基于掌纹识别技术的BESTPAL系统

徐 日，张 裕，陈晶华

（1.北京电子科技学院，北京 100070；2.上海机电工程研究所，上海 201109）

基于掌纹识别技术的BESTPAL系统

徐 日1，张 裕1，陈晶华2

（1.北京电子科技学院，北京 100070；2.上海机电工程研究所，上海 201109）

传统的掌纹识别系统大多以接触式为主，且设备昂贵、灵活性和移动性较差。为了拓展掌纹识别技术的应用，设计以网络摄像头和手机摄像头为采集端的非接触式掌纹识别系统。获取掌纹图像时，在摄像头的预览画面加限制轮廓，解决在非接触式图像采集过程中因位置不固定而造成掌纹特征纹理图像产生偏移的问题。在掌纹预处理阶段，针对获取的掌纹图像特点，实现一种能够精确定位掌纹特征分离点和截取感兴趣区域的预处理算法，并通过小波变换实现掌纹图像的特征提取和特征匹配。测试结果表明，通过对400人不同掌纹图像的识别处理，BESTPAL掌纹识别系统达到较高的识别率。

实时掌纹识别；多分辨率分析；小波变换；摄像头

0 引言

掌纹识别是利用手掌纹理进行身份识别的技术，通常包含4个部分：掌纹获取、预处理、特征提取和掌纹匹配。掌纹采集是获取掌纹图像进行掌纹识别的基础；预处理主要完成掌纹图像的去噪、增强、分割、定位和归一化等［1］；特征提取是采用一定的算法提取掌纹的纹理特征；掌纹匹配是把提取得到的掌纹特征与要识别的掌纹进行匹配的过程。

在组成掌纹纹理的基本构件中，乳突纹具有一定的振荡性，而掌纹线没有振荡性。对于非振荡的信号来说，小波系数会随着小波分解尺度的增加而增加；而对于振荡信号来说，大尺度的小波系数比振荡频率相对应的小尺度系数要小的多。因此采用二维小波变换可以较好地刻画掌纹图像。

BESTPAL掌纹识别系统通过摄像头实时非接触地获得掌纹图像，通过基于模板匹配的方法分割出ROI区域作为掌纹特征提取的输入图，采用基于小波能量特征的多分辨率掌纹识别技术提取掌纹特征值，进而以加权城区距离进行掌纹特征匹配。在此以网络和手机摄像头采集掌纹设计BESTPAL实时掌纹识别系统。

1 BESTPAL掌纹系统图像获取

传统的掌纹图像获取采用脱机掌纹图像较多，最大缺点是不能实现实时识别掌纹，从而严重限制了其应用范围。随着网络的技术发展，通过智能手机采集掌纹图像，并通过网络发送到计算端进行掌纹识别，可以实现实时识别掌纹图像。

在使用网络摄像头采集掌纹图像时，摄像头和手掌非接触，若不限制摄像头和手掌，摄像头和人手的不断变化必然导致即便是同一个人的手掌，不同时间采集的掌纹也会不同，实时采集应限制手掌的平移和旋转。

网络摄像头分辨率和清晰度有限，采集得到的掌纹图像在像素分辨率和清晰度上只能达到一般要求，掌纹的细节纹理会在一定程度上丢失。网络摄像头优势是实时显示、采集和识别。为使手机达到相同的效果，将手机采集到的掌纹通过网络传输给计算服务端的掌纹识别系统。网络传输速率高，掌纹采集、传输到识别耗时可忽略，可实现类实时采集和实时显示的效果。使用手机进行掌纹图像采集时，抗平移、旋转的原理与网络摄像头相同，即在采集预览画面上覆盖限制轮廓，限定采集者手掌的位置和旋转，如图1所示。

图1 手机摄像头预览画面

2 BESTPAL掌纹图像预处理

预处理的目标是得到可供有效特征提取的中心感兴趣区域（ROI）。BESTPAL掌纹识别系统完成实时掌纹图像的预处理步骤如下：

①将彩色的掌纹图像转化为灰度图像［2］。

②将灰度图像转化为二值图像来分割手掌图像与背景［3］。

图像阙值分割技术［4］是当前广泛使用的一种图像分割技术，基本原理如下：

式中，Z为阙值；Ze和Zb为任意选定的目标和背景灰度级。阙值的选取可以从图像的灰度直方图分析确定，待处理图像的灰度直方图呈明显双峰状，选择两峰间谷底对应的灰度级作为阙值。

因二值化后的手掌图像分布比较稳定，采用简单的轮廓提取算法即可实现手掌图像轮廓提取［5］。

③检测手掌图像的特征分离点［6］。对手掌轮廓图像进行处理，核心问题是找到食指与中指、中指与无名指以及无名指与小指之间的分离点［7］。由于拇指与食指间不存在掌纹线信息，因此，拇指与食指之间的分隔不予考虑。为有效检测出上述3个特征分离点，采用一种模板匹配的方法，得到期望的特征分离点，算法描述如下：对一幅手掌轮廓图像L（i，j），其水平向右横坐标值依次增加，竖直向下纵坐标值依次增加，该图像的一个3×3像素区域坐标描述如下。

考虑一个大小为3×3的模板T（i，j），若以手掌轮廓图像中任意一点为该模板的中心像素点，则有T（i，j）＝L（i，j），其中i∈（i－1，i＋1），j∈（j－1，j＋1）。

模板与手掌轮廓图像的匹配关系，可描述为：

步骤1：若L（i，j）≠0中，则放弃载入该像素点；即只匹配黑色像素点，白色像素点不包含手掌的轮廓，不进行像素的模板匹配；

步骤4：若像素点L（i－1，j－1）≠0且L（i－1，j＋1）≠0则放弃该像素点，即特征极值点不包含手掌轮廓中不连续的像素点；

步骤5：按照从左到右、从上到下顺序遍历要提取特征极值点的区域，重复步骤2～步骤4，依次记录可能的特征分离点。在使用基于模板匹配的方法对手掌轮廓图像进行遍历后，能有效提取出轮廓图像的可能极值点，如图2所示。为找出单一特征分离点，需将上述方法检测出的特征极值点按图像特征进行分簇，计算出每一簇坐标均值，从而得出每一簇的唯一特征分离点［8］。

④根据特征定位点提取掌纹图像中有效感兴趣区域［9］。

将上述得到的3个特征分离点记为A（食指和中指谷点），B（中指和无名指谷点），C（无名指和小指谷点）。计算AC直线和手掌图像水平线的夹角α，将手掌图像以图像中心旋转α度，使AC直线和水平线平行。以AC的中点为原点，向下垂直搜寻固定像素，将得到的点作为感兴趣区域的中心点，进而截取128×128的感兴趣区域。

图2 轮廓图像极值簇点

3 BESTPAL掌纹特征提取

BESTPAL掌纹识别系统采用如下算法进行掌纹图像的预处理［10］。

①对预处理后的掌纹图像进行J级二维小波分解，得到3J＋1幅子图像，即［AJ，｛Hi，Vi，Di｝i＝1，…，J］；

②把每个细节图像等分成S×S个不相交的块，并计算每个细节图像中每一块的能量，并形成一个矢量。

设Hi、Vi、Di分别是图像I的第i级小波分解在水平方向、垂直方向和对角线方向上的细节图像，则该图像在对应方向上的第i级小波能量定义如式（2）、式（3）和式（4）所示。

这些能量反映了图像I在第i级小波分解下水平、垂直和对角线方向上的边缘强度。各个小波分解级上的能量组成的向量为

式中，M为小波分解的总级数，对掌纹图像的全局信息进行描述，是一种全局特征，不能描述掌纹上的局部信息，而掌纹上掌纹线和乳突纹的特性都与它们在空间位置上的分布密切相关［11］。因此，式（5）不能很好地刻画掌纹的纹理特征。为解决此问题，将每个细节图像等分成S×S个不相交的区块，如图3所示。

图3 小波分解细节图像划分

归一化得到V称为小波能量特征。定义第i级小波能量特征如下：

即第i级小波能量特征由第i级小波分解系数计算得出，反映了图像在尺度2－i上（对应的分辨率为原始分辨率的2－i），不同位置及不同方向的纹理特性。

4 BESTPAL掌纹特征匹配

掌纹的小波能量特征［12］是由各级小波能量特征组合而成的，可定义式（10）所示的加权城区距离来衡量不同掌纹图像的小波能量特征之间的相似度［13］。

式（10）中，V和U为2个小波能量特征；M为小波分解的总级数；S×S为对细节图像划分的块数；Vi＝分别为V和U的第i级小波能量特征。Ci为对第i级小波能量特征的加权。当Ci＝1时，是普通（非加权）城区距离的定义。

权值Ci根据各级小波能量特征对掌纹的区分能力计算，区分能力越强，对应的权值越大，反之权值越小。

5 测试分析

数据来自BESTPAL掌纹识别系统采集的掌纹图像。图库有4 000张图像，分别来自400个人，每人10张。选取Harr小波对掌纹图像进行分解，总级数为5。在计算小波能量特征时，每个细节图像均被分为（4×4）块［14］。

用加权城区距离进行掌纹匹配，首先计算各级小波能量特征的加权系数Ci。由关于5级小波分解中各级小波能量特征对掌纹的区分能力和实验值，得出各级小波能量特征对掌纹的区分能量由强到弱依次为4、3、5、2、1，并采用其Ci值，如表1所示。

表1 各级小波能量特征的加权系数

在掌纹匹配中，主要对掌纹合法匹配和非法匹配测试。掌纹合法距离匹配（类内匹配）是将同一手掌不同图像进行匹配。掌纹非法距离匹配（类间匹配）是将不同手掌的图像进行匹配。为测试小波能量特征的掌纹匹配效果，共进行14 400次合法匹配和非法匹配，结果如图4所示［15］。选取0.14～0.2的阈值和所得出的识别精度值如表2所示。

图4 合法距离匹配和非法距离匹配结果

由表2得出合法匹配的识别精度随着阈值的升高而升高；非法匹配的识别精度随着阈值的升高而降低。当选取阈值0.15时，可以实现掌纹类内精度和类间精度达到较好平衡的状态，分别为97.22%和98.45%。因此，在实际的掌纹识别系统中，可以选择阈值0.15作为掌纹识别的门限值。

表2 识别精度

6 结束语

利用摄像头非接触采集掌纹图像，实现以网络摄像头和手机为采集端，以模板匹配方法和多分辨率分析的掌纹识别技术为核心的BESTPAL掌纹识别系统。采集限制轮廓的应用有效的克制了因采集图像位移和旋转等造成的识别精度的降低。改进的基于模板匹配方法有效地定位了特征分离点，较好地完成了掌纹ROI区域的截取。结果表明，在保证较高识别精度的前提下，系统有效提高了掌纹识别的灵活性，拓宽了掌纹识别技术的应用。

［1］何国栋，丁绪星，秦慧平，等.一种新的图像自适应阈值去噪方法［J］.无线电通信技术，2014，40（2）：60－62.

［2］李文新，张大鹏，许卓群.基于傅立叶变换的掌纹识别方法［J］.软件学报，2002，13（5）：879－886.

［3］郭 健，刘 斌，赖海燕.基于二值图像的目标边界跟踪算法［J］.红外技术，2005，27（5）：416－418.

［4］王 萌，阮秋琦.掌纹图像的获取及其处理［J］.计算机应用研究，2007，24（6）：161－164.

［5］刘 富，侯 涛，栾 慧，等.掌纹轮廓特征点提取新方法［J］.吉林大学学报（工学版），2007，37（4）：897－900.

［6］李 东.基于多小波的掌纹文献识别算法研究［D］.吉林：吉林大学，2011：18－25.

［7］林 森，苑玮琦.掌纹感兴趣区域定位与选择方法综述［J］.计算机工程与应用，2011，47（14）：21－24.

［8］薛 燕，赵转萍.基于视觉技术的边缘跟踪轮廓测量系统［J］.机械设计与制造，2009（7）：209－211.

［9］张静远，张 冰，蒋兴舟.基于小波变换的特征提取方法分析［J］.信号处理，2000，16（2）：155－162.

［10］杨福生.小波变换的工程分析与应用［M］.北京：中国科学出版社，1999：112－144.

［11］李子良，田启川，朱艳春，等.基于几何特征的掌纹区域分割算法［J］.计算机应用研究，2010，27（6）：2 370－2 372.

［12］翟 莉，赵 亮.一种小波包域图像自适应水印算法［J］.无线电工程，2013，43（2）：23－26.

［13］苏晓生，林喜荣，丁天怀，等.基于小波变换的掌纹特征提取［J］.清华大学学报（自然科学版），2003，43（8）：1 049－1 051.

［14］王旭晨，孙爱程.一种基于阈值的图像分割算法研究［J］.无线电工程，2012，42（9）：34－37.

［15］张 倩，占 君，陈 珊.详解Matlab图像函数及其应用（第2版）［M］.北京：电子工业出版社，2011：117－127.

BESTPAL System Based on Palm Print Identification Technology

XU Ri1，ZHANG Yu1，CHEN Jing-hua2
（1．Beijing Electronic Science and Technology Institute，Beijing 100070，China；2．Shanghai Institute of Mechanical and Electrical Engineering，Shanghai 201109，China）

The traditional palm print identification system are mostly of contact-type with expensive equipment，weak flexibility and mobility.In order to extend the application of palm print identification technology，the non-contact palm print identification system is designed，which uses webcams and mobile phone cameras to get images.When getting the images，by adding restrictions outlines to the image preview of cameras，the system can solve the problem of deviation of palm print feature texture image caused by the unstable palm positions in the collection of palm images.On the pre-processing stage，based on the collected features of palm print images，the system can realize a preprocessing algorithm，which can fix the palm print feature separation point accurately and intercept the interested area of palm print images.In addition，it can implement the feature extraction and matching by wavelet.The test result shows that BESTPAL palm print identification system has higher recognition by testing different palm images of 400 people.

real-time palm-print identification；multi-resolution analysis；wavelet transform；camera

TP309

A

1003－3106（2015）10－0029－05

10.3969／j.issn.1003－3106.2015.10.08

徐 日，张 裕，陈晶华.基于掌纹识别技术的BESTPAL系统［J］.无线电工程，2015，45（10）：29－33.

徐 日男，（1978—），硕士研究生，讲师。主要研究方向：信息安全。

2015-07-16

北京市自然科学基金资助项目（4132066）。

张 裕男，（1992—），本科。主要研究方向：图像处理。