張　蓮，高梓翔，周永修，張　攀

(重慶理工大學(xué) 電子信息與自動(dòng)化學(xué)院，重慶　400054)

?

引用格式：張蓮，高梓翔，周永修，等.基于Kinect的手背靜脈采集方法[J].重慶理工大學(xué)學(xué)報(bào)(自然科學(xué)版)，2016(1):85-88.

Citation format：ZHANG Lian，GAO Zi-xiang，ZHOU Yong-xiu，et al.Kinect’s Hand Vein Image Acquisition Method[J].Journal of Chongqing University of Technology(Natural Science)，2016(1):85-88.

基于Kinect的手背靜脈采集方法

張蓮，高梓翔，周永修，張攀

(重慶理工大學(xué) 電子信息與自動(dòng)化學(xué)院，重慶400054)

摘要：介紹了一種基于微軟Kinect傳感器的手背靜脈采集方案。使用Kinect傳感器對手背靜脈圖像進(jìn)行采集，基于相關(guān)的模版匹配以及ROI兩種提取算法得到靜脈的有效區(qū)域，并對該區(qū)域進(jìn)行處理，得到清晰的手背靜脈圖像。通過Matlab對所采集的圖像進(jìn)行仿真檢驗(yàn)，結(jié)果表明：所提方法是一種簡單快捷、易于實(shí)現(xiàn)的方案。

關(guān)鍵詞：Kinect；手背靜脈；中值濾波；模版匹配；ROI

靜脈紅外成像在醫(yī)療輔助及生物特征識別中發(fā)揮著重要作用。手背靜脈具有較多的靜脈可用特征，相比傳統(tǒng)的身份識別方式，靜脈識別具有非接觸、唯一性、可區(qū)分活體等優(yōu)勢，較其他識別方式更為安全。同時(shí)，在醫(yī)療方面對輔助靜脈穿刺的幫助也較大。由于臨床中存在病人因?yàn)橹緦虞^厚或其他原因?qū)е麓┐坛晒β瘦^低的情況，因此靜脈成像技術(shù)也被應(yīng)用于此。靜脈圖像的獲取對生活和工作都有較大意義，但通常情況下需要專用設(shè)備完成，大都存在于特定場合(例如保密場所、醫(yī)院等)。本文提出了一種基于日常生活設(shè)備的手背靜脈采集及處理方案，旨在加快靜脈圖像識別等技術(shù)的普及速度。使用Kinect設(shè)備獲取手背靜脈的灰度圖像，完成對靜脈有效區(qū)域的提取，并對該區(qū)域圖像進(jìn)行處理。該方案簡單易得，有較好的適應(yīng)性。

1圖像采集與成像環(huán)境

Kinect是微軟公司為XBOX 360開發(fā)的外圍設(shè)備，是一種3D體感攝影機(jī)。本文的圖像采集主要包含紅外投影機(jī)、紅外CMOS攝像頭、BGB VGA彩色攝像頭(如圖1所示)，分辨率均為640×480，最大幀率為30 fps[1]。通過這3個(gè)設(shè)備可以獲取視野范圍內(nèi)的深度數(shù)據(jù)。因本文僅使用Kinect的紅外CMOS攝像頭，故對其他功能及原理簡單敘述。Kinect是一種游戲設(shè)備，它有眾多持有者，使得利用Kinect進(jìn)行手背靜脈圖像獲取具有廣泛的意義，從而使手背靜脈識別技術(shù)得以迅速擴(kuò)散。此技術(shù)進(jìn)一步發(fā)展，也可作為一種簡易的醫(yī)療輔助技術(shù)。

由于人體皮膚層對紅外光譜的吸收率較低[2]，720～1 100 nm波長的近紅外光容易穿透人體皮膚進(jìn)入皮下組織[3]，故使用Kinect紅外投影機(jī)作為光源，采用紅外CMOS攝像頭對靜脈進(jìn)行采集是可行的。在使用紅外CMOS攝像頭對手背進(jìn)行拍攝時(shí)，Kinect的紅外投影機(jī)能夠投射出近紅外光，波長為830 nm[4]。

圖1　用于采集圖像的Kinect設(shè)備

2有效靜脈區(qū)域的提取

要獲得質(zhì)量較高的手背靜脈圖像，就需要對手背有效的靜脈區(qū)域進(jìn)行定位提取，然后再進(jìn)行處理。本文提供2種方法對手背靜脈區(qū)域進(jìn)行定位提?。阂环N是基于相關(guān)的模版匹配；另一種是對文獻(xiàn)[5]方法改進(jìn)后的ROI提取算法。下面將分別對2種算法進(jìn)行介紹。

采用相關(guān)的模版匹配技術(shù)在一幅圖像中尋找某種子圖像模式[6]。例如：在大小為M×N的圖像f(x，y)中尋找大小為J×K的子圖像模式w(x，y)，f與w的相關(guān)可表示為

(1)

式(1)在計(jì)算響應(yīng)時(shí)存在對f和w的灰度值比較敏感的不足。本文對向量模值進(jìn)行歸一化以解決此問題[7]。改進(jìn)的用于匹配的相關(guān)計(jì)算公式如下：

(2)

事先截取標(biāo)記點(diǎn)形狀模板，利用人工標(biāo)記的方法，首先對需要提取的區(qū)域標(biāo)定橫向2點(diǎn)，然后識別標(biāo)定點(diǎn)，根據(jù)要求對提取范圍長寬進(jìn)行設(shè)定，或使用多個(gè)標(biāo)定點(diǎn)直接標(biāo)定提取范圍，然后計(jì)算標(biāo)定點(diǎn)坐標(biāo)，提取標(biāo)定區(qū)域圖像。

改進(jìn)文獻(xiàn)[5]中的ROI提取算法，使其能夠提取伸開手背的圖像。手背靜脈的有效區(qū)域在第2、第4指蹼下方，定位兩處指蹼坐標(biāo)即可對圖像進(jìn)行提取。

第1步提取手背輪廓圖。Kinect的使用環(huán)境決定了成像背景包含噪聲較多。使用Canny算法對輪廓邊緣提取時(shí)，背景會對所得輪廓產(chǎn)生較大影響[8]，如圖2所示。對此，本文采取下列方法提取手背輪廓圖：① 將圖像進(jìn)行二值化處理，得到圖3；② 將圖3進(jìn)行中值濾波得到圖4；③ 使用3×3對稱結(jié)構(gòu)元素對圖4進(jìn)行腐蝕，得到圖5；④ 用圖5減去濾波后的圖像(圖4)，得到輪廓(圖6)。相比圖2，圖6的輪廓點(diǎn)清晰，背景噪聲也被消除。

第2步確定手背中心位置(Ox，Oy)，并運(yùn)用公式(3)計(jì)算手背輪廓各點(diǎn)到中心位置的距離[9]。

(3)

其中：X(i)、Y(i)為第i個(gè)輪廓點(diǎn)的橫坐標(biāo)和縱坐標(biāo)；n為手背輪廓圖中輪廓點(diǎn)的總數(shù)。

第3步確定指蹼坐標(biāo)。尋找距離較短的3個(gè)點(diǎn)，對橫坐標(biāo)進(jìn)行排序，得到第2、4指蹼坐標(biāo)(Px2，Py2)、(Px4，Py4)。

第4步將圖像旋轉(zhuǎn)，使用式(4)，保證2個(gè)指蹼橫坐標(biāo)相同，處于同一水平位置。

θ=arctan((Px2-Px4)/(Py2-Py4))×180/π

(4)

其中，θ表示旋轉(zhuǎn)角度。

第5步提取出正方形有效區(qū)域。為保證完全提取靜脈圖像，將第2、4指蹼距離增加0.2倍，確定正方形4點(diǎn)坐標(biāo)，即可對圖像進(jìn)行提取。

圖2　Canny算法提取邊緣

圖3　二值化圖像 圖4　濾波后的圖像

圖5　腐蝕后的圖像　　　　圖6　手背輪廓圖

經(jīng)過比較，基于相關(guān)的模版匹配方法的優(yōu)點(diǎn)是可以截取任意標(biāo)記區(qū)域(標(biāo)定點(diǎn)不少于3個(gè))，且不需對圖像進(jìn)行二值化等處理；缺點(diǎn)是人工標(biāo)記難以避免誤差，標(biāo)記圖形與背景圖形相似時(shí)會產(chǎn)生誤標(biāo)定，計(jì)算量較大[10]。改進(jìn)后的ROI提取算法使用方便、適應(yīng)性較強(qiáng)，但需對采集的圖像進(jìn)行充分處理，以確保手背輪廓點(diǎn)不受背景圖像的影響。由于本文提取對象僅限于手背圖像，且改進(jìn)后的ROI提取算法在絕大多數(shù)條件下能夠?qū)崿F(xiàn)準(zhǔn)確提取，因此本文采用改進(jìn)后的ROI提取算法。

3靜脈圖像處理

提取出的靜脈圖像有效像素較少，可采用閾值分割法突顯所提取有效靜脈圖像中的靜脈。相比其他方法，閾值分割法具有直觀性強(qiáng)和易于實(shí)現(xiàn)的特點(diǎn)，在注重運(yùn)算效率的應(yīng)用場合得到廣泛的應(yīng)用[11]。本文采用局部閾值法進(jìn)行大圖像處理，分割原始圖像為若干子圖像，再分別求出最佳閾值[12]。通過迭代求子圖像最值分割閾值的原理[13]如下：

f(x，y)，Z(i，j)表示圖像上(i，j)點(diǎn)的灰度值，記N(i，j)是(i，j)點(diǎn)的權(quán)重系數(shù)。

1) 求取原圖中最大和最小灰度值Zk和Z0的閾值初值T0[14]：

(5)

2) 根據(jù)已得的閾值Tk將圖像分割成目標(biāo)與背景2部分，分別求出其平均灰度值Z0和ZB。

(6)

3) 求出新閾值Tk+1。

(7)

4) 若Tk=Tk+1，則結(jié)束；否則，k+1→k，轉(zhuǎn)步驟2)。

5) 經(jīng)過步驟4)后，所得Tk即為最佳閾值。

在使用局部閾值法處理時(shí)，需要確定平均濾波時(shí)的窗口大小，窗口越大濾波效果越顯著，但同時(shí)細(xì)節(jié)丟失也越多；窗口越小信息保留越多，但濾波效果不明顯[15]。平均濾波窗口大小需要根據(jù)成像對象及條件來確定，可憑經(jīng)驗(yàn)選取。經(jīng)過反復(fù)實(shí)驗(yàn)，針對本文成像條件，實(shí)驗(yàn)窗口大小值為“11”時(shí)效果最理想。此后，再次進(jìn)行中值濾波，得到最終圖像。

4實(shí)驗(yàn)結(jié)果

通過Kinect對不同人的手背圖像進(jìn)行采集，然后使用Matlab對本文算法進(jìn)行驗(yàn)證?；谙嚓P(guān)模版匹配標(biāo)記的識別結(jié)果如圖7所示，ROI提取有效區(qū)域圖像如圖8所示，均能可靠識別有效區(qū)域。圖9為處理后的提取圖像，靜脈所在位置準(zhǔn)確可見。

圖7　模版匹配對不同人手背標(biāo)記的識別

圖8　ROI對不同手背有效區(qū)域的識別

圖9　對ROI提取有效區(qū)域的處理圖像

5結(jié)束語

本文提出了一種基于Kinect的手背靜脈采集方法，同時(shí)介紹了基于相關(guān)的模版匹配、改進(jìn)文獻(xiàn)[5]方法的2種圖像提取方法。首先使用Kinect采集圖像；其次對手背靜脈的有效區(qū)域進(jìn)行提取，若采用模版匹配方法可直接進(jìn)行提取，若采用第2種方法進(jìn)行提取則需先提取手背輪廓，計(jì)算出各個(gè)輪廓點(diǎn)到手背中心的距離[16]，判斷第2、4指蹼位置，截取有效區(qū)域；最后，對所截取圖像先進(jìn)行局部閾值預(yù)處理，然后進(jìn)行中值濾波，得到圖像。通過Matlab仿真，證明該方案具有較易實(shí)現(xiàn)、提取準(zhǔn)確、處理效果好的優(yōu)點(diǎn)。

本文方法的不足之處是：Kinect自身的紅外設(shè)備紅外光強(qiáng)大小有限，在對脂肪層較厚的使用者拍攝時(shí)，成像質(zhì)量不高，后期需要加入外置紅外光源，或?qū)D像處理效果進(jìn)行加強(qiáng)，以進(jìn)一步優(yōu)化所提取有效圖像的質(zhì)量。

參考文獻(xiàn)：

[1]朱濤，金國棟，蘆利斌．Kinect應(yīng)用概述及發(fā)展前景[J].現(xiàn)代計(jì)算機(jī)(下半月版)，2013(4)：8-11．

[2]倪旭翔，高世杰，魏科宇，等．基于分區(qū)多次曝光的手掌靜脈成像[J].光子學(xué)報(bào)，2013，42(12)：1534-1538．

[3]余濤．Kinect應(yīng)用開發(fā)實(shí)戰(zhàn)：用最自然的方式與機(jī)器對話[M]．北京：機(jī)械工業(yè)出版社，2013：32-33．

[4]陳燕，牛燕雄，唐芳，等．1319 nm連續(xù)激光輻照皮膚組織的光熱效應(yīng)實(shí)驗(yàn)研究[J]．光子學(xué)報(bào)，2009，38(5)：1259-1263．

[5]MIURA N,NAGASAK A,MIYATAKE T.Feature extraction offinger-vein patterns based on repeated line tracking and its application to personal identification[J].Mach Vis.Appl,2004(15):194-203．

[6]陳龍，侯普華．復(fù)雜環(huán)境下基于ROI的車牌提取算法[J].信息技術(shù)，2013(11)：95-98．

[7]李強(qiáng)，張鈸．一種基于圖像灰度的快速匹配算法[J].軟件學(xué)報(bào)，2006,17(2)：216-222．

[8]張恒，高敏，徐超．融合閾值法和邊緣提取的圖像分割算法[J].裝甲兵工程學(xué)院學(xué)報(bào)，2014,28(5)：73-86．

[9]吳作凌，陳雄，鄭英杰．一種近紅外手背靜脈圖像識別算法[J].微電子學(xué)與計(jì)算機(jī)，2010，27(10)：114-116．

[10]張錚，倪紅霞，苑春苗，等．精通Matlab數(shù)字圖像處理與識別[M]．北京：人民郵電出版社，2013：338-339．

[11]韓思奇，王蕾．圖像分割的閾值法綜述[J]．系統(tǒng)工程與電子技術(shù)，2002，24(6)：91-92．

[12]盛先．基于人眼檢測的視頻前景自動(dòng)提取算法研究[D].長沙：湖南大學(xué)，2012．

[13]楊高波，杜青松．MATLAB圖像/視頻處理應(yīng)用及實(shí)例[M]．北京：電子工業(yè)出版社，2010：154-155．

[14]劉強(qiáng)，許江寧，陳穆清．星圖目標(biāo)檢測算法研究[J].現(xiàn)代電子技術(shù)，2009(5)：31-33．

[15]郭琳，尚振宏．一種有效的自適應(yīng)中值濾波算法[J].長春工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版)，2008，29(1)：87-90．

[16]舒小華，沈振康，龍永紅．一種基于輪廓配準(zhǔn)的包裝缺陷檢測方法[J].包裝工程，2007，28(3)：19-21．

(責(zé)任編輯楊黎麗)

Kinect’s Hand Vein Image Acquisition Method

ZHANG Lian，GAO Zi-xiang，ZHOU Yong-xiu，ZHANG Pan

(College of Electronic Information and Automation,

Chongqing University of Technology, Chongqing 400054, China)

Abstract:This article described a Microsoft Kinect sensors based on hand vein acquisition program. Using Microsoft’s Kinect sensor, we collected the hand vein image, and introduced correlation-based template matching and ROI two extraction algorithms to get the effective area, and after dealing with the region, we gave a clear hand vein image. By Matlab simulation inspection of the acquired image, it proved to be a quick, simple and easy to implement solution.

Key words:Kinect; hand vein; median filter; template matching; ROI

文章編號：1674-8425(2016)01-0085-04

中圖分類號：TP391

文獻(xiàn)標(biāo)識碼：A

doi:10.3969/j.issn.1674-8425(z).2016.01.014

作者簡介：張蓮(1967—)，女，教授，主要從事模式識別、檢測與控制技術(shù)研究；高梓翔(1992—)，男，碩士，主要從事模式識別和圖像處理研究。

基金項(xiàng)目：國家自然科學(xué)基金資助項(xiàng)目(61402063)；重慶高校優(yōu)秀成果轉(zhuǎn)化資助項(xiàng)目(KJZH14213)

收稿日期：2015-09-23