一種手指靜脈識別實驗平臺的開發與應用

楊偉力 羅達燦，2 楊盛毅 劉超 楊永懷

1.貴州民族大學

2.華南理工大學

近年來，隨著機器視覺與圖像處理技術的快速發展，生物特征識別在個人身份識別領域的應用越來越廣泛，其中主要有指紋識別、人臉識別、虹膜識別、靜脈識別等，因而，產業界對該領域的人才需求也持續增長。[1-3]與其他生物特征識別技術相比，靜脈識別具有不易被仿制安全性高、屬于人體內部信息穩定性強、非接觸成像易于接受等優點，有著廣闊的應用前景，因此，實現手指靜脈特征提取并進行識別，具有重要的應用價值。[3-4]

“數字圖像處理創新實踐”課程是筆者所在學校智能科學與技術、自動化、測控技術與儀器等專業的一門創新實踐類課程，其培養目標是加強學生對圖像處理和機器視覺等相關基礎知識的理解和認識，注重理論聯系實際，培養學生解決實際應用問題的能力，促進學生創新能力的培養。該門課程自開設以來一直采用ZM-VS1200機器視覺教學實驗平臺進行實驗教學，實驗內容主要包括圖像融合、圖像配準、實時多圓檢測等實驗，雖然在一定程度上能夠較好地配合理論教學，幫助學生認識計算機視覺系統，學習基本的圖像處理和機器視覺方面的知識[5-6]，但是由于大部分都是驗證性實驗，綜合設計性實驗課題也過于陳舊，學生往往無法接觸到前沿科技成果，這無疑大大限制了對學生創新實踐能力的培養。

因此，筆者結合實際教學要求以及存在的問題，開發了手指靜脈識別實驗平臺。該實驗平臺以手指靜脈采集裝置和計算機為硬件基礎，以Matlab軟件環境為依托進行圖像處理算法的開發，可以完成手指靜脈識別任務。該實驗平臺基于科技前沿，具有良好的開放性，能夠支持以項目式開展的探索性實驗教學。

●實驗平臺組成

1.實驗平臺硬件構成

該實驗平臺的硬件部分由自主研發的手指靜脈采集系統和計算機構成，其中手指靜脈采集系統如下頁圖1所示，上邊部分為中央控制系統，下邊部分為手指靜脈采集裝置。該采集裝置利用靜脈血管內的血紅蛋白對波長在700～1100nm的近紅外光具有充分吸收的特性原理，采用透射成像技術，在手指腹部下方使用CMOS攝像頭模組拍攝到手指靜脈圖像，采集的圖像分辨率為640*480像素[4，7]。中央控制系統CPU選擇三星S5PV210 ARM處理器，安裝Linux操作系統，通過UART通信方式發送近紅外光照指令，同時由USB接口控制近紅外圖像模塊采集指靜脈圖像，與計算機采用以太網連接TCP協議通信。[7-8]該交互界面主要功能包括系統設置、輸入采集者信息、啟動及結束采集按鈕、顯示采集狀態等，可以實現近紅外光源控制、手指靜脈圖像數據采集以及存儲。手指靜脈采集系統未完全封裝，方便學生全面地了解其工作原理并進行圖像采集操作。

圖1 手指靜脈采集系統

2.靜脈識別算法開發環境

實驗平臺的計算機為6 4位Windows 7操作系統，裝有Matlab軟件、圖像處理工具箱等。由于Matlab編程語言簡單易學且運算能力強大，同時包含支持機器視覺和圖像處理算法開發的各種工具箱，因此，學生能夠較快地掌握軟件的使用，適合于本實驗的教學開展。另外，由Matlab軟件可以直接讀取到所采集的手指靜脈圖像，通過對靜脈圖像進行分析，可設計并開發合適的算法完成匹配任務。

●手指靜脈識別實驗

1.實驗任務

實驗以基于生物特征的個人身份識別為應用背景，以項目形式開展探索性實驗，由學生分組完成手指靜脈識別的任務。實驗任務具體如下：學生利用實驗平臺自行采集各自的手指靜脈圖像，由Matlab軟件讀取圖像，設計完整的算法并編程實現手指靜脈圖像預處理、特征提取以及匹配。在實驗過程中，項目組成員必須分工合作，學習相關的機器視覺和圖像處理知識，編程實現算法并完成匹配任務。

2.手指靜脈識別算法開發

在Matlab環境下編程實現完整的手指靜脈識別算法程序，實驗的主要處理步驟和實現思路如下。

（1）圖像采集

在啟動自制采集設備后，將手指放入手指卡槽中，即可進行手指靜脈圖像的采集。圖2所示為所采集的一張手指靜脈原始圖像，其為480*640像素的bmp格式圖像。學生每人分別采集左右手食指和中指靜脈圖像各十張。在進行圖像采集時，通過觀察采集裝置的結構和采集過程，學生將對手指靜脈圖像的成像原理、特點等有更深入的認識。

圖2 手指靜脈原始圖像

（2）圖像預處理

在手指靜脈圖像采集完成之后，為了保證后續圖像特征提取及匹配效果，需要進行圖像的預處理。由所采集的多張原始圖像可以看出，一方面，由于采集過程中手指自由度較大，導致同一根手指多次采集圖像出現了平移、旋轉等差異，并且采集的圖像通常包括以手指為前景的區域和以采集裝置等其他環境為背景的區域，因此需要截取采集圖像中手指的感興趣區域（Region of Interest，ROI）作為輸入圖像來提高特征提取和匹配的正確率。[8-9]另一方面，采集圖像受某些因素的影響可能存在噪聲、光照不均甚至模糊等問題，可以采用圖像增強的方法來突出圖像中的靜脈部分信息，以減少無關信息的干擾。[9-10]因此，首先可以對圖像進行手指邊緣檢測；其次，根據手指邊緣擬合手指中線，求出手指旋轉角度并進行旋轉校正（如下頁圖3）；然后，根據已檢測的手指邊緣確定ROI區域上下邊界，根據手指關節位置亮度更大的原理來確定左右邊界，獲得的手指靜脈圖像ROI區域如圖4所示。

圖3 邊緣檢測與旋轉矯正示意圖

圖4 截取手指靜脈ROI區域

（3）圖像特征提取

特征提取是手指靜脈識別過程中非常重要的環節，其對實驗結果即識別性能有著直接的影響。現有的研究中手指靜脈特征提取算法主要包括基于紋理的特征提取、基于編碼的特征提取和基于細節點的特征提取三大類[2，11]，實驗中可以采用最簡單常用的二值紋理特征提取方法來進行靜脈特征提取。首先對原始圖像的ROI區域使用多方向Gabor濾波器進行圖像增強，然后由二值化算法將靜脈紋理二值化，從而提取得到如圖5所示的手指靜脈二值紋理特征。

圖5 紋理增強與二值化

（4）圖像匹配

匹配是進行手指靜脈識別的最后一步，而特征提取和圖像匹配這兩部分是相互關聯的，不同的提取特征類型往往有其對應的匹配方法。一般采用某種距離去度量類內樣本匹配分數和類間樣本匹配分數。[8-11]若兩樣本特征的距離小于某閾值，則認為是同一類，反之，則不是同一類。通常期望所使用的匹配算法能使樣本的同類樣本間距離（類內距離）越小越好，類間樣本間距離（或類間距離）越大越好，這樣才能更好地對樣本進行區分。可將已入庫圖像的ROI區域與待匹配圖像的ROI區域均采用二值紋理特征提取方法獲得兩張紋理前景圖像，將兩張紋理前景圖像的交集（重疊）像素點數與它們并集像素點數之比作為兩張圖像的相似距離度量。下頁圖6為實驗過程中所得到一樣本類內與類間特征的距離分布圖，由圖可以看出，當兩樣本相似距離小于0.23時可以認為匹配成功，完成手指靜脈識別任務。

圖6 樣本類內與類間特征的距離分布圖

●實驗項目的創新拓展

手指靜脈識別實驗屬于探索性實驗項目，具有一定的科技前沿性。該實驗項目僅僅限定了實驗所要實現的任務，而對所采用的具體算法步驟不進行強制要求，實驗平臺基于Matlab開發環境，具有良好的開放性。因此，教師在探索性實驗開展過程中應對學生進行一定的引導，鼓勵學生積極探索研究不同的實現方案，在手指靜脈識別基本流程的基礎上進行創新拓展。[12-13]

對于手指靜脈識別算法的開發，在圖像預處理部分提取手指邊緣輪廓時，可以使用Sobel、Canny等邊緣檢測算法；在對靜脈圖像進行增強處理時，可以使用限制對比度自適應直方圖均衡化（CLAHE）、Retinex和灰度歸一化等方法。[7-9]在圖像特征提取和匹配時，可以采用如局部二進制模式（LBP）特征提取和直方圖相似性匹配、SIFT和SURF等局部不變特征提取和匹配方法等。[14-15]除了以上常用的經典算法之外，筆者還鼓勵學生結合本項目的特點在經典算法的基礎上進行了改進和優化，同時也鼓勵學生嘗試新的方法如采用神經網絡的方法來完成手指靜脈圖像的匹配任務。對于實驗項目應用方面，學生可以對系統的功能進行拓展，如增加開鎖的功能、增加相關的語音提醒功能等。

●結語

手指靜脈識別實驗項目符合生物特征識別產業的發展趨勢，具有重要應用價值。自主研發的實驗平臺為學生接觸前沿科研創造了條件，學生可以使用熟悉的Matlab軟件自主設計并編程實現手指靜脈圖像預處理、特征提取和匹配算法，完成實驗任務。在以項目形式開展的探索性實驗過程中，學生根據任務要求在教師的引導下循序漸進，不斷研究和探索解決方案，真正參與到實際科研項目的開發過程中。該實驗項目融合了機器視覺、圖像處理、模式識別等多門課程相關知識，具有一定的學科前沿性和良好的開放性，不僅能夠提高學生的主動性和積極性，還能夠促進學生創新能力和探索研究能力的提升，實現良好的教學效果，對于工程類課程開展探索性實驗具有一定的借鑒意義。