基于特征融合的手形匹配算法.pdfVIP

中国电子学会电路与系统学会第十九届年会论文集 基于特征融合的手形匹配算法 顾理 庄镇采 郑光勇 王再见 李斌 (中国科学技术大学智能信息处理实验室 舍肥 230026) 摘要： 手形识别是生物特征识别的重要组成部分，手形匹配是手形识别的关键。目前常用的方法有点匹 配方法和特征矢量法两种，两种方法在对手形进行匹配时各有优点，也有局限性。本文提出一种多特征融合 的手彤识别算法，使得两者能够有效的结台起来，提高了手形匹配的准确性和鲁棒性。 关键词： 手形识别 匹配 特征融合 一、引言 随着社会经济的发展，生物特征识别怍为对人的合法身份识别的一种有效方法，越米越 受到人们的关注，特别是91】以后，世界发达国家纷纷把生物特征作为重要的身份识别方法。 手形识别是生物特征识别重要的组成部分，早在1996年亚特兰大奥运会期间，手形识别就作 为各国代表团和新闻机构进出奥运村的管理手段。美国众多政府机关、公众场所和几乎所有 的军事机构都采用手形识别系统。手形识别在世界生物特征识别商品的份额基本和指纹持平， 手形识别由于采集特征容易被人”J接受，匹配速良快于其他生物特征识别，故最近几年一直 是国内外大力发展和研究的方向。手形匹配是手形识别的关键，传统的匹配方法大致有两种： 基于点模式匹配方法和基于特征矢量匹配方法。前者通过将手形轮廓图象表示为一系列特征 点集，然后对两个手形的特征点集进行匹配进行认证，误识率较小，但计算量和拒识率相对 较大：后者通过计算手形的睦度和宽度等特征矢量米对不同手形进行匹配认证，该方法计算 量小，匹配速度快，但是误识率较高。以上原因使得手形识别不能作为一种高效的和高安全 级别的身份识别手段。本文提出了基于特征融合的识别方法，提取两种手形特征来进行手形 匹配，能将上述两者有机的结合起来，在不增加计算量的基础上有效的提高了算法的准确性 Rate)平¨ 和鲁棒性，实验表明，该方法能够较好的降低以上两种算法的FRR(FalseReject FAR(False Rate)。 Accept 二、手形特征的提取 u 2．1特征提取： 对应于点模式匹配和特征矢量匹配算法，大致有两类特征，前者以构成手部边缘的轮廓 象素点作为待匹配的特征点集，后者则是将手部的长宽比，手指的跃宽比作为特征。本文采 用将所有边缘轮廓点集作为特征点。然后进一步的，分离出5个手指的轮廓点，并且提取每 个手指的长宽比和每个最大相似处的手指对应处的长宽比。 要获得完整准确的手形轮廓图形，对采集设备的遮光和光线要求较严格，本文中的手形 设备为摄像头，对识别者的手部进行采集。此时，由于照明光线角度引起的手部边缘存在阴 影的问题将变得十分严重；再者，由于采集面板的反光和噪声点的影响，都会给提取特征点 的完整准确性带来很多问题。 本文中，为了准确完整的提取手形轮廓点集，我们首先将采集到的24bit图像变成灰度 本文获安徽省人才开发资金项目资助，编 中国电子学会电路与系统学会第十九届年会论文集 图像后进行光照补偿，以增强其边缘差异；然后对进行了光照补偿的灰度图像使用基二模板 搜索的局部域值进行边界寻找，再对找到的边界点代入原灰度图像进行梯度的检验以去除～ 些伪边界点。由实验可知，该方法能够较好的提取手形轮廓点，并且具有较好的抗噪特性。 算法具体过程如下： H(i，J)，h(i，J)分别是原图象和变换后图象在(i，J)处的 灰度值，若变换后H(i，，)超过255则直接赋值为255。n，b，c是用于调整曲线的位置和形状 引入的参数。过小不能抟开灰度差异，过大则会损失灰度信息，为了拉伸手部图象和采集背 景的灰度差异，本文巾a取0，b取100，c取In255。 a．橡始采集图象及灰度直方图 b光J![{补偿后图象及其扼度直方囤 c．直接对原袭度图莹进行二值化静鳕皇 图1对采集陶象进行光