本發(fā)明涉及生物信息識別領(lǐng)域，具體而言，涉及一種掌靜脈識別匹配方法及裝置。

背景技術(shù)：

生物特征與生俱來，具有穩(wěn)定性、唯一性和方便性等特點，由此以生物識別技術(shù)作為手段來進(jìn)行身份驗證逐漸取代諸如鑰匙、密碼等傳統(tǒng)的身份識別方式。生物識別技術(shù)是指利用人體的一些生物特征，例如人臉、虹膜、指紋、掌靜脈、手形等進(jìn)行身份識別的技術(shù)，其主要包括：采集圖像，從采集的圖像中提取生物特征信息，隨后將所提取的特征信息與數(shù)據(jù)庫中所有或部分預(yù)先注冊的特征信息進(jìn)行匹配，根據(jù)匹配結(jié)果來對該被驗證者進(jìn)行身份驗證。

掌靜脈識別是近幾年提出的一種較新的生物特征識別技術(shù)，由于靜脈血管紋路是無法復(fù)制的，相較于目前的指紋解鎖安全性更高。掌靜脈識別也是一種非侵犯性的識別方法，用戶比較容易接受，對采集設(shè)備要求不高。但現(xiàn)在的掌靜脈識別存在諸多不足，例如，采集的圖像信息不夠清晰準(zhǔn)確、提取的圖像信息存在大量冗余信息等，這些問題干擾了手掌靜脈特征的匹配情況，影響了手掌靜脈特征的識別結(jié)果。

技術(shù)實現(xiàn)要素：

為了克服現(xiàn)有技術(shù)中的上述不足，本發(fā)明提供的一種掌靜脈識別匹配方法及裝置，能夠清晰、準(zhǔn)確地采集掌靜脈圖像信息，剔除冗余信息，減少對掌靜脈特征匹配的干擾及對掌靜脈特征識別的不良影響。

本發(fā)明第一目的在于提供了一種掌靜脈識別匹配方法，所述方法包括：

采集掌靜脈圖像；

對所述掌靜脈圖像進(jìn)行圖像預(yù)處理獲取待識別的感興趣區(qū)域；

基于所述感興趣區(qū)域提取掌靜脈特征；

將提取的所述掌靜脈特征與數(shù)據(jù)庫中預(yù)先存儲的掌靜脈特征進(jìn)行匹配，當(dāng)匹配時，執(zhí)行預(yù)設(shè)的操作。

在本發(fā)明較佳實施例中，所述對所述掌靜脈圖像進(jìn)行圖像預(yù)處理獲取待識別的感興趣區(qū)域的步驟包括：

對所述掌靜脈圖像進(jìn)行處理得到對應(yīng)的二值化圖像；

對所述二值化圖像進(jìn)行邊緣檢測得到手掌在所述掌靜脈圖像中的輪廓；

基于所述輪廓得到指根點的位置；

根據(jù)所述指根點的位置得到所述待識別的感興趣區(qū)域。

在本發(fā)明較佳實施例中，所述根據(jù)所述指根點的位置得到所述待識別的感興趣區(qū)域的步驟包括：

從所述輪廓中獲取兩個指根點；

以所述兩個指根點的連線，及所述連線的中垂線建立坐標(biāo)系；

沿所述中垂線向手掌方向獲取一預(yù)設(shè)尺寸區(qū)域作為所述待識別的感興趣區(qū)域。

在本發(fā)明較佳實施例中，所述預(yù)設(shè)尺寸區(qū)域為一矩形區(qū)域，所述矩形區(qū)域的中心在所述中垂線上。

在本發(fā)明較佳實施例中，所述對所述掌靜脈圖像進(jìn)行圖像預(yù)處理獲取待識別的感興趣區(qū)域的步驟還包括：

對所述掌靜脈圖像進(jìn)行歸一化處理。

在本發(fā)明較佳實施例中，所述基于所述感興趣區(qū)域提取掌靜脈特征的步驟包括：

將所述感興趣區(qū)域劃分為多個面積相同的子區(qū)域；

將每個所述子區(qū)域的灰度值用灰度值均值表示，以得到所述感興趣區(qū)域?qū)?yīng)的掌靜脈圖像矩陣；

對所述掌靜脈圖像矩陣進(jìn)行nbp編碼運(yùn)算，得到掌靜脈特征。

在本發(fā)明較佳實施例中，所述將提取的所述掌靜脈特征與數(shù)據(jù)庫中預(yù)先存儲的掌靜脈特征進(jìn)行匹配，當(dāng)匹配時，執(zhí)行預(yù)設(shè)的操作的步驟包括：

計算所述掌靜脈特征與數(shù)據(jù)庫中預(yù)先存儲的掌靜脈特征的漢明距離；

當(dāng)所述掌靜脈特征與數(shù)據(jù)庫中預(yù)先存儲的掌靜脈特征的漢明距離小于預(yù)設(shè)距離閾值時，判斷所述掌靜脈特征與數(shù)據(jù)庫中預(yù)先存儲的掌靜脈特征匹配。

本發(fā)明第二目的在于一種掌靜脈識別匹配裝置，所述裝置包括：

采集模塊，用于采集掌靜脈圖像；

預(yù)處理模塊，用于對所述掌靜脈圖像進(jìn)行圖像預(yù)處理獲取待識別的感興趣區(qū)域；

提取模塊，用于基于所述感興趣區(qū)域提取掌靜脈特征；

匹配模塊，用于將提取的所述掌靜脈特征與數(shù)據(jù)庫中預(yù)先存儲的掌靜脈特征進(jìn)行匹配，當(dāng)匹配時，執(zhí)行預(yù)設(shè)的操作。

在本發(fā)明較佳實施例中，所述預(yù)處理模塊對所述掌靜脈圖像進(jìn)行圖像預(yù)處理獲取待識別的感興趣區(qū)域的方式包括：

對所述掌靜脈圖像進(jìn)行處理得到對應(yīng)的二值化圖像；

對所述二值化圖像進(jìn)行邊緣檢測得到手掌在所述掌靜脈圖像中的輪廓；

基于所述輪廓得到指根點的位置；

根據(jù)所述指根點的位置得到所述待識別的感興趣區(qū)域；

對所述掌靜脈圖像進(jìn)行歸一化處理。

在本發(fā)明較佳實施例中，所述匹配模塊將提取的所述掌靜脈特征與數(shù)據(jù)庫中預(yù)先存儲的掌靜脈特征進(jìn)行匹配，當(dāng)匹配時，執(zhí)行預(yù)設(shè)的操作的方式包括：

計算所述掌靜脈特征與數(shù)據(jù)庫中預(yù)先存儲的掌靜脈特征的漢明距離；

當(dāng)所述掌靜脈特征與數(shù)據(jù)庫中預(yù)先存儲的掌靜脈特征的漢明距離小于預(yù)設(shè)距離閾值時，判斷所述掌靜脈特征與數(shù)據(jù)庫中預(yù)先存儲的掌靜脈特征匹配。

相對于現(xiàn)有技術(shù)而言，本發(fā)明提供的一種掌靜脈識別匹配方法及裝置，通過采集掌靜脈圖像，對所述掌靜脈圖像進(jìn)行圖像預(yù)處理以獲取待識別的感興趣區(qū)域?；谒龈信d趣區(qū)域提取掌靜脈特征，將提取的所述掌靜脈特征與數(shù)據(jù)庫中預(yù)先存儲的掌靜脈特征進(jìn)行匹配，當(dāng)匹配時，執(zhí)行預(yù)設(shè)的操作。由此能夠得到清晰、準(zhǔn)確的掌靜脈圖像信息，減少對掌靜脈特征匹配的干擾及對掌靜脈特征識別的不良影響。

附圖說明

為了更清楚地說明本發(fā)明實施例的技術(shù)方案，下面將對實施例中所需要使用的附圖作簡單地介紹，應(yīng)當(dāng)理解，以下附圖僅示出了本發(fā)明的某些實施例，因此不應(yīng)被看作是對范圍的限定，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他相關(guān)的附圖。

圖1為本發(fā)明提供的掌靜脈系統(tǒng)的方框示意圖。

圖2為本發(fā)明提供的正對反射方式的光照示意圖。

圖3為本發(fā)明提供的背對透射方式的光照示意圖。

圖4為本發(fā)明提供的掌靜脈識別匹配方法的步驟流程圖。

圖5為本發(fā)明實施例提供的步驟s120的子步驟流程示意圖。

圖6為本發(fā)明實施例提供的采集的掌靜脈圖像的效果示意圖。

圖7為本發(fā)明實施例提供的感興趣區(qū)域的子區(qū)域劃分示意圖。

圖8為本發(fā)明實施例提供的掌靜脈識別匹配裝置的功能模塊圖。

圖標(biāo)：10-掌靜脈系統(tǒng)；100-掌靜脈識別匹配裝置；110-采集模塊；120-預(yù)處理模塊；130-提取模塊；140-匹配模塊；150-感興趣區(qū)域；152-第一指根點；154-第二指根點；156-中點；200-存儲器；210-圖像數(shù)據(jù)庫；300-處理器；400-圖像采集設(shè)備；410-成像元件；420-光源；500-顯示元件；600-手掌。

具體實施方式

為使本發(fā)明實施例的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實施例是本發(fā)明一部分實施例，而不是全部的實施例。通常在此處附圖中描述和示出的本發(fā)明實施例的組件可以以各種不同的配置來布置和設(shè)計。

因此，以下對在附圖中提供的本發(fā)明的實施例的詳細(xì)描述并非旨在限制要求保護(hù)的本發(fā)明的范圍，而是僅僅表示本發(fā)明的選定實施例。基于本發(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護(hù)的范圍。

應(yīng)注意到：相似的標(biāo)號和字母在下面的附圖中表示類似項，因此，一旦某一項在一個附圖中被定義，則在隨后的附圖中不需要對其進(jìn)行進(jìn)一步定義和解釋。此外，術(shù)語“第一”、“第二”、“第三”等僅用于區(qū)分描述，而不能理解為指示或暗示相對重要性。

請參閱圖1，圖1為掌靜脈系統(tǒng)10的方框示意圖。所述掌靜脈系統(tǒng)10包括掌靜脈識別匹配裝置100、存儲器200、處理器300、圖像采集設(shè)備400及顯示元件500。

所述掌靜脈識別匹配裝置100、存儲器200、處理器300、圖像采集設(shè)備400及顯示元件500相互之間直接或間接地電性連接，以實現(xiàn)數(shù)據(jù)的傳輸或交互。

所述存儲器200可以是，但不限于，隨機(jī)存取存儲器(randomaccessmemory，ram)，只讀存儲器(readonlymemory，rom)，可編程只讀存儲器(programmableread-onlymemory，prom)，可擦除只讀存儲器(erasableprogrammableread-onlymemory，eprom)，電可擦除只讀存儲器electricerasableprogrammableread-onlymemory，eeprom)等。其中，存儲器200內(nèi)包括一圖像數(shù)據(jù)庫210，所述圖像數(shù)據(jù)庫210用于存儲掌靜脈圖像信息。當(dāng)經(jīng)過采集、提取處理后的掌靜脈圖像需要進(jìn)行匹配識別操作時，將所述待匹配識別的掌靜脈圖像與預(yù)先存儲在圖像數(shù)據(jù)庫210中的掌靜脈圖像進(jìn)行比較。

所述處理器300可以是一種集成電路芯片，具有對信號的處理能力。所述的處理器300可以是通用處理器，包括中央處理器(centralprocessingunit，cpu)、網(wǎng)絡(luò)處理器(networkprocessor，np)等；還可以是數(shù)字信號處理器(dsp)、專用集成電路(asic)、現(xiàn)場可編程門陣列(fpga)或者其他可編程邏輯器件、分立門或者晶體管邏輯器件、分立硬件組件?？梢詫崿F(xiàn)或者執(zhí)行本發(fā)明實施例中的公開的各方法、步驟及邏輯框圖。通用處理器可以是微處理器或者該處理器也可以是任何常規(guī)的處理器等。

所述顯示元件500在所述掌靜脈系統(tǒng)10與用戶之間提供一個交互界面(例如用戶操作界面)用于顯示指示用戶操作界面及顯示掌靜脈圖像的匹配識別結(jié)果。在本實施例中，所述顯示元件500為觸控顯示器。觸控顯示器，可為支持單點和多點觸控操作的電容式觸控屏或電阻式觸控屏等。支持單點和多點觸控操作是指觸控顯示器能感應(yīng)到來自該觸控顯示器上一個或多個位置處產(chǎn)生的觸控操作，并將該感應(yīng)到的觸控操作交由所述處理器300進(jìn)行處理和計算。

所述圖像采集設(shè)備400用于采集掌靜脈圖像信息。在本實施例中，所述圖像采集設(shè)備400的核心部件是攝像頭，目前市場上常見的攝像頭主要以cmos(complementarymetal-oxide-semiconductor，互補(bǔ)金屬氧化物半導(dǎo)體)和ccd(charge-coupleddevice，電荷耦合元件)為主，它們都是采用感光元件進(jìn)行光電轉(zhuǎn)換，將圖像轉(zhuǎn)化為數(shù)字?jǐn)?shù)據(jù)來實現(xiàn)影像捕獲的目的。cmos攝像頭相比于ccd攝像頭在響應(yīng)速度、成本、功耗、光譜響應(yīng)范圍、集成度方面具有較大的優(yōu)勢，考慮到靜脈圖像主要是在近紅外波段范圍內(nèi)采集的圖像，cmos攝像頭在近紅外波段靈敏度較高，且隨波長增加而衰減的梯度相對較慢，由此，本實施例優(yōu)選采用cmos攝像頭作為圖像采集的核心部件。

所述圖像采集設(shè)備400還包括成像元件410及光源420。按照光源420和手掌600的相對位置以及成像元件410接收光線的來源，光照的方式可以分為兩種方式：正對反射方式、背對透射方式。請參閱圖2，圖2為正對反射方式的光照示意圖，請參閱圖3，圖3為背對透射方式的光照示意圖。在正對反射方式下，發(fā)出的近紅外光線照射在手掌600上，除了很少一部分被血管內(nèi)物質(zhì)吸收，大部分在皮膚組織處會形成反射光。成像元件410則放在光源420的同側(cè)，通過對反射光進(jìn)行感光來實現(xiàn)成像的目的。背對透射方式，指的是光源420的位置擺放在面對手掌600背面一側(cè)，光源420發(fā)出的近紅外光線穿透皮膚組織與整只手，放在面對手掌600一側(cè)的成像元件410通過獲取穿透手掌600的近紅外光線形成靜脈圖像。這種照射方式，光源420與成像元件410呈一線排列，由于需要穿透整個手掌600，必須提供給光源420相當(dāng)大的功率，手掌600厚度越厚，穿透手掌600的紅外線光越少。在本實施例中，在選擇照射方式時，充分考慮到應(yīng)用于產(chǎn)品化的基本要求，產(chǎn)品體積小型化、能耗節(jié)約化成為選擇的最終依據(jù)。因此，本實施例優(yōu)選采用正對反射式光照方式，光源420與成像元件410由于處于同一側(cè)，其空間位置距離更近，這樣更便于產(chǎn)品小型化設(shè)計；發(fā)射功率較小的優(yōu)點也可以確保使用正對反射式的產(chǎn)品能耗更低。

具體地，所述光源420選用近紅外led作為照射光源，原因在于：一方面，具有足夠的圖像分辨率，能夠區(qū)分細(xì)小的靜脈信息；另一方面，具有較好的響應(yīng)度能提高靜脈圖像的對比度。

經(jīng)過實際測試，本實施例優(yōu)選采用30w的cmos攝像頭采集圖像信息，選擇940nm波長的近紅外led作為照射光源。

請參閱圖4，圖4為本發(fā)明提供的掌靜脈識別匹配方法的步驟流程圖。下面對所述方法的具體流程進(jìn)行詳細(xì)闡述，所述方法包括：

步驟s110，采集掌靜脈圖像。

在本實施例中，光源420應(yīng)均勻照射，以使采集到的掌靜脈圖像清晰明確。

步驟s120，對所述掌靜脈圖像進(jìn)行圖像預(yù)處理獲取待識別的感興趣區(qū)域150。

具體地，請參閱圖5，圖5為步驟s120的子步驟流程示意圖。

子步驟s121，對所述掌靜脈圖像進(jìn)行處理得到對應(yīng)的二值化圖像。

由于在采集掌靜脈圖像時，無法保證每次手掌600的方位位置不變，所以在不同時間從同一手掌600采集的掌靜脈圖像會有不同程度的平移和旋轉(zhuǎn)。所以，在采集掌靜脈前，需要對掌靜脈圖像進(jìn)行定位，使所有手掌600保持在大體一致的位置和方向上。首先，將掌靜脈圖像邊緣剔除5像素點的邊緣，然后將掌靜脈圖像轉(zhuǎn)換為灰度圖，再進(jìn)行二值化處理。所述二值化處理就是將圖像上的像素點的灰度值設(shè)置為0或255，也就是將整個圖像呈現(xiàn)出明顯的黑白效果。

子步驟s122，對所述二值化圖像進(jìn)行邊緣檢測得到手掌600在所述掌靜脈圖像中的輪廓。

具體地，首先，對所述二值化圖像進(jìn)行邊緣檢測，所述邊緣檢測主要是利用邊緣檢測算子進(jìn)行圖像邊緣的提取。在本實施例中，采用的邊緣檢測算子可以是，但不限于，roberts算子、prewitt算子、sobel算子、log算子、canny算子、laplace算子等，這些經(jīng)典的邊緣檢測算子在使用時都是使用預(yù)定義的邊緣模型去匹配。

然后，提取圖像的輪廓，經(jīng)典的輪廓提取技術(shù)大都基于微分運(yùn)算。先通過平滑來濾除圖像中的噪聲；后進(jìn)行一階微分或二階微分運(yùn)算，求得梯度最大值或二階導(dǎo)數(shù)的過零點；最后選取適當(dāng)?shù)拈撝祦硖崛∵吔纭?/p>

通過上述操作，在二值化圖像的基礎(chǔ)上提取圖像輪廓，去掉不相關(guān)的輪廓信息得到手掌600的輪廓圖像，以避免對后續(xù)掌靜脈特征的匹配和識別造成干擾。

子步驟s123，基于所述輪廓得到指根點的位置。

具體地，通過遍歷輪廓點找到手掌600所有的指根位置，并根據(jù)所述指根位置對圖像進(jìn)行方向的矯正，在尋找指根的過程中，可以將聚集在一起的一群點融合為一個點以此減少指根定位的誤差。

子步驟s124，根據(jù)所述指根點的位置得到所述待識別的感興趣區(qū)域150。

具體地，請參閱圖6，圖6為采集的掌靜脈圖像的效果示意圖。在矯正的掌靜脈圖像上，以第一指根點152及第二指根點154的中點156為原點，以過兩個指根點的直線為y軸，以兩個指根點的中垂線為x軸建立坐標(biāo)系，截取離y軸區(qū)域50個像素點的一塊矩形區(qū)域作為感興趣區(qū)域150(regionofinterest，roi)，所述感興趣區(qū)域150的中心在所述中垂線上。

子步驟s125，對所述掌靜脈圖像進(jìn)行歸一化處理。

在實際采集圖像時，并不能保證每次取得的圖像大小一致，需要自動調(diào)節(jié)手掌600的大小，使得在對同一人進(jìn)行掌靜脈采集時，不同次取圖所得到的區(qū)域是相同的。因此，在提取特征前，需對圖像區(qū)域進(jìn)行歸一化，以便于后續(xù)的掌靜脈特征的提取和匹配。

請再次參閱圖6，先測量第一指根點152與第二指根點154之間的指根間距m；將m帶入到預(yù)設(shè)的公式中：t＝m*50/200，l＝150*m/200，其中，t為中點156到感興趣區(qū)域150的距離長度，l為感興趣區(qū)域150的邊長。由此計算，可以保證對同一個人每次取到的感興趣區(qū)域150相同。

步驟s130，基于所述感興趣區(qū)域150提取掌靜脈特征。

具體地，請參閱圖7，圖7為感興趣區(qū)域150的子區(qū)域劃分示意圖。首先，將所述感興趣區(qū)域150按照圖7所示劃分為多個面積相同的子區(qū)域，以每個子區(qū)域的灰度值均值代表每個所述子區(qū)域的灰度值，以得到所述感興趣區(qū)域150對應(yīng)的掌靜脈圖像矩陣。其中，p、p0、p1、p2、p3、p4、p5、p6、p7分別表示每個子區(qū)域的灰度值均值。

然后，對所述掌靜脈圖像矩陣進(jìn)行nbp(neighborbasedbinarypattern，近鄰二值模式)編碼運(yùn)算，形成nbp二進(jìn)制編碼比特串。算法步驟如下：

以中心子區(qū)域p為中心像素，以左上角第一個像素點p7為起點，采用順時針遍歷的方法，提取中心像素周圍的8個點，并排列成一行。

從最左側(cè)的像素開始，將當(dāng)前像素與其右側(cè)的下一近鄰像素進(jìn)行灰度大小比較，公式為:

特別地，

從而形成二進(jìn)制編碼比特串。

將此二進(jìn)制編碼比特串根據(jù)下述公式轉(zhuǎn)化為十進(jìn)制數(shù)，即得到中心像素的nbp編碼數(shù)值。

步驟s140，將提取的所述掌靜脈特征與數(shù)據(jù)庫中預(yù)先存儲的掌靜脈特征進(jìn)行匹配，當(dāng)匹配時，執(zhí)行預(yù)設(shè)的操作。

在本實施例中，圖像匹配技術(shù)大致可以分為三類：點匹配，線匹配和區(qū)域匹配。由于其對光照變化、仿射變換和視角變化的魯棒性，點匹配的重視程度較高。

在本實施例中，可運(yùn)用漢明距離對圖像特征進(jìn)行匹配。漢明距離是使用在數(shù)據(jù)傳輸差錯控制編碼里的，漢明距離是一個概念，它表示兩個(相同長度)字對應(yīng)位不同的數(shù)量。以d(x，y)表示兩個字x，y之間的漢明距離，對兩個字符串進(jìn)行異或運(yùn)算，并統(tǒng)計結(jié)果為1的個數(shù)，那么這個數(shù)就是漢明距離。

具體地，首先計算所述掌靜脈特征與數(shù)據(jù)庫中預(yù)先存儲的掌靜脈特征的漢明距離(hammingdistance)。在信息論中，兩個等長字符串之間的漢明距離是兩個字符串對應(yīng)位置的不同字符的個數(shù)，即將一個字符串變換成另外一個字符串所需要替換的字符個數(shù)。

例如：

1011101與1001001之間的漢明距離是2。

2143896與2233796之間的漢明距離是3。

"toned"與"roses"之間的漢明距離是3。

其次，當(dāng)所述掌靜脈特征與數(shù)據(jù)庫中預(yù)先存儲的掌靜脈特征的漢明距離小于預(yù)設(shè)距離閾值時，判斷所述掌靜脈特征與數(shù)據(jù)庫中預(yù)先存儲的掌靜脈特征匹配。具體地，假設(shè)提取的所述掌靜脈特征的nbp二進(jìn)制編碼比特串為snbp1，數(shù)據(jù)庫中預(yù)先存儲的掌靜脈特征的nbp二進(jìn)制編碼比特串為snbp2，比特串的形式為：

snbp1＝x1x2…xn

snbp2＝y(tǒng)1y2…yn

式中：x，y的值為0或者1。漢明距離的定義為：

匹配時，通過漢明距離rhd衡量兩個掌脈圖像相似程度，漢明距離rhd的值在0和1之間，值越小表示相似度越高，反之越低。所述預(yù)設(shè)距離閾值設(shè)定為r，所述預(yù)設(shè)距離閾值r通過實驗測試確定，當(dāng)rhd滿足：rhd＜r時，判定所述掌靜脈特征與數(shù)據(jù)庫中預(yù)先存儲的掌靜脈特征相匹配，執(zhí)行后續(xù)預(yù)設(shè)的操作，反之判定匹配失敗。在本實施例中，所述預(yù)設(shè)的操作是指個人身份識別認(rèn)證，包括電子銀行、電子錢包、電子票務(wù)、電子教育等服務(wù)性識別認(rèn)證以及信用卡詐騙、網(wǎng)絡(luò)黑客、物理門禁、邏輯門禁等防止個人身份盜用的識別認(rèn)證。

在本實施例中，還可以采用基于級聯(lián)二值編碼并運(yùn)用漢明距離對提取到的圖像進(jìn)行識別匹配。首先，可對兩幅待匹配的圖像(a1和a2)分別進(jìn)行特征點檢測，然后對檢測到的特征點進(jìn)行特征向量表示。例如，可以用sift方法檢測圖像的特征點，并表示成128維的特征向量。在基于級聯(lián)二值編碼的特征點匹配階段，采用三層的級聯(lián)二值編碼方法，對待匹配圖像(a1和a2)中重疊區(qū)域上的特征點進(jìn)行一對一的匹配。對于圖像a1中的任何一個特征點xi，首先采用一種基于多個哈希表的哈希查找方法，按照漢明距離大小，對圖像中a1的所有特征點yj進(jìn)行粗略篩選，得到一個候選子集然后把候選子集中的所有特征點映射到高維漢明空間；最后從候選子集中快速查詢到前k個最近匹配點，這里的k可以根據(jù)不同應(yīng)用設(shè)置不同的數(shù)目，例如，三維重建中的圖像匹配往往設(shè)置k＝2。

上述提供的兩種基于漢明距離的圖像匹配算法只是本實施例提供的優(yōu)選實施方式。采用基于漢明距離的圖像匹配算法具有較低的時間復(fù)雜度，效率較高。

除此以外，還可以基于歐式距離算法、基于暴力搜索的匹配算法、基于樹的匹配算法對圖像特征進(jìn)行識別匹配。其中，歐氏距離也稱歐幾里得度量(euclideanmetric)，是指在m維空間中兩個點之間的真實距離，或者向量的自然長度(即該點到原點的距離)。在二維和三維空間中的歐氏距離就是兩點之間的實際距離。

第二實施例

請參閱圖8，圖8為掌靜脈識別匹配裝置100的功能模塊圖。所述裝置包括：采集模塊110、預(yù)處理模塊120、提取模塊130及匹配模塊140。

所述采集模塊110，用于采集掌靜脈圖像。

所述預(yù)處理模塊120，用于對所述掌靜脈圖像進(jìn)行圖像預(yù)處理獲取待識別的感興趣區(qū)域150。

具體地，所述預(yù)處理模塊120實現(xiàn)方式包括：

對所述掌靜脈圖像進(jìn)行處理得到對應(yīng)的二值化圖像；

對所述二值化圖像進(jìn)行邊緣檢測得到手掌600在所述掌靜脈圖像中的輪廓；

基于所述輪廓得到指根點的位置；

根據(jù)所述指根點的位置得到所述待識別的感興趣區(qū)域150。

對所述掌靜脈圖像進(jìn)行歸一化處理。

所述提取模塊130，用于基于所述感興趣區(qū)域150提取掌靜脈特征。

所述匹配模塊140，用于將提取的所述掌靜脈特征與數(shù)據(jù)庫中預(yù)先存儲的掌靜脈特征進(jìn)行匹配，當(dāng)匹配時，執(zhí)行預(yù)設(shè)的操作。

具體地，所述匹配模塊140實現(xiàn)方式包括：

計算所述掌靜脈特征與數(shù)據(jù)庫中預(yù)先存儲的掌靜脈特征的漢明距離；

當(dāng)所述掌靜脈特征與數(shù)據(jù)庫中預(yù)先存儲的掌靜脈特征的漢明距離小于預(yù)設(shè)距離閾值時，判斷所述掌靜脈特征與數(shù)據(jù)庫中預(yù)先存儲的掌靜脈特征匹配。

綜上所述，本發(fā)明提供的一種掌靜脈識別匹配方法及裝置，通過圖像采集設(shè)備采集掌靜脈圖像。對所述掌靜脈圖像進(jìn)行圖像二值化、歸一化等預(yù)處理操作以獲取待識別的感興趣區(qū)域。采用nbp算法基于所述感興趣區(qū)域提取掌靜脈特征。運(yùn)用漢明距離將提取的所述掌靜脈特征與數(shù)據(jù)庫中預(yù)先存儲的掌靜脈特征進(jìn)行匹配，當(dāng)匹配時，執(zhí)行預(yù)設(shè)的操作。由此能夠得到清晰、準(zhǔn)確的掌靜脈圖像信息，減少對掌靜脈特征匹配的干擾及對掌靜脈特征識別的不良影響。

以上所述僅為本發(fā)明的優(yōu)選實施例而已，并不用于限制本發(fā)明，對于本領(lǐng)域的技術(shù)人員來說，本發(fā)明可以有各種更改和變化。凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。