CN110781708A - 基于采集设备的手指静脉图像识别***及手指静脉图像识别方法 - Google Patents
基于采集设备的手指静脉图像识别***及手指静脉图像识别方法 Download PDFInfo
- Publication number
- CN110781708A CN110781708A CN201810854728.9A CN201810854728A CN110781708A CN 110781708 A CN110781708 A CN 110781708A CN 201810854728 A CN201810854728 A CN 201810854728A CN 110781708 A CN110781708 A CN 110781708A
- Authority
- CN
- China
- Prior art keywords
- image
- finger vein
- vein image
- identification
- information
- 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
Links
- 210000003462 vein Anatomy 0.000 title claims abstract description 125
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000012545 processing Methods 0.000 claims abstract description 12
- 238000004891 communication Methods 0.000 claims abstract description 7
- 235000002566 Capsicum Nutrition 0.000 claims description 18
- 239000006002 Pepper Substances 0.000 claims description 18
- 241000722363 Piper Species 0.000 claims description 18
- 235000016761 Piper aduncum Nutrition 0.000 claims description 18
- 235000017804 Piper guineense Nutrition 0.000 claims description 18
- 235000008184 Piper nigrum Nutrition 0.000 claims description 18
- 150000003839 salts Chemical class 0.000 claims description 18
- 238000007781 pre-processing Methods 0.000 claims description 12
- 230000008030 elimination Effects 0.000 claims description 9
- 238000003379 elimination reaction Methods 0.000 claims description 9
- 238000013139 quantization Methods 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 3
- 238000013519 translation Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 7
- 238000011161 development Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000002615 epidermis Anatomy 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
- G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Electromagnetism (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Toxicology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Collating Specific Patterns (AREA)
Abstract
一种基于采集设备的手指静脉图像识别***及该***的手指静脉图像识别方法,所述的基于采集设备的手指静脉图像识别***包括采集设备、图像传感器和服务器。采集设备通过局域网或者互联网与服务器连接,能够基于二维码采集物品信息,并基于手指静脉识别操作人员信息;图像传感器接收采集设备所采集的物品二维码图像,或接收识别出的用户静脉信息图像;上述采集到的图像信息通过设备的通讯模块传输到远程服务器,对所扫描物品进行查询和反馈。本发明具有运行速度和处理效率的优点,能够实现在一个设备上不但可以对二维码进行扫描识别,也可以对操作人员或是其它相关人员进行身份认证。
Description
技术领域
本发明涉及生物特征识别技术领域,具体涉及手指静脉识别技术领域。
背景技术
随着时代的发展和社会的进步,特别是经济的发展, 手指静脉识别技术属于当前生物特征识别技术中的热点领域,相比与指纹和人脸特征而言,手指静脉信息藏匿于浅表皮下,日常活动不会留下印迹,而且每根手指的静脉纹路都不一样,因此可以用作个人身份识别,而且具有无接触采集、安全性高、唯一性强的优势,同时,在物流、安检等行业,二维码扫描仪应用的非常广泛,在各个环节中都与有应用,这就与操作人员有相关。
生物特征识别技术所依据的不是传统的标示物或标示知识,而是依靠人体生物特征进 行身份认证的一种技术,即通过计算机将人体所固有的生理特征或行为特征收集进行处理, 来进行个人身份鉴定的技术。手指静脉识别以其在速度、稳定性、安全性与隐秘性等方面的优势,已成为众多发达国家的第二代 身份认证技术的主流研究方向。目前还没有一种设备,既可以对物品的二维码进行扫描,也同时能够对操作人员进行认证,并在对操作人员进行认证时,能够提高认证效率,并适用于多种场合。
发明内容
本发明的目的就是要解决现有的物品识别和操作人员身份认证时,相关的设备运行处理速度慢、应用场景单一、认证效率不高的问题,而提供一种基于采集设备的手指静脉图像识别***及手指静脉图像识别方法。
本发明所述的基于采集设备的手指静脉图像识别***,包括采集设备、图像传感器和服务器,所述采集设备通过局域网或者互联网与服务器连接;
采集设备,能够基于二维码采集物品信息,并基于手指静脉识别操作人员信息;
图像传感器,接收采集设备所采集的物品二维码图像,或接收识别出的用户静脉信息图像;
上述采集到的图像信息通过设备的通讯模块传输到远程服务器,对所扫描物品进行查询和反馈,以及关联对应的操作人员,以提供不同的操作权限与操作信息;通讯模块通过4G网络和服务器进行通讯。
上述采集设备由键盘、采集装置、显示屏和控制电路组成,所述键盘的USB端口与控制电路的USB端口连接,采集装置的图像信号输出端与控制电路的图像信号输入端连接,显示屏的显示信号输入端与控制电路的显示信号输出端连接。
进一步的,所述采集设备由近红外线LED灯、CMOS摄像头、近红外光发射单元组成,基于LED灯、CMOS摄像头实现二维码的扫描,基于近红外光发射单元采集用户静脉信息。
本发明所述的基于手指静脉图像识别***的手指静脉图像识别方法,其中,采集设备的控制电路中包括手指静脉子图库和识别模块,服务器中设有手指静脉图库和识别模块,所述静脉识别方法包括:
采集设备中的控制电路的工作流程为:
步骤A1、采集线程接收手指静脉原始图像,并对该原始静脉图像进行处理,得到采集图像;执行步骤B1;
步骤B1、图像预处理线程接收采集线程发送的采集图像,并对该采集图像进行预处理,得到处理后的手指静脉图像;执行步骤C1;
步骤C1、图像匹配线程将处理后的手指静脉图像与该采集设备中的手指静脉子库中的图像通过匹配算法进行匹配;执行步骤D1;
步骤D1、图像匹配线程判断匹配是否成功,如果判断结果为是,执行步骤E1;否则,执行步骤F1;
步骤E1、将匹配成功的图像对应的身份信息作为识别结果,并将该识别结果发送给服务器,完成本次识别;
步骤F1、将处理后的手指静脉图像发送给服务器,并等待返回信息;执行步骤G1;
步骤G1、判断反馈信息是否为识别结果,如果判断结果为是,执行步骤E1;否则,执行步骤H1;
步骤H1、发送识别失败信息给显示屏显示输出,完成本次识别;
服务器的工作流程为:
步骤A2、判断采集设备发送的信息是否为识别结果,如果判断结果为是,执行步骤B2;否则,执行步骤C2;
步骤B2、存储接收到每个采集设备的识别结果,并存储该识别结果、采集设备的序号以及识别时间信息,完成本次识别;
步骤C2、将接收到的处理后的手指静脉图像信息与手指静脉库中的图像进行对比匹配;执行步骤D2;
步骤D2、判断匹配是否成功,如果判断结果为是,执行步骤E2;否则,执行步骤F2;
步骤E2、将匹配成功的图像对应的身份信息作为识别结果发送给对应的采集设备中的控制电路,同时存储接收到每个采集设备的识别结果,并存储该识别结果、采集设备的序号以及识别时间信息,完成本次识别;
步骤F2、发送识别失败信息给相应的采集设备中的控制电路,完成本次识别。
进一步的,所述的步骤C1中的图像对比匹配的处理过程为:
步骤a:应用经旋转和平移校正后的手指静脉图像水平和竖直方向上的二维一阶高斯滤波器,对经过归一化后的手指静脉图像进行滤波,求取归一化手指静脉图像的每个像素点上梯度方向的角度,其取值范围为[0,2π];
步骤b:将梯度方向角按照角度值大小量化为5个量化等级,每个梯度方向角度的量化编码的取值范围为{0,1,2,3,4}中的任何一个整数由此构成一个二维的基于量化梯度方向特征的手指静脉图像特征模板,并存储于存储设备中;
梯度方向角度值,是按梯度方向角度值大小量化为n个等级,当n较大时,增强量化后编码对局部图像纹理细节的表达能力,当n较小时,增强量化编码对局部图像噪声的鲁棒性;
步骤c:在特征比对过程中,通过计算在两个手指静脉图像特征模板的对应位置上出现相同量化梯度方向编码的频率,来衡量两个手指静脉图像特征模板的相似性;
步骤d:相似度的取值范围为[0,1]这个闭区间,数值越大说明对应的两个手指静脉图像特征模板越相似。
进一步的,所述的步骤B1中的图像预处理过程为:
对采集的静脉图像进行预处理,预处理包括:采用加权平均值法来进行灰度化、采用迭代的方法求取最佳阈值来对图像进行分割、采用组合滤波器来滤除噪声,对分割后的静脉图像进行高度标准化处理;
采用加权平均值法来进行灰度化所采用的公式为: Gray=0.30×R+0.58×G+0.12B,其中由颜色(R,G,B)表示彩色信息;
所述的采用迭代的方法求取最佳阈值来对图像进行分割是:首先在初始条件中假设一个阈值,而在对图像的迭代运算中不断地更新这一假设阈值,初始阈值一般取灰度平均值,以平均灰度值分割图像后,计算分割后的2类区域的平均值,低于初始阈值区域的平均值记为Tb,另一区域的均值记为T0,然后计算(Tb+T0)/2,并以此值作为新的阈值,然后重复上述步骤,直到2次计算的阈值不再变化,这时即得到了最佳阈值,迭代停止。
所述的采用组合滤波器来滤除噪声,组合滤波器总共由椒盐噪声检测、选择滤波器、消除椒盐噪声和消除高斯噪声4个模块组成,先对输入的原始静脉图像进行椒盐噪声检测,对受椒盐噪声影响的像素可以选择相应的滤波器进行椒盐噪声的消除,而对未受椒盐噪声影响的像素则选择相应的滤波器进行高斯噪声的消除,最后将两个结果合并得到消噪后的手指静脉图像。
本发明所述的手指静脉图像识别***及基于该***的手指静脉图像识别方法,通过在普通的二维码扫描设备的基础上,设置有静脉识别模组,不但可以对二维码进行扫描识别,也可以对操作人员或是其它相关人员进行人份认证。同时,控制电路中的识别模块和服务器中的识别模块对采集到的手指静脉图像进行识别,与在计算机上运行手指静脉识别过程相比,运行速度和处理效率大幅提高,通过设置服务器,能够实现网络化手指静脉识别。
具体实施方式
下面结合具体实施例对本发明做更详细地描述:
具体实施方式一:
本实施方式所述的基于采集设备的手指静脉图像识别***,包括采集设备、图像传感器和服务器,所述采集设备通过局域网或者互联网与服务器连接;
采集设备,能够基于二维码采集物品信息,并基于手指静脉识别操作人员信息;采集设备由键盘、采集装置、显示屏和控制电路组成,所述键盘的USB端口与控制电路的USB端口连接,采集装置的图像信号输出端与控制电路的图像信号输入端连接,显示屏的显示信号输入端与控制电路的显示信号输出端连接。用户可以使用键盘控制过程的进程,实现过程的暂停、继续进行、退出等功能。采集设备拥有自动采集功能,在手指深入采集装置1-2秒完成手指静脉图像的采集工作。控制电路上运行linux***,将手指静脉识别过程和手指静脉注册过程下载到linux操作***中运行,服务器基于网络和采集设备相连,实现网络化的手指静脉图像识别。
图像传感器,接收采集设备所采集的物品二维码图像,或接收识别出的用户静脉信息图像;
上述采集到的图像信息通过设备的通讯模块传输到远程服务器,对所扫描物品进行查询和反馈,以及关联对应的操作人员,以提供不同的操作权限与操作信息;
所述采集设备由近红外线LED灯、CMOS摄像头、近红外光发射单元组成,基于LED灯、CMOS摄像头实现二维码的扫描,基于近红外光发射单元采集用户静脉信息。
具体实施方式二:
本实施方式的基于上述手指静脉图像识别***的手指静脉图像识别方法中,采集设备的控制电路中包括手指静脉子图库和识别模块,服务器中设有手指静脉图库和识别模块,所述静脉识别方法包括:
采集设备中的控制电路的工作流程为:
步骤A1、采集线程接收手指静脉原始图像,并对该原始静脉图像进行处理,得到采集图像;执行步骤B1;
步骤B1、图像预处理线程接收采集线程发送的采集图像,并对该采集图像进行预处理,得到处理后的手指静脉图像;执行步骤C1;
步骤C1、图像匹配线程将处理后的手指静脉图像与该采集设备中的手指静脉子库中的图像通过匹配算法进行匹配;执行步骤D1;
步骤D1、图像匹配线程判断匹配是否成功,如果判断结果为是,执行步骤E1;否则,执行步骤F1;
步骤E1、将匹配成功的图像对应的身份信息作为识别结果,并将该识别结果发送给服务器,完成本次识别;
步骤F1、将处理后的手指静脉图像发送给服务器,并等待返回信息;执行步骤G1;
步骤G1、判断反馈信息是否为识别结果,如果判断结果为是,执行步骤E1;否则,执行步骤H1;
步骤H1、发送识别失败信息给显示屏显示输出,完成本次识别;
服务器的工作流程为:
步骤A2、判断采集设备发送的信息是否为识别结果,如果判断结果为是,执行步骤B2;否则,执行步骤C2;
步骤B2、存储接收到每个采集设备的识别结果,并存储该识别结果、采集设备的序号以及识别时间信息,完成本次识别;
步骤C2、将接收到的处理后的手指静脉图像信息与手指静脉库中的图像进行对比匹配;执行步骤D2;
步骤D2、判断匹配是否成功,如果判断结果为是,执行步骤E2;否则,执行步骤F2;
步骤E2、将匹配成功的图像对应的身份信息作为识别结果发送给对应的采集设备中的控制电路,同时存储接收到每个采集设备的识别结果,并存储该识别结果、采集设备的序号以及识别时间信息,完成本次识别;
步骤F2、发送识别失败信息给相应的采集设备中的控制电路,完成本次识别。
所述的步骤C1中的图像对比匹配的处理过程为:
步骤a:应用经旋转和平移校正后的手指静脉图像水平和竖直方向上的二维一阶高斯滤波器,对经过归一化后的手指静脉图像进行滤波,求取归一化手指静脉图像的每个像素点上梯度方向的角度,其取值范围为[0,2π];
步骤b:将梯度方向角按照角度值大小量化为5个量化等级,每个梯度方向角度的量化编码的取值范围为{0,1,2,3,4}中的任何一个整数由此构成一个二维的基于量化梯度方向特征的手指静脉图像特征模板,并存储于存储设备中;梯度方向角度值,是按梯度方向角度值大小量化为n个等级,当n较大时,增强量化后编码对局部图像纹理细节的表达能力,当n较小时,增强量化编码对局部图像噪声的鲁棒性;
步骤c:在特征比对过程中,通过计算在两个手指静脉图像特征模板的对应位置上出现相同量化梯度方向编码的频率,来衡量两个手指静脉图像特征模板的相似性;
步骤d:相似度的取值范围为[0,1]这个闭区间,数值越大说明对应的两个手指静脉图像特征模板越相似。
所述的步骤B1中的图像预处理过程为:
对采集的静脉图像进行预处理,预处理包括:采用加权平均值法来进行灰度化、采用迭代的方法求取最佳阈值来对图像进行分割、采用组合滤波器来滤除噪声,对分割后的静脉图像进行高度标准化处理;
采用加权平均值法来进行灰度化所采用的公式为: Gray=0.30×R+0.58×G+0.12B,其中由颜色(R,G,B)表示彩色信息;
所述的采用迭代的方法求取最佳阈值来对图像进行分割是:首先在初始条件中假设一个阈值,而在对图像的迭代运算中不断地更新这一假设阈值,初始阈值一般取灰度平均值,以平均灰度值分割图像后,计算分割后的2类区域的平均值,低于初始阈值区域的平均值记为Tb,另一区域的均值记为T0,然后计算(Tb+T0)/2,并以此值作为新的阈值,然后重复上述步骤,直到2次计算的阈值不再变化,这时即得到了最佳阈值,迭代停止。
所述的采用组合滤波器来滤除噪声,组合滤波器总共由椒盐噪声检测、选择滤波器、消除椒盐噪声和消除高斯噪声4个模块组成,先对输入的原始静脉图像进行椒盐噪声检测,对受椒盐噪声影响的像素可以选择相应的滤波器进行椒盐噪声的消除,而对未受椒盐噪声影响的像素则选择相应的滤波器进行高斯噪声的消除,最后将两个结果合并得到消噪后的手指静脉图像。
本实施方式所述的方法可以应用需要手指静脉识别技术领域,例如,可以应用在物流、安检等多个技术领域。以应用于物流领域进行说明,本实施方式中,采集设备在基于二维码进行运输物品的识别检测的同时,还能够基于采集设备自身的近红外光发射单元实现对操作人员的手指静脉信息进行检测和识别,从而完成对操作人员的身份进行认证,并且,基于采集设备、图像传感器和服务器之间的通信,能够保证手指静脉信息的识别和处理速度。
基于上述构思,可以理解,本实施例通过在普通的二维码扫描设备的基础上,设置有静脉识别模组,不但可以对二维码进行扫描识别,也可以对操作人员或是其它相关人员进行人份认证。同时,控制电路中的识别模块和服务器中的识别模块对采集到的手指静脉图像进行识别,与在计算机上运行手指静脉识别过程相比,运行速度和处理效率大幅提高,通过设置服务器,能够实现网络化手指静脉识别。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (10)
1.一种基于采集设备的手指静脉图像识别***,其特征在于:包括采集设备、图像传感器和服务器,所述采集设备通过局域网或者互联网与服务器连接;
采集设备,能够基于二维码采集物品信息,并基于手指静脉识别操作人员信息;
图像传感器,接收采集设备所采集的物品二维码图像,或接收识别出的用户静脉信息图像;
上述采集到的图像信息通过设备的通讯模块传输到远程服务器,对所扫描物品进行查询和反馈,以及关联对应的操作人员,以提供不同的操作权限与操作信息;
上述采集设备由键盘、采集装置、显示屏和控制电路组成,所述键盘的USB端口与控制电路的USB端口连接,采集装置的图像信号输出端与控制电路的图像信号输入端连接,显示屏的显示信号输入端与控制电路的显示信号输出端连接。
2.根据权利要求1所述的基于采集设备的手指静脉图像识别***,其特征在于:所述采集设备由近红外线LED灯、CMOS摄像头、近红外光发射单元组成,基于LED灯、CMOS摄像头实现二维码的扫描,基于近红外光发射单元采集用户静脉信息。
3.根据权利要求1所述的基于采集设备的手指静脉图像识别***,其特征在于:通讯模块通过4G网络和服务器进行通讯。
4.基于权利要求1所述的手指静脉图像识别***的手指静脉图像识别方法,其特征在于:采集设备的控制电路中包括手指静脉子图库和识别模块,服务器中设有手指静脉图库和识别模块,所述静脉识别方法包括:
采集设备中的控制电路的工作流程为:
步骤A1、采集线程接收手指静脉原始图像,并对该原始静脉图像进行处理,得到采集图像;执行步骤B1;
步骤B1、图像预处理线程接收采集线程发送的采集图像,并对该采集图像进行预处理,得到处理后的手指静脉图像;执行步骤C1;
步骤C1、图像匹配线程将处理后的手指静脉图像与该采集设备中的手指静脉子库中的图像通过匹配算法进行匹配;执行步骤D1;
步骤D1、图像匹配线程判断匹配是否成功,如果判断结果为是,执行步骤E1;否则,执行步骤F1;
步骤E1、将匹配成功的图像对应的身份信息作为识别结果,并将该识别结果发送给服务器,完成本次识别;
步骤F1、将处理后的手指静脉图像发送给服务器,并等待返回信息;执行步骤G1;
步骤G1、判断反馈信息是否为识别结果,如果判断结果为是,执行步骤E1;否则,执行步骤H1;
步骤H1、发送识别失败信息给显示屏显示输出,完成本次识别;
服务器的工作流程为:
步骤A2、判断采集设备发送的信息是否为识别结果,如果判断结果为是,执行步骤B2;否则,执行步骤C2;
步骤B2、存储接收到每个采集设备的识别结果,并存储该识别结果、采集设备的序号以及识别时间信息,完成本次识别;
步骤C2、将接收到的处理后的手指静脉图像信息与手指静脉库中的图像进行对比匹配;执行步骤D2;
步骤D2、判断匹配是否成功,如果判断结果为是,执行步骤E2;否则,执行步骤F2;
步骤E2、将匹配成功的图像对应的身份信息作为识别结果发送给对应的采集设备中的控制电路,同时存储接收到每个采集设备的识别结果,并存储该识别结果、采集设备的序号以及识别时间信息,完成本次识别;
步骤F2、发送识别失败信息给相应的采集设备中的控制电路,完成本次识别。
5.根据权利要求4所述的手指静脉图像识别方法,其特征在于:所述的步骤C1中的图像对比匹配的处理过程为:
步骤a:应用经旋转和平移校正后的手指静脉图像水平和竖直方向上的二维一阶高斯滤波器,对经过归一化后的手指静脉图像进行滤波,求取归一化手指静脉图像的每个像素点上梯度方向的角度,其取值范围为[0,2π];
步骤b:将梯度方向角按照角度值大小量化为5个量化等级,每个梯度方向角度的量化编码的取值范围为{0,1,2,3,4}中的任何一个整数由此构成一个二维的基于量化梯度方向特征的手指静脉图像特征模板,并存储于存储设备中;
步骤c:在特征比对过程中,通过计算在两个手指静脉图像特征模板的对应位置上出现相同量化梯度方向编码的频率,来衡量两个手指静脉图像特征模板的相似性;
步骤d:相似度的取值范围为[0,1]这个闭区间,数值越大说明对应的两个手指静脉图像特征模板越相似。
6.根据权利要求4所述的手指静脉图像识别方法,其特征在于:所述的步骤B1中的图像预处理过程为:
对采集的静脉图像进行预处理,预处理包括:采用加权平均值法来进行灰度化、采用迭代的方法求取最佳阈值来对图像进行分割、采用组合滤波器来滤除噪声,对分割后的静脉图像进行高度标准化处理。
7.根据权利要求5所述的手指静脉图像识别方法,其特征在于:梯度方向角度值,是按梯度方向角度值大小量化为n个等级,当n较大时,增强量化后编码对局部图像纹理细节的表达能力,当n较小时,增强量化编码对局部图像噪声的鲁棒性。
8.根据权利要求6所述的手指静脉图像识别方法,其特征在于:采用加权平均值法来进行灰度化所采用的公式为: Gray=0.30×R+0.58×G+0.12B,其中由颜色(R,G,B)表示彩色信息。
9.根据权利要求6所述的手指静脉图像识别方法,其特征在于:所述的采用迭代的方法求取最佳阈值来对图像进行分割是:首先在初始条件中假设一个阈值,而在对图像的迭代运算中不断地更新这一假设阈值,初始阈值一般取灰度平均值,以平均灰度值分割图像后,计算分割后的2类区域的平均值,低于初始阈值区域的平均值记为Tb,另一区域的均值记为T0,然后计算(Tb+T0)/2,并以此值作为新的阈值,然后重复上述步骤,直到2次计算的阈值不再变化,这时即得到了最佳阈值,迭代停止。
10.根据权利要求6所述的手指静脉图像识别方法,其特征在于:所述的采用组合滤波器来滤除噪声,组合滤波器总共由椒盐噪声检测、选择滤波器、消除椒盐噪声和消除高斯噪声4个模块组成,先对输入的原始静脉图像进行椒盐噪声检测,对受椒盐噪声影响的像素可以选择相应的滤波器进行椒盐噪声的消除,而对未受椒盐噪声影响的像素则选择相应的滤波器进行高斯噪声的消除,最后将两个结果合并得到消噪后的手指静脉图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810854728.9A CN110781708A (zh) | 2018-07-31 | 2018-07-31 | 基于采集设备的手指静脉图像识别***及手指静脉图像识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810854728.9A CN110781708A (zh) | 2018-07-31 | 2018-07-31 | 基于采集设备的手指静脉图像识别***及手指静脉图像识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110781708A true CN110781708A (zh) | 2020-02-11 |
Family
ID=69382640
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810854728.9A Pending CN110781708A (zh) | 2018-07-31 | 2018-07-31 | 基于采集设备的手指静脉图像识别***及手指静脉图像识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110781708A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111639557A (zh) * | 2020-05-15 | 2020-09-08 | 圣点世纪科技股份有限公司 | 一种指静脉图像智能注册反馈方法 |
CN113705262A (zh) * | 2021-09-06 | 2021-11-26 | 广州市远景达科技开发有限公司 | 一种手持式工业条码扫描枪 |
CN115761820A (zh) * | 2022-11-29 | 2023-03-07 | 河南职业技术学院 | 基于计算机生物特征采集识别***及装置 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106773762A (zh) * | 2016-12-28 | 2017-05-31 | 重庆金鑫科技产业发展有限公司 | 一种静脉纹识别终端及智能家居*** |
-
2018
- 2018-07-31 CN CN201810854728.9A patent/CN110781708A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106773762A (zh) * | 2016-12-28 | 2017-05-31 | 重庆金鑫科技产业发展有限公司 | 一种静脉纹识别终端及智能家居*** |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111639557A (zh) * | 2020-05-15 | 2020-09-08 | 圣点世纪科技股份有限公司 | 一种指静脉图像智能注册反馈方法 |
CN111639557B (zh) * | 2020-05-15 | 2023-06-20 | 圣点世纪科技股份有限公司 | 一种指静脉图像智能注册反馈方法 |
CN113705262A (zh) * | 2021-09-06 | 2021-11-26 | 广州市远景达科技开发有限公司 | 一种手持式工业条码扫描枪 |
CN115761820A (zh) * | 2022-11-29 | 2023-03-07 | 河南职业技术学院 | 基于计算机生物特征采集识别***及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Han et al. | Palm vein recognition using adaptive Gabor filter | |
Lee | A novel biometric system based on palm vein image | |
US10740636B2 (en) | Method, system and terminal for identity authentication, and computer readable storage medium | |
CN111462379A (zh) | 一种含掌静脉和人脸识别的门禁管理方法、***及介质 | |
US11163972B2 (en) | Convergent biometric authentication method based on finger joint and finger vein, and apparatus therefor | |
Wang et al. | An automatic physical access control system based on hand vein biometric identification | |
CN110781708A (zh) | 基于采集设备的手指静脉图像识别***及手指静脉图像识别方法 | |
Kasiselvanathan et al. | Palm pattern recognition using scale invariant feature transform | |
Patil et al. | A novel approach for fingerprint matching using minutiae | |
CN110443146A (zh) | 基于生物识别的身份验证方法、装置、设备及可读介质 | |
Barua et al. | Fingerprint identification | |
Raghavendra et al. | Exploring dorsal finger vein pattern for robust person recognition | |
Tukur | Fingerprint recognition and matching using Matlab | |
KR102375593B1 (ko) | 손바닥 복합 이미지에 기반한 사용자 인증 장치 및 방법 | |
JP2005259049A (ja) | 顔面照合装置 | |
WO2016023582A1 (en) | A method of detecting a falsified presentation to a vascular recognition system | |
Kumar et al. | Biometric authentication based on infrared thermal hand vein patterns | |
Latha et al. | A robust person authentication system based on score level fusion of left and right irises and retinal features | |
KR20200109977A (ko) | 지문 및 얼굴 영상을 이용한 스마트폰 기반 신원확인 방법 | |
Jose et al. | Towards building a better biometric system based on vein patterns in human beings | |
Ganorkar et al. | IRIS recognition using discrete wavelet Transform | |
Choras | Personal identification using forearm vein patterns | |
JP2659046B2 (ja) | 本人照合装置 | |
Poojary et al. | Biometric authentication system using dorsal hand vein pattern | |
Chaudhari et al. | Prevention of spoof attacks in fingerprinting using histogram features |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200211 |
|
WD01 | Invention patent application deemed withdrawn after publication |