一種靜脈輪廓三維點云匹配的身份識別方法及裝置的制造方法
【專利摘要】本發(fā)明公開一種靜脈輪廓三維點云匹配的身份識別方法及裝置，通過靜脈輪廓識別裝置獲取到手指靜脈圖像；根據(jù)圖像質(zhì)量評價獲得指定區(qū)域的最優(yōu)圖像，有效地排除周圍環(huán)境的干擾，選取最優(yōu)的靜脈圖像作為原始數(shù)據(jù)；采用圖像處理方法，獲得指定區(qū)域的手指靜脈輪廓線，其他則設(shè)為背景；根據(jù)雙目原理，將其轉(zhuǎn)換為三維視差圖像；將視差圖像轉(zhuǎn)換為三維點云；采用基于迭代最近點的點云匹配算法進(jìn)行匹配，實現(xiàn)身份認(rèn)證和識別；本發(fā)明基于手指靜脈輪廓的全部三維點云進(jìn)行匹配，提高了目前基于特征點的相關(guān)信息匹配精度和靈敏度，并解決了因手指擾動造成的二維圖像誤判以及現(xiàn)有的三維特征不明顯的問題，可根據(jù)點云匹配程度閾值自定義調(diào)整識別的靈敏度。
【專利說明】
-種靜脈輪廓H維點云匹配的身份識別方法及裝置
技術(shù)領(lǐng)域
[0001] 本發(fā)明設(shè)及一種生物特征識別技術(shù)，特別設(shè)及一種靜脈輪廓=維點云匹配的身份 識別方法及裝置。
【背景技術(shù)】
[0002] 現(xiàn)有的靜脈方法和裝置主要是基于二維靜脈圖像進(jìn)行識別為主。在實際應(yīng)用中， 由于光照條件的變化、手指位置不一致、手指擾動等問題，造成模板與待識別圖像之間的失 配，從而極大程度地影響了靜脈識別方法的性能。解決基于二維靜脈圖像的識別問題的根 本途徑是采用=維識別。
[0003] 現(xiàn)有的=維靜脈匹配方法是基于關(guān)鍵點信息（如申請?zhí)枮椋?01010508188.2的專 利申請中采用SIFT特征向量等)組成的S維特征進(jìn)行匹配的，其可能存在特征計算成本、特 征不明顯、特征信息量過少等問題，從而影響=維靜脈識別方法的性能和可靠性；同時，由 于現(xiàn)有的=維靜脈識別方法尚無對匹配精度進(jìn)行自定義調(diào)整和設(shè)置，故在使用過程中缺乏 一定的靈活性。
[0004] 因此，如何解決=維靜脈識別的精度和靈活性已經(jīng)成為當(dāng)今靜脈識別技術(shù)的一個 亟待解決的問題。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明為解決上述技術(shù)問題，提出了一種靜脈輪廓=維點云匹配的身份識別方法 及裝置。該方法利用雙目視覺的原理構(gòu)建基于嵌入式或計算機(jī)的手指靜脈=維識別裝置， 獲取到手指靜脈的初始圖像;結(jié)合靜脈圖像質(zhì)量評價獲得最優(yōu)的采集圖像;然后再采用圖 像處理獲得感興趣區(qū)域內(nèi)的手指靜脈輪廓圖像;再采用雙目視覺原理獲得手指靜脈輪廓圖 像的=維信息，將其轉(zhuǎn)換為=維點云；采用改進(jìn)的ICP匹配算法實現(xiàn)手指靜脈的=維識別。 該方法能有效地提高手指靜脈識別精度和實際使用中的靈活性。
[0006] 本發(fā)明采用的技術(shù)方案是:一種靜脈輪廓=維點云匹配的身份識別方法，包括：
[0007] S1、通過識別裝置獲取手指靜脈初始圖像；
[000引S2、對于步驟Sl獲取的手指靜脈初始圖像，首先結(jié)合靜脈圖像質(zhì)量評價獲得最優(yōu) 的采集圖像;然后采用圖像處理獲得感興趣區(qū)域內(nèi)的手指靜脈輪廓圖像;再采用雙目視覺 原理獲得手指靜脈輪廓圖像的=維信息，將其轉(zhuǎn)換為待匹配=維點云；
[0009] S3、根據(jù)步驟S2得到的待匹配=維點云，通過ICP匹配算法實現(xiàn)手指靜脈的=維識 別。
[0010] 進(jìn)一步地，所述識別裝置包括:紅外光源、紅外濾光片、手指槽、輕觸電源開關(guān)、左 右兩臺攝像機(jī)、電源、電源控制電路W及外部處理設(shè)備;所述外部處理設(shè)備為:PC機(jī)或ARM接 口板或DSP處理板；
[0011] 紅外光源設(shè)置于底部，左右兩臺攝像機(jī)設(shè)置于頂部，中間為放置手指的手指槽，手 指槽一端設(shè)有一個輕觸開關(guān);在左右兩個攝像機(jī)鏡頭上都加了紅外濾光片，用W濾除非紅 外光；
[0012] 手指槽、紅外光源和左右兩臺攝像機(jī)處于同一水平面上；
[0013] 手指與紅外光源垂直且距離為1cm，攝像機(jī)與手指的垂直距離大約8cm;
[0014] 左右兩個攝像頭之間的距離大約3cm。
[0015] 進(jìn)一步地，所述步驟S2包括W下分步驟：
[0016] S21、采用基于圖像內(nèi)容的結(jié)構(gòu)相似性來描述圖象質(zhì)量，具體為:選擇一幅標(biāo)準(zhǔn)圖 像作為參考，將每次采集的圖像與標(biāo)準(zhǔn)圖像從亮度、對比度和結(jié)構(gòu)相似性=個方面進(jìn)行對 比，構(gòu)造基于運(yùn)=個要素的評價模型如下：
[0017] S(x，y) = [l(x，y)]a. [c(x，y)]e. [s(x，y)]Y
[001引其中，l(x，y)為亮度比較函數(shù)，a為亮度權(quán)重，c(x，y)為對比度權(quán)重，0為對比度權(quán) 重，s(x，y)為結(jié)構(gòu)相似性比較函數(shù)，丫為結(jié)構(gòu)相似性權(quán)重，X表示參數(shù)圖像，y采集的圖像；
[0019] 根據(jù)S(x，y)的計算結(jié)果，與第一闊值進(jìn)行比較，若S(x，y)大于或等于第一闊值，貝U 表示該采集圖像可接受并采用，否則表示該圖像質(zhì)量不符合要求，進(jìn)行調(diào)整PWM波，重新采 集圖像，直至S(x，y)值大于或等于第一闊值為止；
[0020] S22、采用張正友標(biāo)定法對兩臺攝像機(jī)進(jìn)行標(biāo)定，得到兩攝像機(jī)間的旋轉(zhuǎn)矩陣和平 移向量W及它們的內(nèi)參數(shù)矩陣K;采用Fusiello方法進(jìn)行極線校正，使攝像機(jī)的光軸平行， 從而得到只有水平位移差異的一對圖像W及校正后的相機(jī)投影矩陣；
[0021] S23、使用化A皿算法進(jìn)行直方圖均衡化，采用自適應(yīng)闊值分割技術(shù)，獲得靜脈目 標(biāo)，然后采用Sobel邊緣檢測算子獲得靜脈輪廓，再采用8鄰域追蹤W獲得手指靜脈的單值 輪廓，并將得到靜脈輪廓點為關(guān)鍵點；
[0022] S24、使用SAD算法做立體匹配并生成視差圖，選擇使SAD值最小的平移距離為滑動 窗中屯、點的視差值，W從左往右從上往下的順序依次計算每一個像素點的視差值，最終得 到視差圖；
[0023] S25、使用S角測量原理計算點的S維坐標(biāo)，得到待匹配S維點云。
[0024] 更進(jìn)一步地，所述步驟S23使用化A皿算法進(jìn)行直方圖均衡化后還包括:采用中值 濾波法濾掉均衡化后的圖像中的噪聲，并對得到的圖像線性灰度拉伸。
[0025] 進(jìn)一步地，步驟S3所述的ICP匹配算法為改進(jìn)的ICP匹配算法，具體包括W下分步 驟：
[0026] 1)、計算模版點云和待匹配S維點云的重屯、，并將其移動到同一坐標(biāo)下的相同位 置；
[0027] 2 )、計算兩組點云的最小矩形包圍盒，旋轉(zhuǎn)點云使得最小包圍盒的朝向一致；
[002引3)、得到兩個點云集合的互協(xié)方差矩陣；
[0029] 4)、利用反對稱矩陣構(gòu)造列向量，并用該列向量生成一個4*4維的對稱矩陣；
[0030] 5)、計算步驟4)、所得對稱矩陣的特征值和單位特征向量；
[0031 ]其中，最大的特征估值對應(yīng)的單位特征向量為最佳旋轉(zhuǎn)矩陣；
[0032] 6)、計算最佳平移向量；
[0033] 7)、根據(jù)步驟5)得到的旋轉(zhuǎn)矩陣W及步驟6)得到的最佳平移向量，得到配準(zhǔn)狀態(tài) 向量；
[0034] 8)、構(gòu)建匹配識別目標(biāo)函數(shù)：
[0035]
[0036] 其中，氣表示模版點云，Xi表示待匹配的點云，R表示旋轉(zhuǎn)矩陣，齡表示最佳旋轉(zhuǎn)矩 陣，％表示最佳平移向量，Ihlf表示歐式距離的平方；
[0037] 9)、根據(jù)步驟7)得到的配準(zhǔn)狀態(tài)向量，計算步驟8)匹配識別目標(biāo)函數(shù)的最小均方 誤差；
[003引10)、根據(jù)多次匹配實驗測定第二闊值，將步驟9)得到的最小均方誤差與第二闊值 進(jìn)行比較，若最小均方誤差大于該闊值，則用計算出的平移向量和旋轉(zhuǎn)矩陣得到的點云數(shù) 據(jù)陣代替原待匹配點云，并跳轉(zhuǎn)至步驟S31，否則當(dāng)最小均方誤差小于或等于第二闊值，或 者迭代次數(shù)大于預(yù)設(shè)最大迭代次數(shù)時，停止迭代。
[0039] -種靜脈輪廓識別裝置，包括:紅外光源、紅外濾光片、手指槽、輕觸電源開關(guān)、左 右兩臺攝像機(jī)、電源、電源控制電路W及外部處理設(shè)備;所述外部處理設(shè)備為:PC機(jī)或ARM接 口板或DSP處理板；
[0040] 紅外光源設(shè)置于底部，左右兩臺攝像機(jī)設(shè)置于頂部，中間為放置手指的手指槽，手 指槽一端設(shè)有一個輕觸開關(guān);在左右兩個攝像機(jī)鏡頭上都加了紅外濾光片，用W濾除非紅 外光；
[0041] 手指槽、紅外光源和左右兩臺攝像機(jī)處于同一水平面上；
[0042] 手指與紅外光源垂直且距離為1cm，攝像機(jī)與手指的垂直距離大約8cm;
[0043] 左右兩個攝像頭之間的距離大約3cm。
[0044] 本發(fā)明的有益效果：一種靜脈輪廓=維點云匹配的身份識別方法及裝置，通過靜 脈輪廓識別裝置獲取到手指靜脈圖像;然后根據(jù)圖像質(zhì)量評價獲得指定區(qū)域的最優(yōu)圖像， 能有效地排除周圍環(huán)境的干擾，選取出最優(yōu)的靜脈圖像作為原始數(shù)據(jù);采用圖像處理方法， 獲得指定區(qū)域的手指靜脈輪廓線，其他則設(shè)為背景;根據(jù)雙目原理，將其轉(zhuǎn)換為=維視差圖 像;將視差圖像轉(zhuǎn)換為=維點云;采用基于迭代最近點的點云匹配算法進(jìn)行匹配，設(shè)置匹配 闊值，實現(xiàn)身份認(rèn)證和識別。本發(fā)明從=維角度實現(xiàn)了基于靜脈輪廓點云的=維匹配認(rèn)證 識別，本發(fā)明基于手指靜脈輪廓的全部=維點云進(jìn)行匹配，能有效地提高目前基于特征點 的相關(guān)信息匹配精度和靈敏度，并有效地消除了因手指擾動造成的二維圖像誤判W及現(xiàn)有 的=維特征不明顯的問題，可W根據(jù)點云匹配程度闊值來自定義調(diào)整識別的靈敏度。
【附圖說明】
[0045] 圖1為本發(fā)明提供的識別裝置結(jié)構(gòu)圖。
[0046] 圖2為本發(fā)明提供的方案流程圖。
[0047] 圖3為本發(fā)明提供的檢測輪廓所用的掩膜；
[0048] 其中，（a)為手指上邊界，（b)為手指下邊界。
[0049] 圖4為本發(fā)明提供的手指靜脈=維識別流程圖。
【具體實施方式】
[0050] 為便于本領(lǐng)域技術(shù)人員理解本發(fā)明的技術(shù)內(nèi)容，下面結(jié)合附圖對本
【發(fā)明內(nèi)容】
進(jìn)一 步闡釋。
[0051] 本發(fā)明通過如圖I所示的靜脈輪廓識別裝置，獲取手指靜脈初始圖像，該裝置主要 包括:紅外光源（1)、紅外濾光片(2)、手指槽(3)、輕觸電源開關(guān)(4)、左右兩臺攝像機(jī)(5)、電 源(6)、電源控制電路(7)、PC機(jī)(或ARM接口板和DSP處理板）（8)，其中兩臺攝像機(jī)水平放置 在裝置頂部，為了防止非紅外光，在鏡頭上加了紅外濾光片。手指槽置于裝置中間，在手指 槽的頂端放有輕觸開關(guān)(4)，裝置底部安放紅外光源(1)。
[0052] 手指在手指槽中就位后，指尖抵住輕觸開關(guān)(4)，則啟動設(shè)備電源(6)，開啟紅外光 源（1)和攝像機(jī)(5)，硬件設(shè)備開始工作。通過預(yù)定的成像參數(shù)，獲得初始圖像，通過結(jié)構(gòu)特 征來定量描述圖像質(zhì)量，如果滿足要求，則采用該圖像;否則采用PWM波調(diào)整光源電壓，重新 采集圖像，直至圖像質(zhì)量滿足要求;將獲得的最優(yōu)圖像裁剪為統(tǒng)一大小的圖像。
[0053] 所述紅外光源為排布成陣列形式的白識燈或氣燈或紅外發(fā)光二極管LED。白識燈 或氣燈發(fā)出的其他光在攝像機(jī)(5)采集的時候，因為在鏡頭上加了紅外濾光片，可將除紅外 光意外的其他光線濾除，白識燈或氣燈為常見光源，用于制造本申請的裝置可降低制造成 本。
[0054] 如圖2所示為本發(fā)明的方案流程圖，本發(fā)明的技術(shù)方案為:一種靜脈輪廓=維點云 匹配的身份識別方法，包括：
[0055] S1、通過識別裝置獲取手指靜脈初始圖像；
[0056] 所述識別裝置包括:紅外光源、紅外濾光片、手指槽、輕觸電源開關(guān)、左右兩臺攝像 機(jī)、電源、電源控制電路W及外部處理設(shè)備;所述外部處理設(shè)備為：、PC機(jī)或ARM接口板或DSP 處理板；
[0057] 其中，紅外光源在底部，左右兩臺攝像機(jī)在頂部，中間為放置手指的手指槽，手指 槽頂部有一個輕觸開關(guān)，并且手指槽，紅外光源和左右兩臺攝像機(jī)處于同一水平面上；
[005引紅外光源，手指槽和左右兩臺攝像機(jī)在同一水平面上，手指與紅外光源垂直且距 離為1cm，攝像機(jī)與手指的垂直距離大約8cm;
[0059] 左右兩個攝像頭之間的距離大約3cm;
[0060] 在左右兩個攝像機(jī)鏡頭上都加了紅外濾光片，用W濾除非紅外光；
[0061] S2、對于步驟Sl獲取的手指靜脈初始圖像，首先結(jié)合靜脈圖像質(zhì)量評價獲得最優(yōu) 的采集圖像，能有效地排除周圍環(huán)境的干擾;然后采用圖像處理獲得感興趣區(qū)域內(nèi)的手指 靜脈輪廓圖像;再采用雙目視覺原理獲得手指靜脈輪廓圖像的=維信息，將其轉(zhuǎn)換為=維 點云;具體包括W下分步驟：
[0062] S21、采用基于圖像內(nèi)容的結(jié)構(gòu)相似性來描述圖象質(zhì)量，即選擇一幅標(biāo)準(zhǔn)圖像作為 參考，將每次采集的圖像與標(biāo)準(zhǔn)圖像從亮度、對比度和結(jié)構(gòu)相似性=個方面進(jìn)行對比，構(gòu)造 基于運(yùn)=個要素的評價模型如下：
[0063] S(x，y) = [l(x，y)]a ? [c(x，y)]e ? [s(x，y)]Y
[0064] 其中，l(x，y)為亮度比較函數(shù)，a為亮度權(quán)重，c(x，y)為對比度權(quán)重，e為對比度權(quán) 重，s(x，y)為結(jié)構(gòu)相似性比較函數(shù)，丫為結(jié)構(gòu)相似性權(quán)重，X表示參數(shù)圖像，y采集的圖像。為 了便于后期圖像處理算法設(shè)計，運(yùn)里的質(zhì)量評價的S個因素的權(quán)重均為1，即a=e= 丫 =1。
[00 化]
表示參考圖像和采集圖像的平均亮度，
表示參考圖像和采集圖像的標(biāo)準(zhǔn)差， 良集圖像的協(xié)方差，C1、C2和C3分別是避免分母 為零的最小常數(shù)。
[0067] 依據(jù)S(x，y)的計算結(jié)果，越接近于1，說明與參考圖像質(zhì)量越接近，則表示越可接 受。運(yùn)里設(shè)置S(x，y)的闊值為0.8,則S(x，y)大于等于0.8,表示該采集圖像可接受并采用， 如果S(x，y)小于0.8,則表示該圖像質(zhì)量不符合要求，則調(diào)整PWM波，重新采集圖像，直至采 集圖像與參考圖像的S(x，y)值大于等于0.8,為止。
[0068] S22、采用張正友標(biāo)定法對兩臺攝像機(jī)進(jìn)行標(biāo)定，得到兩攝像機(jī)間的旋轉(zhuǎn)矩陣R和 平移向量TW及它們的內(nèi)參數(shù)矩陣K;
[0069]
[0070] 具甲，Qu = -t'ku，a V = -f kv表示在水平和垂直像素上的焦距，ku和kv是沿U軸軸（水平 軸)和V軸（垂直軸）上每毫米的有效像素數(shù)，（U0，V0)是主點（光軸與視網(wǎng)膜平面交點）的坐 標(biāo)，Y是扭曲因子。
[0071] 則相機(jī)投影矩陣可表示為P=K[R I T]。
[0072] 采用化Siello方法進(jìn)行極線校正，使攝像機(jī)的光軸平行，從而得到只有水平位移 差異的一對圖像W及校正后的相機(jī)投影矩陣。
[0073] S23、使用化A皿算法進(jìn)行直方圖均衡化，采用自適應(yīng)闊值分割技術(shù)，獲得靜脈目 標(biāo)，然后采用Sobel邊緣檢測算子獲得靜脈輪廓，再采用8鄰域追蹤W獲得手指靜脈的單值 輪廓，并將得到靜脈輪廓點為關(guān)鍵點。具體為：
[0074] 首先，使用Contrast Limited Adaptive Histogram Equalization(化AHE)算法 通過限制局部直方圖的高度來限制局部對比度的增強(qiáng)幅度，從而實現(xiàn)限制噪聲及局部對比 度的過增強(qiáng)。詳細(xì)過程為:將原圖像劃分成更小的窗口，計算各窗口內(nèi)的累積直方圖函數(shù)。 用預(yù)先定義的闊值來裁剪直方圖W達(dá)到限制放大幅度的目的并將運(yùn)些裁剪掉的部分均勻 的分布到直方圖的其他部分。基于此直方圖做均衡化，W均衡化后窗口中屯、點的灰度為作 為中屯、點的灰度值。然后移動窗口，不斷重復(fù)上述過程，直到對每一個像素點進(jìn)行灰度變 換。由此增強(qiáng)了圖像對比度。在實際應(yīng)用中，對比度限制限制值為在范圍[0，1]內(nèi)的一個數(shù) 值，本實驗選擇對比度限制為0.01。
[0075] 然后，用中值濾波法濾掉圖像中的噪聲。中值濾波原理是把圖像中一點的灰度值 用該點的一個鄰域中各點值的中值代替，使周圍的像素值接近的真實值，從而消除孤立的 噪聲點。方法是用二維滑動模板，將模板內(nèi)像素按照像素灰度值的大小進(jìn)行排序，生成單調(diào) 上升的為二維數(shù)據(jù)序列。二維中值濾波輸出為g(x，y)=med{f(x-k，y-l)，化，1GW)}，其中， f(x，y)，g(x，y)分別為原始圖像和處理后圖像。W是大小為7X7的模板。
[0076] 再者，采用灰度拉伸來增強(qiáng)圖象質(zhì)量。灰色線性變換使得較小的灰度空間通過線 性關(guān)系擴(kuò)展到更大的灰度空間?；叶染€性變換后，增加了像素的動態(tài)范圍，增強(qiáng)了圖像的對 比度。使圖像變得更加清晰，易于識別。假定原始圖像f(x，y)的灰度范圍為[a, b]，線性變換 后，圖像f(x，y)的灰度空間擴(kuò)展到k，d]，公式如下所示。在本方法中，原圖像歸一化灰度值 在[0.15,0.9]范圍內(nèi)的像素點被擴(kuò)展至[0，1]。
[0077]
[0078] 最后，分別采用自適應(yīng)闊值分割技術(shù)，獲得靜脈目標(biāo)，然后再采用輪廓提取和追蹤 W獲得手指靜脈的單值圖像輪廓。二次Sobel邊緣檢測得到靜脈輪廓和手指邊界輪廓并將 其作為關(guān)鍵點。
[0079] 首先，用如圖3所示的掩膜檢測手指輪廓
[0080] 通過計算每個X在y方向上掩模和圖像的卷積，最大卷積值出現(xiàn)的位置即為邊界 線。令手指區(qū)域外的像素灰度值等于0。使用自適應(yīng)闊值算法從背景中分離靜脈。進(jìn)行此步 后得到的二值圖像仍然有噪聲區(qū)域被錯誤地提取為手指靜脈或背景，因此需要對圖像進(jìn)行 腐蝕并且統(tǒng)計每個聯(lián)通區(qū)域的大小。面積小的黑色連通區(qū)域被白色像素填充，面積小的白 色區(qū)域被剔除。最后使用SObel算子提取出手指和靜脈的輪廓。Sobel邊緣檢測器使用一個3 X3領(lǐng)域的行和列之間的離散差來計算梯度，其中，每行或列的中屯、像素用2來加權(quán)，W提供 平滑效果：
[0081]
[0082] 式中，Z項代表灰度。因此，如果在(x，y)處Af >T(T是自適應(yīng)闊值），那么在該位置 的像素是邊緣像素。提取出輪廓后，將其作為匹配使用的關(guān)鍵點。
[0083] S24、使用SAD算法做立體匹配并生成視差圖，選擇使SAD值最小的平移距離為滑動 窗中屯、點的視差值，W從左往右從上往下的順序依次計算每一個像素點的視差值，最終得 到視差圖。
[0084] 值用SAD算法做立體陽配并牛成視差圖。計算公式圖下：
[0085]
[0086] 式中，11和心分別表示左右圖像素點的灰度值，d代表視差距離，W是滑動窗大小，X 和y表示滑動窗中屯、像素坐標(biāo)。選擇使SAD值最小的平移距離為滑動窗中屯、點的視差值。W 從左往右從上往下的順序依次計算每一個像素點的視差值，最終得到視差圖。
[0087] S25、使用S角測量原理計算點的S維坐標(biāo)。
[0088] 左攝像機(jī)獲得的圖像（W下簡稱"左圖"）中點和右攝像機(jī)獲得圖像（W下簡稱"右 圖"）中的對應(yīng)點坐標(biāo)在相機(jī)坐標(biāo)系下分別為X和X ?。兩個相機(jī)的投影矩陣分別為P和P/。由 此我們得到了兩個等式:x = PX和=P^X,將它們合并成一個關(guān)于X的線性方程AX = 0。通過 計算叉積，可得到每個點的=個方程，并消掉了齊次尺度因子。對于左圖，式XX (PX)=O可 W被寫成為：
[0089]
[0090] 其中，P"是P的行向量。
[0091] 對于右圖，可W把上述方程組的X和y代換為，/得到右圖的方程。
[0092] 矩陣A為：
[0093]
[0094] 其次方程，X即為AX = 0的最小二乘解。從而獲得對應(yīng)點X的S維 坐標(biāo)系。
[00M] S3、如圖4所示為本發(fā)明的識別流程圖。首先將待匹配點云和模版點云平移至各自 重屯、，然后計算兩點云中的最近點對，得到誤差和坐標(biāo)變換向量，把坐標(biāo)變換向量代入原待 匹配點云數(shù)據(jù)得到變換后的點云。判斷誤差是否大于第二闊值W及現(xiàn)迭代次數(shù)是否大于最 大迭代次數(shù)，若否，則返回計算最近點，進(jìn)行下一次迭代。若是，則將數(shù)據(jù)點云配準(zhǔn)至模版點 云，再比較誤差是否小于第二闊值，若是，則匹配成功;若否，則匹配失敗。
[0096] 本發(fā)明基于手指靜脈輪廓的全部=維點云進(jìn)行匹配，能有效地提高目前基于特征 點的相關(guān)信息匹配精度和靈敏度，并有效地消除了因手指擾動造成的二維圖像誤判W及現(xiàn) 有的=維特征不明顯的問題，可W根據(jù)點云匹配程度闊值來自定義調(diào)整識別的靈敏度。
[0097] 根據(jù)步驟S2得到的=維點云，通過改進(jìn)的ICP匹配算法實現(xiàn)手指靜脈的=維識別。 假設(shè)PiQ = I，2'''Np)是模版點云，XiQ = I，2'''Nx)是待匹配的點云，i表示點云中點的編號。 使用單位四元數(shù)法來計算運(yùn)動參數(shù)，得到用四元數(shù)法表示旋轉(zhuǎn)矩陣
其中 qo>0且q〇2+qi2+q22+q32 = 1。W及平移向量
.，最終通過計算矩陣A來得到旋轉(zhuǎn) 矩陣R。
[009引
[0099] 配準(zhǔn)狀態(tài)向量為導(dǎo)=[拓I拓了。由此將匹配問題轉(zhuǎn)化為尋找函數(shù)/(封的最小值
[0100]
(引
[0101] 具體包括W下分步驟：
[0102] 1)、計算模版點云和待匹配點云的重
并將其移 動到同一坐標(biāo)下的相同位置.
[01 03 ] 2 )、計算兩組點云的最小矩形包圍盒，旋轉(zhuǎn)點云使得最小包圍盒的朝向一致；
[0104] 3)、得到兩個點云集合的互協(xié)方差矩陣；
[0105]
[0106] 4)、利用反對稱矩陣Aリ=(I：pxEpxT)リ構(gòu)造列向量A=(A23A3lAl2)T，并用該列向 量生成一個4*4的對稱矩陣Q( Epx);
[0107]
[0108] 5)、計算步驟4)所得對稱矩陣Q( Epx)的特征值和單位特征向量；
[0109] 其中，最大的特征估值對應(yīng)的單位特征向量為最佳旋轉(zhuǎn)矩陣
[0110] 6)、計算最佳平移向量
[0111] 7)、根據(jù)步驟5)得到的旋轉(zhuǎn)矩陣W及步驟6)得到的最佳平移向量，得到配準(zhǔn)狀態(tài) 向量
[0112] 8)、構(gòu)建匹配識別目標(biāo)函數(shù)：
[0113]
[0114] 其中，A表示模版點云，Xi表示待匹配的點云，R表示旋轉(zhuǎn)矩陣，如表示最佳旋轉(zhuǎn)矩 陣，蠶表示最佳平移向量，I I ? I I2表示歐式距離的平方。
[0115] 9)、根據(jù)步驟7)得到的配準(zhǔn)狀態(tài)向量，計算步驟8)匹配識別目標(biāo)函數(shù)/(引的最小 均方誤i
[0116] 10)、根據(jù)多次匹配實驗測定第二闊值，即匹配闊值T，第二闊值可根據(jù)識別的靈敏 度來調(diào)整。如果識別的靈敏度要求高，則該闊值則越小;反之，如果識別的靈敏度要求低，貝U 該闊值則越大，即通過該域值的設(shè)定，可W調(diào)整系統(tǒng)的識別的靈敏度。將步驟9)得到的最小 均方誤差cUs與T進(jìn)行比較，若cUs大于T，則用計算出的平移向量和旋轉(zhuǎn)矩陣得到的點云數(shù)據(jù) 陣代替原待匹配點云J
>:循環(huán)迭代直到cUs小于等于T，或迭代次數(shù)大 于預(yù)設(shè)的最大迭代次數(shù)。如果在預(yù)設(shè)的最大迭代次數(shù)內(nèi)，匹配失敗，則說明識別失敗，即身 份驗證失敗;如果在預(yù)設(shè)的最大迭代次數(shù)內(nèi)，匹配成功，且dms小于等于T，則說明識別成功， 即身份驗證成功。其中，最大迭代次數(shù)是根據(jù)點云的數(shù)目和識別的精度、實時性和靈敏性來 實驗確定的。最大迭代次數(shù)的設(shè)置是根據(jù)匹配識別的實時性要求和精度要求，通過多次實 驗來確定的。如果識別的實時性要求高，則最大迭代次數(shù)可設(shè)計為較少;如果識別的實時性 要求低，則最大迭代次數(shù)可設(shè)計為較多。如果識別的精度要求高，則最大迭代次數(shù)可設(shè)計為 較多;如果識別的實時性要求低，則最大迭代次數(shù)可設(shè)計為較少。
[0117] 本領(lǐng)域的普通技術(shù)人員將會意識到，運(yùn)里所述的實施例是為了幫助讀者理解本發(fā) 明的原理，應(yīng)被理解為本發(fā)明的保護(hù)范圍并不局限于運(yùn)樣的特別陳述和實施例。對于本領(lǐng) 域的技術(shù)人員來說，本發(fā)明可W有各種更改和變化。凡在本發(fā)明的精神和原則之內(nèi)，所作的 任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的權(quán)利要求范圍之內(nèi)。
【主權(quán)項】
1. 一種靜脈輪廓三維點云匹配的身份識別方法，其特征在于，包括： 51、 通過識別裝置獲取手指靜脈初始圖像； 52、 對于步驟Sl獲取的手指靜脈初始圖像，首先結(jié)合靜脈圖像質(zhì)量評價獲得最優(yōu)的采 集圖像;然后采用圖像處理獲得感興趣區(qū)域內(nèi)的手指靜脈輪廓圖像;再采用雙目視覺原理 獲得手指靜脈輪廓圖像的三維信息，將其轉(zhuǎn)換為待匹配三維點云； 53、 根據(jù)步驟S2得到的待匹配三維點云，通過ICP匹配算法實現(xiàn)手指靜脈的三維識別。2. 根據(jù)權(quán)利要求1所述的一種靜脈輪廓三維點云匹配的身份識別方法，其特征在于，所 述識別裝置包括:紅外光源、紅外濾光片、手指槽、輕觸電源開關(guān)、左右兩臺攝像機(jī)、電源、電 源控制電路以及外部處理設(shè)備;所述外部處理設(shè)備為:PC機(jī)或ARM接口板或DSP處理板； 紅外光源設(shè)置于底部，左右兩臺攝像機(jī)設(shè)置于頂部，中間為放置手指的手指槽，手指槽 一端設(shè)有一個輕觸開關(guān);在左右兩個攝像機(jī)鏡頭上都加了紅外濾光片，用以濾除非紅外光； 手指槽、紅外光源和左右兩臺攝像機(jī)處于同一水平面上； 手指與紅外光源垂直且距離為lcm，攝像機(jī)與手指的垂直距離大約8cm; 左右兩個攝像頭之間的距離大約3cm。3. 根據(jù)權(quán)利要求1所述的一種靜脈輪廓三維點云匹配的身份識別方法，其特征在于，所 述步驟S2包括以下分步驟： 521、 采用基于圖像內(nèi)容的結(jié)構(gòu)相似性來描述圖象質(zhì)量，具體為:選擇一幅標(biāo)準(zhǔn)圖像作 為參考，將每次采集的圖像與標(biāo)準(zhǔn)圖像從亮度、對比度和結(jié)構(gòu)相似性三個方面進(jìn)行對比，構(gòu) 造基于這三個要素的評價模型如下： S(x，y) = [l(x，y)]a· [C(X，y)]e· [s(x，y)r 其中，I (x，y)為亮度比較函數(shù)，a為亮度權(quán)重，c(x，y)為對比度權(quán)重，β為對比度權(quán)重，s (x，y)為結(jié)構(gòu)相似性比較函數(shù)，γ為結(jié)構(gòu)相似性權(quán)重，X表示參數(shù)圖像，y采集的圖像； 根據(jù)S(x，y)的計算結(jié)果，與第一閾值進(jìn)行比較，若S(x，y)大于或等于第一閾值，則表示 該采集圖像可接受并采用，否則表示該圖像質(zhì)量不符合要求，進(jìn)行調(diào)整PWM波，重新采集圖 像，直至S(x，y)值大于或等于第一閾值為止； 522、 采用張正友標(biāo)定法對兩臺攝像機(jī)進(jìn)行標(biāo)定，得到兩攝像機(jī)間的旋轉(zhuǎn)矩陣和平移向 量以及它們的內(nèi)參數(shù)矩陣K;采用Fusiello方法進(jìn)行極線校正，使攝像機(jī)的光軸平行，從而 得到只有水平位移差異的一對圖像以及校正后的相機(jī)投影矩陣； 523、 使用CLAHE算法進(jìn)行直方圖均衡化，采用自適應(yīng)閾值分割技術(shù)，獲得靜脈目標(biāo)，然 后采用Sobel邊緣檢測算子獲得靜脈輪廓，并采用8鄰域的輪廓追蹤以獲得手指靜脈的單值 圖像輪廓，將得到靜脈輪廓點作為關(guān)鍵點； 524、 使用SAD算法做立體匹配并生成視差圖，選擇使SAD值最小的平移距離為滑動窗中 心點的視差值，以從左往右從上往下的順序依次計算每一個像素點的視差值，最終得到視 差圖； 525、 使用三角測量原理計算點的三維坐標(biāo)，得到待匹配三維點云。4. 根據(jù)權(quán)利要求3所述的一種靜脈輪廓三維點云匹配的身份識別方法，其特征在于，所 述步驟S23使用CLAHE算法進(jìn)行直方圖均衡化后還包括:采用中值濾波法濾掉均衡化后的圖 像中的噪聲，并對得到的圖像線性灰度拉伸。5. 根據(jù)權(quán)利要求1所述的一種靜脈輪廓三維點云匹配的身份識別方法，其特征在于，步 驟S3所述的ICP匹配算法為改進(jìn)的ICP匹配算法，具體包括以下分步驟： 1)、計算模版點云和待匹配三維點云的重心，并將其移動到同一坐標(biāo)下的相同位置； 2 )、計算兩組點云的最小矩形包圍盒，旋轉(zhuǎn)點云使得最小包圍盒的朝向一致； 3) 、得到兩個點云集合的互協(xié)方差矩陣； 4) 、利用反對稱矩陣構(gòu)造列向量，并用該列向量生成一個4*4維的對稱矩陣； 5) 、計算步驟4)、所得對稱矩陣的特征值和單位特征向量； 其中，最大的特征估值對應(yīng)的單位特征向量為最佳旋轉(zhuǎn)矩陣； 6) 、計算最佳平移向量； 7) 、根據(jù)步驟5)得到的旋轉(zhuǎn)矩陣以及步驟6)得到的最佳平移向量，得到配準(zhǔn)狀態(tài)向量； 8) 、構(gòu)建匹配識別目標(biāo)函數(shù)： 兵〒，於衣不悮諏總，Xi衣不符匹Ktf、」總云，R表示旋轉(zhuǎn)矩陣，4表示最佳旋轉(zhuǎn)矩陣， 各表示最佳平移向量，I I · I I2表示歐式距離的平方； 9) 、根據(jù)步驟7)得到的配準(zhǔn)狀態(tài)向量，計算步驟8)匹配識別目標(biāo)函數(shù)的最小均方誤差； 10) 、根據(jù)多次匹配實驗測定第二閾值，將步驟9)得到的最小均方誤差與第二閾值進(jìn)行 比較，若最小均方誤差大于該閾值，則用計算出的平移向量和旋轉(zhuǎn)矩陣得到的點云數(shù)據(jù)陣 代替原待匹配點云，并跳轉(zhuǎn)至步驟S31，否則當(dāng)最小均方誤差小于或等于第二閾值，或者迭 代次數(shù)大于預(yù)設(shè)最大迭代次數(shù)時，停止迭代。6. -種靜脈輪廓識別裝置，其特征在于，包括:紅外光源、紅外濾光片、手指槽、輕觸電 源開關(guān)、左右兩臺攝像機(jī)、電源、電源控制電路以及外部處理設(shè)備;所述外部處理設(shè)備為:PC 機(jī)或ARM接口板或DSP處理板； 紅外光源設(shè)置于底部，左右兩臺攝像機(jī)設(shè)置于頂部，中間為放置手指的手指槽，手指槽 一端設(shè)有一個輕觸開關(guān);在左右兩個攝像機(jī)鏡頭上都加了紅外濾光片，用以濾除非紅外光； 手指槽、紅外光源和左右兩臺攝像機(jī)處于同一水平面上； 手指與紅外光源垂直且距離為lcm，攝像機(jī)與手指的垂直距離大約8cm; 左右兩個攝像頭之間的距離大約3cm。
【文檔編號】G06K9/00GK106022210SQ201610288717
【公開日】2016年10月12日
【申請日】2016年5月4日
【發(fā)明人】不公告發(fā)明人
【申請人】成都指碼科技有限公司