CN1971582A - 一种基于掌纹图像识别的身份鉴别方法 - Google Patents

Abstract

本发明涉及数字图像处理和识别技术领域，公开了一种基于掌纹图像识别的身份鉴别方法，包括如下步骤：步骤一，进行掌纹图像预处理；步骤二，应用各向异性的二维高斯滤波器对归一化掌纹图像的每个区域沿多个不同的方向进行空域滤波；步骤三，将两两垂直方向的滤波结果进行比对编码，构建该图像的特征向量；步骤四，根据所述特征向量进行掌纹图像的身份鉴别工作。本发明的身份认证***具有对图像采集设备的要求低、实时性好、识别错误率低、鲁棒性强、特征模板容量小的优点。本发明可满足门禁、考勤、电子护照、电子商务、银行提款机等应用***对身份鉴定识别的需求。

Description

一种基于掌纹图像识别的身份鉴别方法

技术领域

本发明涉及数字图像处理、模式识别、计算机视觉、信息编码和安防等技术领域，特别是涉及一种高精度的基于掌纹图像的身份识别鉴定方法。

背景技术

在人类文明高度发达的今天，身份认证和我们的生活息息相关，办公大楼的门卫需要您出示有效证件、部门考勤时需要您打卡或按指纹、登录计算机要输入密码、网络银行也要你使用私钥、开车时随时要准备好你的驾驶执照、去国外旅游需要携带护照……。生物特征认证，像指纹、人脸、虹膜、掌纹识别，和其它传统的密码和IC卡的方法相比具有许多独特的优势，比如说可靠性高、防伪性好、使用方便等。掌纹识别是生物特征识别领域的新成员，它利用每个人手掌皮肤表面的纹路的差异来鉴别身份。由于人们的手掌一般都有较大的面积，提供了丰富的图像信息用于识别；这些纹路信息都很稳定，在很长的一段时间内都不会变化很多；掌纹图像的采集也很方便，对采集设备的要求不高，一般的摄像头或者扫描仪都可以采集到很清晰的图像；掌纹的采集过程可以非接触；掌纹中心区域也比较容易定位和归一化；出于隐私的考虑，相对指纹和人脸等认证***，人们对掌纹识别的接受程度要高。所以掌纹识别是一项很有前途的技术，拥有广泛的应用领域。

发明内容

本发明所要解决的技术问题是提供一种基于掌纹图像识别的身份鉴别方法，其使用方便、采集设备的要求不离且易被人们所接受。

为达到上述目的，本发明提供了一种基于掌纹图像识别的身份鉴别方法，其特点在于，包括如下步骤：

步骤一，进行掌纹图像预处理；

步骤二，应用各向异性的二维高斯滤波器对归一化掌纹图像的每个区域沿多个不同的方向进行空域滤波；

步骤三，将两两垂直方向的滤波结果进行比对编码，构建该图像的特征向量；

步骤四，根据所述特征向量进行掌纹图像的身份鉴别工作。

上述的方法，其特点在于，在步骤四中，所述身份鉴别包括两种工作状态：注册模式和识别模式；在所述注册模式下，合法用户向***提交自己的掌纹特征模板；在所述识别模式下，***通过对比存储的模板和用户临时采集的掌纹图像的特征来确定该用户身份是否合法。

上述的方法，其特点在于，在所述识别模式下，还包括：计算两幅掌纹图像的特征向量之间的汉明距离；根据计算所得的汉明距离判断所述的两幅掌纹图像是否来自同一人。

上述的方法，其特点在于，在所述识别模式下，所述各步骤具体如下：

1)定位掌纹图像中食指和中指之间的角点A、无名指和小拇指之间的角点B，通过线段AB建立统一的坐标系：以线段AB为x轴，AB中点为原点，AB的中垂线为y轴；

2)在统一坐标系中的固定位置截取固定大小的位于手掌中部的矩形图像区域用于特征提取，这个矩形区域称为归一化的掌纹图像；

3)应用各向异性的二维高斯滤波器对归一化掌纹图像的每个区域沿多个不同的方向进行空域滤波；

4)将两两垂直方向的滤波结果进行比对，将比对的结果按照约定的规则进行编码，最后所有的编码结果联合组成掌纹图像的特征向量，按字节存储；

5)计算两幅掌纹图像的特征编码的汉明距离，所述两幅掌纹图像中的一幅是注册时预先采集，另一幅是认证过程中临时采集，所述汉明距离越小，两幅图像的相似性越高，来自同一人的可能性越大；

6)如果所述汉明距离小于某个阈值，则识别***认为两幅掌纹图像来自于同一个人，给出通过身份认证的信息，否则提示没有通过认证。

上述的方法，其特点在于，所述的各向异性的二维高斯滤波器是指在二维坐标系中水平方向和垂直方向具有不同方差系数的高斯滤波器，较大方差对应的方向称为滤波器的长轴，较小方差对应的方向称为滤波器的短轴。

上述的方法，其特点在于，所述的各向异性的二维高斯滤波器是具有长条形状的低通滤波器。

上述的方法，其特点在于，所述的对归一化掌纹图像的每个区域沿多个不同的方向进行空域滤波的步骤是指旋转低通滤波器的长轴或短轴在图像平面坐标系上的方向，然后对归一化掌纹图像中若干个和滤波器大小相同的区域进行滤波，计算每个区域在不同方向上的加权灰度和。

上述的方法，其特点在于，所述步骤4)中进一步包拈：根据所述两两垂直方向的滤波值的定性对比结果对被滤波图像区域进行二值编码，如果90°方向的滤波结果大于0°方向的滤波结果，则该比对的结果编码成1，否则编码为0；最后所有的特征编码串联组成该掌纹图像的特征向量，或者表达成二进制的矩阵形式。

上述的方法，其特点在于，描述一幅掌纹图像的所述特征向量或者特征矩阵是由多个不同的低通滤波器编码结果联合组成的特征向量或者特征矩阵。

上述的方法，其特点在于，还包括：根据实际情况对所述特征向量降采样以减少特征向量的长度，节省存储空间和匹配时间。

上述的方法，其特点在于，判断两幅掌纹图像是否来自同一人取决于它们的特征向量之间的汉明距离是否足够小。

本发明的技术效果在于：

本发明的提出一种基于掌纹图像识别的高性能身份认证方法，利用掌纹图像中不同朝向的线条状区域的相对灰度信息来确定人身份的方法。本发明的掌纹鉴别方法提出了用方向垂直的线条状图像区域间定性的相对灰度信息来表达掌纹图像中的可区分特征，能够刻画掌纹图像中密布的主线和皱纹线信息，受噪声的干扰小，能克服成像时不同的光照、对比度和聚焦程度等对特征编码的影响，而且本发明计算速度快(可以在1秒钟内完成一次认证所需的所有操作)、特征编码容量小(在1K字节以内)，完全可以存放在IC卡(如第二代身份证)中、对掌纹采集仪的要求很低(分辨率在50dpi以上的图像就足以进行高性能的认证)，可用于需要身份认证、进行安全性防范的诸多应用***中，如门禁、考勤、通关、计算机登录、银行保险箱、银行提款机等。

下面结合附图进一步详细说明本发明的具体实施例。

附图说明

图1为本发明的基于掌纹图像识别的身份认证方法的流程框图；

图2a为本发明的掌纹图像预处理的掌纹图像示意图；

图2b为图2a的定位结果示意图；

图2c为图2b的归一化结果示意图；

图3a为本发明中的各向异性的2D高斯低通滤波器的3D形状示意图；

图3b为本发明中的滤波器的有效滤波图像区域示意图；

图4为本发明中的三组参与对比编码的局部图像区域示意图；

图5是根据图4方法编码得到的掌纹图像的特征模板；

图6a为本发明在大规模的掌纹图像数据库上测试的结果，是同类和异类掌纹图像匹配结果的分布；

图6b为本发明在大规模的掌纹图像数据库上测试的结果，是本发明方法的ROC(Reveiver Operating Characteristics)曲线，描述了选取不同阈值得到的错误接收率(False Accept Rate)和错误拒绝率(False RejectRate)之间的关系。

其中，附图标记说明如下：

S1：参考点定位

S2：感兴趣区域提取

S3：多方向低通滤波

S4：特征编码

S5：特征匹配

S6：认证决策

具体实施方式

本发明提出一种新颖的基于掌纹图像识别的身份认证方法，其流程框图如图1。

与当前其他掌纹识别方法相比，本发明的新颖性主要在于：1)利用各向异性的二维高斯滤波器来提取掌纹图像中线状区域的平均灰度信息。因为在低分辨率(小于1OOdpi)的掌纹图像中最稳定的特征是不规则分布的一些凹线(主要由主线和皱纹线产生)，这些线段的灰度一般都会比其它图像区域的灰度低，这是由人的手掌皮肤表面的物理特性所决定的，特别适合作为掌纹特征。所以对线状图像区域的总体灰度信息进行测量的一个较好的方法是用拉长的二维高斯滤波器(如图3所示，其有效滤波区域大致和一段凹线对应)对其滤波。2)虽然凹线区域和邻近区域的灰度差值受图像采集时光照的影响，但它们之间的相对灰度关系，即凹线区域的灰度值低于其它区域，却稳定不变。因为这些凹线密布在手掌表面的各处，所以在每个图像邻域任意选取两个线条状的图像区域(如图4所示)，在大部分情况下它们的相对灰度关系稳定不变。这样本发明就可以深入刻画掌纹图像中各种复杂的线状的结构。3)将掌纹特征表达为多个图像区域的定性的相对灰度信息而不是定量的或者绝对的灰度信息，这样的好处是图像特征独立于图像灰度级的线性尺度变化，能抵抗光照、对比度、清晰度等不同的成像环境对识别性能的影响，降低对图像质量的要求，提高了鲁棒性。4)由于参与比对的线条状图像区域的朝向互相垂直，相对于选取其它角度，它们之间的相似性降低、特征内容的冗余度降低，不仅提高了每位特征码的鲁棒性，还拥有更多的熵，提供了更多的信息。5)二值编码省存储空间、便于匹配。6)采用Hamming(汉明)距离作为度量两幅掌纹图像之间的差异的程度，具有计算速度快的优势，一台普遍的电脑每秒钟可以计算50万次Hamming距离，所以本发明完全可以用于大规模的身份认证，如一个城市乃至一个国家的医疗保险、养老保险的发放、IC卡身份证、和用于快速通关的机器可读旅行证件(MachineReadable Travel Documents，MRTD，包括护照和签证)。

本发明提出的基于掌纹图像识别的身份认证方法包含六个主要步骤(见图1)：

步骤S1：参考点定位S1。采用数字图像处理中经典的角点检测方法可以定位掌纹图像中食指和中指之间的角点A、无名指和小拇指之间的角点B，通过线段AB建立统一的坐标系：AB作为x轴，AB中点作为原点，AB的中垂线作为y轴(见图2b)。

步骤S2：感兴趣区域提取。在统一坐标系中的固定位置截取固定大小的位于手掌中部的矩形图像区域用于特征提取，这个矩形区域称为归一化的掌纹图像(见图2b和图2c)。对于来自同一人在不同时刻采集的掌纹图像，不论原始图像是否有平移、旋转的变化(由于掌纹图像的采集一般采用固定的物距，所以没有尺度变化)，通过步骤S 1和S2得到的归一化掌纹图像应该都是对应于手掌中纹路信息丰富的同一区域。

步骤S3：多方向低通滤波。应用各向异性的二维高斯滤波器对归一化掌纹图像的每个区域沿多个不同的方向进行空域滤波，每次滤波的结果就是该区域在某个方向上灰度值的加权和。二维高斯滤波器有如下的表达式：

$f(x,y,\mathrm{\θ})=\exp [-0.5\×({\left(\frac{x\cos \mathrm{\θ}+y\sin \mathrm{\θ}}{{\mathrm{\δ}}_x}\right)}^2+(\frac{-x\sin \mathrm{\θ}+y\cos \mathrm{\θ}}{{\mathrm{\δ}}_y}{)}^2)]---\left(1\right)$

其中θ是滤波器的朝向，取值范围从0到π，δ_x和δ_y分别是高斯滤波器在x方向和y方向的标准方差，一般取δ_x/δ_y＞3，控制滤波器的形状是长条形(图3)，用于测量长条形区域的加权灰度信息。

步骤S4：特征编码。将两两垂直方向的滤波结果进行比对，将比对的结果按照约定的规则进行编码，如规则“如果90°方向的滤波结果大于0°方向的滤波结果，则该比对的结果编码成1，否则编码为0”。(图4)最后所有的编码结果联合组成掌纹图像的特征向量，按字节存储(图5)。

步骤S5：特征匹配。当生物鉴别***运行在认证模式下，用户要声明自己的身份，***根据他的声明从数据库中找出这个人的模板特征向量和输入特征向量进行匹配，即证明他的确是他所说的那个人。当生物鉴别***运行在识别模式下时，用户不用告诉***“我是谁”，***根据他的输入特征和数据库中所有的特征模板一一匹配。所有的身份鉴别模式都是以两两匹配为基础的。计算两幅掌纹图像(一般而言，其中的一幅掌纹图像是注册时预先采集，另一幅是认证过程中临时采集)的特征编码的Hamming距离，它的值是从0到1之间的浮点数。Hamming距离值越小，两幅图像的相似性越高，来自同一人的可能性越大。

步骤S6：识别决策。根据掌纹识别***不同的应用场合设置不同的阈值，对应着不同的错误接受率(FAR，False Accept Rate)和错误拒绝率(FRR，False Reject Rate)。当Hamming距离小于预先定义的阈值时，判断用户通过身份认证，否则给出未通过认证的信息。

本发明提出了一种基于掌纹图像识别的身份认证方法。本方法的优点在于以下几个方面：

1.识别精度高。由于互相垂直的长条图像区域间的相对灰度信息能很好地刻画掌纹图像中的凹线特征，所以得到的特征向量有很强的区分性能。图6(a)是根据本发明方法得到的5660幅真实掌纹图像(共566类)两两匹配结果的分布图。可以看到类内匹配的分布和类间匹配的分布基本没有重叠，区分性好，证明了本发明有很高的识别精度。图6(b)是根据本发明方法得到ROC曲线，本发明的等错误率仅在0.19％左右，平均500次匹配才有一次错误的可能，精度已经达到国际领先水平。

2.编码效率高，存储量小。由于采用二值编码，8次滤波的结果只要1个字节就能保存，整幅掌纹图像只需要几百个字节的容量存储，完全能保存在绝大多数的IC卡(包括第二代身份证)和各种移动设备里。

3.计算速度快。整个算法的主要计算量消耗在高斯滤波器和掌纹图像的线性滤波上。如果将低通滤波的过程用快速算法近似的话，整个特征提取和匹配过程只涉及加法和减法，没有耗时较长的乘法和除法操作，并且过程简单明了、计算量小，算法易于软件编程和硬件实现，在普通台式计算机上测试的特征提取时间在20毫秒左右，远低于其它经典的掌纹识别方法(一般在60毫秒左右)。

4.鲁棒性强。低通滤波、垂直比对和二值编码都使整个算法的鲁棒性大大增强，受噪声、光照对比度变化的影响小。

综上所述，本发明可以有效地完成掌纹识别，从而可靠地进行身份认证。同时本发明具有计算速度快、识别精度高、鲁棒性强、存储量小等优点。本发明具有很广的应用范围，它可用于电子商务、电子政务、电子军务和电子警务，以及其他需要进行身份鉴别的领域。

实施例1：掌纹识别在养老金发放中的应用

A国的养老金发放存在着严重的冒领问题：很多老人已经过世几年了他的子女还在帮他们领取，也有人采用伪造的证件领取他人的养老金。为了解决这个问题，该国的民政部门采用了掌纹识别***。所有的老人在退休前夕必须向民政部门注册自己的掌纹图像。注册过程可以通过Internet进行，老人在家里用廉价的掌纹仪采集好图像后，本发明的软件会提取他的特征，加密后传送到民政部的掌纹特征数据库。以后每次领取养老金，老人可以在家里，每月固定时间将手在掌纹采集仪上一放，电脑将掌纹的特征码加上时间戳后发送到民政部的认证中心，认证中心的电脑首先检查特征码的时间是否符合规定(如必须在本月)，然后计算特征码和数据库中存储的该老人的特征码的Hamming距离，如果距离足够小，电脑提示通过认证。然后该老人本月的养老金通过电脑自动汇款的程序发放到了老人的银行帐号上。从此A国的养老金发放几乎没有冒领事件了。

实施例2：基于掌纹的门禁、考勤***

B公司为了管理好员工的考勤，同时为了减少保安数量，采用自动门禁***，曾经使用IC卡，可是员工间代打卡的现象严重，并且曾有坏人拾到员工遗失的IC卡混进了公司办公楼的事件。于是公司高层决定采用生物特征识别技术用于身份认证，必须本人亲自到现场，有效防止别人假冒用卡或代为签到。如果使用人脸***的话有时员工化妆后就识别错误，如果使用指纹***的话个别蜕皮现象严重的员工也无法进入大门，最后选用掌纹***，***运行稳定，公司再也没有出现代打卡的现象和无关人员混进办公室的情况。

以上所述仅为本发明的较佳实施例，并非用来限定本发明的实施范围；凡是依本发明所作的等效变化与修改，都被本发明的专利范围所涵盖。

Claims (11)

1、一种基于掌纹图像识别的身份鉴别方法，其特征在于，包括如下步骤：

步骤一，进行掌纹图像预处理；

步骤二，应用各向异性的二维高斯滤波器对归一化掌纹图像的每个区域沿多个不同的方向进行空域滤波；

步骤三，将两两垂直方向的滤波结果进行比对编码，构建该图像的特征向量；

步骤四，根据所述特征向量进行掌纹图像的身份鉴别工作。

2、根据权利要求1所述的方法，其特征在于，在步骤四中，所述身份鉴别包括两种工作状态：注册模式和识别模式；

在所述注册模式下，合法用户向***提交自己的掌纹特征模板；

在所述识别模式下，***通过对比存储的模板和用户临时采集的掌纹图像的特征来确定该用户身份是否合法。

3、根据权利要求2所述的方法，其特征在于，在所述识别模式下，还包括：计算两幅掌纹图像的特征向量之间的汉明距离；根据计算所得的汉明距离判断所述的两幅掌纹图像是否来自同一人。

4、根据权利要求3所述的方法，其特征在于，在所述识别模式下，所述各步骤具体如下：

步骤41，定位掌纹图像中食指和中指之间的角点A、无名指和小拇指之间的角点B，通过线段AB建立统一的坐标系：以线段AB为x轴，AB中点为原点，AB的中垂线为y轴；

步骤42，在统一坐标系中的固定位置截取固定大小的位于手掌中部的矩形图像区域用于特征提取，这个矩形区域称为归一化的掌纹图像；

步骤43，应用各向异性的二维高斯滤波器对归一化掌纹图像的每个区域沿多个不同的方向进行空域滤波；

步骤44，将两两垂直方向的滤波结果进行比对，将比对的结果按照约定的规则进行编码，最后所有的编码结果联合组成掌纹图像的特征向量，按字节存储；

步骤45，计算两幅掌纹图像的特征编码的汉明距离，所述两幅掌纹图像中的一幅是注册时预先采集，另一幅是认证过程中临时采集，所述汉明距离越小，两幅图像的相似性越高，来自同一人的可能性越大；

步骤46，如果所述汉明距离小于某个阈值，则识别***认为两幅掌纹图像来自于同一个人，给出通过身份认证的信息，否则提示没有通过认证。

5、根据权利要求1、2、3或4所述的方法，其特征在于，所述的各向异性的二维高斯滤波器是指在二维坐标系中水平方向和垂直方向具有不同方差系数的高斯滤波器，较大方差对应的方向称为滤波器的长轴，较小方差对应的方向称为滤波器的短轴。

6、根据权利要求1、2、3或4所述的方法，其特征在于，所述的各向异性的二维高斯滤波器是具有长条形状的低通滤波器。

7、根据权利要求5所述的方法，其特征在于，所述的对归一化掌纹图像的每个区域沿多个不同的方向进行空域滤波的步骤是指旋转低通滤波器的长轴或短轴在图像平面坐标系上的方向，然后对归一化掌纹图像中若干个和滤波器大小相同的区域进行滤波，计算每个区域在不同方向上的加权灰度和。

8、根据权利要求4所述的方法，其特征在于，所述步骤44中进一步包括：根据所述两两垂直方向的滤波值的定性对比结果对被滤波图像区域进行二值编码，如果90°方向的滤波结果大于0°方向的滤波结果，则该比对的结果编码成1，否则编码为0；最后所有的特征编码串联组成该掌纹图像的特征向量，或者表达成二进制的矩阵形式。

9、根据权利要求7或8所述的方法，其特征在于，描述一幅掌纹图像的所述特征向量或者特征矩阵是由多个不同的低通滤波器编码结果联合组成的特征向量或者特征矩阵。

10、根据权利要求9所述的方法，其特征在于，还包括：根据实际情况对所述特征向量降采样以减少特征向量的长度，节省存储空间和匹配时间。

11、根据权利要求3所述的方法，其特征在于，判断两幅掌纹图像是否来自同一人取决于它们的特征向量之间的汉明距离是否足够小。

Images