CN101464945A - 基于指背关节纹理的身份特征识别方法 - Google Patents

基于指背关节纹理的身份特征识别方法 Download PDF

Info

Publication number
CN101464945A
CN101464945A CNA2008102173508A CN200810217350A CN101464945A CN 101464945 A CN101464945 A CN 101464945A CN A2008102173508 A CNA2008102173508 A CN A2008102173508A CN 200810217350 A CN200810217350 A CN 200810217350A CN 101464945 A CN101464945 A CN 101464945A
Authority
CN
China
Prior art keywords
image
identification
characteristic
feature
finger
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
Application number
CNA2008102173508A
Other languages
English (en)
Inventor
杨帆
廖庆敏
骆庆忠
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.)
Shenzhen Graduate School Tsinghua University
Original Assignee
Shenzhen Graduate School Tsinghua 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 Shenzhen Graduate School Tsinghua University filed Critical Shenzhen Graduate School Tsinghua University
Priority to CNA2008102173508A priority Critical patent/CN101464945A/zh
Publication of CN101464945A publication Critical patent/CN101464945A/zh
Pending legal-status Critical Current

Links

Landscapes

  • Collating Specific Patterns (AREA)

Abstract

一种基于指背关节纹理的身份特征识别方法，包括注册步骤和认证步骤，注册步骤包括：利用图像采集装置采集授权用户手指背面关节表面纹理图像；对采集到的图像样本进行预处理；从预处理后的图像中提取关节表面纹理的特征；建立特征数据库，将提取到的特征存储在该数据库中；认证步骤包括：利用图像采集装置采集访问用户手指背面关节表面纹理图像；对采集到的图像样本进行预处理；从预处理后的图像中提取关节表面纹理的特征；将提取到的特征与所述数据库中的模板特征进行匹配，给出匹配结果；将所述匹配结果与判决阈值比较，判定访问用户是否为授权用户。本识别方法能可靠地进行身份鉴别，可广泛应用于公共和个人安全领域的身份识别***中。

Description

基于指背关节纹理的身份特征识别方法
技术领域
本发明涉及一种生物特征识别方法，特别是涉及一种基于人的手指背面关节纹理的生物识别方法。
背景技术
生物特征识别是利用人的生理特征或者行为特征的数字化信息进行自动身份鉴别。生理特征是指人与生俱来就存在的差异信息，例如不同人的指纹、人脸、虹膜、掌纹等存在着特殊的图像模式。行为特征是人后天形成的个性化特征，例如不同人的声音、心音、步态和笔迹。由于这些生理或行为特征具有“因人而异、长期不变、随身携带”等优点，为人们开发和使用高可靠性的智能身份识别***提供了可能。生物特征识别***，通过各种传感器采集人的生物特征，并利用计算机经过特定的算法对这些特征进行处理、分析、比对后计算出采集到的样本特征与存储于数据库中的模板特征的相似性，从而完成身份的鉴别，在公共与个人安全领域应用十分广泛。
生物特征识别技术，特别是基于人的手部特征的识别技术，如手形识别、掌纹识别、指纹识别等，迄今已发展得相当成熟，成为诸如国家机关、海关、核电站、军事基地、民航机场、铁路、银行、档案馆、企事业单位的办公楼及生产车间等场合广泛采用的身份识别(或身份鉴别、身份认证、身份确认)解决方案，但至今尚未出现基于手指关节表面纹理的识别技术。
现有的人脸识别***尚难以区分双胞胎人脸，且其鲁棒性受光照、表情和姿态变化等因素的影响。虹膜识别具有高精度的特点，但虹膜采集装置相对复杂，成本较高。基于人的声音、心音的识别***，往往受环境噪声的干扰而影响识别精度和鲁棒性，而且心音的采集设备比较复杂。基于步态、笔迹等的识别***，存在着唯一性和稳定性都不是很好的缺陷。其他识别***，如人耳识别、皮肤识别等，前者存在定位困难的问题，后者存在颜色变化的问题，两者都受姿态变化和形变等因素的影响，在安全领域中应用不多。
基于人的手部特征的识别技术，如手形识别、掌纹识别与指纹识别，一般利用接触式的图像采集装置如手形机(包括指形机)、掌纹采集器、指纹采集器等采集到的人体生物特征而进行身份识别。基于人的手指关节表面纹理的生物识别技术，是一种崭新的生物识别技术，通过提取指关节表面纹理的特征来进行身份识别。
发明内容
本发明的目的在于提供一新的身份识别方法，该方法通过提取手指背面关节表面纹理特征而进行身份识别，可应用于公共和个人安全领域的身份识别***中。
为实现上述目的，本发明采用以下技术方案：一种基于指背关节纹理的身份特征识别方法，包括注册步骤和认证步骤，所述注册步骤包括：
利用图像采集装置采集授权用户手指背面关节表面纹理图像；
对采集到的图像样本进行预处理；
从预处理后的图像中提取关节表面纹理的特征；
建立特征数据库，将提取到的特征存储在该数据库中；
所述认证步骤包括：
利用图像采集装置采集访问用户手指背面关节表面纹理图像；
对采集到的图像样本进行预处理；
从预处理后的图像中提取关节表面纹理的特征；
将提取到的特征与所述数据库中的模板特征进行匹配，给出匹配结果；
将所述匹配结果与判决阈值比较，判定访问用户是否为授权用户。
所述的手指背面关节表面纹理，以下简称为“指背关节纹理”，是指人的手指关节表面(手背的一面，不是手心的一面)的凸凹不平的皮肤纹路形成的纹理。注意，手心一面的关节纹路一般被认为是指节纹，与这里所说的表面纹理不同。对于人手而言，指背关节纹理，在大拇指上为第一关节(从指尖数起，下同)表面纹理，在其余手指上为第一关节表面纹理和第二关节表面纹理。
其中，对采集到的图像样本的预处理可以包括方向校正、图像增强和归一化等。对归一化后的图像，可以采用但不限于主成分方法(PCM-Principal ComponentMethod)提取特征参数或矢量；或者，抽取其指节外形和/或表面皱纹线条，利用指节外形和/或表面皱纹线条的多种度量参数(如数量、长度、方向、线形、分支点/数、间距、位置等信息)作为特征以形成特征参数或矢量。
本发明利用不同人指背关节纹理不相同、而且长期不变的特性，采用指背关节纹理作为生物特征实现身份识别，提供了一种新的生物特征识别方案。与现有的身份识别方法相比，具有以下优点：
由于该方法以关节表面凸凹不平的皮肤纹路形成的纹理为识别特征，不受光照、表情的影响，也不受颜色变化的影响，因此能可靠地进行身份鉴别，可广泛应用于公共和个人安全领域的身份识别***中。
由于手指关节表面皱纹较指纹粗大，所以其图像采集和特征提取更为容易，相应的识别算法更为简单，便于硬件实现。同时，相对于手掌或手形特征，手指关节纹理采集设备较小，其成本更低，所适用的场合更为广泛。
可实现不同安全级别的身份识别：每只手有9个可供识别的特征(包括大拇指的第一关节表面纹理和其余四个手指的第一和第二关节表面纹理)，通过采用一个、两个或多个关节表面纹理作为特征进行身份识别，可以实现不同安全级别的身份识别。
由于所采用的特征附着在人体上，不会像各种身份证件那样会出现忘记携带的情况。
依据所使用的采集方法(如特殊光源、多方向摄像等方式)，本发明可具有立体防伪功能(即可对平面复制的指背纹具有识别能力)，增加了识别***的安全性。
此外，通常指纹和人脸图像等生物特征涉及到个人的隐私和司法问题，采用指背纹理可以绕开此方面的应用障碍，容易为更多的人所接受。
附图说明
图1为本发明识别方法的流程图。
具体实施方式
以下结合附图，对本发明作进一步的阐述。
参照图1，本发明基于指背关节纹理的身份特征识别方法包括两个阶段：
(1)授权用户身份登记(注册)阶段S1，包括以下步骤
利用图像采集装置采集授权用户手指背面关节表面纹理图像S11；
对采集到的图像样本进行预处理S12；
特征提取S13：从预处理后的图像中提取关节表面纹理的特征；
特征存储S14：建立特征数据库，将提取到的特征存储在该数据库中；
(2)访问用户身份鉴别(认证)阶段S2
利用图像采集装置采集访问用户手指背面关节表面纹理图像S21；
对采集到的图像样本进行预处理S22；
特征提取S23：从预处理后的图像中提取关节表面纹理的特征；
特征匹配S24：将提取到的特征与存储在所述数据库中的模板特征进行匹配，给出匹配结果；
现场判决S25：将所述匹配结果和判决阈值比较，判定访问用户是否为授权用户，完成用户身份鉴别。
所述的手指背面关节表面纹理，是指人的手指关节表面(手背的一面，不是手心的一面)的凸凹不平的皮肤纹路形成的纹理。注意，手心一面的关节纹路一般被认为是指节纹，与这里所说的表面纹理不同。对于人手而言，手指关节表面纹理，在大拇指上为第一关节(从指尖数起，下同)表面纹理，在其余手指上为第一、第二关节表面纹理。由于第一关节纹理变化较少，比较简单，在不同手指上区别不是很大，故一般只作为一种辅助特征用于识别。
在上述图像采集步骤S11和S21中，可以采用数码相机、数码摄像头或专用采集设备采集手指背面关节表面纹理图像。采集时手指应处于伸展状态，在自然、人工或特殊安排的光源照射下，用成像设备(如摄像头、相机、扫描成像等方式)进行拍摄。
根据所用领域安全级别的不同，可以有以下选择：
1、安全级别较低：可以仅采集食指、中指、无名指、小拇指中任意一个手指的第二关节表面纹理的图像；
2、安全级别中等：可以采集食指、中指、无名指、小拇指中任意两个或三个手指的第二关节表面纹理的图像；
3、安全级别较高：可以采集食指、中指、无名指和小拇指这四个手指的第二关节表面纹理的图像；
4、安全级别很高：可以采集食指、中指、无名指、小拇指这四个手指的第一和第二关节表面纹理的图像，如果有必要，还可以采集大拇指的第一关节表面纹理的图像。
上述食指、中指、无名指、小拇指、大拇指可以是左手的手指，也可以是右手的手指，即采集的图像可以来自一只手也可以来自两只手。
在注册阶段，还可以把授权用户的所有手指的第一、第二关节表面纹理图像采集到，并处理、抽取特征，将模板特征存储到数据库中，这样在安全级别提高的情况下，不必重新采集图像。
在图像预处理步骤S12和S22中，对采集到的手指关节表面纹理图像，根据采集条件和质量，可采用一种或多种预处理方法，如：降噪、几何畸变校正、亮度/色彩分布校正、手指检测/定位、感兴趣区域(ROI-Region Of Interest)提取、ROI方向校正、图象增强、图像亮度/色彩/尺寸归一化等方法。
在特征提取步骤S13中，对预处理后的手指关节表面纹理图像进行数据分析，采用一定的特征提取方法形成一定维度的特征，例如：将特征图像作为一维或多维数据处理(如降维等方法)而提取诸如亚抽样图像、本征图像、本征向量、本征根等数据特征；或者，通过提取指节外形或皱纹等特征线条，利用它们的多种度量参数(如数量、长度、方向、线形、分支点/数、间距、位置等)作为特征；又或者，利用前述两种方法的某种组合方式以形成特征。然后通过特征存储步骤S14将提取的特征作为模板特征存储到模板特征数据库中。在特征提取步骤S23中，对预处理后的手指关节表面纹理图像进行数据分析，采用与步骤S13中相同的特征提取方法，形成一定维度的特征，作为识别时的样本特征。还可以对初步抽取的特征进行特征选择，优选出具有代表能力的一组特征系数，构成维数较低的特征向量，作为模板特征或者样本特征。
在特征匹配步骤S24中，将获得的样本特征与数据库中的模板特征进行比对，寻找与样本特征最相似的模板特征，并给出二者的相似程度(如百分比)。
在现场判决步骤S25中，根据特征匹配的结果，如果相似程度百分比大于设定的阈值(比如99％，这个阈值与安全级别有关，安全级别越高，阈值也越高；它影响拒识率，提高阈值，拒识率也提高)，则将访问用户判决为授权用户，否则视为非法入侵用户。
综上所述，本发明可以有效地完成基于人的手指关节表面纹理的生物特征识别，从而可靠地进行身份鉴别。

Claims (5)

1、一种基于指背关节纹理的身份特征识别方法，包括注册步骤和认证步骤，其特征在于：
所述注册步骤包括：
利用图像采集装置采集授权用户手指背面关节表面纹理图像；
对采集到的图像样本进行预处理；
从预处理后的图像中提取关节表面纹理的特征；
建立特征数据库，将提取到的特征存储在该数据库中；
所述认证步骤包括：
利用图像采集装置采集访问用户手指背面关节表面纹理图像；
对采集到的图像样本进行预处理；
从预处理后的图像中提取关节表面纹理的特征；
将提取到的特征与所述数据库中的模板特征进行匹配，给出匹配结果；
将所述匹配结果与判决阈值比较，判定访问用户是否为授权用户。
2、根据权利要求1所述的身份特征识别方法，其特征在于：对采集到的图像样本的预处理包括方向校正、图像增强和归一化。
3、根据权利要求2所述的身份特征识别方法，其特征在于：对归一化后的图像，采用主成分方法提取特征参数或矢量。
4、根据权利要求2或3所述的身份特征识别方法，其特征在于：对归一化后的图像，提取指节外形和/或表面皱纹线条，利用指节外形和/或表面皱纹线条的多种度量参数作为特征。
5、根据权利要求4所述的身份特征识别方法，其特征在于：所述度量参数包括数量、长度、方向、线形、分支点/数、间距和位置。
CNA2008102173508A 2008-11-14 2008-11-14 基于指背关节纹理的身份特征识别方法 Pending CN101464945A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CNA2008102173508A CN101464945A (zh) 2008-11-14 2008-11-14 基于指背关节纹理的身份特征识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CNA2008102173508A CN101464945A (zh) 2008-11-14 2008-11-14 基于指背关节纹理的身份特征识别方法

Publications (1)

Publication Number Publication Date
CN101464945A true CN101464945A (zh) 2009-06-24

Family

ID=40805517

Family Applications (1)

Application Number Title Priority Date Filing Date
CNA2008102173508A Pending CN101464945A (zh) 2008-11-14 2008-11-14 基于指背关节纹理的身份特征识别方法

Country Status (1)

Country Link
CN (1) CN101464945A (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101504724A (zh) * 2009-03-20 2009-08-12 北京中星微电子有限公司 一种指纹对准的方法、指纹采集装置、指纹对准装置
WO2015070549A1 (zh) * 2013-11-12 2015-05-21 浙江维尔科技股份有限公司 一种皮肤纹理的采集及其身份识别方法和***
CN106250741A (zh) * 2016-07-22 2016-12-21 北京珠穆朗玛移动通信有限公司 一种***切换方法及移动终端
WO2017016250A1 (zh) * 2015-07-28 2017-02-02 惠州Tcl移动通信有限公司 具有触摸屏的电子设备及其锁定方法和解锁方法
WO2017132822A1 (zh) * 2016-02-02 2017-08-10 刘文桂 携带式电子装置的指纹辨识***
CN107070864A (zh) * 2016-12-30 2017-08-18 宇龙计算机通信科技(深圳)有限公司 基于指纹的安全验证方法及***
CN107644192A (zh) * 2016-07-22 2018-01-30 展讯通信（上海）有限公司 指纹识别方法、装置及电子设备
CN107792008A (zh) * 2017-09-28 2018-03-13 韦彩霞 一种智能车载控制终端管理***
CN108109164A (zh) * 2017-12-08 2018-06-01 联想(北京)有限公司 一种信息处理方法及电子设备
CN108764127A (zh) * 2018-05-25 2018-11-06 京东方科技集团股份有限公司 纹理识别方法及其装置
CN116453169A (zh) * 2023-06-19 2023-07-18 南昌大学 一种指节纹识别方法及***

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101504724B (zh) * 2009-03-20 2014-07-30 北京中星微电子有限公司 一种指纹对准的方法、指纹采集装置、指纹对准装置
CN101504724A (zh) * 2009-03-20 2009-08-12 北京中星微电子有限公司 一种指纹对准的方法、指纹采集装置、指纹对准装置
WO2015070549A1 (zh) * 2013-11-12 2015-05-21 浙江维尔科技股份有限公司 一种皮肤纹理的采集及其身份识别方法和***
WO2017016250A1 (zh) * 2015-07-28 2017-02-02 惠州Tcl移动通信有限公司 具有触摸屏的电子设备及其锁定方法和解锁方法
WO2017132822A1 (zh) * 2016-02-02 2017-08-10 刘文桂 携带式电子装置的指纹辨识***
CN107644192A (zh) * 2016-07-22 2018-01-30 展讯通信（上海）有限公司 指纹识别方法、装置及电子设备
CN106250741A (zh) * 2016-07-22 2016-12-21 北京珠穆朗玛移动通信有限公司 一种***切换方法及移动终端
CN107070864A (zh) * 2016-12-30 2017-08-18 宇龙计算机通信科技(深圳)有限公司 基于指纹的安全验证方法及***
CN107792008A (zh) * 2017-09-28 2018-03-13 韦彩霞 一种智能车载控制终端管理***
CN108109164A (zh) * 2017-12-08 2018-06-01 联想(北京)有限公司 一种信息处理方法及电子设备
CN108764127A (zh) * 2018-05-25 2018-11-06 京东方科技集团股份有限公司 纹理识别方法及其装置
US11170515B2 (en) 2018-05-25 2021-11-09 Boe Technology Group Co., Ltd. Texture recognition method and apparatus, and computer-readable storage medium thereof
CN116453169A (zh) * 2023-06-19 2023-07-18 南昌大学 一种指节纹识别方法及***

Similar Documents

Publication Publication Date Title
CN101464945A (zh) 基于指背关节纹理的身份特征识别方法
Sun et al. Improving iris recognition accuracy via cascaded classifiers
Rowe et al. A multispectral whole-hand biometric authentication system
Ratha et al. Advances in biometrics: sensors, algorithms and systems
Sheela et al. Iris recognition methods-survey
Kataria et al. A survey of automated biometric authentication techniques
Sequeira et al. MobBIO: A multimodal database captured with a portable handheld device
Sarhan et al. Multimodal biometric systems: a comparative study
Alheeti Biometric iris recognition based on hybrid technique
CN101819629B (zh) 一种基于监督张量流形学习的掌纹识别***及识别方法
Krishneswari et al. A review on palm print verification system
Garg et al. Biometric authentication using finger nail surface
Patil et al. Fingerprint classification using artificial neural network
Krichen et al. A new phase-correlation-based iris matching for degraded images
Cui et al. An iris recognition algorithm using local extreme points
Khoirunnisaa et al. The biometrics system based on iris image processing: a review
Yang et al. Information fusion of biometrics based-on fingerprint, hand-geometry and palm-print
Patil et al. Iris recognition using fuzzy system
Tan et al. Iris recognition: recent progress and remaining challenges
Lokhande et al. Wavelet packet based iris texture analysis for person authentication
Narote et al. An iris recognition based on dual tree complex wavelet transform
Li et al. Palmprint matching using line features
Trabelsi et al. Multimodal biometric system based palmprzint and IRIS
Amali et al. Evolution of Deep Learning for Biometric Identification and Recognition
Barde Multimodal biometrics: most appropriate for person identification

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication

Open date: 20090624