技术领域
[0001] 本
发明涉及一种身份信息识别方法及其系统，尤其涉及一种采集活体静脉及掌纹来进行身份信息识别方法及其系统。
背景技术
[0002] 现在，人体
生物特征识别技术的研究和产品开发受到了众多科研院所和企业的重视，大量的研究集中在基于手部特征的生物识别上，如
专利申请号为200710035239.2的指纹识别系统、专利申请号为200810217350.8的指背关节纹识别、专利申请号为200910013851.9的指静脉识别、专利申请号为200710144946.4的掌纹识别和掌静脉识别等。其中，最受关注的是基于静脉特征的识别技术和产品。静脉特征与人脸、指纹等其他生物特征相比具有如下几个有点：1)静脉是活体特征，难以伪造；2)静脉处于
皮肤表皮下，
稳定性好，不易受到损伤；3)不易受到外界环境光照的影响；4)不同于人脸，静脉没有表情变化，特征模式固定；5)与
人脸识别设备相比成像设备体积小。因此，静脉识别已经成为目前最有前途、最受关注的身份认证技术。
[0003] 然而，现有的静脉识别技术所使用的特征如专利申请号为200910013851.9的
手指静脉和专利申请号为200710144946.4的掌静脉存在共同的缺点，即这两种静脉都处于皮下较深处，且静脉所处深度分布也不均匀，利用现有的
近红外成像设备获取的静脉图像
对比度低，静脉边缘与背景相交处明暗变化程度低，静脉的宽度与分布走向并不清晰，这样造成静脉提取
算法难度的急剧加大，结果从图像中提取的指静脉和掌静脉不够准确、模糊不清，严重影响识别的准确率和较大地限制了成像条件，使得产品在市场上的适用性显著降低。此外，意外损伤和生理病变可能造成生物特征的显著变化，而导致单模态身份认证系统往往拒识合法的用户。
发明内容
[0004] 本发明所要解决的技术问题是提供一种简便易行，并能够获得更加准确的对用户的身份进行识别的方法和系统。
[0005] 本发明的目的是通过以下技术方案来实现的：
[0006] 一种身份信息识别方法，其特征在于，包括如下步骤：
[0007] 手掌
支撑步骤：放置待辨明身份的手掌于手掌支撑装置上；
[0008] 手背静脉信息获取步骤：对准所述手掌支撑装置的一侧设置的手背静脉信息获取装置，获取放置在所述手掌支撑装置上的待辨明身份的手掌的手背静脉的图像；
[0009] 掌心掌纹信息获取步骤：对准所述手掌支撑装置的另一侧设置的掌心掌纹信息获取装置，获取放置在所述手掌支撑装置上的待辨明身份的手掌的掌心掌纹的图像；
[0010] 身份处理识别步骤：分别连接于所述手背静脉信息获取装置和掌心掌纹信息获取装置输出端的身份处理识别装置，包括以下步骤：
[0011] 静脉纹理处理步骤：分别对所述的掌心掌纹的图像和所述的手背静脉的图像感兴趣区域，进行
亮度归一化处理，再进行采用双尺度局部
阈值的分割方法，以分别获得相应的掌心掌纹的纹理信息和手背静脉纹理信息；然后，
[0012] 细化处理步骤：对所述掌心掌纹的纹理信息和手背静脉纹理信息分别进行二值化处理；然后，
[0013] 特征融合步骤：根据几何对应关系，对所述掌心掌纹的纹理信息和手背静脉纹理信息进行结构化的纹理特征融合，以获得兼包含所述掌心掌纹的纹理信息和手背静脉纹理信息的纵横交叉点集的身份特征矢量；然后，
[0014] 比较识别步骤：比较所述身份特征矢量与所述身份特征矢量库中的注册样本特征矢量相似度，找到相似度匹配的注册样本特征矢量即判定相应的用户的身份。
[0015] 经过研究对比发现，同一个人静脉图像与掌纹图像具有明确的一一对应的几何关系，即静脉图像上的每个
像素在掌纹图像上都有且仅有一个像素与之对应。采用上述技术方案，将获取同一只手的手背静脉分布特征和手掌纹理特征，并根据这种对应关系获取相应的身份，这样就大大的提高了检测的准确性。
[0016] 由于进一步采用了静脉纹理处理步骤、细化处理步骤、特征融合步骤及比较识别步骤，可以进一步优化出掌心掌纹的纹理信息和手背静脉纹理信息，并能够针对特定的感兴趣区域进行测量，以提高检测的
精度，并进一步减少识别时候的可能出现的误差。
[0017] 优选的，所述双尺度局部阈值的分割方法包括如下步骤：
[0018] 第一比较值步骤：以所述的掌心掌纹的图像或手背静脉的图像上待处理的像素为中心，邻域尺度17×17像素范围内获得第一比较值M1(x，y)，
[0019]
[0020] 其中，x，y分别是待处理的像素的横纵坐标，I(x，y)是所述待处理像素亮度值，度mean1是该17×17像素邻域内像素的亮度均值，σ1是该17×17像素邻域内像素的亮度的标准差，k是一常系数；
[0021] 第二比较值步骤：以该待处理的像素为中心，邻域尺度33×33像素范围内获得第二比较值M2(x，y)，
[0022]
[0023] 其中，度mean2是以待处理的像素为中心，33×33像素邻域内像素亮度的均值，σ2是以待处理的像素为中心，33×33像素邻域内像素的亮度的标准差；
[0024] 比较提取步骤：获取相应的掌心掌纹的纹理信息或手背静脉纹理信息Mout(x，y)，[0025]
[0026] 进一步而言，在所述双尺度局部阈值的分割方法中，分别对应所述掌心掌纹的图像和手背静脉的图像，所述常系数k取值不同。
[0027] 优选的，所述特征融合步骤包括如下步骤：
[0028] 经过细化处理步骤处理的掌心掌纹的纹理信息为Mout-palm，经过细化处理步骤处理的手背静脉纹理信息为Mout-vein，处理获取所述Mout-palm和Mout-vein的特征交集为身份特征矢量Mcross(x，y)，
[0029]
[0030] 这样，所述身份特征矢量是一个离散的交叉点集。
[0031] 优选的，所述手背静脉信息获取步骤包括如下步骤：
[0032] 红外光照射步骤：红外
光源照射放置于所述手掌支撑装置上的手掌的手背；
[0033] 成像步骤：光电转化装置将通过带通红外滤镜滤波的该手背的像转化为相应的电
信号形式的手背静脉的图像。
[0034] 现有的研究表明
波长在700-900nm的近红外
光谱对人体组织的穿透
力较强，同时人体血液中的血红蛋白的吸收率也较高，这样，所采集的图像中静脉部分亮度较低。能够进一步提高手背静脉的图像中静脉纹理的成像
质量，进一步提高整个技术方案识别的能力。
[0035] 进一步而言，所述红外光源所发出光的波长范围为700至900nm；所述带通红外滤镜滤除波长低于700nm和高于900nm的光谱。
[0036] 优选的，所述红外光源为双排红外发射管阵列，分别斜对于所述待辨明身份的手掌的手背的两侧设置。
[0037] 由于进一步采取上述技术措施，确保了对于手掌光照的均匀性、稳定性和获取高质量的静脉图像。
[0038] 本发明中所称的手背部分，为人手从四指根部开始到
手腕之间与手掌相对应的部分。与手指静脉与掌静脉相比，手背静脉处于紧贴于手背表皮下，无需红外照射即可见其主要静脉的分布，如果再辅以近红外光源照射，就容易获取十分清晰的静脉图像。
[0039] 本发明还提供一种身份信息识别系统，包括：
[0040] 手掌支撑装置，用于放置待辨明身份的手掌；
[0041] 手背静脉信息获取装置，对准所述手掌支撑装置的一侧设置，用于获取放置在所述手掌支撑装置上的待辨明身份的手掌的手背静脉的图像；
[0042] 掌心掌纹信息获取装置，对准所述手掌支撑装置的另一侧设置，用于获取放置在所述手掌支撑装置上的待辨明身份的手掌的掌心掌纹的图像；
[0043] 身份处理识别装置，为一计算处理设备，分别连接于所述手背静脉信息获取装置和掌心掌纹信息获取装置输出端；
[0044] 用于分别对所述的掌心掌纹的图像和所述的手背静脉的图像中感兴趣区域，进行亮度归一化处理，再进行采用双尺度局部阈值的分割方法，以分别获得相应的掌心掌纹的纹理信息和手背静脉纹理信息；
[0045] 还用于对所述掌心掌纹的纹理信息和手背静脉纹理信息分别进行二值化处理；
[0046] 还用于根据几何对应关系，对所述掌心掌纹的纹理信息和手背静脉纹理信息进行结构化的纹理特征融合，以获得兼包含所述掌心掌纹的纹理信息和手背静脉纹理信息的纵横交叉点集的身份特征矢量；
[0047] 还用于比较所述身份特征矢量与所述身份特征矢量库中的注册样本特征矢量相似度，找到相似度匹配的注册样本特征矢量即判定相应的用户的身份。
[0048] 优选的，所述手掌支撑装置包括：用于支撑待辨明身份的手掌，为一扇面形状的支桥，以及依次设置于所述支桥的扇面端部弧，分别与待辨明身份的手掌的食指、中指、无名指和小指之间的连接根部相应的
位置的，第一卡点、第二卡点和第三卡点。
[0049] 由于进一步采用上述技术措施，能够对所放入的待辨明身份的手掌的放置位置进行确定，能够更简便易行的提高其测量的精度。
[0050] 与
现有技术相比本发明的优点在于，由于是同时获取同一生理部位的两种不同的生物特征-活体特征和非活体特征，更好地开发和利用手部特征信息，克服传统的单一指静脉、掌静脉成像对比度低、难于精确提取静脉的问题，并以两类特征的结构化融合为主要思路，提高系统抗伪造能力和安全级别。
附图说明
[0051] 图1是本发明身份信息识别系统一种
实施例的结构示意图；
[0052] 图2是本发明身份信息识别系统另一种实施例的结构示意图；
[0053] 图3是本发明身份信息识别系统另一种实施例中手掌支撑装置的结构示意图；
[0054] 图4是本发明身份信息识别方法一种实施例的流程示意图。
具体实施方式
[0055] 下面结合附图和较佳的实施例对本发明作进一步说明。
[0056] 如图1所示，一种身份信息识别系统，包括：
[0057] 手掌支撑装置，用于放置待辨明身份的手掌；
[0058] 手背静脉信息获取装置，对准所述手掌支撑装置的一侧设置，用于获取放置在所述手掌支撑装置上的待辨明身份的手掌的手背静脉的图像；
[0059] 掌心掌纹信息获取装置，对准所述手掌支撑装置的另一侧设置，用于获取放置在所述手掌支撑装置上的待辨明身份的手掌的掌心掌纹的图像；
[0060] 身份处理识别装置，分别连接于所述手背静脉信息获取装置和掌心掌纹信息获取装置输出端，以分别获取相应的手背静脉纹理信息和掌心掌纹的纹理信息，再根据手背静脉纹理信息和掌心掌纹的纹理信息构造身份特征矢量，对比其所具有的身份特征矢量库判定用户的身份。
[0061] 身份信息识别系统更具体的一个实施例参见图2所示，
[0062] 其中，数码摄像机1、数码摄像机2、近红外光源3、数据通信
接口4、手掌支撑装置5和计算机6、红外滤镜7、可见光源8和
箱体9。
[0063] 数码摄像机1和数码摄像机22用来分别获取手背静脉的图像和掌心掌纹的图像。静脉成像质量与静脉血液中血红蛋白的含量、血管的分布深度直接相关。现有的研究表明波长在700-900nm的
近红外光谱对人体组织的穿透力较强，同时人体血液中的血红蛋白的吸收率也较高，这样，所采集的图像中静脉部分亮度较低。该实施例中采用波长为880nm的条形红外发射管阵列作为红外光源。红外光源3在待辨明身份的手掌的手背的两侧上方安装，确保了对于手掌光照的均匀性、稳定性和获取高质量的手背静脉的图像。
[0064] 数码摄像机1和数码摄像机2分别用来采集手背静脉的图像和掌心掌纹的图像，并通过数据
通信接口4获取的图像数据传输到计算机6中。数据通信接口4可以选择采用采用PCI、IEEE1394、USB或无线收发器来实现与计算机6的信息传递。
[0065] 身份处理识别装置即为计算机6，可选择采用普通PC机或
嵌入式系统。
[0066] 红外滤镜7用来滤除近红外波段以外的环境光干扰，以保证得到较好的采集效果；可见光源8用来给掌纹成像提供稳定光照条件，箱体9作为承载和固定上述各组成部分的的载体，同时也具有暗箱的作用。
[0067] 在进行具体手背静脉的图像和掌心掌纹的
图像采集时，用户将辨明身份的手掌自然伸直并
水平放置到作为手掌支撑装置的手掌放置台5上，手背向上，掌心向下。
[0068] 请参见附图3，手掌支撑装置包括：用于支撑待辨明身份的手掌，为一扇面形状的支桥10，以及依次设置于所述支桥的扇面端部弧，分别与待辨明身份的手掌的食指、中指、无名指和小指之间的连接根部相应的位置的，第一卡点11、第二卡点12和第三卡点13。
[0069] 以左手为例，参照图3应使第一卡点11、第二卡点12和第三卡点13分别为处于小拇指和无名指根部、无名指与中指根部、中指与食指根部处的高度的圆柱体，用来
定位手指根部。
[0070] 如图4所示的身份信息识别方法的
流程图中，还增加了采集所有注册用户的身份信息的身份特征矢量，即注册样本特征矢量，以获得身份特征矢量库的注册过程，其步骤如下：
[0071] 步骤1，在利用图像采集设备进行手背静脉的图像与掌心掌纹的图像采集。
[0072] 步骤2，分别对手背静脉的图像与掌心掌纹的图像进行感兴趣区域提取。由于手掌支撑装置上具有固定手掌定位的卡点，同时，卡点又具有特定的图像信息，这样根据卡点在图像中的位置作为依据可以分别提取固定长度和宽度的感兴趣区域图像，如从卡点1下方第50个像素开始、从卡点1左方第20个像素处开始取256×256个像素的图像作为感兴趣区域。
[0073] 步骤3，分别对所述的掌心掌纹的图像和所述的手背静脉的图像进行亮度归一化处理，再进行采用双尺度局部阈值的分割方法，以分别获得相应的掌心掌纹的纹理信息和手背静脉纹理信息。
[0074] 步骤4，分别对所述掌心掌纹的纹理信息和手背静脉纹理信息进行二值化处理，获得单像素宽度的纹理特征。
[0075] 步骤5，对掌心掌纹的纹理信息和手背静脉纹理信息进行结构化的融合，生成同时包含两类纹理信息的纵横交叉特征点集。
[0076] 步骤6，特征
抽取，实际上将上述步骤5获得的纵横交叉特征点集按照一定次序排列为一个
特征向量。设点集中点的个数为n个，则向量维数为2n，每一维即是一个点的横或纵坐标。以此注册样本特征矢量作为表征用户区别于其它用户的特征，存储并建立身份特征矢量库。
[0077] 身份信息识别方法的流程包括如下步骤：
[0078] 步骤1，在利用图像采集设备进行手背静脉的图像与掌心掌纹的图像采集。
[0079] 步骤2，分别对手背静脉的图像与掌心掌纹的图像进行感兴趣区域提取。由于手掌支撑装置上具有固定手掌定位的卡点，同时，卡点又具有特定的图像信息，这样根据卡点在图像中的位置作为依据可以分别提取固定长度和宽度的感兴趣区域图像，如从卡点1下方第50个像素开始、从卡点1左方第20个像素处开始取256×256个像素的图像作为感兴趣区域。
[0080] 步骤3，分别对所述的掌心掌纹的图像和所述的手背静脉的图像进行亮度归一化处理，再进行采用双尺度局部阈值的分割方法，以分别获得相应的掌心掌纹的纹理信息和手背静脉纹理信息。
[0081] 步骤4，对所述分别所述掌心掌纹的纹理信息和手背静脉纹理信息进行二值化处理，获得单像素宽度的纹理特征。
[0082] 步骤5，对掌心掌纹的纹理信息和手背静脉纹理信息进行结构化的融合，生成同时包含两类纹理信息的纵横交叉特征点集。
[0083] 步骤6，特征抽取，实际上将上述步骤5获得的纵横交叉特征点集按照一定次序排列为一个特征向量，即为待辨明身份的手掌的身份特征矢量；
[0084] 步骤7，将待辨明身份的手掌的身份特征矢量与身份特征矢量库中的样本逐一进行相似性测度计算，具体实现可以采用hausdauf距离测度，也可采用其他类距离测度。如果计算结果小于预先设定的阈值，则身份认证成功，即判定该待认证用户与被匹配样本是同一用户，属已授权的合法用户；否则，认证失败，视为非法用户。
[0085] 以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。
