CN103258192A - 基于云平台的多功能静脉采集方法 - Google Patents

Abstract

本发明涉及一种基于云平台的多功能静脉采集方法。该基于云平台的多功能静脉采集装置包括前端采集装置、瘦客户机、云端服务器，前端采集装置与瘦客户机连接，瘦客户机连接云端服务器。该方法基于云平台架构，将图像采集与特征提取相分离，利用前端采集装置采集人体手指静脉图像，传送至瘦客户机，瘦客户机接收到采集图像后，首先采用基于频谱变换实现手指图像主方向快速检测，从而计算手指放置的倾斜度，并输出提示信息，然后瘦客户机针对上一步骤处理合格后的采集图像，结合手指静脉主方向的先验知识，构造快速检测模板，对静脉图像清晰度进行检测，并输出提示信息。本方法在文件管理、***效率等方面具有突出优势，可以进一步提高人体手指静脉特征的处理能力。

Description

基于云平台的多功能静脉采集方法

技术领域

本发明涉及基于云平台的多功能静脉采集方法。

背景技术

现有的静脉识别方法主要采用采集装置+本地嵌入式处理，或采集装置+本地PC机处理的模式，将静脉特征的提取与验证在本地单机完成，如专利201120291092.5、CN200630008133.X等。其不足是应用范围狭窄，仅适合本地单机应用，当需要部署在多个场所时，较难实现不同地点采集设备获取到静脉特征的整合。并且现有方式将静脉特征存储在本地前端设备，易被破坏或窃取，影响***安全性。

现有静脉采集装置大都采用所有设备一直供电的工作模式，不仅耗费能源，而且容易发热，降低设备有效使用寿命。

现有采集装置具有的采集触发开关大多为机械开关或红外对射开关，如专利200930262656.0、200910013851.9等。其中机械开关的缺点是灵敏度不高，同时易导致静脉受挤压变形，影响识别效果。红外对射开关则为主动发光模式，带来不必要的能耗。

发明内容

为解决现有技术问题，本发明的基于云平台的多功能静脉采集方法为：利用前端采集装置采集人体手指静脉图像，传送至瘦客户机，瘦客户机再传送至云端服务器进行处理，以实现人体手指静脉特征的提取和比对。

该方法基于云平台架构，将图像采集与特征提取相分离，利用云平台处理核心任务，而不需要前端设备建立专门的计算硬件，云平台采用GFS可扩展分布式文件***，由一个Master和大量块服务器管理大量静脉图像与对应的特征及身份数据库，云平台网络中大数量的客户端从Master获取目标数据块的信息，直接和块服务器交互进行静脉数据的传输。

该基于云平台的多功能静脉采集装置包括前端采集装置、瘦客户机、云端服务器，其中，前端采集装置与瘦客户机连接，瘦客户机连接云端服务器。

所述前端采集装置为便携式、微小型设备，仅用于采集手指静脉图像，通过USB接口将采集到的静脉图像传输至瘦客户机；

所述瘦客户机为普通电脑，安装相应软件后，可与采集装置及服务器连接，通过网络将获取到的静脉图像接入云平台，并实现控制指令中转功能；

所述云端服务器放置于专用机房，与多台瘦客户机通过有线或无线网络连接，实现接收上传图像，对图像进行特征提取、存储、比对等处理，并根据需求将比对结果下发至瘦客户机，实现权限认证。

所述瘦客户机和云端服务器之间是以太网连接。

所述前端采集装置具有多种工作模式，实现按需上电、按需工作，其示意图如图2。

无采集任务时红外光源与CMOS模块处于关闭模式，主控芯片处于休眠模式；当需要执行采集任务时，触发开关自动响应用户的操作，唤醒主控芯片，主控芯片被唤醒后转入正常工作模式，使能电源给红外光源和CMOS模块上电，并开始进行静脉图像采集处理；当采集任务完成后，触发开关再次自动响应用户的操作，主控芯片检测到该操作后，首先关闭红外光源和CMOS模块的供电，然后主控芯片转入休眠模式，整个前端采集设备的一次处理任务完成。

所述前端采集装置设有静脉采集触发装置，具体为：在手指采集区域末端设有一个光线检测孔，下方固定有光敏器件，用于检测光线变化，通过光线变化判断手指的放置情况，实现触发检测功能，光敏器件仅对可见光光谱敏感，通过光线采集孔感知可见光亮度，光敏器件与主控芯片的休眠唤醒管脚相连。检测电路如图4。

所述前端采集装置的静脉采集触发过程为：工作模式下光敏器件探测到可见光，电阻值很小，主控芯片唤醒脚为低电平，前端采集设备处于低功耗状态；当有人员使用静脉采集设备时，手指伸入到位，遮挡住光线采集孔，光敏器件电阻值变大，主控芯片唤醒脚为高电平，此时主控芯片从休眠状态转为工作状态；主控芯片工作后立即控制红外光源及CMOS模块上电工作，上述时间为微秒级，主控芯片延时1秒后启动图像采集程序，开始采集人体手指静脉图像；采集到手指静脉图像后主控芯片将图像数据传输给瘦客户机；完成图像传输后主控芯片开始查询唤醒脚电平，当手指拿开后，光敏器件恢复为小电阻，上述管脚电平恢复为低，此时主控芯片延时2至4秒后关闭红外光源及CMOS模块电源，并将自身休眠，此时采集装置完成一次采集，重新进入低功耗状态。

所述前端采集装置内部设有USB HUB芯片，USB HUB芯片通过一路USB接口连接到瘦客户机，USB HUB芯片在前端采集装置内部连接三路USB接口，分别连接采集模块、扩展FLASH存储、扩展USB接口。这样，通过USB HUB芯片在采集装置内部将USB HUB芯片连接到瘦客户机的一路USB接口扩展为三路，分别用于连接采集模块、扩展FLASH存储、扩展USB接口。其结构如图5所示。

其中，USB HUB芯片采用GL850，包括DM0、DP0、DM1、DP1、DM2、DP2、DM3、DP3等关键信号线路，其核心电路连接如图6所示。

经过上述方法扩展后，DM0、DP0用于连接瘦客户机USB接口；DM1、DP1用于连接图像采集模块；DM2、DP2用于连接扩展FLASH芯片；DM3、DP3用于连接USB座子，作为扩展接口。

其中扩展FLASH芯片用于存放驱动程序及相关应用软件，当采集装置通过USB接入瘦客户机后，瘦客户机按照下述步骤自动进行处理：

step1：瘦客户机自动识别出扩展分区；

Step2：通过自动运行安装专用驱动程序；

Step3：通过自动运行安装静脉采集客户端软件；

Step4：静脉采集客户端软件自动连接云端服务器，测试通信正常后进入待机状态，等待静脉采集识别操作。

其中，瘦客户机接收到采集图像后，执行如下步骤：

步骤一：基于频谱变换实现手指图像主方向快速检测，从而计算手指放置的倾斜度，并输出提示信息，其具体步骤如下：

step1.1：手指静脉图像区域二值化；

针对采集到的当前帧手指静脉图像I(m,n)见图7，假设其尺寸为M×N像素，其中(m,n)为图中像素点坐标，I为其灰度值。对其进行基于灰度阈值的二值化处理，获得二值化图像f(m,n)：

$f(m,n)=\left\{\begin{array}{c}0,I(m,n)<G\_\mathrm{th}\\ 1,I(m,n)\&GreaterEqual;G\_\mathrm{th}\end{array}\right.$

其中G_th为当前手指静脉图像的平均灰度值，其计算方法为：

$G\_\mathrm{th}=\frac{\underset{m=0}{\overset{M-1}{\mathrm{\&Sigma;}}}\underset{n=0}{\overset{N-1}{\mathrm{\&Sigma;}}}I(m,n)}{M\&times;N}$

Step1.2：对f(m,n)进行傅里叶变换；

$F({\mathrm{\&omega;}}_1,{\mathrm{\&omega;}}_2)=\underset{m=0}{\overset{M-1}{\mathrm{\&Sigma;}}}\underset{n=0}{\overset{N-1}{\mathrm{\&Sigma;}}}f(m,n)\exp (-j({\mathrm{\&omega;}}_{1}m+{\mathrm{\&omega;}}_{2}n))$

Step1.3：在(ω₁,ω₂)坐标轴上，显示频谱|F(ω₁,ω₂)|图像，并计算其主谱线与ω₁轴的夹角α；

Step1.4：假设空间域手指标准主方向为平行于m坐标轴，则实际手指放置的主方向与m轴夹角β为：

β=90-α

Step1.5：根据β数值大小，判断当前手指放置倾斜角度是否满足后续处理需要，

并输出提示信息，其中T为允许倾斜的最大角度，通常取值为5°。

步骤二：瘦客户机针对上一步骤处理合格后的采集图像，结合手指静脉主方向的先验知识，构造快速检测模板，对静脉图像清晰度进行检测，并输出提示信息。其具体步骤如下：

Step2.1：基于方向模板的手指静脉图像梯度计算；

针对采集到的当前帧手指静脉图像I(m,n)，假设其尺寸为M×N像素，其中(m,n)为图7中像素点坐标，I为其灰度值；并令图像坐标系中，X轴与手指标准主方向平行，

计算与手指静脉主方向相正交方向的平方梯度为：

$F\left(I\right)=\underset{m=0}{\overset{M-1}{\mathrm{\&Sigma;}}}\underset{n=0}{\overset{N-1}{\mathrm{\&Sigma;}}}{G}^2(m,n)$

其中G(m,n)为静脉图像相对于主方向的正交梯度，构造其快速检测模板为

$\left[\begin{array}{c}2\\ 0\\ -2\end{array}\right]$

则G(m,n)的计算公式为：

$G(m,n)=2I(m,n+1)-2I(m,n-1)$

Step2.2：基于正交梯度提取静脉边缘二值图像E(m,n)：

$E(m,n)=\left\{\begin{array}{c}0,G(m,n)<E\_\mathrm{th}\\ 1,G(m,n)\&GreaterEqual;E\_\mathrm{th}\end{array}\right.$

其中E_th为手指静脉边缘二值化阈值，其计算方法为：

$E\_\mathrm{th}=\frac{\underset{m=0}{\overset{M-1}{\mathrm{\&Sigma;}}}\underset{n=0}{\overset{N-1}{\mathrm{\&Sigma;}}}G(m,n)}{M\&times;N}$

Step2.3：通过上述二值化图像统计属于手指静脉的像素数量N_f：

$N_f=\underset{m=0}{\overset{M-1}{\mathrm{\&Sigma;}}}\underset{n=0}{\overset{N-1}{\mathrm{\&Sigma;}}}E(m,n)$

Step2.4：计算静脉像素数与一帧图像总像素数的比值Q_f：

$Q_f=\frac{N_f}{M\&times;N}$

并通过该比值判断当前采集到的图像是否清晰度满足需要，并输出提示信息：

其中Q_th为清晰度阈值，经验取值为0.12。

将单路USB扩展为多路，既实现静脉采集所需的数据传输与控制转发功能，又不占用瘦客户机本身的USB外设接口，同时将驱动程序和应用程序集成到采集设备内部，增加了***可靠性和方便性。

本方法的有益效果是，降低前端采集装置在非工作状态下的功耗，节约能源，并且可以保护相关部件，延长使用寿命。

采用本架构实现利用云平台处理核心任务，而不需要为前端设备建立专门的计算硬件，降低了***成本。由于云平台计算能力远超单一嵌入式设备或PC机，在文件管理、***效率等方面该架构具有突出优势，可以进一步提高人体手指静脉特征的处理能力，实现对分布式前端所获得大量、分散的实时静脉图像和历史模板静脉图像进行高安全性、高效率的管理和处理。

附图说明

图1 整体架构，

图2 电源管理，

图3 光敏检测结构，

图4 光线检测电路，

图5 USB扩展图，

图6 USB HUB芯片核心电路连接图，

图7当前帧手指静脉图像。

具体实施方式

本发明的基于云平台的多功能静脉采集方法为：采集人体手指静脉图像，传送至云端服务器进行处理，以实现人体手指静脉特征的提取和比对。

该方法基于云平台架构，将图像采集与特征提取相分离，利用云平台处理核心任务，而不需要前端设备建立专门的计算硬件，云平台采用GFS可扩展分布式文件***，由一个Master和大量块服务器管理大量静脉图像与对应的特征及身份数据库，云平台网络中大数量的客户端从Master获取目标数据块的信息，直接和块服务器交互进行静脉数据的传输。

该基于云平台的多功能静脉采集装置包括前端采集装置、瘦客户机、云端服务器，其中，前端采集装置与瘦客户机连接，瘦客户机连接云端服务器。

Claims (6)

1.基于云平台的多功能静脉采集方法，该方法基于云平台架构，将图像采集与特征提取相分离，其特征在于，利用前端采集装置采集人体手指静脉图像，传送至瘦客户机，瘦客户机再传送至云端服务器进行处理，以实现人体手指静脉特征的提取和比对，利用云平台处理核心任务，由一个Master和大量块服务器管理大量静脉图像与对应的特征及身份数据库，云平台网络中大数量的客户端从Master获取目标数据块的信息，直接和块服务器交互进行静脉数据的传输；

当采集装置通过USB接入瘦客户机后，瘦客户机按照下述步骤自动进行处理：

step1：瘦客户机自动识别出扩展分区；

Step2：通过自动运行安装专用驱动程序；

Step3：通过自动运行安装静脉采集客户端软件；

Step4：静脉采集客户端软件自动连接云端服务器，测试通信正常后进入待机状态，等待静脉采集识别操作。

2.根据权利要求1所述的基于云平台的多功能静脉采集方法，其特征在于，瘦客户机接收到采集图像后，执行如下步骤：

步骤一：瘦客户机接收到采集图像后，采用基于频谱变换的方法实现手指图像主方向快速检测，从而计算手指放置的倾斜度，并输出提示信息，其具体步骤如下：

Step1.1：手指静脉图像区域二值化；

针对采集到的当前帧手指静脉图像I(m,n)，假设其尺寸为M×N像素，其中(m,n)为图中像素点坐标，I为其灰度值，

对其进行基于灰度阈值的二值化处理，获得二值化图像                                                

：

其中

为当前手指静脉图像的平均灰度值，其计算方法为：

Step1.2：对

进行傅里叶变换；

Step1.3：在

坐标轴上，显示频谱

图像，并计算其主谱线与轴的夹角

；

Step1.4：假设空间域手指标准主方向为平行于m坐标轴，则实际手指放置的主方向与m轴夹角

为：

Step1.5：根据

数值大小，判断当前手指放置倾斜角度是否满足后续处理需要，

并输出提示信息，其中T为允许倾斜的最大角度，通常取值为5°；

步骤二：瘦客户机针对上一步骤处理合格后的采集图像，结合手指静脉主方向的先验知识，构造快速检测模板，对静脉图像清晰度进行检测，并输出提示信息，其具体步骤如下：

Step2.1：基于方向模板的手指静脉图像梯度计算；

针对采集到的当前帧手指静脉图像I(m,n)，假设其尺寸为M×N像素，其中(m,n)为图中像素点坐标，I为其灰度值；并令图像坐标系中，X轴与手指标准主方向平行， 

计算与手指静脉主方向相正交方向的平方梯度为：

其中为静脉图像相对于主方向的正交梯度，构造其快速检测模板为

则

的计算公式为：

Step2.2：基于正交梯度提取静脉边缘二值图像

：

其中

为手指静脉边缘二值化阈值，其计算方法为：

Step2.3：通过上述二值化图像统计属于手指静脉的像素数量

：

Step2.4：计算静脉像素数与一帧图像总像素数的比值

：

并通过该比值判断当前采集到的图像是否清晰度满足需要，并输出提示信息：

其中为清晰度阈值，经验取值为0.12。

3.根据权利要求1所述的基于云平台的多功能静脉采集方法，其特征在于，所述前端采集装置具有多种工作模式，无采集任务时红外光源与CMOS模块处于关闭模式，主控芯片处于休眠模式；当需要执行采集任务时，触发开关自动响应用户的操作，唤醒主控芯片，主控芯片被唤醒后转入正常工作模式，使能电源给红外光源和CMOS模块上电，并开始进行静脉图像采集处理；当采集任务完成后，触发开关再次自动响应用户的操作，主控芯片检测到该操作后，首先关闭红外光源和CMOS模块的供电，然后主控芯片转入休眠模式，整个前端采集设备的一次处理任务完成；

所述前端采集装置内部的USB HUB芯片一路USB接口连接到瘦客户机，在采集装置内部USB HUB芯片的USB接口扩展为三路，分别连接采集模块、扩展FLASH存储、扩展USB接口。

4.基于云平台的多功能静脉采集装置，包括前端采集装置、瘦客户机、云端服务器，前端采集装置与瘦客户机连接，瘦客户机连接云端服务器；其特征在于，

所述前端采集装置为便携式、微小型设备，用于采集手指静脉图像，通过USB接口将采集到的静脉图像传输至瘦客户机；

所述瘦客户机为普通电脑，与前端采集装置及云端服务器连接，通过网络将获取到的静脉图像接入云端服务器，实现控制指令中转功能；

所述云端服务器放置于专用机房，与多台瘦客户机通过有线或无线网络连接，实现接收上传图像，对图像进行特征提取、存储、比对处理，根据需求将比对结果下发至瘦客户机，实现权限认证；

所述前端采集装置设有静脉采集触发装置，具体为：在手指采集区域末端设有一个光线检测孔，下方固定有光敏器件，光敏器件仅对可见光光谱敏感，通过光线采集孔感知可见光亮度，光敏器件与主控芯片的休眠唤醒管脚相连。

5.根据权利要求4所述的基于云平台的多功能静脉采集装置，其特征在于，USB HUB芯片采用GL850，扩展出的USB信号线包括DM0、DP0、DM1、DP1、DM2、DP2、DM3、DP3，其中，DM0、DP0用于连接瘦客户机USB接口；DM1、DP1用于连接图像采集模块；DM2、DP2用于连接扩展FLASH芯片；DM3、DP3用于连接USB座子，作为扩展接口。

6.根据权利要求4所述的基于云平台的多功能静脉采集装置，其特征在于，瘦客户机和云端服务器之间是以太网连接。

Images