[發明專利]腕部靜脈認證系統

有效

• 申請號: 201410337530.5
• 申請日: 2014-07-15
• 公開（公告）號: CN104102913B
• 公開（公告）日: 2018-10-16
• 發明（設計）人: 瞿博陽;梁靜;李冀;岳彩通;肖巖;尚志剛
• 申請（專利權）人: 無錫優辰電子信息科技有限公司
• 主分類號: G06K9/60
• 分類號: G06K9/60;G06K9/62;G06F21/32
• 代理公司: 南京正聯知識產權代理有限公司 32243
• 代理人: 胡定華

1.一種腕部靜脈認證系統，其特征在于：包括圖像采集模塊、圖像預處理模塊、特征提取模塊、識別模塊；

圖像采集模塊，通過手腕靜脈采集裝置采集手腕靜脈紅外圖像；

圖像預處理模塊，對采集的手腕靜脈紅外圖像截取感興趣區域后，對該區域采用均值濾波方法進行濾波處理，進行灰度化、歸一化，并采用直方圖拉伸的方法進行對比度增強處理；對采集圖像截取感興趣區域，具體為：截取待處理圖像：去除掉原始圖像的背景，記下手腕靜脈與背景交界點的坐標，然后截取交界以內的區域作為待處理圖片；待處理圖像上截取訓練和測試的圖像塊：待處理圖象上隨機取一點作為中心，以為邊長截取一個圖像塊作為訓練和識別的樣本；

特征提取模塊，對預處理后的圖像進行主成分特征提取、小波特征提?。恢鞒煞址治霾襟E為：

S1、對原始數據進行標準化處理；

S2、計算樣本相關系數矩陣；

S3、用雅克比方法求相關系數矩陣的特征值和相應的特征向量；

S4、選擇主成分，并寫出主成分表達式；

S5、計算主成分得分；

S6、依據主成分得分的數據，提取得分高的主成分作為特征用于下面的分類中；

識別模塊，利用極限學習機對手腕靜脈圖像進行分類識別，用圖像信息的主成分與高頻低頻特征，與手腕靜脈特征數據庫進行識別比對；

極限學習機模型為：

式中，j＝1,2,3…N，w_i為所有輸入與第i個隱層節點連接權重；

w_i＝[w_i1,w_i2,…,w_in]^T；β_i為所有輸出與第i個隱層節點連接權重；

β_i＝[β_i1,β_i2,…,β_im]^T；

利用小波分析提取特征具體為，對手腕靜脈圖像采樣后，在一個大的有限頻帶中的一個信號，對這個信號進行小波多尺度分解，把采到的信號分成兩個信號，即高頻部分和低頻部分；

手腕靜脈采集裝置中，采用850nm和940nm波段混合作為照射光源，采用選擇CMOS圖像傳感器，采用的是130萬像素的USB網絡攝像頭，背景顏色設置為黑色。

2.如權利要求1所述的腕部靜脈認證系統，其特征在于：極限學習機模型的矩陣表示形式為：

Hβ＝Y

式中，H為網絡隱層輸出矩陣，

3.如權利要求2所述的腕部靜脈認證系統，其特征在于，極限學習機訓練前，隨機產生w和b，只需確定隱含層神經元個數和激勵函數g(x)，即算出β；具體步驟如下：

確定隱含層神經元個數L隨機設定輸入層和隱含層連接權值w與隱含層神經元偏置b；

選擇一個無限可微的函數g(x)作為激勵函數，計算隱含層輸出矩陣H；

計算輸出層權值：β＝H^-1Y。