基于Kinect的手背靜脈采集方法

張　蓮，高梓翔，周永修，張　攀

(重慶理工大學 電子信息與自動化學院，重慶　400054)

?

引用格式：張蓮，高梓翔，周永修，等.基于Kinect的手背靜脈采集方法[J].重慶理工大學學報(自然科學版)，2016(1):85-88.

Citation format：ZHANG Lian，GAO Zi-xiang，ZHOU Yong-xiu，et al.Kinect’s Hand Vein Image Acquisition Method[J].Journal of Chongqing University of Technology(Natural Science)，2016(1):85-88.

基于Kinect的手背靜脈采集方法

張蓮，高梓翔，周永修，張攀

(重慶理工大學 電子信息與自動化學院，重慶400054)

摘要：介紹了一種基于微軟Kinect傳感器的手背靜脈采集方案。使用Kinect傳感器對手背靜脈圖像進行采集，基于相關的模版匹配以及ROI兩種提取算法得到靜脈的有效區域，并對該區域進行處理，得到清晰的手背靜脈圖像。通過Matlab對所采集的圖像進行仿真檢驗，結果表明：所提方法是一種簡單快捷、易于實現的方案。

關鍵詞：Kinect；手背靜脈；中值濾波；模版匹配；ROI

靜脈紅外成像在醫療輔助及生物特征識別中發揮著重要作用。手背靜脈具有較多的靜脈可用特征，相比傳統的身份識別方式，靜脈識別具有非接觸、唯一性、可區分活體等優勢，較其他識別方式更為安全。同時，在醫療方面對輔助靜脈穿刺的幫助也較大。由于臨床中存在病人因為脂肪層較厚或其他原因導致穿刺成功率較低的情況，因此靜脈成像技術也被應用于此。靜脈圖像的獲取對生活和工作都有較大意義，但通常情況下需要專用設備完成，大都存在于特定場合(例如保密場所、醫院等)。本文提出了一種基于日常生活設備的手背靜脈采集及處理方案，旨在加快靜脈圖像識別等技術的普及速度。使用Kinect設備獲取手背靜脈的灰度圖像，完成對靜脈有效區域的提取，并對該區域圖像進行處理。該方案簡單易得，有較好的適應性。

1圖像采集與成像環境

Kinect是微軟公司為XBOX 360開發的外圍設備，是一種3D體感攝影機。本文的圖像采集主要包含紅外投影機、紅外CMOS攝像頭、BGB VGA彩色攝像頭(如圖1所示)，分辨率均為640×480，最大幀率為30 fps[1]。通過這3個設備可以獲取視野范圍內的深度數據。因本文僅使用Kinect的紅外CMOS攝像頭，故對其他功能及原理簡單敘述。Kinect是一種游戲設備，它有眾多持有者，使得利用Kinect進行手背靜脈圖像獲取具有廣泛的意義，從而使手背靜脈識別技術得以迅速擴散。此技術進一步發展，也可作為一種簡易的醫療輔助技術。

由于人體皮膚層對紅外光譜的吸收率較低[2]，720～1 100 nm波長的近紅外光容易穿透人體皮膚進入皮下組織[3]，故使用Kinect紅外投影機作為光源，采用紅外CMOS攝像頭對靜脈進行采集是可行的。在使用紅外CMOS攝像頭對手背進行拍攝時，Kinect的紅外投影機能夠投射出近紅外光，波長為830 nm[4]。

圖1　用于采集圖像的Kinect設備

2有效靜脈區域的提取

要獲得質量較高的手背靜脈圖像，就需要對手背有效的靜脈區域進行定位提取，然后再進行處理。本文提供2種方法對手背靜脈區域進行定位提取：一種是基于相關的模版匹配；另一種是對文獻[5]方法改進后的ROI提取算法。下面將分別對2種算法進行介紹。

采用相關的模版匹配技術在一幅圖像中尋找某種子圖像模式[6]。例如：在大小為M×N的圖像f(x，y)中尋找大小為J×K的子圖像模式w(x，y)，f與w的相關可表示為

(1)

式(1)在計算響應時存在對f和w的灰度值比較敏感的不足。本文對向量模值進行歸一化以解決此問題[7]。改進的用于匹配的相關計算公式如下：

(2)

事先截取標記點形狀模板，利用人工標記的方法，首先對需要提取的區域標定橫向2點，然后識別標定點，根據要求對提取范圍長寬進行設定，或使用多個標定點直接標定提取范圍，然后計算標定點坐標，提取標定區域圖像。

改進文獻[5]中的ROI提取算法，使其能夠提取伸開手背的圖像。手背靜脈的有效區域在第2、第4指蹼下方，定位兩處指蹼坐標即可對圖像進行提取。

第1步提取手背輪廓圖。Kinect的使用環境決定了成像背景包含噪聲較多。使用Canny算法對輪廓邊緣提取時，背景會對所得輪廓產生較大影響[8]，如圖2所示。對此，本文采取下列方法提取手背輪廓圖：① 將圖像進行二值化處理，得到圖3；② 將圖3進行中值濾波得到圖4；③ 使用3×3對稱結構元素對圖4進行腐蝕，得到圖5；④ 用圖5減去濾波后的圖像(圖4)，得到輪廓(圖6)。相比圖2，圖6的輪廓點清晰，背景噪聲也被消除。

第2步確定手背中心位置(Ox，Oy)，并運用公式(3)計算手背輪廓各點到中心位置的距離[9]。

(3)

其中：X(i)、Y(i)為第i個輪廓點的橫坐標和縱坐標；n為手背輪廓圖中輪廓點的總數。

第3步確定指蹼坐標。尋找距離較短的3個點，對橫坐標進行排序，得到第2、4指蹼坐標(Px2，Py2)、(Px4，Py4)。

第4步將圖像旋轉，使用式(4)，保證2個指蹼橫坐標相同，處于同一水平位置。

θ=arctan((Px2-Px4)/(Py2-Py4))×180/π

(4)

其中，θ表示旋轉角度。

第5步提取出正方形有效區域。為保證完全提取靜脈圖像，將第2、4指蹼距離增加0.2倍，確定正方形4點坐標，即可對圖像進行提取。

圖2　Canny算法提取邊緣

圖3　二值化圖像 圖4　濾波后的圖像

圖5　腐蝕后的圖像　　　　圖6　手背輪廓圖

經過比較，基于相關的模版匹配方法的優點是可以截取任意標記區域(標定點不少于3個)，且不需對圖像進行二值化等處理；缺點是人工標記難以避免誤差，標記圖形與背景圖形相似時會產生誤標定，計算量較大[10]。改進后的ROI提取算法使用方便、適應性較強，但需對采集的圖像進行充分處理，以確保手背輪廓點不受背景圖像的影響。由于本文提取對象僅限于手背圖像，且改進后的ROI提取算法在絕大多數條件下能夠實現準確提取，因此本文采用改進后的ROI提取算法。

3靜脈圖像處理

提取出的靜脈圖像有效像素較少，可采用閾值分割法突顯所提取有效靜脈圖像中的靜脈。相比其他方法，閾值分割法具有直觀性強和易于實現的特點，在注重運算效率的應用場合得到廣泛的應用[11]。本文采用局部閾值法進行大圖像處理，分割原始圖像為若干子圖像，再分別求出最佳閾值[12]。通過迭代求子圖像最值分割閾值的原理[13]如下：

f(x，y)，Z(i，j)表示圖像上(i，j)點的灰度值，記N(i，j)是(i，j)點的權重系數。

1) 求取原圖中最大和最小灰度值Zk和Z0的閾值初值T0[14]：

(5)

2) 根據已得的閾值Tk將圖像分割成目標與背景2部分，分別求出其平均灰度值Z0和ZB。

(6)

3) 求出新閾值Tk+1。

(7)

4) 若Tk=Tk+1，則結束；否則，k+1→k，轉步驟2)。

5) 經過步驟4)后，所得Tk即為最佳閾值。

在使用局部閾值法處理時，需要確定平均濾波時的窗口大小，窗口越大濾波效果越顯著，但同時細節丟失也越多；窗口越小信息保留越多，但濾波效果不明顯[15]。平均濾波窗口大小需要根據成像對象及條件來確定，可憑經驗選取。經過反復實驗，針對本文成像條件，實驗窗口大小值為“11”時效果最理想。此后，再次進行中值濾波，得到最終圖像。

4實驗結果

通過Kinect對不同人的手背圖像進行采集，然后使用Matlab對本文算法進行驗證。基于相關模版匹配標記的識別結果如圖7所示，ROI提取有效區域圖像如圖8所示，均能可靠識別有效區域。圖9為處理后的提取圖像，靜脈所在位置準確可見。

圖7　模版匹配對不同人手背標記的識別

圖8　ROI對不同手背有效區域的識別

圖9　對ROI提取有效區域的處理圖像

5結束語

本文提出了一種基于Kinect的手背靜脈采集方法，同時介紹了基于相關的模版匹配、改進文獻[5]方法的2種圖像提取方法。首先使用Kinect采集圖像；其次對手背靜脈的有效區域進行提取，若采用模版匹配方法可直接進行提取，若采用第2種方法進行提取則需先提取手背輪廓，計算出各個輪廓點到手背中心的距離[16]，判斷第2、4指蹼位置，截取有效區域；最后，對所截取圖像先進行局部閾值預處理，然后進行中值濾波，得到圖像。通過Matlab仿真，證明該方案具有較易實現、提取準確、處理效果好的優點。

本文方法的不足之處是：Kinect自身的紅外設備紅外光強大小有限，在對脂肪層較厚的使用者拍攝時，成像質量不高，后期需要加入外置紅外光源，或對圖像處理效果進行加強，以進一步優化所提取有效圖像的質量。

參考文獻：

[1]朱濤，金國棟，蘆利斌．Kinect應用概述及發展前景[J].現代計算機(下半月版)，2013(4)：8-11．

[2]倪旭翔，高世杰，魏科宇，等．基于分區多次曝光的手掌靜脈成像[J].光子學報，2013，42(12)：1534-1538．

[3]余濤．Kinect應用開發實戰：用最自然的方式與機器對話[M]．北京：機械工業出版社，2013：32-33．

[4]陳燕，牛燕雄，唐芳，等．1319 nm連續激光輻照皮膚組織的光熱效應實驗研究[J]．光子學報，2009，38(5)：1259-1263．

[5]MIURA N,NAGASAK A,MIYATAKE T.Feature extraction offinger-vein patterns based on repeated line tracking and its application to personal identification[J].Mach Vis.Appl,2004(15):194-203．

[6]陳龍，侯普華．復雜環境下基于ROI的車牌提取算法[J].信息技術，2013(11)：95-98．

[7]李強，張鈸．一種基于圖像灰度的快速匹配算法[J].軟件學報，2006,17(2)：216-222．

[8]張恒，高敏，徐超．融合閾值法和邊緣提取的圖像分割算法[J].裝甲兵工程學院學報，2014,28(5)：73-86．

[9]吳作凌，陳雄，鄭英杰．一種近紅外手背靜脈圖像識別算法[J].微電子學與計算機，2010，27(10)：114-116．

[10]張錚，倪紅霞，苑春苗，等．精通Matlab數字圖像處理與識別[M]．北京：人民郵電出版社，2013：338-339．

[11]韓思奇，王蕾．圖像分割的閾值法綜述[J]．系統工程與電子技術，2002，24(6)：91-92．

[12]盛先．基于人眼檢測的視頻前景自動提取算法研究[D].長沙：湖南大學，2012．

[13]楊高波，杜青松．MATLAB圖像/視頻處理應用及實例[M]．北京：電子工業出版社，2010：154-155．

[14]劉強，許江寧，陳穆清．星圖目標檢測算法研究[J].現代電子技術，2009(5)：31-33．

[15]郭琳，尚振宏．一種有效的自適應中值濾波算法[J].長春工業大學學報(自然科學版)，2008，29(1)：87-90．

[16]舒小華，沈振康，龍永紅．一種基于輪廓配準的包裝缺陷檢測方法[J].包裝工程，2007，28(3)：19-21．

(責任編輯楊黎麗)

Kinect’s Hand Vein Image Acquisition Method

ZHANG Lian，GAO Zi-xiang，ZHOU Yong-xiu，ZHANG Pan

(College of Electronic Information and Automation,

Chongqing University of Technology, Chongqing 400054, China)

Abstract:This article described a Microsoft Kinect sensors based on hand vein acquisition program. Using Microsoft’s Kinect sensor, we collected the hand vein image, and introduced correlation-based template matching and ROI two extraction algorithms to get the effective area, and after dealing with the region, we gave a clear hand vein image. By Matlab simulation inspection of the acquired image, it proved to be a quick, simple and easy to implement solution.

Key words:Kinect; hand vein; median filter; template matching; ROI

文章編號：1674-8425(2016)01-0085-04

中圖分類號：TP391

文獻標識碼：A

doi:10.3969/j.issn.1674-8425(z).2016.01.014

作者簡介：張蓮(1967—)，女，教授，主要從事模式識別、檢測與控制技術研究；高梓翔(1992—)，男，碩士，主要從事模式識別和圖像處理研究。

基金項目：國家自然科學基金資助項目(61402063)；重慶高校優秀成果轉化資助項目(KJZH14213)

收稿日期：2015-09-23