一種基于雙內(nèi)指節(jié)紋多方向混合特征的身份認(rèn)證方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于數(shù)字圖像處理、模式識(shí)別技術(shù)領(lǐng)域，涉及生物特征識(shí)別認(rèn)證技術(shù)的新 方法，特別涉及一種基于雙內(nèi)指節(jié)紋多方向混合特征的身份認(rèn)證方法。
【背景技術(shù)】
[0002] 人類的身份鑒別和認(rèn)證方法大致經(jīng)歷了三個(gè)階段。早期主要是通過物品 (Possession,Whatyouhave)的方法，例如身份證、護(hù)照、磁卡、鑰匙等作為不同場(chǎng)合下的 身份證明。物品的方法容易丟失、損壞、被盜和仿制，使莫名頂替者有機(jī)可乘。隨著電子信 息技術(shù)的發(fā)展，出現(xiàn)了基于知識(shí)的方法（Knowledge,Whatyouknow)，如口令（Token)、密碼 (Password)等，這類方法容易遺忘，或易被攻擊者破解。
[0003] 在這種背景下，新型的基于生物特征的身份認(rèn)證方法因其具有的獨(dú)特優(yōu)勢(shì)，克服 了前兩代身份認(rèn)證方式的缺陷，日益受到人們的青睞。與傳統(tǒng)的方式相比，人類不可能丟 失、遺忘自己的生物特征，因此更生物特征身份認(rèn)證系統(tǒng)更具安全性、可靠性和有效性，在 諸多安全領(lǐng)域都具有廣闊的應(yīng)用前景和巨大的經(jīng)濟(jì)效益。
[0004]內(nèi)指節(jié)紋位手指內(nèi)側(cè)的指關(guān)節(jié)連接處，不易磨損。對(duì)于個(gè)別的內(nèi)指節(jié)紋被其他物 體覆蓋、脫皮、有傷痕、一些手上老繭較多的體力勞動(dòng)者等的皮膚以及無法辨識(shí)的毀傷肌膚 識(shí)別起來，整體上不會(huì)受到干擾、不存在識(shí)別率低的問題；對(duì)溫度和濕度不敏感，對(duì)手指清 潔度要求不高；對(duì)采集分辨率要求不高。目前已有的研宄也證明內(nèi)指節(jié)紋可作為一種用于 身份認(rèn)證的生物特征。內(nèi)指節(jié)紋采集便捷，尤其適用于用戶手持移動(dòng)設(shè)備，而且適用于手部 的多種生物特征聯(lián)合認(rèn)證，具有廣闊的發(fā)展前景。
[0005] 內(nèi)指節(jié)紋以其突出的優(yōu)勢(shì)吸引了眾多研宄學(xué)者的目光，但內(nèi)指節(jié)紋的劣勢(shì)也逐漸 暴露。內(nèi)指節(jié)紋結(jié)構(gòu)單一，紋理簡(jiǎn)單，隨著安全要求的提高，單一指節(jié)紋的特征難以滿足。內(nèi) 指節(jié)紋多特征融合是解決該問題的一種思路。然而，個(gè)人的內(nèi)指節(jié)紋數(shù)目有限，多個(gè)內(nèi)指節(jié) 紋的使用將極大的消耗個(gè)人生物特征資源。目前，已有的針對(duì)內(nèi)指節(jié)紋的研宄都未能較好 的解決以上問題。
【發(fā)明內(nèi)容】
[0006] 本發(fā)明主要是解決現(xiàn)有技術(shù)所存在的技術(shù)問題；提供了一種利用單根手指第一指 骨與第二指骨，第二指骨和第三指骨連接處的內(nèi)側(cè)紋理及兩紋理之間的基于雙內(nèi)指節(jié)紋多 方向混合特征的身份認(rèn)證方法。
[0007] 本發(fā)明的上述技術(shù)問題主要是通過下述技術(shù)方案得以解決的：
[0008] -種基于雙內(nèi)指節(jié)紋多方向混合特征的身份認(rèn)證方法，其特征在于，包括以下步 驟：
[0009] -個(gè)原始圖像采集的步驟：具體是手部圖像采集，相機(jī)采集包含完整手指及手掌 的手部圖像，該過程要求手指并攏平行，手掌垂直于鏡頭方向，手掌與鏡面平行，采集環(huán)境 置于勻光黑色背景下，避免光照位置對(duì)識(shí)別效果的影響；
[0010] 一個(gè)針對(duì)上述原始圖像進(jìn)行預(yù)處理的步驟：預(yù)處理旨在定位用于特征提取的感興 趣區(qū)域，具體包括：
[0011] S1，定位單根手指區(qū)域：選定中指、無名指以及食指中的任意一個(gè)，依據(jù)手指位置 的先驗(yàn)信息，從原始掌紋圖像f(X，y)中截取關(guān)鍵點(diǎn)定位區(qū)域圖像fi(X，y)，該區(qū)域左右邊沿 在選定手指的第二指節(jié)內(nèi)，上下邊緣在選定手指的相鄰兩個(gè)手指上；使用大律算法選取合 適閾值二值化(X，y)得到f2 (X，y);對(duì)f2 (X，y)沿指縫方向radon投影，通過直方圖極值定 位選定手指的兩個(gè)邊界關(guān)鍵點(diǎn)；使用兩個(gè)邊界及第三指骨區(qū)域的先驗(yàn)信息分割出包含完整 中指第一指節(jié)紋和第二指節(jié)紋區(qū)域f3(x，y);
[0012]S2,定位雙內(nèi)指節(jié)紋感興趣區(qū)域：對(duì)圖像f3(x,y)沿豎直方向進(jìn)行radon投影，根 據(jù)投影的兩區(qū)域的極值點(diǎn)可以判斷第一指節(jié)紋和第二指節(jié)紋位置，從而分割出包含第一指 節(jié)紋和第二指節(jié)紋的感興趣區(qū)域R(x，y);
[0013] 一個(gè)針對(duì)上述預(yù)處理后的圖像進(jìn)行特征提取的步驟：具體是內(nèi)指節(jié)紋3個(gè)方向上 的混合特征提取，具體包括：
[0014]S1，全局特征提?。簩?duì)感興趣區(qū)域R(x，y)分別從5° ,0°，-5°進(jìn)行Gabor變換， 得到 RGi (X，y)，RG2 (X，y)，RG3 (X，y);
[0015] 52，局部特征提取：對(duì)1^1(1，7)，1^2(1，7)，1^ 3(1，7)三個(gè)方向的紋理圖進(jìn)行橫向 LBP運(yùn)算，得到局部紋理特征；
[0016] S3,分塊直方圖：對(duì)局部紋理特征分成互不相交的子塊，分別計(jì)算內(nèi)指節(jié)紋各子塊 的直方圖特征，連接塊的直方圖特征得到混合特征HRGi (X，y)，HRG2 (X，y)，HRG3 (X，y);
[0017] S4,特征編碼：使用DP-SMAWK選取N個(gè)最優(yōu)閾值，對(duì)連接直方圖特征進(jìn)行編碼得到 碼圖Pi(X，y)，P2 (X，y)，P3 (X，y);
[0018] 一個(gè)針對(duì)上述提取的特征進(jìn)行特征匹配融合的步驟，具體包括：
[0019] S1，特征匹配：將3個(gè)特征模板分別于數(shù)據(jù)庫中的模板進(jìn)行匹配，匹配方式采用歸 一化的漢明距離；
[0020]
【主權(quán)項(xiàng)】
1. 一種基于雙內(nèi)指節(jié)紋多方向混合特征的身份認(rèn)證方法，其特征在于，包括以下步 驟： 一個(gè)原始圖像采集的步驟：具體是手部圖像采集，相機(jī)采集包含完整手指及手掌的手 部圖像，該過程要求手指并攏平行，手掌垂直于鏡頭方向，手掌與鏡面平行，采集環(huán)境置于 勻光黑色背景下，避免光照位置對(duì)識(shí)別效果的影響； 一個(gè)針對(duì)上述原始圖像進(jìn)行預(yù)處理的步驟：預(yù)處理旨在定位用于特征提取的感興趣區(qū) 域，具體包括： S1，定位單根手指區(qū)域：選定中指、無名指以及食指中的任意一個(gè)，依據(jù)手指位置的先 驗(yàn)信息，從原始掌紋圖像f(x, y)中截取關(guān)鍵點(diǎn)定位區(qū)域圖像fjx, y)，該區(qū)域左右邊沿在選 定手指的第二指節(jié)內(nèi)，上下邊緣在選定手指的相鄰兩個(gè)手指上；使用大律算法選取合適閾 值二值化(X，y)得到f 2 (X，y);對(duì)f2 (X，y)沿指縫方向radon投影，通過直方圖極值定位選 定手指的兩個(gè)邊界關(guān)鍵點(diǎn)；使用兩個(gè)邊界及第三指骨區(qū)域的先驗(yàn)信息分割出包含完整中指 第一指節(jié)紋和第二指節(jié)紋區(qū)域&"^); S2,定位雙內(nèi)指節(jié)紋感興趣區(qū)域：對(duì)圖像f3(x, y)沿豎直方向進(jìn)行radon投影，根據(jù)投 影的兩區(qū)域的極值點(diǎn)可以判斷第一指節(jié)紋和第二指節(jié)紋位置，從而分割出包含第一指節(jié)紋 和第二指節(jié)紋的感興趣區(qū)域R(x，y); 一個(gè)針對(duì)上述預(yù)處理后的圖像進(jìn)行特征提取的步驟：具體是內(nèi)指節(jié)紋3個(gè)方向上的混 合特征提取，具體包括： S1，全局特征提?。簩?duì)感興趣區(qū)域R(x，y)分別從5° ,0°，-5°進(jìn)行Gabor變換，得 到 RG1 (X，y)，RG2 (X，y)，RG3 (X，y); 52, 局部特征提取：對(duì)RG1 (x，y)，RG2 (x，y)，RG3 (x，y)三個(gè)方向的紋理圖進(jìn)行橫向LBP運(yùn) 算，得到局部紋理特征； 53, 分塊直方圖：對(duì)局部紋理特征分成互不相交的子塊，分別計(jì)算內(nèi)指節(jié)紋各子塊的直 方圖特征，連接塊的直方圖特征得到混合特征HRG 1 (X，y)，HRG2 (X，y)，HRG3 (X，y); 54, 特征編碼：使用DP-SMAWK選取N個(gè)最優(yōu)閾值，對(duì)連接直方圖特征進(jìn)行編碼得到碼圖 P1 (x, y), P2 (x, y), P3 (x, y)； 一個(gè)針對(duì)上述提取的特征進(jìn)行特征匹配融合的步驟，具體包括： S1，特征匹配：將3個(gè)特征模板分別于數(shù)據(jù)庫中的模板進(jìn)行匹配，匹配方式采用歸一化 的漢明距離；
h (a, b) = min (I a_b I，N-1 a_b I) 式二 其中的Pi (x，y)為測(cè)試內(nèi)指節(jié)紋特征，Qi (x，y)為數(shù)據(jù)庫中的內(nèi)指節(jié)紋特征，i = 1,2,3 ； S2,分?jǐn)?shù)歸一化：由于各方向的匹配分?jǐn)?shù)分布不同，需要進(jìn)行歸一化；歸一化過程的參 數(shù)需要在一定基礎(chǔ)的數(shù)據(jù)庫上訓(xùn)練得到，歸一化方式如下：
D表示第Di類特征的真匹配和假匹配分布，D*表示第D 1類特征的真匹配分布，a表示 訓(xùn)練參數(shù)，i = 1，2, 3 ; S3,分?jǐn)?shù)融合：分?jǐn)?shù)層融合方式使用加權(quán)匹配，公式如下 dis = W1 ? D1' +W2 ? D2' +W3 ? D3' 式四 所述權(quán)重1的選取根據(jù)各匹配器的訓(xùn)練等錯(cuò)誤率（EER)ei確定，i = 1，2, 3,計(jì)算公式 如下：
一個(gè)匹配結(jié)果生成的步驟：具體就是匹配決策，依據(jù)根據(jù)訓(xùn)練的距離選取的最優(yōu)閾值 判斷匹配的正確與否，從而判斷用戶是否通過認(rèn)證。
【專利摘要】本發(fā)明涉及一種單指雙內(nèi)指節(jié)紋多方向混合特征的身份認(rèn)證方法，主要涉及Gabor變換，橫向局部二值模式以及分?jǐn)?shù)層融合策略。認(rèn)證流程主要包括手指圖像采集，內(nèi)指節(jié)紋特征定位，內(nèi)指節(jié)紋特征提取，分?jǐn)?shù)層特征融合，決策匹配五部分。本發(fā)明使用單手指上的兩個(gè)紋理特征設(shè)計(jì)身份認(rèn)證方法彌補(bǔ)單內(nèi)指節(jié)的紋理特征單一不足，充分使用單手指上的生物特征，并且使用Gabor和橫向局部二值模式提取多方向的混合特征克服傳統(tǒng)只使用單方向Gabor特征導(dǎo)致的內(nèi)指節(jié)紋可用于身份認(rèn)證信息的遺失，實(shí)現(xiàn)安全可靠的身份認(rèn)證。
【IPC分類】G06K9-64, G06F21-32, G06K9-00
【公開號(hào)】CN104820828
【申請(qǐng)?zhí)枴緾N201510219816
【發(fā)明人】鄭宏, 張瑩
【申請(qǐng)人】武漢大學(xué)
【公開日】2015年8月5日
【申請(qǐng)日】2015年4月30日