基于连接性保持匹配的跨面积手指静脉识别方法及系统

1.本发明属于手指静脉识别技术领域，尤其涉及一种基于连接性保持匹配的跨面积手指静脉识别方法及系统。


背景技术：

2.手指静脉识别是利用手指指腹侧静脉血管进行身份识别的生物特征识别技术。相比指纹识别、人脸识别等，手指静脉识别具有一些独特优势，比如，活体识别：手指静脉图像只有在手指活体的情况下才能被采集；高安全性：静脉是手指内部特征，被盗取和复制的难度较大。从入户门禁到企业考勤，再到港口通关，手指静脉识别等生物特征识别已成为实现个人身份认证和公共安全防范的重要技术。
3.发明人发现，现有手指静脉识别研究工作大多基于来自单一采集设备的图像，注册图像和测试图像的有效面积一致，没有考虑采集设备的更新换代及不同采集设备在成像窗口尺寸上的差异；而实际上，当前电子产品更新换代越来越快，手指静脉成像设备、识别设备的更新换代也不可避免，不同类型采集设备往往在采集窗口尺寸上存在较大差异；比如，一款手指静脉智能门锁的图像采集窗口长度约为52mm，而一款手指静脉识别模块的采集窗口长度约为30mm。假设识别系统当前使用的采集设备能够采集手指的第一和第二两个指节处的静脉血管，将来更新换代后的采集设备只能采集手指第一指节处的手指静脉，这就带来跨面积的手指静脉识别问题，即当注册手指静脉图像和测试手指静脉图像中的手指有效面积不同时的身份识别问题。


技术实现要素：

4.本发明为了解决上述问题，提出了一种基于连接性保持匹配的跨面积手指静脉识别方法及系统，充分考虑了采集设备更新换代引起的成像窗口尺寸不同及图像中手指有效面积的不同，基于细节点匹配实现面积不同的图像间的识别；基于连接性保持匹配的跨面积手指静脉识别方法，全面考虑了细节点的位置、描述符、相邻点和连接性等信息，能够很好地实现细节点的匹配，进而实现身份识别。
5.为了实现上述目的，本发明是通过如下的技术方案来实现：
6.第一方面，本发明提供了一种基于连接性保持匹配的跨面积手指静脉识别方法，包括：
7.获取第一手指静脉图像和第二手指静脉图像的细节点，所述第一手指静脉图像的面积小于所述第二手指静脉图像的面积；
8.确定细节点的描述符，通过对描述符的距离判断，确定所述第一手指静脉图像和所述第二手指静脉图像的初次匹配点对集合；
9.利用初次匹配点对集合中匹配点对的位置，从所述第二手指静脉图像中定位与所述第一手指静脉图像相似的候选区域；
10.依据连接性保持匹配，计算所述第一手指静脉图像与候选区域的相似度，实现所
述第一手指静脉图像和所述第二手指静脉图像间的识别。
11.进一步的，从所述第一手指静脉图像和所述第二手指静脉图像中分别提取单像素宽的静脉网络，获取静脉网络中的细节点，细节点包括分叉点、端点和方向拐点。
12.进一步的，对每个细节点定义基于预设半径的圆形邻域，将圆形邻域内所有像素点的曲率值作为细节点的描述符。
13.进一步的，计算所述第一手指静脉图像中所有细节点与所述第二手指静脉图像中所有细节点的欧式距离；若欧式距离中最小值与次小值之比小于预定义阈值，则欧式距离中最小值对应的两个细节点匹配。
14.进一步的，对一对匹配细节点，计算所述第一手指静脉图像中细节点到所述第一手指静脉图像四个边界的距离；在所述第二手指静脉图像中以另一个细节点为中心取矩形区域；所述第二手指静脉图像中细节点到矩形区域四个边的距离与所述第一手指静脉图像中细节点到所述第一手指静脉图像四个边界的距离相等，该矩形区域为候选区域。
15.进一步的，在连接性保持匹配中，剔除非候选区域涉及的初次匹配点对；并通过邻点一致性约束和连接一致性约束，进一步剔除错误匹配的细节点对；将正确匹配细节点的数量与所有细节点的数量之比作为所述第一手指静脉图像与候选区域的相似度，实现所述第一手指静脉图像和所述第二手指静脉图像间的识别。
16.第二方面，本发明还提供了一种基于连接性保持匹配的跨面积手指静脉识别系统，包括：
17.细节点提取模块，被配置为：获取第一手指静脉图像和第二手指静脉图像的细节点，所述第一手指静脉图像的面积小于所述第二手指静脉图像的面积；
18.描述符确定模块，被配置为：确定细节点的描述符，通过对描述符的距离判断，确定所述第一手指静脉图像和所述第二手指静脉图像的初次匹配点对集合；
19.候选区域模块，被配置为：利用初次匹配点对集合中匹配点对的位置，从所述第二手指静脉图像中定位与所述第一手指静脉图像相似的候选区域；
20.识别模块，被配置为：依据连接性保持匹配，计算所述第一手指静脉图像与候选区域的相似度，实现所述第一手指静脉图像和所述第二手指静脉图像间的识别。
21.第三方面，本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现了第一方面所述的基于连接性保持匹配的跨面积手指静脉识别方法的步骤。
22.第四方面，本发明还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现了第一方面所述的基于连接性保持匹配的跨面积手指静脉识别方法的步骤。
23.与现有技术相比，本发明的有益效果为：
24.1、本发明首先定义两幅面积不同的手指静脉图像的细节点及对应的描述符，然后通过描述符的距离判断，确定两幅手指静脉图像的初次匹配点对集合；利用初次匹配点对集合中匹配点对的位置，从大面积手指静脉图像中定位与小面积手指静脉图像相似的候选区域；最后，依据连接性保持匹配，计算小面积指静脉图像与候选区域的相似度，实现两幅手指静脉图像间的识别；与现有的手指静脉识别方法相比，充分考虑了采集设备更新换代引起的成像窗口尺寸不同及图像中手指有效面积的不同，基于细节点匹配实现面积不同的
图像间的识别；基于连接性保持匹配的跨面积手指静脉识别方法，全面考虑了细节点的位置、描述符、相邻点和连接性等信息，能够很好地实现细节点的匹配，进而实现身份识别。
25.2、本发明使用手指静脉分支的方向拐点作为细节点，有效增加了细节点的数量，丰富了细节点的区分性。
附图说明
26.构成本实施例的一部分的说明书附图用来提供对本实施例的进一步理解，本实施例的示意性实施例及其说明用于解释本实施例，并不构成对本实施例的不当限定。
27.图1为本发明实施例1的流程示意图；
28.图2为本发明实施例1的基于匹配点对定位候选区域。
具体实施方式
29.下面结合附图与实施例对本发明作进一步说明。
30.应该指出，以下详细说明都是示例性的，旨在对本技术提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本技术所属技术领域的普通技术人员通常理解的相同含义。
31.实施例1：
32.本实施例提供了一种基于连接性保持匹配的跨面积手指静脉识别方法，包括：
33.获取第一手指静脉图像和第二手指静脉图像的细节点，所述第一手指静脉图像的面积小于所述第二手指静脉图像的面积；
34.确定细节点的描述符，通过对描述符的距离判断，确定所述第一手指静脉图像和所述第二手指静脉图像的初次匹配点对集合；
35.利用初次匹配点对集合中匹配点对的位置，从所述第二手指静脉图像中定位与所述第一手指静脉图像相似的候选区域；
36.依据连接性保持匹配，计算所述第一手指静脉图像与候选区域的相似度，实现所述第一手指静脉图像和所述第二手指静脉图像间的识别。
37.可以理解的，所述第一手指静脉图像和所述第二手指静脉图像分别为注册手指静脉图像和测试手指静脉图像，或测试手指静脉图像和注册手指静脉图像；所述第一手指静脉图像可以称为小面积图像，所述第二手指静脉图像可以称为大面积图像。具体的，首先定义两幅面积不同的手指静脉图像的细节点及对应的描述符，然后通过描述符的距离判断，确定两幅手指静脉图像的初次匹配点对集合；利用初次匹配点对集合中匹配点对的位置，从大面积手指静脉图像中定位与小面积手指静脉图像相似的候选区域；最后，依据连接性保持匹配，计算小面积手指静脉图像与候选区域的相似度，实现两个手指静脉图像间的识别；与现有的手指静脉识别方法相比，充分考虑了采集设备更新换代引起的成像窗口尺寸不同及图像中手指有效面积的不同，基于细节点匹配实现面积不同的图像间的识别；基于连接性保持匹配的跨面积手指静脉识别方法，全面考虑了细节点的位置、描述符、相邻点和连接性等信息，能够很好地实现细节点的匹配，进而实现身份识别。
38.本实施例的具体步骤为：
39.s1、细节点的提取及表征：从所述第一手指静脉图像和所述第二手指静脉图像中
分别提取单像素宽的静脉网络，获取静脉网络中的细节点，细节点包括分叉点、端点和方向拐点。对每个细节点定义基于预设半径的圆形邻域，将圆形邻域内所有像素点的曲率值作为细节点的描述符。
40.具体的，从手指静脉图像中使用gabor滤波器提取单像素宽的静脉网络，并检测静脉网络中的分叉点、端点和方向拐点等细节点。对每个细节点定义以该点为中心、半径为r的圆形邻域，将圆形邻域内所有像素点的曲率用作该细节点的描述符。
41.s2、细节点的初次匹配：计算所述第一手指静脉图像中所有细节点与所述第二手指静脉图像中所有细节点的欧式距离；对第一手指静脉图像中每个细节点，若欧式距离中最小值与次小值之比小于预定义阈值，则欧式距离中最小值对应的两个细节点匹配。
42.具体的：假设有待识别的一幅小面积图像和一幅大面积图像，细节点描述符集合分别为a
i,i＝1,2,
…
,m
和b
i,i＝1,2,
…
,n
，其中，m，n分别为两幅图像中细节点的个数。对小面积图像中的第i个细节点，计算其与大面积图像中n个细节点的欧式距离，即假设d
ij
和d
ix
是距离向量中的最小值和次小值。若最小值与次小值之比小于预定义阈值t，则认为小面积图像中的第i个细节点与大面积图像中的第j个细节点匹配。对小面积图像中的m个细节点均做上述处理，可以得到两幅待匹配图像的初次匹配点对集合其中，xi，yi分别为二维向量，表示细节点的空间位置。xi是小面积图像中的细节点，yi是大面积图像中的细节点，n是两幅图像中的匹配点对个数。
43.s3、候选区域的定位：对一对匹配细节点，计算所述第一手指静脉图像中细节点到所述第一手指静脉图像四个边界的距离；在所述第二手指静脉图像中以另一个细节点为中心取矩形区域；所述第二手指静脉图像中细节点到矩形区域四个边的距离与所述第一手指静脉图像中细节点到所述第一手指静脉图像四个边界的距离相等，该矩形区域为候选区域。
44.具体的：利用初次匹配点对集合中的细节点对的位置从大面积图像中定位与小面积图像最相似的候选区域。对于细节点对(xi，yi)，计算xi到小面积图像上、下、左和右四个边界的距离[l1，l2，l3，l4]。在大面积图像中，以yi为中心取矩形区域ri，点yi到矩形区域ri四个边的距离分别为l1，l2，l3，l4，该区域作为细节点对(xi，yi)计算的候选区域。基于细节点对(xi，yi)的候选区域定位如图2所示。按上述步骤可以得到n个矩形候选区域[r1，r2，
…
，rn]，取这些候选区域的并集作为最终的候选区域r。
[0045]
s4、连接性保持匹配：利用连接性保持匹配剔除初次匹配点对集合中的错误匹配点对，以获得正确匹配点对，并将正确匹配细节点的数量与所有细节点的数量之比作为所述第一手指静脉图像和所述第二手指静脉图像间的相似度；在连接性保持匹配中，从细节点的位置保持、相邻性保持和连接性保持三个方面定义约束项，实现错误匹配点对的剔除。
[0046]
具体的：在连接性保持匹配中，剔除非候选区域涉及的初次匹配点对，并通过邻点一致性约束和连接一致性约束进一步剔除错误匹配的细节点对，并将正确匹配细节点的数量与所有细节点的数量之比作为两幅图像间的相似度。在连接性保持匹配中，从细节点的位置保持(细节点是否属于候选区域)、细节点的相邻性保持和细节点的连接性保持等三个方面定义约束项，实现错误匹配点对的剔除。详细地，
[0047]
s4.1、位置保持：
[0048]
在初次匹配点对中，若大面积图像中的细节点不在定位的候选区域中，则认为相关匹配点对为错误匹配，从初次匹配点对集合中剔除。定义如下度量函数度量细节点对的位置保持：
[0049][0050]
s4.2、相邻性保持：
[0051]
步骤s4.1中剔除了不在候选区域的匹配点对，将进一步剔除具有不同邻域结构的匹配点对。假设(xi，yi)(xj，yj)是两对匹配点对。如果在小面积图像中xj是xi邻域内的点，那么希望在大面积图像中yj也是yi邻域内的点。定义如下度量函数度量细节点的相邻性保持：
[0052][0053][0054]
其中，b∈na表示b是a邻域内的点，表示b不是a邻域内的点。
[0055]
s4.3、连接性保持：
[0056]
上述的度量函数只考虑了细节点的位置和相邻关系，没有考虑细节点的连接关系。假设(xi，yi)(xj，yj)是两对匹配点对。如果在小面积图像中xj和xi在一条静脉分支上，那么希望在大面积图像中yj和yi也在一条静脉分支上。定义如下度量函数度量细节点对的连接性保持：
[0057][0058][0059]
其中，b∈ca表示a和b在一条静脉分支上，表示a和b不在一条静脉分支上。
[0060]
s4.4、目标函数：
[0061]
综合考虑细节点对的位置保持、相邻性保持和连接性保持，定义如下目标函数：
[0062][0063]
其中，若初次匹配点对(xi，yi)没有被剔除，pi＝1；否则，pi＝0。最小化上述损失可以剔除错误匹配的点对，求得最终的匹配点对集合。匹配点对集合中的细节点个数与两幅
图像中所有细节点个数的比值被用作两幅图像间的相似度得分，基于该得分实现图像间的识别。
[0064]
实施例2：
[0065]
本实施例提供了一种基于连接性保持匹配的跨面积手指静脉识别系统，包括：
[0066]
细节点提取模块，被配置为：获取第一手指静脉图像和第二手指静脉图像的细节点，所述第一手指静脉图像的面积小于所述第二手指静脉图像的面积；
[0067]
描述符确定模块，被配置为：确定细节点的描述符，通过对描述符的距离判断，确定所述第一手指静脉图像和所述第二手指静脉图像的初次匹配点对集合；
[0068]
候选区域模块，被配置为：利用初次匹配点对集合中匹配点对的位置，从所述第二手指静脉图像中定位与所述第一手指静脉图像相似的候选区域；
[0069]
识别模块，被配置为：依据连接性保持匹配，计算所述第一手指静脉图像与候选区域的相似度，实现所述第一手指静脉图像和所述第二手指静脉图像间的识别。
[0070]
所述系统的工作方法与实施例1的基于连接性保持匹配的跨面积手指静脉识别方法相同，这里不再赘述。
[0071]
实施例3：
[0072]
本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现了实施例1所述的基于连接性保持匹配的跨面积手指静脉识别方法的步骤。
[0073]
实施例4：
[0074]
本实施例提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现了实施例1所述的基于连接性保持匹配的跨面积手指静脉识别方法的步骤。
[0075]
以上所述仅为本实施例的优选实施例而已，并不用于限制本实施例，对于本领域的技术人员来说，本实施例可以有各种更改和变化。凡在本实施例的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本实施例的保护范围之内。

技术特征：
1.基于连接性保持匹配的跨面积手指静脉识别方法，其特征在于，包括：获取第一手指静脉图像和第二手指静脉图像的细节点，所述第一手指静脉图像的面积小于所述第二手指静脉图像的面积；确定细节点的描述符，通过对描述符的距离判断，确定所述第一手指静脉图像和所述第二手指静脉图像的初次匹配点对集合；利用初次匹配点对集合中匹配点对的位置，从所述第二手指静脉图像中定位与所述第一手指静脉图像相似的候选区域；依据连接性保持匹配，计算所述第一手指静脉图像与候选区域的相似度，实现所述第一手指静脉图像和所述第二手指静脉图像间的识别。2.如权利要求1所述的基于连接性保持匹配的跨面积手指静脉识别方法，其特征在于，从所述第一手指静脉图像和所述第二手指静脉图像中分别提取单像素宽的静脉网络，获取静脉网络中的细节点，细节点包括分叉点、端点和方向拐点。3.如权利要求1所述的基于连接性保持匹配的跨面积手指静脉识别方法，其特征在于，对每个细节点定义基于预设半径的圆形邻域，将圆形邻域内所有像素点的曲率值作为细节点的描述符。4.如权利要求1所述的基于连接性保持匹配的跨面积手指静脉识别方法，其特征在于，计算所述第一手指静脉图像中所有细节点与所述第二手指静脉图像中所有细节点的欧式距离；若欧式距离中最小值与次小值之比小于预定义阈值，则欧式距离中最小值对应的两个细节点匹配。5.如权利要求1所述的基于连接性保持匹配的跨面积手指静脉识别方法，其特征在于，对一对匹配细节点，计算所述第一手指静脉图像中细节点到所述第一手指静脉图像四个边界的距离；在所述第二手指静脉图像中以另一个细节点为中心取矩形区域；所述第二手指静脉图像中细节点到矩形区域四个边的距离与所述第一手指静脉图像中细节点到所述第一手指静脉图像四个边界的距离相等，该矩形区域为候选区域。6.如权利要求1所述的基于连接性保持匹配的跨面积手指静脉识别方法，其特征在于，在连接性保持匹配中，剔除非候选区域涉及的初次匹配点对；并通过邻点一致性约束和连接一致性约束，进一步剔除错误匹配的细节点对；将正确匹配细节点的数量与所有细节点的数量之比作为所述第一手指静脉图像与候选区域的相似度，实现所述第一手指静脉图像和所述第二手指静脉图像间的识别。7.基于连接性保持匹配的跨面积手指静脉识别系统，其特征在于，包括：细节点提取模块，被配置为：获取第一手指静脉图像和第二手指静脉图像的细节点，所述第一手指静脉图像的面积小于所述第二手指静脉图像的面积；描述符确定模块，被配置为：确定细节点的描述符，通过对描述符的距离判断，确定所述第一手指静脉图像和所述第二手指静脉图像的初次匹配点对集合；候选区域模块，被配置为：利用初次匹配点对集合中匹配点对的位置，从所述第二手指静脉图像中定位与所述第一手指静脉图像相似的候选区域；识别模块，被配置为：依据连接性保持匹配，计算所述第一手指静脉图像与候选区域的相似度，实现所述第一手指静脉图像和所述第二手指静脉图像间的识别。8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执
行时实现了如权利要求1-6任一项所述的基于连接性保持匹配的跨面积手指静脉识别方法的步骤。9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现了如权利要求1-6任一项所述的基于连接性保持匹配的跨面积手指静脉识别方法的步骤。

技术总结
本发明属于手指静脉识别技术领域，提供了一种基于连接性保持匹配的跨面积手指静脉识别方法及系统，首先定义两幅面积不同的手指静脉图像的细节点及对应的描述符，然后通过描述符的距离判断，确定两幅手指静脉图像的初次匹配点对集合；利用初次匹配点对集合中匹配点对的位置，从大面积手指静脉图像中定位与小面积手指静脉图像相似的候选区域；最后，依据连接性保持匹配，计算小面积指静脉图像与候选区域的相似度，实现两幅手指静脉图像间的识别；充分考虑了采集设备更新换代引起的成像窗口尺寸不同及图像中手指有效面积的不同，基于细节点匹配实现面积不同的图像间的识别；全面考虑了细节点的位置、描述符、相邻点和连接性等信息，能够很好地实现细节点的匹配，进而实现身份识别。份识别。份识别。


技术研发人员：杨璐 施秀峰 李恩燕 王永欣 聂秀山 尹义龙
受保护的技术使用者：山东建筑大学
技术研发日：2023.07.26
技术公布日：2023/10/7