徐 日，張 裕，陳晶華

（1.北京電子科技學(xué)院，北京 100070；2.上海機(jī)電工程研究所，上海 201109）

基于掌紋識(shí)別技術(shù)的BESTPAL系統(tǒng)

徐 日1，張 裕1，陳晶華2

（1.北京電子科技學(xué)院，北京 100070；2.上海機(jī)電工程研究所，上海 201109）

傳統(tǒng)的掌紋識(shí)別系統(tǒng)大多以接觸式為主，且設(shè)備昂貴、靈活性和移動(dòng)性較差。為了拓展掌紋識(shí)別技術(shù)的應(yīng)用，設(shè)計(jì)以網(wǎng)絡(luò)攝像頭和手機(jī)攝像頭為采集端的非接觸式掌紋識(shí)別系統(tǒng)。獲取掌紋圖像時(shí)，在攝像頭的預(yù)覽畫面加限制輪廓，解決在非接觸式圖像采集過(guò)程中因位置不固定而造成掌紋特征紋理圖像產(chǎn)生偏移的問(wèn)題。在掌紋預(yù)處理階段，針對(duì)獲取的掌紋圖像特點(diǎn)，實(shí)現(xiàn)一種能夠精確定位掌紋特征分離點(diǎn)和截取感興趣區(qū)域的預(yù)處理算法，并通過(guò)小波變換實(shí)現(xiàn)掌紋圖像的特征提取和特征匹配。測(cè)試結(jié)果表明，通過(guò)對(duì)400人不同掌紋圖像的識(shí)別處理，BESTPAL掌紋識(shí)別系統(tǒng)達(dá)到較高的識(shí)別率。

實(shí)時(shí)掌紋識(shí)別；多分辨率分析；小波變換；攝像頭

0 引言

掌紋識(shí)別是利用手掌紋理進(jìn)行身份識(shí)別的技術(shù)，通常包含4個(gè)部分：掌紋獲取、預(yù)處理、特征提取和掌紋匹配。掌紋采集是獲取掌紋圖像進(jìn)行掌紋識(shí)別的基礎(chǔ)；預(yù)處理主要完成掌紋圖像的去噪、增強(qiáng)、分割、定位和歸一化等［1］；特征提取是采用一定的算法提取掌紋的紋理特征；掌紋匹配是把提取得到的掌紋特征與要識(shí)別的掌紋進(jìn)行匹配的過(guò)程。

在組成掌紋紋理的基本構(gòu)件中，乳突紋具有一定的振蕩性，而掌紋線沒(méi)有振蕩性。對(duì)于非振蕩的信號(hào)來(lái)說(shuō)，小波系數(shù)會(huì)隨著小波分解尺度的增加而增加；而對(duì)于振蕩信號(hào)來(lái)說(shuō)，大尺度的小波系數(shù)比振蕩頻率相對(duì)應(yīng)的小尺度系數(shù)要小的多。因此采用二維小波變換可以較好地刻畫掌紋圖像。

BESTPAL掌紋識(shí)別系統(tǒng)通過(guò)攝像頭實(shí)時(shí)非接觸地獲得掌紋圖像，通過(guò)基于模板匹配的方法分割出ROI區(qū)域作為掌紋特征提取的輸入圖，采用基于小波能量特征的多分辨率掌紋識(shí)別技術(shù)提取掌紋特征值，進(jìn)而以加權(quán)城區(qū)距離進(jìn)行掌紋特征匹配。在此以網(wǎng)絡(luò)和手機(jī)攝像頭采集掌紋設(shè)計(jì)BESTPAL實(shí)時(shí)掌紋識(shí)別系統(tǒng)。

1 BESTPAL掌紋系統(tǒng)圖像獲取

傳統(tǒng)的掌紋圖像獲取采用脫機(jī)掌紋圖像較多，最大缺點(diǎn)是不能實(shí)現(xiàn)實(shí)時(shí)識(shí)別掌紋，從而嚴(yán)重限制了其應(yīng)用范圍。隨著網(wǎng)絡(luò)的技術(shù)發(fā)展，通過(guò)智能手機(jī)采集掌紋圖像，并通過(guò)網(wǎng)絡(luò)發(fā)送到計(jì)算端進(jìn)行掌紋識(shí)別，可以實(shí)現(xiàn)實(shí)時(shí)識(shí)別掌紋圖像。

在使用網(wǎng)絡(luò)攝像頭采集掌紋圖像時(shí)，攝像頭和手掌非接觸，若不限制攝像頭和手掌，攝像頭和人手的不斷變化必然導(dǎo)致即便是同一個(gè)人的手掌，不同時(shí)間采集的掌紋也會(huì)不同，實(shí)時(shí)采集應(yīng)限制手掌的平移和旋轉(zhuǎn)。

網(wǎng)絡(luò)攝像頭分辨率和清晰度有限，采集得到的掌紋圖像在像素分辨率和清晰度上只能達(dá)到一般要求，掌紋的細(xì)節(jié)紋理會(huì)在一定程度上丟失。網(wǎng)絡(luò)攝像頭優(yōu)勢(shì)是實(shí)時(shí)顯示、采集和識(shí)別。為使手機(jī)達(dá)到相同的效果，將手機(jī)采集到的掌紋通過(guò)網(wǎng)絡(luò)傳輸給計(jì)算服務(wù)端的掌紋識(shí)別系統(tǒng)。網(wǎng)絡(luò)傳輸速率高，掌紋采集、傳輸?shù)阶R(shí)別耗時(shí)可忽略，可實(shí)現(xiàn)類實(shí)時(shí)采集和實(shí)時(shí)顯示的效果。使用手機(jī)進(jìn)行掌紋圖像采集時(shí)，抗平移、旋轉(zhuǎn)的原理與網(wǎng)絡(luò)攝像頭相同，即在采集預(yù)覽畫面上覆蓋限制輪廓，限定采集者手掌的位置和旋轉(zhuǎn)，如圖1所示。

圖1 手機(jī)攝像頭預(yù)覽畫面

2 BESTPAL掌紋圖像預(yù)處理

預(yù)處理的目標(biāo)是得到可供有效特征提取的中心感興趣區(qū)域（ROI）。BESTPAL掌紋識(shí)別系統(tǒng)完成實(shí)時(shí)掌紋圖像的預(yù)處理步驟如下：

①將彩色的掌紋圖像轉(zhuǎn)化為灰度圖像［2］。

②將灰度圖像轉(zhuǎn)化為二值圖像來(lái)分割手掌圖像與背景［3］。

圖像闕值分割技術(shù)［4］是當(dāng)前廣泛使用的一種圖像分割技術(shù)，基本原理如下：

式中，Z為闕值；Ze和Zb為任意選定的目標(biāo)和背景灰度級(jí)。闕值的選取可以從圖像的灰度直方圖分析確定，待處理圖像的灰度直方圖呈明顯雙峰狀，選擇兩峰間谷底對(duì)應(yīng)的灰度級(jí)作為闕值。

因二值化后的手掌圖像分布比較穩(wěn)定，采用簡(jiǎn)單的輪廓提取算法即可實(shí)現(xiàn)手掌圖像輪廓提取［5］。

③檢測(cè)手掌圖像的特征分離點(diǎn)［6］。對(duì)手掌輪廓圖像進(jìn)行處理，核心問(wèn)題是找到食指與中指、中指與無(wú)名指以及無(wú)名指與小指之間的分離點(diǎn)［7］。由于拇指與食指間不存在掌紋線信息，因此，拇指與食指之間的分隔不予考慮。為有效檢測(cè)出上述3個(gè)特征分離點(diǎn)，采用一種模板匹配的方法，得到期望的特征分離點(diǎn)，算法描述如下：對(duì)一幅手掌輪廓圖像L（i，j），其水平向右橫坐標(biāo)值依次增加，豎直向下縱坐標(biāo)值依次增加，該圖像的一個(gè)3×3像素區(qū)域坐標(biāo)描述如下。

考慮一個(gè)大小為3×3的模板T（i，j），若以手掌輪廓圖像中任意一點(diǎn)為該模板的中心像素點(diǎn)，則有T（i，j）＝L（i，j），其中i∈（i－1，i＋1），j∈（j－1，j＋1）。

模板與手掌輪廓圖像的匹配關(guān)系，可描述為：

步驟1：若L（i，j）≠0中，則放棄載入該像素點(diǎn)；即只匹配黑色像素點(diǎn)，白色像素點(diǎn)不包含手掌的輪廓，不進(jìn)行像素的模板匹配；

步驟4：若像素點(diǎn)L（i－1，j－1）≠0且L（i－1，j＋1）≠0則放棄該像素點(diǎn)，即特征極值點(diǎn)不包含手掌輪廓中不連續(xù)的像素點(diǎn)；

步驟5：按照從左到右、從上到下順序遍歷要提取特征極值點(diǎn)的區(qū)域，重復(fù)步驟2～步驟4，依次記錄可能的特征分離點(diǎn)。在使用基于模板匹配的方法對(duì)手掌輪廓圖像進(jìn)行遍歷后，能有效提取出輪廓圖像的可能極值點(diǎn)，如圖2所示。為找出單一特征分離點(diǎn)，需將上述方法檢測(cè)出的特征極值點(diǎn)按圖像特征進(jìn)行分簇，計(jì)算出每一簇坐標(biāo)均值，從而得出每一簇的唯一特征分離點(diǎn)［8］。

④根據(jù)特征定位點(diǎn)提取掌紋圖像中有效感興趣區(qū)域［9］。

將上述得到的3個(gè)特征分離點(diǎn)記為A（食指和中指谷點(diǎn)），B（中指和無(wú)名指谷點(diǎn)），C（無(wú)名指和小指谷點(diǎn)）。計(jì)算AC直線和手掌圖像水平線的夾角α，將手掌圖像以圖像中心旋轉(zhuǎn)α度，使AC直線和水平線平行。以AC的中點(diǎn)為原點(diǎn)，向下垂直搜尋固定像素，將得到的點(diǎn)作為感興趣區(qū)域的中心點(diǎn)，進(jìn)而截取128×128的感興趣區(qū)域。

圖2 輪廓圖像極值簇點(diǎn)

3 BESTPAL掌紋特征提取

BESTPAL掌紋識(shí)別系統(tǒng)采用如下算法進(jìn)行掌紋圖像的預(yù)處理［10］。

①對(duì)預(yù)處理后的掌紋圖像進(jìn)行J級(jí)二維小波分解，得到3J＋1幅子圖像，即［AJ，｛Hi，Vi，Di｝i＝1，…，J］；

②把每個(gè)細(xì)節(jié)圖像等分成S×S個(gè)不相交的塊，并計(jì)算每個(gè)細(xì)節(jié)圖像中每一塊的能量，并形成一個(gè)矢量。

設(shè)Hi、Vi、Di分別是圖像I的第i級(jí)小波分解在水平方向、垂直方向和對(duì)角線方向上的細(xì)節(jié)圖像，則該圖像在對(duì)應(yīng)方向上的第i級(jí)小波能量定義如式（2）、式（3）和式（4）所示。

這些能量反映了圖像I在第i級(jí)小波分解下水平、垂直和對(duì)角線方向上的邊緣強(qiáng)度。各個(gè)小波分解級(jí)上的能量組成的向量為

式中，M為小波分解的總級(jí)數(shù)，對(duì)掌紋圖像的全局信息進(jìn)行描述，是一種全局特征，不能描述掌紋上的局部信息，而掌紋上掌紋線和乳突紋的特性都與它們?cè)诳臻g位置上的分布密切相關(guān)［11］。因此，式（5）不能很好地刻畫掌紋的紋理特征。為解決此問(wèn)題，將每個(gè)細(xì)節(jié)圖像等分成S×S個(gè)不相交的區(qū)塊，如圖3所示。

圖3 小波分解細(xì)節(jié)圖像劃分

歸一化得到V稱為小波能量特征。定義第i級(jí)小波能量特征如下：

即第i級(jí)小波能量特征由第i級(jí)小波分解系數(shù)計(jì)算得出，反映了圖像在尺度2－i上（對(duì)應(yīng)的分辨率為原始分辨率的2－i），不同位置及不同方向的紋理特性。

4 BESTPAL掌紋特征匹配

掌紋的小波能量特征［12］是由各級(jí)小波能量特征組合而成的，可定義式（10）所示的加權(quán)城區(qū)距離來(lái)衡量不同掌紋圖像的小波能量特征之間的相似度［13］。

式（10）中，V和U為2個(gè)小波能量特征；M為小波分解的總級(jí)數(shù)；S×S為對(duì)細(xì)節(jié)圖像劃分的塊數(shù)；Vi＝分別為V和U的第i級(jí)小波能量特征。Ci為對(duì)第i級(jí)小波能量特征的加權(quán)。當(dāng)Ci＝1時(shí)，是普通（非加權(quán)）城區(qū)距離的定義。

權(quán)值Ci根據(jù)各級(jí)小波能量特征對(duì)掌紋的區(qū)分能力計(jì)算，區(qū)分能力越強(qiáng)，對(duì)應(yīng)的權(quán)值越大，反之權(quán)值越小。

5 測(cè)試分析

數(shù)據(jù)來(lái)自BESTPAL掌紋識(shí)別系統(tǒng)采集的掌紋圖像。圖庫(kù)有4 000張圖像，分別來(lái)自400個(gè)人，每人10張。選取Harr小波對(duì)掌紋圖像進(jìn)行分解，總級(jí)數(shù)為5。在計(jì)算小波能量特征時(shí)，每個(gè)細(xì)節(jié)圖像均被分為（4×4）塊［14］。

用加權(quán)城區(qū)距離進(jìn)行掌紋匹配，首先計(jì)算各級(jí)小波能量特征的加權(quán)系數(shù)Ci。由關(guān)于5級(jí)小波分解中各級(jí)小波能量特征對(duì)掌紋的區(qū)分能力和實(shí)驗(yàn)值，得出各級(jí)小波能量特征對(duì)掌紋的區(qū)分能量由強(qiáng)到弱依次為4、3、5、2、1，并采用其Ci值，如表1所示。

表1 各級(jí)小波能量特征的加權(quán)系數(shù)

在掌紋匹配中，主要對(duì)掌紋合法匹配和非法匹配測(cè)試。掌紋合法距離匹配（類內(nèi)匹配）是將同一手掌不同圖像進(jìn)行匹配。掌紋非法距離匹配（類間匹配）是將不同手掌的圖像進(jìn)行匹配。為測(cè)試小波能量特征的掌紋匹配效果，共進(jìn)行14 400次合法匹配和非法匹配，結(jié)果如圖4所示［15］。選取0.14～0.2的閾值和所得出的識(shí)別精度值如表2所示。

圖4 合法距離匹配和非法距離匹配結(jié)果

由表2得出合法匹配的識(shí)別精度隨著閾值的升高而升高；非法匹配的識(shí)別精度隨著閾值的升高而降低。當(dāng)選取閾值0.15時(shí)，可以實(shí)現(xiàn)掌紋類內(nèi)精度和類間精度達(dá)到較好平衡的狀態(tài)，分別為97.22%和98.45%。因此，在實(shí)際的掌紋識(shí)別系統(tǒng)中，可以選擇閾值0.15作為掌紋識(shí)別的門限值。

表2 識(shí)別精度

6 結(jié)束語(yǔ)

利用攝像頭非接觸采集掌紋圖像，實(shí)現(xiàn)以網(wǎng)絡(luò)攝像頭和手機(jī)為采集端，以模板匹配方法和多分辨率分析的掌紋識(shí)別技術(shù)為核心的BESTPAL掌紋識(shí)別系統(tǒng)。采集限制輪廓的應(yīng)用有效的克制了因采集圖像位移和旋轉(zhuǎn)等造成的識(shí)別精度的降低。改進(jìn)的基于模板匹配方法有效地定位了特征分離點(diǎn)，較好地完成了掌紋ROI區(qū)域的截取。結(jié)果表明，在保證較高識(shí)別精度的前提下，系統(tǒng)有效提高了掌紋識(shí)別的靈活性，拓寬了掌紋識(shí)別技術(shù)的應(yīng)用。

［1］何國(guó)棟，丁緒星，秦慧平，等.一種新的圖像自適應(yīng)閾值去噪方法［J］.無(wú)線電通信技術(shù)，2014，40（2）：60－62.

［2］李文新，張大鵬，許卓群.基于傅立葉變換的掌紋識(shí)別方法［J］.軟件學(xué)報(bào)，2002，13（5）：879－886.

［3］郭 健，劉 斌，賴海燕.基于二值圖像的目標(biāo)邊界跟蹤算法［J］.紅外技術(shù)，2005，27（5）：416－418.

［4］王 萌，阮秋琦.掌紋圖像的獲取及其處理［J］.計(jì)算機(jī)應(yīng)用研究，2007，24（6）：161－164.

［5］劉 富，侯 濤，欒 慧，等.掌紋輪廓特征點(diǎn)提取新方法［J］.吉林大學(xué)學(xué)報(bào)（工學(xué)版），2007，37（4）：897－900.

［6］李 東.基于多小波的掌紋文獻(xiàn)識(shí)別算法研究［D］.吉林：吉林大學(xué)，2011：18－25.

［7］林 森，苑瑋琦.掌紋感興趣區(qū)域定位與選擇方法綜述［J］.計(jì)算機(jī)工程與應(yīng)用，2011，47（14）：21－24.

［8］薛 燕，趙轉(zhuǎn)萍.基于視覺(jué)技術(shù)的邊緣跟蹤輪廓測(cè)量系統(tǒng)［J］.機(jī)械設(shè)計(jì)與制造，2009（7）：209－211.

［9］張靜遠(yuǎn)，張 冰，蔣興舟.基于小波變換的特征提取方法分析［J］.信號(hào)處理，2000，16（2）：155－162.

［10］楊福生.小波變換的工程分析與應(yīng)用［M］.北京：中國(guó)科學(xué)出版社，1999：112－144.

［11］李子良，田啟川，朱艷春，等.基于幾何特征的掌紋區(qū)域分割算法［J］.計(jì)算機(jī)應(yīng)用研究，2010，27（6）：2 370－2 372.

［12］翟 莉，趙 亮.一種小波包域圖像自適應(yīng)水印算法［J］.無(wú)線電工程，2013，43（2）：23－26.

［13］蘇曉生，林喜榮，丁天懷，等.基于小波變換的掌紋特征提?。跩］.清華大學(xué)學(xué)報(bào)（自然科學(xué)版），2003，43（8）：1 049－1 051.

［14］王旭晨，孫愛(ài)程.一種基于閾值的圖像分割算法研究［J］.無(wú)線電工程，2012，42（9）：34－37.

［15］張 倩，占 君，陳 珊.詳解Matlab圖像函數(shù)及其應(yīng)用（第2版）［M］.北京：電子工業(yè)出版社，2011：117－127.

BESTPAL System Based on Palm Print Identification Technology

XU Ri1，ZHANG Yu1，CHEN Jing-hua2
（1．Beijing Electronic Science and Technology Institute，Beijing 100070，China；2．Shanghai Institute of Mechanical and Electrical Engineering，Shanghai 201109，China）

The traditional palm print identification system are mostly of contact-type with expensive equipment，weak flexibility and mobility.In order to extend the application of palm print identification technology，the non-contact palm print identification system is designed，which uses webcams and mobile phone cameras to get images.When getting the images，by adding restrictions outlines to the image preview of cameras，the system can solve the problem of deviation of palm print feature texture image caused by the unstable palm positions in the collection of palm images.On the pre-processing stage，based on the collected features of palm print images，the system can realize a preprocessing algorithm，which can fix the palm print feature separation point accurately and intercept the interested area of palm print images.In addition，it can implement the feature extraction and matching by wavelet.The test result shows that BESTPAL palm print identification system has higher recognition by testing different palm images of 400 people.

real-time palm-print identification；multi-resolution analysis；wavelet transform；camera

TP309

A

1003－3106（2015）10－0029－05

10.3969／j.issn.1003－3106.2015.10.08

徐 日，張 裕，陳晶華.基于掌紋識(shí)別技術(shù)的BESTPAL系統(tǒng)［J］.無(wú)線電工程，2015，45（10）：29－33.

徐 日男，（1978—），碩士研究生，講師。主要研究方向：信息安全。

2015-07-16

北京市自然科學(xué)基金資助項(xiàng)目（4132066）。

張 裕男，（1992—），本科。主要研究方向：圖像處理。