基于C++的手背脈絡(luò)特征認(rèn)證考勤技術(shù)研究

朱向彩，竇佳龍，吳魯振

(泰山學(xué)院 信息科學(xué)技術(shù)學(xué)院，山東 泰安 271021)

0 引言

手背靜脈識(shí)別是以手背靜脈識(shí)別技術(shù)為核心，是一項(xiàng)新興的生物識(shí)別技術(shù)，是科技攻關(guān)的高新技術(shù).手背靜脈識(shí)別技術(shù)具有廣泛的應(yīng)用，如門(mén)禁管理、考勤管理、手背靜脈識(shí)別監(jiān)控管理、手背靜脈識(shí)別電腦安全防范、手背靜脈識(shí)別照片搜索、手背靜脈識(shí)別來(lái)訪登記等.

本文所研究的手背靜脈識(shí)別技術(shù)可為企事業(yè)部門(mén)的考勤平臺(tái)提供一種較好的、新穎的技術(shù)和方法.應(yīng)用本技術(shù)及平臺(tái)記錄員工遲到、早退、缺席和請(qǐng)假等出勤情況，可實(shí)現(xiàn)信息管理的自動(dòng)化，提高人事管理的效率.目前根據(jù)手背靜脈識(shí)別考勤技術(shù)還沒(méi)有成型的應(yīng)用平臺(tái)，本課題旨在利用更加高效的識(shí)別算法提高手背靜脈識(shí)別過(guò)程的處理效率.

1 手背靜脈識(shí)別技術(shù)

手背靜脈識(shí)別，是生物識(shí)別模式的一種.首先通過(guò)靜脈識(shí)別儀器取得個(gè)人手背脈絡(luò)分布圖，運(yùn)用專(zhuān)門(mén)的比對(duì)算法從靜脈分布圖像中獲取特征值.研究過(guò)程中使用紅外線CCD 攝像頭來(lái)獲得手背的靜脈數(shù)字圖像，并將該圖像的特征值提取后存儲(chǔ)于計(jì)算機(jī)系統(tǒng)中.進(jìn)行圖像比對(duì)時(shí)，通過(guò)實(shí)時(shí)采集靜脈圖像，加以濾波、圖像二值化、圖像細(xì)化等先進(jìn)手段提取圖像特征值，并與存儲(chǔ)在計(jì)算機(jī)系統(tǒng)中的靜脈圖像的特征值進(jìn)行比對(duì)，然后運(yùn)用專(zhuān)用的數(shù)字圖像匹配算法進(jìn)行特征匹配來(lái)鑒定個(gè)人身份.

2 靜脈圖像采集

紅外采集原理:基于人體骨骼和肌肉組織的特點(diǎn)，使用波長(zhǎng)在0.72～1.10 μm 的入射光波進(jìn)行圖像采集［1］，能夠較好地穿透骨骼和肌肉組織，獲得血管的脈絡(luò)結(jié)構(gòu).從波長(zhǎng)范圍可知，該光波屬于近紅外光線，根據(jù)中國(guó)國(guó)家醫(yī)用紅外檢測(cè)光源的有關(guān)規(guī)定，紅外光強(qiáng)處于峰值時(shí)波長(zhǎng)范圍在0.80～1.50 μm 之間.所以只要擁有良好的紅外采集設(shè)備，就能夠拍攝到滿足研究要求的靜脈圖像.可以使用波長(zhǎng)在0.90 μm 左右的近紅外CCD 攝像頭拍攝256 灰度級(jí)的人體手背靜脈圖像，即可滿足要求.

3 靜脈圖像預(yù)處理

3.1 靜脈圖像標(biāo)準(zhǔn)化

在不同的光照，手掌傾斜程度不同的情況下，由于光照不均勻即使同一個(gè)人的同一只手拍攝出的圖像，也會(huì)對(duì)計(jì)算機(jī)的識(shí)別帶來(lái)很大的困難.為盡量保證提取的特征對(duì)靜脈在圖像中的大小傾斜等的不變性，必須要在特征提取和識(shí)別之前對(duì)靜脈圖像進(jìn)行一系列處理.［2］

靜脈圖像尺寸歸一化.因?yàn)榕臄z的圖像中靜脈所占的比例往往不一，所以要對(duì)所得到的靜脈圖像進(jìn)行大小歸一化，也就是對(duì)圖像進(jìn)行縮放，其實(shí)質(zhì)是一種圖像的幾何變換.但是，圖像的縮放會(huì)帶來(lái)誤差，因此可以引入灰度插值的概念來(lái)彌補(bǔ)，最常用的灰度插值算法有三種:最近鄰法，雙線性插值法，三次內(nèi)插法.由于這里只是為了統(tǒng)一圖像的大小，而且靜脈圖像的灰度突變并不明顯，所以用近鄰法處理就可以滿足本文的要求［3］［4］，即選擇離它所映射到的位置最近的輸入像素的灰度值為插值結(jié)果.若幾何變換后輸出圖像上坐標(biāo)為(x，y)的像素點(diǎn)在原圖像上的對(duì)應(yīng)值坐標(biāo)為(u，v)，則近鄰插值公式為:g(x，y)=f(x，y)(其中x=［u+0.5］;y=［v+0.5］).

靜脈圖像灰度歸一化.由于進(jìn)行靜脈圖像采集時(shí)的采集條件(例如:采集時(shí)間、光照強(qiáng)度、個(gè)體手掌厚度差異、溫度等)不同，所采集到的靜脈圖像的灰度分布會(huì)有較大的不同.如果同一個(gè)人在不同的條件下進(jìn)行圖像采集，得到的灰度圖像會(huì)有明顯的差別，這就給以后的圖像處理和匹配帶來(lái)極大的困難，因此在圖像采集后一定要進(jìn)行歸一化處理，將所有的圖像轉(zhuǎn)換成同一均值和方差的標(biāo)準(zhǔn)圖像.目前可使用的方法有清華的均值方差歸一化法，灰度歸一化法等.［5］［6］通過(guò)實(shí)驗(yàn)可知，采用灰度歸一化法處理的效果比采用均值方差歸一化處理的效果好，因此，我們采用灰度歸一化法，對(duì)光照進(jìn)行歸一化(如下式):Y=((x—min)* 255)/(max—min)，式中:x－原圖像灰度值;Y－變換后的灰度值;min－原圖像中的灰度最小值;max－原圖像中的灰度最大值.

3.2 圖像增強(qiáng)

圖像增強(qiáng)是一種基本的圖像預(yù)處理手段，對(duì)于一幅給定的圖像，經(jīng)過(guò)圖像增強(qiáng)處理后，就可以突出圖像中的某些關(guān)鍵信息，減弱或者消除某些不需要的信息，使處理后的圖像與原始圖像相比更適合某種特定的應(yīng)用［7］.但是圖像增強(qiáng)并不一定能夠增加原始圖像的信息，相反有的時(shí)候甚至?xí)箞D像的部分信息丟失，但圖像增強(qiáng)的結(jié)果卻更有利于對(duì)特定信息進(jìn)行識(shí)別.可使用均衡法對(duì)圖像進(jìn)行處理.這里我們使用一種改進(jìn)的均衡化圖像增強(qiáng)算法.均衡化處理是以累積分布函數(shù)變換法為基礎(chǔ)的修正法.假定變換函數(shù)為:

式中ω 是積分變量，而T(r)就是r 的累積分布函數(shù).該累積分布函數(shù)是r 的函數(shù)，并且單調(diào)地從0 增加到1，所以該變換函數(shù)滿足T(r)在0≤r≤1 內(nèi)單值單調(diào)增加.可以證明，用r 的累積分布函數(shù)作為變換函數(shù)可產(chǎn)生一幅灰度級(jí)分布具有均勻概率密度的圖像.其結(jié)果擴(kuò)展了像素取值的動(dòng)態(tài)范圍［8］.圖像處理對(duì)比結(jié)果如下圖所示:

3.3 圖像分割

圖像分割在手背靜脈識(shí)別的整個(gè)過(guò)程中占據(jù)著相當(dāng)重要的位置，同時(shí)也是一個(gè)難點(diǎn).假如得不到高質(zhì)量的二值化圖像，就無(wú)法對(duì)圖像進(jìn)行進(jìn)一步的處理和識(shí)別.由于靜脈圖像的脈絡(luò)線條與背景灰度在一定范圍內(nèi)存在著混疊，利用全局閾值對(duì)圖像進(jìn)行分割必然會(huì)把圖像的局部細(xì)節(jié)忽略，再加上靜脈這種紋線圖像很容易丟失一些很重要的邊界信息，基于這一事實(shí)，我們可以采用基于邊界的閾值分割方法進(jìn)行分割［9］.處理結(jié)果如圖2 所示:

3.4 二值圖像的濾波與去噪

圖1 圖像的均衡(原始圖像與均衡化后圖像對(duì)比)

圖2 基于邊界的閾值分割

常見(jiàn)的灰度數(shù)字圖像噪聲有高斯噪聲、椒鹽噪聲和顆粒噪聲等，運(yùn)用圖像增強(qiáng)手段處理圖像無(wú)法完全清除它們.我們假設(shè)白色像素代表背景，黑色像素代表前景圖案，總的來(lái)說(shuō)，二值圖像中的噪聲有以下三種:(1)白色背景中存在黑色的孤立小區(qū)域，我們稱(chēng)之為斑點(diǎn);(2)黑色前景中存在白色的孤立小區(qū)域，我們稱(chēng)之為孔洞;(3)黑色圖案的邊緣存在微小的突起和凹陷，我們稱(chēng)之為毛刺.［10］

針對(duì)a 和b，可以采取面積消除法，即計(jì)算每一塊黑色背景或者白色背景，如果背景面積小于給定的面積，則為噪聲，將其除去.針對(duì)c 可以采用中值濾波法.［10］

3.5 圖像細(xì)化

圖像的細(xì)化是指在保持原圖像拓?fù)浣Y(jié)構(gòu)的情況下，盡可能地抽出一個(gè)單像素寬的骨架的過(guò)程.對(duì)于靜脈圖像的細(xì)化，可以采用一般的條件細(xì)化和模版相結(jié)合的方法，細(xì)化完成后除去特殊的非單像素點(diǎn)即可［11］.圖3 顯示了細(xì)化處理的結(jié)果:

圖3 圖像細(xì)化處理結(jié)果

3.6 圖像細(xì)化后修復(fù)

圖像細(xì)化后，常常出現(xiàn)斷點(diǎn)和噪聲點(diǎn)的現(xiàn)象，所以要進(jìn)行細(xì)化修復(fù).修復(fù)斷點(diǎn)時(shí)可以將最近鄰點(diǎn)直接連接起來(lái)，此處可引入一個(gè)搜索判據(jù)，避免出錯(cuò).去除毛刺可以從端點(diǎn)開(kāi)始，計(jì)算毛刺的數(shù)量，小于一定閾值的區(qū)域就看作毛刺，予以置白.

4 特征的提取與匹配

4.1 特征的選擇與提取

提取特征時(shí)要尋找圖像中容易區(qū)分的部分，比如紋線的交叉點(diǎn)和端點(diǎn)，尋找這些點(diǎn)的數(shù)目和相對(duì)位置.同時(shí)，紋線的曲率、長(zhǎng)短等都可以作為圖像的特征來(lái)進(jìn)行提取，然后將其同預(yù)先存入計(jì)算機(jī)系統(tǒng)中的數(shù)據(jù)進(jìn)行比對(duì).

4.2 特征匹配

一副典型的靜脈圖像進(jìn)行細(xì)化處理后可得到大約5～10 個(gè)端點(diǎn)和若干個(gè)交叉點(diǎn)，所以，可以從這些特征點(diǎn)著手進(jìn)行匹配.但是由于采集器的限制，所采集到的圖像的清晰度不是很高，處理后的圖像存在很多的偽特征點(diǎn).為了避免其干擾，可以采用一種局部匹配與全局匹配相結(jié)合的的靜脈匹配方法［8］.其實(shí)現(xiàn)方法如下:

首先，利用相鄰特征點(diǎn)之間的結(jié)構(gòu)關(guān)系為每一個(gè)特征點(diǎn)構(gòu)造局部特征向量，根據(jù)局部特征向量對(duì)圖像匹配.進(jìn)行匹配時(shí)，設(shè)置一套評(píng)分標(biāo)準(zhǔn)，對(duì)所匹配圖像的相似性來(lái)評(píng)分，能夠達(dá)到閾值分?jǐn)?shù)要求的特征點(diǎn)則認(rèn)為有可能匹配，然后根據(jù)首次匹配得到的特征點(diǎn)，進(jìn)行第二次的全局性匹配.在局部匹配過(guò)程中，可以使用星形結(jié)構(gòu)匹配方法，在全局匹配的過(guò)程中，可用相對(duì)的坐標(biāo)匹配法.［5］

4.3 試驗(yàn)結(jié)果和分析

首先按照固定的格式建立手背靜脈圖像數(shù)據(jù)庫(kù)，每個(gè)手背在不同的時(shí)間取5 幅圖像，共取50 幅圖像作為小型樣本庫(kù)，然后進(jìn)行匹配，匹配結(jié)果(系統(tǒng)性能試驗(yàn)結(jié)果):樣本數(shù)量:50，匹配次數(shù):48，誤識(shí)次數(shù):0，拒識(shí)次數(shù):2.

識(shí)別率達(dá)到了96.0%，誤識(shí)率為0，拒識(shí)率為4.0%，從這些方面來(lái)看，該技術(shù)平臺(tái)的性能還是可以接受的，但在試驗(yàn)過(guò)程中也發(fā)現(xiàn)了該技術(shù)及平臺(tái)需要改進(jìn)的地方，主要是平臺(tái)的運(yùn)行速度方面.試驗(yàn)中發(fā)現(xiàn)，運(yùn)行速度平均為2 秒/次，這個(gè)運(yùn)行速度遠(yuǎn)遠(yuǎn)不能滿足應(yīng)用的需求，主要原因是靜脈識(shí)別平臺(tái)的硬件系統(tǒng)和識(shí)別算法需要進(jìn)一步的改進(jìn).另外，本平臺(tái)在應(yīng)用過(guò)程中也存在一些問(wèn)題，例如，圖像的傳遞需要人的參與，軟件無(wú)法自動(dòng)完成，影響了運(yùn)行效率.因此，解決上述問(wèn)題需要從硬件和軟件兩方面入手.

雖然該平臺(tái)還有待于改進(jìn)，但對(duì)相關(guān)技術(shù)的研究具有很強(qiáng)的現(xiàn)實(shí)和理論意義.該方面的研究在國(guó)內(nèi)還未成熟，但實(shí)用用價(jià)值很高，因此對(duì)該技術(shù)及平臺(tái)的研究具有很好的發(fā)展前景.

［1］燕青宇.手背靜脈身份識(shí)別算法研究［D］.北方工業(yè)大學(xué)碩士學(xué)位論文，2012.19－20.

［2］李克峰.基于手背靜脈的身份識(shí)別［D］.北方工業(yè)大學(xué)，2011.21－24.

［3］姚吉.手背靜脈識(shí)別圖像的預(yù)處理方法研究［D］.長(zhǎng)春理工大學(xué)，2009.

［4］何斌，馬天予.Visual C++數(shù)字圖像處理(第二版)［M］.北京:人民郵電出版社，2002.199－200.

［5］林喜榮，等.人體手背靜脈血管圖像的特征提取及匹配［J］.清華大學(xué)學(xué)報(bào)(自然科學(xué)版)，2003，43(2):164－167.

［6］韓學(xué)東.正面人臉圖像識(shí)別系統(tǒng)研究與實(shí)現(xiàn)［D］.哈爾濱工程大學(xué)碩士學(xué)位論文，2000.21－25.

［7］林曉春，王艷.一種基于圖像融合的紅外圖像增強(qiáng)新方法［J］.紅外技術(shù)，2004，26(2):48－50.

［8］劉璐璐.圖像增強(qiáng)算法研究綜述［D］.寧波工程學(xué)院論文，2010.7－9.

［9］莊大燕.人體手背靜脈識(shí)別技術(shù)研究［D］.哈爾濱工程大學(xué)碩士學(xué)位論文，2006.20－30.

［10］朱叢虎.低質(zhì)量手背靜脈圖像的增強(qiáng)和分割［D］.安徽大學(xué)，2011.

［11］尤海云，王紹純.形態(tài)學(xué)細(xì)化算法在印制電路板中的應(yīng)用［J］.自動(dòng)化技術(shù)及應(yīng)用，2003，22(10):18－21.