometric recognition | |
| KR102028269B1 (ko) | 바이털 사인 확정 방법, 신분 인증 방법 및 그의 장치 | |
| US20110254924A1 (en) | Optronic system and method dedicated to identification for formulating three-dimensional images | |
| Iula et al. | An ultrasound technique for 3D palmprint extraction | |
| KR102570637B1 (ko) | 지정맥 인식 장치 및 지정맥 인식 방법 | |
| CN104883974B (zh) | Nir图像引导的靶向 | |
| WO2007050187A2 (en) | Method and system for detecting biometric liveness | |
| US9448100B2 (en) | Signal processing apparatus | |
| CN106473751A (zh) | 基于阵列式超声传感器的手掌血管成像与识别装置及其成像方法 | |
| US9971948B1 (en) | Vein imaging using detection of pulsed radiation | |
| CN112990160B (zh) | 一种基于光声成像技术的面部静脉识别方法及识别装置 | |
| CN106510635A (zh) | 一种皮肤血管光声成像装置 | |
| CN109496308A (zh) | 生物特征识别的方法、装置和电子设备 | |
| CN109247911B (zh) | 一种手指多模态特征同步采集系统 | |
| Maev et al. | High-speed biometrics ultrasonic system for 3D fingerprint imaging | |
| CN105078472A (zh) | 生理特征图像获取装置和方法 | |
| CN210691315U (zh) | 一种基于线性阵列式迷你led的光声强度防伪识别装置 | |
| CA2438220C (en) | Identification of a person based on ultra-sound scan analyses of hand bone geometry |
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 |