变化姿态下的手部静脉识别关键问题研究

静脉识别作为一种新兴的生物特征识别技术，由于其特有活体检测能力吸引了研究人员的关注，但目前的研究主要集中在固定姿态下的手部静脉识别，这种方式限制了人手的摆放姿势和距离。对此，本课题以中远距离动态获取的变化姿态静脉图像为研究对象，对此类图像识别过程中的关键问题进行深入研究。首先探讨变化姿态下静脉图像ROI区域的稳定提取方法。然后，深入研究变化姿态下静脉图像两类特征的稳定提取和匹配，一是采用最大邻域内矢量差和最大邻域点跟踪法设计静脉灰度图像的多步骤一体化融合处理算法，实现静脉纹路细节点特征的直接获取，减少分步骤处理过程中造成的特征损失和噪声叠加。二是针对变化姿态静脉图像存在光照变化和投影变换的问题，采用GLOH算法和SURF方法提取图像的不变性特征，消除姿态变化对特征提取的影响。本课题根据静脉识别技术的研究现状和实际应用需求进行提炼，具有重要的科学意义和应用价值。

本课题在国家自然科学基金的支持下，对非接触方式下的变化姿态静脉图像识别关键问题进行了深入和系统的研究，在多个方面都取得了不错的成果，包括16篇已经发表的科研论文，3项公开发明专利和1项软件版权，以及一套可以脱机演示的基于静脉和指纹联合认证方式的智能门禁系统。.研究成果中的主要贡献和创新性体现在变化姿态静脉图像的ROI提取，纹理提取，特征描述，特征融合以及与其他生物特征模态的融合等方面：1）针对常见的光照不均和纹理模糊的情况，提出了基于最大邻域内差矢量图（VGMIND）的静脉纹理提取方法，实现无需预处理而直接从源图像中提取出清晰的静脉纹理；2）为了克服手掌姿态变化对ROI区域提取的影响，提出了一种新的ROI区域提取方法，不但可稳定获取ROI，还提高了ROI中的特征信息容量；3）考虑到静脉图像中不同区域对特征识别贡献的差异性，提出了一种基于共同前景LBP (MFLBP)的掌静脉识别算法，并通过与算法实现过程中产生的模板匹配结果进行分数层融合，大大提高了掌静脉识别的准确率；4）为了充分利用变化姿态静脉图像的特征，提出了基于多采样和特征层融合的静脉识别策略，大幅提高了非接触式掌脉的识别率；5）为了进一步提高姿态变化下静脉识别的鲁棒性，提出了一种高抗仿射变换和单应性亮度变化描述子RATMIC，可以克服姿态变化带来的手掌形变和光照变化；6）在RATMIC基础上继续深入，提出了一种快速的基于双方向图的局部不变图像描述子FRDOH，该方法和RATMIC方法在保证高识别精度的情况下，极大降低了特征提取和匹配的计算时间；7）从信息互补的角度出发，提出了基于指纹指横纹与指静脉的融合认证方法，在处理时间小幅增加的情况下，大幅提高认证精度和防伪性；8）还将研究过程中的最新成果创新性的应用到实际的门禁系统中，实现了一套基于多生物特征融合认证的智能门禁系统，并制作了可独立运行的样机。