CN204258901U - 用于移动终端的手掌静脉识别装置和包括它的智能手机 - Google Patents
用于移动终端的手掌静脉识别装置和包括它的智能手机 Download PDFInfo
- Publication number
- CN204258901U CN204258901U CN201420193213.6U CN201420193213U CN204258901U CN 204258901 U CN204258901 U CN 204258901U CN 201420193213 U CN201420193213 U CN 201420193213U CN 204258901 U CN204258901 U CN 204258901U
- Authority
- CN
- China
- Prior art keywords
- palm vein
- infrared
- identification device
- camera
- feature
- 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.)
- Expired - Lifetime
Links
- 210000003462 vein Anatomy 0.000 title claims abstract description 129
- 238000000605 extraction Methods 0.000 claims abstract description 25
- 238000007781 pre-processing Methods 0.000 claims abstract description 20
- 238000000034 method Methods 0.000 claims description 44
- 230000008569 process Effects 0.000 claims description 33
- 230000015654 memory Effects 0.000 claims description 22
- 238000012545 processing Methods 0.000 claims description 22
- 238000013519 translation Methods 0.000 claims description 6
- 239000006002 Pepper Substances 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 description 12
- 238000005452 bending Methods 0.000 description 6
- 238000013461 design Methods 0.000 description 6
- 210000004204 blood vessel Anatomy 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 102000001554 Hemoglobins Human genes 0.000 description 1
- 108010054147 Hemoglobins Proteins 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 229940125368 controlled substance Drugs 0.000 description 1
- 239000000599 controlled substance Substances 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Collating Specific Patterns (AREA)
Abstract
本实用新型涉及用于移动终端的手掌静脉识别装置和包括它的智能手机,其中,手掌静脉识别装置,其包括近红外光线传感器、图像预处理单元(70)、特征提取单元(80)和特征匹配单元(90);所述近红外光线传感器包括近红外滤光片和近红外LED光源模块(60),其中,所述红外滤光片位于所述摄像头(10)上,并且,所述近红外LED光源模块(60)分布在所述摄像头(10)的周围;所述特征提取单元(80)能够计算出至少2个手掌静脉特征Hu矩;所述特征匹配单元(90)能够根据海明距离给出识别结果。本实用新型还涉及包括本文所述的手掌静脉识别装置的新型的智能手机(100)。所述手掌静脉识别装置提供了一种具有不可复制性、活体识别、非接触式、更高安全等级的识别认证方式。
Description
技术领域
本实用新型属于静脉识别技术领域,特别涉及用于移动终端的手掌静脉识别装置,其中,所述移动终端设备包括摄像头、中央处理器和存储器。
本实用新型还涉及包括所述手掌静脉识别装置的智能手机。
背景技术
随着移动终端手机不断地深入影响人们的日常生活,使人们的生活更加方便,甚至影响社会潮流。手机银行、微信红包等多种移动支付平台的出现,使得支付变得便捷,与此同时,手机支付的安全性和保密性显得尤为重要,而生物特征识别是解决这一问题的有效方法。人体生物特征识别技术具有安全、有效、强防伪、方便的特点,是解决信息安全的有效方法。
人体生物特征识别技术(Human Biometric IdentificationTechnology)是依靠人体生物特征进行身份认证的一种技术,生物特征都具有唯一性,防伪性强,“钥匙”就是被检查人自己。
目前指纹识别是应用最广、最为成熟的技术,但是指纹识别存在指纹容易复制造价等缺点。相对于指纹识别以及其他识别技术,手掌静脉识别技术具有如下优势:
(1)活体识别,用手掌静脉进行身份认证时,获取的是手掌静脉的图像特征,是手掌活体时才存在的特征。
(2)内部特征,手掌静脉识别获取的是手掌内部的静脉红外图像特征,而不是手掌表面的图像特征。
(3)非接触式,手掌静脉识别获取手掌静脉红外图像时,手背无须与手机接触。
(4)安全等级高,手掌静脉红外图像相对于手指和手背静脉红外图像信息更加丰富,拥有更多的特征信息。
静脉识别的基本原理是利用含氧血液相对肌肉组织对波长为700-1000nm的近红外光谱有较强吸收作用,利用主动近红外光源照射采集部位并通过摄像装置采集图像即可采集到血管的脉络纹理图像。
手掌静脉识别仪利用人体血红蛋白通过静脉时能吸收近红外光的特性,采集手掌皮肤底下的静脉影像,并提取以作为生物特征。
专利文献CN101425134属于人体生物身份识别技术领域,具体涉及一种在线的手背静脉识别方法,本发明通过手背静脉采集仪获得手背静脉图像,然后对图像进行预处理,包括手背静脉感兴趣区域提取以及高斯滤波去噪平滑,然后对预处理的图像进行2D Gabor滤波,最后对静脉图像的2D Gabor相位特征编码,并且利用海明距离来实现特征匹配。
专利文献CN201349235公开一种具有静脉识别功能的手机,包括主芯片,还包括静脉识别装置,所述静脉识别装置与所述主芯片相连接,所述静脉识别装置包括静脉识别传感器。通过手机与静脉识别装置的相结合,使手机的安全性非常高,难以被破译;使用者无需记忆密码,也无需输入密码,避免了因为遗忘密码或者是输入失误而无法使用该手机;认证操作非常方便。
专利文献CN101789076A公开一种提取相位及方向特征的手指静脉识别方法。包括对手指静脉图像滤波、纹理特征提取、特征匹配、二维Gabor滤波器的参数的设置;对读入的手指静脉原图先采用二维Gabor滤波器进行滤波,分别提取相位和方向的纹理信息,并在特征级上进行融合,形成编码;最后采用改进的Hamming距离来衡量不同编码之间的相似性。
专利文献CN102411711A公开了一种基于个性化权重的手指静脉识别方法,该方法可以有效地克服噪声位对识别精度带来的不利影响,提高了手指静脉识别系统的识别性能和鲁棒性。它分为训练过程和识别过程;其中,训练过程首先对训练图像进行预处理,然后各自提取LBP特征,最后训练出权重位图W;识别过程首先对测试样本图像进行预处理,接着进行LBP特征提取,最后,通过公式4计算与数据库模板之间的海明距离,根据设定的阈值确定识别结果;是异或运算符,运算符两边的数字若相同结果为“0”反之则为“1”;若DA小于设定的阈值θ,则测试图像属于A类,θ取值为0.15。
专利文献CN203016089U公开一种具有红外光源和可选择滤光片的手机套,它是由手机套、红外LED光源、光源散射装置、可旋转选择滤光片的托盘装置、多个滤光片、滤光片手动选择旋钮和电源接口组成;红外LED光源、光源散射装置、可旋转选择滤光片的托盘装置、多个滤光片、滤光片手动选择旋钮和电源接口都安装在手机套上,红外LED光源通过光源散射装置向外散射红外光源,滤光片安装在可旋转选择滤光片的托盘装置上,并且滤光片的中心正对手机摄像头中心,电源接口与手机电源接口相连。
上述专利文献公开了多个静脉识别的技术方案,当然,寻求不同于现有技术中公开手掌静脉识别的技术方案依然是本领域技术人员研究和开发的方向。
实用新型内容
本实用型新要解决的技术问题在于,手机支付、用户登录等应用中密码容易被盗以及指纹技术的授权方式中存在易被盗、被复制或者污染所致的安全问题。
为此本实用型新提出一种不同于现有技术的新颖的应用于手机移动终端的手掌静脉识别装置,其通过如下方式实现的:
(1)在手机摄像头前添加近红外滤光片以及手机摄像头周围安置环形LED红外光源模块,通过手机拍照采集手掌静脉原图;
(2)采集到的静脉原图进行预处理,预处理流程包过:均值模糊化、一系列的处理,最后进行细化和膨胀;
(3)计算预处理后图像的7个具有平移、比例伸缩、旋转不变性的Hu矩;
(4)计算数据库Hu矩与待测图像Hu矩间的距离,得出匹配结果。
为此,本实用新型提出新颖的手掌静脉识别装置,其用于移动终端设备,其中,所述移动终端设备包括摄像头、中央处理器和存储器;
其特征在于:
所述手掌静脉识别装置包括近红外光线传感器、图像预处理单元、特征提取单元和特征匹配单元;
所述近红外光线传感器包括近红外滤光片和近红外LED光源模块,其中,所述红外滤光片位于所述摄像头上,并且,所述近红外LED光源模块分布在所述摄像头的周围;
所述近红外LED光源模块能够发射近红外光线,照射到所述手掌静脉,所述手掌静脉反射的近红外光线穿过所述近红外滤光片,进入所述摄像头;
所述摄像头能够检测到近红外光线,并能够生成相应的原始手掌静脉红外图像信息;
所述图像预处理单元能够对所述原始手掌静脉红外图像信息进行均值模糊化处理、细化处理、膨胀处理,并生成相应的预处理过的手掌静脉红外图像信息;
所述特征提取单元能够从所述预处理过的手掌静脉红外图像信息中计算出至少2个手掌静脉特征Hu矩,其中,所述手掌静脉特征Hu矩具有平移的、比例伸缩的、旋转的不变性;
所述特征匹配单元能够将所述手掌静脉特征Hu矩与储存在所述存储器中的数据库图像的Hu矩进行比对,计算出相应的海明距离,并根据所述海明距离的数值给出识别结果。
根据本实用新型的其它技术方案,其还可以包括以下一个或多个技术特征。只要这样的技术特征的组合是可实施的,由此组成的新的技术方案都属于本实用新型的一部分。
优选地,所述特征提取单元能够进行对数运算,将所述手掌静脉特征Hu矩放大。
优选地,所述特征提取单元从所述预处理过的手掌静脉红外图像信息中计算出7个手掌静脉特征Hu矩,并且,所述特征匹配单元计算出所述海明距离所用的计算式为:
γ=|α1-β1|+|α2-β2|+|α3-β3|+|α4-β4|+|α5-β5|+|α6-β6|+|α7-β7|
其中,α1,α2,α3,α4,α5,α6,α7为所述计算出的手掌静脉特征Hu矩,β1,β2,β3,β4,β5,β6,β7为所述存储的数据库图像的Hu矩。
这样的算法简单、快速,有利于应用到象智能手机这样的小型便携设备上。
可选地,所述图像预处理单元还能够进行如下图像处理:消除椒盐噪声和高斯噪声、采用面积消除法去噪。
有利地,所述图像预处理单元和/或特征提取单元和/或特征匹配单元能够使用所述中央处理器进行数据处理和数据计算,并且能够将输入数据和/或输出数据存储在所述存储器中。这样的配置可充分利用智能手机的强大运算能力,并有利于保证结构紧凑,成本大幅降低。
优选地,所述近红外LED光源模块包括4至8个850nm贴片红外LED,并且所述贴片红外LED均匀分布在所述摄像头的周围的一个圆周上。这样的配置既保证智能手机的外观美观,又能提供较好的感光效果。
可选地,所述近红外光线传感器安设在一套体上,并且所述套体能够套装在所述移动终端设备上,使得所述红外滤光片位于所述摄像头上,并且,所述近红外LED光源模块分布在所述摄像头的周围。这样的配置使得所述近红外光线传感器能够方便地可拆卸地与所述智能手机安装在一起。
优选地,所述近红外光线的波长在660nm和1100nm之间。
优选地,所述摄像头是红外探测CCD摄像头。
本实用新型还提出新型的智能手机,其特征在于:所述智能手机包括本文所述的手掌静脉识别装置。
所述手掌静脉识别装置达到了有益效果:手掌静脉识别杜绝了现有的手机安全认证技术(指纹识别、密码等传统认证方式)中密码易遗忘、盗用、指纹易复制等安全隐患。提供了一种具有不可复制性、活体识别、非接触式、更高安全等级的识别认证方式。
附图说明
参照附图,本实用新型的特征、优点和特性通过下文的具体实施方式的描述得以更好的理解,附图中:
图1:本实用型新的智能手机结构示意图和相应的摄像头采集模块的放大示意图;
图2:本实用新型的近红外图像处理流程示意图;
图3:细化的手掌静脉红外图像的效果图;
图4:膨胀的手掌静脉红外图像的效果图。
在图中,同一的或类似的元件使用同一数字标记,不同的元件使用不同的数字标记,其中:
10 摄像头
20 中央处理器
30 存储器
60 近红外LED光源模块
70 图像预处理单元
80 特征提取单元
90 特征匹配单元
100 智能手机
具体实施方式
专利文献CN201349235公开一种具有静脉识别功能的手机,其中,所述手机包括主芯片、存储器和静脉识别装置。所述静脉识别装置包括静脉识别传感器。然而,该专利文献没有公开所述静脉识别装置或所述静脉识别传感器的详细物理结构和图像处理的具体实施方式。
下面结合附图和实施方式对本实用新型作进一步的说明。
如图1所示,本实用新型的手掌静脉识别装置主要用于移动终端设备,特别是用于智能手机100。与现有技术中的智能手机100一样,所述移动终端设备100主要包括摄像头10、中央处理器CPU20和存储器30。所述摄像头10可以是CMOS型或CCD型,根据专利文献CN203016089U记载,手机自带的CMOS感光元器件不仅可以检测可见光和红外线,而且可以检测紫外线和核辐射。所述中央处理器CPU20可以是X86、X64、ARM架构。所述存储器30可以是RAM内存条、SSD固态硬盘、SD卡或CF卡。所述智能手机的操作系统可以是流行的谷歌的安卓Android操作系统、苹果的IOS操作系统或微软的Windowsphone操作系统。
如图1和2所示,根据本实用新型的主要实施方式,所述手掌静脉识别装置包括近红外光线传感器、图像预处理单元70、特征提取单元80和特征匹配单元90。所述近红外光线传感器获取手掌静脉的红外图像,然后所述图像预处理单元70对所述红外图像进行预处理,接着所述特征提取单元80从所述红外图像中提取特征值,最后所述特征匹配单元90将所述特征值与预先存储好的特征数据相对比,以识别所获取的手掌静脉的红外图像是否与预先存储的手掌静脉的红外图像数据一致。
参照图2所示,所述近红外光线传感器包括近红外滤光片和近红外LED光源模块60,其中,所述红外滤光片位于所述摄像头10上,并且,所述近红外LED光源模块60分布在所述摄像头10的周围。当然,本领域技术人员可以理解,所述近红外光线传感器还包括所述摄像头10的感光元器件。需要理解的是,本文所指的“感光”这一技术术语,就要作扩展解释,是指能感知比可见光范围更大的电磁波,例如红外线、紫外线等电磁波。
有利地,所述近红外LED光源模块60可以直接集成在所述智能手机100上,如图1所示,所述近红外LED光源模块60包括4至8个850nm贴片红外LED,并且所述贴片红外LED均匀分布在所述摄像头10的周围的一个圆周上。所述红外滤光片能够在所述近红外LED光源模块60被打开时自动定位到所述摄像头10的镜头前。
所述红外滤光片可以让红外光线通过,而截止其它波长的电磁波或光线。优选地,所述红外滤光片可以通过波长为800nm-900nm的电磁波,其他波长的电磁波或光线被截止。
参照图2所示,所述近红外LED光源模块60能够发射近红外光线,照射到所述手掌静脉,所述手掌静脉反射的近红外光线穿过所述近红外滤光片,进入所述摄像头10。可选地,所述近红外光线的波长在660nm和1100nm之间,优选地在760nm和960nm之间,更为优选地在800nm和900nm之间。
参照图2所示,所述摄像头10能够检测到近红外光线,并能够生成相应的原始手掌静脉红外图像信息。优选地,所述摄像头10是红外探测CCD摄像头10。
当所述红外滤光片位于所述摄像头10的正前方时,所述近红外LED光源模块60发射近红外光线,所述近红外光线穿过手掌皮肤,照射到所述手掌静脉,按动所述摄像头10的快门,所述摄像头10拍摄到原始的手掌静脉红外图像信息。所述原始手掌静脉红外图像信息的可视性较差,需经过数字处理后提高可视性。
参照图2所示,所述图像预处理单元70能够对所述原始手掌静脉红外图像信息进行均值模糊化处理、细化处理、膨胀处理,并生成相应的预处理过的手掌静脉红外图像信息。可选地,所述图像预处理单元70能够使用所述中央处理器20进行数据处理和数据计算,并且能够将输入数据和/或输出数据存储在所述存储器30中。有利地,所述图像预处理单元70包括存储在所述存储器30中的算法程序,其中,所述算法程序是均值模糊化处理算法程序、细化处理算法程序、膨胀处理算法程序。换言之,所述图像预处理单元70包括均值模糊化处理算法子模块、细化处理算法子模块、和膨胀处理算法子模块。所述均值模糊化处理算法子模块包括所述存储器30中的均值模糊化处理算法程序存储区和所述中央处理器20中的均值模糊化处理算法程序执行区。所述细化处理算法子模块包括所述存储器30中的细化处理算法程序存储区和所述中央处理器20中的细化处理算法程序执行区。所述膨胀处理算法子模块包括所述存储器30中的膨胀处理算法程序存储区和所述中央处理器20中的膨胀处理算法程序执行区。
图3示出经过所述细化处理算法子模块细化处理的手掌静脉红外图像的效果图;图4示出经过所述膨胀处理算法子模块膨胀处理的手掌静脉红外图像的效果图。
有利地,在进行细化处理和膨胀处理之前,所述图像预处理单元70还能够进行如下图像处理:消除椒盐噪声和高斯噪声、采用面积消除法去噪。换言之,所述图像预处理单元70还包括消除椒盐噪声和高斯噪声算法子模块、去噪面积消除算法子模块。
参照图2所示,所述特征提取单元80能够从所述预处理过的手掌静脉红外图像信息中计算出至少2个手掌静脉特征Hu矩,其中,所述手掌静脉特征Hu矩具有平移的、比例伸缩的、旋转的不变性。有利地,所述特征提取单元80能够从所述预处理过的手掌静脉红外图像信息中计算出3、5、7、9、11、......、2N+1(N>1)个手掌静脉特征Hu矩
优选地,所述特征提取单元80从所述预处理过的手掌静脉红外图像信息中计算出7个手掌静脉特征Hu矩,并且,所述特征匹配单元90计算出所述海明距离所用的计算式为:
γ=|α1-β1|+|α2-β2|+|α3-β3|+|α4-β4|+|α5-β5|+|α6-β6|+|α7-β7|
其中,α1,α2,α3,α4,α5,α6,α7为所述计算出的手掌静脉特征Hu矩,β1,β2,β3,β4,β5,β6,β7为所述存储的数据库图像的Hu矩。选用7个手掌静脉特征Hu矩在商业上有较优的性价比,识别精度较高、实施成本合理。
所述特征匹配单元90能够将所述手掌静脉特征Hu矩与储存在所述存储器30中的数据库图像的Hu矩进行比对,计算出相应的海明距离,并根据所述海明距离的数值给出识别结果。
由于计算得到的七个矩值很小,直接进行比较时不太理想,为此,所述特征提取单元80能够进行对数运算,将所述手掌静脉特征Hu矩进行对数放大。
可选地,所述近红外光线传感器还包括光源散射装置。通过所述光源散射装置向外散射形成光源强度均匀分布的散射光源;该光源散射装置是紧贴所述红外LED光源的光学器件,具有散射光源的作用。
可选地,使用双管红外发射电路,可提高发射功率,增加红外发射的作用距离。
有利地,所述近红外光线传感器安设在一套体上,并且所述套体能够套装在所述移动终端设备上,使得所述红外滤光片位于所述摄像头10上,并且,所述近红外LED光源模块60分布在所述摄像头10的周围。
关于对数Hu矩
Hu于1961年首先提出了基于直角坐标系的原点矩、中心矩等几何矩的概念,之后又运用归一化中心矩组合定义了7个不变矩和其他类型的矩相比,这7个不变矩对于平移、旋转和比例缩放都具有较好的不变性,因此适合于作为识别分类的特征.但这7个不变矩的变化范围很大,直接作为特征用于识别效果不是很好,必须加以修正,本文利用取对数的方法进行数据压缩,同时考虑到不变矩有可能出现负值,因此,本文实际采用的不变矩为下式
M′i=lg|Mi|,i=1,2,3,...,7
然后将M′1~M′7作为静脉骨架的不变矩特征,并应用下式构造矩特征向量
M=(M′1,M′2,M′3,M′4,M′5,M′6,M′7)
关于红外LED
常用的红外发光二极管,如SE303.PH303,其外形和发光二极管LED相似,发出红外光。管压降约1.4v,工作电流一般小于20mA。为了适应不同的工作电压,回路中常常串有限流电阻。
常见的红外发光二极管,其功率分为小功率(1mW-10mW)、中功率(20mW-50mW)和大功率(50mW-100mW以上)三大类。要使红外发光二极管产生调制光,只需在驱动管上加上一定频率的脉冲电压。
红外线发射与接收的方式有两种,其一是直射式,其二是反射式。直射式指发光管和接收管相对安放在发射与受控物的两端,中间相距一定距离;反射式指发光管与接收管并列一起,平时接收管始终无光照,只在发光管发出的红外光线遇到反射物时,接收管收到反射回来的红外光线才工作。
根据本实用新型的智能手机100的实施方式,所述智能手机100包括本文所述的手掌静脉识别装置。
专利文献CN1936922,CN101425134,CN201282494,CN201349235,CN201548974U,CN101789075A,CN101789076A,CN101853378A,CN102254165A,CN202067293U,CN202275414U,CN202441135U,CN102411711A,CN102622587A,CN202795523U,CN202795524U,CN202872908U,CN203138450U,CN202904606U,CN203016089U,CN103093132A,CN103336945A,CN103310196A,CN103491328A,CN103584836A公开了与本实用新型相关的零件、元件、部件或装置,因此,在本文中没有提及的零件、元件和部件之间的结构关系、位置关系、作用力关系、运动关系、能量关系、动量关系等都可参照上述引用的专利文献来理解。本文引用的所述专利文献的技术内容因而成为本专利申请文件的一部分。在需要的情况下,本实用新型所涉及的技术领域中的所有的已公布的专利文献都可对本专利申请提供现有技术参照。
下文详细描述本实用新型的手掌静脉识别装置的工作方式
1.手掌静脉红外图像采集
手掌静脉红外图像采集装置的基本原理是人体静脉中血红素会吸收特定的近红外光线,当使用特定的近红外光照射人体皮肤时,相对血管周围的组织而言,静脉血管血液会吸收更多的近红外光,反射光被图像传感器感应,形成静脉血管图像。图1是本实用型新所述的手机摄像头采集模块的结构示意图。手机摄像头前添加了近红外滤光片,避免其他波段光的干扰。摄像头周围是环形的LED近红外源并添加散射片,使光均匀地照射到皮肤表面。
2.静脉红外图像预处理
采集到的静脉红外图像需要进行降噪处理,所述原始手掌静脉红外图像经过均值等一系列算法处理后,细化处理得到图3中图像,最后膨胀处理得到图4的图像。
3.特征提取及特征匹配
本实用新型特征提取基于统计特征的七个不变矩。这七个矩阵具有平移、旋转和比例缩放不变性,描述区域特征的统计特征,处理的血管图像不是细化的血管纹线,而是粗的血管。所以在预处理过程中,细化后进行了膨胀处理。
实验计算得到的七个矩值很小,直接进行比较时不太理想。本实用新型采用了对数运算将七个矩值放大后再进行比较。
在进行匹配对比时,本实用型新不是将七个矩值一一对应进行识别,而是通过一个测度得到一个值来进行比较在设定相应的阈值进行识别。令一幅图像的七矩值为α1,α2,α3,α4,α5,α6,α7,例一幅图的七矩值为β1,β2,β3,β4,β5,β6,β7,通过计算它们间的海明距离表征相似程度。海明距离越大说明二者之间的相差越大,相似程度越小,反之,海明距离越小说明二者间的相差越小,相似程度越大。海明距离的计算式如上文所述。
通过比较待测图像的hu矩和数据库图像的hu矩间的海明距离,判别识别结果。
本实用新型的新颖的手掌静脉识别装置杜绝了现有的手机安全认证技术(指纹识别、密码等传统认证方式)中密码易遗忘、盗用、指纹易复制等安全隐患。提供了一种具有不可复制性、活体识别、非接触式、更高安全等级的识别认证方式。
以上详细描述了本发明创造的优选的或具体的实施例。应当理解,本领域的技术人员无需创造性劳动就可以根据本发明创造的设计构思做出诸多修改和变化。因此,凡本技术领域中技术人员依本发明创造的设计构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在本发明创造的范围之内和/或由权利要求书所确定的保护范围内。
Claims (10)
1.手掌静脉识别装置,其用于移动终端设备,其中,所述移动终端设备包括摄像头(10)、中央处理器(20)和存储器(30);
其特征在于:
所述手掌静脉识别装置包括近红外光线传感器、图像预处理单元(70)、特征提取单元(80)和特征匹配单元(90);
所述近红外光线传感器包括近红外滤光片和近红外LED光源模块(60),其中,所述红外滤光片位于所述摄像头(10)上,并且,所述近红外LED光源模块(60)分布在所述摄像头(10)的周围;
所述近红外LED光源模块(60)能够发射近红外光线,照射到所述手掌静脉,所述手掌静脉反射的近红外光线穿过所述近红外滤光片,进入所述摄像头(10);
所述摄像头(10)能够检测到近红外光线,并能够生成相应的原始手掌静脉红外图像信息;
所述图像预处理单元(70)能够对所述原始手掌静脉红外图像信息进行均值模糊化处理、细化处理、膨胀处理,并生成相应的预处理过的手掌静脉红外图像信息;
所述特征提取单元(80)能够从所述预处理过的手掌静脉红外图像信息中计算出至少2个手掌静脉特征Hu矩,其中,所述手掌静脉特征Hu矩具有平移的、比例伸缩的、旋转的不变性;
所述特征匹配单元(90)能够将所述手掌静脉特征Hu矩与储存在所述存储器(30)中的数据库图像的Hu矩进行比对,计算出相应的海明距离,并根据所述海明距离的数值给出识别结果。
2.根据权利要求1所述的手掌静脉识别装置,其特征在于:所述特征提取单元(80)能够进行对数运算,将所述手掌静脉特征Hu矩放大。
3.根据权利要求1所述的手掌静脉识别装置,其特征在于:所述特征提取单元(80)从所述预处理过的手掌静脉红外图像信息中计算出7个手掌静脉特征Hu矩,并且,所述特征匹配单元(90)计算出所述海明距离所用的计算式为:
γ=|α1-β1|+|α2-β2|+|α3-β3|+|α4-β4|+|α5-β5|+|α6-β6|+|α7-β7|
其中,α1,α2,α3,α4,α5,α6,α7为所述计算出的手掌静脉特征Hu矩,β1,β2,β3,β4,β5,β6,β7为所述存储的数据库图像的Hu矩。
4.根据权利要求1所述的手掌静脉识别装置,其特征在于:所述图像预处理单元(70)还能够进行如下图像处理:消除椒盐噪声和高斯噪声、采用面积消除法去噪。
5.根据权利要求1所述的手掌静脉识别装置,其特征在于:所述图像预处理单元(70)和/或特征提取单元(80)和/或特征匹配单元(90)能够使用所述中央处理器(20)进行数据处理和数据计算,并且能够将输入数据和/或输出数据存储在所述存储器(30)中。
6.根据权利要求1所述的手掌静脉识别装置,其特征在于:所述近红外LED光源模块(60)包括4至8个850nm贴片红外LED,并且所述贴片红外LED均匀分布在所述摄像头(10)的周围的一个圆周上。
7.根据权利要求1所述的手掌静脉识别装置,其特征在于:所述近红外光线传感器安设在一套体上,并且所述套体能够套装在所述移动终端设备上,使得所述红外滤光片位于所述摄像头(10)上,并且,所述近红外LED光源模块(60)分布在所述摄像头(10)的周围。
8.根据权利要求1所述的手掌静脉识别装置,其特征在于:所述近红外光线的波长在660nm和1100nm之间。
9.根据权利要求1所述的手掌静脉识别装置,其特征在于:所述摄像头(10)是红外探测CCD摄像头(10)。
10.智能手机(100),其特征在于:所述智能手机(100)包括根据权利要求1至9中任一项所述的手掌静脉识别装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201420193213.6U CN204258901U (zh) | 2014-04-15 | 2014-04-15 | 用于移动终端的手掌静脉识别装置和包括它的智能手机 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201420193213.6U CN204258901U (zh) | 2014-04-15 | 2014-04-15 | 用于移动终端的手掌静脉识别装置和包括它的智能手机 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN204258901U true CN204258901U (zh) | 2015-04-08 |
Family
ID=52963161
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201420193213.6U Expired - Lifetime CN204258901U (zh) | 2014-04-15 | 2014-04-15 | 用于移动终端的手掌静脉识别装置和包括它的智能手机 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN204258901U (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105117702A (zh) * | 2015-08-20 | 2015-12-02 | 青岛三链锁业有限公司 | 一种掌静脉图像识别装置 |
CN106473751A (zh) * | 2016-11-25 | 2017-03-08 | 刘国栋 | 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 |
WO2017049923A1 (zh) * | 2015-06-17 | 2017-03-30 | 广州市巽腾信息科技有限公司 | 一种多功能移动图像处理装置、处理方法及用途 |
WO2017088109A1 (zh) * | 2015-11-24 | 2017-06-01 | 厦门中控生物识别信息技术有限公司 | 一种掌静脉识别的方法和掌静脉识别装置 |
CN107343132A (zh) * | 2017-08-28 | 2017-11-10 | 中控智慧科技股份有限公司 | 一种基于近红外led补光灯的手掌识别装置及方法 |
CN107481001A (zh) * | 2017-07-28 | 2017-12-15 | 深圳先进技术研究院 | 一种基于静脉识别技术和可穿戴智能设备的移动支付系统 |
CN109166469A (zh) * | 2018-09-14 | 2019-01-08 | 京东方科技集团股份有限公司 | 显示面板及制作方法、显示装置 |
CN111160246A (zh) * | 2019-12-28 | 2020-05-15 | 广东智冠信息技术股份有限公司 | 一种移动终端及其掌静脉识别方法、系统 |
CN117074321A (zh) * | 2023-08-15 | 2023-11-17 | 浙江大学 | 一种基于红外光信息智能手机的提取液化学成分检测方法 |
-
2014
- 2014-04-15 CN CN201420193213.6U patent/CN204258901U/zh not_active Expired - Lifetime
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017049923A1 (zh) * | 2015-06-17 | 2017-03-30 | 广州市巽腾信息科技有限公司 | 一种多功能移动图像处理装置、处理方法及用途 |
CN105117702A (zh) * | 2015-08-20 | 2015-12-02 | 青岛三链锁业有限公司 | 一种掌静脉图像识别装置 |
WO2017088109A1 (zh) * | 2015-11-24 | 2017-06-01 | 厦门中控生物识别信息技术有限公司 | 一种掌静脉识别的方法和掌静脉识别装置 |
US10748017B2 (en) | 2015-11-24 | 2020-08-18 | Zkteco Co., Ltd. | Palm vein identification method and device |
CN106473751A (zh) * | 2016-11-25 | 2017-03-08 | 刘国栋 | 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 |
CN106473751B (zh) * | 2016-11-25 | 2024-04-23 | 刘国栋 | 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 |
CN107481001A (zh) * | 2017-07-28 | 2017-12-15 | 深圳先进技术研究院 | 一种基于静脉识别技术和可穿戴智能设备的移动支付系统 |
CN107343132A (zh) * | 2017-08-28 | 2017-11-10 | 中控智慧科技股份有限公司 | 一种基于近红外led补光灯的手掌识别装置及方法 |
CN109166469A (zh) * | 2018-09-14 | 2019-01-08 | 京东方科技集团股份有限公司 | 显示面板及制作方法、显示装置 |
CN111160246A (zh) * | 2019-12-28 | 2020-05-15 | 广东智冠信息技术股份有限公司 | 一种移动终端及其掌静脉识别方法、系统 |
CN117074321A (zh) * | 2023-08-15 | 2023-11-17 | 浙江大学 | 一种基于红外光信息智能手机的提取液化学成分检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN204258901U (zh) | 用于移动终端的手掌静脉识别装置和包括它的智能手机 | |
Wu et al. | Review of palm vein recognition | |
Lee | A novel biometric system based on palm vein image | |
Sheela et al. | Iris recognition methods-survey | |
CN101196987B (zh) | 在线掌纹、手掌静脉图像身份识别方法及其专用采集仪 | |
CN102831410B (zh) | 基于电容效应及脉搏检测的双重防伪型指纹采集装置 | |
WO2017088109A1 (zh) | 一种掌静脉识别的方法和掌静脉识别装置 | |
CN101539995A (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 | |
CN102184387A (zh) | 手指静脉认证系统 | |
CN101627913B (zh) | 一种身份信息识别方法及其系统 | |
CN109190554A (zh) | 一种基于指纹和指静脉的3d识别系统及方法 | |
WO2013131407A1 (zh) | 双验证人脸防伪方法及装置 | |
CN102402679A (zh) | 非接触式掌纹掌脉识别系统 | |
CN110287918B (zh) | 活体识别方法及相关产品 | |
Kumar | Contactless 3D fingerprint identification | |
CN103116741A (zh) | 手掌静脉与手掌纹融合图像的采集识别系统 | |
Fletcher et al. | Development of mobile-based hand vein biometrics for global health patient identification | |
CN103136522A (zh) | 指静脉识别技术方案 | |
CN202093530U (zh) | 具有生物体手指识别功能的手指静脉认证装置 | |
CN205644823U (zh) | 社保自助服务终端装置 | |
CN107481001A (zh) | 一种基于静脉识别技术和可穿戴智能设备的移动支付系统 | |
CN101711399A (zh) | 静脉图案管理系统、静脉图案登记装置、静脉图案认证装置、静脉图案登记方法、静脉图案认证方法、程序和静脉数据配置 | |
Raghavendra et al. | Novel finger vascular pattern imaging device for robust biometric verification | |
WO2020073169A1 (zh) | 生物特征识别的方法、装置和电子设备 | |
CN110175496B (zh) | 一种微型可穿戴的血管生物识别装置及身份认证方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CX01 | Expiry of patent term |
Granted publication date: 20150408 |
|
CX01 | Expiry of patent term |