手靜脈身份識(shí)別技術(shù)

2．1 靜脈圖像采集裝置的研究
國(guó)內(nèi)外對(duì)靜脈采集裝置的研究，靜脈圖像的采集裝置按有無(wú)主動(dòng)光源分為兩類，無(wú)主動(dòng)光源的采集設(shè)備主要是熱像儀，價(jià)格昂貴，目前使用的很少。有主動(dòng)光源的采集設(shè)備主要有3種結(jié)構(gòu)，如圖8所示。手背和手掌靜脈采集采用反射式，手指靜脈采集一般采用透射式。在靜脈識(shí)別的發(fā)展史上，圖像采集設(shè)備在不斷地演進(jìn)中，圖像質(zhì)量越來(lái)越好，體積越來(lái)越小，價(jià)格越來(lái)越便宜。

1995年澳洲Edith Cowan大學(xué)的J．M．Cross和C．L．Smith在論文中首次提到使用紅外LED作為補(bǔ)償光源對(duì)手背靜脈進(jìn)行拍照，此前BTG的veincheck使用鎢絲燈作為光源，如圖9所示。

英國(guó)的David Oswald Clayden 98年在他的一個(gè)美國(guó)專利中，介紹了靜脈采集的方法，手握住一固定拉手上來(lái)固定手背的位置，在其上方有一對(duì)固定的帶通濾光片和一個(gè)攝像機(jī)，通過(guò)四個(gè)紅外光源照射的光線，提取手背靜脈圖像，通過(guò)相關(guān)算法，可以簡(jiǎn)易地實(shí)現(xiàn)認(rèn)證。這也是韓國(guó)的VP-II使用的采集方法。
南洋理工大學(xué)計(jì)算機(jī)工程學(xué)院的Lingyu Wang和Graham Leedham在論文中提到，靜脈隱藏在皮膚下面，通常我們?nèi)庋垡约捌渌目梢?jiàn)光檢測(cè)系統(tǒng)是不可見(jiàn)的。人體的淺表靜脈的溫度比周圍組織的溫度要高，因此，通過(guò)一個(gè)熱攝像機(jī)獲取手背靜脈的圖像。在這項(xiàng)工作中，使用了一個(gè)NEC熱跟蹤儀來(lái)獲取手背圖像。
索尼公司2009年2月2日宣布了一項(xiàng)命名為“mofiria”的超薄型的手指靜脈識(shí)別技術(shù)的開(kāi)發(fā)成果，它采用了獨(dú)特的方法：一個(gè)CMOS感應(yīng)器斜向捕捉手指靜脈內(nèi)部透過(guò)的散射光，從而形成一個(gè)平面圖案；可以實(shí)現(xiàn)微型和更為靈活的設(shè)計(jì)以將此項(xiàng)技術(shù)植入移動(dòng)設(shè)備中，如圖10所示。考慮到雜光干擾的影響，此技術(shù)能否實(shí)際應(yīng)用還不得而知。

國(guó)內(nèi)研究機(jī)構(gòu)在靜脈圖像采集裝置上的研究投入較少，多為局部的改進(jìn)，如2008年北京大學(xué)的Yanggang Dai等使用了非均勻紅外光源補(bǔ)償，使手指的紅外圖像亮度均勻，使得圖像灰度標(biāo)準(zhǔn)差降低48．4％，靜脈長(zhǎng)度和分叉?zhèn)€數(shù)兩種特征值分別增加了44．1％和31．4％。
2．2 算法研究
靜脈識(shí)別算法的研究主要集中在紅外圖像的預(yù)處理，特征抽取和模式匹配這三個(gè)環(huán)節(jié)。紅外圖像的預(yù)處理主要研究圖像濾波，圖像增強(qiáng)和二值化等方面。有關(guān)算法仍然在不斷完善和改進(jìn)，中值濾波，形態(tài)學(xué)濾波，直方圖均衡化等方法都被廣泛使用。特征抽取和匹配算法緊密結(jié)合，目前基于血管骨架的拓?fù)浣Y(jié)構(gòu)和特征點(diǎn)的匹配方法比較流行，基于圖像Hu不變矩判定、二維隨即信號(hào)相關(guān)函數(shù)計(jì)算、灰度統(tǒng)計(jì)等比對(duì)方法都有嘗試。由于國(guó)內(nèi)外對(duì)于圖像識(shí)別的研究近年一直是熱點(diǎn)，紅外圖像的預(yù)處理，特征抽取和模式匹配這三個(gè)環(huán)節(jié)都有大量算法借鑒，國(guó)內(nèi)一些研究機(jī)構(gòu)開(kāi)展了應(yīng)用研究，限于篇幅，這部分內(nèi)容不再一一介紹。根據(jù)近年的研究結(jié)果，單一的特征很難保證識(shí)別的效果，因此多種特征識(shí)別方法的融合成為了研究的重點(diǎn)。
生物識(shí)別技術(shù)仍然在不斷的發(fā)展中，指紋識(shí)別、掌紋識(shí)別、虹膜識(shí)別、人臉識(shí)別和靜脈識(shí)別等等不斷涌現(xiàn)的新算法相互借鑒，促進(jìn)了各自技術(shù)研究的深入。包括基于圖像的植物和動(dòng)物自動(dòng)識(shí)別技術(shù)都與傳統(tǒng)的生物身份識(shí)別技術(shù)發(fā)生了技術(shù)交流現(xiàn)象，如植物葉脈識(shí)別和昆蟲(chóng)自動(dòng)識(shí)別的算法和指紋、掌紋、虹膜及靜脈識(shí)別技術(shù)的算法就發(fā)生了相互滲透，如文獻(xiàn)等。

3 常用參數(shù)和術(shù)語(yǔ)
3．1 驗(yàn)證(Verification)和識(shí)別(Identification)
驗(yàn)證是1：1的匹配過(guò)程，用戶需要提供自己的ID，系統(tǒng)將預(yù)先存儲(chǔ)在數(shù)據(jù)庫(kù)中此ID的特征調(diào)出與用戶本次被采集的特征進(jìn)行匹配。目前市場(chǎng)上的生物識(shí)別產(chǎn)品絕大多數(shù)是驗(yàn)證型的，如圖11所示。識(shí)別是1：N的匹配過(guò)程，系統(tǒng)將本次采集到的特征與數(shù)據(jù)庫(kù)中所有特征匹配，挑選出得分最高者或因得分低于閥值而認(rèn)定特征不在數(shù)據(jù)集合中，如圖12所示。