[發明專利]一種基于指腹靜脈和指背靜脈深度融合的指靜脈識別方法

有效

• 申請號: 202010007625.6
• 申請日: 2020-01-04
• 公開（公告）號: CN111209851B
• 公開（公告）日: 2023-06-20
• 發明（設計）人: 趙國棟;張烜;朱曉芳;辛傳賢
• 申請（專利權）人: 圣點世紀科技股份有限公司
• 主分類號: G06V40/10
• 分類號: G06V40/10;G06V10/80
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙) 33240
• 代理人: 諸佩艷

1.一種基于指腹靜脈和指背靜脈深度融合的指靜脈識別方法，其特征在于：其包括以下步驟：

1)采集所有注冊用戶和驗證用戶的指腹靜脈和指背靜脈圖像；

2)對采集的所有圖像分別進行靜脈圖像的融合及靜脈特征的融合，并分別提取靜脈圖像的融合特征和靜脈特征的融合特征；

靜脈圖像的融合是指對指腹靜脈和指背靜脈圖像進行加權融合，融合方式為：

式中：ImgA為指腹靜脈圖像，ImgB為指背靜脈圖像，ImgAB為指腹靜脈圖像和指背靜脈圖像的融合圖像，a為指腹靜脈圖像中的靜脈信息的融合權重系數，b為指腹靜脈圖像中的背景信息的融合權重系數，c為指背靜脈圖像中的靜脈信息的融合權重系數，d為指背靜脈圖像中的背景信息的融合權重系數，e為融合圖像的灰度偏移校準參數，Fa1為指腹靜脈圖像的卷積算子1，Fa2為指腹靜脈圖像的卷積算子2，Fa3為指腹靜脈圖像的卷積算子3，Fb1為指背靜脈圖像的卷積算子1，Fb2為指背靜脈圖像的卷積算子2，Fb3為指背靜脈圖像的卷積算子3；

靜脈特征的融合是指對指腹靜脈特征和指背靜脈特征進行加權融合，融合方式為：

FeatureAB＝f*FeatureA∪g*FeatureB(2)

式中，FeatureA為由指腹靜脈圖像所提取的靜脈特征，FeatureB為由指背靜脈圖像所提取的靜脈特征，FeatureAB為由指腹靜脈圖像所提取的靜脈特征和由指背靜脈圖像所提取的靜脈特征所融合得到的靜脈特征，f為指腹靜脈圖像的靜脈特征的融合權重系數，g為指背靜脈圖像的靜脈特征的融合權重系數；

3)對靜脈圖像的融合特征和靜脈特征的融合特征進行深度融合，方式為：

Template＝h1*FeatureAB∪h2*FeatureImgAB(3)

式中，Template為指腹靜脈和指背靜脈深度融合后的特征模板數據，FeatureAB為靜脈特征層面的融合特征，FeatureImgAB為靜脈圖像層面的融合特征，h1為靜脈特征層面的融合特征的融合權重系數，h2為靜脈圖像層面的融合特征的融合權重系數；

4)基于深度融合的特征建立注冊用戶模板數據庫和驗證用戶模板；

5)基于注冊用戶模板數據庫對驗證用戶模板進行匹配。

2.根據權利要求1所述的基于指腹靜脈和指背靜脈深度融合的指靜脈識別方法，其特征在于：所述的靜脈特征是從指腹靜脈圖像和指背靜脈圖中提取的二值圖特征和特征序列seq。

3.根據權利要求2所述的基于指腹靜脈和指背靜脈深度融合的指靜脈識別方法，其特征在于：所述的二值圖特征和特征序列seq的提取方法包括：

2.1)對靜脈圖像進行去噪處理，得到去噪后的灰度圖像；

2.2)提取ROI感興趣區域，并對感興趣區域的圖像進行歸一化處理；

2.3)將歸一化后的感興趣區域圖像進行圖像增強處理；

2.4)提取增強后的灰度圖像的梯度特征圖；

2.5)根據自適應閾值，分割梯度特征圖得到二值圖；

2.6)計算二值圖的角點，獲取角點數量和位置信息，映射角點到對應原灰度圖的像素區域，進行LBP編碼，得到特征序列seq。

4.根據權利要求3所述的基于指腹靜脈和指背靜脈深度融合的指靜脈識別方法，其特征在于：所述步驟2.3)中圖像增強處理采用的是同態濾波方法，同態濾波的計算方法包括公式(4)～公式(7)：

I(x,y)＝z(x,y)*r(x,y)(4)，

F{ln(I(x,y))}＝F{ln(z(x,y))}+F{ln(r(x,y))}(5)，

N(u,v)＝H(u,v)*M(u,v)(6)，

n(x,y)＝F^-1{N(x,y)}(7)，

式中，z為圖像的照射分量，r為反射分量，I為采集到的原始圖像，F為傅里葉變換，H為高通濾波函數，N為高頻濾波后的頻域圖像，n為同態濾波后的時域圖像，(u,v)是頻域的正余弦的頻率，(x,y)是圖像中像素的坐標，M為傅里葉變換后的頻域對數圖像。

5.根據權利要求1所述的基于指腹靜脈和指背靜脈深度融合的指靜脈識別方法，其特征在于：所述步驟5)的具體步驟包括：

5.1)設定模板與驗證用戶的匹配閾值T；

5.2)分別計算驗證用戶和所有注冊用戶間的特征模板數據的漢明距離HMd，并與設定的匹配閾值T進行比較；

5.3)若HMdT，則認為驗證用戶與注冊模板用戶是同一個用戶，否則即視為匹配失敗。