在线单机非接触定焦成像手多模态信息融合识别技术

安全可靠的个人身份认证能够有效避免或抑制因身份代码被盗用给人民生命和财产所带来的巨大损失。本项目描述的在线单机非接触定焦成像手形、掌纹、手掌静脉多模态识别技术具备如下特征：特征信息不易被窃取使得安全性高，多模态融合使得可靠性高，定焦成像使得信息获取速度快、硬件成本低，非接触使得成像方便、卫生。上述特征融为一体用于个人身份认证的优势是现有生物特征识别系统所不具备的。一方面能够有效避免身份代码被盗用，另一方面应用范围广泛，可以形成一个产业。定焦摄像机非接触成像条件下，手与摄像机之间的距离和角度将因人而异，从而导致成像模糊和变形。国内外文献检索未发现关于模糊与变形的手形、掌纹、手掌静脉特征提取与识别研究报道。项目申请者前期研究发现，模糊与变形将影响识别率，为此提出手形、掌纹和手掌静脉多模态信息融合识别方法。本项目研究模糊、刚性变形成像下的手形、掌纹、手掌静脉特征提取以及融合识别方法。

本项目对基于手多模态的身份鉴别中的若干问题进行了研究，旨在给出基于手多模态的个人身份鉴别方法。从光学成像原理和手掌皮肤结构及光学特性出发，分别研究掌纹和掌脉非接触成像的光源波长的选择、强度设定、布局、摄像头与滤光片的选择等问题，研究和设计分别应用于理论研究和实际应用的手部非接触成像装置。对非接触式采集环境不稳定导致的掌纹图像变形问题进行了分析，给出基于刚性变形掌纹图像的归一化校正方法和基于非刚性配准算法的变形掌纹归一化方法，提出基于仿射尺度不变特征变换的变形掌纹识别方法。针对非接触式采集时离焦状态导致的掌纹模糊造成识别系统性能降低的问题，探讨掌纹图像清晰度评价函数与物距之间的对应关系，提出对模糊掌纹图像进行复原操作，并利用掌纹主线等稳定特征进行模糊掌纹识别的思想，以掌纹特征提取为研究目标，给出多种高性能的掌纹识别算法，构建适用于非接触定焦拍摄掌纹图像识别的解决方案。依据Fisher判别率掌脉成像清晰度模型，及3种典型的生物特征识别算法选择出掌脉识别最佳波长为：850nm。针对非接触图采集，在图像预处理中提出一种指根点提取方法，从而定位图像的感兴趣区域。在特征提取中，针对非接触式可能导致的平移、旋转和比例缩放，采用基于特征参量空间的掌脉识别方法。在特征匹配中，提出了一种特征点位移向量的简单快速的静脉匹配算法。为便于手形特征与其它特征融合，对手形特征进行选择，加入手掌长度的特征，并对各特征进行分类能力的评价，以及各特征之间相关性的分析，去除冗余特征，达到有效识别。针对红外光照下拍得的单一背景且光照不均匀的手图像，利用灰度梯度极值的方法在灰度图上提取手轮廓，缓解光照的影响。在不刻意旋转的非接触图库中，采用改进的直线拟合方法定位指尖点和指根点，改进的曲率法定位手腕点，用以计算各手形特征值，经验证校正后仍然具有原有特性。提出通过手部多特征融合的方式改善识别效果，针对掌纹和手掌静脉在选择合适的小波基下，通过高低频混合融合方式，实现掌纹掌脉数据融合后的图像在信息量等各方面均有较大提高，然后将掌纹、掌脉融合识别结果与手形识别结果进行决策融合后的总体识别效果得到更大提高。