手指静脉识别

手指静脉识别技术

手指静脉识别是一种新生的生物特征识别技术，它利用人体手指内部静脉的分布特征来进行身份识别，即利用专门的图像采集装置获取静脉血管图像，再经过计算机或其他处理器执行识别算法提取出静脉特征，然后通过匹配这些特征来实现身份认证。手指静脉血管图像如图1.2所示。

手指静脉的形状具有唯一性和稳定性，即每个人都手指静脉都不同，同一个人的手指静脉也不相同，且健康成人的静脉形状不会发生变化。与其他生物识别技术相比，手指静脉识别具有以下优点：

(l)唯一性好：医学证明，不同人的手指静脉完全不同，即使是双胞胎也不同，并且静脉形状在成年后不会变化。

(2)安全性高：由于静脉血管是隐藏在手指内部的，并且需要在专门的红外采集装置下才能获取图像，因此极难复制和窃取，具有很强的防伪性。

(3)准确率高：手指静脉识别具有非常高的准确率，根据严格的医学证明和数学统计，F 双(拒识率)小于0.01%，F从(误识率)小于0.001%。

(4)简便易用：使用者对手指静脉识别的心理抗拒性低，静脉受生理或环境因素的影响也低，且属于身体部分，无需携带，不会遗忘。静脉识别属于非接触式识别，使用安全卫生。

(5)快速识别：由于手指静脉血管相对稳定且容易拍摄，同时采集静脉图像的样本小从而生成的静脉模板的数据量也小，匹配速度快。

综上所述，手指静脉识别技术具有多种突出优点，被业内认为是目前身份认证中最有发展前途的生物特征识别技术之一。

手指静脉识别的国内外研究现状

手指静脉识别技术通过获取近红外光照射下的静脉图像来进行身份认证，是当前具有高精度、高速度的生物识别技术。手指静脉识别是利用手指内部特征来实现认证的，具有很高的防伪性，作为第二代生物识别技术备受瞩目。

20世纪90年代末，日立制作所的研发人员在一项度量人脑活动的研究中发现，利用近红外光观察血液流动可以作为一种有效的、高度安全的生物识别方法，这就是手指静脉研究的起源。1997年日立中央研究所便开始对手指静脉认证技术进行研究，并利用透射光成像方式获取到了静脉分布图。此后静脉认证技术逐渐成熟并走向市场，到2002年日立公司发布了第一台手指静脉门禁控制系统产品。日立公司在2004年又推出了静脉新产品—用于ATM安全认证的指静脉认证系统，并在2005年使其商业化，同年还对外展示了载有“手指静脉认证设备”的汽车锁。截至目前，在日本，80%的ATM存取款机都搭载了手指静脉识别认证设备。手指静脉认证技术不仅在日本逐渐普及，在其他国家也备受关注。图1.3显示的是日立公司推出的手指静脉门禁系统和计算机安全登录系统。

日立公司在手指静脉识别系统的研究中，由Miura等人提出了许多具有独创性的静脉识别算法，典型的有重复线形跟踪法、最大曲率算法等，这些算法都已经成功应用于其公司开发的多种手指静脉识别系统之中。

在国内，虽然目前尚自主开发的静脉识别相关产品出现，但已有很多学术机构、研究所和公司单位进行手指静脉技术的相关研究。在高校，哈尔滨工程大学的王柯俊教授、重庆工学院的余成波教授及吉林大学的马驯良教授等人对静脉识别技术的研究做了大量的工作，指导多名博、硕士研究生发表了很多高水平的学术论文，有的还进行了样机的研制，并提出了许多创造性的算法。在公司，江苏东大金智能建筑智能化系统工程有限公司利用CMOS器件设计了较低成本的手指静脉图像的采集装置[25]，采集到了较高质量的静脉图像。与国外静脉识别产业蓬勃发展的势头相比，国内的手指静脉识别技术起步相对较晚，且研究成果主要集中在算法方面，在产品研发和应用仍面临许多问题需要解决。

手指静脉识别的系统架构

静脉识别的基本原理

手指静脉是指人体手指内部的静脉血管，手指静脉识别就是利用该血管结构的特征来实现身份认证。在可见光下，静脉是不可见的，只有在特殊的采集装置下才能获取。医学证明，人体手指静脉的血管结构在波长为0.7一1.lum的近红外光的照射下，能够穿透骨骼和肌肉，而流经静脉血管的血红蛋白容易吸收该波段的红外光而突显出静脉结构。通过专门的图像采集装置如红外CCD摄像机即可拍摄到静脉图像，然后对静脉图像进行分析处理，便可从中得到静脉特征。研究表明]，不同人的静脉结构是不同的，即使是双胞胎的各手指静脉也是不同的，而且成年人的静脉结构不再变化，即静脉具有唯一性，这就为静脉识别提供了科学依据。图2.1所示的是两幅采集到的手指静脉图像，指尖在左，图中的阴影纹路就是静脉血管结构，利用静脉的分布特征可以识别不同的人。这就手指静脉识别的基本原理。

静脉识别的系统流程

典型的生物特征识别系统主要包括四个部分:图像采集、预处理、特征提取和模式识别。其中特征提取和模式识别是最主要的两个部分，关系到整个识别系统的识别精度，手指静脉识别系统也不例外。

一个基本的手指静脉识别系统由静脉采集、质量评估、图像预处理、特征提取和编码、模式匹配共5个部分组成。静脉图像的预处理一般包括图像定位、滤波除噪、归一化等步骤。手指静脉识别的流程如图2，2所示。

其中，图像采集模块是静脉系统的第一步，负责完成近红外图像的获取，一般通过近红外CCD或者CMos器件拍摄。质量评估是一个可选模块，主要功能是评价当前的静脉图像是否合格，例如可排除非法使用异物试图进入识别系统的情况发生。图像预处理是静脉识别算法的第一步，也是有必要的一个环节，它直接影响着后续的提取效果。特征提取模块完成对静脉模式的提取，主要包括对静脉图像的分割、二值化、细化等操作，最终提取出静脉结构特征。模式匹配是静脉识别算法的最后一步，执行输入静脉与数据中的静脉特征匹配，计

算出匹配度，最终输出识别结果给相应控制系统，如门禁系统、A TM机、计算机登录系统等。静脉识别一般用于多用户的身份识别，因此要求用户注册静脉并录入系统，系统组成框图中的静脉注册模块就是完成这个功能的。

手指静脉的特征提取与匹配

静脉图像的预处理

静脉图像的定位

拍摄到的手指静脉图像可知，在装置封闭性好的情况下，背景部分呈现黑色，即灰度级级低，而手指区域(含静脉)的灰度级别相对较高，两者有明显的灰度差别。根据这种实际情况，本文采用的手指定位步骤如下:

STEP1:简单滤波，滤除图像噪声。先使用中值滤波算法，滤除斑点状噪声或扫描线噪声，然后进行简单平均滤波，使图像更加清晰、平滑，为后面的图像二值化做准备。

STEP2:利用图像二值化获取手指掩膜图。由于手指区域和背景区域的灰度级相差很大，因此采用一般的单阂值二值化就可以将静脉图像分为静脉和背景两部分，即获得手指掩膜图像。

STEP3:对原静脉图像进行反掩膜处理获取感兴趣区域(ROI)。即将当前采集的整幅静脉图像与前面得到的掩膜图像相乘，背景部分灰度置为0，手指部分灰度保持不变，就得到了需要的感兴趣区域—手指部分图像。

图4.1(a)为采集到的一幅静脉图像，包含背景和静脉部分，并且背景部分灰度接近0值。如果对整幅图像进行特征提取，可能在背景部分提取到静脉，显然是错误的静脉信息。