[發明專利]基于HOL特征與子空間學習的靜脈識別方法

在審

• 申請號: 201611114622.2
• 申請日: 2016-12-06
• 公開（公告）號: CN106599819A
• 公開（公告）日: 2017-04-26
• 發明（設計）人: 張麗萍;李衛軍;董肖莉;李浩光;寧欣
• 申請（專利權）人: 中國科學院半導體研究所
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/62
• 代理公司: 中科專利商標代理有限責任公司11021
• 代理人: 任巖

技術領域

本發明涉及基于生物特征的自動身份識別技術，特別是一種基于HOL特征與子空間學習的靜脈識別方法。

背景技術

基于生物特征的自動身份識別技術近年來越來越受到研究人員的重視，這項技術主要采用人的生理特征(指紋、人臉、虹膜、掌紋、靜脈等)或行為特征(語音、步態等)進行身份識別。其中指紋、人臉、虹膜等識別技術已經相對成熟，能達到很高的識別率，并且市場上已有大量的相關產品。國際生物識別集團發表過一篇關于生物識別市場的報告：《生物識別市場與產業報告2009-2014》，該報告中提到，目前，指紋識別在各種生物特征識別技術中所占的市場份額最大，占到66.7％；人臉識別居第二，占到11.4％；而虹膜識別、語音識別、靜脈識別和掌紋識別所占總和才15.2％(分別為8.0％、3.0％、2.4％、1.8％)。但是隨著技術的發展，上述各項技術的局限性也相應出現：指紋識別準確性高，但是接觸式使用造成用戶體驗不好，同時造假容易；人臉識別被認為是最直觀的生物識別技術，但是近年來越來越受到光照、姿態、表情等因素的約束；虹膜識別對采集設備及采集過程有過高的要求等。靜脈識別是近年來出現的一種較為新穎的生物識別技術，與其他識別技術相比，靜脈識別起步較晚，但是因為其具有非接觸性、活體檢測、不易偽造、安全性更高等優點，使其在生物特征識別領域得到越來越多的關注。

發明內容

(一)要解決的技術問題

為解決上述技術問題，本發明提出一種基于HOL特征與子空間學習的靜脈識別方法，該方法既能利用HOL特征描述獲得靜脈的線形響應和方向，又能克服子空間學習直接應用于原始圖像時特征描述不足及冗余信息較多的缺點。

(二)技術方案

一種基于HOL特征與子空間學習的靜脈識別方法，包括以下步驟：

S1：采集識別部位的靜脈圖像；

S2：截取靜脈圖像的感興趣區域，得到感興趣區域圖像，并將感興趣區域圖像分為訓練集和測試集；

S3：采用基于方向線直方圖統計的方法對測試集和訓練集圖像進行特征表示，得到訓練集和測試集圖像的HOL特征表示；

S4：采用子空間學習方法分別對測試集和訓練集圖像的HOL特征表示進行降維和壓縮，得到模版特征和待測試特征；

S5：對模版特征和待測試特征進行靜脈特征的相似性度量與識別，得到靜脈識別結果。

上述方案中，所述靜脈圖像為手指靜脈圖像，在步驟S1中，采集設備以矩形框定義識別部位的有效采集區域，對有效采集區域成像得到靜脈圖像。

上述方案中，步驟S2包括：

子步驟S21：以矩形框的左右邊的中點連接成的中線為中心，并以該中線作為垂直方向的截取中心；

子步驟S22：將矩形框內的靜脈圖像在水平方向上投影，求投影各個位置像素點的灰度累加值曲線；

子步驟S23：灰度累加值曲線在兩個指關節處存在兩個局部峰值，取第一個指關節位置為左右截取參考線；

子步驟S24：以左右截取參考線為水平方向的基準，結合垂直方向的截取中心，截取靜脈圖像的感興趣區域圖像；

子步驟S25：將部分感興趣區域圖像作為訓練集，剩余部分感興趣區域圖像作為測試集。

上述方案中，在步驟S3中：對測試集和訓練集的感興趣區域圖像執行以下步驟：

子步驟S31：利用Gabor濾波器對感興趣區域圖像的像素進行濾波；

子步驟S32：構造感興趣區域圖像像素對應的Gabor幅值和Gabor方向響應；

子步驟S33：將感興趣區域圖像分為互不重合的多個單元，每個單元包含多個像素；

子步驟S34：上述多個單元中的部分單元構成一個塊，相鄰的兩個塊之間重合或不重合；

子步驟S35：統計每個單元的基于方向的子直方圖；

子步驟S36：串聯每個塊內所有單元的子直方圖，構建基于塊的子直方圖；

子步驟S37：對基于塊的子直方圖進行歸一化；

子步驟S38：將歸一化后的基于塊的子直方圖組合成HOL特征表示，得到訓練集和測試集圖像的HOL特征表示。

上述方案中，所述HOL特征表示為一維HOL特征或二維2DHOL特征。

上述方案中，子步驟S31得到像素在多個方向上的Gabor濾波響應圖譜；

子步驟S32基于Gabor濾波響應圖譜構造Gabor幅值和Gabor方向響應；

子步驟S35的子直方圖每個方向的值為該單元中Gabor方向響應為該方向的所有像素點的Gabor幅值累加求和。