请输入您要查询的百科知识:

 

词条 静脉识别
释义

静脉识别,生物识别的一种。静脉识别系统就是首先通过静脉识别仪取得个人静脉分布图,从静脉分布图依据专用比对算法提取特征值,通过红外线 CCD摄像头获取手指、手掌、手背静脉的图像,将静脉的数字图像存贮在计算机系统中,将特征值存储。静脉比对时,实时采取静脉图,提取特征值,运用先进的滤波、图像二值化、细化手段对数字图像提取特征,同存储在主机中静脉特征值比对,采用复杂的匹配算法对静脉特征进行匹配,从而对个人进行身份鉴定,确认身份。

简介

安防管理系统的原理是根据血液中的血红素有吸收红外线光的特质,将具近红外线感应度的小型照相机对着手指进行摄影,即可将照着血管的阴影处摄出图像来。将血管图样进行数字处理,制成血管图样影像。静脉识别系统就是首先通过静脉识别仪取得个人静脉分布图,从静脉分布图依据专用比对算法提取特征值,通过红外线CCD摄像头获取手指、手掌、手背静脉的图像,将静脉的数字图像存贮在计算机系统中,将特征值存储。静脉比对时,实时采取静脉图,提取特征值,运用先进的滤波、图像二值化、细化手段对数字图像提取特征,同存储在主机中静脉特征值比对,采用复杂的匹配算法对静脉特征进行匹配,从而对个人进行身份鉴定,确认身份。全过程采用非接触式。

技术特点

静脉识别分为:指静脉识别和掌静脉识别,掌静脉由于保存及对比的静脉图像较多,因为识别速度方面较慢。指静脉识别,由于其容量大,识别速度快,精确度高,活体识别等优势,越来越受到更多重要场合青睐。

手指静脉技术具有多项重要特点,使它在高度安全性和使用便捷性上远胜于其它生物识别技术。主要体现在以下几个方面:

高度防伪

静脉隐藏在身体内部,被复制或盗用的机率很小。

简易便用

使用者心理抗拒性低,受生理和环境影响的因素也低,包括:干燥皮肤,油污,灰尘等污染,皮肤表面异常等。

高度准确

认假率为0.0001%,拒真率为0.01%,注册失败率为0%。

快速识别

原始手指静脉影像被捕获并数字化处理,图像比对由日立专有的手指静脉提取算法完成,整个过程不到1秒。

模式对比

四种识别模式对比 ID卡识别 指纹识别 虹膜识别 静脉识别

安全性 由于ID卡内的卡号读取无任何权限,易于仿制。 安全性高 能提供数量较多的特征点,是精确度最高的生物识别技术之一 更安全、稳定

可靠性 需要依赖网络软件来处理各子系统的信息,对网络的依赖大 对脏手指、湿手指等困难手指识别率低 出现认假和拒假的可能性也相当小 准确率高

便利性 需要智能化系统的维护和运行,卡必须随身携带,易丢失 应用范围相当的广泛,无需携带任何设备 速度快 易接受

产生背景

随着信息技术飞速发展、人类社会不断进步,对信息技术提出了更新、更高的要求。网络信息化时代对人的身份进行识别的需求应用越来越多,更要求身份的数字化和隐性化,如何准确鉴定一个人的身份,保护信息安全,是信息化时代必须解决的一个关键性问题。

传统的身份认证所采用的方法主要有两种‘11:一种是基于身份标示物(如钥匙、证件、卡等)的身份认证,另一种是基于身份标示知识(如密码、卡号、用户名等)的身份认证。但两者都存在着各自难以克服的缺陷:标示物容易丢失或被伪造,标示知识容易遗忘或被记错;更为严重的是,这些传统的身份识别方法往往无法区分标示物的真正拥有者和取得标示物的冒充者,一旦他人获得这些标示物,就可以拥有相同的权利。美国一年有上亿美元福利款被人以假冒身份领取。据Master Card公司估计,每年约有4.5亿美元的信用卡诈骗案发生,其中就包括利用丢失和被盗的信用卡犯罪,如果销售场所可以准确地鉴别持卡人的身份就会大大减少这类诈骗案的发生。另外,由于使用盗窃来的身份识别码(PIN)而造成的移动电话通信的损失高达10亿美元。据估计,利用可靠的方法鉴别ATM持卡人的身份,可以使全美国每年由于ATM诈骗案造成的损失减少3亿美元,可靠地鉴别支票领款人可以减少上亿美元的冒领金额。随着网络的发展,非法登录计算机的案件正里上升趋势,有效的身份鉴别技术可以防止这类案件的发生。一种新的身份认证技术——人体生物特征识别技术(Biometric ldentification Techn010gy)呼之欲出。

生物特征识别

技术所依据的不是传统的标示物或标示知识,而是依靠人体生物特征进行身份认证的一种技术,即通过计算机将人体所固有的生理特征或行为特征收集进行处理,来进行个人身份鉴定的技术。生物特征识别方法的依据是人体本身所拥有的东西,是个体特性。事实上,任何生理上的特征都可以用来进行身份识别。生物特征分为基于身体特性(生理特征)和基于行为特点两类。生理特征与生俱来,多为先天性的;行为特征则是习惯使然,多为后天形成。生物特征识别技术是目前最为方便与安全的识别系统,无须记住身份证号码或密码,也不需要随身携带像智能卡之类的东西。“钥匙”就是你自己,没有什么能比这更安全和更方便。目前,一些用于身份鉴别的生物统计特征主要有声纹、指纹、脸纹、虹膜、笔迹、步态、红外温光谱图等,另外还有一些生物特征可以用于身份鉴别,包括耳形、DNA、视网膜、手彤、掌纹、体昧、足迹等。生物特征识别技术的发展催少了—“个新产:、比。日前该领域的年产值已达数亿美元,并呈高速增长态势。顾11(为tcs曾做过这样的断言:“少物特征识别技术,利用人的生理特征(如指纹等)来识别个人的身份,将成为今后几年IT产业的一项重要革新。”

早在2001年,美国已经签署了电子签名法案.法案的签署促使英国各大高新技术公刘加紧开发保证电子签名安全的技术,这主要包括验证一个人身份的加密数字化装省和附加在计算机上的指纹或虹膜识别设施等。特别是在“9.11,,后,生物识别技术的重要性得到今球各国政府的高度里视。美网连续发布3个法案强调在边枪、执法、民航等领域应用/1:物待征识别技术。并立法要求2005华在护照上使用该技术;联合国的同际氏川航节约纠(1CA())对188个成员国发布厂航率领域使用地物物证认证技术的规划,提/化将亦个人护照中加入’仁物特征(包括指纹识别、虹膜识别、人脸识别等),刀:在进入各个因家的边境附进行个人身份的确认。生物特征识别已经是国内外的前沿热门研究方向,它利/H多学科最新研究成果,取得了大虽优秀成果,随着汁算机技术的发展和人们肘祉会公共安全、个人情息安全需求的提高,在全球范围内已经形成了巨大的市场。美国基于生物持征的身份认证冲、比规模已经达到数十亿英元,其他一些国家和地区(如欧盟、澳大利亚、日本、韩国等)采蝴法律规定的方式来使用生物识别技术。在我阑,生物认证技术是一‘个新兴的产业。齐20()7午2月我回国务院发布的《问家小长期科学和技术发展现划纲要)lfl,更是将地物特征以别列入今后15下科技丁作重点领域小的优先主题。并在信息领域前沿“智能感知技术”’的部署cfl重点强调该领域的研究。随着2008年奥运会和20N年仪博会等大型国际性会议的召开,拥有13亿人u规模的中国“向场,注定是有浴力、有高度增K可能性的巾场,也必定为米来全球般大的止物特征技术提供广阔的发展空间。巾冈科学院FI动化所成立了小物特征认证与测吓,1I‘乙,同时促成了小国4:物特征认证技术产业联服的成立。

静脉识别

主要是利用静脉血管的结构来进行身份识别。由于静脉纹络包含大量的特征信息,可以作为验证的对象。手掌静脉识别的原理也是利用静脉血管与肌肉、骨骸之间对特定波长红外光不同的吸收特性来进行静脉血管造影。与手掌静脉识别的原理相同。由于手掌较厚,红外光通常无法进行透射,因而只能采用反射造影法。红外光照射在手背上,有静脉的部位吸收红外光反射暗淡,肌肉与骨路部位反射强烈,从而实现对静脉的造影。静脉纹络在人体内部很难被伪造,

静脉识别是一种新兴的红外生物识别技术 ,它是根据静脉血液中脱氧血色素吸收近红外线或人体辐射

远红外线的特性 ,用相应波长范围的红外相机摄取手背 (或指背、 指腹、 手掌、 手腕 )的静脉分布图 ,通过归一

化、 去噪等预处理后进行滤波增强与静脉纹路分割、 细化修复 ,然后提取其特征 ,再与预先注册到数据库或储

存在 I C卡上的特征数据进行匹配以确定个人身份[ 1 ] .由于每个人的静脉分布图具备类似于指纹的唯一性且 成年后持久不变的特点 ,所以它能够唯一确定一个人的身份.此外 ,它具有其他生物特征识别技术所不具备 的优点 ,因而具有广泛的应用前景 ,得到广大学者的关注.

特点

活体识别

用手背静脉进行身份认证时,获取的是手背静脉的图像特征,是手背活体时才存在的特征。在该系统中,非活体的手背是得不到静脉图像特征的,因而无法识别,从而也就无法造假。

内部特征

用手背静脉进行身份认证时,获取的是手背内部的静脉图像特征,而不是手背表面的图像特征。因此,不存在任何由于手背表面的损伤、磨损、干燥或太湿等带来的识别障碍。

非接触式

用手背静脉进行身份认证,获取手背静脉图像时,手背无须与设备接触,轻轻一放,即可完成识别。这种方式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,井避免了被当作审查对象的心理不适,同时也不会因脏物污染后无法识别。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。

安全等级高

因为有了前面的活体识别、内部特征和非接触式3个方面的特征,确保了使用者的手背静脉特征很难被伪造。所以手背静脉识别系统安全等级高,特别适合于安全要求高的场所使用。韩国首尔大学电子工程系有一篇关于手背静脉识别算法的文献E3,’介绍了传统的静脉识别算法以及如何用昂贵的DSP处理器处理浮点运算和提高实时性要求,缩短识别时间,文献中描述的静脉识别算法主要包括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%。

算法研究

优点

(1)属于内牛理特征,不会磨损,较难伪造,具有很高安全性。

(2)血管特征通常更明显,容易辨识,抗干扰性好。

(3)可实现非接触式测量,卫生性好,易于为用户接受。

(4)不易受手表面伤痕或油污的影响。

缺点

(1)手背静脉仍可能随着年龄和生理的变化而发生变化,永久性尚未得到证实

(2)虽然可能性较小,但仍然存在无法成功注册登记的可能。

(3)由于采集方式受自身特点的限制,产品难以小型化。

(4)采集设备有特殊要求,设计相对复杂,制造成本高。

步骤

静脉分割

考虑到每个人的手背区域尺寸大小不一 ,而且同一个人在不同时刻采集的静脉图像中手背区域尺寸大

小也可能不一 ,为了提高识别的准确性 ,需要将每个人的手背区域通过缩放进行尺寸归一化.此外 ,由于采集

时间、 红外光强、 手背脂肪厚度等的不同 ,手背静脉图在灰度分布上存在较大差异 ,这会影响后续的处理 ,因

此必须进行灰度归一化处理 ,即将所有图像转换成同一均值和方差的标准图像

平滑细化

由于静脉分割后其边缘并不光滑,直接对其细化将产生许多毛刺,必须对其进行平滑.

根据形态学操作的特点,本文首先对图 5所示分割结果进行形态学开操作,断开狭窄的间断和消除细长

的毛刺,接着用面积阈值法去除那些被断开的斑点和斑块,然后使用闭操作以连接断开的静脉,并进一步采

用中值滤波来平滑静脉边缘.

经实验分析得知,中值滤波器的模板越大、滤波次数越多,骨架失真越大,反之越小。

静脉细化

普通的条件细化算法能保持原图的区域连通性,但并不总是能得到单像素宽的细化曲线,这就给以端点、交叉点和毛刺长度为依据的毛刺修剪带来很大麻烦,因为不容易确定非单像素宽的细化线的交叉点.为此,本文采用 Wang Kejun等改进的条件细化算法进行细化,得到图7所示的静脉骨架.

毛刺修剪

,细化后得到的静脉骨架仍有少许毛刺,这不利于特征的提取,本文采用前期提出的一种毛

刺修剪算法来消除这些短的毛刺

.得到如图 8所示基本没有毛刺的结果静脉骨架.

特征提取

Hu于 1961年首先提出了基于直角坐标系的原点矩、 中心矩等几何矩的概念,之后又运用归一化中心矩

组合定义了 7个不变矩.和其他类型的矩相比,这 7个不变矩对于平移、 旋转和比例缩放都具有较好的不变

性,因此适合于作为识别分类的特征.但这 7个不变矩的变化范围很大,直接作为特征用于识别效果不是很

好,必须加以修正,本文利用取对数的方法进行数据压缩,同时考虑到不变矩有可能出现负值,因此,本文实

际采用的不变矩为下式

M′ i = lg|Mi | , i = 1, 2, 3, …, 7 . (3)

然后将 M′ 1~M′ 7作为静脉骨架的不变矩特征,并应用下式构造矩特征向量

M = (M′ 1 ,M′ 2 ,M′ 3 ,M′ 4 ,M′ 5 ,M′ 6 ,M′ 7 ) . (4)

以 007号手背静脉图像 (007 hv 1 . bmp~007 hv 5 . bmp)为例,其静脉骨架的矩特征向量如表 1所示.

表 1 修正后的静脉不变矩特征向量

静脉图像

不变矩 hv1 hv2 hv3 hv4 hv5

M′ 1 0 . 746 132 0 . 755 544 0 . 761 463 0 . 762 629 0 . 745 536

M′ 2 - 1 . 300 106 - 2 . 232 351 - 2 . 166 532 - 0 . 822 852 - 0 . 653 529

M′ 3 0 . 102 239 0 . 121 920 - 1 . 329 910 - 1 . 107 078 - 0 . 648 701

M′ 4 - 1 . 832 518 - 1 . 618 541 - 1 . 319 387 - 0 . 180 293 - 0 . 002 694

M′ 5 - 2 . 152 984 - 1 . 867 573 - 2 . 037 022 - 0 . 623 853 - 0 . 334 567

M′ 6 - 2 . 053 364 - 2 . 828 432 - 2 . 437 842 - 2 . 036 446 - 1 . 399 067

M′ 7 - 1 . 003 532 - 2 . 716 815 - 1 . 477 484 - 0 . 522 549 0 . 535 775

结果与分析

支持向量机 ( SVM)是数据挖掘中的一个新方法 ,能非常成功地处理模式识别 (分类问题、 判别分析 )和

回归问题 (时间序列分析 )等诸多问题 ,并可推广到预测和综合评价等领域.将两分类向量机通过一定方式

组合起来可形成多分类支持向量机 ,实现多分类的功能.常见的组合方式有一对一方式和一对多方式.

本文采用台湾大学林智仁 (Chih2 Jen Lin)等开发设计的 L I BSVM软件包进行实验[ 7 ]

,利用 L I BSVM提供

的开放源码 ,通过修改、 参数调整 ,选用 C2 SVC模型、 径向基函数、 一对一方式对静脉图像进行识别.将式 (4)

所提取的静脉骨架矩特征向量 M 作为支持向量机分类器的输入向量进行分类识别.

识别实验在 Mohamed Shahin博士提供的手背静脉图像数据库[ 8 ]

上进行 ,库中共有 100个手背的静脉

图 ,每个手背有 5幅样本图像 ,共 500幅图像 ,原始图为 320 × 240的 256色灰度图.静脉识别实验从每个手

背的 5幅图像中任选 3幅用作训练 ,剩余 2幅用作识别测试 ,实验结果获得了 191 /200 = 95 . 5%的识别率.

在实验中发现 ,如果在选取样本时 ,剔除那些受噪声影响严重、 分割出的静脉图严重变形的 12个样本,

那么识别率可以达到 175 /178 = 98 . 3%.由此可见 ,原始静脉图的质量以及静脉纹路的分割、 骨架的细化效 果对识别率影响比较大.因此 ,改善图像的采集质量以及提高静脉纹路分割、骨架细化的算法效果是提高识。

随便看

 

百科全书收录4421916条中文百科知识,基本涵盖了大多数领域的百科知识,是一部内容开放、自由的电子版百科全书。

 

Copyright © 2004-2023 Cnenc.net All Rights Reserved
更新时间:2025/3/3 19:20:40