苑瑋琦，王黎黎，張寧寧

（沈陽工業(yè)大學(xué)視覺檢測技術(shù)研究所，遼寧沈陽 110870）

0 引言

手掌皮下靜脈和掌紋具有很好的穩(wěn)定性和唯一性，自然狀態(tài)下手掌為半握狀態(tài)，特征信息不易被獲取;手掌掌形特征簡單，測量量小，認證速度快 ，可作為靜脈和掌紋識別的重要條件。雖然手部指紋特征也具有不變性［2］，但指紋特征極易被竊取。與單一模態(tài)系統(tǒng)相比，采用手掌靜脈、掌紋和掌形3種模態(tài)相結(jié)合設(shè)計的采集系統(tǒng)優(yōu)勢互補，降低了檢測復(fù)雜度，能更好地適用于安防、考勤等要求較高安全性的場合，并結(jié)合非接觸方式采集，避免了疾病的傳染。

本文設(shè)計了一種在非接觸條件下采集手掌靜脈、掌紋和掌形三模態(tài)圖像的采集系統(tǒng)，它為非接觸手多模態(tài)信息融合識別技術(shù)搭建了理想的硬件平臺。

分析手部三模態(tài)成像原理和特征，設(shè)計并選擇能夠同時清晰獲取3種模態(tài)特征的圖像傳感器和鏡頭，使三幅圖像手掌位置不發(fā)生改變。配合圖像傳感器采用可見光與850 nm近紅外光補光系統(tǒng)，設(shè)計系統(tǒng)光源的均勻性排布和控制電路。拍攝的三模態(tài)圖像數(shù)據(jù)通過千兆網(wǎng)線上傳到計算機中，通過手限定區(qū)域定位功能使手掌限定在可識別的范圍內(nèi)，解決了非接觸式手掌位置不固定影響識別的問題。最終，對三模態(tài)圖像進行融合識別，通過上位機軟件實時顯示識別結(jié)果。本系統(tǒng)可實時快速獲取手部三模態(tài)特征圖像進行身份識別，實用性強。

1 系統(tǒng)總體硬件結(jié)構(gòu)

圖1為系統(tǒng)總體框圖。此系統(tǒng)為非接觸式采集圖像，被采集者站立時水平自然伸出手掌，即可進行采集?？刂齐娐分饕糜诠庠辞袚Q和光強調(diào)整。采用可在多光譜下成像的雙CCD攝像機，符合系統(tǒng)焦距、景深、視角等要求的鏡頭，以及由近紅外及可見光LED組成的系統(tǒng)光源。攝像機、鏡頭、光源和采集箱體構(gòu)成了采集環(huán)境。另外，若實驗需要，本系統(tǒng)也可以單獨采集任一模態(tài)的手部特征圖像。

圖1 系統(tǒng)總體框圖Fig 1 Block diagram of system

2 手部三模態(tài)特征成像原理

計算機視覺系統(tǒng)中的紅外光主要用于半透明等的物體檢測，而在近紅外區(qū)域內(nèi)體液和軟組織相對透明，720～1100 nm波長的近紅外光能夠較好地透射進入皮下組織［3］。而血液中的血紅蛋白對近紅外光譜有較多的吸收，此時采用對近紅外光敏感度高的圖像傳感器就會獲取到靜脈圖案。掌紋、掌形特征分布在手掌表面，主要獲取掌紋的紋理特征和掌形的尺寸特征，肉眼在可見光下可觀察到，因此，采用對可見光敏感度高的圖像傳感器，即可獲取包含掌紋、掌形特征的圖像。

3 成像單元設(shè)計

圖像傳感器和鏡頭對成像質(zhì)量起著非常關(guān)鍵的影響，必須在極短的時間內(nèi)拍攝3種模態(tài)特征的圖像，并使成像的分辨率、對比度、景深等能夠達到系統(tǒng)的使用要求。

3．1 光學(xué)攝像機

本系統(tǒng)要求的攝像機能夠同時采集手掌靜脈、掌紋、掌形3種模態(tài)特征的圖像，即能夠在可見光波段和近紅外波段都能清晰地成像，并且3種模態(tài)特征的圖像手掌位置一致，以便識別時能準(zhǔn)確定位，簡化算法。電荷耦合器件（charge coupled device，CCD）攝像機解析度高、靈敏度高、分辨率高、畸變小、噪聲低，能夠很好地滿足本設(shè)計要求。

采用雙CCD多光譜攝像機，內(nèi)部集成雙圖像傳感器，圖2［4］為本系統(tǒng)圖像傳感器光譜，對可見光和近紅外都有較好的感光特性，并且采用1/3 in逐行掃描傳感器，有效像素為1024×768，對于手掌靜脈和掌紋的細微紋理特征都能夠清晰地捕獲。該相機內(nèi)部集成可見光和近紅外2只感光元件和分光棱鏡，如圖3，可將入射相機里的光線分離成2路射入可見光傳感器和近紅外傳感器，分別進行光電轉(zhuǎn)換。2片CCD上可以獲得2張角度和視場完全一致的圖像。因此，采用本攝像機在成像時，三模態(tài)特征可以分別成像，互不干擾，通過對上位機軟件的二次開發(fā)，實現(xiàn)了同時采集。

圖2 圖像傳感器近紅外與可見光響應(yīng)曲線Fig 2 Response curve of sensor in NIR and visible light

圖3 雙CCD相機成像過程Fig 3 Imaging process of dual CCD camera

3．2 鏡頭的計算與選擇

鏡頭應(yīng)用于多光譜成像，成像距離為200 mm左右，并應(yīng)使手掌能夠成像完整。攝像機的傳感器尺寸為1/3 in，即4．8 mm ×6．4 mm，焦距可計算為

其中，f為鏡頭焦距，D為被攝物體距鏡頭的距離，W和H分別為被攝物體的寬度和高度，w和h分別為CCD靶面的寬度和高度，如圖4，計算得到系統(tǒng)鏡頭焦距f約為4mm，此時修正的手掌表面距離鏡頭為222．22 mm。

圖4 鏡頭成像原理示意圖Fig 4 Schematic of lens imaging

鏡頭需拍攝全整個手掌以便進行識別，即鏡頭的視場角（如圖5）。水平和垂直視場角θw，θh由下式計算得到

式中 垂直視角 θh=58．76°，水平視角 θw=48．49°。只有大于或等于該值鏡頭才能使手掌全部被捕捉到。另外，為了使3幅圖像能夠有相同的焦點，需選用不帶紅外濾光片的3CCD鏡頭?；谝陨嫌嬎悖x擇鏡頭焦距為4 mm，靶面大小為1/2in，視角為64．5°×49．2°，能夠與攝像機配套使用。

圖5 鏡頭視場角計算圖Fig 5 Calculation of lens field of view angle

本系統(tǒng)為非接觸設(shè)備，被采集者手掌放置位置會有偏差，需考察所選鏡頭的景深（圖6），即在手掌被聚焦清晰后，在該位置前面和后面也可聚焦清晰的區(qū)域大小，通過下式計算

圖6 鏡頭景深示意圖Fig 6 Schematic diagram of lens filed depth

其中，F(xiàn)為鏡頭焦距與鏡頭有效孔徑之比，T1為前景深，T2為后景深，C為最小模糊圓周，1/2型=0．015 mm，計算得H=592．59mm，T1=162．58mm，T2=352．59mm。前景深與后景深范圍合理，被測者手掌采集位置可以有一定偏差，滿足系統(tǒng)要求。

使用該攝像機和鏡頭，拍攝到的手掌靜脈、掌紋及掌形圖像如圖7，3幅圖像手掌位置不變，大小適中，掌紋紋路特征清晰，靜脈特征明顯。

圖7 系統(tǒng)采集的手掌靜脈、掌紋、掌形圖像Fig 7 Image of palm vein，print and shape acquired by system

4 補光模塊設(shè)計

機器視覺系統(tǒng)中，合適的補光模塊可以使圖像獲得最佳的對比度、亮度以及魯棒性。結(jié)合三模態(tài)成像原理、手掌尺寸及紋理特征等規(guī)律設(shè)計系統(tǒng)補光模塊。

4．1 光譜的選擇

上述近紅外光可適用皮下靜脈成像。設(shè)計760，850，890，940 nm 4個波段光源板選擇本系統(tǒng)的靜脈最佳成像波段，采用50人分別在4種波段下采集10幅靜脈圖像，共計2000幅。

圖8（a）～（d）為其中一名被采集者在4個波段采集的靜脈圖像，使用FDR手掌靜脈成像清晰度模型計算手掌靜脈像素與周圍組織像素灰度值的對比度

式中RFDR（vt）為靜脈及其周圍區(qū)域像素集合的FDR，μtissue為靜脈周圍區(qū)域灰度值的平均值，μveir為靜脈區(qū)域灰度值的平均值 ，σ2tissue為靜脈周圍組織像素對應(yīng)灰度值的總體方差，σ2vein為靜脈像素對應(yīng)灰度值的總體方差，掌靜脈圖像清晰度越好，則RFDR（vt）值越大。對2000幅圖片分別計算RFDR（vt）均值，以此評價手掌靜脈圖像清晰度［5］，如表1，由上述實驗數(shù)據(jù)看出:850nm波長的RFDR（vt）最大，即采用850 nm光源作為手掌靜脈最佳成像波長。

圖8 同一被測者四波段靜脈圖像Fig 8 Four-band vein image of same person

掌紋成像是由于屈肌紋處留下光源的陰影，使掌紋與非掌紋區(qū)域?qū)Ρ榷仍龃?。波長小的光穿透性弱，且不易發(fā)生衍射，有利于掌紋成像。同一光強下藍光與紅光、綠光對比成像效果如圖9，藍光下掌紋主線清晰、對比度大、反光少，采用470 nm藍光光源作為掌紋成像光源。掌形特征獲取輪廓，需要手掌與背景產(chǎn)生較大的對比度。本系統(tǒng)采用能使掌紋成像的最大光強作為掌形的成像光源，系統(tǒng)更加便捷、經(jīng)濟、使用度高。

表1 各波長下手掌靜脈圖像FDRTab 1 FDR of palm vein under each wavelength

圖9 藍光、紅光、綠光掌紋圖像Fig 9 Image of palm print under blue，red，green light

4．2 光源的均勻性優(yōu)化設(shè)計

光源光照要能夠均勻覆蓋手掌，并且亮度保持穩(wěn)定。光源的均勻性取決于手掌表面與光源的距離，光源的入射角度，被測試手掌的反射率等。采用常見的LED作為發(fā)光光源。

單個LED發(fā)光時光強與發(fā)光角度無關(guān)，LED表面各個方向光強均勻。將單個LED假設(shè)為朗伯發(fā)光體，光強分布為朗伯分布，并將單顆LED近似為點光源。照度的近似分布為［6］

其中，E0是垂直方向上距離LED為r處的照度值，θ為觀察角，m值為

其中，θ1/2為LED的半值角，半值角過小，會眩光，不利于手部特征的采集，選擇LED半值角為30°。根據(jù)上述公式計算得m值約為4．847，當(dāng)觀察角為半值角方向時，可得對應(yīng)的像素點的光強約為垂直方向光強的1/2。由于LED為非相干光源，相鄰2顆LED的距離小于單顆LED的發(fā)光半徑時，光強會產(chǎn)生直接疊加，設(shè)計光源時單顆LED的半值角方向光線能夠與相鄰LED發(fā)光法向方向的光線匯聚在被測表面上，則LED疊加量相等，能使光源最均勻，如圖10。

圖10 相鄰LED光強疊加示意圖Fig 10 Diagram of LED intensity superimposed

采用目前通用的方形排列方式［7］，經(jīng)統(tǒng)計普通人手掌分布在250 mm×200 mm的矩形內(nèi)，設(shè)計光源排布成4×15的矩形陣列，且光源矩形面積大于手掌。光源強度和光照分布如圖11，系統(tǒng)光源光照均勻，亮度穩(wěn)定。

圖11 光源效果與光照分布圖Fig 11 Diagram of lighting effects and distribution

使用的LED管壓降1．5～1．8 V，額定電流50 mA，光源板集成藍光光源與近紅外光光源。結(jié)合矩形陣列LED的光學(xué)結(jié)構(gòu)，采用串并行結(jié)合方式驅(qū)動?？筛鶕?jù)不同人手掌脂肪厚度差異，連續(xù)調(diào)節(jié)LED光強，并通過電流表直觀觀察。另外，設(shè)計集成760，850，890，960 nm 4個波段的近紅外光源板，可按需求切換。

5 系統(tǒng)應(yīng)用程序設(shè)計

5．1 手限定區(qū)域定位設(shè)計

采集的圖像通過千兆網(wǎng)卡傳送到電腦上，在識別之前，根據(jù)實驗室開發(fā)的識別軟件要求，需要對采集的圖像審核。檢測手掌4個方向極限邊緣點是否都分布在內(nèi)外邊界之間，是，則圖像予以采納進行識別;如果5點當(dāng)中的任意一點超出限定區(qū)域，則圖像不予采納，提示用戶重新擺放手掌進行采集。圖12為設(shè)計流程圖，使用內(nèi)外邊界框限定手掌，其中外邊界框180mm×220mm，內(nèi)邊界110mm×140mm。

圖12 手限定區(qū)域定位流程圖Fig 12 Flow chart of hand limited area

5．2 系統(tǒng)識別部分

拍攝的圖像除包含手掌靜脈、掌形、掌紋，還包含手指、手腕、環(huán)境背景等區(qū)域，識別時，分別對三種模態(tài)的圖像進行特征的提取，并且將識別結(jié)果進行融合，增加識別的可靠性和準(zhǔn)確性，軟件流程如圖13。

圖13 軟件識別流程圖Fig 13 Flow chart of software

6 結(jié)果與分析

本系統(tǒng)實物如圖14，系統(tǒng)開關(guān)、控制旋鈕及電流表均排布于面板上，使用本系統(tǒng)實時采集到三模態(tài)特征圖像如圖15，圖像清晰，特征明顯，圖像手掌姿勢和位置沒有發(fā)生變化。

圖14 采集系統(tǒng)實物圖Fig 14 Physical image of acquisition system

圖15 系統(tǒng)采集的三模態(tài)圖像Fig 15 Three-modal image acquired by system

設(shè)計一種完整的非接觸式手多模態(tài)特征采集系統(tǒng)，能夠同時清晰獲取手掌靜脈、掌紋、掌形三種模態(tài)特征圖像。采用帶有雙圖像傳感器的雙CCD攝像機，配合850，470 nm補光系統(tǒng)，很好地解決接觸式采集方法的局限性和單一模態(tài)采集方法的識別率受限等問題，為非接觸手多模態(tài)信息融合識別技術(shù)搭建了理想的硬件平臺。

［1］ Brunelli R，F(xiàn)alavigna D．Person identification using multiple cues［J］．IEEE Transactions on PAMI，1995，955 －966．

［2］ 李 俊，吳懷宇，李鵬飛，等．指紋圖像采集系統(tǒng)的設(shè)計與實現(xiàn)［J］．傳感器與微系統(tǒng)，2005，24（1）:38 －42．

［3］ Matcher S J，Elwell C E，Copper C E，et al．Performance comparison of several published tissue near-infrared spectroscopy algorithms［J］．Anal Biochem，1995，227:54 － 68．

［4］ Manual digital 2CCD progressive scan multi-spectral camera user’s manual［EB/OL］．［2009—10—09］．http:∥www．jai．com/camerasolutions/products/ad－080ge．

［5］ 吳 微，苑瑋琦，林 森，等．手掌靜脈識別典型波長選擇［J］．光學(xué)學(xué)報，2012，32（12）:1211002．

［6］ Wood D．Optoelectronic semiconductor devices［M］．Upper Saddle River:Prentice Hall，1994:84 －88．

［7］ Narukawa Y．White-light LEDs［J］．Opt＆ Photon News，2004，15:24－29．