CN109697347B - 基于指静脉和指形特征的用户特征认证方法及其装置 - Google Patents

基于指静脉和指形特征的用户特征认证方法及其装置 Download PDF

Info

Publication number
CN109697347B
CN109697347B CN201811475832.3A CN201811475832A CN109697347B CN 109697347 B CN109697347 B CN 109697347B CN 201811475832 A CN201811475832 A CN 201811475832A CN 109697347 B CN109697347 B CN 109697347B
Authority
CN
China
Prior art keywords
finger
feature
image
region
finger vein
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
CN201811475832.3A
Other languages
English (en)
Other versions
CN109697347A (zh
Inventor
汤振华
康文雄
潘晓钢
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.)
Yuntianhan Technology Development Co ltd
Original Assignee
Yuntianhan Technology Development Co ltd
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 Yuntianhan Technology Development Co ltd filed Critical Yuntianhan Technology Development Co ltd
Priority to CN201811475832.3A priority Critical patent/CN109697347B/zh
Publication of CN109697347A publication Critical patent/CN109697347A/zh
Application granted granted Critical
Publication of CN109697347B publication Critical patent/CN109697347B/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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M1/00—Substation equipment, e.g. for use by subscribers
    • H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
    • H04M1/724—User interfaces specially adapted for cordless or mobile telephones
    • H04M1/72448—User interfaces specially adapted for cordless or mobile telephones with means for adapting the functionality of the device according to specific conditions
    • H04M1/72463—User interfaces specially adapted for cordless or mobile telephones with means for adapting the functionality of the device according to specific conditions to restrict the functionality of the device
    • 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)
  • General Physics & Mathematics (AREA)
  • Computer Security & Cryptography (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Multimedia (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Collating Specific Patterns (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本申请公开了一种基于指静脉和指形特征的用户特征认证方法及其装置，包括以下步骤：步骤S100：获取原始指静脉图像后经过预处理，提取原始指静脉图像中手指的感兴趣区域；步骤S200：处理感兴趣区域得到手指静脉特征向量，采用指形法处理感兴趣区域提取指形特征；步骤S300：分别计算指形特征和手指静脉特征向量的匹配分数，得到指形匹配分数和指静脉匹配分数，采用加权融合法将指形匹配分数和指静脉匹配分数融合得到特征分数，根据特征分数进行用户身份认证。本申请提供方法能有效利用指静脉图像中的指形信息，提高信息利用率和认证准确性。本申请的另一方面还提供了运用了该方法的装置。

Description

基于指静脉和指形特征的用户特征认证方法及其装置
技术领域
本申请涉及一种基于指静脉和指形特征的用户特征认证方法及其装置，属于身份认证领域。
背景技术
随着信息技术的不断发展，人类对身份认证的安全性需求日益增加，相较于传统的身份认证技术，如密码、钥匙等，用户特征识别技术因其具有较高的安全性而受到越来越广泛的关注，并且逐渐成为身份识别的核心技术。
目前，用户特征识别技术在身份识别方面已取得了显著的效果，如人脸识别、虹膜识别、指纹识别、掌纹识别、掌静脉识别、指静脉识别等。其中，指纹识别应用的领域最为广泛，具有成本低、使用方便等优点，一些手机厂家如苹果、三星、华为等已将指纹识别技术应用于手机解锁。
然而，有些人因为长时间的工作或损伤等原因，导致不可逆的指纹磨损或指纹缺损，这样便无法使用指纹进行解锁。更为严重的是，使用者在使用指纹进行手机解锁时，会在手机上留下指纹痕迹，这些痕迹能被轻易提取并仿造，造成较大安全隐患。
近年来手指静脉认证技术由于具有非接触性、活体检测、不易伪造、安全性高等特点在身份认证领域占有重要地位，故采用手指静脉来进行手机解锁是一种较为安全、方便的方式。
手指静脉图像主要通过近红外光线穿透手指后所得静脉纹路进行成像，由于成像过程受环境光噪音的影响，静脉图像质量及认证效果易受影响。
发明内容
根据本申请的一个方面，提供了一种基于指静脉和指形特征的用户特征认证方法及其装置，该方法将指形和指静脉融合进行用户识别认证，提高识别准确率，并充分利用指静脉图像信息提高信息。
所述基于指静脉和指形特征的用户特征认证方法，其特征在于，包括以下步骤：
步骤S100：获取原始指静脉图像后经过预处理，提取所述原始指静脉图像中手指的感兴趣区域；
步骤S200：处理所述感兴趣区域得到手指静脉特征向量，处理所述感兴趣区域得到手指指形特征向量；
步骤S300：分别计算所述手指指形特征和所述手指静脉特征向量的匹配分数，得到指形匹配分数和指静脉匹配分数，采用加权融合法将所述指形匹配分数和所述指静脉匹配分数融合得到特征分数，根据所述特征分数进行用户身份认证。
可选地，所述步骤S100包括以下步骤：
步骤S110：获取所述原始指静脉图像，预处理所述指静脉图像，得到预处理图像；
步骤S120：提取所述预处理图像中所述感兴趣区域。
可选地，所述步骤S120包括以下步骤：
步骤121：采用Canny边缘检测算子提取所述预处理图像中手指边缘轮廓；
步骤122：定位所述预处理图像中指关节位置，截取近指尖关节以上30个像素作为ROI的上边缘，并将远指尖关节以下30个像素作为ROI的下边缘；
步骤123：对所述预处理图像进行截取ROI的上边缘和截取ROI的下边缘后，得到截取图像，采用Canny边缘检测算子提取所述截取图像中的手指边缘；
步骤124：以所述预处理图像的整个右侧边作为参照线，分别检测出所述手指边缘的左边缘中离所述参照线的最近点和所述手指边缘的右边缘中离所述参照线的最远点，作通过所述最近点且平行于所述参照线的直线作为所述感兴趣区域的左边缘，作通过所述最远点且平行于所述参照线的直线作为所述感兴趣区域的右边缘；
步骤S125：在所述左边缘和所述右边缘间的区域为所述感兴趣区域。
可选地，所述“处理所述感兴趣区域得到手指静脉特征向量”步骤为采用DOCH法处理所述感兴趣区域得到手指静脉特征向量；
所述“处理所述感兴趣区域得到手指指形特征向量”步骤为采用指形法处理所述感兴趣区域得到手指指形特征向量。
可选地，所述步骤S200包括以下步骤：
步骤S210：归一化所述感兴趣区域，得到归一化区域，将所述归一化区域分为等尺寸的多个块；
步骤S220：获取各所述块的双方向编码直方图；
步骤S230：将各所述块的双方向编码直方图拼接，得到所述手指静脉特征向量。
可选地，所述DOCH法中所用Gabor滤波器构造公式包括公式(5)和公式(6)：
Figure BDA0001892165310000031
Figure BDA0001892165310000032
其中，T为普通Gabor滤波器的大小，设T＝2，μ＝0.0916，σ＝5.6179，θ＝{0°，30°,60°,90°,120°,150°}，
Figure BDA0001892165310000033
其中，G(x,y,θ,μ,σ)是Gabor滤波器的实部，x表示Gabor滤波器中像素点的横坐标，y表示Gabor滤波器中像素点的纵坐标，μ是每单位长度的弧度的径向频率，σ是沿x和y轴的椭圆高斯的标准偏差，θ是Gabor滤波器的方向。
可选地，所述指静脉匹配分数采用卡方距离计算，计算公式：
Figure BDA0001892165310000034
其中，Cs是卡方距离，p是DOCH特征向量中特征值总数，DOCHE为注册图像的指脉DOCH特征向量，DOCHR是输入图像的指脉DOCH特征向量。
可选地，所述指形匹配分数采用欧氏距离计算，计算公式：
Figure BDA0001892165310000041
其中，Ed是欧氏距离，M为WCCD中特征值总数，WCCDE为注册图像的指形特征向量，WCCDR是输入图像的指形特征向量。
可选地，所述“用户身份认证”步骤包括以下步骤：根据预留样本设定阈值分数，当所述特征分数大于所述阈值分数时，则匹配；当所述特征分数小于等于所述阈值分数时，则不匹配。
根据本申请的又一个方面，提供了一种基于指静脉和指形特征的用户特征认证装置，包括：
图像获取模块，用于获取原始指静脉图像后经过预处理，提取所述原始指静脉图像中手指的感兴趣区域；
特征提取模块，用于采用DOCH法处理所述感兴趣区域得到手指静脉特征向量，采用指形法处理所述感兴趣区域提取指形特征；
融合认证模块，用于分别计算所述指形特征和所述手指静脉特征向量的匹配分数，得到指形匹配分数和指静脉匹配分数，采用加权融合法将所述指形匹配分数和所述指静脉匹配分数融合得到特征分数，根据所述特征分数进行用户身份认证。
根据本申请的又一个方面，提供了一种手机，包括：如上述的基于指静脉和指形特征的用户特征认证装置和手机本体，所述基于指静脉和指形特征的用户特征认证装置设置于所述手机本体内或所述手机本体外。
可选地，包括：摄像装置，所述摄像装置设置于所述手机本体上，且与所述图像获取模块数据连接。
可选地，包括：设置于所述手机本体上的凹槽，所述摄像装置与所述凹槽间隔设置。
可选地，包括：红外光源，所述红外光源围绕所述摄像装置成对对称设置于所述手机本体上。
本申请能产生的有益效果包括：
1)本申请所提供的基于指静脉和指形特征的用户特征认证方法及其装置，同时提取指形特征与手指静脉特征，并将二者有效融合后进行用户信息识别，从而提高指静脉身份认证的精度。通过将两个用户指标融合后识别，能弥补手指静脉图像质量受光噪音影响导致的静脉认证精度下降问题。识别准确性较单一的指静脉提取识别方法更好。
附图说明
图1为本申请一种实施方式中基于指静脉和指形特征的用户特征认证方法流程示意图；
图2为本申请一种实施方式中DOCH特征提取法流程示意图；
图3A为本申请一种实施方式中指形法提取得到的指形的手指宽度距离特征向量示意图；
图3B为本申请一种实施方式中指形法提取得到的指形中手指质心-轮廓距离特征向量示意图；
图4是本申请一种实施方式中基于指静脉和指形特征的用户特征认证装置结构示意图；
图5是本申请一种实施方式中包含基于指静脉和指形特征的用户特征认证装置的手机结构示意图；
图6是本申请的实施方式中手机使用状态参考图；其中a)为接触式采集；b)为非接触式采集；
图7是本申请的实施方式中手机采集样本示意图；其中a)接触式采集样本图；为b)为非接触式采集样本图；
图例说明：
100、图像获取模块；200、特征提取模块；300、融合认证模块；400、手机本体；410、凹槽；420、摄像装置；430、红外光源。
具体实施方式
下面结合实施例详述本申请，但本申请并不局限于这些实施例。
参见图1，本申请提供的基于指静脉和指形特征的用户特征认证方法，包括以下步骤：
步骤S100：获取原始指静脉图像后经过预处理，提取所述原始指静脉图像中手指的感兴趣区域；
步骤S200：处理所述感兴趣区域得到手指静脉特征向量，处理所述感兴趣区域得到手指指形特征向量；
步骤S300：分别计算所述指形特征和所述手指静脉特征向量的匹配分数，得到指形匹配分数和指静脉匹配分数，采用加权融合法将所述指形匹配分数和所述指静脉匹配分数融合得到特征分数，根据所述特征分数进行用户身份认证。
优选地，所述步骤S100包括以下步骤：
步骤S110：获取原始指静脉图像，预处理所述指静脉图像，得到预处理图像。预处理包括但不限于去除背景图像，仅保留手指区域图像。指静脉图像多保护背景图像，背景图像与前景图像区别较大，容易对后续处理造成干扰。
步骤S120：提取所述预处理图像中感兴趣区域(ROI)。
获取ROI区域可以减少处理时间，增加精度。原始指静脉图像可以通过常用的工具获取，例如摄像装置等。
在一具体实施例中，ROI的提取包括以下步骤：
步骤121：采用Canny边缘检测算子提取预处理图像中手指边缘轮廓；
步骤122：定位预处理图像中指关节位置(即像素值和最高的两行)，截取近指尖关节以上30个像素作为ROI的上边缘，并将远指尖关节以下30个像素作为ROI的下边缘。
步骤123：对所述预处理图像进行截取ROI的上边缘和截取ROI的下边缘后，得到截取图像，采用Canny边缘检测算子提取所述截取图像中的手指边缘；
步骤124：以所述预处理图像的整个右侧边作为参照线，分别检测出所述手指边缘的左边缘中离所述参照线的最近点和所述手指边缘的右边缘中离所述参照线的最远点，作通过所述最近点且平行于所述参照线的直线作为所述感兴趣区域的左边缘，作通过所述最远点且平行于所述参照线的直线作为所述感兴趣区域的右边缘；
步骤S125：在所述左边缘和所述右边缘间的区域为所述感兴趣区域。
Canny边缘检测算子用于获取图像中手指边缘，可以按现有Canny边缘检测算子步骤进行，包括以下步骤：
步骤131：采用高斯滤波器平滑原始指静脉图像，其核函数如公式(1)所示：
Figure BDA0001892165310000071
其中，K为高斯滤波器对应高斯核函数，x表示高斯滤波器中像素点的横坐标，y表示高斯滤波器中像素点的纵坐标，σ为标准差。优选地，所述滤波窗口为3*3，标准差σ＝1。
步骤132：用一阶偏导数计算每个像素点的梯度幅值和方向，如公式(2)(3)所示：
Figure BDA0001892165310000072
θ＝arctan 2(Gy,Gx) (3)
其中，G表示像素点的梯度幅值，θ表示像素点的梯度方向，Gx是水平方向的差分，Gy是垂直方向的差分；
步骤133：对所获得的梯度幅值进行极大值抑制；
具体地，极大值抑制为：沿着梯度方向，比较中心像素点前面和后面的梯度找到像素点局部最大值，其余的非极大值则忽略。
步骤134：使用双阈值检测法并连接边缘，得到待提取边缘。
在具体实施例中，步骤134包括以下步骤：双阈值检测法中设置阈值上界为0.5，阈值下界为0.2，将经过非极大值抑制后的每个像素点的梯度幅值与阈值下界相比较，大于阈值下界的保留，其余丢弃，得到弱边界；
将弱边界中的像素点幅值与阈值上界进行比较，大于阈值上界的保留，其余丢弃，得到强边界；
将强边界和弱边界进行连接得到边缘。
优选地，所述“处理所述感兴趣区域得到手指静脉特征向量”步骤为采用DOCH法处理所述感兴趣区域得到手指静脉特征向量。
参见图2所示，优选地，步骤S200中，采用DOCH法处理所述感兴趣区域得到手指静脉特征向量，包括以下步骤：
归一化所述感兴趣区域，得到归一化区域，将所述归一化区域分为等尺寸的多个块；例如：16、32、48或64个块；
步骤S220：获取各所述块的双方向编码直方图；
步骤S230：将各所述块的双方向编码直方图拼接，得到所述手指静脉特征向量。
现有常用指静脉特征提取法为基于方向编码的指静脉识别法，该类法中均为单方向特征提取，即将预处理后的图像与多个方向的滤波器进行卷积，选择最大响应值所对应的单方向作为静脉像素点的方向。此类单方向编码法抗旋转鲁棒性较差。
本申请采用双方向编码法进行指静脉特征提取，双方向编码法也称为双方向编码直方图(DOCH)法。通过DOCH法进行指静脉特征提取，由于其为双方向编码，从而使得所提取的特征对手指的轻微旋转具有较好的鲁棒性。同时该法中还结合了直方图统计，能够进一步加强特征的鲁棒性。在一具体实施例中，归一化感兴趣区域后，所述感兴趣区域为64*128。优选地，将ROI分为32个块，每个块大小为16*16。
具体地，DOCH法包括以下步骤：
采用12个半Gabor滤波器(方向分别为30°，60°，90°，120°，150°，180°，210°，240°，270°，300°，330°，360°)来对图像块进行卷积，取最大两个响应值对应的方向为图像块中像素点的双方向值。由于每个点的两个方向值不同且一共有12个方向，故一共有66种双方向编码。
所以为了提高特征的辨别力，将每个图像块的双方向编码转换为一个66维的直方图，最后将所有块的直方图进行串接，则构成了66*32维的DOCH特征向量。
优选地，所述DOCH法中所用半Gabor滤波器
Figure BDA0001892165310000081
的构造公式包括公式(5)和公式(6)中
Figure BDA0001892165310000082
和
Figure BDA0001892165310000083
Figure BDA0001892165310000084
Figure BDA0001892165310000091
其中，T为普通Gabor滤波器的大小，设T＝2。本申请中μ＝0.0916，σ＝5.6179θ＝{0°，30°,60°,90°,120°,150°}；
Gabor滤波器如公式(4)所示：
Figure BDA0001892165310000092
其中，G(x,y,θ,μ,σ)是Gabor滤波器的实部，x表示Gabor滤波器中像素点的横坐标，y表示Gabor滤波器中像素点的纵坐标，μ是每单位长度的弧度的径向频率，σ是沿x和y轴的椭圆高斯的标准偏差，θ是Gabor滤波器的方向。
本申请将公式(5)、(6)中的
Figure BDA0001892165310000093
和
Figure BDA0001892165310000094
进行组合构成半Gabor滤波器组
Figure BDA0001892165310000095
Figure BDA0001892165310000096
表示
Figure BDA0001892165310000097
中方向为jπ/nθ的半Gabor滤波器，nθ＝6，j＝{1,2,…,12}。
根据公式(4)中的Gabor滤波器结构，本申请构造了一组半Gabor滤波器，构造的一组半Gabor滤波器可以将原始的6方向Gabor滤波器分为12个方向，以便更精确的描述静脉曲线中的像素点，同时对手指的轻微旋转具有较强的鲁棒性。
在得到
Figure BDA0001892165310000098
后，将其与每一个图像块进行卷积，表达如公式(7)所示。
Figure BDA0001892165310000099
其中，I为指静脉灰度图像块，I(x,y)为图像块中坐标(x,y)的灰度值，Fj(x,y)是采用
Figure BDA00018921653100000910
卷积I(x,y)后的结果。
根据公式(7)中的卷积结果，就可以通过公式(8)获得像素点的双方向编码，表达如下。
Figure BDA00018921653100000911
其中，j1,j2是两个最大卷积值的方向索引。
因此，对于像素点(x,y)，(OF,OS)即为该点的双方向编码值。
在得到编码值之后，为了增强方向描述的辨别力，本申请将双方向编码值转为直方图统计，转换表如下表1所示。将所有图像块的双方向编码转换为直方图并将其串接构成指静脉DOCH特征向量。
表1双方向编码与直方图统计之间的转换表
双方向编码 直方图统计
(1,2),(2,1) 1
(1,3),(3,1) 2
(1,4),(4,1) 3
…… …….
(11,12),(12,11) 66
本申请通过提取指静脉图像中手指边缘像素点之间的宽度W和手指中心与边缘点之间的距离CCD组成手指指形特征。
本申请中获取距离W和CCD的法包括以下步骤：
首先使用Canny算子检测到手指边缘，为了消除上下边缘的影响，本申请以第五行边缘像素点作为起点，倒数第五行边缘像素点作为终点；
然后以3～8个像素为步长获取同一行边缘点的坐标，优选地采用5个像素为步长；
计算两个边缘点之间的横坐标差作为手指宽度，根据不同位置获取的宽度距离就构成了指形宽度向量W＝[w1,w2,…,wn]，如图3A所示。随后，确定手指图像的中心点(即质心)，计算公式如公式(9)所示。
Figure BDA0001892165310000101
其中，Xleft是指形轮廓左边缘点的横坐标，Xright是指形轮廓右边缘点的横坐标，Xcentre是指形轮廓中心点横坐标，Yupper是指形轮廓上边缘点的纵坐标，一般Yupper＝1，Ybottom为指形轮廓下边缘点的纵坐标，一般为图像宽度，Ycentre是指形轮廓中心点纵坐标。
与宽度距离类似，以第五行边缘像素点作为起点，倒数第五行边缘像素点作为终点，然后以3～8个像素为步长获取同一行边缘点的坐标，分别中心点与左、右边缘像素点的距离，最后构成距离ccdl＝[dl1,dl2,…,dln]，ccdr＝[dr1,dr2,…,drn]，将两者合并则构成CCD＝[ccdl,ccdr]，如图3B所示。优选地采用5个像素为步长。
由于W和CCD特征具有相同的用户特征模态，因此可以将W和CCD进行特征级串接，然而W和CCD的特征值范围不同，所以需要在特征级组合之前分别归一化到公共范围。
本申请中，采用的归一化方法为z-score归一化，也就是0均值归一化，即将原始数据处理为均值为0，标准差为1的数据，转换公式如公式(10)所示。
Figure BDA0001892165310000111
其中，X表示原始数据，Xmean为原始数据的均值，S为原始数据的标准差，X'表示归一化后的数据。
在采用上述的0均值归一化方法处理W和CCD向量后，将其串接构成WCCD向量，即WCCD＝[W,CCD]。
优选地，所述指静脉匹配向量采用卡方距离计算，计算公式：
Figure BDA0001892165310000112
其中，Cs是卡方距离，p是DOCH特征向量中特征值总数，DOCHE为注册图像的指脉DOCH特征向量，DOCHR是输入图像的指脉DOCH特征向量。
优选地，所述指形匹配向量采用欧氏距离计算，计算公式：
Figure BDA0001892165310000113
其中，Ed是欧氏距离，M为WCCD中特征值总数，WCCDE为注册图像的指形特征向量，WCCDR是输入图像的指形特征向量。
优选地，所述步骤S300包括：分别归一化所述指形匹配向量和所述指静脉匹配向量，得到指静脉匹配分数和指形匹配分数，数值范围为[0,1]。
优选地，匹配分数归一化的计算公式为：
Figure BDA0001892165310000114
其中，Score表示为分数向量，min(Score)表示分数向量中的最小值，max(Score)表示分数向量中的最大值，normScore表示归一化为[0,1]的匹配分数。
优选地，所述加权融合计算公式：
FS＝w*normCs+(1-w)*normEd (14)
其中，FS为最终的匹配分数，normCs为使用DOCH法获得的归一化后的匹配分数，w为匹配分数Cs所占的权重，范围为[0,1]，最优选择为0.8，normEd为使用WCCD法获得的归一化后的匹配分数，1-w为匹配分数Ed所占的权重，最优选择为0.2。normCs应该是指静脉匹配分数归一化数值；normEd应该是指形匹配分数归一化数值。
优选地，所述“用户身份认证”步骤包括以下步骤：设定阈值分数，当所述特征分数大于所述阈值分数时，则被视为类间匹配，即认证失败；当所述特征分数小于等于所述阈值分数时，则视为类内匹配，即认证成功。认证成功是指待识别指静脉图像中用户信息与预留样本中的用户信息匹配，反之则是不匹配。
优选地，所述阈值分数为0.4177。此时按本申请提供方法将二者融合后用户识别准确率最高。
由于两种特征的维度不同，且在认证过程中所占权重相差较大，本申请中采用分数级融合。融合分数可以充分利用图像中所包含的信息，从而提高认证准确性。
参见图4，本申请的又一方面还提供了一种基于指静脉和指形特征的用户特征认证装置，包括：
图像获取模块100，用于获取原始指静脉图像后经过预处理，提取所述原始指静脉图像中手指的感兴趣区域；
特征提取模块200，用于采用DOCH法处理所述感兴趣区域得到手指静脉特征向量，采用指形法处理所述感兴趣区域提取指形特征；
融合认证模块300，用于分别计算所述指形特征和所述手指静脉特征向量的匹配分数，得到指形匹配分数和指静脉匹配分数，采用加权融合法将所述指形匹配分数和所述指静脉匹配分数融合得到特征分数，根据所述特征分数进行用户身份认证。
该装置可以用于各类需要用户信息认证的场所，例如用于门禁、手机解锁。
本申请的又一方面还提供了一种手机，包括：如上述的基于指静脉和指形特征的用户特征认证装置和手机本体400，所述基于指静脉和指形特征的用户特征认证装置设置于所述手机本体400内或所述手机本体400外。
该装置可根据需要灵活设置。
参见图5，优选地，包括摄像装置420，所述摄像装置420设置于所述手机本体400上，且与所述图像获取模块100数据连接。
优选地，包括设置于所述手机本体400上的凹槽410，所述摄像装置420与所述凹槽410间隔设置。该凹槽410可以用于固定手指，提高拍摄稳定性。
优选地，包括红外光源430，所述红外光源430围绕所述摄像装置420成对对称设置于手机本体400上。
在手机背面中上方区域放置红外摄像机，并在摄像机上下两端各放置波长为720～1100nm的红外光源430。
通过上述硬件设备，便可以在手机上进行静脉图像采集并进行解锁。对于所设计的凹槽410部分，在采集图像时，手指可以选择放置在凹槽410中或在触摸凹槽410后将手指悬空在凹槽410之上。
参见图5，在一具体实施例中，凹槽410设置于所述手机本体400背面的上方。红外光源430包括两个，围绕所述摄像装置420对称设置。摄像装置420设置于凹槽410的下方，摄像装置420与凹槽410相隔距离为手指指尖到第二关节处。
参见图6，使用时，如图6a)所示，使用者将手指放在凹槽410内可以很好的固定手指的位置，同时使用手机背面中部的摄像头和红外光源430得到静脉图像并进行认证，采集得到的图像样本如图7a)所示。
如图6b)所示，使用者可以将手指悬空放在手机背部摄像机与光源上方，采集的图像样本如图7b)所示。
这两种方式采集的样本区别在于将手指放在凹槽410采集的图像没有指尖区域，而手指悬空采集的图像样本包含手指指尖区域。从图7a)～b)中可以看出在采集的图像不仅包含静脉纹理同时包含手指形状信息。
以上所述，仅是本申请的几个实施例，并非对本申请做任何形式的限制，虽然本申请以较佳实施例揭示如上，然而并非用以限制本申请，任何熟悉本专业的技术人员，在不脱离本申请技术方案的范围内，利用上述揭示的技术内容做出些许的变动或修饰均等同于等效实施案例，均属于技术方案范围内。

Claims (14)

1.一种基于指静脉和指形特征的用户特征认证方法，其特征在于，包括以下步骤：
步骤S100：获取原始指静脉图像后经过预处理，提取所述原始指静脉图像中手指的感兴趣区域；
步骤S200：采用双方向编码直方图法处理所述感兴趣区域得到手指静脉特征向量，处理所述感兴趣区域得到手指指形特征向量；
步骤S300：分别计算所述手指指形特征向量和所述手指静脉特征向量的匹配分数，得到指形匹配分数和指静脉匹配分数，采用加权融合法将所述指形匹配分数和所述指静脉匹配分数融合得到特征分数，根据所述特征分数进行用户身份认证。
2.根据权利要求1所述的基于指静脉和指形特征的用户特征认证方法，其特征在于，所述步骤S100包括以下步骤：
步骤S110：获取所述原始指静脉图像，预处理所述指静脉图像，得到预处理图像；
步骤S120：提取所述预处理图像中所述感兴趣区域。
3.根据权利要求2所述的基于指静脉和指形特征的用户特征认证方法，其特征在于，所述步骤S120包括以下步骤：
步骤121：采用Canny边缘检测算子提取所述预处理图像中手指边缘轮廓；
步骤122：定位所述预处理图像中指关节位置，截取近指尖关节以上30个像素作为感兴趣区域的上边缘，并将远指尖关节以下30个像素作为感兴趣区域的下边缘；
步骤123：对所述预处理图像进行截取感兴趣区域的上边缘和截取感兴趣区域的下边缘后，得到截取图像，采用Canny边缘检测算子提取所述截取图像中的手指边缘；
步骤124：以所述预处理图像的整个右侧边作为参照线，分别检测出所述手指边缘的左边缘中离所述参照线的最近点和所述手指边缘的右边缘中离所述参照线的最远点，作通过所述最近点且平行于所述参照线的直线作为所述感兴趣区域的左边缘，作通过所述最远点且平行于所述参照线的直线作为所述感兴趣区域的右边缘；
步骤S125：在所述左边缘和所述右边缘间的区域为所述感兴趣区域。
4.根据权利要求1所述的基于指静脉和指形特征的用户特征认证方法，其特征在于，所述“处理所述感兴趣区域得到手指指形特征向量”步骤为采用指形法处理所述感兴趣区域得到手指指形特征向量。
5.根据权利要求1所述的基于指静脉和指形特征的用户特征认证方法，其特征在于，所述步骤S200包括以下步骤：
步骤S210：归一化所述感兴趣区域，得到归一化区域，将所述归一化区域分为等尺寸的多个块；
步骤S220：获取各所述块的双方向编码直方图；
步骤S230：将各所述块的双方向编码直方图拼接，得到所述手指静脉特征向量。
6.根据权利要求4所述的基于指静脉和指形特征的用户特征认证方法，其特征在于，所述双方向编码直方图法中所用Gabor滤波器构造公式包括公式(5)和公式(6)：
Figure FDA0002465781100000021
Figure FDA0002465781100000022
其中，T为普通Gabor滤波器的大小，设T＝2，μ＝0.0916，σ＝5.6179，θ＝{0°，30°,60°,90°,120°，150°}，
Figure FDA0002465781100000023
其中，G(x,y,θ,μ,σ)是Gabor滤波器的实部，x表示Gabor滤波器中像素点的横坐标，y表示Gabor滤波器中像素点的纵坐标，μ是每单位长度弧度的径向频率，σ是沿x和y轴的椭圆高斯的标准偏差，θ是Gabor滤波器的方向。
7.根据权利要求5所述的基于指静脉和指形特征的用户特征认证方法，其特征在于，所述指静脉匹配分数采用卡方距离计算，计算公式：
Figure FDA0002465781100000031
其中，Cs是卡方距离，p是双方向编码直方图特征向量中特征值总数，DOCHE为注册图像的指脉双方向编码直方图特征向量，DOCHR是输入图像的指脉双方向编码直方图特征向量。
8.根据权利要求1所述的基于指静脉和指形特征的用户特征认证方法，其特征在于，所述指形匹配分数采用欧氏距离计算，计算公式：
Figure FDA0002465781100000032
其中，Ed是欧氏距离，M为WCCD中特征值总数，WCCDE为注册图像的指形特征向量，WCCDR是输入图像的指形特征向量。
9.根据权利要求1所述的基于指静脉和指形特征的用户特征认证方法，其特征在于，所述“用户身份认证”步骤包括以下步骤：根据预留样本设定阈值分数，当所述特征分数大于所述阈值分数时，则匹配；当所述特征分数小于等于所述阈值分数时，则不匹配。
10.一种基于指静脉和指形特征的用户特征认证装置，其特征在于，包括：
图像获取模块，用于获取原始指静脉图像后经过预处理，提取所述原始指静脉图像中手指的感兴趣区域；
特征提取模块，用于采用双方向编码直方图法处理所述感兴趣区域得到手指静脉特征向量，采用指形法处理所述感兴趣区域提取指形特征；
融合认证模块，用于分别计算所述指形特征和所述手指静脉特征向量的匹配分数，得到指形匹配分数和指静脉匹配分数，采用加权融合法将所述指形匹配分数和所述指静脉匹配分数融合得到特征分数，根据所述特征分数进行用户身份认证。
11.一种手机，其特征在于，包括：如权利要求10所述的基于指静脉和指形特征的用户特征认证装置和手机本体，所述基于指静脉和指形特征的用户特征认证装置设置于所述手机本体内或所述手机本体外。
12.根据权利要求11所述的手机，其特征在于，包括：摄像装置，所述摄像装置设置于所述手机本体上，且与所述图像获取模块数据连接。
13.根据权利要求12所述的手机，其特征在于，包括：设置于所述手机本体上的凹槽，所述摄像装置与所述凹槽间隔设置。
14.根据权利要求12或13所述的手机，其特征在于，包括：红外光源，所述红外光源围绕所述摄像装置成对对称设置于所述手机本体上。
CN201811475832.3A 2018-12-04 2018-12-04 基于指静脉和指形特征的用户特征认证方法及其装置 Active CN109697347B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811475832.3A CN109697347B (zh) 2018-12-04 2018-12-04 基于指静脉和指形特征的用户特征认证方法及其装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811475832.3A CN109697347B (zh) 2018-12-04 2018-12-04 基于指静脉和指形特征的用户特征认证方法及其装置

Publications (2)

Publication Number Publication Date
CN109697347A CN109697347A (zh) 2019-04-30
CN109697347B true CN109697347B (zh) 2020-07-14

Family

ID=66230410

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811475832.3A Active CN109697347B (zh) 2018-12-04 2018-12-04 基于指静脉和指形特征的用户特征认证方法及其装置

Country Status (1)

Country Link
CN (1) CN109697347B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11527092B1 (en) * 2020-11-16 2022-12-13 Amazon Technologies, Inc. System for determining embedding using spatial data

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8496684B2 (en) * 2007-10-31 2013-07-30 Ethicon Endo-Surgery, Inc. Method for deploying a device for gastric volume reduction
TWI599964B (zh) * 2010-09-03 2017-09-21 國立台灣科技大學 手指靜脈辨識系統與方法
CN102043961B (zh) * 2010-12-02 2013-12-11 北京交通大学 静脉特征提取方法及利用双指静脉和指形特征进行身份认证的方法
CN107122700A (zh) * 2017-03-02 2017-09-01 华南理工大学 一种基于视频的掌纹掌脉联合注册和识别方法
CN108009472B (zh) * 2017-10-25 2020-07-21 五邑大学 一种基于卷积神经网络和贝叶斯分类器的指背关节纹识别方法

Also Published As

Publication number Publication date
CN109697347A (zh) 2019-04-30

Similar Documents

Publication Publication Date Title
Raghavendra et al. Scaling-robust fingerprint verification with smartphone camera in real-life scenarios
KR101017798B1 (ko) 평균 곡률을 이용하는 지정맥 인증 방법 및 장치
Bakshi et al. A novel phase-intensive local pattern for periocular recognition under visible spectrum
Wang et al. Hand vein recognition based on multiple keypoints sets
KR102429865B1 (ko) 사용자 인증 장치
WO2017113083A1 (zh) 一种虹膜识别方法及装置
Vega et al. Biometric personal identification system based on patterns created by finger veins
Raghavendra et al. Exploring dorsal finger vein pattern for robust person recognition
Uriarte-Antonio et al. Vascular biometrics based on a minutiae extraction approach
Cho et al. GAN-based blur restoration for finger wrinkle biometrics system
CN105631285A (zh) 一种生物特征身份识别方法及装置
Tiwari et al. A palmprint based recognition system for smartphone
CN109697347B (zh) 基于指静脉和指形特征的用户特征认证方法及其装置
Ramsoful et al. Feature extraction techniques for dorsal hand vein pattern
Agrawal et al. A hybrid partial fingerprint matching algorithm for estimation of equal error rate
CN109598235B (zh) 一种指静脉图像认证方法及装置
Fernandez et al. Fingerprint core point detection using connected component approach and orientation map edge tracing approach
Sisodia et al. A conglomerate technique for finger print recognition using phone camera captured images
Khalil et al. Authentication of fingerprint biometrics acquired using a cellphone camera: a review
de Santos-Sierra et al. Hand biometrics in mobile devices
Singh et al. Design and Implementation of Gabor Filter and SVM based authentication system using machine learning
Vasilopoulos et al. A novel finger vein recognition system based on enhanced maximum curvature points
Qayoom et al. Review on Secure and Authentic Identification System using Finger Veins.
Kour et al. Nonminutiae based fingerprint matching
Ezhilarasan et al. Iris recognition based on its texture patterns

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
TR01 Transfer of patent right

Effective date of registration: 20210915

Address after: 102200 Room 201, block B, national power investment group science and Technology Research Institute Co., Ltd., South District of future science city, Changping District, Beijing

Patentee after: YUNTIANHAN TECHNOLOGY DEVELOPMENT Co.,Ltd.

Patentee after: STATE POWER INVESTMENT CORPORATION Research Institute

Address before: 101318 room 5016, floor 5, building 1, yard 6, Jin'an West Road, Shunyi District, Beijing

Patentee before: YUNTIANHAN TECHNOLOGY DEVELOPMENT Co.,Ltd.

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20221221

Address after: 102200 Room 201, block B, national power investment group science and Technology Research Institute Co., Ltd., South District of future science city, Changping District, Beijing

Patentee after: YUNTIANHAN TECHNOLOGY DEVELOPMENT Co.,Ltd.

Address before: 102200 Room 201, block B, national power investment group science and Technology Research Institute Co., Ltd., South District of future science city, Changping District, Beijing

Patentee before: YUNTIANHAN TECHNOLOGY DEVELOPMENT Co.,Ltd.

Patentee before: STATE POWER INVESTMENT CORPORATION Research Institute

TR01 Transfer of patent right