一種靜脈輪廓識別裝置的制造方法
【專利摘要】本實用新型公開一種靜脈輪廓識別裝置，根據(jù)圖像質(zhì)量評價獲得指定區(qū)域的最優(yōu)圖像，能有效地排除周圍環(huán)境的干擾，選取出最優(yōu)的靜脈圖像作為原始數(shù)據(jù)；采用圖像處理方法，獲得指定區(qū)域的手指靜脈輪廓線，其他則設(shè)為背景；根據(jù)雙目原理，將其轉(zhuǎn)換為三維視差圖像；將視差圖像轉(zhuǎn)換為三維點云；采用基于迭代最近點的點云匹配算法進行匹配，設(shè)置匹配閾值，實現(xiàn)身份認證和識別本實用新型基于手指靜脈輪廓的全部三維點云進行匹配，能有效地提高目前基于特征點的相關(guān)信息匹配精度和靈敏度，并有效地消除了因手指擾動造成的二維圖像誤判以及現(xiàn)有的三維特征不明顯的問題，可以根據(jù)點云匹配程度閾值來自定義調(diào)整識別的靈敏度。
【專利說明】
一種靜脈輪廓識別裝置
技術(shù)領(lǐng)域
[0001] 本實用新型涉及一種生物特征識別技術(shù)，特別涉及一種靜脈輪廓識別裝置。
【背景技術(shù)】
[0002] 現(xiàn)有的靜脈方法和裝置主要是基于二維靜脈圖像進行識別為主。在實際應(yīng)用中， 由于光照條件的變化、手指位置不一致、手指擾動等問題，造成模板與待識別圖像之間的失 配，從而極大程度地影響了靜脈識別方法的性能。解決基于二維靜脈圖像的識別問題的根 本途徑是米用二維識別。
[0003] 因此，如何解決三維靜脈識別已經(jīng)成為當(dāng)今靜脈識別技術(shù)的一個亟待解決的問 題。 【實用新型內(nèi)容】
[0004] 本實用新型為解決上述技術(shù)問題，提出了一種靜脈輪廓識別裝置。利用雙目視覺 的原理構(gòu)建基于嵌入式或計算機的手指靜脈三維識別裝置，獲取到手指靜脈的初始三維圖 像;結(jié)合圖像處理技術(shù)實現(xiàn)手指靜脈三維識別。
[0005] 本實用新型采用的技術(shù)方案是：一種靜脈輪廓識別裝置，包括:紅外光源、紅外濾 光片、手指槽、輕觸電源開關(guān)、左右兩臺攝像機、電源、電源控制電路以及外部處理設(shè)備;所 述外部處理設(shè)備為:PC機或ARM接口板或DSP處理板；
[0006]紅外光源設(shè)置于底部，左右兩臺攝像機設(shè)置于頂部，中間為放置手指的手指槽，手 指槽一端設(shè)有一個輕觸開關(guān);在左右兩個攝像機鏡頭上都加了紅外濾光片，用以濾除非紅 外光；
[0007] 手指槽、紅外光源和左右兩臺攝像機處于同一水平面上；
[0008] 手指與紅外光源垂直且距離為lcm，攝像機與手指的垂直距離大約8cm;
[0009]左右兩個攝像頭之間的距離大約3cm。
[0010] 進一步地，所述紅外光源為：白熾燈或氙燈或紅外發(fā)光二極管LED。
[0011] 更進一步地，所述紅外光源排布成陣列形式。
[0012] 本實用新型的有益效果:一種靜脈輪廓識別裝置，包括:紅外光源、紅外濾光片、手 指槽、輕觸電源開關(guān)、左右兩臺攝像機、電源、電源控制電路以及外部處理設(shè)備;所述外部處 理設(shè)備為:PC機或ARM接口板或DSP處理板;利用雙目視覺的原理構(gòu)建基于嵌入式或計算機 的手指靜脈三維識別裝置，獲取到手指靜脈的初始三維圖像;結(jié)合圖像處理技術(shù)實現(xiàn)手指 靜脈三維識別。
【附圖說明】
[0013] 圖1為本實用新型提供的識別裝置結(jié)構(gòu)圖。
[0014] 圖2為本發(fā)明提供的方案流程圖。
[0015] 圖3為本發(fā)明提供的檢測輪廓所用的掩膜；
[0016]其中，（a)為手指上邊界，（b)為手指下邊界。
[0017]圖4為本發(fā)明提供的手指靜脈三維識別流程圖。
【具體實施方式】
[0018] 為便于本領(lǐng)域技術(shù)人員理解本實用新型的技術(shù)內(nèi)容，下面結(jié)合附圖對本實用新型 內(nèi)容進一步闡釋。
[0019] 本實用新型通過如圖1所示的靜脈輪廓識別裝置，獲取手指靜脈初始圖像，該裝置 主要包括:紅外光源（1)、紅外濾光片（2)、手指槽（3)、輕觸電源開關(guān)(4)、左右兩臺攝像機 (5)、電源(6)、電源控制電路(7)、PC機(或ARM接口板和DSP處理板）（8)，其中兩臺攝像機水 平放置在裝置頂部，為了防止非紅外光，在鏡頭上加了紅外濾光片。手指槽置于裝置中間， 在手指槽的頂端放有輕觸開關(guān)(4)，裝置底部安放紅外光源(1)。
[0020] 手指在手指槽中就位后，指尖抵住輕觸開關(guān)(4)，則啟動設(shè)備電源(6)，開啟紅外光 源（1)和攝像機(5)，硬件設(shè)備開始工作。通過預(yù)定的成像參數(shù)，獲得初始圖像，通過結(jié)構(gòu)特 征來定量描述圖像質(zhì)量，如果滿足要求，則采用該圖像;否則采用PWM波調(diào)整光源電壓，重新 采集圖像，直至圖像質(zhì)量滿足要求;將獲得的最優(yōu)圖像裁剪為統(tǒng)一大小的圖像。
[0021 ]所述紅外光源為排布成陣列形式的白熾燈或氙燈或紅外發(fā)光二極管LED。白熾燈 或氙燈發(fā)出的其他光在攝像機(5)采集的時候，因為在鏡頭上加了紅外濾光片，可將除紅外 光意外的其他光線濾除，白熾燈或氙燈為常見光源，用于制造本申請的裝置可降低制造成 本。
[0022]如圖2所示為基于本實用新型裝置的一種靜脈輪廓三維點云匹配的身份識別方 法，包括：
[0023] S1、通過識別裝置獲取手指靜脈初始圖像；
[0024] 所述識別裝置包括:紅外光源、紅外濾光片、手指槽、輕觸電源開關(guān)、左右兩臺攝像 機、電源、電源控制電路以及外部處理設(shè)備;所述外部處理設(shè)備為：、PC機或ARM接口板或DSP 處理板；
[0025] 其中，紅外光源在底部，左右兩臺攝像機在頂部，中間為放置手指的手指槽，手指 槽頂部有一個輕觸開關(guān)，并且手指槽，紅外光源和左右兩臺攝像機處于同一水平面上； [0026] 紅外光源，手指槽和左右兩臺攝像機在同一水平面上，手指與紅外光源垂直且距 離為1 cm，攝像機與手指的垂直距離大約8cm;
[0027]左右兩個攝像頭之間的距離大約3cm;
[0028]在左右兩個攝像機鏡頭上都加了紅外濾光片，用以濾除非紅外光；
[0029] S2、對于步驟S1獲取的手指靜脈初始圖像，首先結(jié)合靜脈圖像質(zhì)量評價獲得最優(yōu) 的采集圖像，能有效地排除周圍環(huán)境的干擾;然后采用圖像處理獲得感興趣區(qū)域內(nèi)的手指 靜脈輪廓圖像;再采用雙目視覺原理獲得手指靜脈輪廓圖像的三維信息，將其轉(zhuǎn)換為三維 點云;具體包括以下分步驟：
[0030] S21、采用基于圖像內(nèi)容的結(jié)構(gòu)相似性來描述圖象質(zhì)量，即選擇一幅標(biāo)準圖像作為 參考，將每次采集的圖像與標(biāo)準圖像從亮度、對比度和結(jié)構(gòu)相似性三個方面進行對比，構(gòu)造 基于這三個要素的評價模型如下：
[0031] S(x,y) = [l(x,y)]a. [c(x,y)]p. [s(x,y)]Y
[0032]其中，l(x，y)為亮度比較函數(shù)，a為亮度權(quán)重，c(x，y)為對比度權(quán)重，0為對比度權(quán) 重，s(x，y)為結(jié)構(gòu)相似性比較函數(shù)，y為結(jié)構(gòu)相似性權(quán)重，x表示參數(shù)圖像，y采集的圖像。為 了便于后期圖像處理算法設(shè)計，這里的質(zhì)量評價的三個因素的權(quán)重均為1，即a=P= y =1。
[0034] 這里，
.表示參考圖像和采集圖像的平均亮度，
表示參考圖像和采集圖像的標(biāo)準差，
表示參考圖像和采集圖像的協(xié)方差，C1、 C4PC3分別是避免分母 為零的最小常數(shù)。
[0035] 依據(jù)S (x，y)的計算結(jié)果，越接近于1，說明與參考圖像質(zhì)量越接近，則表示越可接 受。這里設(shè)置S(x，y)的閾值為0.8,則S(x，y)大于等于0.8,表示該采集圖像可接受并采用， 如果S(x，y)小于0.8,則表示該圖像質(zhì)量不符合要求，則調(diào)整PWM波，重新采集圖像，直至采 集圖像與參考圖像的S(x，y)值大于等于0.8,為止。
[0036] S22、采用張正友標(biāo)定法對兩臺攝像機進行標(biāo)定，得到兩攝像機間的旋轉(zhuǎn)矩陣R和 平移向量T以及它們的內(nèi)參數(shù)矩陣K; ? ? r ?〇
[0037] K- 0 ar v0 ；. 0 0 1
[0038] 其中，au = -f ku，civ = _f kv表不在水平和垂直像素上的焦距，ku和kv是沿u軸軸(水平 軸)和 ￥軸（垂直軸）上每毫米的有效像素數(shù)，（UQ，VQ)是主點（光軸與視網(wǎng)膜平面交點）的坐 標(biāo)，Y是扭曲因子。
[0039]則相機投影矩陣可表示為P=K[R | T]。
[0040]采用Fusiello方法進行極線校正，使攝像機的光軸平行，從而得到只有水平位移 差異的一對圖像以及校正后的相機投影矩陣。
[0041] S23、使用CLAHE算法進行直方圖均衡化，采用自適應(yīng)閾值分割技術(shù)，獲得靜脈目 標(biāo)，然后采用Sobel邊緣檢測算子獲得靜脈輪廓，再采用8鄰域追蹤以獲得手指靜脈的單值 輪廓，并將得到靜脈輪廓點為關(guān)鍵點。具體為：
[0042] 首先，使用Contrast Limited Adaptive Histogram Equalization(CLAHE)算法 通過限制局部直方圖的高度來限制局部對比度的增強幅度，從而實現(xiàn)限制噪聲及局部對比 度的過增強。詳細過程為:將原圖像劃分成更小的窗口，計算各窗口內(nèi)的累積直方圖函數(shù)。 用預(yù)先定義的閾值來裁剪直方圖以達到限制放大幅度的目的并將這些裁剪掉的部分均勻 的分布到直方圖的其他部分。基于此直方圖做均衡化，以均衡化后窗口中心點的灰度為作 為中心點的灰度值。然后移動窗口，不斷重復(fù)上述過程，直到對每一個像素點進行灰度變 換。由此增強了圖像對比度。在實際應(yīng)用中，對比度限制限制值為在范圍[0，1]內(nèi)的一個數(shù) 值，本實驗選擇對比度限制為〇. 〇 1。
[0043] 然后，用中值濾波法濾掉圖像中的噪聲。中值濾波原理是把圖像中一點的灰度值 用該點的一個鄰域中各點值的中值代替，使周圍的像素值接近的真實值，從而消除孤立的 噪聲點。方法是用二維滑動模板，將模板內(nèi)像素按照像素灰度值的大小進行排序，生成單調(diào) 上升的為二維數(shù)據(jù)序列。二維中值濾波輸出為8(1，7)=1116(1{;^1-1^，7-1)，（1^，1￡1)}，其中， 以1， 7)^(1，7)分別為原始圖像和處理后圖像。1是大小為7\7的模板。
[0044] 再者，采用灰度拉伸來增強圖象質(zhì)量?；疑€性變換使得較小的灰度空間通過線 性關(guān)系擴展到更大的灰度空間?；叶染€性變換后，增加了像素的動態(tài)范圍，增強了圖像的對 比度。使圖像變得更加清晰，易于識別。假定原始圖像f(x，y)的灰度范圍為[a，b]，線性變換 后，圖像f(x，y)的灰度空間擴展到[c，d]，公式如下所示。在本方法中，原圖像歸一化灰度值 在[0.15,0.9]范圍內(nèi)的像素點被擴展至[0，1]。
[0046] 最后，分別采用自適應(yīng)閾值分割技術(shù)，獲得靜脈目標(biāo)，然后再采用輪廓提取和追蹤 以獲得手指靜脈的單值圖像輪廓。二次Sobel邊緣檢測得到靜脈輪廓和手指邊界輪廓并將 其作為關(guān)鍵點。
[0047] 首先，用如圖3所示的掩膜檢測手指輪廓
[0048] 通過計算每個x在y方向上掩模和圖像的卷積，最大卷積值出現(xiàn)的位置即為邊界 線。令手指區(qū)域外的像素灰度值等于0。使用自適應(yīng)閾值算法從背景中分離靜脈。進行此步 后得到的二值圖像仍然有噪聲區(qū)域被錯誤地提取為手指靜脈或背景，因此需要對圖像進行 腐蝕并且統(tǒng)計每個聯(lián)通區(qū)域的大小。面積小的黑色連通區(qū)域被白色像素填充，面積小的白 色區(qū)域被剔除。最后使用sobel算子提取出手指和靜脈的輪廓。Sobel邊緣檢測器使用一個3 X3領(lǐng)域的行和列之間的離散差來計算梯度，其中，每行或列的中心像素用2來加權(quán)，以提供 平滑效果：
[0050]式中，z項代表灰度。因此，如果在(x，y)處Af?彡T(T是自適應(yīng)閾值），那么在該位置 的像素是邊緣像素。提取出輪廓后，將其作為匹配使用的關(guān)鍵點。
[0051] S24、使用SAD算法做立體匹配并生成視差圖，選擇使SAD值最小的平移距離為滑動 窗中心點的視差值，以從左往右從上往下的順序依次計算每一個像素點的視差值，最終得 到視差圖。
[0052] 使用SAD算法做立體匹配并生成視差圖。計算公式圖下：
[0053] SAD(u, v,d) = V；_ \l, (.v -t-/. v + ./)- /,. (x + i + d,y + j)\
[0054]式中，ijPIr分別表示左右圖像素點的灰度值，d代表視差距離，w是滑動窗大小，x 和y表示滑動窗中心像素坐標(biāo)。選擇使SAD值最小的平移距離為滑動窗中心點的視差值。以 從左往右從上往下的順序依次計算每一個像素點的視差值，最終得到視差圖。
[0055] S25、使用三角測量原理計算點的三維坐標(biāo)。
[0056]左攝像機獲得的圖像（以下簡稱"左圖"）中點和右攝像機獲得圖像（以下簡稱"右 圖"）中的對應(yīng)點坐標(biāo)在相機坐標(biāo)系下分別為X和V。兩個相機的投影矩陣分別為P和P'。由 此我們得到了兩個等式:x = PX和YiP'X，將它們合并成一個關(guān)于X的線性方程AX = 0。通過 計算叉積，可得到每個點的三個方程，并消掉了齊次尺度因子。對于左圖，式xX (PX)=0可 以被寫成為： ..v(/,,/\Y)-(/5i/\Y) = 0
[0057] ， x)-y(Pu X) = Q [0058]其中，PlT^P的行向量。
[0059] 對于右圖，可以把上述方程組的x和y代換為Y，y'得到右圖的方程。
[0060] 矩陣A為： ~xPiT -PXT _ vPiT-P2T
[0061] ， xP,31 -PnT -P'nr
[0062] X=( ' [是其次方程，X即為AX = 0的最小二乘解。從而獲得對應(yīng)點X的三維坐 標(biāo)系。
[0063] S3、如圖4所示為本實用新型的識別流程圖。首先將待匹配點云和模版點云平移至 各自重心，然后計算兩點云中的最近點對，得到誤差和坐標(biāo)變換向量，把坐標(biāo)變換向量代入 原待匹配點云數(shù)據(jù)得到變換后的點云。判斷誤差是否大于第二閾值以及現(xiàn)迭代次數(shù)是否大 于最大迭代次數(shù)，若否，則返回計算最近點，進行下一次迭代。若是，則將數(shù)據(jù)點云配準至模 版點云，再比較誤差是否小于第二閾值，若是，則匹配成功;若否，則匹配失敗。
[0064]本實用新型基于手指靜脈輪廓的全部三維點云進行匹配，能有效地提高目前基于 特征點的相關(guān)信息匹配精度和靈敏度，并有效地消除了因手指擾動造成的二維圖像誤判以 及現(xiàn)有的三維特征不明顯的問題，可以根據(jù)點云匹配程度閾值來自定義調(diào)整識別的靈敏 度。
[0065] 根據(jù)步驟S2得到的三維點云，通過改進的ICP匹配算法實現(xiàn)手指靜脈的三維識別。 假設(shè)Pi(i = l，2-_NP)是模版點云，xi(i = l，2-_Nx)是待匹配的點云，i表示點云中點的編號。 使用單位四元數(shù)法來計算運動參數(shù)，得到用四元數(shù)法表示旋轉(zhuǎn)矩陣％ ,其中 qoX)且q〇2+qi2+q22+q32 = l。以及平移向量各=[^4 ，最終通過計算矩陣A來得到旋轉(zhuǎn) 矩陣R。 2 (斯)
[0066] R= 2(q^qz+ql)q:, ) 2{q,qs-q{)L!\) 2(qiqrqtlq：：) 2(q2q,+(M[) _
[0067] 配準狀態(tài)向量為# = 由此將匹配問題轉(zhuǎn)化為尋找函數(shù)/(f)的最小值
[0068] /(^) = E；lP1|[x/-(/?fe)i3;.4-^)||2 (5)
[0069]具體包括以下分步驟：
[0070] 1 )、計算模版點云和待匹配點云的重心 。并將其移 動到同一坐標(biāo)下的相同位置；
[0071] 2)、計算兩組點云的最小矩形包圍盒，旋轉(zhuǎn)點云使得最小包圍盒的朝向一致；
[0072] 3)、得到兩個點云集合的互協(xié)方差矩陣；
[0074] 4)、利用反對稱矩陣Aij = ( E PX E PXT) ij構(gòu)造列向量A = (A23A31A12)T，并用該列向量 生成一個4*4的對稱矩陣Q( EPX); _5]昨".'卜 ,,T_fjy；
[0076] 5)、計算步驟4)所得對稱矩陣Q(EPX)的特征值和單位特征向量；
[0077] 其中，最大的特征估值對應(yīng)的單位特征向量為最佳旋轉(zhuǎn)矩陣:'+仏私；]、
[0078] 6)、計算最佳平移向量々，=|1,-尺(&)1。
[0079] 7)、根據(jù)步驟5)得到的旋轉(zhuǎn)矩陣以及步驟6)得到的最佳平移向量，得到配準狀態(tài) 向里=:[毛|務(wù)];
[0080] 8)、構(gòu)建匹配識別目標(biāo)函數(shù)：
[0081 ] /⑷=以|卜-(穴(《）/; +各)||%
[0082] 其中，及表示模版點云，Xl表示待匹配的點云，R表示旋轉(zhuǎn)矩陣，心表示最佳旋轉(zhuǎn)矩 陣，丞表示最佳平移向量，I I ? I I2表示歐式距離的平方。
[0083] 9)、根據(jù)步驟7)得到的配準狀態(tài)向量，計算步驟8)匹配識別目標(biāo)函數(shù)./如）的最小 均方誤差七 =/(4);
[0084] 10)、根據(jù)多次匹配實驗測定第二閾值，即匹配閾值I，第二閾值可根據(jù)識別的靈敏 度來調(diào)整。如果識別的靈敏度要求高，則該閾值則越小;反之，如果識別的靈敏度要求低，則 該閾值則越大，即通過該域值的設(shè)定，可以調(diào)整系統(tǒng)的識別的靈敏度。將步驟9)得到的最小 均方誤差d ms與t進行比較，若dms大于I，則用計算出的平移向量和旋轉(zhuǎn)矩陣得到的點云數(shù)據(jù) 陣代替原待匹配點云P = 1.2…A/,., ；) = /如+ "循環(huán)迭代直到dms小于等于t，或迭代次數(shù)大 于預(yù)設(shè)的最大迭代次數(shù)。如果在預(yù)設(shè)的最大迭代次數(shù)內(nèi)，匹配失敗，則說明識別失敗，即身 份驗證失敗;如果在預(yù)設(shè)的最大迭代次數(shù)內(nèi)，匹配成功，且dms小于等于t，則說明識別成功， 即身份驗證成功。其中，最大迭代次數(shù)是根據(jù)點云的數(shù)目和識別的精度、實時性和靈敏性來 實驗確定的。最大迭代次數(shù)的設(shè)置是根據(jù)匹配識別的實時性要求和精度要求，通過多次實 驗來確定的。如果識別的實時性要求高，則最大迭代次數(shù)可設(shè)計為較少;如果識別的實時性 要求低，則最大迭代次數(shù)可設(shè)計為較多。如果識別的精度要求高，則最大迭代次數(shù)可設(shè)計為 較多;如果識別的實時性要求低，則最大迭代次數(shù)可設(shè)計為較少。
[0085]本領(lǐng)域的普通技術(shù)人員將會意識到，這里所述的實施例是為了幫助讀者理解本實 用新型的原理，應(yīng)被理解為本實用新型的保護范圍并不局限于這樣的特別陳述和實施例。 對于本領(lǐng)域的技術(shù)人員來說，本實用新型可以有各種更改和變化。凡在本實用新型的精神 和原則之內(nèi)，所作的任何修改、等同替換、改進等，均應(yīng)包含在本實用新型的權(quán)利要求范圍 之內(nèi)。
【主權(quán)項】
1. 一種靜脈輪廓識別裝置，其特征在于，包括:紅外光源、紅外濾光片、手指槽、輕觸電 源開關(guān)、左右兩臺攝像機、電源、電源控制電路以及外部處理設(shè)備;所述外部處理設(shè)備為:PC 機或ARM接口板或DSP處理板； 紅外光源設(shè)置于底部，左右兩臺攝像機設(shè)置于頂部，中間為放置手指的手指槽，手指槽 一端設(shè)有一個輕觸開關(guān);在左右兩個攝像機鏡頭上都加了紅外濾光片，用以濾除非紅外光； 手指槽、紅外光源和左右兩臺攝像機處于同一水平面上； 手指與紅外光源垂直且距離為lcm，攝像機與手指的垂直距離大約8cm; 左右兩個攝像頭之間的距離大約3cm。2. 根據(jù)權(quán)利要求1所述的一種靜脈輪廓識別裝置，其特征在于，所述紅外光源為：白熾 燈或氙燈或紅外發(fā)光二極管LED。3. 根據(jù)權(quán)利要求2所述的一種靜脈輪廓識別裝置，其特征在于，所述紅外光源排布成陣 列形式。
【文檔編號】G06K9/00GK205594652SQ201620393918
【公開日】2016年9月21日
【申請日】2016年5月4日
【發(fā)明人】不公告發(fā)明人
【申請人】成都指碼科技有限公司