[发明专利]一种指静脉快速识别方法

说明书

一种指静脉快速识别方法，包括如下步骤：对指静脉细化二值图进行Gamma矫正；计算Gamma矫正后指静脉图像的对比度序列；计算Gamma矫正后指静脉图像的能量序列；用“与门”进行指静脉特征匹配初判断；在指静脉图像内构建圆域；计算圆域内及边界线上像素点的梯度值和梯度方向；建立圆域范围内像素点的梯度方向直方图；计算圆域block范围内像素点的特征描述向量；计算待检测指静脉图像圆域内特征向量和数据库指静脉图像圆域内特征向量之间的余弦距离；计算待检测指静脉图像圆域内特征向量和数据库指静脉图像圆域内特征向量之间的欧氏距离；用“与门”进行指静脉特征匹配复判断。本发明计算量小，运行效率高、自适应性强，对硬件要求极低、实时性好，实现快速识别。

技术领域

本发明涉及一种指静脉快速识别方法。

背景技术

近年来，人工智能领域硕果累累，生物识别技术也迎来了发展机遇期，无论是技术还是市场，都取得了长足的进步。在这一领域中，指静脉识别也开始发力。但目前主流的指静脉识别方法普遍计算量大、算法结构复杂、耗时长，且对识别仪器设备的精度要求非常高，较难满足身份验证、安防门禁以及其他应用场合下的实时识别要求，即难以实现快速识别，用户体验度低，由此也易引发产品的顾客满意度不高。

发明内容

针对上述问题，本发明提出一种使用block梯度方向直方图及“与门”判断的指静脉快速识别方法。

本发明利用指静脉细化后的二值化图像，首先对其进行Gamma矫正，然后计算Gamma矫正后指静脉图像的对比度序列和能量序列，接着用“与门”进行指静脉特征匹配初判断，当初判断“与门”的输出为True时再在指静脉图像内构建圆域，紧接着计算圆域内及边界线上像素点的梯度值和梯度方向，再接着根据每个像素点的梯度方向和梯度值，使用直方图统计圆域内像素点对应的梯度方向和梯度值，然后将旋转主方向角度后的圆域以每20°划分为一个block，并以此计算每个像素特征点的特征描述向量。

最后从空间方向、绝对位置距离两个角度计算待检测指静脉图像圆域内特征向量和数据库指静脉图像圆域内特征向量之间的余弦距离和欧式距离，并将其与判定阈值的比较结果作为复判断“与门”的输入，当复判断“与门”的输出为True时，即认为待检测指静脉图像与数据库内图像匹配，也即两个指静脉图像样本来源于同一根手指，识别成功。

为实现上述目的，本发明采用以下技术方案：

本发明的一种指静脉快速识别方法，包括如下步骤：

步骤一，对指静脉细化二值图进行Gamma矫正；

读入指静脉纹路细化后的二值化图像，获取图像的宽度M和高度N，采用Gamma校正法对输入图像进行归一化，在减少图像噪音的同时，调节图像的对比度，降低图像局部的阴影和光照变化所造成的影响，即有：

f(x,y)＝(x,y)^γ (1)

其中，(x,y)为输入图像；f(x,y)为输出图像；γ为指数。

步骤二，计算Gamma矫正后指静脉图像的对比度序列；

本发明利用指静脉图像的清晰度和纹理的沟纹深浅建立图像的对比度，其中，对比度越大，则表明纹理的沟纹越深，效果清晰；反之，对比度越小，则表明沟纹越浅，效果模糊。即有：

其中，C代表指静脉图像的对比度；λ(i,j)代表指静脉图像矩阵中像素点(i,j)的灰度值；ω(λ(i,j))代表相邻像素间的灰度值之差；P_ω(i,j)代表相邻像素间的灰度值之差为ω的像素分布概率。

步骤三，计算Gamma矫正后指静脉图像的能量序列；