[发明专利]一种基于手形和掌纹识别的快速身份验证方法

权利要求书

1.一种基于手形和掌纹识别的快速身份验证方法，其特征在于，采集手部图像并从中分离出手形和掌纹特征，将提取的注册用户的手形特征和掌纹特征作为模板连同用户的个人标识存储到注册模板库中；设定阈值将拍摄的手部图像提取的手形特征与注册模板库中的手形特征进行比对；然后确认标识名是否相同，如相同，则确认为合法用户；如不相同，则需要使用掌纹识别来确认，设定阈值将拍摄的手部图像提取的掌纹特征与注册模板库中的掌纹特征进行比对，如掌纹特征比对成功，并确认标识名是否相同，标识名相同则确认为合法用户，否则为假冒用户，予以拒绝，具体包括以下步骤：

步骤1：人手图像采集

将手自然张开，放在数码照相机前，利用数码照相机获取手部图像，并对其进行标识命名；

步骤2：人手图像共享预处理

对所述步骤1获取的手部图像进行预处理，包括灰度化、高斯滤波、二值化、轮廓提取，得到手形轮廓线；

步骤3：手部关键点定位

对所述步骤2获得的手形轮廓线除大拇指以外的其余四个手指的指尖及指根点定位，通过扫描线定位指尖点的方法定位指尖点，得到食指、中指、无名指和小指的四个指尖点A1、A2、A3、A4；通过手形顶点缺陷定位指根点及圆模板定位法定位指根点，得到食指、中指、无名指和小指之间的三个内侧指根点B2、B3、B4以及食指、小拇指的外侧指根点B1、B5；具体按照以下步骤实施：

步骤3.1：扫描线定位指尖点

步骤3.1.1：按照图像从左到右、从上到下的顺序，扫描图像每列边界点个数，首先让计数器pro置0，求▽f＝f(i+1,j)-f(i,j)的值，当梯度差值▽f为1时，计数器加1；当计数器的值为1时，记录该列的坐标d₀＝j，继续向右扫描，以此类推，当计数器的值分别为3、5和7时，记录该列的坐标d₁＝j₁、d₂＝j₂、d₃＝j₃，同时停止扫描；

步骤3.1.2：初始化数组c＝zero(8,1)，zero(8，1)表示该数组为8行1列的数组，从上到下顺序，扫描图像的第d₀列，将该列边界点的横纵坐标存储到数组c中；

步骤3.1.3：初始化数组b＝zero(8,1)，从上到下扫描d₁列，将得到边界点的纵坐标存储到数组b中，通过比较数组b中的数，把3个交点中唯一的1个与其余2个交点纵坐标距离相差均大于60个像素的点的横、纵坐标存储到数组c中，该横、纵坐标所代表的点为第二个指尖点；初始化数组b＝zero(8,1)，从上到下扫描d₂列，将得到边界点的纵坐标存储到数组b中，通过比较数组b中的数，把5个交点中唯一的1个与其余4个交点纵坐标距离相差均大于60个像素的点的横、纵坐标存储到数组c中，该横、纵坐标所代表的点为第三个指尖点；初始化数组b＝zero(8,1)，从上到下扫描d₃列，将得到边界点的纵坐标存储到数组b中，通过比较数组b中的数，把7个交点中唯一的1个与其余6个交点纵坐标距离相差均大于60个像素的点的横、纵坐标存储到数组c中，该横、纵坐标所代表的点为第四个指尖点；通过步骤3.1.2得到的存储在数组c中的点及在以上三次初始化数组b＝zero(8,1)扫描所得到的三个手指的指尖点均存储在数组c中，通过比较这四个点纵坐标的大小，按照从小到大将四个点重新排序得到指尖点A1、A2、A3、A4并存储到数组c中；

步骤3.2：手形顶点缺陷定位指根点

步骤3.2.1：采用人手轮廓的顶点缺陷来检测内侧指根点，人手轮廓的顶点缺陷是人手凸包和人手外轮廓的差，利用OPENCV中自带的缺陷处理函数对所述步骤2得到的手形轮廓线进行缺陷处理，得到手形的凸包和缺陷点，从而得到一系列凸点和凹点的具体位置，将凸点和凹点按原始轮廓的顺序排列成向量，这样就得到了描述人手轮廓外接多边形的每个点，再根据人手在采集时放置的位置去除掉得到的点集中的干扰点，再比较剩下点的纵坐标，按从小到大排序分别为食指与中指的指根点B2、中指与无名指的指根点B3和无名指与小拇指的指根点B4；

步骤3.2.2：确定食指、小拇指的外侧指根点，利用圆模板定位法，以小拇指的指尖点为圆心，以此圆心点到无名指与小拇指的指根点的距离为半径画圆，与小拇指轮廓线的交点为小拇指的外侧指根点B5；同理在定位食指的外侧指根点时，是以食指的指尖点为圆心，而半径是食指指尖点到食指与中指的指根点的距离，与食指轮廓线的交点为食指的外侧指根点B1；

步骤4：选择操作步骤

如果用户已注册，则直接执行步骤6；如果没有注册则先执行步骤5，再执行步骤6；

步骤5：注册

步骤5.1：手形特征点提取，根据所述步骤3定位出的手形指尖点和指根点，计算出四个手指的绝对长度和平均宽度，以四个手指的绝对长度和平均宽度构成手形的特征矢量；

步骤5.2：对掌纹图像进行旋转矫正、提取感兴趣区域、下采样后期处理，然后进行掌纹特征提取；

步骤5.3：将提取的手形特征和掌纹特征作为模板连同用户的个人标识存储到注册模板库中，得到包括手形和掌纹的用户注册手部图像信息；

步骤6：验证

步骤6.1：按照步骤5.1所述的方法对拍摄的手部图像进行手形特征点提取；

步骤6.2：将拍摄的手部图像提取的手形特征点与手形注册模板库中的特征进行比对，其特征比是通过最近邻分类法中的欧式距离法进行的，

设特征向量Y₁＝{y₁,y₂,...,y_n}，Y₂＝{y′₁,y₂′,...,y_n′}，n为特征向量维数，则欧氏距离为：

$d(Y_1,Y_2)=\sqrt{\underset{i=1}{\overset{n}{\Σ}}{(y_i-y_i^{\′})}^2}$

欧式距离设置阈值F₁越小则相似度越高，F₁小于等于设定值时，表示两个特征比对成功，进行步骤6.3；否则为假冒用户，予以拒绝；

步骤6.3：确认手形已比对成功的用户的标识名是否相同，如相同，则确认为合法用户；如不相同，则需要通过掌纹识别来确认，进行步骤6.4；

步骤6.4：按照步骤5.2所述的方法对掌纹图像进行旋转矫正、提取感兴趣区域、下采样、掌纹特征提取；

步骤6.5：将拍摄的手部图像提取的掌纹特征点与掌纹模板库中的特征进行比对，其特征比是通过所述步骤6.2中的最近邻分类法中的欧式距离法进行的，欧式距离越小则相似度越高，将阈值F₂与设定值进行比较，若阈值F₂小于等于设定值时，则比对成功，并确认标识名是否相同，相同则确认为合法用户，否则为假冒用户，予以拒绝。