專利名稱：生物特征辨識方法
技術領域：
本發(fā)明關于一種生物特征辨識方法，特別是一種利用手掌靜脈的生物特征辨識使用者的方法。
背景技術：
生物特征(Biometrics)辨識在當前社會扮演著越來越重要的角色。從提款機、門禁系統(tǒng)、筆記型電腦以至于隨身碟，都可以見到生物特征辨識技術的應用。在生物辨識技術的領域中，掌靜脈辨識技術是一個新興的研究重點。掌靜脈有著較指紋或掌紋更豐富的資訊，能得到良好的辨識率，其辨識率相若于使用虹膜技術的生物辨識系統(tǒng)，加上其無法被仿造的優(yōu)勢，漸漸成為生物辨識領域矚目的焦點。尤其以成長幅度來看，可以期待掌靜脈辨識技術將取得與其他生物辨識技術分庭抗禮的局面。可惜的是，目前有關掌靜脈相關的研究開發(fā)十分稀少?，F(xiàn)有的指、掌靜脈辨識研究大多先做靜脈影像擷取，經(jīng)影像前處理后選取需要的區(qū)域影像(ROI)，實行二值化與細線化后，找出細線化影像的端點與交叉點作為特征點。上述方法對實作即時辨識系統(tǒng)而言，環(huán)境的變化過于敏感，手部稍有移動即會產(chǎn)生差異極大的結果，并不適合實際應用。因此，如何設計出一種具有良好辨識結果的生物辨識系統(tǒng)，藉以提供需要穩(wěn)定且足夠的生物辨識特征點，實乃當前刻不容緩的重要課題。有鑒于習知掌靜脈辨識方法在實際應用時，無法提供穩(wěn)定且足夠的特征點，因此本發(fā)明揭露一種具有良好辨識結果的生物辨識方法，藉以提高生物辨識方法的效能。

發(fā)明內容
有鑒于此，本發(fā)明的目的在于提供一種生物特征辨識方法，籍由其獨特的分析辨識方法，從而提高身分辨識系統(tǒng)的效能。為實現(xiàn)上述目的，本發(fā)明公開了一種生物特征辨識方法，用以根據(jù)一資料庫中所預存的一組生物特征資料進行一預定手掌的特征辨識，其包含有下列步驟(Si)建構一初始影像；(S2)判斷該初始影像是否為該預定手掌的影像，若是，則進行步驟(S3)；
(S3)對該初始影像進行一卷積處理步驟；(S4)利用尺度不變特征轉換步驟以擷取該初始影像上的多個生物特征資料；以及(S6)針對該初始影像上的該多個生物特征資料與該預定資料庫所預存的該組生物特征資料進行比對。其中，步驟(Si)包含下列子步驟(Sll)對該預定手掌照射一波長介于700至1400奈米間的光線；以及(S12)自該預定手掌接收該光線并利用該光線建構該初始影像。
其中，步驟(S2)包含下列子步驟(S22)于該初始影像中框出一個矩形部份；(S24)于該矩形部份中以縱向及橫向各劃分數(shù)條掃描線；以及(S26)計算各掃描線經(jīng)過的點，若其灰階值大于一預設閥值則予以累計，當其累計值滿足一特定條件后則判斷該影像為一手掌影像。其中，步驟(S2)另包含下列子步驟(S28)若該初始影像與該手掌影像相異，則重新進行步驟(Si)。其中，步驟(S3)包含下列子步驟(S32)該卷積處理步驟指賈伯濾波技術步驟(或直方圖等化步驟技術。其中，步驟(S4)包含下列子步驟(S42)在一尺度空間中偵測極值；(S44)篩選一特征點；(S46)決定該特征點的方位；以及(S48)建構出該特征點的描述向量。其中，步驟(S42)包含下列子步驟步驟(S42》對該初始影像進行高斯模糊或高斯差分以偵測該尺度空間中的極值。其中，進一步包含下列步驟步驟(S7)判斷該初始影像的該多個生物特征資料與該預定資料庫所預存的該組生物特征資料的匹配數(shù)是否大于一預設門檻值，若是，則辨識通過。其中，步驟(S7)后，進一步包含下列步驟(S8)若該初始影像的該多個生物特征資料與該預定資料庫所預存的該組生物特征資料的匹配數(shù)未大于一預設門檻值，則辨識不通過。其中，該初始影像為一手掌靜脈影像。綜上所述，本發(fā)明的一種生物特征辨識方法特別著重于一種手掌靜脈紋理的生物特征辨識方法，透過對初始影像進行卷積處理(Convolution)步驟，并利用尺度不變性特征轉換將擷取的影像轉換為特征點，再以這些特征點來計算相似度。要特別說明的是，尺度不變性特征轉換所得到的特征點，對于尺度改變與旋轉具有相當?shù)牡挚沽?，也能抵抗部份的影像照度改變與雜點干擾，以提高該生物特征辨識的精確程度。關于本發(fā)明的優(yōu)點與精神可以藉由以下的發(fā)明詳述及所附圖式得到進一步的了解。


圖1繪示根據(jù)本發(fā)明的一具體實施例的生物特征辨識方法的流程圖。圖2繪示根據(jù)本發(fā)明的一具體實施例的描述向量的示意圖。圖3及圖4繪述了本發(fā)明的一具體實施例的影像相似度計算流程的示意圖。
具體實施例方式本發(fā)明的一范疇在于提供一生物特征辨識方法。請參閱圖1，其繪示根據(jù)本發(fā)明的一具體實施例的生物特征辨識方法1的流程圖。如圖1所示，本發(fā)明揭露一種生物特征辨識方法1，用以根據(jù)一資料庫中所預存的一組生物特征資料進行一預定手掌的特征辨識，本發(fā)明方法1包含有下列步驟(Si)建構一初始影像；(S》判斷該初始影像是否為該預定手掌的影像，若是，則進行步驟(s;3) ； (S3) 對該初始影像進行一卷積處理(Convolution)步驟；(S4)利用尺度不變特征轉換(Scale Invariant Feature Transform, SIFT)步驟以擷取該初始影像上的多個生物特征資料；以及(S6)針對該初始影像上的該多個生物特征資料與該預定資料庫所預存的該組生物特征資料進行比對。其中，步驟(Si)為建構一初始影像。于本具體實施例中，本發(fā)明應用影像拍攝模組例如近紅外線攝影機、濾光片、影像擷取卡及近紅外光光源等配合，藉以建構該初始影像。一般來說，波長介于700nm至1400nm之間的光線為紅外光，此波段的光線在照射人體時容易被不帶氧的紅血球(即靜脈紅血球)所吸收，因而可以在影像中清晰形成黑色線條。 所以，影像拍攝模組即利用近紅外線光源來照射一使用者的手掌，而攝影機則會拍攝自該手掌所反射或穿透的影像來取得靜脈脈絡的資訊，并利用靜脈脈絡來作為辨識特征。于本具體實施例中，該初始影像為一手掌靜脈影像。其中被拍攝的初始影像可由影像擷取卡來擷取。本發(fā)明方法1的步驟(S2)判斷該初始影像是否為該預定手掌的影像，若是，則進行步驟(S； )。再者，步驟(S》其進一步包含步驟(S22)于該初始影像中框出一個矩形部份；步驟(S24)于該矩形部份中以縱向及橫向各劃分數(shù)條掃描線；步驟(S26)計算各掃描線經(jīng)過的點，若其灰階值大于一預設閥值則予以累計，當其累計值滿足一特定條件后則判斷該影像為一手掌影像。步驟(S2》在影像拍攝模組拍攝影像后，本發(fā)明方法會將該等影像傳送至影像處理模組，而該影像處理模組會判斷該影像的類型是否為一手掌影像，若是，則影像處理模組才會對該影像進行后續(xù)處理。若否，當判斷該初始影像與該手掌影像為相異時，則重新進行步驟(Si)。于實際應用上發(fā)現(xiàn)，手掌影像由于反射的關系，其會較一般環(huán)境光更為明亮。于本發(fā)明的一具體實施例中，為判斷該初始影像是否為該預定手掌的影像，影像處理模組會進行步驟(S22)，藉以于該初始影像中框出一個矩形部份，然后進行步驟(SM)，于該矩形部份中以縱向及橫向各劃分數(shù)條掃描線。接著，步驟(S26)影像處理模組會計算各掃描線經(jīng)過的點，若其灰階值大于一預設閥值則予以累計，且滿足一特定條件后則判斷該影像為一手掌影像。于本具體實施例中，掃描線經(jīng)過點的灰階預設閥值為75，而該特定條件是指當各像素間大過98%的掃描線像素累計的平均灰階值介于110和150。然而本發(fā)明不以該等數(shù)據(jù)為必要，數(shù)據(jù)可按實際情況作出調整。本發(fā)明方法1的步驟(S； )針對該初始影像進行一卷積處理(Convolution)，亦即對該初始影像進行前處理以強化該初始影像的特征，若該影像處理模組判斷初始影像與該預定手掌的影像相乎，則對該初始影像續(xù)行增效處理。于本具體實施例中，增效處理的手段為對其進行卷積處理(Convolution)步驟，而該卷積處理(Convolution)步驟包含賈伯濾波技術步驟(Gabor filtering)或直方圖等化步驟(Histogram Equalization)技術。直方圖等化可用來增加影像的對比度，讓靜脈影像更為清晰。其中，上述的影像處理模組包含Gabor濾波器，其可用來加強手掌影像特征的紋理，可分別對不同角度的紋理資訊強化，使得手掌可用的特征更多。本發(fā)明方法1的步驟(S4)利用尺度不變特征轉換(SIFT)步驟，藉以擷取該初始影像上的多個生物特征資料。尺度不變性特征轉換(SIFT)步驟用以將該影像轉換成帶有特征描述的多個尺度不變的特征點。于本具體實施例中，尺度不變性特征轉換程序包含以下四個步驟(S4》在尺度空間中偵測極值；(S44)篩選特征點；(S46)決定特征點的方向；以及(S48)建構出特征點的描述向量。于本具體實施例中，(S42)為于尺度空間中偵測極值，其中包含子步驟(S422)對該初始影像進行高斯模糊或高斯差分以偵測該尺度空間中的極值。為了使影像在不同的尺度都能獲得穩(wěn)定的特征點(Mable !Matures)，本具體實施例利用了高斯差分(Difference of Gaussian,DoG)與建構尺度空間影像金字塔(Image pyramid)兩種方式，希望能在不同尺度中盡量找到所有可能的極值，在特征點匹配時達到抵抗尺度變化的效果。步驟(S44)為篩選特征點透過進一步的篩選找到的候選特征點，以將對比度不佳以及位于邊緣的點刪除。篩選后的特征點不但數(shù)量較少比對更快速，且特征點更穩(wěn)定且強健。步驟(S46)為決定特征點的方向，本步驟需要計算特征點的方向步驟 (Orientation)與梯度步驟(Gradient)?？恐x予特征點方向，在建立特征點的描述向量時，先將影像轉到與特征點相同的方位上，相對應的特征點就會在相同的方位中建立描述向量，讓特征點達到旋轉不變性(Rotation Invariant)。請參閱圖2，圖2繪示根據(jù)本發(fā)明的一具體實施例的描述向量的示意圖。步驟 (S48)建構出特征點的描述向量。于本具體實施例中，本發(fā)明方法揭露將影像的梯度步驟 (Image Gradients)轉換至關鍵點描述符步驟(Keypoint Descriptor)的過程。為建構特征點的描述向量，首先需旋轉影像主軸，使其方向和特征點的主方位相同后，以特征點為中心取周圍16X16范圍內的像元，加入一個尺度為0. 5σ的高斯函數(shù)作為權重，將此16X16 個點分成16個4X4的子窗格，再依照上一個步驟的方法計算每個子窗格的方向直方圖步驟(Orientation Histogram)。在這步驟每個直方圖有八個區(qū)間，以45度為單位，所以每一個特征點的描述向量共有1 個維度。再者，上述的各項參數(shù)均可按需求進行修正。步驟(S6)為針對該初始影像上的該多個生物特征資料與該預定資料庫所預存的該組生物特征資料進行比對。上述步驟可將影像變成了一群擁有1 維度的特征點的集合。之后，可進行相似度計算，亦即將該多個尺度不變的特征點及其所帶的描述向量，與資料庫內的手掌資料進行比對，以辨識該影像提供者的身分。為了有效地比對這些特征點，儲存于資料庫的手掌資料可建立一個k-d樹(k-dimensional tree)的資料結構，并以BBF(Best-Bin First)演算法加快搜尋速度。BBF演算法能夠大量地減少搜尋k-d樹的時間。為了更進一步增進效率與減少多余的比較，對于大量資料的比對，若比對次數(shù)超過一指定次數(shù)即行終止，即此次無匹配點， 以免時間浪費在不必要的比對上，于本具體實施例中，該指定次數(shù)設為200次。請一并參閱圖3及圖4，圖3及圖4繪述本發(fā)明的一具體實施例的影像相似度計算
6流程的示意圖。在特征點比對完成后，可得到的是兩張影像中特征點匹配的點集，并非兩張影像的相似度。為了計算相似度，以計算兩點集的距離相似度作為辨識依據(jù)。依匹配順序取第一點為基準，并測量此點與其他座標各點的距離于實際應用上若兩圖有η個匹配點，令圖3的基準點與各點距離為Lt，圖4的基準點與各點距離為Kt，則兩點集的距離相似度(distance similarity) d定義為
7 n-\ Lld=y .,——
“=1 Ki依照距離相似度，便可以在各影像中進行匹配并找出最相似的影像。然而，若兩張影像匹配點過少，會造成相似度與實際結果差異太大的情形。例如比對兩張影像后只有兩個匹配點存在，這時候的距離相似度并不能反映實際的相似度。因此，在找出匹配點之后， 匹配點少于5點的影像就不去計算相似度，并將相似度設為0，以增進匹配速度與強化比對結果。再者，于本具體實施例中，本發(fā)明方法1進一步包含步驟(S7)以及步驟(S8)。步驟(S7)判斷該初始影像的該多個生物特征資料與該預定資料庫所預存的該組生物特征資料的匹配數(shù)是否大于一預設門檻值，若是，則辨識通過。步驟(S8)若該初始影像的該多個生物特征資料與該預定資料庫所預存的該組生物特征資料的匹配數(shù)未大于一預設門檻值， 則辨識不通過。在本發(fā)明生物特征辨識方法中，一般以錯誤接受率與錯誤拒絕率來評估生物辨識方法的好壞。錯誤接受率步驟(False Acceptance Rate,FAR)為非合法使用者成功被系統(tǒng)接受的比率；錯誤拒絕率步驟(False Rejection Rate,FRR)則為合法使用者無法成功被系統(tǒng)接受的比率。于本發(fā)明實施例中擷取1000個人的手掌靜脈影像，男性746人與女性2M人，每人擷取四張影像，總共4，000張影像。由以上兩表得知，在門檻值為25時，F(xiàn)AR為0且FRR 為0. 383%所得到的效果最佳。請參閱表一及表二，表一及表二列示出本發(fā)明生物特征辨識方法的一具體實施例的實驗數(shù)據(jù)。表一
門檻值dFAR步驟(％ )FRR步驟(% )0100056. 410100.440390. 058150. 023020. 217200. 00110. 26權利要求
1.一種生物特征辨識方法，用以根據(jù)一資料庫中所預存的一組生物特征資料進行一預定手掌的特征辨識，其包含有下列步驟(51)建構一初始影像；(52)判斷該初始影像是否為該預定手掌的影像，若是，則進行步驟(S3)；(53)對該初始影像進行一卷積處理步驟；(54)利用尺度不變特征轉換步驟以擷取該初始影像上的多個生物特征資料；以及 (S6)針對該初始影像上的該多個生物特征資料與該預定資料庫所預存的該組生物特征資料進行比對。
2.如權利要求1所述的生物特征辨識方法，其中，步驟(Si)包含下列子步驟(511)對該預定手掌照射一波長介于700至1400奈米間的光線；以及(512)自該預定手掌接收該光線并利用該光線建構該初始影像。
3.如權利要求1所述的生物特征辨識方法，其中，步驟(S》包含下列子步驟 (S22)于該初始影像中框出一個矩形部份；(S24)于該矩形部份中以縱向及橫向各劃分數(shù)條掃描線；以及 (S26)計算各掃描線經(jīng)過的點，若其灰階值大于一預設閥值則予以累計，當其累計值滿足一特定條件后則判斷該影像為一手掌影像。
4.如權利要求1所述的生物特征辨識方法，其中，步驟(S》另包含下列子步驟 (S28)若該初始影像與該手掌影像相異，則重新進行步驟(Si)。
5.如權利要求1所述的生物特征辨識方法，其中，步驟(S； )包含下列子步驟 (S32)該卷積處理步驟指賈伯濾波技術步驟(或直方圖等化步驟技術。
6.如權利要求1所述的生物特征辨識方法，其中，步驟(S4)包含下列子步驟 (S42)在一尺度空間中偵測極值；(S44)篩選一特征點；(S46)決定該特征點的方位；以及(S48)建構出該特征點的描述向量。
7.如權利要求6所述的生物特征辨識方法，其中，步驟(S42)包含下列子步驟 步驟(S42》對該初始影像進行高斯模糊或高斯差分以偵測該尺度空間中的極值。
8.如權利要求1所述的生物特征辨識方法，其中，進一步包含下列步驟步驟(S7)判斷該初始影像的該多個生物特征資料與該預定資料庫所預存的該組生物特征資料的匹配數(shù)是否大于一預設門檻值，若是，則辨識通過。
9.如權利要求8所述的生物特征辨識方法，其中，步驟(S7)后，進一步包含下列步驟: (S8)若該初始影像的該多個生物特征資料與該預定資料庫所預存的該組生物特征資料的匹配數(shù)未大于一預設門檻值，則辨識不通過。
10.如權利要求1所述的生物特征辨識方法，其中，該初始影像為一手掌靜脈影像。
全文摘要
本發(fā)明揭露一種生物特征辨識方法，用以根據(jù)一資料庫中所預存的一組生物特征資料進行一預定手掌的特征辨識，其包含有下列步驟(S1)建構一初始影像；(S2)判斷該初始影像是否為該預定手掌的影像，若是，則進行步驟(S3)；(S3)對該初始影像進行一卷積處理步驟；(S4)利用尺度不變特征轉換步驟以擷取該初始影像上的多個生物特征資料；以及(S6)針對該初始影像上的該多個生物特征資料與該預定資料庫所預存的該組生物特征資料進行比對。
文檔編號G06K9/00GK102379701SQ20101027145
公開日2012年3月21日 申請日期2010年9月3日 優(yōu)先權日2010年9月3日
發(fā)明者洪西進, 牟宗懷 申請人:洪西進