多手指远端指间关节纹路的识别方法

摘要

每个人每根手指的远端指间关节纹路均不相同，四根手指(食指、中指、无名指和小指)同时相同的情况更保证了生物特征的惟一性，可以作为人的身份信息。本发明给出根据远端指间关节背面纹路特点，设计出一种“局部区域垂直二进制模式”(LRVBP)编码方法。LRVBP在局部区域中，垂直于纹路方向进行二值编码，以更好地描述手指纹路之间的纹路梯度、位置信息。本发明的识别方法具有两方面特点：(1)识别方法安全性高，四根手指纹路特征保证了系统的安全性，而且由于LRVBP编码根据手指纹路特点进行设计，识别算法可靠性高。(2)LRVBP计算简单，特征提取和识别速度较快。

说明书

技术领域

本发明设计一种身份识别方法，尤其涉及一种利用多个手指远端指间关节纹路采集和识别的门禁装置。

背景技术

基于人体生物特征的身份认证应用十分广泛。手指指纹、人脸、虹膜是目前比较市场上使用广泛的生物特征。使用上述特征处理技术复杂，而且容易受到环境与噪声干扰，因而在一定程度上影响了其使用价值。比如指纹特征对灰尘、潮湿等污染因素比较明感，且手指指纹容易被非法获取(比如拿东西时留在物体上指纹容易被非法采集和模拟)；人脸易受光照、姿势、装饰等因素影响；而虹膜使的使用不如指纹和人脸方便。由于使用方便，手指上的生物特征备受青睐。由于手指关节纹路特征仍具有惟一特性，而且由于手指关节纹路的特征相对简单清晰，近年来研究人员提的关注。手指关节的正面纹路(手心面)和背面纹路(手背面)均可以用于人的身份识别。相比于指纹特征，手指关节背面纹路特征的优点是不容易被非法获取，然而其缺点是在识别的时候，手指关节的纹路会随着手指伸而变化，给自动识别带来了困难。

在身份特征识别领域，目前市面上使用最多的人的生物特征是是手指和人脸，而使用最为方面的是手指特征。市面上基于手指纹路识别的方法主要针对单手指情况，但单个手指纹路识别精度相对不高，且稳定性也不如多手指纹路特征；而且目前市场上的手指纹路图像采集装置不符合人的使用习惯。特征提取算法主要集中在Gabor滤波器方法和LBP(局部二进制模式)方法。Gabor方法缺点在于特征提取较慢，LBP方法则容易受噪声干扰。针对手指关节纹路识别，有文献提出了基于边缘提取的方法，但该方法在特征匹配时速度较慢，而且提取的纹路边缘也容易受到噪声干扰。

发明内容

根据以上生物特征和识别方法的不足，本发明设计一种基于多个手指远端指间关节背面纹路识别方法，提供一种能够让用户使用方便且安全的认证方式。手指远端指间关节处(大约距离关节处前后0.5cm，共1cm区域)的纹路清 晰，受环境污染情况较小，且手指背面的纹路不容易被非法采集和盗取，是比较理想的生物特征。本发明使用四根手指(食指、中指、无名指和小指)的远端指间关节处的纹路来识别人的身份。每个人、每根手指的远端指间关节纹路均不相同，四根手指同时相同的情况更保证了生物特征的惟一性，因而可以作为人的身份信息。在具体识别算法上，根据第一指关节纹路特点，提出一种“局部区域垂直二进制模式”(LRVBP)识别算法。LRVBP在局部区域中，垂直于纹路方向进行二值编码，以更好地描述手指纹路之间的纹路梯度、位置信息。LRVBP类似于LBP方法，LRVBP更合适手指关节纹路的特征提取。LRVBP不同之处有3点：(1)编码方式不同，(2)没有中心点，(3)局部区域内所有象素参与编码。

本发明的识别方法具有两方面优点：(1)识别方法安全性高，四根手指纹路特征保证了系统的安全性，而且由于LRVBP编码根据手指关节纹路特点进行设计，识别算法可靠性高。(2)LRVBP与LBP一样，计算简单，特征提取和识别速度较快。

总体上本发明本的方案分为特征提取与识别两大部分。特征提取部分将最终得出手指图像的直方图向量；识别部分是比对当前采集身份的直方图向量和存储器中已经注册的身份的直方图向量之间的比较。本发明具体实现方案如下：

步骤1，分割手指关节处的兴趣区域(ROI)区域：

步骤1.1，对手指图像进行阈值分割，获得四根手指的远端指间关节处的ROI。

步骤1.2，将四个ROI调整到同样大小，每个ROI的像素调整为w×w。本发明设置w＝60。

步骤2，对第i个ROI进行分块(i＝1,2,3,4)，分成4行4列的块，共16个块。

步骤3，对第k块(k＝[1,2,…,16])运用LRVBP计算图像编码：

步骤3.1，在3×3的滑动窗口内按列(手指纹路垂直方向)，将所有像素拉直成向量，表示为V＝[v₁,v₂,…,v₉]。

步骤3.2，从左到右比较V中向量两元素的大小来确定二进制编码值，即：如果v_i≥v_i+1则编码值为1，否则为0；这样9个元素将产生8个二进制值。>1,b₂,…,b₈]。

步骤3.3，根据3.1步计算的二进制编码，将其转换为十进制编码。该十进制编码为当前滑动窗口位置的编码。

步骤3.4，用滑动窗口遍历该图像块后，得到该块的LRVBP编码，即该块的特征图像。再根据该块的特征图像计算该块的直方图，记为h_k。

步骤3.5，重复步骤3.1-3.4计算所有块的直方图，并连接成一个大的直方图，用H_i表示。H_i＝[h₁,h₂,…,h₁₆]。

步骤4，重复步骤2-3计算所有ROI直方图，四个ROI可得四个直方图H₁、H₂、H₃、H₄。

步骤5，识别。假定，当前采集手指的LRVBP直方图为H_i,i＝1,…,4，存储器中某合法身份人的手指LRVBP直方图为H_i′,i＝1,…,4，则根据直方图之间的卡方距离可以计算两个手指图像之间的相似度。首先计算第i个直方图之间的卡方距离κ²(H_i,H_i′)：

其中x_i,j指当前手指第i个ROI的第j个bin的值；x′_i,j指的是存储器中合法手指的直方图的bin值。最后计算两个人的手指的LRVBP直方图的距离dis(H,H′)：

附图说明

图1为本发明的识别的手指区域示意图

图2为本发明的方法中ROI分块示意图

图3为本发明的LRVBP编码原理图

具体实施方式

本发明识别的区域是手指的第一个关节处的纹路，在采集图像时手指呈自然弯曲状，远端指间关节会往外凸出，四根手指(食指、中指、无名指和小指)的远端指间关节图像同时采集，见图1。下面结合附图对本发明的具体实施进行描述。

步骤1，分割手指关节处的兴趣区域(ROI)区域：

步骤1.1，对手指图像进行阈值分割，获得四根手指的远端指间关节处的ROI。

步骤1.2，将四个ROI调整到同样大小，每个ROI的像素调整为w×w。本发明设置w＝60。

步骤2，对第i个ROI进行分块(i＝1,2,3,4)，分成4行4列的块，共16个块。分块示意图见图2。

步骤3，对第k块(k＝[1,2,…,16])运用LRVBP计算图像编码：

步骤3.1，在3×3的滑动窗口内按列(手指纹路垂直方向)，将所有像素拉直成向量，表示为V＝[v₁,v₂,…,v₉]。实现原理见图3。

步骤3.2，从左到右比较V中向量两元素的大小来确定二进制编码值，即：如果v_i≥v_i+1则编码值为1，否则为0；这样9个元素将产生8个二进制值。将8个二进制值之从高位到低位顺序排列，得到二进制编码，表示为B＝[b₁,b₂,…,b₈]。实现原理见图3。

步骤3.3，根据3.1步计算的二进制编码，将其转换为十进制编码。该十进制编码为当前滑动窗口位置的编码。实现原理见图3。

步骤3.4，用滑动窗口遍历该图像块后，得到该块的LRVBP编码，即该块的特征图像。再根据该块的特征图像计算该块的直方图，记为h_k。

步骤3.5，重复步骤3.1-3.4计算所有块的直方图，并连接成一个大的直方图，用H_i表示。H_i＝[h₁,h₂,…,h₁₆]。

步骤4，重复步骤2-3计算所有ROI直方图，四个ROI可得四个直方图H₁、H₂、H₃、H₄。

步骤5，识别。假定，当前采集手指的LRVBP直方图为H_i,i＝1,…,4，存储器中某合法身份人的手指LRVBP直方图为H_i′,i＝1,…,4，则根据直方图之间的卡方距离可以计算两个手指图像之间的相似度。首先计算第i个直方图之间的卡方距离κ²(H_i,H_i′)：

其中x_i,j指当前手指第i个ROI的第j个bin的值；x_i′,_j指的是存储器中合法手指的直方图的bin值。最后计算两个人的手指的LRVBP直方图的距离dis(H,H′)：