一種掌紋特徵獲取方法及相應的基於掌紋的身份識別方法

2023-05-13 11:24:01 3

專利名稱：一種掌紋特徵獲取方法及相應的基於掌紋的身份識別方法
技術領域：
本發明屬於生物特徵識別技術領域，特別涉及一種掌紋特徵獲取方法及利用所獲取的 掌紋特徵進行身份識別的方法。
背景技術：
生物特徵識別技術就是採用每個人獨一無二的生物特徵來驗證用戶身份的技術。由於 每個人的生物特徵具有與其他人不同的唯一性和在一定時期內不變的穩定性，不易偽造和 假冒，所以利用生物識別技術進行身份認定，安全、可靠、準確。掌紋特徵信息豐富、穩 定，易於採集。因此，以掌紋特徵進行身份識別安全性高，且釆集設備成本相對低廉。CN1154070C、 CN1685357A、 CN1726867A各自公開了一種掌紋採集設備以及相應的 掌紋識別方法，CN1728158A公開了一種掌紋採集設備。這些專利申請或專利中提及的設 備的掌紋採集方式對於用戶的操作要求較高，採集設備需要專門定做，且相對笨重，同時， 相關設備的基於掌紋的身份識別方法均普遍需要一個封閉的採集環境，依賴於接觸式、帶 有定位裝置的採集方法，這些特點導致傳統的掌紋識別算法在投入應用中時，設備的製造 成本相對較高，且難以小型化，便攜性不高。CN1206609C、 CN1184584C、 CN1378176A各自提出了一種掌紋識別方法，但是這些 方法均需要高精度的圖像與特製的高成本採集設備。發明內容本發明針對上述掌紋識別方法在應用領域的不足之處加以改進，提出了一種掌紋特徵 獲取方法，該方法可以對在開放的採集環境下、使用無定位裝置非接觸的採集方式採集到 的低解析度圖像數據進行處理，從而使得掌紋採集方便易行，拋棄了封閉的環境與定位裝 置，使用軟體算法解決傳統的硬體解決的問題。本發明獲取掌紋特徵的方法包括下列四個步驟採集手掌圖像；對採集到的圖像預處 理；確定手掌有效區域；對手掌有效區域提取掌紋特徵。現分述如下1、採集手掌圖像本發明將傳統的掌紋採集方式由"封閉式設備，接觸式採集"擴展到可以是"開放環 境下，非接觸式採集"，使用市場上通用的、靈活的圖像採集設備(如普通的攝像頭)即可採集手掌圖像，對所採集的手掌圖像要求很低，只要採集到的圖像清晰，圖像中手掌平 展、五指分開，掌紋肉眼可見即可。2、預處理圖像對原始採集到的手掌圖像A進行預處理，其主要目的是去除背景， 確定人手所在的位置，獲得相應的手掌二值圖像B。去除背景的方法比較多，對於用純深色背景拍攝的手掌圖像，可採用較為簡單的方法 去除背景， 一般包括灰度化、手掌區域增強與二值化三個過程。首先將採集到的彩色圖像轉換成灰度圖像A'，然後採用灰度直方圖拉伸方法增強圖像的對比度，隨後選取適當的閾 值即可獲得一幅二值圖像B，圖像中手所在的區域是白色，圖像的其餘部分都算作背景區 域，為黑色。而對於背景較為複雜的圖像，可以根據"膚色模型"尋找皮膚所在的區域，即人手的 區域，剩餘部分則為背景；也可以採用"基於手形的人手定位"技術，利用模版在採集的 圖像中尋找形狀類似人手的區域，即人手所在的區域。最終也獲得相應的手掌二值圖像B。 下面對這兩類方法進行概述。2-1.根據"膚色模型"尋找皮膚所在的區域膚色模型種類眾多，這類方法的思路就是在不同的顏色空間中對已知圖像上屬於皮膚 的點進行分析，總結出這類點的共同特點，訓練出分類器，對未知圖像上的點進行分類， 區分開屬於皮膚的點以及不屬於皮膚的點。這裡僅以使用YCrCb顏色空間進行膚色檢測為 例進行說明。YCrCb顏色空間與RGB顏色空間的對應關係為Y=0.299R+0.587G+0.114BCr=R-YCb=B-Y (1) 根據文獻PHUNG S. L.， BOUZERDOUM, A., AND CHAI, D. 2002. A novel skin color model in YCbCr color space and its application to human face detection. In IEEE International Conference on Image Processing (ICIP'2002), vol. 1， 289-292.，採用如下方法訓練分類器 令屬於皮膚上的樣本點集合為E， E={xl， x2， x3, ， xN}，其中xi=[Yi, Cri, Cbi]T，N為總樣本數。a.將所有樣本點歸為初始的k類E={E1， E2，……，Ek}，要滿足 Ei={xjEE| Ymin+(i — 1) zlr芸Yj〈Ymax+(i—1)」r} (2) 其中i=l， 2，……，k， Ymin與Ymax分別是所有點中Y的最小值與最大值，」r =(Ymax-Ymin)/k。b.計算a中每一類的中心值與協方差矩陣-=丄2>, 見3 j/ x乂 e￡,其中Ni為每一類Ei中的樣本個數 c.對於每一個樣本formula see original document page 7(3)(4)formula see original document page 7計算其到這k個類別的Mahalanobis距離。(5)對每一個樣本點xj都計算到所有分類的Mahalanobis距離，並將xj重新歸類於與其M距離最小的那個分類中。d.重複b、 c步足夠多的次數直到每個類中的樣本點不再變化為止。 對於新輸入的數據中的未知分類點x呵Y，Cb,Cr]T，若Cbe[75，135], Cr e [130， 180],並且x與某一分類Ei的M距離小於某閾值，則認為該點為皮膚上的點，否則認為不屬於皮膚上的點。2-2.採用"基於形狀的人手定位"技術該方法比較複雜，可參見文獻S. Belongie, J. Malik， and J. Puzicha. Shape matching and object recognition using shape contexts. IEEE Trans. Pattern Analysis and Machine Intell" 24(4):509-522, April 2002.，下面對其做一簡要說明。對於人手，可以有若干預先定義好的模板圖像，然後對輸入的待檢測圖像進行邊緣提 取，提取後的圖像中還會包含大量的非手掌輪廓的邊緣信息作為幹擾數據存在。基於形狀 的人手定位技術可以依據模板圖像的形狀，從包含大量噪音幹擾的邊緣數據中找出與模板 圖像最匹配的形狀來。對於模板圖像上的每一個點，待檢測圖像中都有一個與其最匹配的 點存在。計算兩點匹配程度的算法如下 Pi與qj分別屬於兩幅圖像上的點formula see original document page 7formula see original document page 76) 其中柳=物",I (7)Pi是所針對的某點，而q為該圖像形狀上剩下的其他所有點。對形狀圖像進行極坐標 變換之後，根據坐標原點的同心圓與經線，將圖像劃定成K個區域，每個區域為bin(k)， 方便計算兩點在空間位置上的關係。根據上述公式，找到與模板圖像上的所有的點匹配程度最高的點集，即是目標圖像中 與模板形狀最相像的形狀。3、 確定手掌有效區域針對步驟2獲得的手掌二值圖像B,確定掌紋特徵所在的位置， 以便於後續的特徵提取操作處理，這是本發明的關鍵部分。由於本發明採用的是通用的圖像設備採集到的低解析度圖像，並且不需要輔助的定位 裝置，因此該步驟需要充分考慮到了採集方式所帶來的手掌姿勢、位置的不穩定性，並做 到儘可能的魯棒、精確。首先需要定義什麼是"手掌有效區域"。對於不同的算法，手掌 有效區域的定義可能不同。在本發明中，手掌有效區域是指手掌區域裡最靠近四指根部的 一內切圓，該內切圓的半徑不小於最大內切圓半徑R的D倍，其中0.75DS0.85。本發明確 定手掌有效區域的具體的方法是對於步驟2中得到的手掌二值圖像B，由於手所在的區 域與背景區域顏色不同，因此很容易確定手的區域，找到手所在的區域之後，獲取所有的 手掌區域的內切圓，在半徑不小於最大內切圓半徑R的D倍的所有的內切圓中，選擇最靠 近四指根部的內切圓即得到所定義的"手掌有效區域"。在圖像B上找到手掌有效區域後， 相對應的圖像A或A'上的手掌有效區域也就確定了，從圖像A上截取該區域後灰度化， 或者直接從灰度圖像A'上截取該區域，從而得到灰度化的手掌有效區域圖像。上述方法中，所謂"最靠近四指根部的內切圓"可以由內切圓的圓心坐標來確定。如 果以圖像左上角為坐標原點，向右向下橫縱坐標依次增大，那麼只要圖像中中指是指向上 方或斜上方的(即手掌在圖像平面內相對於圖1的偏轉角度小於±90度)，就可以保證在半 徑不小於最大內切圓半徑R的D倍的所有的內切圓中，最靠近四指根部的內切圓是圓心坐 標最小的那一個。同理可得，最靠近手腕的內切圓是圓心坐標最大的。4、 提取掌紋特徵該步驟是從包含掌紋特徵的圖像數據中提取出掌紋特徵，由於本 發明所採用的是低解析度圖像，因此需要特徵提取算法能夠解決圖像的高噪音，低對比度 等問題。特徵提取就是採用信號處理的算法，從圖像中獲取穩定的，能夠代表圖像的所有者的 特性的數據。這種數據的性質在於對於從來自不同人的圖像提取出來的數據，能夠通過度量，得出明顯的不同，以區分開不同的人；對於從來自同一個人的圖像提取出來的數據，可以通過度量得出數據非常近似這一結論，證明圖像採自同一個人。這種數據叫做特徵。 特徵提取的方法多種多樣，且不一定相關。本發明在獲得手掌有效區域圖像之後，採用Niblack局部區域二值化方法(W.Niblack, 爿w/"&oc^c"ow to image iVoce^/wg, Prentice-Hall, 1986.)對其進行二值化，便得到掌紋特徵 圖，該掌紋特徵圖主要為屈肌紋的特徵圖像，包含所要獲取的掌紋紋理特徵。在通過上述方法獲得掌紋特徵圖後，將其與之前通過同樣方法獲得的並登記的掌紋特 徵圖進行特徵比對，確定二者之間的匹配程度，可以判定這兩個掌紋特徵圖是否屬於同一 人，從而進行身份的識別和認定。特徵比對的算法多種多樣，共同的特點就是具有二分類的能力針對某一個人的特徵 數據，對於另外一個特徵數據，只需給出判斷這兩個特徵數據是否屬於一人。例如在本 發明實施例中釆用的雙向比對算法。本發明提出了全新的，更貼近應用領域的掌紋特徵數據的獲取方法，解決了傳統掌紋 識別方法需要封閉環境與定位裝置才能解決的問題，可以處理在更加寬鬆的條件下採集到 的掌紋圖像，並且保證了身份識別的準確率，簡化了設備的使用，降低設備成本，使設備 的小型化便攜化成為可能，擴大基於掌紋的身份識別設備的應用範圍。本發明可適用於各 種需要集成基於掌紋的身份識別操作功能的設備，例如使用帶有攝像頭的手機進行身份驗 證。


圖1是本發明使用內切圓算法確定的手掌有效區域的示意圖。圖2是本發明方法獲得的三個不同手掌的掌紋特徵圖的效果演示圖，其中a、 b、 c是 三個不同手掌的有效區域圖像，d、 e、 f分別是從a、 b、 c提取的相應的掌紋特徵圖。圖3是本發明實施例2中進行逐點對比雙向匹配的兩幅掌紋特徵圖，其中(a)為掌紋特 徵圖X， (b)為掌紋特徵圖Y。
具體實施方式
下面結合附圖，通過實施例進一步描述本發明，但不以任何方式限制本發明的範圍。 實施例l.掌紋特徵的獲取 (1)手掌圖像採集本發明的手掌圖像採集方式不需要任何定位裝置，例如在本實施例中，使用直接與計 算機相連接的數字攝像頭獲取手掌圖像。採集圖像時，手掌平展，五指張開，正對採集設 備，手掌平面平行於攝像頭的焦平面，手掌距離採集設備30-50cm，使得整個手即出現在 計算機顯示的畫面上，然後調節採集設備直至清晰成像。本實施例採用的是環境光，只要 求環境光均勻，並且足夠強，以保證採集到的手掌上沒有對比強烈的光影；由於拍攝的是 全手，因此採集到的圖像解析度在320x240以上以保證掌紋區域的信息足夠多(手掌有效 區域的圖像解析度在100x100以上)；圖像亮度對比度要保證掌紋肉眼清晰可見；對圖像 為彩色或者黑白沒有要求，若為彩色圖像最好為24位。 (2)圖像預處理操作圖像預處理操作主要目的在於去除背景，分離出手掌區域，以便後續操作。 為處理方便，本實施例中使用純色深色背景拍攝手掌。對於原始採集到的手掌圖像A經過灰度化得到手掌灰度圖像A'，再經過手掌區域增強與二值化過程，獲得相應的手掌二值圖像B。首先利用公式(8) (Rafael C. Gonzalez, Richard E. Woods, "Digital Image Processing", 2nd Edition, Prentice Hall, 2002)將採集到的24位彩色圖像轉換成8位的灰度圖像。Gray"力=0.299 * 力+ 0.587 * _/) + 0.114 * 5(/，力 (8)其中，Gmy(ij)表示灰度圖像上坐標為(i， j)的點的灰度值，R(ij)、 G(ij)和B(i,j)分別 表示源圖像在對應坐標(i，j)上的點的紅色、綠色、藍色分量的值。接下來，對8位灰度圖像進行手掌區域增強操作，其目的是為了突出手掌所在區域的灰度值，以便於與黑色背景區別開。在此採用灰度直方圖拉伸方法。灰度直方圖拉伸將集中在小範圍內的灰度值拉伸至整個灰度級，但仍舊保持原來灰度直方圖的變化趨勢，以增強圖像的對比度，主要是明暗對比。其基本原理如下iVewGn^y("力—So /e * (0/fifOay(/， _/)—丄e方i a"ge) , n ,、255 (9-1)其中iVewOqv"力為坐標(/，力的像素區域增強後的灰度值，OWGray(Z，力為該像素區域增強前的灰度值，"^^""ge為原圖像中的最小灰度值，^g^^^"ge為原圖像中的最大 灰度值。接著進行二值化處理，將圖像分為兩部分白色的手所在的前景區域與黑色的背景區 域。由於經過了灰度直方圖拉伸操作，選取一個合適的閾值即可簡單的將二者分開。經過實驗發現，本系統選取灰度值的閾值為25能達到比較好的效果。 )0 25L255 (9//zerw/se (10) 其中"W，y)為坐標為O',力的點像素二值化後的值，Gr炒(!',y)為坐標為(z',/)的點的灰度值。(3)手掌有效區域定位由於本發明可以使用低解析度圖像採集設備，並且不需要定位裝置的存在，所以手掌 的姿勢，位置不確定性較大，同時，圖像質量也相對較差，因此傳統的指縫拐點探測定位 法(Michael Goh Kah Ong, Tee Connie, Andrew Teoh Beng Jin， David Ngo Chek Ling， "A Single-sensor Hand Geometry and Palmprint Verification System", fFSM4 3, 5er&e/ey, California, USA， Nov. 8， 2003)偏差較大。本發明中手掌有效區域定位使用的是內切圓算法。內切圓算法改進自最大內切圓算法。最大內切圓算法的基本原理是對每一個手上的點，都以一個起始值為半徑，以該點為圓 心畫圓，如果這個圓周上所有的點都在手掌內部，則擴大半徑直至圓周超出手掌。遍歷所 有的點之後自然可以獲得最大的內切圓半徑與圓心坐標。根據實驗觀察，最大的內切圓往往無法包含最多的掌紋信息而且最靠近手掌的根部， 而包含掌紋信息最多的圓則都靠近四指的根部，所以本發明對最大內切圓算法作了改進。 在獲取最大內切圓的過程中，可以獲取所有的手掌所在區域的內切圓，在半徑不小於最大 內切圓半徑R的D倍(0.7SDS0.85)的所有的內切圓中，選擇最靠近四指根部的內切圓， 該內切圓包含了最多的掌紋信息；同時，也按照上述方法選擇最靠近手腕也就是手掌根部 的內切圓，這兩個內切圓的圓心連線可以確定手掌的精確方向，從而可為進行身份識別時 的特徵匹配做準備。以圖像左上角為坐標原點，向右向下橫縱坐標依次增大。只要手掌在圖像平面內相對 於圖1的偏轉角度小於士90度，即中指所指方向不會向下，這樣就可以保證在半徑不小於 最大內切圓半徑R的D倍(0.7SDS0.85)的所有的內切圓中，最靠近四指根部的內切圓是 圓心坐標最小的那一個。同理可得，最靠近手腕的內切圓是圓心坐標最大的。根據這兩個 內切圓圓心的連線，可以粗略調整手掌的方向，為後續進行身份識別時的特徵匹配算法降 低搜索範圍。針對手掌二值圖像B採用內切圓算法找到手掌有效區域後，從手掌灰度圖像A'上截取對應區域得到所需的手掌有效區域圖像，如圖1所示，上方的黑色圓圈即在半徑不小於最 大內切圓半徑85%的所有的內切圓中最靠近四指根部的內切圓，也就是根據本發明的內切 圓算法，選取D=0.85時確定的手掌有效區域。(4)掌紋特徵的提取。 掌紋可以分為屈肌紋、皮紋、脊線紋三種。由於本發明假定的採集方式所採集到的掌 紋圖像多為低解析度低對比度圖像，細小的皮紋與脊線紋無法穩定的採集，因此本發明的 掌紋特徵主要指屈肌紋的特徵，所採用的特徵提取算法可以比較有效、穩定地提取出屈肌 紋信息。手掌有效區域圖像經過下述特徵提取算法的處理，得到包含屈肌紋特徵的掌紋特 徵圖，其提取效果如圖2所示，圖2中上排的a、 b、 c是選取D-0.85，經過步驟(3)定 位得到的三個不同手掌的有效區域圖像，下排的d、 e、 f分別是從a、 b、 c提取的相應的 掌紋特徵圖。具體說來，這裡選取了 Niblack局部區域二值化方法提取掌紋(W. Niblack,力" /"^"odw"/o" fo/wage/Voces57"g, Prentice隱Hall， 1986.)。所i胃Niblack方、法，就是X寸於一個以點"力為中心的邊長為〃的正方形窗口，以像素為單位，統計該窗口中像素灰度值的均值和方差分別為"^'，力、S0'，力，則該點的閾值為7U_/) = W(/,_/) + A*Sa_/) (u)在本方法中r取經驗值15， A為係數，取經驗值0.2，實驗證明效果較好。確定各點的閾值之後，手掌有效區域灰度圖像上的任意一點的灰度值若大於其對應的 閾值，則掌紋特徵圖上相應的點為白色，否則為黑色，公式如下其中為手掌有效區域圖像上坐標為"力的點的灰度值，^^"力為掌紋特徵圖上坐標為("力的點的像素值。實驗表明，Niblack二值化方法的優點在於速度快，提取粗大紋理的效果好。實施例2.基於掌紋的身份識別方法可以利用掌紋特徵圖進行個人身份的識別。具體包括下列步驟l)建立一個掌紋特徵庫，其中存儲有多個確定身份的掌紋特徵圖，這些掌紋特徵圖是通過前面所述的掌紋特徵獲取方法獲得的，並且圖像所有者的身份確定。2) 採集某人的手掌圖像，同樣進行圖像預處理、手掌有效區域的確定、掌紋特徵提取 這些步驟獲得其掌紋特徵圖。3) 將步驟2)得到的某人的掌紋特徵圖與掌紋特徵庫中存儲的掌紋特徵圖進行特徵比 對，確定二者之間的匹配程度，從而認證其身份。特徵比對就是獲得兩個掌紋特徵圖之間的匹配程度。在此採用雙向比對算法。針對 Niblack方法提取得到的掌紋特徵二值化圖像，進行逐點對比雙向匹配，其基本思想是 對待匹配的掌紋特徵圖X(如圖3中的(a))，與掌紋特徵像庫中的掌紋特徵圖Y(如圖3中的(b))匹配，得到匹配程度JW^c^(7，:K)，再使用Y與X匹配得到匹配程度M加c/z(y,義)，最終的匹配程度M^c; Sco"由Mwc/Kuo與Mafc^7,x)的平均值得到。M^c/2Scwe的具體算法見下列公式設， Ma腐core = y) + M加c/ (y， X)) / 2其中Mafc/ (X, y) = 7bto/MafcV"to^ 7bto/y = w固6er o/ y(/ ，《)其中x(p,《)為圖x的紋線上的點，^A《)為圖y的紋線上的點，7bto/r為圖y的紋線上的點的總數，7bto/X為圖X的紋線上的點的總數。如果在圖I上的^，^點或其4鄰域中有任意一點也在圖y的紋線上，這樣的點為y^7，^。如果在圖y上的^，^點或其4鄰域中有任意一點也在圖X的紋線上，這樣的點為X'07，《)。如圖3中所示的圖像X和7 (D=0.85時提取的兩幅掌紋特徵圖)，對於Mfl/cW兀"， 計算得到7bto/r=246， 7bta/Mwc/^222，則MafcA(X 19=0.902;對於Mafc/2(X"，計算得 至U 7bto/X=204， 7bto/MarcA=200 ，貝U Mafc/j(X"=0.98 ，因此Mafc/^cow=0.941 。這個 MatchScore就可以理解成兩幅模板的相似度，若將判斷兩模板是否屬於同一個人的相似度 閾值設定為0.8，則可斷定圖3中的兩幅模板來自同一個人。考慮到本發明的採樣環境和定位算法的特點，確定手掌有效區域的算法無法將手掌的方向準確歸一化，因此在雙向匹配算法中，還需要將圓形的待匹配的掌紋特徵圖旋轉o。
360。進行S360次的逐點雙向匹配，並選取相似度最高的一次結果作為匹配結果，以提高識 別準確率。為提高匹配速度和效率，如果在手掌有效區域的定位步驟，將最靠近四指根部 的內切圓和最靠近手腕的內切圓這兩個內切圓圓心的連線均調整為某一確定方向，那麼在 做雙向匹配時將待匹配的掌紋特徵圖按照順時針和逆時針方向各旋轉5度，進行10次逐 點雙向匹配過程，就可以獲得比較準確的結果了。實施例3.確定手掌有效區域的內切圓的直徑範圍目前生物特徵識別系統性能評測的一個最重要參數為等錯率EER(Equal Error Rate), 其含義為當確定了判定二生物特徵是否屬於同一個個體的相似度閾值t之後，可計算得 到錯誤拒絕率FRR(false rejection rate)與錯誤接受率FAR(false acceptance rate), FRR與FAR 相等時的值即為EER。 EER越低，標誌著該系統的識別率越高。其中，FAR的含義是在某 一閾值下系統錯誤地接受攻擊者進入系統的概率，其計算可以簡單的將錯誤接受的次數除 以所有的識別次數。FRR的含義是在某一閾值下系統錯誤地拒絕正確的用戶進入系統的概 率，其計算可以簡單的將錯誤拒絕的次數除以所有的識別次數。為了確定包含有效的掌紋數據的手掌內切圓的直徑範圍，本發明給出了規則當內切 圓的直逕取值在某一範圍內(即D為某一值)時，對資料庫中的圖像進行身份識別測試， 若其等錯率EER與最佳EER的偏差範圍小於O.Ol，則認為該範圍是可取的，其中，最佳 EER即在該資料庫上能得到的最低的EER。本實施例在兩個資料庫上分別進行了實驗資料庫一採用大恆計算機專業數字攝像機dh-hv2001uc採集95人，每人右手15張 圖片，圖片為24位真彩色位圖，解析度為600X800。採集環境為日光燈光源，純黑色背 景。在該資料庫上實驗得到的結果為當D二0.9時，即所取內切圓的半徑不小於最大內切 圓半徑R的90。/。時，EER最小，其值為4%; 0.65SD^0.9時，其EER與最佳EER的偏差 範圍小於O.Ol。資料庫二採用多普達577W智慧型手機自帶攝像頭採集30人，每人左手10張圖片， 圖片為16位彩色位圖，解析度位320X240。採集環境位日光燈光源，純深色背景。在該 資料庫上實驗得到的結果為當D^0.85時，即所取內切圓的半徑不小於最大內切圓半徑R的85%時，EER最小，其值為7%; 0.75DS0.85時，其EER與最佳EER的偏差範圍小於O.Ol。因此，本發明將D值的取值範圍定在
。
權利要求
1. 一種掌紋特徵獲取方法，包括下列步驟1)採集手掌圖像A；2)預處理採集到的手掌圖像A，去除背景，確定人手所在的位置，獲得相應的手掌二值圖像B；3)在手掌二值圖像B上獲取所有的手掌區域的內切圓，在半徑不小於最大內切圓半徑R的D倍的內切圓中找到最靠近四指根部的內切圓，其中0.7≤D≤0.85，從手掌圖像A上截取該內切圓區域後灰度化，或者從圖像A相應的灰度圖像A′上截取該內切圓區域，得到手掌有效區域圖像；4)採用Niblack局部區域二值化方法對手掌有效區域圖像進行二值化，得到掌紋特徵圖。
2. 如權利要求1所述的掌紋特徵獲取方法，其特徵在於步驟l)在純深色背景下 採集手掌圖像A;步驟2)首先將手掌圖像A轉換成灰度圖像A'，再採用灰度 直方圖拉伸方法增強圖像的對比度，然後選取預定的灰度值閾值進行二值化即 可獲得手掌二值圖像B。
3. 如權利要求2所述的掌紋特徵獲取方法，其特徵在於在步驟2)中選取25為灰度值閾值進行二值化其中「"W,力為坐標為(/，力的點像素二值化後的值，C^^(,',/)為坐標為G'，力的點的灰度值。
4. 如權利要求1所述的掌紋特徵獲取方法，其特徵在於在步驟2)根據膚色模型確定人手的區域，或者採用基於手形的人手定位技術尋找人手所在的區域，然後獲得手掌二值圖像B。
5. 如權利要求1所述的掌紋特徵獲取方法，其特徵在於在步驟3)根據內切圓圓心坐標確定最靠近四指根部的內切圓，具體方法是，以圖像左上角為坐標原點， 向右向下橫縱坐標依次增大，若圖像中中指是指向上方或斜上方的，則在不小於最大內切圓半徑R的D倍的所有的內切圓中，最靠近四指根部的內切圓是圓心坐標最小的那一個，而最靠近手腕的內切圓是圓心坐標最大的。
6. 如權利要求1所述的掌紋特徵獲取方法，其特徵在於在步驟4)對於手掌有效紋特徵圖。區域圖像中的任意一點("力，以像素為單位，統計以該點為中心的邊長為"的 正方形窗口中像素灰度值的均值"^'，力和方差S("力，獲得該點的閾值為r(y卜m(/，力+ "s("力取〃=15， ^=0.2，進行如下二值化,J) = {G夠 L 255 (9/tenv/"其中^/a力為掌紋特徵圖上坐標為的點的像素值。
7. —種基於掌紋的身份識別方法，根據權利要求1 6中任一權利要求所述的掌紋特徵獲取方法獲得待識別人的掌紋特徵圖，將其與之前通過同樣方法獲得的並 登記的掌紋特徵圖進行特徵比對，確定二者之間的匹配程度，從而判定這兩個 掌紋特徵圖是否屬於同一人。
8. 如權利要求7所述的基於掌紋的身份識別方法，其特徵在於包括如下步驟a. 建立一個掌紋特徵庫，其中存儲有多個確定身份的掌紋特徵圖，這些掌紋特 徵圖是根據權利要求1 6中任一權利要求所述的掌紋特徵獲取方法獲得的；b. 對於某待識別身份的人，根據步驟a所用的掌紋特徵獲取方法獲得其掌紋特 徵圖；c. 將步驟b得到的某人的掌紋特徵圖與掌紋特徵庫中存儲的掌紋特徵圖進行特 徵比對，確定二者之間的匹配程度，從而識別某人的身份。
9. 如權利要求7或8所述的基於掌紋的身份識別方法，其特徵在於對兩個掌紋特徵圖進行特徵比對，確定二者之間匹配程度的方法是對待匹配的掌紋特徵 圖X,與掌紋特徵像庫中的掌紋特徵圖Y匹配，得到匹配程度M加c/2(Z,;T)，再使用圖Y與圖X匹配得到匹配程度Mflfc/z(y，X)，最終的匹配程度M"fc^Score由Mfl/c/2(義,與M^c/z(y，Z)的平均值得到，艮卩Mrd,=+ M加/ (7, %)) / 2其中.M加c/z(JT, 7) = 7bto/JW"加cVroto/y，y^，《)為圖y的紋線上的點，化wy為圖y的紋線上的點的總數，7bto/X為圖^的紋線上的點的總數；如果在圖I上的^，《)點或其4鄰域中有任意一點也在圖y的紋線上，這樣的點為^(^《)；如果在圖y上的^，《)點或其4鄰域中有任意一點也在圖X的紋線上，這樣的點為X' (p,《)。 10.如權利要求9所述的基於掌紋的身份識別方法，其特徵在於根據權利要求5所述的掌紋特徵獲取方法獲得掌紋特徵圖，其中在步驟3)將最靠近四指根部的內切圓和最靠近手腕的內切圓的圓心連線均調整為某一確定方向，則在對兩 個掌紋特徵圖進行特徵比對時，將待匹配的掌紋特徵圖按照順時針和逆時針方向各旋轉5度，進行10次逐點雙向匹配過程，並選取相似度最高的一次結果作為匹配結果。
全文摘要
本發明提供了一種掌紋特徵獲取方法和身份識別方法，包括採集手掌圖像、預處理圖像、確定手掌有效區域和提取掌紋特徵等步驟，其中定義手掌有效區域為手掌區域裡半徑不小於最大內切圓半徑R的D倍(0.7≤D≤0.85)的內切圓中最靠近四指根部的內切圓，對該區域二值化得到掌紋特徵圖。獲得某人的掌紋特徵圖後，將其與之前通過同樣方法獲得並登記的掌紋特徵圖進行比對，確定二者之間的匹配程度，即可進行身份識別。本發明可以對在開放環境下、無定位裝置、非接觸式採集到的掌紋圖像進行處理，在保證身份識別的準確率前提下，簡化了掌紋採集設備，使設備的小型化便攜化成為可能，擴大了基於掌紋的身份識別方法的應用範圍。
文檔編號G06K9/00GK101281600SQ200810114488
公開日2008年10月8日 申請日期2008年6月3日 優先權日2008年6月3日
發明者唐大閏, 李文新, 許卓群 申請人:北京大學