[发明专利]三维指静脉特征提取方法及其匹配方法

权利要求书

1.一种三维指静脉特征提取方法，其特征在于：包括以下步骤：

第一步，通过三个摄像头在等分角度下从三个角度拍摄手指静脉，获取二维手指静脉图像；

第二步，通过计算三个摄像头的参数，将二维手指静脉图像映射到三维模型，实现三维手指模型的构建；

第三步，对三维手指模型进行归一化，实现消除手指水平和垂直偏移带来的影响；

第四步，对归一化后的三维手指模型进行特征提取：

(1)对归一化后的三维手指模型进行处理生成三维纹理展开图和几何距离特征图；

首先，定义扇形柱体区域为SC-Block(i)，其中i作为下标取值从1到N；沿着三维柱体的轴心进行旋转切割，得到360个扇形柱体区域；将扇形柱体区域的底面圆心角范围设置为((i-1)·△α,i·△α]；同时，设置柱体高度Z的范围为[z_min,z_max]，其中，z_min和z_max分别表示高度的最小值和最大值；N表示特征图的宽度，N＝360/Δα，Δα是角度采样间隔；

然后，通过以下函数将扇形柱体区域集合的三维点集映射到三维纹理展开图I_F3DTM和几何距离特征图I_F3DGM上：

I_F3DTM.col(i)＝Γ_t(SC-Block(i)) (1)

I_F3DGM.col(i)＝Γ_g(SC-Block(i)) (2)

其中，F3DTM和F3DGM分别代表三维纹理展开图和几何距离特征图，.col(i)表示特征图的第i列，而函数Γ_g、Γ_t则分别将扇形柱体区域集合SC-Block(i)以固定的间隔从Z轴进行划分切割为M块；其中，I_F3DTM每一像素通过计算区域内的平均像素值获得，而I_F3DGM的每一像素则通过计算对应区域内点集到中轴线的直线距离的平均值来获得；

(2)采用卷积神经网络分别对三维纹理展开图和几何距离特征图进行特征提取，得到静脉纹理特征和中轴几何距离特征；同时对神经网络进行训练。

2.根据权利要求1所述的三维指静脉特征提取方法，其特征在于：第二步中，通过计算三个摄像头的参数，将二维手指静脉图像映射到三维模型，实现三维手指模型的构建是指：将手指剖面图近似视为一个椭圆，将三维手指等距离分割成若干个剖面，计算每个剖面的轮廓，用多个不同半径不同位置的椭圆来对手指近似建模；再将所有轮廓按手指中轴方向串接起来，即可获得近似的三维手指模型。

3.根据权利要求1所述的三维指静脉特征提取方法，其特征在于：第三步，对三维手指模型进行归一化，实现消除手指水平和垂直偏移带来的影响是指：采用最小二乘法将三维重建中得到的每个横截面上近似椭圆的中心回归到一条中轴线上，然后利用下列等式(1)，对坐标进行归一化；

其中，(x_m,y_m,z_m)代表椭圆的中点，(S,W,G)代表中轴线的方向。

4.根据权利要求1所述的三维指静脉特征提取方法，其特征在于：第四步中，采用卷积神经网络分别对三维纹理展开图和几何距离特征图进行特征提取，得到静脉纹理特征和中轴几何距离特征；同时对神经网络进行训练是指：神经网络结构是由四个包含3×3和1×1卷积层的卷积块连续堆叠而成；三维纹理展开图和几何距离特征图分别依次通过神经网络结构和256维输出的全连接层，得到256维的静脉纹理特征和256维的中轴几何距离特征；最后通过SoftMax层计算损失并对网络进行训练。

5.一种三维指静脉特征匹配方法，其特征在于：通过权利要求1至4中任一项所述三维指静脉特征提取方法计算模板样本和待匹配样本的静脉纹理特征，以及通过计算模板样本和待匹配样本的中轴几何距离特征分数，并进行加权融合，通过阈值来对融合后的匹配分数进行判定，完成三维指静脉的匹配识别。