專利名稱：利用指關(guān)節(jié)紋識(shí)別個(gè)人身份的方法和系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種利用指關(guān)節(jié)紋識(shí)別個(gè)人身份的方法，所述指關(guān)節(jié)紋包括包裹在近
端指間關(guān)節(jié)外的皮膚。
背景技術(shù)：
個(gè)人身份識(shí)別技術(shù)具有諸多應(yīng)用，例如在物理訪問(wèn)控制、計(jì)算機(jī)安全和執(zhí)法方面 的應(yīng)用?；谏锾卣鞯膫€(gè)人身份識(shí)別被認(rèn)為是一種具有高度可靠性的自動(dòng)識(shí)別個(gè)人身份 的有效方法。生物識(shí)別技術(shù)是指人們的物理學(xué)特征或行為特征，將這些特征用在區(qū)分個(gè)體 差異上是很具有優(yōu)勢(shì)的解決方案。已經(jīng)基于不同的生物特征開發(fā)了多種系統(tǒng)。已開發(fā)的生 物識(shí)別系統(tǒng)是基于不同的生物特征的，包括臉、虹膜、指紋、掌紋、聲音和字跡特征。每種生 物識(shí)別裝置都有自身的特點(diǎn)和應(yīng)用領(lǐng)域，其中每種在各種情況下都不可能取代其它所有的 生物識(shí)別裝置。例如，雖然指紋識(shí)別已被廣泛應(yīng)用了多年，且在大多數(shù)情況下效果很好，但 是它仍然具有自身的缺陷，例如難以獲取指紋特征。對(duì)于某類人群如勞動(dòng)的工人以及老人， 其手內(nèi)側(cè)非常容易磨損從而將嚴(yán)重影響基于指紋、掌紋或手指基本皺褶的系統(tǒng)的性能?；?于虹膜的系統(tǒng)可以達(dá)到極高的精確度，但是虹膜掃描儀是非常昂貴的。掌紋系統(tǒng)則必須設(shè) 置大型的采集裝置。因此，仍在開發(fā)新型的基于不同生物特征識(shí)別的系統(tǒng)。
因此，需要針對(duì)一些識(shí)別上的難題來(lái)提供一種生物特征識(shí)別的方法和系統(tǒng)。

發(fā)明內(nèi)容
在本發(fā)明的第一優(yōu)選方面中，提供了一種利用指關(guān)節(jié)紋識(shí)別個(gè)人身份的方法，所 述指關(guān)節(jié)紋包括包裹在手指近端指間關(guān)節(jié)外的皮膚，所述方法包括
拍攝人體指關(guān)節(jié)紋的圖像； 基于指關(guān)節(jié)紋的局部凸性提取感興趣區(qū)域ROI圖像IKQI ; 使用擴(kuò)展的Gabor相編碼方案從ROI圖像IKQI中提取表示指關(guān)節(jié)紋圖像方位線的 特征，且所述提取的特征用競(jìng)爭(zhēng)碼圖表示； 其中，將競(jìng)爭(zhēng)碼圖之間的角距離與數(shù)據(jù)庫(kù)中的參考值進(jìn)行比較來(lái)識(shí)別個(gè)人身份。
所述方法還包括將手指放到三角件上的初始步驟。
所述方法還包括定義ROI坐標(biāo)系來(lái)提取ROI圖像IKra :
從拍攝的圖像中裁剪提取出粗子圖像I。。arse， 采用ca皿y邊緣檢測(cè)器從粗子圖像Ie,se中獲取相應(yīng)的邊緣圖像Iedge， 基于局部凸性對(duì)相應(yīng)的邊緣圖像I^^進(jìn)行編碼以獲取凸性編碼圖像I。。，使得相應(yīng)
的邊緣圖像上的每個(gè)像素被賦予代表該像素的局部凸性的代碼； 獲取直線X = x。用來(lái)很好地劃分凸性編碼圖像I。。上代碼為"l"的像素和代碼為 "-l"的像素；
/ 的離， 將直線X = x。作為ROI坐標(biāo)系的Y軸，而直線j = ■,」^&作為ROI坐標(biāo)系的
4X軸。

x0 = arg min
獲取x。的公式為
直線X = ;c右側(cè)的代碼為1的像素?cái)?shù)量+直駄=;c左
J的代碼為-l的像素?cái)?shù)量、
乂
代碼為l的像素?cái)?shù)』
代碼為-l的像素?cái)?shù)量
中提取ROI圖像 采用基于神經(jīng)生理學(xué)的Gabor濾波器的實(shí)部GK從ROI圖像IB IKQI的方位信息。 所述方位信息由以下定義的競(jìng)爭(zhēng)碼圖表示
co，Cocfe(x,力=argmax!血(/廳(x，力* G^(x,y,， _/ = {0,...,5} 在此，*表示巻積運(yùn)算，而GK表示基于神經(jīng)生理學(xué)的Gabor函數(shù)G的實(shí)部。
所述角距離D (P， Q)由以下公式定義
Z "力。x GCP(x,力,2(x，力)"(尸,0 =.
=0 ;c=0
=0 ;c=0
在此
<5(尸"力息力)=
'l,尸(;c，力=6a"rf # 6
l,戶(x，力# 6 a"c 2(x,力=6
0,尸"力=20，力
min(2(A:,力-尸(x,力,尸(;c,力—(g(;c，力-6)),z/ P(;c,力< * 6 且n表示"與"運(yùn)算。 使用A*類路徑搜索算法提供匹配所提取特征的接近于最理想的方案，其中所提 取特征被當(dāng)作競(jìng)爭(zhēng)碼圖來(lái)存儲(chǔ)。 在第二方面中，提供了一種利用指關(guān)節(jié)紋識(shí)別個(gè)人身份的系統(tǒng)，所述指關(guān)節(jié)紋包
括包裹在手指近端指間關(guān)節(jié)外的皮膚，其特征在于，所述系統(tǒng)包括 圖像采集裝置用于拍攝人體指關(guān)節(jié)紋的圖像； 第一提取模塊，用于基于指關(guān)節(jié)紋的局部凸性提取R0I圖像IKQI ; 第二提取模塊，用于使用擴(kuò)展的Gabor相編碼方案從R0I圖像IKQI中提取表示指
關(guān)節(jié)紋圖像方位線的特征，且所述提取的特征用競(jìng)爭(zhēng)碼圖表示； 其中，將競(jìng)爭(zhēng)碼圖之間的角距離與數(shù)據(jù)庫(kù)中的參考值進(jìn)行比較來(lái)識(shí)別個(gè)人身份。
所述系統(tǒng)還包括用于放置手指的三角件。 本發(fā)明為一種有利地使用二維指關(guān)節(jié)特征來(lái)進(jìn)行個(gè)人身份識(shí)別的獨(dú)立的系統(tǒng)。通 過(guò)嚴(yán)格的試驗(yàn)，這種新型的生物特征識(shí)別裝置具有唯一性和穩(wěn)定性，使其具有非常好的生 物特征來(lái)實(shí)現(xiàn)個(gè)人身份識(shí)別。 本發(fā)明能夠有效地實(shí)時(shí)工作，且識(shí)別率高足以與其它生物識(shí)別系統(tǒng)相比，例如，指 紋識(shí)別系統(tǒng)。
本發(fā)明比其它類型的系統(tǒng)使用更方便，如指紋識(shí)別系統(tǒng)。本發(fā)明的成像是非接觸 式的且不同于指紋成像，不會(huì)留下痕跡。 本發(fā)明與現(xiàn)有的一些生物識(shí)別系統(tǒng)如掌紋識(shí)別系統(tǒng)相比更加小巧。這意味著其在 很多應(yīng)用場(chǎng)合均可輕松使用。 本發(fā)明是非常經(jīng)濟(jì)的，并可以達(dá)到與其它常用的生物識(shí)別系統(tǒng)相比較高的性能。
在一些特定的應(yīng)用中，本發(fā)明比其它生物識(shí)別系統(tǒng)更適用。例如，與指紋或掌紋識(shí) 別系統(tǒng)相比，本發(fā)明更適用于勞動(dòng)的工人。這些勞動(dòng)的工人的手掌內(nèi)表面可能遭受嚴(yán)重的 磨損，因此不適于使用指紋或掌紋識(shí)別系統(tǒng)。


現(xiàn)在將結(jié)合附圖對(duì)本發(fā)明的實(shí)施例進(jìn)行說(shuō)明，其中 圖1是根據(jù)本發(fā)明優(yōu)選實(shí)施例中指關(guān)節(jié)紋匹配的流程圖； 圖2是指關(guān)節(jié)紋識(shí)別系統(tǒng)的結(jié)構(gòu)圖； 圖3是通過(guò)圖2的系統(tǒng)中的圖像采集裝置拍攝的樣本圖片； 圖4是圖3的樣本圖片的粗子圖像I。。arse ; 圖5是圖4中粗子圖像Ic,se的邊緣圖像Iedge ; 圖6(a)和(b)所示為凸起方向編碼方案； 圖7是圖4中粗子圖像I。。^的感興趣區(qū)域(ROI)的坐標(biāo)系統(tǒng)，在此矩形示出了將 要提取的粗子圖像I。。a^所對(duì)應(yīng)的ROI區(qū)域； 圖8 (a)至(d)是ROI圖像的一系列實(shí)例; 圖9(a)和(b)是兩幅圖像，其中圖9(a)為ROI圖像IK0I，圖9 (b)為其競(jìng)爭(zhēng)碼圖; 圖10是真匹配距離和假匹配距離的分布圖； 圖11是誤拒絕率(FRR)和誤接受率(FAR)的示意圖。
具體實(shí)施例方式
請(qǐng)參閱圖l，提供了一種基于二維指關(guān)節(jié)紋的個(gè)人身份識(shí)別系統(tǒng)18。指關(guān)節(jié)紋是 指包裹在手指近端指間關(guān)節(jié)外的皮膚。系統(tǒng)18—般由兩部分組成用于拍攝人體指關(guān)節(jié)紋 圖像的指關(guān)節(jié)紋圖像采集裝置19，以及用于處理所述拍攝的圖像來(lái)進(jìn)行個(gè)人身份識(shí)別的軟 件模塊27。 該軟件模塊27的過(guò)程包括記錄并匹配指關(guān)節(jié)紋圖像。當(dāng)需要記錄指關(guān)節(jié)紋時(shí)， 先拍攝指關(guān)節(jié)紋的圖像10。獲得指關(guān)節(jié)紋的圖像后，通過(guò)基于指關(guān)節(jié)紋的局部凸性的算法 提取感興趣區(qū)域(Region of Interest, ROI)的圖像IKQI12?；跀U(kuò)展的Gabor相編碼方 案從ROI圖像IKQI中提取表示指關(guān)節(jié)紋圖像方位線的特征13。所提取的特征表示為競(jìng)爭(zhēng)碼 圖92并存儲(chǔ)在數(shù)據(jù)庫(kù)15中。從新獲得的圖像中重新獲得另一個(gè)特征并對(duì)先前存儲(chǔ)在數(shù)據(jù) 庫(kù)15中的圖片進(jìn)行搜索以獲取匹配過(guò)程中的角距離。為了確定是否有匹配，比較其角距離 14。如果角距離處于預(yù)設(shè)的可接受范圍內(nèi)，則認(rèn)為是匹配的。
指關(guān)節(jié)紋圖像采集裝置 請(qǐng)參閱圖2，指關(guān)節(jié)紋圖像采集裝置19 一般包括手指支架24、環(huán)狀LED光源、透 鏡、普通CCD攝像頭22和圖像采集卡21。圖像采集卡21是一種通過(guò)CCD攝像頭22拍攝獨(dú)
6立的、數(shù)字的靜態(tài)幀的電子裝置。為了獲得穩(wěn)定的指關(guān)節(jié)紋圖像，為手指支架24配置了容 器以構(gòu)成半封閉的環(huán)境。手指支架24用來(lái)控制手指的姿勢(shì)。該裝置19用來(lái)確保在不同的 拍攝時(shí)間同一手指的姿勢(shì)不發(fā)生顯著的變化，以簡(jiǎn)化識(shí)別方法。手指支架24設(shè)有三角件， 從而將近端指骨26和中節(jié)指骨25之間的角度限定為一特定值。 當(dāng)拍攝指關(guān)節(jié)的圖像時(shí)，使用者按照指示將其手指平整地放置在手指支架23的 基礎(chǔ)件上，從而使中節(jié)指骨25和近端指骨26緊貼于三角件的兩個(gè)斜面。中節(jié)指骨25和近 端指骨26之間的角度與三角件的兩個(gè)斜面構(gòu)成的角度大約相等。CCD攝像頭22和圖像采 集卡21拍攝了圖像之后，將其傳送至計(jì)算機(jī)20通過(guò)軟件模塊27做進(jìn)一步的處理。圖3示 出了裝置19采集的樣本圖像30。
指關(guān)節(jié)紋圖像的ROI圖像提取 在軟件模塊27中，定義了 ROI坐標(biāo)系來(lái)排列不同的指關(guān)節(jié)紋圖像以匹配。為了測(cè) 出可靠的特征，通過(guò)算法來(lái)確定該ROI坐標(biāo)系。使用ROI坐標(biāo)系提取ROI圖像。ROI坐標(biāo)系 的X軸是相對(duì)容易識(shí)別的，而Y軸則存在些許困難。近端指間關(guān)節(jié)兩面上的"皮膚曲線"具 有不同的凸性?，F(xiàn)在對(duì)ROI圖像的具體提取過(guò)程進(jìn)行描述。 從原始圖像30中裁剪出"粗"子圖像Ie。arse。有用的像素僅占據(jù)采集的圖像中對(duì) 應(yīng)"真實(shí)"手指位置的部分。該粗子圖像Ie。aree40從原始圖像30中裁剪出來(lái)便于后續(xù)的處 理。通過(guò)經(jīng)驗(yàn)來(lái)估計(jì)該粗子圖像I。。arse40的左右邊界。頂部和底部邊界則根據(jù)"真實(shí)"手指 的邊界來(lái)估計(jì)。使用如Ca皿y邊緣檢測(cè)器來(lái)獲得頂部和底部邊界。樣本圖像30對(duì)應(yīng)的粗 子圖像I—40如圖4中所示。 采用精細(xì)的邊緣檢測(cè)器從粗子圖像I。。a_ 40中獲取相應(yīng)的邊緣圖像Iedge50。粗子 圖像I。。am40對(duì)應(yīng)的邊緣圖像1*50如圖5中所示。 基于局部凸性對(duì)相應(yīng)的邊緣圖像1*^0在凸方向上進(jìn)行編碼以獲取如圖6(b)所 示的凸起編碼圖像I。。。為相應(yīng)的邊緣圖像Iedge50中的每個(gè)像素賦予一個(gè)代表該像素的局 部凸性的代碼。該編碼方案遵循的原則如下所述。基于對(duì)指關(guān)節(jié)紋圖像的檢測(cè)，抽象出了 指關(guān)節(jié)紋圖像"曲線"的理想模型如圖6(a)所示。在該模型中，指關(guān)節(jié)紋"曲線"向左凸出 (圖6(a)中的方點(diǎn))或者向右凸出(圖6(a)中的圓點(diǎn))。向左凸出的曲線上的像素被賦 予代碼"l"，向右凸出曲線上的像素被賦予代碼"-l"，沒有位于任何曲線上的像素被賦予 代碼"O"。本發(fā)明視Ie^中的邊緣為"曲線"，且這些凸方向編碼在Ie一上執(zhí)行。圖6(b)所 示為圖6(a)的編碼結(jié)果。
其算法為
<formula>formula see original document page 7</formula>
初始化I。。等于16一的大小并將每個(gè)像素賦值為0 ; 從左至右、從上至下掃描Iedge上的每個(gè)像素 對(duì)于當(dāng)前像素 〃i， j代表圖像Iedge中當(dāng)前像素的行數(shù)和列數(shù)。
if Iedge(i， j) = = 0 〃其為背景像素 ignore it ;
else if Iedge(i+1， j_l) ==1 and Iedge(i+1， j+1) == 1〃其為分叉像素
ignore it ; else if (Iedge (i+1 ， j_l) = = landi < = ymid) or (Iedge (i+1 ， j+1) = = landi > ymid)
Icc(i， j) = 1 ; else if (Iedge (i+1 ， j+1) == landi < = ymid) or (Iedge (i+1 ， j_l) == landi > ymid)
Icc(i， j) = -1 ; 圖6(b)所示的獲取的凸性編碼圖像I。。反映了原指關(guān)節(jié)紋凸性上的曲線的局部凸 性。在圖6(b)中，大多數(shù)代碼為"1"的像素位于凸性編碼圖像I。。的左側(cè)部分，而大多數(shù)代 碼為的像素位于凸性編碼圖像I。。的右側(cè)部分。獲得的直線X = x。可用于很好地劃 分凸性編碼圖像I。。上代碼為"l"的像素和代碼為"-l"的像素。很好地劃分代碼為"l"的 像素和代碼為的像素的直線X = x。正好將凸性編碼圖像I。。分為左右兩個(gè)部分。獲
取x。的計(jì)算公式為
<formula>formula see original document page 8</formula> 直線X = x。被作為ROI坐標(biāo)系的Y軸，而直線<formula>formula see original document page 8</formula>被作為ROI坐標(biāo)系
的X軸。通過(guò)該坐標(biāo)系從I。。a，中提取固定大小的ROI圖像IKQI。圖7所示為建立在圖4中 粗子圖像I。。a， 40的ROI坐標(biāo)系，矩形71所指的區(qū)域?yàn)镽OI圖像IKQI70待提取的區(qū)域。圖 8(a)至(d)示出了通過(guò)上述方法提取的ROI圖像的一些實(shí)例。
特征提取與編碼 指關(guān)節(jié)紋圖像中具有豐富的線特征。使用基于Gabor函數(shù)的競(jìng)爭(zhēng)編碼方案來(lái)提取 感興趣的特征。Gabor循環(huán)濾波器是紋理分析的一種有效工具。其計(jì)算公式為 <formula>formula see original document page 8</formula>
在此，<formula>formula see original document page 8</formula>為函數(shù)的中心，"為弧度表示的每單位長(zhǎng)度的徑向頻率，9為弧度表示的Gabor函數(shù)的方向。k是通過(guò)<formula>formula see original document page 8</formula>
來(lái)進(jìn)行定義的，其中S為頻率響應(yīng)的一半振幅處的帶寬。
當(dāng)o和S固定時(shí)，"可以由"=k/o獲得。該Gabor函數(shù)為基于神經(jīng)生理學(xué)的Gabor 函數(shù)。其與一般Gabor函數(shù)相同，但是參數(shù)的選擇受到神經(jīng)生理學(xué)研究的限制，并去除了函 數(shù)的DC(直流部分)。 使用基于神經(jīng)生理學(xué)的Gabor函數(shù)的實(shí)部來(lái)提取ROI圖像IKQI的方位信息。在每 一個(gè)像素IKra(x， y)上，在6個(gè)不同方向9 j = J、 /6， j = {0， 1， . . 5}上計(jì)算Gabor響應(yīng) <formula>formula see original document page 8</formula>其中承表示巻積運(yùn)算，而G^表示Gabor函數(shù)G的實(shí)部。然 后將每個(gè)像素的競(jìng)爭(zhēng)碼定義如下 <formula>formula see original document page 8</formula>
該算法具體為 對(duì)于ROI圖像IK0I上的每個(gè)像素IK0I (x， y): R = {Rj = IK0I(x， y)*GK(x， y， " ， e j)}，在此e」=j ji /6， j = {0， 1， 5}，
ifstd(R)/(max(R)-min(R)) < threshod〃該像素不具有確定的方向
compcode(x， y) = 6 ; elsec。mpCocfe(x,7) = argmax("Z^(i^.》 ； 競(jìng)爭(zhēng)碼圖92同樣以矩陣模式存儲(chǔ)。圖9示出了一個(gè)實(shí)例中的ROI圖像IKQI91以 及通過(guò)上述算法獲得的對(duì)應(yīng)的競(jìng)爭(zhēng)碼圖92。
匹配競(jìng)爭(zhēng)碼 給定兩幅代表指關(guān)節(jié)紋的競(jìng)爭(zhēng)碼，則可以通過(guò)匹配算法來(lái)檢測(cè)它們之間的相似程
度。利用角距離來(lái)進(jìn)行比較。假設(shè)P和Q為兩個(gè)特征矩陣(競(jìng)爭(zhēng)碼圖92)，而PM和QM分布
為對(duì)其中-
進(jìn)行譯碼時(shí)用來(lái)表示相應(yīng)重疊區(qū)域的陰影。角距離是由以下公式定義的
y=0 j;=0
在此，
G(iW),2(x,力h
1, P(x,力=6 力# 6
^ 6朋c/ =6
min(P(x,力—力,力—力—6)),'/戶(;c,力> g(:c，力a"J 力* 6 min(g(x,力—力,P(;c,力—力—6)), z/ 力< g(x,力J 力# 6n表示"與"運(yùn)算?？紤]到對(duì)提取的子圖像中的解譯的多種可能性(對(duì)記錄的其
中一個(gè)提取子圖像來(lái)說(shuō))，可以將一個(gè)在水平和垂直方向上解譯的特征進(jìn)行多重匹配。將由 此產(chǎn)生的匹配數(shù)中的最小值作為最終認(rèn)定的角距離。 在多數(shù)情況下，ROI圖像不能完全匹配。在比較競(jìng)爭(zhēng)碼時(shí)，使用多次解譯來(lái)獲取多 個(gè)匹配距離，并將其中最小的一個(gè)距離作為最終認(rèn)定的角距離。這意味著在"解譯空間"內(nèi) 搜索最小距離。如果直接在競(jìng)爭(zhēng)碼上進(jìn)行將是非常耗時(shí)的。因此，使用了多重尺度匹配方 案。首先，建立這兩個(gè)競(jìng)爭(zhēng)碼的向下取樣運(yùn)算的錐形樹。在大多數(shù)情況下如果使用通常粗 略到準(zhǔn)確的匹配方式，則不能提供一個(gè)最佳的解決方案。這是因?yàn)楫?dāng)該搜索在粗略到準(zhǔn)確 的搜索過(guò)程中選擇了錯(cuò)誤的方向，無(wú)論該錯(cuò)誤的搜索變得多么精確都不能再退回去選擇正 確的方向。使用A^即全部通過(guò)人工智能開發(fā)的路徑搜索算法)類搜索算法來(lái)提供接近于 最理想的方案。A*類路徑搜索算法提供了匹配所提取特征的接近于最理想的方案，其中所 提取特征被當(dāng)作競(jìng)爭(zhēng)碼圖92來(lái)存儲(chǔ)。
試驗(yàn)和結(jié)果 為了評(píng)估系統(tǒng)18，對(duì)專門采集的165個(gè)對(duì)象的指關(guān)節(jié)紋圖像庫(kù)進(jìn)行了嚴(yán)格的試
9驗(yàn)。使用圖像采集裝置22來(lái)采集所有的圖像。并建立了數(shù)據(jù)庫(kù)15。在數(shù)據(jù)集中125人是 男性。此外，在兩個(gè)單獨(dú)的時(shí)間段收集這些指關(guān)節(jié)紋圖像。在每個(gè)時(shí)間段，對(duì)象被要求提 供每個(gè)左手食指、左手中指、右手食指和右手中指的六張圖像。因此，每個(gè)人提供了 48張圖 像。該數(shù)據(jù)庫(kù)15包含來(lái)自660個(gè)不同的7920張手指圖像。第一時(shí)間段和第二時(shí)間段之間 的間隔時(shí)間約為25天。 為了驗(yàn)證系統(tǒng)1的精確度，每張指關(guān)節(jié)紋圖像將與數(shù)據(jù)庫(kù)15中的其它所有圖像相 匹配。這分別產(chǎn)生了 43560個(gè)真匹配距離和31359240個(gè)假匹配距離。圖10示出了真匹配 距離和假匹配距離的分布。圖11通過(guò)誤拒絕率(falserejection rate， FRR)和誤接受率 (false acc印tance rate,FAR)的特性示出了系統(tǒng)的性能。與其它基于手的生物特征(如 手掌幾何特征、手指的三維表面特征和指紋特征)的識(shí)別系統(tǒng)相比，通過(guò)該系統(tǒng)獲得的等 錯(cuò)誤率(equal error rate, EER)為1. 13%。 系統(tǒng)18利用具有豐富的線特征的二維指關(guān)節(jié)紋，成為一種生物特征識(shí)別系統(tǒng)。系 統(tǒng)18是低成本的實(shí)時(shí)的個(gè)人身份識(shí)別系統(tǒng)。該系統(tǒng)包括一個(gè)基于新型CCD攝像頭的圖像 采集裝置22以及相關(guān)的軟件處理系統(tǒng)27。通過(guò)處理算法從指關(guān)節(jié)紋圖像中提取ROI圖像 IKQI以用于特征提取。將基于二維Gabor濾波器的競(jìng)爭(zhēng)碼的使用通過(guò)利用紋理特征擴(kuò)展來(lái) 表示指關(guān)節(jié)紋圖像。在匹配時(shí)采用標(biāo)準(zhǔn)化的角距離來(lái)進(jìn)行匹配。在采用當(dāng)前具有660個(gè)不 同手指的7920張圖像的指關(guān)節(jié)紋數(shù)據(jù)庫(kù)15情況下，系統(tǒng)的等錯(cuò)誤率(equal error rate, EER)為1. 13%。實(shí)驗(yàn)表明，該系統(tǒng)10可以達(dá)到其它基于手的生物特征(如指紋特征、手掌 幾何特征和手指的三維表面特征)的識(shí)別系統(tǒng)的標(biāo)準(zhǔn)。系統(tǒng)18可被用于個(gè)人身份識(shí)別或 驗(yàn)證。如果其他基于生物識(shí)別特征的系統(tǒng)不適合，該系統(tǒng)18可以作為一個(gè)可行的且成本低 的替代方案。 本領(lǐng)域技術(shù)人員應(yīng)該理解可以在不脫離本發(fā)明實(shí)質(zhì)范圍的情況下可以對(duì)特定實(shí) 施例中的特征進(jìn)行各種變換和/或修改。因此，本實(shí)施例應(yīng)被認(rèn)為是解釋性的而非限制性。
10
權(quán)利要求
一種利用指關(guān)節(jié)紋識(shí)別個(gè)人身份的方法，所述指關(guān)節(jié)紋包括包裹在手指近端指間關(guān)節(jié)外的皮膚，其特征在于，所述方法包括拍攝人體指關(guān)節(jié)紋的圖像；基于指關(guān)節(jié)紋的局部凸性提取ROI圖像IROI；使用擴(kuò)展的Gabor相編碼方案從ROI圖像IROI中提取表示指關(guān)節(jié)紋圖像方位線的特征，且所述提取的特征用競(jìng)爭(zhēng)碼圖表示；其中，將競(jìng)爭(zhēng)碼圖之間的角距離與數(shù)據(jù)庫(kù)中的參考值進(jìn)行比較來(lái)識(shí)別個(gè)人身份。
2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括將手指放到三角件上的 初始步驟。
3. 根據(jù)權(quán)利要求1所述的方法，其特征在于，還包括定義ROI坐標(biāo)系來(lái)提取ROI圖像I ROI :從拍攝的圖像中裁剪出粗子圖像I。。a^，采用精細(xì)的邊緣檢測(cè)器從粗子圖像I。。a，中獲取相應(yīng)的邊緣圖像I ^，基于局部凸性對(duì)相應(yīng)的邊緣圖像L一進(jìn)行編碼以獲取凸起編碼圖像I。。，使得相應(yīng)的邊緣圖像上的每個(gè)像素被賦予代表該像素的局部凸性的代碼；獲取直線X = x。來(lái)準(zhǔn)確劃分凸性編碼圖像I。。上代碼為"l"和的像素；/ 的離，將直線X = x。作為ROI坐標(biāo)系的Y軸，而直線;;=c。匿口^冋;又作為ROI坐標(biāo)系的X軸。
4. 根據(jù)權(quán)利要求3所述的方法，其特征在于，獲取x。的公式為 直線X = ^右側(cè)的代碼為1的像素?cái)?shù)量直線Z -x左側(cè)的代碼為-l的像素?cái)?shù)量'<formula>formula see original document page 2</formula>代碼為i的像素?cái)?shù)量 代碼為-i的像素?cái)?shù)』
5. 根據(jù)權(quán)利要求1所述的方法，其特征在于，采用基于神經(jīng)生理學(xué)的Gabor濾波器的實(shí) 部GK從ROI圖像IKQI中提取ROI圖像IKQI的方位信息。
6. 根據(jù)權(quán)利要求5所述的方法，其特征在于，所述方位信息由以下定義的競(jìng)爭(zhēng)碼圖表不<formula>formula see original document page 2</formula>在此，*表示巻積運(yùn)算，而GK表示基于神經(jīng)生理學(xué)的Gabor函數(shù)G的實(shí)部。
7.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述角距離D(P，Q)由以下公式定義<formula>formula see original document page 2</formula>在此<formula>formula see original document page 2</formula>且n表示"與"運(yùn)算。
8. 根據(jù)權(quán)利要求1所述的方法，其特征在于，使用AA類路徑搜索算法提供匹配所提取特征的接近于最理想的方案，其中所提取特征被當(dāng)作競(jìng)爭(zhēng)碼圖來(lái)存儲(chǔ)。
9. 一種利用指關(guān)節(jié)紋識(shí)別個(gè)人身份的系統(tǒng)，所述指關(guān)節(jié)紋包括包裹在手指近端指間關(guān)節(jié)外的皮膚，其特征在于，所述系統(tǒng)包括圖像采集裝置用于拍攝人體指關(guān)節(jié)紋的圖像；第一提取模塊，用于提取基于指關(guān)節(jié)紋的局部凸性的ROI圖像IKQI ;第二提取模塊，用于使用擴(kuò)展的Gabor相編碼方案從ROI圖像IKQI中提取表示指關(guān)節(jié)紋圖像方位線的特征，且所述提取的特征用競(jìng)爭(zhēng)碼圖表示；其中，將競(jìng)爭(zhēng)碼圖之間的角距離與數(shù)據(jù)庫(kù)中的參考值進(jìn)行比較來(lái)識(shí)別個(gè)人身份。
10. 根據(jù)權(quán)利要求9所述的系統(tǒng)，其特征在于，所述系統(tǒng)還包括用于放置手指的三角
全文摘要
一種利用指關(guān)節(jié)紋識(shí)別個(gè)人身份的方法，所述指關(guān)節(jié)紋包括包裹在手指近端指間關(guān)節(jié)外的皮膚，所述方法包括拍攝人體指關(guān)節(jié)紋的圖像(10)；提取基于指關(guān)節(jié)紋的局部凸性的ROI圖像IROI(12)；使用擴(kuò)展的Gabor相編碼方案從ROI圖像IROI中提取表示指關(guān)節(jié)紋圖像方位線的特征，且所述提取的特征用競(jìng)爭(zhēng)碼圖表示(13)；其中，將競(jìng)爭(zhēng)碼圖之間的角距離與數(shù)據(jù)庫(kù)中的參考值進(jìn)行比較來(lái)識(shí)別個(gè)人身份。
文檔編號(hào)G06K9/00GK101794374SQ20101000552
公開日2010年8月4日 申請(qǐng)日期2010年1月15日 優(yōu)先權(quán)日2009年1月15日
發(fā)明者張大鵬, 張 林, 張磊, 祝海龍, 駱南 申請(qǐng)人:香港理工大學(xué)