手靜脈身份識別技術(shù)

2．1 靜脈圖像采集裝置的研究
國內(nèi)外對靜脈采集裝置的研究，靜脈圖像的采集裝置按有無主動光源分為兩類，無主動光源的采集設(shè)備主要是熱像儀，價格昂貴，目前使用的很少。有主動光源的采集設(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。在靜脈識別的發(fā)展史上，圖像采集設(shè)備在不斷地演進中，圖像質(zhì)量越來越好，體積越來越小，價格越來越便宜。

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作為補償光源對手背靜脈進行拍照，此前BTG的veincheck使用鎢絲燈作為光源，如圖9所示。

英國的David Oswald Clayden 98年在他的一個美國專利中，介紹了靜脈采集的方法，手握住一固定拉手上來固定手背的位置，在其上方有一對固定的帶通濾光片和一個攝像機，通過四個紅外光源照射的光線，提取手背靜脈圖像，通過相關(guān)算法，可以簡易地實現(xiàn)認證。這也是韓國的VP-II使用的采集方法。
南洋理工大學(xué)計算機工程學(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目梢姽鈾z測系統(tǒng)是不可見的。人體的淺表靜脈的溫度比周圍組織的溫度要高，因此，通過一個熱攝像機獲取手背靜脈的圖像。在這項工作中，使用了一個NEC熱跟蹤儀來獲取手背圖像。
索尼公司2009年2月2日宣布了一項命名為“mofiria”的超薄型的手指靜脈識別技術(shù)的開發(fā)成果，它采用了獨特的方法：一個CMOS感應(yīng)器斜向捕捉手指靜脈內(nèi)部透過的散射光，從而形成一個平面圖案；可以實現(xiàn)微型和更為靈活的設(shè)計以將此項技術(shù)植入移動設(shè)備中，如圖10所示?？紤]到雜光干擾的影響，此技術(shù)能否實際應(yīng)用還不得而知。

國內(nèi)研究機構(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，如2008年北京大學(xué)的Yanggang Dai等使用了非均勻紅外光源補償，使手指的紅外圖像亮度均勻，使得圖像灰度標準差降低48．4％，靜脈長度和分叉?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，圖像增強和二值化等方面。有關(guān)算法仍然在不斷完善和改進，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撲結(jié)構(gòu)和特征點的匹配方法比較流行，基于圖像Hu不變矩判定、二維隨即信號相關(guān)函數(shù)計算、灰度統(tǒng)計等比對方法都有嘗試。由于國內(nèi)外對于圖像識別的研究近年一直是熱點，紅外圖像的預(yù)處理，特征抽取和模式匹配這三個環(huán)節(jié)都有大量算法借鑒，國內(nèi)一些研究機構(gòu)開展了應(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別的效果，因此多種特征識別方法的融合成為了研究的重點。
生物識別技術(shù)仍然在不斷的發(fā)展中，指紋識別、掌紋識別、虹膜識別、人臉識別和靜脈識別等等不斷涌現(xiàn)的新算法相互借鑒，促進了各自技術(shù)研究的深入。包括基于圖像的植物和動物自動識別技術(shù)都與傳統(tǒng)的生物身份識別技術(shù)發(fā)生了技術(shù)交流現(xiàn)象，如植物葉脈識別和昆蟲自動識別的算法和指紋、掌紋、虹膜及靜脈識別技術(shù)的算法就發(fā)生了相互滲透，如文獻等。

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