[发明专利]开放式环境非接触采集下的掌纹识别方法

权利要求书

1.一种开放式环境非接触采集下的掌纹识别方法，其特征在于：所述方法的具体步骤如下：

(1)人手图像采集；

将人手自然张开，中指竖直向上，放在摄像头前一定范围内；

(2)手轮廓提取

建立肤色模型，将手轮廓从复杂背景中提取出来；

(3)手轮廓关键特征点定位；

定位并提取食指、中指、无名指和小拇指指尖点，食指与中指间的指根点，无名指与小拇指间的指根点；

(4)掌纹ROI提取

利用提取的特征点建立新的坐标系，提取掌纹ROI；

(5)掌纹特征向量提取；

利用掌纹纹理的不规则性建立纹理基元来统计纹理变化特征，从而描述掌纹图像；

(6)掌纹特征匹配与识别

对测试集中将所有样本分别与数据库中的已分类样本特征进行余弦相似度计算，把相似度最大的两幅图片归为一类，实现对掌纹图像的识别；

所述的开放式环境是指具有复杂背景和一定光照变化条件下，人手自然张开，中指竖直向上，非接触、非固定位置进行图像采集；

(6)步骤中掌纹特征匹配与识别：

采用余弦相似度进行特征匹配，公式如下：

式中，x_s与x_t分别表示两幅掌纹图像的特征向量，D_st为它们的余弦相似度，D_st的值越大表明两幅图像越相似；对测试集中将所有样本分别与数据库中的已分类样本特征进行余弦相似度计算，把相似度最大的两幅图片归为一类，实现对掌纹图像的识别；

(2)步骤中的手轮廓提取为基于肤色模型的手轮廓获取，具体为：

采用高斯分布来描述肤色分布模型，某像素的肤色相似度可表示为：

p＝exp[-0.5(x-m)^TC^-1(x-m)]

其中，x表示YCbCr空间中的一个像素值，m为空间中像素的均值；c为协方差矩阵；利用多幅不同光照、不同背景下的彩色图片可以计算出肤色相似度，最后通过设定一定大小的阈值就可以将手部图像从背景中分割出来；

特征点定位的具体步骤为：

(3.1)、在经过肤色模型分割出的二值图像上，采用轮廓跟踪算法从手图像最左端第一个轮廓点作为起始点，按顺时针方向跟踪手轮廓的8邻域链码信息，记录手轮廓边界点坐标；

(3.2)、寻找中指指尖点：由于在图像采集过程中要求中指竖直向上，那么中指指尖点应该在手图像的最上端；找到手轮廓坐标中横坐标最小的那一行即为中指指尖点所在行；若在该行中中指上端边缘存在多个像素为零的点，则取中间位置的那一点为中指指尖点I_z；

(3.3)、寻找无名指指尖点：从中指指尖点所在行的下一行开始向左对每一行进行逐点扫描，直到找到某行中像素点第二次为零为止，则该行即为无名指指尖点所在行；若在该行中无名指的上端边缘存在多个像素为零的点，则取最最左端的那一点为无名指时间点I_W；

(3.4)、寻找食指指尖点：按照步骤(3.3)中的方法，从中指指尖点开始向右扫描，找到食指上端最右边像素为零的点确定为食指指尖点I_S；

(3.5)、寻找小拇指指尖点：按照步骤(3.3)中的反复，从无名指指尖点开始先左扫描，找到小拇指上端最左边像素为零的点确定为小拇指指尖点I_X；

(3.6)、寻找食指与中指间的指根点：从食指指尖点为起点逆时针沿着手轮廓到中指指尖点终止，计算这段范围内所有手轮廓上的点到食指指尖点和中指指尖点距离的和，取和的最大值所对应的手轮廓点为食指与中指间的指根点I_g1；

(3.7)、寻找无名指与小拇指间的指根点：按照步骤(3.6)中的办法计算得到无名指与小拇指间的指根点。

2.根据权利要求1所述的开放式环境非接触采集下的掌纹识别方法，其特征在于：掌纹ROI是利用食指与中指之间的指跟点和无名指与小拇指之间的指跟点两点的连线及其中点垂线为坐标轴建立新的坐标系，采用相对长度L截取方形掌纹有效区域来获得。

3.根据权利要求1所述的开放式环境非接触采集下的掌纹识别方法，其特征在于：在进行掌纹特征提取前，不需要对掌纹ROI进行归一化。

4.根据权利要求1所述的开放式环境非接触采集下的掌纹识别方法，其特征在于：掌纹ROI特征提取过程如下：

ROI提取的具体步骤如下：

(4.1)、连接I_g1与I_g2两指根点，计算线段的长度，记为D；做出线段的垂直平分线，建立新的坐标系；

(4.2)、计算线段与水平方向的夹角α，将图像顺时针旋转α度角；

(4.3)、在旋转后的新图像中，距离线段向下D/5处，以长度D为边长截取方形区域；此方形区域即为掌纹感兴趣(ROI)区域；

特征提取过程如下：

首先建立一个由中心元素和周围8个相邻的像素点组成的3*3的纹理基元，分别比较这8个元素与中心元素灰度值，根据小于，等于和大于三种不同情况赋予不同的代表值，则这8个元素的代表值构成的向量即为一种纹理基元模式，当元素灰度值小于中心元素灰度值时赋予2，等于时赋予1，大于时赋予0；

为了方便表示纹理基元模式，给每一种纹理基元模式建立一个编号：

由于m_i有三种可能值，则在一幅图像中就可能出现是纹理基元模式的个数为3⁸；

将纹理基元以左到右、从上到下的顺序滑过整幅掌纹ROI，在每一幅图像中统计编号值为n的模式出现的频次F_j，定义这些频次按顺序组成的向量为

V＝{F_j,j＝0,1,2,…3⁸-1}

如果图像中不存在某个编号的模式，则该编号模式的频次为零，那么每个向量的长度都为3⁸；不同掌纹图像得到的向量V是不同的，故可以用V来表示一幅图像的特征；另外考虑到掌纹纹理的局部特征，可以将掌纹ROI进行分块特征提取，然后将这些分块的特征组合起来表示掌纹图像的特征。