手指静脉识别技术

相对于指纹识别等传统生物特征识别,手指静脉识别是一种新兴的具有较好应用前景的生物特征识别技术。综述了手指静脉识别的基本原理和关键技术,包括手指静脉图像采集、预处理、特征提取和匹配等;对与手指静脉识别有关的多生物特征技术进行了归纳总结,并对手指静脉识别技术存在的问题和未来的研究方向进行了讨论。     

使用方向滤波技术的手指静脉纹路提取方法

为了准确高效地提取手指静脉纹路,提出一种新的基于方向滤波的手指静脉纹路提取方法。该方法结合静脉纹路特点设计手指静脉图像的方向图及方向滤波器,根据所得的方向图及方向滤波器对图像进行滤波增强,对增强后的图像提取手指静脉模式。与传统的二值化方法相比,在进行二值化操作前,先对图像进行方向滤波处理,使得该方法提取出的手指静脉纹路连通性与光滑性好、噪声与伪特征少,且其不仅对高质量图像能够准确有效地提取出静脉纹路,对低质量图像处理效果也比较理想。     

采用旋转校正的指静脉图像感兴趣区域提取方法

针对静脉图像采样过程中存在的旋转、平移等非线性因素造成手指静脉图像定位困难的问题,考虑图像非接触式采集特点,提出一种采用旋转校正的手指静脉图像感兴趣区域提取方法.首先对读入的手指静脉图像采用Kapur熵阈值法分割出手指区域,再依据图像的质心对图像进行旋转校正,最后根据图像中每列像素竖直方向上的投影值和手指区域的边缘轮廓,确定出感兴趣区域的位置.实验结果表明,该方法能够准确地提取出静脉图像的感兴趣区域,有效地提高识别系统的性能.     

Endowing rotation invariance for 3D finger shape and vein verification

Finger vein biometrics have been extensively studied for the capability to detect aliveness, and the high security as intrinsic traits. However, vein pattern distortion caused by finger rotation degrades the performance of CNN in 2D finger vein recognition, especially in a contactless mode. To address the finger posture variation problem, we propose a 3D finger vein verification system extracting axial rotation invariant feature. An efficient 3D finger vein reconstruction optimization model is proposed and several accelerating strategies are adopted to achieve real-time 3D reconstruction on an embedded platform. The main contribution in this paper is that we are the first to propose a novel 3D point-cloud-based end-to-end neural network to extract deep axial rotation invariant feature, namely 3DFVSNet. In the network, the rotation problem is transformed to a permutation problem with the help of specially designed rotation groups. Finally, to validate the performance of the proposed network more rigorously and enrich the database resources for the finger vein recognition community, we built the largest publicly available 3D finger vein dataset with different degrees of finger rotation, namely the Large-scale Finger Multi-Biometric Database-3D Pose Varied Finger Vein (SCUT LFMB-3DPVFV) Dataset. Experimental results on 3D finger vein datasets show that our 3DFVSNet holds strong robustness against axial rotation compared to other approaches.     

手指静脉图像鲁棒边缘检测算法*

手指静脉识别技术已成为研究热点, 为定位用于识别的静脉区域, 首先需要对手指边缘进行检测. 对于低质量手指静脉图像, 经典边缘检测算法检测效果不理想. 为此, 提出一种新的可应用于低质量手指静脉图像的鲁棒边缘检测算法, 主要分为三个步骤：首先, 寻找手指内部分界线, 将图像分为上下两个部分;其次, 利用上下两个水平边缘检测模板, 分别检测手指的上下边缘;最后, 检测边缘中的错误片段, 并利用插值、拟合、填补等技术进行修复.实验结果表明该算法具有检测准确率高, 鲁棒性强的特点.     

指静脉与折痕双模态图像采集系统设计

手指静脉识别是针对手指皮肤内部的静脉特征进行活体识别,具有非接触和安全性高等优点,但存在特征数量少的缺点;手指指节折痕位于皮肤表面,且具有稳定的生物学特性。因此,为解决单一模态手指静脉的可提取特征数量不足的缺点,设计了一种双模态生物特征图像采集系统,即针对手指相同位置,采集皮肤内部手指静脉和皮肤表面指节折痕2种不同类型图像。图像采集系统硬件主要包括USB 2.0控制器、200万像素CMOS摄像头模组、可见光与红外光切换电路、微型步进电机驱动电路和I2C电路等。实验结果表明:该系统具有实时性,能够连续采集手指静脉和指节折痕2种清晰、稳定生物特征图像,为双模态生物特征识别系统提供了良好的软硬件基础平台。     

融合局部特征和全局特征的手指静脉识别方法

手指静脉识别是利用人体手指静脉结构的唯一性实现个体身份认证,具有高度安全和使用便捷等优点。为了进一步提高手指静脉识别系统的性能,提出了一种融合局部特征和全局特征的手指静脉识别方法。应用局部二元模式方法提取手指静脉局部特征,利用海明距离计算匹配得分;应用双向两维主成分分析方法提取手指静脉全局特征,利用欧式距离计算匹配得分;在得分级上融合二者的匹配得分以产生识别结果。实验结果表明,局部特征与全局特征具有较好的互补性,有效地提高了识别精度。     

手指静脉图像感兴趣区域提取研究综述

近年全球的疫情促使生物识别技术进一步发展,指静脉识别作为第二代生物识别技术因其具有极高的安全性等优点而被应用于各个领域。指静脉图像感兴趣区域提取作为指静脉识别系统至关重要的一部分,是识别系统性能与适应不同应用场景的保证。分别介绍了商用指静脉识别产品与科研用指静脉采集设备,对其公开数据集进行了整理与分析;重点论述了指静脉图像预处理中感兴趣区域提取的主要工作,对各个步骤的代表性方法进行了深入梳理与分析,并对指静脉特征提取与匹配认证进行了概述;最后对其今后的发展与应用进行了总结与展望。     

级联优化CNN的手指静脉图像质量评估

目的 针对手动设计的手指静脉质量特征计算过程复杂、鲁棒性差、表达效果不理想等问题,提出了基于级联优化CNN（卷积神经网络）进行多特征融合的手指静脉质量评估方法。方法 以半自动化方式对手指静脉公开数据库MMCBNU_6000进行质量标注并用R-SMOTE（radom-synthetic minority over-sampling technique）算法平衡类别;将深度学习中的CNN结构应用到手指静脉质量评估并研究了不同的网络深度对表征手指静脉质量的影响;受到传统方法中将二值图像和灰度图像结合进行质量评估的启发,设计了两种融合灰度图像和二值图像的质量特征的模型：多通道CNN（MC-CNN）和级联优化CNN（CF-CNN）,MC-CNN在训练和测试时均需要同时输入二值图像和灰度图像,CF-CNN在训练时分阶段输入二值图像和灰度图像,测试时只需输入灰度图像。结果 本文设计的3种简单CNN结构（CNN-K,K=3,4,5）在MMCBNU_6000数据库上对测试集图像的分类正确率分别为93.31%、93.94%、85.63%,以灰度图像和二值图像分别作为CNN-4的输入在MMCBNU_6000数据库上对测试集图像的分类正确率对应为93.94%、91.92%,MC-CNN和CF-CNN在MMCBNU_6000数据库上对测试集图像的分类正确率分别为91.44%、94.62%,此外,与现有的其他算法相比,CF-CNN在MMCBNU_6000数据库上对高质量测试图像、低质量测试图像、整体测试集图像的分类正确率均最高。结论 实验结果表明,基于CF-CNN学习到的融合质量特征比现有的手工特征和基于单一静脉形式学习到的特征表达效果更好,可以有效地对手指静脉图像进行高、低质量的区分。     

基于人体手指静脉特征提取算法的研究

根据人体手指静脉图像的特点,提出了一种基于降维思想的手指静脉特征提取方法,即搜索二维灰度图像中的静脉在一维灰度曲线上形成的谷形区域来实现静脉特征的提取.为了对手指静脉特征的充分提取,在进行特征提取前,采用了高频强调滤波对图像进行增强处理.实验结果表明:该方法思想独特、简单易行,对手指静脉的特征提取达到满意的效果.     

基于人体手指静脉特征提取算法的研究

根据人体手指静脉图像的特点,提出了一种基于降维思想的手指静脉特征提取方法,即搜索二维灰度图像中的静脉在一维灰度曲线上形成的谷形区域来实现静脉特征的提取.为了对手指静脉特征的充分提取,在进行特征提取前,采用了高频强调滤波对图像进行增强处理.实验结果表明,该方法思想独特,简单易行,对手指静脉的特征提取达到满意的效果.     

基于相对距离的手指静脉识别方法

提出了一种新的手指静脉识别方法,即以静脉内部拓扑结构的本质特性为原理进行手指静脉的匹配,首先对细化修复后的图像提取端点和交叉点,并计算这些特征点之间的相对距离,最后通过比对这些距离值来完成手指静脉图像的识别。该方法结合静脉自身特征,充分利用了拓扑结构的本质属性,无须定位,简单易行。实验结果表明,该方法能够快速准确地进行身份识别,在一定程度上克服了平移、旋转对识别结果的影响,具有实际应用价值。     

Fusion of Band Limited Phase Only Correlation and Width Centroid Contour Distance for finger based biometrics

In this paper, a new approach of multimodal finger biometrics based on the fusion of finger vein and finger geometry recognition is presented. In the proposed method, Band Limited Phase Only Correlation (BLPOC) is utilized to measure the similarity of finger vein images. Unlike previous methods, BLPOC is resilient to noise, occlusions and rescaling factors; thus can enhance the performance of finger vein recognition. As for finger geometry recognition, a new type of geometrical features called Width-Centroid Contour Distance (WCCD) is proposed. This WCCD combines the finger width with Centroid Contour Distance (CCD). As compared with the single type of feature, the fusion of W and CCD can improve the accuracy of finger geometry recognition. Finally, we integrate the finger vein and finger geometry recognitions by a score-level fusion method based on the weighted SUM rule. Experimental evaluation using our own database which was collected from 123 volunteers resulted in an efficient recognition performance where the equal error rate (EER) was 1.78% with a total processing time of 24.22 ms.     

一种基于模板匹配的手指静脉识别算法

相对于指纹识别等传统生物特征识别手段,手指静脉识别是一种新兴的具有较好应用前景的生物特征识别技术。本文设计了具有自适应光源系统的手指静脉采集仪,能够自动获得亮度均匀的手指静脉图像;提出了一种基于模板匹配的手指静脉识别算法,采用基于多方向灰度谷底搜寻方法提取手指静脉特征,然后将从同一手指多个图像中提取的静脉特征合成模板,并通过门限阈值消除模板中的随机差异信息。实验结果表明,运用本研究提出的基于模板匹配的手指静脉识别算法能有效提高识别准确性,具有99.10%的识别准确率和1.03%的等错误率。     

指纹及指静脉双模态识别的二级分类融合法研究

针对单模态生物特征识别系统固有的局限性,提出一种基于二级分类的指纹与指静脉识别的决策级融合方法．首先,针对指纹和指静脉进行一级分类器设计,得出各自的识别结果;然后将这两种模态的特征点集以特征串联的方式形成新的特征矢量并构成第3个分类器进行二级分类,得出识别结果;最后将这3个识别结果进行决策级融合。得到最终的识别结果．实验结果表明,该方法有效地克服了单模态识别方法的局限性,提高了系统的性能。     

一种基于梯度相关的指静脉认证算法

提出一种基于改进匹配滤波和图像梯度相关的指静脉认证算法。利用基于直方图统计法判别所获取图像是否为指静脉图,采用基于最大曲率模型的匹配滤波获取指静脉梯度图,并与登记的梯度模板做梯度相关运算,以最大互相关作为衡量两指静脉图像相似程度的度量,经阈值处理判断是否匹配。实验结果表明,该算法的误识率和拒识率分别为0.375%和1.20%,且对噪声不敏感,适合基于DSP的小型指静脉认证产品开发。     

基于分频和多感受野残差密集的指静脉图像超分辨率重建

针对红外线CCD摄像头采集指静脉图像较为模糊造成指静脉识别误检率高的问题,提出了基于分频和多感受野残差密集的指静脉图像超分辨率重建方法。该方法构建了图像高低频信息处理子网络,并将RRFDB结构集成到高频子网络中,以RFB为核心的残差密集块设计提升了感受野并降低计算复杂度,更好地保留了原始指静脉图像的线状纹理特征。实验结果表明,该方法能有效改善指静脉图像质量,与SRCNN、VDSR,DRRN等超分辨率重建方法在FV-USM和MMCBNU-6000数据集上进行对比实验,该方法对指静脉特征提取效果好,重建的图像质量高,PSNR与SSIM均优于其他方法。     

手指静脉图像特征提取算法的研究

根据手指静脉图像的结构特点,提出了一种手指静脉特征的提取算法,其基本思想是利用灰度图像中静脉灰度值所形成的谷形区域来实现特征的提取。详细讨论了该算法的基本原理和具体计算步骤。实验结果表明：该算法与传统的特征提取算法相比,方法简单,易于实现,具有自适应性,而且思想新颖,对手指静脉的提取得到了非常理想的效果,提取的特征不但准确而且连续光滑。     

手指静脉智能采集装置的研制

针对手指静脉识别系统中由于个体手指厚度不同和静脉血管大小差异,细小静脉血管图像难以准确获取的问题,研制了一种能够自动调整采集参数以准确获取手指静脉图像的智能采集装置.详细讨论了采集装置的结构组成、工作原理以及基于模糊控制和多传感器融合的参数调整智能算法.实际应用结果表明,该装置能够较为准确获取不同个体的静脉血管图像,极大提高了原始手指静脉图像的质量.