一种基于内指横纹的移动识别方法及其移动识别设备

摘要

本发明提供了一种基于内指横纹的非限制移动识别方法，该方法利用移动设备的摄像头作为采集设备采集手部图像，通过网络将采集样本传输至服务器端，并自动进行手部区域检测、内指横纹区域定位、内指横纹特征提取并与数据库中的内指横纹样本进行特征比较，从而实现基于内指横纹生物特征的身份识别。本发明还提供了一种实现基于内指横纹的移动识别方法的移动识别设备，包括：采集模块，传输模块，预处理模块，处理模块和决策模块。具有首创性地应用在移动环境中，可适应不同背景、光照、姿态和视点的变化，对于错位具有一定容忍度，具有较高的匹配成功率是一种便捷、高效且可靠的身份识别系统，在安全领域具有较好的应用前景等优点。

主权项

一种基于内指横纹的移动识别方法，其特征在于，包括以下步骤：步骤1、建立用户内指横纹数据库；步骤2、自动检测手部区域；步骤3、定位内指横纹区域；步骤4、对光照、姿态和视点具有鲁棒性的特征表示；步骤5、对错位具有容忍性的特征匹配；步骤6、基于多区域综合决策；所述步骤4中，所述对光照、姿态和视点具有鲁棒性的特征表示是指基于竞争编码的特征表示方法，所述基于竞争编码的特征表示方法包括以下步骤：A、针对内指横纹区域的每一个像素点，计算n个方向的Gabor滤波的能量值，能量值最小的那个方向设为该像素点的主方向；所述n个方向是指把360度分为n个区间，且n为大于18的整数；B、一幅内指横纹图像经过竞争编码，输出两幅同样分辨率的特征图像；代表每个像素点主方向的图像，称作方向图；代表每个像素点主方向的权值，称作能量图；所述步骤5中，所述对错位具有容忍性的特征匹配方法是指基于局部统计的特征匹配方法，所述基于局部统计的特征匹配方法包括以下步骤：⑴定义一个块区域，包含c的平方个子单元，每个子单元又包含S的平方个像素点；⑵在所述的方向图上，从左到右，从上到下，用一个块区域进行扫描；从左到右移动的步长是d1，从上到下移动的步长是d2，步长d1和d2必须保证块区域之间至少1/3的区域有重叠；每一次扫描，对块区域对应的空间进行基于直方图的统计；针对块区域的直方图进行统计；所述步骤(2)中，所述针对块区域的直方图进行统计的统计方法为：①对每一个子单元分别统计m个方向上的能量值，m必须小于所述的n；②计算每一个像素点对不同子单元的m个不同方向的贡献时，根据该像素点的空间位置以及方向角度对权值进行双三次的插值，所述权值为该像素对应在能量图上的值；③每一个子单元的特征向量维数是m，则每一个块区域的特征向量维数是c的平方与m的乘积；④每一个块区域的特征向量合并起来，形成描述整幅图像的特征向量；⑤采用欧氏距离计算方法计算目标图像和数据库内图像特征向量的距离，计算待匹配的图像之间结构上的相似性；所述步骤1中，所述用户内指横纹数据库是采用移动设备上的摄像头拍摄用户手指移动时的手部图像而建立的；采集用户手部图像：用户使用移动设备上配置的摄像头拍摄手部图像，采集条件如下：背景跟手部皮肤的颜色存在差异；光线比较充足，没有强阴影；五指自然平展，分开；摄像头的方向正对手的平面，抖动在20度范围内；所述步骤3中，所述定位内指横纹区域的方法，包括以下步骤：第一步：建立由肤色图像作为训练集生成的混合高斯模型，改进期望最大化算法得到所述混合高斯模型中的各个高斯分布的参数，并建立皮肤模型；第二步：把所述拍摄的手部图像每一个像素颜色值代入已经建立的皮肤模型的各个高斯分布中，若像素值符合高斯分布，则判别为手部区域，否则为背景区域；第三步：用形态学中的膨胀和腐蚀的方法对所述拍摄的图像进行滤波，消除零碎区域，得到完整的手部轮廓线；第四步：用所述完整的手部轮廓线上点的距离关系定位基准点；第五步：用所述基准点与所述轮廓线的几何关系确定所述拍摄的图像中每根手指的位置和中轴线；第六步：用Radon投影分析所述拍摄的图像获得感兴趣区域。