非接触式掌纹识别技术中关键点的定位方法.docVIP

PAGE PAGE 1 非接触式掌纹识别技术中关键点的定位方法 　　摘要： 在掌纹识别技术中，关键点的定位起到了至关重要的作用。为了提高用户的接受度，采用了非接触式的掌纹识别技术。针对关键点定位的准确性影响识别精度，提出基于非接触式掌纹图像的关键点定位方法，其中包括手指张开时和手指并拢时两种情况。首先通过预处理提取手形的外侧轮廓，然后采用基于角度和方向的跟踪方法来初定位手指指尖点和手指间的凹点所在区域，最后细定位指尖点和手指间的拐点。实验结果表明，提出的关键点定位方法定位精确且稳定性高。 　　关键词： 　　中图分类号： ＴＰ３９１．４１ 文献标识码：Ａ 文章编号：２０９５－２１６３（２０１１）０１－００６２－０４ 　　０引言 　　生物特征识别技术是指通过计算机将人体所固有的生理特征或行为特征进行处理，用来进行个人身份识别的技术。目前常用的生物特征识别技术有：人脸识别[１]，虹膜识别[２]，指纹识别[３]，语言识别[４]，掌纹识别[５]等。这些生物特征都满足下面的条件：（１）普遍性，每个人都具有；（２）唯一性，任何两个人都不一样；（３）稳定性，这种特征长时间内是不变的；（４）可采集性，可以方便采集和定量测量；（５）安全性，该特征不容易被伪造或模仿；（６）可接受性，识别系统被用户所接受的程度。原则上，生物特征只要满足以上条件就可以用于身份鉴别。 　　掌纹识别技术是根据人手掌上的有效信息来进行身份识别的技术，其中需要利用关键点定位技术从手掌图像中提取稳定的掌纹信息。不同采集设备采集到的手掌图像有不同的特点。目前，大部分掌纹识别系统中的设备是接触式的且有辅助物（如支柱）作为参考，能更方便地定位采集到的掌纹图像的关键点。但接触式采集设备在使用时会让用户产生被侵犯感，且不同人频繁地接触设备，容易传播细菌和疾病。因此，接触式掌纹识别系统不容易被用户所接受。使用非接触式掌纹采集设备可以解决这一问题，但非接触采集方式会给手掌带来一定的自由度，导致关键点定位不准确。本文将研究非接触掌纹识别系统中的关键点定位方法。 　　１手掌图像的采集 　　图像采集是整个生物识别系统中的一个非常重要的过程。图像采集质量的好坏直接影响到整个系统的性能。本文采用的是非接触式的图像采集设备（如图１所示），更容易被用户所接受。该采集设备采用高清晰度ＣＣＤ摄像机，可获取高质量的手掌图像。本文采集到的图像包括手指都张开和除拇指外其他手指都并拢两种情况，如图２所示。 　　２预处理与边缘提取 　　在定位关键点之前，先对采集到的图像进行预处理，图２中给出的两种情况的手掌图像的预处理过程是一样的。本文中，预处理过程的流程如图３所示。 　　２．１预处理 　　首先使用高斯低通滤波器对原始的手掌图像进行滤波，去除图像中的噪声。由于采集到的手掌图像中手掌和背景的灰度值相差较大，可以采用固定阈值对图像进行分割，得到二值图像。若设定的灰度阈值是ｔｈｒｅ， 而图像中每点的灰度值是ｆ（ｘ，ｙ），分割后的灰度值为ｇ（ｘ，ｙ），则图像分割的过程如下所示： 　　ｇ（ｘ，ｙ）＝２５５ｉｆ：ｆ（ｘ，ｙ）?叟ｔｈｒｅｇ（ｘ，ｙ）＝０ｉｆ：ｆ（ｘ，ｙ）＜ｔｈｒｅ （１） 　　２．２边缘提取 　　首先对二值图像使用形态学上的腐蚀操作，用原二值图像减去腐蚀后的图像来提取边缘，再用高斯低通滤波对边缘进行滤波，除去噪声点，最后得到的边缘图像如图４（ａ）和图４（ｂ）所示。由于采集到的手掌图像可能包含衣袖等干扰，因此提取到的轮廓包含手形和其它干扰物的轮廓。获取其中最大的轮廓，包含了完整的手形外侧轮廓，再设定一个阈值将衣袖等干扰物的轮廓截去，最后得到的手形轮廓如图４（ｃ）和图４（ｄ）所示。 　　３关键点的定位算法 　　３．１手指张开时关键点的定位算法 　　由图４（ｃ）可知，在手指张开的情况下，本文要定位的关键点包括指尖点和指谷间的拐点。本算法使用以下方法来初定位关键点所在的区域。设图像的左下角为坐标原点，从图像右下角的轮廓点开始，跟踪整个轮廓线上的每一点直到右上角。对于跟踪的某一点Ａ， 取其前面间隔一定距离的轮廓点Ｂ和其后面间隔一定距离的轮廓点Ｃ，通过式（２）求出夹角 ∠ＢＡＣ的大小。 　　∠ＢＡＣ＝ａｒｃｃｏｓ（ｃｏｓ∠ＢＡＣ） （２） 　　若∠ＢＡＣ和Ａ、Ｂ、Ｃ三点的横坐标满足以下条件，则点Ａ就是指尖弧上的一点，并用数组记录Ａ点的坐标： 　　∠ＢＡＣ?燮θ 　　 Ａ．ｘ?燮Ｂ．ｘ 　　 Ａ．ｘ?燮Ｃ．ｘ 　　Ａ．ｘ?燮μ（３） 　　其中，θ和μ为阈值。 　　若∠ＢＡＣ和Ａ、Ｂ、Ｃ三个点的横坐标满足以下条件，则点Ａ就是指谷弧上的一点，并用数组记录Ａ点的坐标： 　　∠ＢＡＣ?燮θ＇ 　　Ａ．ｘ＞Ｂ．ｘ（４） 　　Ａ．ｘ＞Ｃ．ｘ 　　其中，θ＇为阈值。 　　对轮