基于手部特征的多模态生物识别算法研究与系统实现

论文摘要

生物特征识别是利用人体独特的生理与行为特征来进行自动身份鉴别的技术,可在门禁、考勤、政务等安全系统以及数字终端接入、网络资源访问的身份认证上广泛应用。多模态生物特征识别可利用多种生物特征的合理组合或融合,相对单模态特征在抗噪性、大库性能衰减程度、普适性、抗假冒攻击、大数据识别时间效率等方面得到性能上的改善,近年来受到广泛重视并成为研究热点。本文提出的手部特征包括2D指形、指节纹、掌纹特征,在单一模态生物特征研究的基础上,主要为改善大数据库搜索识别的时间性能,采用基于“与”规则的决策级多模态融合方案,设计了一种由粗到细、由快到慢排列的层次匹配器,从而实现了既具有较高识别精确度,又具备较理想的大库检索时间性能的多模态生物识别系统,并进行了实验评估。最后对嵌入式掌纹鉴别系统进行了初步探索与尝试。文章的主要内容如下:1.设计并实现了一种基于网络摄像头的联机手部图像采集系统并提出了一种鲁棒的手部图像预处理方法介绍了本文的手部图像采集设备的硬件架构与原理,该设备有不易受环境影响、与计算机接口简单,低成本,用户舒适度高等优点。给出了一种鲁棒的掌纹ROI（Region Of Interest）和手指ROI提取方法。预处理采用了Meanshift滤波和Ostu二值化方法,掌纹的有效区域提取除了利用手指边缘信息,还提出了一种新的基于掌指关节（即手指枢轴）掌纹ROI分割方法,一定程度消除了平移和旋转的影响。2.提出了一种基于2D指形的个人身份识别算法该算法用2D指形轮廓作为独特的个人身份属性进行身份认证,提出了一种新颖的指形特征构造方法,这种特征区分性强、鲁棒性好,维度低,有良好的类内聚集度和类间离散度。基于2D指形的个人身份验证方法提取的特征数据量小,匹配时间短,而且也能取得较高的识别精度,适用于在大的手掌库中进行初始匹配,筛选出最相似的库本进入下一层匹配。3.基于指节纹的身份识别算法研究提出了一种基于梯度图二值化垂直投影及小波消噪的指节纹特征提取方法,将手指指节纹从二维图像降维为一维向量,匹配则使用向量之间的相似度度量实现。这种基于指节纹的个人身份验证方法提取的特征数据量小,匹配时间短,而且也能取得较高的识别精度,适用于在大的手掌库中进行中高层粗匹配,筛选出最相似的库本进入下一层进行精细匹配。4.基于主纹线及双树复小波掌纹识别算法研究首先对掌纹图像提取主线特征,采用模糊化方式生成概率分布模板,同时用双向匹配度距离实现识别;其次对掌纹图像分块后采用双树复小波提取纹理特征,并用Canberra距离来衡量纹理距离。由于主线特征反映了掌纹的显著特征,同时双树复小波具有近似移不变和多方向选择的优点,可以有效区分掌纹纹理,两者可以互为补偿。实验表明,这种采用主线和双树复小波纹理分级识别的方法,具有较低的时间复杂度以及较好的伸缩性,可以显著地提高掌纹识别率。5.平移、旋转、尺度不变掌纹识别算法研究提出了一种对大范围平移、旋转甚至尺度变化的图像也能给出正确识别的掌纹识别算法,首次把SIFT（Scale Invariant Feature Transform）算法应用于掌纹识别领域;对于低分辨率掌纹图像,则给出了一种用KLT（Kanade-Lucas-Tomasi）角点检测提取关键点,并以局部区域描述子构造特征向量,该向量已去除方向性,并归一化,因此具有旋转、平移、亮度不变等优点。实验结果证明了该算法的有效性。这种算法可以用低成本的数字摄像头采集掌纹图像,从复杂背景中提取掌纹有效区域并实现掌纹识别,对手掌平移、旋转具有不变性,对手掌距离变化和姿态变化也具有部分不变性,充分体现该算法的鲁棒性。6.基于层次匹配的手部特征决策级融合系统研究与实现给出了一套基于手部特征的多模态生物识别系统实现方案,该方案把手形与指节纹识别的高效性与掌纹识别的高精确性相结合,在现有的多模态生物识别系统的各种信息融合方法中,选择了一种简单易行的“与”规则决策级信息融合方法,用层次匹配的方式,通过与各层次匹配器的阈值调节相结合,实现的生物识别系统与单一模态相比较既提高了识别的精确性,又提高了在大数据库检索的时间性能。从手部图像提取的多重特征可以在大数据库中实现引导性匹配,五个层次的特征包括了前几章介绍的指形特征、指节纹特征、掌纹主纹线、双树复小波变换及旋转平移不变局部区域描述子特征。前几层的粗匹配显著地减少进入下一层精细匹配的样本数,最底层匹配则实现了高精度的验证。7.嵌入式掌纹鉴别系统初步探索与研究设计并实现了一套基于ARM处理器和Windows CE嵌入式操作系统的掌纹鉴别系统方案,该系统可作为独立的功能单元嵌入在安防或门禁系统中,也可以作为智能家居或智能终端设备的一个组成部分实现个人身份的鉴别和认证。实验表明,该基于ARM处理器的掌纹鉴别系统可以实现较高验证精度和辨识精度:与基于PC机的掌纹鉴别系统相比,具有成本低,体积小,重量轻,低功耗,易于移动与操作,易于集成等优点,而且用Windows CE操作系统界面友好,进一步提高了系统的用户亲和力。论文利用人手的生物特征提出了三种生物特征的认证技术:2D指形、指节纹及掌纹,其中掌纹又提出了三种特征表示方法。最后把这五种模态的手部特征在决策级进行了融合,通过优化组合提高了大数据库搜索匹配速度及识别率。最后用嵌入式系统对掌纹鉴别系统实现进行了初步探索与尝试。实验证明了本文工作的有效性与可行性,为今后的手部特征多模态识别进一步发展打下坚实的基础。

论文目录

• 摘要
• Abstract
• 目录
• 图目录
• 表目录
• 第1章 绪论
• 1.1 生物识别技术概述
• 1.1.1 各种生物特征的分类与比较
• 1.1.2 生物识别技术的应用
• 1.2 手形手纹识别技术概述
• 1.2.1 手形识别
• 1.2.2 指纹识别
• 1.2.3 指节纹识别
• 1.2.4 掌纹识别
• 1.2.5 手掌静脉血管识别
• 1.3 相关研究工作
• 1.3.1 利用掌纹图像实现身份验证
• 1.3.2 基于手形的身份识别
• 1.3.3 基于指节纹的身份识别技术
• 1.3.4 多模态生物特征识别
• 1.3.5 嵌入式生物识别系统
• 1.4 论文的主要内容及组织
• 第2章 手部图像采集及ROI区域提取
• 2.1 引言
• 2.1.1 手掌图像采集技术及其发展
• 2.1.2 掌纹ROI提取技术
• 2.2 基于网络摄像头的低分辨率手掌图像采集
• 2.3 手掌图像预处理
• 2.3.1 Meanshift滤波
• 2.3.2 Ostu二值化
• 2.3.3 提取ROI
• 2.4 本章小结
• 第3章 基于局部零阶矩特征的2D指形识别
• 3.1 引言
• 3.2 指形轮廓提取
• 3.3 2D指形特征构造
• 3.4 特征匹配
• 3.5 实验结果
• 3.6 本章小结
• 第4章 基于指节纹的个人身份识别技术
• 4.1 引言
• 4.2 指节纹特征提取
• 4.2.1 求水平梯度并二值化
• 4.2.2 垂直投影
• 4.2.3 小波消噪
• 4.2.4 特征向量生成
• 4.3 特征匹配
• 4.4 实验结果
• 4.5 本章小结
• 第5章 基于概率化模板和模糊逻辑的掌纹识别算法
• 5.1 引言
• 5.2 主掌纹线提取
• 5.2.1 灰度图像预处理
• 5.2.3 灰度图自适应阈值二值化
• 5.2.4 特征纹线筛选
• 5.3 样本掌纹特征的融合与存储
• 5.4 基于模糊逻辑的掌纹匹配
• 5.5 实验结果
• 5.6 本章小结
• 第6章 基于主线和双树复小波的分级掌纹识别
• 6.1 引言
• 6.2 主线特征提取
• 6.3 双树复小波纹理特征提取
• 6.4 特征匹配
• 6.4.1 主线特征匹配
• 6.4.2 双树复小波特征匹配
• 6.4.3 分级识别
• 6.5 实验结果
• 6.6 本章小结
• 第7章 平移、旋转及尺度不变掌纹识别算法研究
• 7.1 引言
• 7.2 特征提取
• 7.2.1 关键点定位
• 7.2.2 关键点方向分配
• 7.2.3 生成特征描述子
• 7.3 特征匹配
• 7.3.1 关键点匹配
• 7.3.2 基于概率模型的匹配确认
• 7.4 实验结果
• 7.4.1 PolyU数据库
• 7.4.2 网络摄像头采集掌纹库
• 7.5 本章小结
• 第8章 基于手部特征的多模态生物识别系统实现
• 8.1 引言
• 8.2 手部特征决策级融合算法描述
• 8.2.1 与规则决策级融合多模态系统差错率分析
• 8.2.2 层次型匹配器结构
• 8.2.3 匹配特征分析
• 8.3 实验结果
• 8.4 应用系统
• 8.5 本章小结
• 第9章 嵌入式手掌鉴别系统初探
• 9.1 引言
• 9.2 ARM掌纹鉴别系统的总体设计
• 9.3 ARM掌纹鉴别系统的硬件设计
• 9.4 ARM掌纹鉴别系统的软件设计
• 9.4.1 图像预处理
• 9.4.2 特征提取
• 9.4.3 特征匹配
• 9.4.4 特征数据库处理
• 9.5 实验结果
• 9.6 其他嵌入式掌纹识别系统
• 9.6.1 基于图像处理DSP
• 9.6.2 基于FPGA
• 9.7 本章小结
• 第10章 总结与展望
• 10.1 本文的主要研究成果
• 10.2 下一步拟进行的研究工作
• 10.3 结束语
• 参考文献
• 攻读博士学位期间主要的研究成果
• 致谢