[发明专利]基于纹线特征的静脉识别方法

说明书

技术领域

本发明涉及一种识别方法，具体的说是基于纹线特征的静脉识别方法。

背景技术

伴随着通讯设备和互联网技术的不断发展，信息已遍布人们生活的各个角落。与之相关的是信息安全的重要性被已经提到了前所未有的高度。安检、司法、金融、移动网络、电子商务、人机交互等诸多场合都需要完善的认证系统来保障信息安全，而确保安全的第一前提是知晓一个人是谁。因此，身份识别技术的应用会越来越重要。

传统的识别方式有IC卡、钥匙、证件、密码等，这些方法虽然实用性强，但缺点也很明显，如证件类方式容易遗失、被复制和伪造，而密码类方式则容易遗忘、被破解。同时这类方式暴露了本当隐私化的身份信息，且不能通过便捷的系统与计算机网络相连接，远离了信息化社会的要求。当传统的识别方式已经不能满足日益增长的社会安全需求时，人类找到了生物识别这种更为安全可靠、使用方便的身份识别技术。

生物特征识别(Biometrics/Biometric authentication)是指利用人体所固有的生理特征(如：指纹、虹膜、DNA等)或行为特征(如：步态、语音等)来进行个人身份认证[1]。这些特征具有普遍性、唯一性、稳定性三方面的特性，即人人都有、各有不同、长期不变。与传统的密码或ID卡身份认证方式相比，生物特征有随身携带、难以伪造而且无需记忆的优势。也正由于这些优势，目前国外国内对它的研究方兴未艾，生物特征识别技术的市场也不断增长。

目前常见的生物特征识别方法有指纹、虹膜、人脸、手形、语音、静脉、步态等。其中指纹、虹膜、人脸等技术已经研究多年，技术成熟度相对较高，市场上均有完整的产品体系。静脉识别技术作为生物特征识别家庭的一个新成员，它出现于1990年，只有20年的历史，在2000年之后由于其自身的独特优点才逐渐受到关注，尤其是在日本、韩国等对指纹抵触的亚洲国家，静脉识别研究开展较好并出现了实际应用的产品，在生物特征识别市场中崭露头角。

静脉识别：通过识别皮下静脉纹理特征来达到身份验证的目的。这种技术通过远红外仪或近红外摄像头采集静脉图像，利用图像处理技术提取静脉的纹理特征，和库中比较，以达到识别目的。目前这种技术分为四种，手指静脉、手掌静脉、手背静脉和手腕静脉，其中前三种研究较多。对每种技术来说，原理和识别过程基本一致。

纹线特征，即关于手背静脉的方向、斜率、端点、交叉点等方面的特征。从直观上来说，纹线特征是人眼最显而易见的特征，但是由于手背的主血管一般只有3-5条，相互关系简单，没有复杂相交的情况，因此基于纹线特征的可用信息相较于动辄万人级的静脉识别而言区分度不够大。而且目前研究者的目光多集中于将血管细化、骨架化，将静脉识别转化为类似文字识别的问题，进而忽略了血管的粗细本身也是一种特征的事实。

发明内容

本发明的目的在于克服上述不足，提供一种基于纹线特征的方向投影算法，充分考虑了血管的粗细问题，同时具有较强的鲁棒性。

本发明的目的是这样实现的：基于纹线特征的静脉识别方法包括以下步骤：

步骤1、建立手背静脉图像库，每类图像随机分为训练集和测试集，所述训练集和测试集中的图像数量一样；

步骤2、采集手背静脉图像并进行预处理；

步骤3、基于纹线特征对静脉图像进行识别。

其中，图像预处理包括噪声抑制、提取ROI和静脉纹理分割，

所述噪声抑制包括中值滤波和均值滤波算法，所述中值滤波算法为：对每一像素点为中心，取其某邻域内所有像素点灰度值的中间值，再将此值赋给该中心：

式中：f(x,y)为处理后图像，S_xy为以(x，y)为中心的邻域；

所述均值滤波算法为：以目标像素为中心，在其领域取N*N的模板，计算模板内所有像素灰度值的平均值，赋予目标像素，设给定带噪声的图像为f(x,y)，则处理后的图像g(x,y)为：

其中，M是邻域S内包含的像素数目。S确定的邻域根据图像性质选取，

邻域平均进行加权值，表达式为：

其中，W(i,j)是大小为(2m+1)(2n+1)的邻域内(i,j)点的权值；

所述提取ROI包括剔除图像中的背景和边缘；

所述静脉纹线分割是从灰度图像中将静脉纹线用二值的方法显示出来。

所述提取ROI采用最大矩形搜索法，所述最大矩形搜索法包括以下步骤：