基于C++的手背脉络特征认证考勤技术研究

朱向彩，窦佳龙，吴鲁振

(泰山学院 信息科学技术学院，山东 泰安 271021)

0 引言

手背静脉识别是以手背静脉识别技术为核心，是一项新兴的生物识别技术，是科技攻关的高新技术.手背静脉识别技术具有广泛的应用，如门禁管理、考勤管理、手背静脉识别监控管理、手背静脉识别电脑安全防范、手背静脉识别照片搜索、手背静脉识别来访登记等.

本文所研究的手背静脉识别技术可为企事业部门的考勤平台提供一种较好的、新颖的技术和方法.应用本技术及平台记录员工迟到、早退、缺席和请假等出勤情况，可实现信息管理的自动化，提高人事管理的效率.目前根据手背静脉识别考勤技术还没有成型的应用平台，本课题旨在利用更加高效的识别算法提高手背静脉识别过程的处理效率.

1 手背静脉识别技术

手背静脉识别，是生物识别模式的一种.首先通过静脉识别仪器取得个人手背脉络分布图，运用专门的比对算法从静脉分布图像中获取特征值.研究过程中使用红外线CCD 摄像头来获得手背的静脉数字图像，并将该图像的特征值提取后存储于计算机系统中.进行图像比对时，通过实时采集静脉图像，加以滤波、图像二值化、图像细化等先进手段提取图像特征值，并与存储在计算机系统中的静脉图像的特征值进行比对，然后运用专用的数字图像匹配算法进行特征匹配来鉴定个人身份.

2 静脉图像采集

红外采集原理:基于人体骨骼和肌肉组织的特点，使用波长在0.72～1.10 μm 的入射光波进行图像采集［1］，能够较好地穿透骨骼和肌肉组织，获得血管的脉络结构.从波长范围可知，该光波属于近红外光线，根据中国国家医用红外检测光源的有关规定，红外光强处于峰值时波长范围在0.80～1.50 μm 之间.所以只要拥有良好的红外采集设备，就能够拍摄到满足研究要求的静脉图像.可以使用波长在0.90 μm 左右的近红外CCD 摄像头拍摄256 灰度级的人体手背静脉图像，即可满足要求.

3 静脉图像预处理

3.1 静脉图像标准化

在不同的光照，手掌倾斜程度不同的情况下，由于光照不均匀即使同一个人的同一只手拍摄出的图像，也会对计算机的识别带来很大的困难.为尽量保证提取的特征对静脉在图像中的大小倾斜等的不变性，必须要在特征提取和识别之前对静脉图像进行一系列处理.［2］

静脉图像尺寸归一化.因为拍摄的图像中静脉所占的比例往往不一，所以要对所得到的静脉图像进行大小归一化，也就是对图像进行缩放，其实质是一种图像的几何变换.但是，图像的缩放会带来误差，因此可以引入灰度插值的概念来弥补，最常用的灰度插值算法有三种:最近邻法，双线性插值法，三次内插法.由于这里只是为了统一图像的大小，而且静脉图像的灰度突变并不明显，所以用近邻法处理就可以满足本文的要求［3］［4］，即选择离它所映射到的位置最近的输入像素的灰度值为插值结果.若几何变换后输出图像上坐标为(x，y)的像素点在原图像上的对应值坐标为(u，v)，则近邻插值公式为:g(x，y)=f(x，y)(其中x=［u+0.5］;y=［v+0.5］).

静脉图像灰度归一化.由于进行静脉图像采集时的采集条件(例如:采集时间、光照强度、个体手掌厚度差异、温度等)不同，所采集到的静脉图像的灰度分布会有较大的不同.如果同一个人在不同的条件下进行图像采集，得到的灰度图像会有明显的差别，这就给以后的图像处理和匹配带来极大的困难，因此在图像采集后一定要进行归一化处理，将所有的图像转换成同一均值和方差的标准图像.目前可使用的方法有清华的均值方差归一化法，灰度归一化法等.［5］［6］通过实验可知，采用灰度归一化法处理的效果比采用均值方差归一化处理的效果好，因此，我们采用灰度归一化法，对光照进行归一化(如下式):Y=((x—min)* 255)/(max—min)，式中:x－原图像灰度值;Y－变换后的灰度值;min－原图像中的灰度最小值;max－原图像中的灰度最大值.

3.2 图像增强

图像增强是一种基本的图像预处理手段，对于一幅给定的图像，经过图像增强处理后，就可以突出图像中的某些关键信息，减弱或者消除某些不需要的信息，使处理后的图像与原始图像相比更适合某种特定的应用［7］.但是图像增强并不一定能够增加原始图像的信息，相反有的时候甚至会使图像的部分信息丢失，但图像增强的结果却更有利于对特定信息进行识别.可使用均衡法对图像进行处理.这里我们使用一种改进的均衡化图像增强算法.均衡化处理是以累积分布函数变换法为基础的修正法.假定变换函数为:

式中ω 是积分变量，而T(r)就是r 的累积分布函数.该累积分布函数是r 的函数，并且单调地从0 增加到1，所以该变换函数满足T(r)在0≤r≤1 内单值单调增加.可以证明，用r 的累积分布函数作为变换函数可产生一幅灰度级分布具有均匀概率密度的图像.其结果扩展了像素取值的动态范围［8］.图像处理对比结果如下图所示:

3.3 图像分割

图像分割在手背静脉识别的整个过程中占据着相当重要的位置，同时也是一个难点.假如得不到高质量的二值化图像，就无法对图像进行进一步的处理和识别.由于静脉图像的脉络线条与背景灰度在一定范围内存在着混叠，利用全局阈值对图像进行分割必然会把图像的局部细节忽略，再加上静脉这种纹线图像很容易丢失一些很重要的边界信息，基于这一事实，我们可以采用基于边界的阈值分割方法进行分割［9］.处理结果如图2 所示:

3.4 二值图像的滤波与去噪

图1 图像的均衡(原始图像与均衡化后图像对比)

图2 基于边界的阈值分割

常见的灰度数字图像噪声有高斯噪声、椒盐噪声和颗粒噪声等，运用图像增强手段处理图像无法完全清除它们.我们假设白色像素代表背景，黑色像素代表前景图案，总的来说，二值图像中的噪声有以下三种:(1)白色背景中存在黑色的孤立小区域，我们称之为斑点;(2)黑色前景中存在白色的孤立小区域，我们称之为孔洞;(3)黑色图案的边缘存在微小的突起和凹陷，我们称之为毛刺.［10］

针对a 和b，可以采取面积消除法，即计算每一块黑色背景或者白色背景，如果背景面积小于给定的面积，则为噪声，将其除去.针对c 可以采用中值滤波法.［10］

3.5 图像细化

图像的细化是指在保持原图像拓扑结构的情况下，尽可能地抽出一个单像素宽的骨架的过程.对于静脉图像的细化，可以采用一般的条件细化和模版相结合的方法，细化完成后除去特殊的非单像素点即可［11］.图3 显示了细化处理的结果:

图3 图像细化处理结果

3.6 图像细化后修复

图像细化后，常常出现断点和噪声点的现象，所以要进行细化修复.修复断点时可以将最近邻点直接连接起来，此处可引入一个搜索判据，避免出错.去除毛刺可以从端点开始，计算毛刺的数量，小于一定阈值的区域就看作毛刺，予以置白.

4 特征的提取与匹配

4.1 特征的选择与提取

提取特征时要寻找图像中容易区分的部分，比如纹线的交叉点和端点，寻找这些点的数目和相对位置.同时，纹线的曲率、长短等都可以作为图像的特征来进行提取，然后将其同预先存入计算机系统中的数据进行比对.

4.2 特征匹配

一副典型的静脉图像进行细化处理后可得到大约5～10 个端点和若干个交叉点，所以，可以从这些特征点着手进行匹配.但是由于采集器的限制，所采集到的图像的清晰度不是很高，处理后的图像存在很多的伪特征点.为了避免其干扰，可以采用一种局部匹配与全局匹配相结合的的静脉匹配方法［8］.其实现方法如下:

首先，利用相邻特征点之间的结构关系为每一个特征点构造局部特征向量，根据局部特征向量对图像匹配.进行匹配时，设置一套评分标准，对所匹配图像的相似性来评分，能够达到阈值分数要求的特征点则认为有可能匹配，然后根据首次匹配得到的特征点，进行第二次的全局性匹配.在局部匹配过程中，可以使用星形结构匹配方法，在全局匹配的过程中，可用相对的坐标匹配法.［5］

4.3 试验结果和分析

首先按照固定的格式建立手背静脉图像数据库，每个手背在不同的时间取5 幅图像，共取50 幅图像作为小型样本库，然后进行匹配，匹配结果(系统性能试验结果):样本数量:50，匹配次数:48，误识次数:0，拒识次数:2.

识别率达到了96.0%，误识率为0，拒识率为4.0%，从这些方面来看，该技术平台的性能还是可以接受的，但在试验过程中也发现了该技术及平台需要改进的地方，主要是平台的运行速度方面.试验中发现，运行速度平均为2 秒/次，这个运行速度远远不能满足应用的需求，主要原因是静脉识别平台的硬件系统和识别算法需要进一步的改进.另外，本平台在应用过程中也存在一些问题，例如，图像的传递需要人的参与，软件无法自动完成，影响了运行效率.因此，解决上述问题需要从硬件和软件两方面入手.

虽然该平台还有待于改进，但对相关技术的研究具有很强的现实和理论意义.该方面的研究在国内还未成熟，但实用用价值很高，因此对该技术及平台的研究具有很好的发展前景.

［1］燕青宇.手背静脉身份识别算法研究［D］.北方工业大学硕士学位论文，2012.19－20.

［2］李克峰.基于手背静脉的身份识别［D］.北方工业大学，2011.21－24.

［3］姚吉.手背静脉识别图像的预处理方法研究［D］.长春理工大学，2009.

［4］何斌，马天予.Visual C++数字图像处理(第二版)［M］.北京:人民邮电出版社，2002.199－200.

［5］林喜荣，等.人体手背静脉血管图像的特征提取及匹配［J］.清华大学学报(自然科学版)，2003，43(2):164－167.

［6］韩学东.正面人脸图像识别系统研究与实现［D］.哈尔滨工程大学硕士学位论文，2000.21－25.

［7］林晓春，王艳.一种基于图像融合的红外图像增强新方法［J］.红外技术，2004，26(2):48－50.

［8］刘璐璐.图像增强算法研究综述［D］.宁波工程学院论文，2010.7－9.

［9］庄大燕.人体手背静脉识别技术研究［D］.哈尔滨工程大学硕士学位论文，2006.20－30.

［10］朱丛虎.低质量手背静脉图像的增强和分割［D］.安徽大学，2011.

［11］尤海云，王绍纯.形态学细化算法在印制电路板中的应用［J］.自动化技术及应用，2003，22(10):18－21.