1——在线手背静脉识别方法
手背静脉图像ROI提取算法研究
０ 引 言
手背静脉 识别是近年来新兴的生物特征识别方法 。 手 背 静脉 由于 具有丰 富的静脉分布 ， 可用特征 多， 在人体静脉识别 中显示出优势 ， 具有非常广阔的应用前景 。与其他人 体生物 特征 一样 ， 手背静脉具有普遍性 、 唯～性 、 稳 定性、 可采集性、 可接 受性、 防欺 诈性等特性… ， 而 且具有 活体识别、 内部特征 、
Ｐａ ｎ Ｘｉ ａ ｏ ｐ ｉ ｎ ｇ ， Ｗａ ｎｇ Ｔｉ ａ ｎ ｎ ｔ ｏ ｆ Ｂ ｉ ｏ ｍｅ ｄ ｉ ｃ ａ ｌ Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｉ ｒ ｎ ｇ ， Ｓ ｃ ｈ ｏ ｏ ｌ ｏ ｆ Ｍｅ ｄ ｉ ｃ ｉ ｎ ｅ ， Ｓ ｈ ｅ ｎ ｚ ｈ ｅ ｎ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ， Ｓ ｈ ｅ ｎ ｚ ｈ ｅ ｎ ５ １ ８ ０ ６ ０ ， Ｃ ｈ ｉ ｈ ａ ）
中圈分类号： Ｔ Ｐ ３ ９ １ ． ４ 文献标识码 ： Ａ 文章编号： １ ６ ７ ３ ． １ １ ３ １ （ ２ ０ １ ３ ） ０ ５ — ０ ０ ０ １ ． ０ ３
Ａ ＲＯＩ Ｅｘ ｔ ｒ ａ ｃ ｉ ｔ ｏ ｎ Ａｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ ｆ ｏ ｒ Ｄｏ ｒ ｓ ａ ｌ Ｈａ ｎ ｄ Ｖｅ ｉ ｎ Ｉ ｍａ ｇ ｅ
（ １ ） 图像平滑 。 Ｃ ａ ｎ ｎ ｙ 用 范函求导方 法推导 出高斯 函数 的一阶导数 ， 即 为 最优边缘检 测算子 的最佳近似 。由于卷积运算 可交换 ， 可 结 合 ，故 Ｃ ａ ｎ ｎ ｙ算 法首先采 用二维高斯 函数对 图像进 行平
２ ０ １ ３ 年 第 ５ 期 （ 总第 １ ２ ７ 期）
信 息 通 信
Ｉ ＮＦ ＯＲＭ ＡＴ Ｉ ＯＮ ＆ Ｃ０Ｍ Ｍ ＵＮＩ ＣＡＴ【 ＯＮＳ
基于局部Gabor相位特征的手背静脉识别方法
别 大致分为手指 静脉识别 、手背 静脉识别 以及 手掌静脉 识 别 。除了经过手术入侵等改变外，每个人的皮下静脉血管分
布 情 况 是 不 一 样 的 ，而 且 在 一 定 时 期 内 ，该 分布 情 况 都 保 持
稳定 的。除此之外，由于血管在皮下 ，很难 让入侵者拷 贝其 模式 ，因此是理想的个人认证的特征 。静脉 识别技术主要利 用血液 中的血红蛋 白吸收近红外光线 的特质 ， 利用感红外 的 相机获取在近红外光（ 波长在 ７０ ｍ 到 １ ０ｎ 照射下 的静 ０ｎ ０ ０ ｍ） 脉 图片 。然后通过滤波 、二值化、细化等手段从静脉 图片 中 提取静脉的特 征，并同存储 的静脉特征 的数据作 比对，从而 达到身份认证识别 。 但 以往 的研 究都是基于静脉的局部结构， 在提取静脉骨 架特征的时候往往会产生噪声和毛刺 问题， 而且对静脉 图像 的几何变化鲁棒性也不够强 。因此 ， 本文提 出了一种基于全 局特征和局 部特 征相 结合 的静脉识别算 法来避免 了上述的 两类问题 。文章组织结构如下 ， 在第 １ 部分给 出了手背静脉 采集系统的描述 ； ２部 分描述 了对静脉 图像进行预处理和 第 感兴趣 区域提取 ； ３部分对感兴趣区域做 Ｇ ｂ ｒ 第 ａｏ 滤波 ，针 对得到的 Ｇａｏ 相位信息进行编码， ｂｒ 并用局部异或算子和 直 方图分别提取局部特征和全局特 征， 最后采用卡方距 离进 行 特 征匹配 ， 算法在 自制 的手背静脉 图库上得到了很好的识别
Ｍｉｒ ｃｍｐ ｔｒ ｐ ｆ ａ ｏ ｓ ｏ ２ ， ｏ６ ２ １ ｃｏ ｏ ｕ ｅ Ａ ｐ ｃ ｔ ｎ １ ６ Ｎ ．， ０ ０ ｉ ｉ Ｖ ．
文 章编 号 ：１ ０ —５Ｘ（０ ０６０ ２ —４ ０ ７７ ７ ２ １ ）—０ ３０
静脉
肝门静脉的组成和行径： 由脾静脉和肠系膜上静脉在胰颈的 后方汇合而成，行于肝十二指肠韧带内， 在肝门处分左右两支经肝门入肝。
脾静脉 肠系膜上静 肠系膜下静脉 脉 肝门静脉的属支 胃左静脉 胃右静脉 胆囊静脉 附脐静脉
肝门静脉系血液回流途径
右 心 房
右心房
下腔V 肝V
肝 肝门静脉
膈
脾V
肝门静脉系与上、下腔静脉系的主要吻合部位及侧支循环途径：
面静脉（facial vein）
眼上、下V
内眦V 面V
面深V
起于内眦静脉→伴行面动脉→在下颌角 海绵窦 处与下颌后静脉前支汇合→注入颈内静脉。 面静脉的结构特点及其交通 翼V丛 缺少静脉瓣； 通过眼上、下静脉与颅内的海绵窦相通； 通过面深静脉经翼静脉丛与海绵窦相通。
：
翼 V丛 内眦V 面V
面深V 下颌后静 脉前支
收集膈以下腹、盆部、下肢的静脉血，注入右 心房。
（一）上腔静脉系
组成： 上腔静脉及其各级属支
收集： 头颈、上肢、胸部的静脉血（心除外）， 回流入右心房。 静脉角 锁骨下静脉 颈内静脉 上腔静脉
右心房
左 头臂静脉 右 奇静脉
右心房
上腔静脉（superior vena cava）：为一粗大的静脉 干，在右侧第一胸肋关节后方由左右头臂静脉汇合而成， 接纳奇静脉后于右侧第三胸肋关节后方注入右心房。
9.当门脉高压时，门静脉内的血液可经哪些途径回流入心？
That’s all today. Thanks!
1、从肘正中静脉注射某种药物治疗左侧面部疾患，药物先后经何途径到达面部？ 2、口服某种脂溶怀性药物（如维生素A），肠毛细淋巴管吸收后，先后经何途径到达眼球？ 3、从大隐静脉注射某种药物治疗阑尾炎，药物先后经何途径到达阑尾？ 4、臀部肌注某种药物治疗足背疾患，药物先后经何途径到达足背？ 5、口服某种水溶性药物，由肠毛细血管吸收入血后，先后经何途径到达肾，最后随 尿排出体外？ 头V 1. 肘正中V 腋V 锁骨下V 头臂V 上腔V 右心房 贵要V 肱V 2. 3. 4. 肠毛细淋巴管 大隐V 臀部Cap
掌静脉识别
发展趋势
•
2. 掌静脉教育考试管理系统：防止考生冒 名替考现象，杜绝违法作弊的源头；防止 监考人员弄虚作假，数据批量处理、高安 全、高效率、高精准；节省人力成本与各 类证件费用的支出，确保考试的公平。
发展趋势
• 3. 掌静脉社保管理系统：该系统有效杜绝 养老金冒领现象，社会经济效益显著，受 到全国社保机构的普遍关注，在此基础上 可实现符合省级应用的省、市、县三级体 系结构的全面解决方案，以及面向全国的 整体方案规划，以期彻底解决冒领等问题 ，防止财政流失。
技术特点
• 非接触式
用掌静脉进行身份认证，手掌无须与设备接触，轻轻 一放，即可完成识别。没有手接触设备时的不卫生的问题 以及手指表面特征可能被复制所带来的安全问题。手掌静 脉方式由于静脉位于手掌内部，气温等外部因素的影响程 度可以忽略不计，几乎适用于所有用户。用户接受度好。 除了无需与扫描器表面发生直接接触以外，这种非侵入性 的扫描过程既简单又自然，减轻了用户由于担心卫生程度 或使用麻烦而可能存在的抗拒心理。
掌静脉识别与其他生物认证精度比较
掌静脉 0.01% 虹膜 0.01 % 手背静 脉 0.1% 指纹 0.1% 手形 0.8 % 0.07 % 脸 2.6 % 1.3 % 签名 声音 1.0 % 1.0 % 3.0 % 3.0 %
拒真 率 误识 率
0.0000 0.000 8% 1%
0.0001 0.001 % %
掌静脉识别
掌静脉识别原理 技术特点 优点和缺点 市场需求和应用 发展趋势
发展趋势 • 1. 掌静脉监狱通道管理系统：手掌静脉识 别技术可以实现电子化身份和物理身份的 高度统一，从而可以有力支持利用现代化 计算机技术实现对监狱的全方位数字化管 理。手掌静脉生物识别技术可以应用于监 狱管理的方方面面，从而真正帮助监狱实 现管理职能化。
脊波分析在手背静脉识别中的应用
脊波分析在手背静脉识别中的应用韩笑;徐坤;马驷良【摘要】提出一种基于改进的有限脊波变换的手背静脉识别算法.利用脊波理论适合于表示直线奇异性的特点,对手背静脉特征进行分析.使用改进的有限脊波变换对手背静脉图像进行分解,得到不同分解尺度下手背静脉的多分辨脊波特征,再通过定义多分辨脊波特征距离进行模式匹配.实验结果表明,与传统静脉特征提取方法相比,该方法较完整地保留了静脉的原始信息,提高了运行速度并降低了算法复杂度.%One method of dorsal hand vein recognition based on improved FRIT was proposed. Analyzing image line' s singularity, we can obtain the characteristics of the dorsal hand vein. That' s just the ability of ridgelet transform. The processing is that hand vein images are decomposed by improved FRIT firstly; then multi-scale ridgelet features (MRF) of vein image are obtained in different decomposition scales; finally,pattern matching was done by defining MRF distance. Compared with other vein recognition methods, our approach completely preserves original information of the vein. It not only increases the speed of system but also reduces the complexity of the algorithm.【期刊名称】《吉林大学学报（理学版）》【年(卷),期】2011(049)002【总页数】5页(P294-298)【关键词】有限脊波变换;有限Radon变换;手背静脉【作者】韩笑;徐坤;马驷良【作者单位】吉林大学,数学学院,长春,130012;锦州师范高等专科学校,现代教育技术中心,辽宁,锦州,121000;吉林大学,数学学院,长春,130012【正文语种】中文【中图分类】TP391.4人体手背静脉识别是近年新兴的一种身份识别方法, 是一项新的非接触式生物测定识别技术, 是根据人体骨骼和肌肉组织的特点, 当近红外光谱(infrared spectroscopy, IR)的入射光波长为0.72～1.10 μm时照射手背(IR在此波长范围内可较好地突显出静脉血管), 并由一台CCD摄像机拍摄成手背静脉图像进行个人身份认证的生物识别技术. 目前已有许多研究成果[1-4].1 手背静脉图像采集图1 理想的手背静脉图像采集角度Fig.1 Ideal angle of hand vein image acquisition使用传统的CCD黑白摄像机采集手背静脉图像. 经过一系列光源实验后, 发现如果使用两个近红外发光二极管组(light-emitting diode, LED)作光源照射手背, 且这两个LED与手背之间约成55°角时, 由CCD摄像机同步拍摄的手背静脉图像效果较好, 如图1所示.根据红外采集原理[5], 本文自行设计一套采集手背静脉图像的实验装置, 近红外光源是两个近红外发光二极管组. 当发光二极管组发射的近红外光照射手背时, 由一台配有低通滤光片的CCD摄像机成像. 同时光的强度根据适时需要进行人为调整, 使用低通滤光片的目的是为了阻止可见光到达CCD传感器. 根据手的特点, 设计了一个特殊的平台固定手背. 为了避免外界光线对设备采集效果的影响, 在实验装置的四周配有挡光板, 使整个采集平台处于半封闭状态. 该实验装置具有良好的用户界面, 操作简单、直观. 手背静脉图像采集实验装置如图2所示, 采集的手背静脉图像如图3所示.图2 手背静脉图像采集实验装置示意图Fig.2 Experimental setup of hand vein image acquisition图3 IR照射下的手背静脉图像Fig.3 Image of dorsal hand vein under IR irradiation2 手背静脉特征提取2.1 脊波原理脊波是结合神经网络的构造, 并应用Littlewood-Paley理论建立的一种新的逼近多变量函数的有效方法. 脊波分析等效于目标函数Radon变换域的小波分析, 且对于处理高维直线状和超平面状的奇异性效果较好. 有限脊波变换(FRIT)[5-6]是基于有限Radon变换(FRAT)[5]的一种可逆正交变换, 主要应用于有限尺寸的数字图像. 手背静脉图像[7]由粗细不同的静脉血管构成, 并有很强的方向性, 所以对手背静脉特征的分析应在不同分辨率下进行. FRIT是目前处理这类特征图像的一种有效方法.2.2 基于FRIT的手背静脉特征提取FRIT是基于有限Radon变换的, 实函数f(若讨论对象是图像矩阵f(i, j), 不妨设为p×p阶, p是素数)的有限Radon变换(FRAT)定义[5]如下：FRIT变换是对FRAT系数矩阵的每列分别进行一维离散多尺度小波变换, 从而得到有限脊波变换系数矩阵. 小波变换前要构造长度为p的正交小波基, 而p是素数. 由小波基构造算法可知, 该算法先对长度为n, 并具有j级分解尺度的正交小波基Vm{m=0,1,…,n-1}进行相应的扩展得到{wk: k∈zp}, 增加的基因位与Vm无关, 所以不具有小波在频域分割上的优点, 同时又增加了算法的复杂度. 此外, 图像的大小一般为2的整数幂, FRIT变换就是要找到大于并与其最接近的素数作为图像尺寸或图像分块后的尺寸. 除22,23,24,25,26和27外, 小于28的其余2的整数幂与其相邻素数的距离均不小于3. 这样, 无论对原始数字图像进行延拓还是压缩而做FRAT 变换, 都将使图像的变换程度较大, 可能会丢失部分有效信息. 因此, 本文从以下两方面对有限脊波变换进行改进:1) 根据实验, 图像大小通常在[23×23,26×26]间时应用有限脊波变换效果较好. 考虑到素数3,7,31,127分别与2的整数幂如22,23,25,26间的数字距离最小(其距离为1), 因此, 在对p×(p+1)阶的FRAT系数矩阵各列进行小波变换前, 先对素数p 加1, 即对3,7,31,127加1即为22,23,25,26. 相应地, 在FRAT系数矩阵中选取适当的位置增加一个长度为p+1的零行, 即可直接进行小波变换. 这样, 不仅无需构造素数长度的小波基, 而且保留了小波在频域分割上的优点. 实验表明, 在FRAT系数矩阵最上方增加一个长度为p+1的零行效果最佳.2) 有限Radon变换是定义在有限网格上的[5], 由于周期性, 手背静脉图像在边界处往往不连续. 因此, 采取将图像块对称折叠的方法, 可消除一些边界的不连续性. 下面给出一种改进的有限脊波变换, 算法步骤如下：1) 先将m×m的手背静脉原始图像分为n×n的图像块, 令p=2n-1, 再将图像对称折叠成p×p的图像块(为简便, 这里只考虑p为素数的情形);2) 计算每块图像的灰度均值, 将图像逐点灰度与灰度均值做差, 使每块图像灰度均值为零;3) 对上述个均值为零、p×p的图像块分别进行FRAT变换, 得到个p×(p+1)阶的FRAT系数矩阵;4) 在FRAT系数矩阵的最上方增加一个长度为p+1的零行;5) 对改变后的(p+1)×(p+1)阶矩阵的每列应用一维DWT进行多级小波分解(本文使用Sym4小波), 从而得到个FRIT系数矩阵;6) 如需重构时, 去掉增加长度为p+1的零行, 再进行FRAT逆变换;7) 删去对称折叠部分, 即可得到原始图像.实验中取m=64, n=16, p=31. 结合实验所得数据, 在小波函数的选取上, 确定选用Symlets函数系中的Sym4小波[8]作为小波变换的基, 对FRAT系数矩阵的每列进行一维多尺度小波变换, 并将其作用后的高频信息作为手背静脉的特征表达.3 多分辨脊波特征匹配手背静脉图像经过FRAT变换后得到(p+1)×(p+1)阶的FRAT系数矩阵, 再对此矩阵的每列做一维的离散小波变换, 可以得到(p+1)×(p+1)阶的FRIT系数矩阵. 该过程称为改进的有限脊波变换.通过观察FRAT系数矩阵的特点可知, 需对矩阵的每列(矩阵的每列恰好对应FRAT 变换所取的方向)做一维离散小波变换, 因此经过一级小波分解后, (p+1)×(p+1)阶的系数矩阵在纵向上分成两个子块, 即其中: PL是原始矩阵低分辨率的近似子块(其分辨率只是原始信息分辨率的2-1); PH是第一级小波分解后的细节信息, 对应于相应方向上的高频部分. 对FRAT系数矩阵的每列进行三级小波分解过程如下:其中: P表示原始FRAT系数矩阵; PL是对矩阵的每列进行第一级小波分解得到的低频子块, PH是第一级小波分解得到的高频子块； PLL是对矩阵PL的每列进行第二级小波分解得到的较低频子块, PLH是第二级小波分解得到的较高频子块, 这两个子块的分辨率为原始矩阵分辨率的2-2； PLLL是对矩阵PLL的每列进行第三级小波分解得到的更低频子块, PLLH是第三级小波分解所得到的更高频子块, 这两个子块的分辨率为原始矩阵分辨率的2-3.定义第j个图像块的多分辨脊波特征向量其中: 这些特征向量反映了矩阵P在三级小波分解下的细节信息：其中:称为多分辨脊波特征(multi-scale ridgelet feature, MRF), 可反映在不同分辨率下的手背静脉特征. 为了分析该特征对手背静脉的区分能力, 本文提出一种衡量不同MRF相似性的方法用于手背静脉匹配阶段. 即通过定义如下的“MRF距离”衡量多分辨脊波特征对手背静脉的区分能力：其中:和分别表示两个手背静脉图像第j个图像块的多分辨脊波特征;4 实验结果及分析本文实验基于手背静脉采集实验装置所获取的数据库[9]进行测试. 该库中拥有60只手的1 200个手背静脉样本. 实验时将该库分为两个子库, 其中一个用于训练(即注册), 包括600个手背静脉样本(60人, 每只手5个样本, 左右手共10个样本)；另一个同样也包括600个手背静脉样本用于测试(即识别). 建立一个小型的手背静脉数据库, 首先分别计算该库中每两个手背静脉间的MRF距离. 所有来自于同一只手背静脉样本间的距离分布称为合法匹配距离分布(genuine distribution), 记为RG(D)；否则称为非法匹配距离分布(false distribution), 记为RF(D). 两种分布的曲线如图4所示, 其中两条分布曲线中重叠区域的面积称为最小总体错误率(minimum total error rate, MTER), 可以反映所提取特征的区分能力： MTER越小, 该特征区分能力越强； MTER越大, 该特征区分能力越弱. 本文记MTER的值为R, 计算表达式如下：R=RG(D)dD+RF(D)dD,其中s是两条曲线交点处对应的距离.本文根据识别系统模式, 首先分别提取了训练库中每个手背静脉的MRF特征注册, 产生注册集；其次, 提取测试子库中每个手背静脉的MRF特征, 并与注册集中的特征进行特征匹配, 从而确定待识别者身份. MRF特征的合法匹配与非法匹配间的距离分布曲线见图4. 由图4可见, 合法匹配距离集中在160像素左右, 而非法匹配距离集中在320像素左右. 两条距离分布曲线分开较好, 并且相交的面积较少,R≈2.7%.图4 多分辨脊波特征的合法匹配和非法匹配距离分布曲线Fig.4 Legal and illegal matching distance distribution of MRF图5 多分辨脊波特征匹配法接受者操作特性曲线Fig.5 Receiver operating characteristic curves of MRF matching method为了测试各种方法对手背静脉的识别能力, 本文将每个测试样本和注册样本进行匹配, 取不同的阈值, 从而得到接受者操作特性曲线(ROC曲线), 如图5所示. 当FRR=1.5%时, 多分辨脊波特征匹配法的FAR=0.11%, 等错误率为0.62%.在手背静脉辨识实验中, 所有的测试样本都参与了测试. 在60×10=600次辨识测试中, 多分辨脊波特征匹配法的识别精度分别达到97.3%. 实验结果表明, 把手背静脉特征作为个人身份识别的依据, 在技术上是可行的.参考文献【相关文献】[1] Tanaka T, Kubo N. Biometric Authentication by Hand Vein Patterns [C]//Proceedings of the SICE 2004 Annual Conference. [S.l.]: IEEE Press, 2004: 249-253.[2] Cross J M, Smith C L. Thermographic Imaging of the Subcutaneous Vascular Network of the Back of the Hand for Verification of Identity [C]//Proceedings of the Institute of Electrical and Electronics Engineers 29th Annual 1995 International Carnahan Conferenceon Security Technology. [S.l.]: IEEE Press, 1995: 20-35.[3] Badawi A M. Hand Vein Biometric Verification Prototype: A Testing Performance and Patterns Similarity [C]//Proceedings of the 2006 International Conference on Image Processing, Computer Vision, and Pattern Recognition. [S.l.]: CSREA Press, 2006: 26-29. [4] WANG Ling-yu, Graham Leedham. A Thermal Hand Vein Pattern Verification System [M]. Berlin: Pattern Recognition and Image Analysis, 2005: 58-65.[5] Do M N, Vetterli M. The Finite Ridgelet Transform for Image Representation [J]. IEEE Transactions on Image Processing, 2003, 12(1): 16-28.[6] LIU Kun, GUO Lei, CHEN Jing-song. Image Fusion Algorithm Based on Finite Ridgelet Transform and Cycle Spinning [J]. Journal of Jilin University: Engineering and Technology Edition, 2010, 40(4): 1075-1080. (刘坤, 郭雷, 陈敬松. 基于有限脊波变换和Cycle Spinning的图像融合算法 [J]. 吉林大学学报: 工学版, 2010, 40(4): 1075-1080.)[7] TIAN Run-lan, XIAO Wei-hua, QI Xing-long. Comparion of Servral Image Transform [J]. Journal of Jilin University: Information Science Edition, 2010, 28(5): 439-444. (田润澜, 肖卫华, 齐兴龙. 几种图像变换算法性能比较 [J]. 吉林大学学报: 信息科学版, 2010, 28(5): 439-444.) [8] Daubechies I. The Wavelet Transform Time-Frequency Localization and Signalanalysis [J]. IEEE Transactions on Information Theory, 1990, 36(5): 961-1005.[9] HAN Xiao. Research on Algorithm for Human Dorsal Hand Vein Recognition [D]: [Ph D Thesis]. Changchun: College of Mathematics, Jilin University, 2007. (韩笑. 人体手背静脉识别算法研究 [D]: [博士学位论文]. 长春: 吉林大学数学学院, 2007.)。
一种人手背静脉特征识别方法-计算机科学
thedirectlydecomposingtwoＧlevelwaveletpacketafterthehanddorsalveinimageispreprocessedbyimagegreynorＧ malizationpretreatmentandfilteringenhancement．Then,thepersonalidentityisrecognizedbyusingK neighborclassiＧ响; 慧等 首 [１７] 先对细化后的手背静脉图 像 提 取 不 变 矩 特 征,对 不
指 纹 识 别 的 安 全 性 和 防 伪 性 较 弱;虹 膜 识 别 对 采 集 设 备 精 度 的 要 求 高 ,推 广 受 到 一 定 限 制 . [６Ｇ８] 近 年 来 ,手 背 静 脉 识 别 作 为一种新颖 的 生 物 特 征 识 别 方 式 具 有 其 独 特 的 优 势:人 手 背
人脸、指纹和虹膜３ 种 生 物 特 征 识 别 是 当 前 应 用 广 泛 的 身份识别技术[１],已 被 用 于 金 融、教 育、社 保、机 场 安 全 等 领 域 . [２Ｇ５] 然 而 这 几 种 生 物 特 征 识 别 技 术 存 在 不 同 程 度 的 缺 陷 :
Zhu等 利 [１５] 用 静 脉 网 状 骨 架 的 端 点 和 交 叉 点 组 成 的 图 进 行 分 层 组 合 编 码 来 实 现 身 份 识 别 ;Wu 等 对 [１６] 编 码 方 法 进 行 改 进 后 提 出 了 最 小 化 方 向 性 编 码 的 思 想 来 提 取 静 脉 特 征;任 桐
Abstract Forthecurrenthandveinimagerecognitionusingtheextractionstructurefeaturessuchasrefinementand skeletonoperations,it’seasytocausethelossofveinstructuredetailsand misjudgmentoffeaturepoints,thispaper proposedahandveinfeaturerecognitionalgorithmbasedongradienthistogramgradient(HOG)．AdoptinggeneralbioＧ metricidentificationprocess,thisalgorithmextractsthe HOGtexturefeatureofthelowＧfrequencysubＧbandgraphby
基于数字图像处理的手部静脉识别技术
基于数字图像处理的手部静脉识别技术随着现代科技的不断发展，人们对于安全控制的要求也越来越高。
而手部静脉识别技术则因其高度安全性和便捷性而成为了一种越来越流行的生物识别技术。
本文将从数字图像处理的角度探讨该技术的基本原理和实现方法。
一、手部静脉识别技术的原理手部静脉识别技术是指通过对手部静脉图像进行处理和比对来识别一个人的身份。
所谓手部静脉图像，指的是通过红外线相机对手掌或手背进行拍摄，获取到的反映血液循环系统中血液流动状态的图像。
手部静脉识别技术的原理基于以下两个假设：1.每个人的手部静脉纹路是独一无二的2.静脉血液在红外线下会吸收部分光线，因此手部静脉图像不同于普通的彩色图像基于以上假设，利用数字图像处理对手部静脉图像进行处理和比对，可以实现高度安全的身份验证。
二、手部静脉识别技术的实现方法手部静脉识别技术实现的一般步骤包括：图像采集、预处理、特征提取和匹配比对等过程。
下面将逐一介绍各个步骤的具体内容。
1.图像采集首先需要通过红外线相机对被验证者的手掌或手背进行拍摄，获取到手部静脉图像。
在拍摄时，考虑到用户的便捷性和使用场景，采用无接触的拍摄方式比较合适。
目前市面上主流的商用手部静脉识别设备，采用的都是以红外线相机为核心的无接触式图像采集器。
2.预处理获取到手部静脉图像后，需要进行一定的预处理。
主要包括去噪、增强等步骤。
由于手部静脉图像的亮度、对比度、清晰度等因素会对识别效果产生影响，因此必须先对图像进行预处理。
3.特征提取特征提取是手部静脉识别技术最核心的环节。
由于手部静脉图像是一张灰度图像，因此需要选取适合的特征提取方法来从中提取有意义的纹路信息。
常用的特征提取方法包括Gabor滤波器、方向梯度直方图（HOG）、局部二值模式（LBP）等。
4.匹配比对最后一步是将提取出的特征与存储在数据库中的模板进行比对，以判断身份是否一致。
匹配比对的方法主要包括相似度匹配、欧氏距离匹配等。
根据比对结果，系统将判定身份是否一致，从而决定是否允许用户进行后续操作。
手背静脉识别系统的研究
图 ２ 系统流程图
手背静脉识别 系统 主要 由图像采集模块 、 数据处理模 块以及 识别结 图像采集模块
。
值进行判定 的方法 。 相关系数是用来 表示 变量间相关程度 的大小 ， Ｐ 表示。在概率 用 来 论中称 ｅｖＸ， ） Ｅ ［ — （ ） ［ （ ） ｝ ｏ （ ｙ ＝ ｛ Ｅ Ｘ ］ ｙ ｙ ］为随机变量 ， Ｘ ｙ的协方 差。
中图分类号 ：４ ８Ｔ ３ １ １ Ｒ ４ ；Ｐ ９ ． ４
文献标识码 ： Ａ
随着信 息时代 的到来 ， 信息安全显得越来越重要。而利用生物特征 的身份认证 ， 由于利用 了人体 固有 的生理和行为特征而展现出极大的优
越性和可靠性 。 目前 ， 主要应用 的生物识别技术主要有 ： 膜 ， 虹 指纹 ， 面
图像随着年龄增长不会有大的变化。血管位于体表 内 ， 非接触性 的信 是 息采集 ； 不会造成采集界面污染 ， 而且也很难伪造或是手术改变 。 它是一 项 新兴 的、 可靠的识别技术 。 下面将具体介绍手 背静脉识别系统的原理 。
１ 手 背静脉 识别 系统
１１ 系统 的理 论 意义 ．
人的手背静脉识别技 术是根据人体骨骼 、肌 肉组织的特点， 当入射 光波 长在 Ｏ ２ —１ ０ ． ｍ ． ｍ时， ７ １ 可较好地穿透骨骼 和肌 肉， 凸现 出静脉 结构 ， 由红外 Ｃ Ｄ摄像机成静脉 图像来识别个体 。这种识 别方式是非接 Ｃ 触式 ， 且静脉 图像在一定时期内很难改变 ， 因而由此项技术构成 的系统 在人员识别方面有很高的精度， 在安全保护领域有非常广阔的前景。而 且人体的静脉血管近红外成像是一项 已在医学上应用的技术 ， 内外学 国 者都 已尝试对手 背静脉成像技术及其在人员识别方面进行研究 ， 并取得 不少成果 ， 这为手背静脉识别系统的实现打下 了坚实的基础。
静脉输液的穿刺部位选择和操作步骤是怎样的
静脉输液的穿刺部位选择和操作步骤是怎样的静脉输液是一种常见的医疗护理操作，通过将药物或液体注入人体静脉以达到治疗和营养的目的。
在进行静脉输液前，正确选择穿刺部位以及熟练的操作步骤十分重要，下面将对静脉输液的穿刺部位选择和操作步骤进行详细介绍。
一、静脉穿刺部位选择在选择静脉穿刺部位时，需要考虑到以下几个因素：静脉的粗细、可见度好坏、部位的合适性和穿刺的便捷性。
一般来说，下肢的静脉粗细适合较大流量输液，上肢的静脉粗细适合小型流量输液。
常用的静脉穿刺部位有手背静脉、前臂静脉、肘窝静脉以及足背静脉等。
1. 手背静脉：手背静脉是较为常用的静脉穿刺部位之一，适用于流量要求较大的输液，如输液速度较快或药物浓度较高的情况。
手背静脉比较明显，易于观察和穿刺，而且手背静脉的位置相对固定。
但是，手背静脉通常用于成人，对于儿童或特殊情况下需要考虑其他部位。
2. 前臂静脉：前臂静脉是较为常用的静脉穿刺部位之一，在流量较小的输液或需要长时间输液的情况下适用。
前臂静脉较为粗细，而且该部位比较平坦，操作相对较容易。
前臂静脉的穿刺风险相对较低，较少出现穿刺失败或滞留导管后产生并发症。
3. 肘窝静脉：肘窝静脉是位于手臂内侧的一个主要穿刺部位，适用于流量要求大的输液或需要进行临床操作的情况。
肘窝静脉相对较粗，较容易清晰可见，操作方便，但因为位于关节弯曲的部位，需谨慎穿刺以避免关节屈曲引起的不便。
4. 足背静脉：足背静脉适用于需要大流量输液的情况，也常用于儿童或缺乏其他部位的静脉穿刺选择。
足背静脉清晰可见，操作相对容易。
但足背静脉较为细小，需小心操作以避免损伤。
二、静脉穿刺操作步骤静脉穿刺操作需要经过严谨的步骤以确保操作的安全和成功。
1. 准备工作：在进行静脉穿刺之前，护理人员需准备好相应的操作器具，如针头、输液管、消毒液等。
同时，还需进行个人卫生消毒，包括洗手和佩戴手套。
2. 穿刺部位准备：根据事先选择好的穿刺部位，清洁皮肤，使用消毒液消毒穿刺部位。
掌静脉识别 PPT课件
主要包括3大部分：静脉图像的获取；静脉图像预处理和静脉识别。图像预处
理部分主要由高斯低通滤波、高斯高通滤波、阂值处理、双线性滤波以及改
进的中值滤波等组成。通过对5000个样本进行实验，识别率达到94．88%。
掌静脉识别与其他生物认证精度比较
掌静脉 虹膜
手背静 指纹 脉
手形 脸
签名 声音
拒真 率
误识 率
障碍。
技术特点
• 非接触式
用掌静脉进行身份认证，手掌无须与设备接触，轻轻 一放，即可完成识别。没有手接触设备时的不卫生的问题 以及手指表面特征可能被复制所带来的安全问题。手掌静 脉方式由于静脉位于手掌内部，气温等外部因素的影响程 度可以忽略不计，几乎适用于所有用户。用户接受度好。 除了无需与扫描器表面发生直接接触以外，这种非侵入性 的扫描过程既简单又自然，减轻了用户由于担心卫生程度 或使用麻烦而可能存在的抗拒心理。
掌静脉识别
掌静脉识别原理 技术特点 优点和缺点 市场需求和应用 发展趋势
市场需求和应用
• 市场需求
• 无论是银行、企业或社区门禁系统，还是 个人用卡以及电脑登陆方式，密码无疑是应用 最为广泛的安全保护方式。但这同时也是一个 窥探、破解、盗用等问题泛滥的时代。由此催 生更具安全、保密和方便性的生物识别技术如 人脸识别、虹膜识别、指纹识别等的出现。
0.01% 0.01 0.1% 0.1% 0.8 2.6
%
%%
0.0000 0.000 0.0001 0.001 0.07 1.3
8%
1% %
%
%%
1.0 3.0 %%
1.0 3.0 %%
掌静脉识别
掌静脉识别原理 技术特点 优点和缺点 市场需求和应用 发展趋势
基于域Morphing算法的手背静脉识别
基于域Morphing算法的手背静脉识别韩笑;赵政达;王天明【摘要】According to the human hand vein image structure and its features, the authors proposed a fast algorithm of domain Morphing on dorsal hand vein image. Then, we calculated the similarity of images to achieve vein recognition.%根据人体手背静脉图像的结构及特点,提出一种快速域Morphing算法对手背静脉图像进行变换,通过对图像进行相似度计算实现了静脉识别.【期刊名称】《吉林大学学报（理学版）》【年(卷),期】2013(051)002【总页数】3页(P294-296)【关键词】特征提取;域Morphing;优化算法【作者】韩笑;赵政达;王天明【作者单位】香港中文大学数学学院,香港【正文语种】中文【中图分类】TP301生物识别技术[1]就是利用人体的生物特征进行身份识别的技术. 手背静脉识别[2-3]的原理是利用静脉血管与肌肉及骨骼之间对特定波长红外光不同的吸收性进行静脉血管造影.1 域Morphing算法域Morphing算法[4-5]的原理是利用起始图像和终止图像中有代表性的线段对定义两幅图像间的特征坐标映射, 其他点通过到线段的距离确定对准关系. 它仅需要指定有代表性的特征线段和获取特征线段首末两端的位置, 就能简化特征标注过程. 定义一对线段对(一个定义在源图像, 一个定义在目标图像), 分别记为PQ和P′Q′, 定义从目标图像点X到源图像点X′的映射:其中: Perpendicular( )表示返回和输入垂直的且长度相等的向量; u表示是沿着直线的位置, 当像素从点P移动到点Q时, u值从0变化到1；当点在线段PQ外时, u或小于0或大于1; v值是像素点到线段的垂直距离. 单一线段对像素点变换示例如图1所示.对于多对线段的情况, 目标图像上像素位置X加上平均位移决定了源图像中的位置X′, 这时需要每个线段对位移的加权平均. 采用权值公式：(4)其中: lengh表示线段的长度; dist表示像素点到直线的距离; a,b,p是用来控制线段作用效果的常数. 如对两幅图片I0和I1进行Morphing, 先定义I0和I1中相应的线段对, 由I0和I1中线段对上像素的位置进行线性插值得到每个中间图像I的相应的线段对上像素的坐标位置, 然后分别用与I0和I1上的线段对应的中间图像I 上的线段计算I上其余非特征线段上点的坐标, 使得I0和I1分别向中间图像I变化. 对I0和I1分别生成的中间图像进行颜色插值得到最终中间图像.2 快速域Morphing算法虽然域Morphing算法简化了特征表达的方式[6-7], 但是对每个像素点, 所有的特征线段对都必须考虑, 因此计算速度较慢. Lee等[8]提出了优化的细分算法加强域Morphing算法的处理速度, 但网格算法中的冗余过大, 本文在此基础上做出改进. 对于高度线性区域, 先将目标图像分成较规律的网格, 并通过方程组(1)-(3)计算出网格的顶点位置; 然后用双线性插值法计算该网格内的所有点在中间图像的位置. 但这种估计对于非线性程度较高的区域并不适用, 因此, 有必要在网格内挑选一些点, 计算其在方程组(1)-(3)中的值与线性插值结果. 对于高度非线性区域, 这些区域很可能被细分为更小的网格, 而测试用的像素计算了不止一次. 为了减少多余的计算, 本文算法采用更好的方法挑选测试点：用如图2所示的方式统一选取参与计算的点, 且参与计算的点的数目由用户指定.图1 单一线段对像素点变换示例Fig.1 Pixel transform on single line图2 统一的像素点选取方式Fig.2 Uniform pixel point selection mode图2中, 一个大网格(ABCD)由一些小区域构成, 图中的黑点为选取的测试点. 当大网格需要细分时, 不用计算每个小网格中的属于大网格中的黑点, 因为它们的值已经被用来计算大网格是否需要细分, 并且这些像素点的灰度值已经被存储. 因此, 对于式(4)做如下改进：在等式中, 权值weight(i)与距离dist的b次方的倒数成正比. 对于一个远离特征线段的点, 该特征线段的影响较小, 于是, 在计算该像素点的权值时, 一些特征线段可以被忽略. 假设Fi是第i个特征线段, 把任意像素点X变为X′, 相应的位移-X, 将该特征线段的权值记为weight(i), 则有(5)其中N表示特征线段对的数目. 式(5)表明, 如果weight(i)是所有权值和的一小部分, 则weihgt(i)可以被忽略. 由用户定义一个下界τ, S是一系列特征线段Fi, 使得weight(i)在权值和中的比例大于该下界τ. 近似式(5), 有(6)3 图像相似度计算在进行手背静脉识别前, 需要计算一系列中间帧图像的相似度. 考虑图像的颜色、线段长度、位置等特征, 对他们进行加权组合. 两幅图像i1,i2间的相似度为S(i1,i2)=w1s1(i1,i2)+w2s2(i1,i2)+w3s3(i1,i2),其中: S1,S2,S3分别表示两幅图像的颜色、线段长度和位置相似度； wi是权值. 先计算一系列相邻中间帧之间的图像相似度, 然后由这些相似度值生成型值点, 再插值成一条Bézier曲线；最后计算该曲线在不同点处的曲率及其均值以及曲线与坐标轴所围成的面积, 根据计算结果鉴别图像. 60人120幅图像的实验结果表明, 该算法的识别率为96.5%, 误拒率为0.参考文献【相关文献】[1] Gottumukkal R, Asari V K. An Improved Face Recognition Technique Based on Modular PCA Approach [J]. Pattern Recognition Letter, 2004, 25(4): 429-436.[2] HAN Xiao, JI Jin-chao, ZUO Ping, et al. Recognition Algorithm of Dorsal Hand Vein [J]. Journal of Jilin University: Science Edition, 2010, 48(2)： 245-250. (韩笑, 冀进朝, 左平, 等. 手背静脉特征提取算法 [J]. 吉林大学学报: 理学版, 2010, 48(2)： 245-250.)[3] HAN Xiao, MA Si-liang, ZHANG Zhong-bo. Image Enhancement and Extracting Features of the Dorsal Hand Vein Patterns Based on Ridgelet Transform [J]. Journal of Jilin University: Science Edition, 2006, 44(3): 415-417. (韩笑, 马驷良, 张忠波. 基于脊波变换的手背静脉图像增强及特征提取 [J]. 吉林大学学报: 理学版, 2006, 44(3)： 415-417.)[4] Wolberg G. Image Morphing: A Survey [J]. The Visual Computer, 1998(14): 360-372.[5] Beier T, Neely S. Feature-Based Image Metamorphosis [J]. Computer Graphics, 1992, 26(2)： 35-42.[6] Seitz S M, Dyer C R. View Morphing [C]//Proceedings of SIGGRAP’96. New York: ACM Press, 1996： 21-30.[7] Lee S Y, Chwa K Y, Hahn J, et al. Image Morphing Using Deformation Techniques [J]. J Visualization Comput Anim, 1996, 7(1)： 3-23.[8] Lee T Y, Lin Y C, Lin L, et al. Fast Feature-Based Metamorphosis and Operator Design [J]. Computer Graphics Forum, 1998, 17(3): 15-22.。
一种人手背静脉特征识别方法
一种人手背静脉特征识别方法严娇娇;种兰祥;李婷【期刊名称】《计算机科学》【年(卷),期】2018(045)0z1【摘要】针对目前手背静脉图像识别采用细化和骨架操作等提取结构特征易造成静脉结构细节丢失和特征点误判等问题,提出一种基于方向梯度直方图(HOG)的手背静脉特征识别方法.采用生物特征识别的一般流程,对手背静脉图像灰度进行归一化和滤波增强等预处理后,直接对手背静脉灰度图像进行二级小波包分解,提取低频子带图的HOG纹理特征,最后采用K近邻分类器实现个人身份识别.利用自行建立的手背静脉图像数据库对所提方法进行验证,结果证明了算法的有效性,其正确识别率为 9 5%,应用前景广阔.%For the current hand vein image recognition using the extraction structure features such as refinement and skeleton operations,it's easy to cause the loss of vein structure details and misjudgment of feature points,this paper proposed a hand vein feature recognition algorithm based on gradient histogram gradient (HOG).Adopting general bio-metric identification process,this algorithm extracts the HOG texture feature of the low-frequency sub-band graph by the directly decomposing two-level wavelet packet after the hand dorsal vein image is preprocessed by image grey nor-malization pretreatment and filtering enhancement.Then,the personal identity is recognized by using K neighbor classi-fier.This algorithm was verified finally by using self-established dorsal vein image database.The experimental results show thatthe proposed algorithm is effective and its correct recognition rate is 95%,and its application prospect is broad.【总页数】4页(P206-209)【作者】严娇娇;种兰祥;李婷【作者单位】西北大学信息科学与技术学院西安 710127;西北大学信息科学与技术学院西安 710127;西北大学信息科学与技术学院西安 710127【正文语种】中文【中图分类】TP391【相关文献】1.一种融合奇异值主元投影特征和核主元投影特征的人耳识别方法 [J], 王庆泉;张辉2.一种仿人足球机器人视觉系统环境特征获取与识别方法 [J], 王亚东;雷国华;安波;于燕飞;许宪东3.一种融合二值边缘特征和灰度特征的人脸识别方法 [J], 陈北京;王蔚;宋加涛;任小波4.一种基于面部纹理特征融合的人脸表情识别方法 [J], 高婷婷;李航;殷守林5.一种基于SIFT特征及决策函数的人脸识别方法 [J], 杨璐因版权原因，仅展示原文概要，查看原文内容请购买。
基于NIBLACK改进算法的静脉识别特征提取
基于NIBLACK改进算法的静脉识别特征提取郑均辉;喻恒【期刊名称】《现代电子技术》【年(卷),期】2015(000)012【摘要】静脉识别是一种新兴的生物特征识别技术，为了满足静脉识别中的特征提取需求，对手背静脉提取方法进行了研究。
首先采用CLAHE算法对手背静脉图像进行增强处理，然后针对传统NIBALCK二值化算法的不足，提出一种局部静态阈值与NIBLACK相结合的改进算法。
实验证明，该方法能有效消除传统方法中噪声过多、纹络断裂的现象，克服光强因素对图像提取的影响，保持完整清晰的静脉纹络结构，从而满足后续识别工作的需要。
%Vein recognition is an emerging biometric feature recognition technology. In order to meet the demands for the feature extraction in hand vein recognition,a study on hand vein extraction methods is made in this paper. The hand vein image is enhanced with CLAHE algorithm first before the image processing. Because the traditional NIBLACK algorithm for image bina⁃rization processing has some flaws,an improved algorithm combining local static threshold method with NIBLACK algorithm is proposed in this paper. Experimental results show that the method can effectively eliminate the phenomena of noise nimiety and texture break,and overcome the impact of light intensity on the image extraction,which can keep the clear vein structure.【总页数】4页(P74-76,79)【作者】郑均辉;喻恒【作者单位】平顶山学院计算机科学与技术学院，河南平顶山 467000;平顶山学院计算机科学与技术学院，河南平顶山 467000【正文语种】中文【中图分类】TN911.73-34;TP391.14【相关文献】1.基于CLAHE和改进的NIBLACK算法的手背静脉提取方法 [J], 喻恒;郑均辉2.NIBLACK改进算法在手指静脉识别中的应用研究 [J], 郑均辉;甘泉3.基于改进Niblack算法的轴承滚子表面缺陷检测 [J], 陈金贵;陈昊;张奔4.基于改进LBP的手指静脉识别算法 [J], 刘超;王容川;许晓伟;于海武5.基于改进型ELM的指静脉识别算法研究 [J], 刘胜前;张烈平;赵阳;孙旋因版权原因，仅展示原文概要，查看原文内容请购买。
护士选择血管技巧
护士选择血管技巧3如何选血管3.1老年人——手足背静脉输液法年老体弱及患多种慢性病患者手足静脉较细小表浅、皮下脂肪少、弹性差、血管缺少组织支持活动度较大，穿刺困难。
因此，穿刺前要仔细了解血管特点或生理异常，必须注意，要使其充分暴露，看清走行摸清深浅和粗细。
根据手足末梢神经对疼痛刺激较敏感特点，进针应采用快、稳、准及宁浅勿深法逐渐进针，避免因疼痛引起血管收缩而降低穿刺成功率。
进针前比一下针体与血管长度以决定进针长短；穿刺时患者不用握拳，采用自然放松法，自然放松法明显优于握拳法，具有进针快、回血快、一针见血率高的优点，明显减轻进针疼痛感。
静脉输液中应用自己的左手握患者的手或足，以拇指绷紧皮肤固定血管下端以减少血管滑动，如部位难以穿刺成功者，可选择手足背下1/2至指处的血管进行逆行穿刺［1］。
3.2小儿头皮——静脉逆行输液法通常小儿头皮静脉输液多采用向心端逆行静脉穿刺，但长期输液患儿因血管破坏较多，短时间不能恢复，如再用穿刺过的血管输液，因局部血容量增加，血管内压力增大，液体可通过原针眼向组织间隙渗透造成局部肿胀，有些药物如渗到皮下可导致组织坏死，给患儿带来不应有的痛苦。
因小儿头皮静脉呈网状分流且无静脉瓣，逆行输液速度不会减慢。
4如何确定静脉穿刺进针的角度静脉穿刺传统的进针角度为15°～30°，经过临床实践发现增大针头与皮肤之间的进针角度更易穿刺，且由于角度大，通过真皮层的时间减少，可减轻进针引起的疼痛或达到无痛。
刘素芬［2］等也通过力学分析和实践证明以45°或接近45°角进针容易且省力，不会出现皮肤随进针方向向前推移及刺破血管下壁现象。
5如何控制滴速输液过程中的滴速可由不同原因自行发生变化，根据临床实践发现有以下原因：（1）由于开始穿刺时针头斜面与血管壁相贴，当时滴速不快，输液中因患者体位变化使针头斜面离开血管壁，结果自行变快。
（2）目前使用一次性输液器，常出现滴速调节器失控。