徐 日，張 裕，陳晶華

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

基于掌紋識別技術的BESTPAL系統(tǒng)

徐 日1，張 裕1，陳晶華2

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

傳統(tǒng)的掌紋識別系統(tǒng)大多以接觸式為主，且設備昂貴、靈活性和移動性較差。為了拓展掌紋識別技術的應用，設計以網絡攝像頭和手機攝像頭為采集端的非接觸式掌紋識別系統(tǒng)。獲取掌紋圖像時，在攝像頭的預覽畫面加限制輪廓，解決在非接觸式圖像采集過程中因位置不固定而造成掌紋特征紋理圖像產生偏移的問題。在掌紋預處理階段，針對獲取的掌紋圖像特點，實現一種能夠精確定位掌紋特征分離點和截取感興趣區(qū)域的預處理算法，并通過小波變換實現掌紋圖像的特征提取和特征匹配。測試結果表明，通過對400人不同掌紋圖像的識別處理，BESTPAL掌紋識別系統(tǒng)達到較高的識別率。

實時掌紋識別；多分辨率分析；小波變換；攝像頭

0 引言

掌紋識別是利用手掌紋理進行身份識別的技術，通常包含4個部分：掌紋獲取、預處理、特征提取和掌紋匹配。掌紋采集是獲取掌紋圖像進行掌紋識別的基礎；預處理主要完成掌紋圖像的去噪、增強、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別的掌紋進行匹配的過程。

在組成掌紋紋理的基本構件中，乳突紋具有一定的振蕩性，而掌紋線沒有振蕩性。對于非振蕩的信號來說，小波系數會隨著小波分解尺度的增加而增加；而對于振蕩信號來說，大尺度的小波系數比振蕩頻率相對應的小尺度系數要小的多。因此采用二維小波變換可以較好地刻畫掌紋圖像。

BESTPAL掌紋識別系統(tǒng)通過攝像頭實時非接觸地獲得掌紋圖像，通過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別技術提取掌紋特征值，進而以加權城區(qū)距離進行掌紋特征匹配。在此以網絡和手機攝像頭采集掌紋設計BESTPAL實時掌紋識別系統(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掌紋圖像較多，最大缺點是不能實現實時識別掌紋，從而嚴重限制了其應用范圍。隨著網絡的技術發(fā)展，通過智能手機采集掌紋圖像，并通過網絡發(fā)送到計算端進行掌紋識別，可以實現實時識別掌紋圖像。

在使用網絡攝像頭采集掌紋圖像時，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致即便是同一個人的手掌，不同時間采集的掌紋也會不同，實時采集應限制手掌的平移和旋轉。

網絡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到一般要求，掌紋的細節(jié)紋理會在一定程度上丟失。網絡攝像頭優(yōu)勢是實時顯示、采集和識別。為使手機達到相同的效果，將手機采集到的掌紋通過網絡傳輸給計算服務端的掌紋識別系統(tǒng)。網絡傳輸速率高，掌紋采集、傳輸到識別耗時可忽略，可實現類實時采集和實時顯示的效果。使用手機進行掌紋圖像采集時，抗平移、旋轉的原理與網絡攝像頭相同，即在采集預覽畫面上覆蓋限制輪廓，限定采集者手掌的位置和旋轉，如圖1所示。

圖1 手機攝像頭預覽畫面

2 BESTPAL掌紋圖像預處理

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

①將彩色的掌紋圖像轉化為灰度圖像［2］。

②將灰度圖像轉化為二值圖像來分割手掌圖像與背景［3］。

圖像闕值分割技術［4］是當前廣泛使用的一種圖像分割技術，基本原理如下：

式中，Z為闕值；Ze和Zb為任意選定的目標和背景灰度級。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，選擇兩峰間谷底對應的灰度級作為闕值。

因二值化后的手掌圖像分布比較穩(wěn)定，采用簡單的輪廓提取算法即可實現手掌圖像輪廓提?。?］。

③檢測手掌圖像的特征分離點［6］。對手掌輪廓圖像進行處理，核心問題是找到食指與中指、中指與無名指以及無名指與小指之間的分離點［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。為有效檢測出上述3個特征分離點，采用一種模板匹配的方法，得到期望的特征分離點，算法描述如下：對一幅手掌輪廓圖像L（i，j），其水平向右橫坐標值依次增加，豎直向下縱坐標值依次增加，該圖像的一個3×3像素區(qū)域坐標描述如下。

考慮一個大小為3×3的模板T（i，j），若以手掌輪廓圖像中任意一點為該模板的中心像素點，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系，可描述為：

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

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

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的區(qū)域，重復步驟2～步驟4，依次記錄可能的特征分離點。在使用基于模板匹配的方法對手掌輪廓圖像進行遍歷后，能有效提取出輪廓圖像的可能極值點，如圖2所示。為找出單一特征分離點，需將上述方法檢測出的特征極值點按圖像特征進行分簇，計算出每一簇坐標均值，從而得出每一簇的唯一特征分離點［8］。

④根據特征定位點提取掌紋圖像中有效感興趣區(qū)域［9］。

將上述得到的3個特征分離點記為A（食指和中指谷點），B（中指和無名指谷點），C（無名指和小指谷點）。計算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α度，使AC直線和水平線平行。以AC的中點為原點，向下垂直搜尋固定像素，將得到的點作為感興趣區(qū)域的中心點，進而截取128×128的感興趣區(qū)域。

圖2 輪廓圖像極值簇點

3 BESTPAL掌紋特征提取

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

①對預處理后的掌紋圖像進行J級二維小波分解，得到3J＋1幅子圖像，即［AJ，｛Hi，Vi，Di｝i＝1，…，J］；

②把每個細節(jié)圖像等分成S×S個不相交的塊，并計算每個細節(jié)圖像中每一塊的能量，并形成一個矢量。

設Hi、Vi、Di分別是圖像I的第i級小波分解在水平方向、垂直方向和對角線方向上的細節(jié)圖像，則該圖像在對應方向上的第i級小波能量定義如式（2）、式（3）和式（4）所示。

這些能量反映了圖像I在第i級小波分解下水平、垂直和對角線方向上的邊緣強度。各個小波分解級上的能量組成的向量為

式中，M為小波分解的總級數，對掌紋圖像的全局信息進行描述，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在空間位置上的分布密切相關［11］。因此，式（5）不能很好地刻畫掌紋的紋理特征。為解決此問題，將每個細節(jié)圖像等分成S×S個不相交的區(qū)塊，如圖3所示。

圖3 小波分解細節(jié)圖像劃分

歸一化得到V稱為小波能量特征。定義第i級小波能量特征如下：

即第i級小波能量特征由第i級小波分解系數計算得出，反映了圖像在尺度2－i上（對應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］是由各級小波能量特征組合而成的，可定義式（10）所示的加權城區(qū)距離來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個小波能量特征；M為小波分解的總級數；S×S為對細節(jié)圖像劃分的塊數；Vi＝分別為V和U的第i級小波能量特征。Ci為對第i級小波能量特征的加權。當Ci＝1時，是普通（非加權）城區(qū)距離的定義。

權值Ci根據各級小波能量特征對掌紋的區(qū)分能力計算，區(qū)分能力越強，對應的權值越大，反之權值越小。

5 測試分析

數據來自BESTPAL掌紋識別系統(tǒng)采集的掌紋圖像。圖庫有4 000張圖像，分別來自400個人，每人10張。選取Harr小波對掌紋圖像進行分解，總級數為5。在計算小波能量特征時，每個細節(jié)圖像均被分為（4×4）塊［14］。

用加權城區(qū)距離進行掌紋匹配，首先計算各級小波能量特征的加權系數Ci。由關于5級小波分解中各級小波能量特征對掌紋的區(qū)分能力和實驗值，得出各級小波能量特征對掌紋的區(qū)分能量由強到弱依次為4、3、5、2、1，并采用其Ci值，如表1所示。

表1 各級小波能量特征的加權系數

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

圖4 合法距離匹配和非法距離匹配結果

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

表2 識別精度

6 結束語

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

［1］何國棟，丁緒星，秦慧平，等.一種新的圖像自適應閾值去噪方法［J］.無線電通信技術，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別方法［J］.軟件學報，2002，13（5）：879－886.

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

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

［5］劉 富，侯 濤，欒 慧，等.掌紋輪廓特征點提取新方法［J］.吉林大學學報（工學版），2007，37（4）：897－900.

［6］李 東.基于多小波的掌紋文獻識別算法研究［D］.吉林：吉林大學，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］.計算機工程與應用，2011，47（14）：21－24.

［8］薛 燕，趙轉萍.基于視覺技術的邊緣跟蹤輪廓測量系統(tǒng)［J］.機械設計與制造，2009（7）：209－211.

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

［10］楊福生.小波變換的工程分析與應用［M］.北京：中國科學出版社，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］.計算機應用研究，2010，27（6）：2 370－2 372.

［12］翟 莉，趙 亮.一種小波包域圖像自適應水印算法［J］.無線電工程，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取［J］.清華大學學報（自然科學版），2003，43（8）：1 049－1 051.

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

［15］張 倩，占 君，陳 珊.詳解Matlab圖像函數及其應用（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.基于掌紋識別技術的BESTPAL系統(tǒng)［J］.無線電工程，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

北京市自然科學基金資助項目（4132066）。

張 裕男，（1992—），本科。主要研究方向：圖像處理。