專利名稱：非接觸式快速人手多模態(tài)信息融合識(shí)別方法
技術(shù)領(lǐng)域：
本發(fā)明屬于生物特征身份識(shí)別技術(shù)領(lǐng)域，具體涉及一種非接觸式手形、掌紋和手 掌靜脈圖像采集和多模態(tài)識(shí)別技術(shù)，也就是非接觸式快速人手多模態(tài)信息融合識(shí)別方法。
背景技術(shù)：
安全可靠的個(gè)人身份認(rèn)證是避免和抑制公共安全事件發(fā)生的一個(gè)重要環(huán)節(jié)，而當(dāng) 今社會(huì)，銀行金庫(kù)巨額現(xiàn)金頻頻被盜、被冒領(lǐng)；防盜門難以阻擋竊賊的到訪；恐怖分子持假 護(hù)照蒙騙海關(guān)以及網(wǎng)絡(luò)竊密等事件的發(fā)生，都體現(xiàn)了鑰匙、證件、密碼作為個(gè)人身份代碼， 容易被竊取、偽造和盜用，不安全，所以，公共安全迫切需要安全可靠的個(gè)人身份認(rèn)證。另 外，生產(chǎn)生活需要安全可靠的個(gè)人身份認(rèn)證，如自動(dòng)考勤系統(tǒng)提高管理效率。生物特征信息能夠唯一表示個(gè)人身份。在《2006-2020年國(guó)家中長(zhǎng)期科學(xué)和技術(shù) 發(fā)展規(guī)劃綱要》中，生物特征識(shí)別分別被列為公共安全專題和前沿技術(shù)專題中的一項(xiàng)重要 研究?jī)?nèi)容。起初的研究者都是專注于人類的某一種生物特征，無論是當(dāng)前可用的生物特征， 例如臉像、指紋、虹膜、手形、視網(wǎng)膜、語(yǔ)音等還是目前正處于研究狀態(tài)的生物特征，例如步 態(tài)、耳廓、氣味、臉部溫譜、手的靜脈結(jié)構(gòu)等以及未來可能要研究的生物特征，例如，DNA，在 出生時(shí)進(jìn)行注冊(cè)。但是，在開始以多模態(tài)生物特征作為研究對(duì)象來識(shí)別身份的研究之前，似 乎一直被忽略的是，人類自身區(qū)分認(rèn)識(shí)或不認(rèn)識(shí)的人、熟悉或不熟悉的人，并不是依靠某個(gè) 單一特征的判斷，而是對(duì)多個(gè)特征進(jìn)行的綜合判斷，與對(duì)象相處的次數(shù)越多，識(shí)別越準(zhǔn)確， 甚至不需要觀察對(duì)象的頭部正面人暴露在外的特征最集中的部位。其實(shí)現(xiàn)有的研究和實(shí)際應(yīng)用表明，無論是基于指紋、虹膜、臉像，還是基于掌紋、手 形、聲音的生物特征識(shí)別技術(shù)，都已經(jīng)在一些特定的或具體的領(lǐng)域得到了使用，并且因?yàn)槠?各自獨(dú)特的生物特性，在某些方面甚至表現(xiàn)出及其出色的性能。但是同樣不可否認(rèn)的是，這 些基于單一生物特征的身份識(shí)別由于各種各樣因素的限制(部分是因?yàn)楝F(xiàn)有的技術(shù)條件， 部分是因?yàn)樯锾卣鞅旧砉逃械男再|(zhì))，在實(shí)際應(yīng)用中都面臨現(xiàn)實(shí)的問題，使得各種生物特 征識(shí)別技術(shù)的優(yōu)點(diǎn)和缺點(diǎn)同樣突出，也就使得目前的識(shí)別技術(shù)識(shí)別不夠準(zhǔn)確且效果不是很 好，且原始的識(shí)別技術(shù)需要直接接觸識(shí)別設(shè)備，容易造成疾病的傳播以及對(duì)人體的損害，而 且原始的識(shí)別技術(shù)識(shí)別速度慢，識(shí)別率不是很高，穩(wěn)定性也較差。

發(fā)明內(nèi)容
發(fā)明目的本發(fā)明提供一種非接觸式快速人手多模態(tài)信息融合識(shí)別方法，其目的 是解決現(xiàn)有的識(shí)別技術(shù)速度慢、識(shí)別率不是很高、穩(wěn)定性較差以及效果不是很好的問題。技術(shù)方案本發(fā)明是通過以下技術(shù)方案來實(shí)現(xiàn)的
一種非接觸式快速人手多模態(tài)信息融合識(shí)別方法，其特征在于所述方法的具體步驟 如下
(1)人手圖像采集；
將人手自然張開，放在攝像頭前一個(gè)可變的范圍內(nèi)；(2)手形關(guān)鍵特征點(diǎn)定位；
對(duì)除大拇指以外的其余四個(gè)手指提取指尖及指根點(diǎn)；
(3)手形特征向量提??；
取每個(gè)手指指跟兩側(cè)點(diǎn)連線的中點(diǎn)作為每個(gè)手指的指跟點(diǎn)，然后計(jì)算它們到相應(yīng)指尖 點(diǎn)的長(zhǎng)度作為四個(gè)手指的絕對(duì)長(zhǎng)度，計(jì)算各個(gè)手指絕對(duì)長(zhǎng)度之間的相對(duì)長(zhǎng)度，構(gòu)成特征向 量；
(4)掌紋ROI區(qū)域定位與特征向量提??；
獲取掌紋ROI圖像區(qū)域，生成0°、45°、90°、135°四個(gè)方向的2D_Gabor濾波器組，將 尺寸和灰度歸一化后的掌紋ROI圖像(F)分別與4個(gè)方向的Gabor濾波器的實(shí)部&與虛 部Gi分別作卷積運(yùn)算，將卷積運(yùn)算后的計(jì)算結(jié)果形成0-1編碼作為掌紋特征向量；
(5)設(shè)定閾值進(jìn)行手形特征一次匹配，獲得被選人員；
所述的進(jìn)行手形特征一次匹配是用所提取的特征，計(jì)算歐式距離進(jìn)行匹配，采用最近 鄰分類方法分類；獲得滿足某個(gè)閾值下的多個(gè)被選人員；
(6)使用掌紋識(shí)別的方法對(duì)備選人員的掌紋圖像進(jìn)行一次匹配，給出最終判斷；
根據(jù)2D-Gab0r濾波器獲得的掌紋特征向量，通過匹配算法對(duì)有手形匹配后所得到的 被選人員進(jìn)行最終的鑒別?！?3)”步驟中所述的相對(duì)長(zhǎng)度為六個(gè)，分別是食指長(zhǎng)度與中指長(zhǎng)度；食指長(zhǎng)度與 無名指長(zhǎng)度；食指長(zhǎng)度與小指長(zhǎng)度；中指長(zhǎng)度與無名指長(zhǎng)度；中指長(zhǎng)度與小指長(zhǎng)度；無名指 長(zhǎng)度與小指長(zhǎng)度?！?5)”步驟中的具體操作為用手形識(shí)別的方法對(duì)待識(shí)別人員的手掌圖像進(jìn)行一 次匹配，得到手指相對(duì)長(zhǎng)度的歐氏距離Mi (i=l，2，···!!)，根據(jù)手形的等誤率曲線設(shè)定閾值 Thand,當(dāng)MiCThand時(shí)，將Mi所對(duì)應(yīng)的已注冊(cè)人員姓名存入備選人員姓名數(shù)組中。所述的人手圖像采集是在人手自然張開、非接觸、非固定位置的采集條件下進(jìn)行 的?！?2)”步驟中的所述的指尖及指根點(diǎn)為食指、中指、無名指和小指的四個(gè)指尖點(diǎn)； 食指、中指、無名指和小指之間的三個(gè)指跟點(diǎn)以及四個(gè)手指的指根兩側(cè)的八個(gè)點(diǎn)。獲取掌紋ROI圖像區(qū)域的具體步驟為禾Ij用食指與中指之間的指跟點(diǎn)和中指與無 名指之間的指跟點(diǎn)兩點(diǎn)的連線及其中點(diǎn)垂線為坐標(biāo)軸建立新的坐標(biāo)系，采用相對(duì)長(zhǎng)度L截 取方形掌紋有效區(qū)域，根據(jù)新坐標(biāo)系及原坐標(biāo)系之間的角度關(guān)系將圖像旋轉(zhuǎn)，經(jīng)過縮放歸 一化大小為128*128的圖像。步驟“(6)”中使用掌紋識(shí)別的方法對(duì)備選人員的掌紋圖像進(jìn)行一次匹配，得到掌 紋圖像經(jīng)過2D-Gab0r方向?yàn)V波的漢明距離Hi (i=l, 2，…1)，求出最小距離Hmin，根據(jù)手形 的等誤率曲線設(shè)定閾值Tpalm，當(dāng)HmirKTpalm時(shí)，則匹配成功，否則待識(shí)別人員即為非注冊(cè)人員。優(yōu)點(diǎn)及效果本發(fā)明提供一種非接觸式快速人手多模態(tài)信息融合識(shí)別方法，其特 征在于所述方法的具體步驟如下
(1)人手圖像采集
將人手自然張開，放在攝像頭前一個(gè)可變的范圍內(nèi)；
(2)手形關(guān)鍵特征點(diǎn)定位對(duì)除大拇指以外的其余四個(gè)手指提取指尖及指根點(diǎn)；
(3)手形特征向量提取
取每個(gè)手指指跟兩側(cè)點(diǎn)連線的中點(diǎn)作為每個(gè)手指的指跟點(diǎn)，然后計(jì)算它們到相應(yīng)指尖 點(diǎn)的長(zhǎng)度作為四個(gè)手指的絕對(duì)長(zhǎng)度，計(jì)算各個(gè)手指絕對(duì)長(zhǎng)度之間的相對(duì)長(zhǎng)度，構(gòu)成特征向
量
(4)掌紋ROI區(qū)域定位與特征向量提取
獲取掌紋ROI圖像區(qū)域，生成0°、45°、90°、135°四個(gè)方向的2D_Gabor濾波器組，將 尺寸和灰度歸一化后的掌紋ROI圖像(F)分別與4個(gè)方向的Gabor濾波器的實(shí)部&與虛 部Gi分別作卷積運(yùn)算，將卷積運(yùn)算后的計(jì)算結(jié)果形成0-1編碼作為掌紋特征向量；
(5)設(shè)定閾值進(jìn)行手形特征一次匹配，獲得被選人員
所述的進(jìn)行手形特征一次匹配是用所提取的特征，計(jì)算歐式距離進(jìn)行匹配，采用最近 鄰分類方法分類；獲得滿足某個(gè)閾值下的多個(gè)被選人員。(6)使用掌紋識(shí)別的方法對(duì)備選人員的掌紋圖像進(jìn)行一次匹配，給出最終判斷； 根據(jù)2D-Gab0r濾波器獲得的掌紋特征向量，通過匹配算法對(duì)有手形匹配后所得到的
被選人員進(jìn)行最終的鑒別。本發(fā)明為一種多模態(tài)生物特征識(shí)別技術(shù)，多模態(tài)生物特征識(shí)別成為目前生物特征 識(shí)別研究的主要方向，本發(fā)明正是為了解決在生物特征識(shí)別的研究中遇到的困難以及在推 向?qū)嶋H應(yīng)用的過程中面臨的問題和需要而作出的自然的選擇。本發(fā)明給身份識(shí)別提供了更 加豐富的特征信息，能夠在提高識(shí)別準(zhǔn)確性與可靠性的同時(shí)增加識(shí)別的魯棒性。不僅如此， 嵌入數(shù)據(jù)融合的多生物特征識(shí)別依靠其更高的數(shù)據(jù)容量和更好的抗偽性，作為安全且可以 信任的身份等價(jià)物，將推動(dòng)生物特征識(shí)別技術(shù)在社會(huì)安全方面的不斷發(fā)展和應(yīng)用。人手掌上的掌紋特征非常豐富，可用于身份識(shí)別的基本特征包括1)主線特征，掌 紋上的三條主線，分別稱為生命線、感情線和智慧線；2)褶皺特征，指比主線細(xì)、淺的褶皺 線；3)細(xì)節(jié)點(diǎn)特征，指手掌上布滿的和指紋一樣的乳突紋；4)三角點(diǎn)特征，指乳突紋在手掌 上形成的三角區(qū)域的中心點(diǎn)。以上這些都是掌紋的基本特征，通過選擇合適的方法提取出來，就可以進(jìn)行身份 鑒別了。而且與其他的生物識(shí)別技術(shù)相比具有很多的特點(diǎn)，1)手掌區(qū)域比較大，比指紋含有 更豐富的信息；2)主線和褶皺線特征明顯，可以在低分辨率的掌紋圖像中提取出來；3)采 集設(shè)備簡(jiǎn)單易行，識(shí)別速度快，且成本遠(yuǎn)低于虹膜識(shí)別的采集設(shè)備；4)與手形、簽名相比掌 紋特征唯一性更強(qiáng)、更穩(wěn)定。因此，掌紋識(shí)別是一種很有發(fā)展?jié)摿Φ纳矸葑R(shí)別方法
手形識(shí)別技術(shù)中手形識(shí)別系統(tǒng)所利用的特征為手指或手掌的三維立體形狀，如長(zhǎng)度、 寬度、厚度和手掌表面區(qū)域等。手形特征穩(wěn)定性高，不易隨外在環(huán)境或生理的變化而改變， 使用方便，所以廣泛應(yīng)可用于門禁、考勤和身份認(rèn)證領(lǐng)域。手形識(shí)別所用的識(shí)別特征簡(jiǎn)單，裝置占用空間小，可以在低分辨率圖像中提取出 來，所需的計(jì)算量很小，同時(shí)，手形識(shí)別系統(tǒng)的用戶接受率很高。如上所述，本發(fā)明考慮到掌紋和手形的生理結(jié)構(gòu)，可以通過單一采集設(shè)備進(jìn)行非 接觸式采集，從而可以進(jìn)行多生物特征識(shí)別。它的優(yōu)勢(shì)在于，1)與其它多生物特征識(shí)別相 比，基于人手的多生物特征識(shí)別不用進(jìn)行多次采樣，降低了采集設(shè)備的成本，也減少了用戶 的麻煩，而且采用非接觸式方式進(jìn)行圖像采集，將不會(huì)對(duì)身體產(chǎn)生傷害，包括疾病的傳播，大大提高了用戶的接受程度；2)與單一的生物識(shí)別技術(shù)相比，具有更豐富的生物特征信息， 將這些特征融合起來勢(shì)必會(huì)提高識(shí)別率，而且穩(wěn)定性和魯棒性也會(huì)相應(yīng)提高。本發(fā)明是一種使用方便的、快速的、對(duì)人體無傷害、無疾病傳播、識(shí)別速度快的、能 夠提高系統(tǒng)識(shí)別率和穩(wěn)定的性的基于手形和掌紋的多模態(tài)生物特征的個(gè)人身份識(shí)別方法。 本發(fā)明的優(yōu)點(diǎn)在于能夠更好的利用手形和掌紋識(shí)別的優(yōu)點(diǎn)，即手形識(shí)別速度快，掌紋識(shí)別 率高；克服原有技術(shù)的缺點(diǎn)。這樣，首先通過手形識(shí)別快速的選出少數(shù)被選人員，然后再?gòu)?這少數(shù)被選人員中利用掌紋識(shí)別準(zhǔn)確的識(shí)別出最終結(jié)果，從而有效的提高身份識(shí)別系統(tǒng)的 速度和識(shí)別率。


圖1是本發(fā)明的方法步驟的流程框圖2是本發(fā)明的手形特征點(diǎn)定位過程圖；其中圖2-1為指尖點(diǎn)區(qū)域粗定位圖；圖2-2為 指根點(diǎn)區(qū)域粗定位圖；圖2-3為曲率的計(jì)算圖；圖2-4為指尖點(diǎn)區(qū)域定位圖；圖2-5為指根 點(diǎn)區(qū)域定位圖；圖2-6為定位指尖點(diǎn)和指根點(diǎn)示意圖；圖2-7為尋找指跟內(nèi)側(cè)點(diǎn)過程示意 圖；圖2-8為四指內(nèi)側(cè)指跟點(diǎn)示意圖；圖2-9為全部指跟點(diǎn)示意圖3是本發(fā)明的手形與掌紋特征提取示意圖；其中圖3-1為手形特征提取圖；圖3-2為 掌紋特征提取圖4是本發(fā)明的手形匹配分布圖和等錯(cuò)誤率曲線圖；其中圖4-1為手形匹配分布圖； 圖4-2為等錯(cuò)誤率曲線圖5是本發(fā)明的掌紋匹配分布圖和等錯(cuò)誤率曲線圖；其中圖5-1是掌紋匹配分布圖； 圖5-2是等錯(cuò)誤率曲線圖。
具體實(shí)施例方式下面結(jié)合附圖對(duì)本發(fā)明做進(jìn)一步的說明
本發(fā)明提供一種非接觸式快速人手多模態(tài)信息融合識(shí)別方法，其特征在于所述方法 的具體步驟如下
(1)人手圖像采集；
將人手自然張開，放在攝像頭前一個(gè)可變的范圍內(nèi)；所述的人手圖像采集是在人手自 然張開、非接觸、非固定位置的采集條件下進(jìn)行的。(2)手形關(guān)鍵特征點(diǎn)定位；
對(duì)除大拇指以外的其余四個(gè)手指提取指尖及指根點(diǎn)；指尖及指根點(diǎn)為食指、中指、無名 指和小指的四個(gè)指尖點(diǎn)和它們之間的三個(gè)指跟點(diǎn)以及四個(gè)手指的指根兩側(cè)的八個(gè)點(diǎn)。(3)手形特征向量提??；
取每個(gè)手指指跟兩側(cè)點(diǎn)連線的中點(diǎn)作為每個(gè)手指的指跟點(diǎn)，然后計(jì)算它們到相應(yīng)指尖 點(diǎn)的長(zhǎng)度作為四個(gè)手指的絕對(duì)長(zhǎng)度，計(jì)算各個(gè)手指絕對(duì)長(zhǎng)度之間的相對(duì)長(zhǎng)度，構(gòu)成特征向 量；所述的相對(duì)長(zhǎng)度為六個(gè)，分別是食指長(zhǎng)度與中指長(zhǎng)度；食指長(zhǎng)度與無名指長(zhǎng)度；食指長(zhǎng) 度與小指長(zhǎng)度；中指長(zhǎng)度與無名指長(zhǎng)度；中指長(zhǎng)度與小指長(zhǎng)度；無名指長(zhǎng)度與小指長(zhǎng)度。(4)掌紋ROI區(qū)域定位與特征向量提取；
獲取掌紋ROI圖像區(qū)域，生成0°、45°、90°、135°四個(gè)方向的2D_Gabor濾波器組， 將尺寸和灰度歸一化后的掌紋ROI圖像F分別與4個(gè)方向的Gabor濾波器的實(shí)部&與虛 部Gi分別作卷積運(yùn)算，將卷積運(yùn)算后的計(jì)算結(jié)果形成0-1編碼作為掌紋特征向量；如圖 3-2所示，獲取掌紋ROI圖像區(qū)域時(shí)，利用食指與中指之間的指跟點(diǎn)和中指與無名指之間的指跟點(diǎn)兩點(diǎn)的連線及其中點(diǎn)垂線為坐標(biāo)軸建立新的坐標(biāo)系，采用相對(duì)長(zhǎng)度L截取方形掌紋 有效區(qū)域，根據(jù)新坐標(biāo)系及原坐標(biāo)系之間的角度關(guān)系將圖像旋轉(zhuǎn)，經(jīng)過縮放歸一化大小為 128*128的圖像。(5)設(shè)定閾值進(jìn)行手形特征一次匹配，獲得被選人員；
所述的進(jìn)行手形特征一次匹配是用所提取的特征，計(jì)算歐式距離進(jìn)行匹配，采用最近 鄰分類方法分類；獲得滿足某個(gè)閾值下的多個(gè)被選人員；也就是說用手形識(shí)別的方法對(duì)待 識(shí)別人員的手掌圖像進(jìn)行一次匹配，得到手指相對(duì)長(zhǎng)度的歐氏距離Mi (i=l，2，···!!)，根據(jù) 手形的等誤率曲線設(shè)定閾值Thand，當(dāng)MiCThand時(shí)，將Mi所對(duì)應(yīng)的已注冊(cè)人員姓名存入備 選人員姓名數(shù)組中。(6)使用掌紋識(shí)別的方法對(duì)備選人員的掌紋圖像進(jìn)行一次匹配，給出最終判斷； 根據(jù)2D-Gab0r濾波器獲得的掌紋特征向量，通過匹配算法對(duì)有手形匹配后所得到的
被選人員進(jìn)行最終的鑒別；也就是說使用掌紋識(shí)別的方法對(duì)備選人員的掌紋圖像進(jìn)行一 次匹配，得到掌紋圖像經(jīng)過2D-Gab0r方向?yàn)V波的漢明距離Hi (i=l, 2，…1)，求出最小距離 Hmin，根據(jù)手形的等誤率曲線設(shè)定閾值Tpalm，當(dāng)HmirKTpalm時(shí)，則匹配成功，否則待識(shí)別 人員即為非注冊(cè)人員。圖1是非接觸式快速人手多模態(tài)信息融合識(shí)別方法的流程圖，包括人手圖像采 集、手形特征點(diǎn)定位、手形和掌紋特征向量提取、手形特征一次粗匹配獲得被選人員、掌紋 特征細(xì)匹配獲得最終識(shí)別結(jié)果等步驟。其中圖像采集過程使用單一背景，只需要人手自然張開，放在攝像頭前一個(gè)可變 的范圍內(nèi)。圖2是手形特征點(diǎn)定位過程圖。具體實(shí)現(xiàn)步驟如下
(1)在處理后的二值圖像上，根據(jù)輪廓跟蹤算法從手掌圖像最右端從上至下搜索第一 個(gè)輪廓點(diǎn)作為起始點(diǎn)，按逆時(shí)針方向跟蹤輪廓的8鄰域鏈碼信息，記錄輪廓邊界點(diǎn)坐標(biāo)。然 后，以輪廓點(diǎn)為中心生成半徑為9像素的模板圓，計(jì)算模板圓內(nèi)目標(biāo)像素個(gè)數(shù)N(即手掌部 分在模板圓內(nèi)的面積)來粗定位指尖點(diǎn)、指根點(diǎn)的鏈碼區(qū)域。當(dāng)N<120時(shí)，粗定位出指尖點(diǎn) 的鏈碼區(qū)域，當(dāng)N>150時(shí)，粗定位出指根點(diǎn)的鏈碼區(qū)域。如圖2 — 1、2 — 2所示。(2)在粗定位過程中，在手指上和手腕附近存在一些噪聲點(diǎn)，對(duì)于這些噪聲點(diǎn)，利 用噪聲點(diǎn)在鏈碼上前后相鄰R處的兩個(gè)輪廓點(diǎn)與該點(diǎn)形成的夾角ζ (s)來加以排除。曲率是用于平衡曲線彎曲程度的參數(shù)，如圖2 — 3中所示，ζ (s)代表F點(diǎn)兩側(cè)向 量FF1和FF2之間的夾角，夾角越大表示該點(diǎn)的曲率越小，曲線彎曲程度越?。粖A角越小，表 示該點(diǎn)的曲率越大，曲線彎曲程度越大。計(jì)算公式如下
權(quán)利要求
1.一種非接觸式快速人手多模態(tài)信息融合識(shí)別方法，其特征在于所述方法的具體步 驟如下(1)人手圖像采集；將人手自然張開，放在攝像頭前一個(gè)可變的范圍內(nèi)；(2)手形關(guān)鍵特征點(diǎn)定位；對(duì)除大拇指以外的其余四個(gè)手指提取指尖及指根點(diǎn)；(3)手形特征向量提??；取每個(gè)手指指跟兩側(cè)點(diǎn)連線的中點(diǎn)作為每個(gè)手指的指跟點(diǎn)，然后計(jì)算它們到相應(yīng)指尖 點(diǎn)的長(zhǎng)度作為四個(gè)手指的絕對(duì)長(zhǎng)度，計(jì)算各個(gè)手指絕對(duì)長(zhǎng)度之間的相對(duì)長(zhǎng)度，構(gòu)成特征向 量；(4)掌紋ROI區(qū)域定位與特征向量提??；獲取掌紋ROI圖像區(qū)域，生成0°、45°、90°、135°四個(gè)方向的2D_Gabor濾波器組，將 尺寸和灰度歸一化后的掌紋ROI圖像(F)分別與4個(gè)方向的Gabor濾波器的實(shí)部&與虛 部Gi分別作卷積運(yùn)算，將卷積運(yùn)算后的計(jì)算結(jié)果形成0-1編碼作為掌紋特征向量；(5)設(shè)定閾值進(jìn)行手形特征一次匹配，獲得被選人員；所述的進(jìn)行手形特征一次匹配是用所提取的特征，計(jì)算歐式距離進(jìn)行匹配，采用最近 鄰分類方法分類；獲得滿足某個(gè)閾值下的多個(gè)被選人員；(6)使用掌紋識(shí)別的方法對(duì)備選人員的掌紋圖像進(jìn)行一次匹配，給出最終判斷；根據(jù)2D-Gab0r濾波器獲得的掌紋特征向量，通過匹配算法對(duì)有手形匹配后所得到的 被選人員進(jìn)行最終的鑒別。
2.根據(jù)權(quán)利要求1所述的非接觸式快速人手多模態(tài)信息融合識(shí)別方法，其特征在于 “(3)”步驟中所述的相對(duì)長(zhǎng)度為六個(gè)，分別是食指長(zhǎng)度與中指長(zhǎng)度；食指長(zhǎng)度與無名指長(zhǎng) 度；食指長(zhǎng)度與小指長(zhǎng)度；中指長(zhǎng)度與無名指長(zhǎng)度；中指長(zhǎng)度與小指長(zhǎng)度；無名指長(zhǎng)度與小 指長(zhǎng)度。
3.根據(jù)權(quán)利要求1所述的非接觸式快速人手多模態(tài)信息融合識(shí)別方法，其特征在于 “(5)”步驟中的具體操作為用手形識(shí)別的方法對(duì)待識(shí)別人員的手掌圖像進(jìn)行一次匹配，得 到手指相對(duì)長(zhǎng)度的歐氏距離Mi (i=l，2，···!!)，根據(jù)手形的等誤率曲線設(shè)定閾值Thand，當(dāng) MiCThand時(shí)，將Mi所對(duì)應(yīng)的已注冊(cè)人員姓名存入備選人員姓名數(shù)組中。
4.根據(jù)權(quán)利要求1所述的非接觸式快速人手多模態(tài)信息融合識(shí)別方法，其特征在于 所述的人手圖像采集是在人手自然張開、非接觸、非固定位置的采集條件下進(jìn)行的。
5.根據(jù)權(quán)利要求1所述的非接觸式快速人手多模態(tài)信息融合識(shí)別方法，其特征在于 “(2)”步驟中的所述的指尖及指根點(diǎn)為食指、中指、無名指和小指的四個(gè)指尖點(diǎn)；食指、中 指、無名指和小指之間的三個(gè)指跟點(diǎn)以及四個(gè)手指的指根兩側(cè)的八個(gè)點(diǎn)。
6.根據(jù)權(quán)利要求1所述的非接觸式快速人手多模態(tài)信息融合識(shí)別方法，其特征在于 獲取掌紋ROI圖像區(qū)域的具體步驟為利用食指與中指之間的指跟點(diǎn)和中指與無名指之間 的指跟點(diǎn)兩點(diǎn)的連線及其中點(diǎn)垂線為坐標(biāo)軸建立新的坐標(biāo)系，采用相對(duì)長(zhǎng)度L截取方形掌 紋有效區(qū)域，根據(jù)新坐標(biāo)系及原坐標(biāo)系之間的角度關(guān)系將圖像旋轉(zhuǎn)，經(jīng)過縮放歸一化大小 為128*128的圖像。
7.根據(jù)權(quán)利要求1所述的非接觸式快速人手多模態(tài)信息融合識(shí)別方法，其特征在于步驟“(6)”中使用掌紋識(shí)別的方法對(duì)備選人員的掌紋圖像進(jìn)行一次匹配，得到掌紋圖像經(jīng) 過2D-Gabor方向?yàn)V波的漢明距離Hi (i=l, 2，…1)，求出最小距離Hmin，根據(jù)手形的等誤率 曲線設(shè)定閾值Tpalm，當(dāng)HmirKTpalm時(shí)，則匹配成功，否則待識(shí)別人員即為非注冊(cè)人員。
全文摘要
本發(fā)明提供一種非接觸式快速人手多模態(tài)信息融合識(shí)別方法，其特征在于所述方法的具體步驟如下(1)人手圖像采集；(2)手形關(guān)鍵特征點(diǎn)定位；(3)手形特征向量提??；(4)掌紋ROI區(qū)域定位與特征向量提??；(5)設(shè)定閾值進(jìn)行手形特征一次匹配，獲得被選人員；(6)使用掌紋識(shí)別的方法對(duì)備選人員的掌紋圖像進(jìn)行一次匹配，給出最終判斷；本發(fā)明是一種使用方便的、快速的、對(duì)人體無傷害、無疾病傳播、識(shí)別速度快的、能夠提高系統(tǒng)識(shí)別率和穩(wěn)定的性的基于手形和掌紋的多模態(tài)生物特征的個(gè)人身份識(shí)別方法。
文檔編號(hào)G06K9/00GK102073843SQ20101053344
公開日2011年5月25日 申請(qǐng)日期2010年11月5日 優(yōu)先權(quán)日2010年11月5日
發(fā)明者李雅紅, 桑海峰, 趙云, 黃靜 申請(qǐng)人:沈陽(yáng)工業(yè)大學(xué)