基于左手尺寸特征的手形認(rèn)證方法

基于左手尺寸特征的手形認(rèn)證方法

1基于特征矢量的手形匹配方法生物特征識(shí)別技術(shù)是利用人體的生理和行為特征來(lái)識(shí)別身份的技術(shù)。每種生物特征都具有各自的優(yōu)點(diǎn)和局限性。與其它生物特征相比,手形生物特征具有以下優(yōu)點(diǎn):1)可接受程度高、識(shí)別匹配速度快;2)易于采集,對(duì)采集設(shè)備要求不高,可以在低分辨率圖像中提取出來(lái);3)易于與其它生物特征識(shí)別技術(shù)聯(lián)合起來(lái)使用。雖然手形特征不具備指紋、虹膜特征那樣高度的唯一性,但對(duì)于要求不是很高的移民和門(mén)禁控制等應(yīng)用方面具有絕對(duì)的優(yōu)勢(shì)。目前的手形認(rèn)證算法主要有2種:1)基于點(diǎn)匹配的手形認(rèn)證方法。該方法將手指輪廓點(diǎn)集作為特征,使用點(diǎn)對(duì)點(diǎn)匹配的方法進(jìn)行認(rèn)證。它的特征數(shù)多不利于傳輸和存儲(chǔ),特征匹配算法計(jì)算量大,由于匹配前需要解決旋轉(zhuǎn)、平移和縮放問(wèn)題,不僅會(huì)大大增加算法的復(fù)雜性和處理時(shí)間,而且難以保證2幅圖像在位置上的精確配準(zhǔn),會(huì)給后續(xù)的特征點(diǎn)匹配帶來(lái)誤差。2)基于特征矢量的認(rèn)證方法。使用手的不同部位的幾何尺寸作為特征,特征數(shù)少并且有利于傳輸和存儲(chǔ),匹配算法簡(jiǎn)單。但以往基于特征矢量的方法需要在采集臺(tái)上設(shè)置固定栓來(lái)固定手的擺放位置和方向,且需要用戶(hù)進(jìn)行很好的配合,這樣用戶(hù)會(huì)覺(jué)得使用起來(lái)很不方便。除以上2類(lèi)外,郭振濱等提出一種基于曲線擬合的方法,利用手指擬合曲線的系數(shù)作為匹配特征,將待匹配的手指進(jìn)行歸一化映射和仿射變換,通過(guò)解四元優(yōu)化問(wèn)題尋找最優(yōu)解,最終求得2條欲匹配曲線的部分曲線在仿射變換下的最小距離。由于含有歸一化映射和仿射變換以及求解優(yōu)化問(wèn)題的過(guò)程,因此計(jì)算復(fù)雜度較高。顧理等提出基于模板匹配的方法,將手指輪廓圖像作為模板,將2幅待匹配的手指圖像先進(jìn)行方向?qū)?zhǔn),然后在區(qū)域內(nèi)部遍歷搜索最大相似位置。顧理等還提出將點(diǎn)匹配和矢量匹配融合的方法,其中用到的點(diǎn)匹配方法也是在區(qū)域內(nèi)部搜索最大相似位置。上述幾種方法均需要進(jìn)行方向?qū)?zhǔn)以及搜索求取最優(yōu)解的過(guò)程,計(jì)算量與時(shí)間較大,不利于實(shí)際應(yīng)用。針對(duì)現(xiàn)有手形認(rèn)證方法的不足,本文針對(duì)無(wú)固定栓、非接觸條件下采集的手形圖像,提出了用手的各部位尺寸之間的比值作為相對(duì)長(zhǎng)度特征,進(jìn)而構(gòu)成相對(duì)長(zhǎng)度特征向量來(lái)進(jìn)行身份認(rèn)證的方法。使用各長(zhǎng)度間的比值作為特征既能保留手形的主要特征信息,又能夠抵消在同一平面內(nèi)的平移、旋轉(zhuǎn)和縮放的影響,且實(shí)現(xiàn)簡(jiǎn)單,特征數(shù)少,適合于實(shí)際應(yīng)用。通過(guò)大量觀察不同人的手形發(fā)現(xiàn),每個(gè)人不同手指的長(zhǎng)度比值、寬度比值、手指寬度與長(zhǎng)度的比值、手指長(zhǎng)度與手掌寬度的比值等特征存在差異性。因此本文利用這些特征,分別構(gòu)成3個(gè)包含不同特征個(gè)數(shù)的特征組合,然后分別用每個(gè)特征組合作為手形匹配特征各進(jìn)行了兩組實(shí)驗(yàn):1)通過(guò)在圖上標(biāo)記特征點(diǎn)測(cè)量出尺寸特征進(jìn)行識(shí)別實(shí)驗(yàn),驗(yàn)證本文選取的特征組合的區(qū)分能力;2)通過(guò)本文算法提取特征進(jìn)行自動(dòng)識(shí)別實(shí)驗(yàn),驗(yàn)證本文算法的可行性。2特征尺寸提取實(shí)驗(yàn)圖庫(kù)全部采用香港科技大學(xué)提供的手形數(shù)據(jù)庫(kù)。它包括254個(gè)人,且每個(gè)人10幅右手的圖像,圖像分辨率為640pixel×480pixel。原始圖像如圖1所示。與虹膜、指紋等特征不同的是手的尺寸特征具有可測(cè)量的優(yōu)點(diǎn),這就為檢測(cè)正確提取手形特征下的識(shí)別效果提供了有利條件。因此先用標(biāo)點(diǎn)測(cè)量的方法得到所需的特征,然后計(jì)算特征提取正確情況下的識(shí)別結(jié)果。由于大拇指活動(dòng)過(guò)于靈活,只對(duì)其余4個(gè)手指提取特征。首先在圖像上標(biāo)記出除大拇指以外每個(gè)手指的1個(gè)指尖點(diǎn)和2個(gè)指根點(diǎn),以及手掌寬度的上下各1個(gè)邊緣點(diǎn)。通過(guò)標(biāo)記的特征點(diǎn)計(jì)算出各絕對(duì)長(zhǎng)度,包括每個(gè)手指的長(zhǎng)度、手指的不同部位的寬度以及手掌寬度(圖2),然后將絕對(duì)長(zhǎng)度之間的比值作為相對(duì)長(zhǎng)度,再由相對(duì)長(zhǎng)度構(gòu)成特征向量。3自動(dòng)識(shí)別方法3.1值化及中值濾波提取特征前需先對(duì)原始手形圖像進(jìn)行一系列的預(yù)處理,找到關(guān)鍵特征點(diǎn)。首先對(duì)圖像進(jìn)行二值化及中值濾波,二值化處理使用Otsu方法,中值濾波是為了濾除噪聲引起的小孔洞。然后對(duì)濾波后的二值圖像用輪廓提取算法提取出手形輪廓,用輪廓跟蹤算法將手形輪廓表示為歐氏空間中的有序點(diǎn)集,進(jìn)而在輪廓圖像上進(jìn)一步定位出特征點(diǎn)。手形自動(dòng)識(shí)別過(guò)程如圖3所示。3.2定位屬性點(diǎn)3.2.1點(diǎn)計(jì)算明度指根點(diǎn)的定位通過(guò)計(jì)算找到手形輪廓線上彎曲程度比較大的區(qū)域,即可得到指尖和指根區(qū)域,然后在這些區(qū)域中進(jìn)一步定位指尖和指根點(diǎn)。曲率和曲率角是用來(lái)表示曲線彎曲程度的參數(shù),但在實(shí)際應(yīng)用中計(jì)算較為復(fù)雜,因此用2個(gè)向量之間的夾角來(lái)替代曲率角,如圖4(a)所示。ζ(s)代表F點(diǎn)兩側(cè)向量FF1和FF2之間的夾角,夾角越大表示曲線在該點(diǎn)處的彎曲程度越小;夾角越小表示曲線的彎曲程度越大。計(jì)算公式如下:ζ(s)=arccos(FF1?FF2|FF1|?|FF2|).(1)取F與F1,F與F2之間的輪廓點(diǎn)數(shù)Δs=20(為實(shí)驗(yàn)得出的經(jīng)驗(yàn)值)。對(duì)手形輪廓線上從拇指指根點(diǎn)開(kāi)始延逆時(shí)針?lè)较蛑瘘c(diǎn)計(jì)算曲率角(拇指指跟點(diǎn)的定位方法見(jiàn)3.2.2節(jié)),得到的曲率角曲線如圖4(b)所示。圖中呈向下尖峰狀區(qū)域即為指根或指尖所在的彎曲程度較大的區(qū)域。可設(shè)定一個(gè)閾值[本文取2.5為經(jīng)驗(yàn)值,換算成對(duì)應(yīng)的曲率角角度為(π×2.5)/3.14=(180°×2.5)/3.14≈143.3°],曲率角小于該閾值時(shí),認(rèn)為該點(diǎn)屬于指根或指尖區(qū)域。遍歷結(jié)束后尋找到7個(gè)曲率變化比較明顯的區(qū)域,如圖4(c)所示。然后將找到的曲率變化明顯的各區(qū)域的中間點(diǎn)作為找到的角點(diǎn)P(即指尖點(diǎn)或指根點(diǎn))。為了區(qū)分各角點(diǎn)P是指尖點(diǎn)還是指根交叉點(diǎn),需要構(gòu)造由點(diǎn)P和P所在的曲率變化明顯區(qū)域的兩側(cè)端點(diǎn)組成的三角形,并尋找三角形的質(zhì)心。如果質(zhì)心在手指輪廓內(nèi)則為指尖點(diǎn),否則為指根交叉點(diǎn)。由此可得到4個(gè)指尖點(diǎn)Ti(i=1,2,3,4)和3個(gè)指根交叉點(diǎn)Ci(i=1,2,3)。由于手指根部連接處的非線性活動(dòng),通過(guò)曲率方法找到的指根交叉點(diǎn)只能用于分開(kāi)鄰近手指,因此為了準(zhǔn)確確定指根點(diǎn)需進(jìn)一步定位,定位步驟如下:1)在已確定的指根交叉點(diǎn)Ci(i=1,2,3)處沿邊界向前和向后各掃描若干像素點(diǎn),掃描的像素點(diǎn)個(gè)數(shù)為該指跟區(qū)域像素點(diǎn)個(gè)數(shù)[即圖4(c)中被描黑的指根區(qū)域]的一半。連接該指根交叉點(diǎn)與掃描終止點(diǎn)之間的線段,在該線段兩端點(diǎn)之間的手形輪廓上,尋找距離該線段最遠(yuǎn)的點(diǎn),(即為精確指根點(diǎn))由此可得到指根點(diǎn)ViU(i=2,3,4),ViD(i=1,2,3)。2)確定食指和小拇指的外邊界指根點(diǎn)。以食指為例,連接點(diǎn)T1和點(diǎn)V1D得到線段T1V1D,以T1為圓心,|T1V1D|為半徑沿逆時(shí)針?lè)较虍?huà)圓,與手形輪廓的第一個(gè)交點(diǎn)即為食指的外邊界點(diǎn)V1U,使|T1V1D|=|T1V1U|。小拇指做類(lèi)似處理得到外邊界點(diǎn)V4D,使|T4V4D|=|T4V4U|,如圖5所示。從而尋找到四指的指尖點(diǎn)Ti(i=1,2,3,4)和指根點(diǎn)ViU,ViD(i=1,2,3,4)。3.2.2廓點(diǎn)指根點(diǎn)用掃描線法自右向左逐列掃描手形輪廓圖像,找到第一列出現(xiàn)3個(gè)以上輪廓點(diǎn)的位置,將該列自下而上的第2個(gè)輪廓點(diǎn)定為大拇指與食指交叉的指根點(diǎn)(圖6),圖6中B點(diǎn)即為找到的拇指指根點(diǎn)。連接過(guò)食指外指根點(diǎn)與小指外指根點(diǎn)的直線V1UV4D,計(jì)算出該直線的斜率,然后找到拇指指根點(diǎn)B與食指外指根點(diǎn)V1U連線的中點(diǎn)O,過(guò)O點(diǎn)做直線V1UV4D的平行線交手形輪廓圖像于M1,M2兩點(diǎn),將M1,M2之間的線段長(zhǎng)度定為手掌寬度。3.3組特征向量的構(gòu)成由3.2節(jié)方法定位出的特征點(diǎn)計(jì)算出各絕對(duì)長(zhǎng)度,再由絕對(duì)長(zhǎng)度的比值構(gòu)成相對(duì)長(zhǎng)度特征,進(jìn)而構(gòu)成特征向量。提取的絕對(duì)長(zhǎng)度共13個(gè),分別為除大拇指外其余4個(gè)手指的長(zhǎng)度、每個(gè)手指的1/3,2/3長(zhǎng)度處的2個(gè)寬度和1個(gè)手掌寬度。選取的相對(duì)長(zhǎng)度特征有4類(lèi),包括不同手指的長(zhǎng)度之比、不同手指的寬度之比、手指寬度與手指長(zhǎng)度之比、手指長(zhǎng)度與手掌寬度之比,分別構(gòu)成了3組特征向量進(jìn)行識(shí)別實(shí)驗(yàn)。3組特征向量的構(gòu)成如下:1)特征向量1:食指長(zhǎng)度/中指長(zhǎng)度;無(wú)名指長(zhǎng)度/中指長(zhǎng)度;小指長(zhǎng)度/中指長(zhǎng)度;手指平均寬度/手指平均長(zhǎng)度;中指長(zhǎng)度/手掌寬度。2)特征向量2:食指長(zhǎng)度/中指長(zhǎng)度;無(wú)名指長(zhǎng)度/中指長(zhǎng)度;小指長(zhǎng)度/中指長(zhǎng)度;食指寬度/中指寬度;無(wú)名指寬度/中指寬度;小指寬度/中指寬度;手指平均寬度/手指平均長(zhǎng)度;中指長(zhǎng)度/手掌寬度。3)特征向量3:食指長(zhǎng)度/中指長(zhǎng)度;無(wú)名指長(zhǎng)度/中指長(zhǎng)度;小指長(zhǎng)度/中指長(zhǎng)度;手指平均寬度/手指平均長(zhǎng)度;中指長(zhǎng)度/手掌寬度;食指寬度1/中指寬度1;無(wú)名指寬度1/中指寬度1;小指寬度1/中指寬度1;食指寬度2/中指寬度2;無(wú)名指寬度2/中指寬度2;小指寬度2/中指寬度2。其中,手指平均寬度為4個(gè)手指的8個(gè)寬度的平均值,手指平均長(zhǎng)度為4個(gè)手指長(zhǎng)度的平均值。特征向量2中食指寬度、中指寬度、無(wú)名指寬度和小指寬度分別指其1/2長(zhǎng)度處的寬度。特征向量3中手指寬度1和手指寬度2分別指每個(gè)手指1/3,2/3長(zhǎng)度處的寬度?！?”為除號(hào),3組特征向量的特征個(gè)數(shù)分別為5,8和11。3.4判決閾值確定采用歐氏距離作為認(rèn)證決策。設(shè)某用戶(hù)注冊(cè)的特征向量是{di,i=1,2,…,n},待認(rèn)證的手形特征向量是{d′i,i=1,2,?,n},其中n表示特征向量的維數(shù),2個(gè)特征向量的歐氏距離D越小,表明2個(gè)特征向量越貼近。當(dāng)D小于某一閾值T時(shí),則判斷為同一人的手,否則為不同人的手。計(jì)算公式為D=n∑i=1√(di-d′i)2.(2)接受者操作特性(ROC)曲線是對(duì)識(shí)別系統(tǒng)的一種最常用的評(píng)價(jià)方法,能有效地表征一個(gè)識(shí)別系統(tǒng)的性能。選取等錯(cuò)誤率情況下(即誤識(shí)率與誤拒率相等)的距離作為判決閾值,如圖7(b)所示。圖中2條曲線誤識(shí)率(FAR)和誤拒率(FRR)交點(diǎn)處對(duì)應(yīng)的歐氏距離即為所選取的判決閾值。4兩組匹配實(shí)驗(yàn)為充分驗(yàn)證所提取特征的有效性,用香港科技大學(xué)的手形圖像庫(kù)進(jìn)行了驗(yàn)證實(shí)驗(yàn)。圖庫(kù)中包括254個(gè)人,每人10幅右手圖像,圖像分辨率為640pixel×480pixel。實(shí)驗(yàn)對(duì)圖庫(kù)圖像進(jìn)行兩兩匹配,計(jì)算在等錯(cuò)誤率(EER)情況下的正確識(shí)別率(ARR)。將來(lái)自同一個(gè)人手的不同圖像間的匹配作為類(lèi)內(nèi)匹配;將不同人手的圖像之間的匹配作為類(lèi)間匹配。對(duì)圖庫(kù)中254個(gè)人的手形圖像進(jìn)行測(cè)量實(shí)驗(yàn),并分別計(jì)算3組特征的認(rèn)證結(jié)果;再?gòu)膱D庫(kù)中選取180個(gè)人應(yīng)用文中算法進(jìn)行自動(dòng)識(shí)別實(shí)驗(yàn),驗(yàn)證特征提取的準(zhǔn)確程度。4.1類(lèi)內(nèi)匹配實(shí)驗(yàn)結(jié)果對(duì)圖庫(kù)中254個(gè)人的2540幅圖像,用第2節(jié)提到的測(cè)量方法得到所需的各個(gè)相對(duì)長(zhǎng)度特征,組成選取的3組特征向量,分別進(jìn)行匹配實(shí)驗(yàn)。每組特征向量共進(jìn)行C22540=3224530次匹配實(shí)驗(yàn),其中類(lèi)內(nèi)匹配為254×C210=11430次,類(lèi)間匹配為C22540-254×C210=3224530-11430=3213100次。實(shí)驗(yàn)結(jié)果如表1所示。僅列出了第3組特征向量的類(lèi)內(nèi)與類(lèi)間距離分布曲線如圖7(a)所示,等錯(cuò)誤率曲線如圖7(b)所示,ARR是正確識(shí)別率。本文FAR為錯(cuò)誤識(shí)別個(gè)數(shù)/類(lèi)間匹配次數(shù),FRR為錯(cuò)誤拒絕個(gè)數(shù)/類(lèi)內(nèi)匹配次數(shù),ARR為1-[(錯(cuò)誤拒絕次數(shù)+錯(cuò)誤接受次數(shù))/總匹配次數(shù)]。4.2節(jié)點(diǎn)閾值匹配實(shí)驗(yàn)結(jié)果從手形庫(kù)中選取了180個(gè)人,每人10幅右手圖像,共1800幅圖像,應(yīng)用第3節(jié)的自動(dòng)識(shí)別方法提取特征。對(duì)選取的3個(gè)特征向量分別進(jìn)行匹配實(shí)驗(yàn),每組實(shí)驗(yàn)共進(jìn)行1619100次匹配,其中類(lèi)內(nèi)匹配8100次,類(lèi)間匹配1611000次。第3個(gè)特征向量的類(lèi)內(nèi)與類(lèi)間距離分布曲線如圖8(a)所示,等錯(cuò)誤率曲線如圖8(b)所示。從圖7(b),圖8(b)中,閾值T(橫坐標(biāo))越大,誤拒率越小,誤識(shí)率越大;T越小誤拒率越大,誤識(shí)率越小。在實(shí)際應(yīng)用中,一般先統(tǒng)計(jì)出錯(cuò)誤率曲線,然后根據(jù)系統(tǒng)的實(shí)際需要適當(dāng)調(diào)整閾值大小。實(shí)驗(yàn)中均選取最佳閾值(即FAR等于FRR時(shí)的閾值),匹配結(jié)果如表1所示。從表格中的實(shí)驗(yàn)結(jié)果可以看出,采用文中介紹的自動(dòng)識(shí)別方法,算法自動(dòng)提取特征構(gòu)成的3個(gè)特征向量得出的識(shí)別率與實(shí)際測(cè)量得出的識(shí)別率相差均不超過(guò)1.5%,說(shuō)明這種方法是可行的。在用測(cè)量方法提取特征的情況下,選取的3組特征分別達(dá)到了92.29%,93.81%和94.38%的識(shí)別率;自動(dòng)識(shí)別情況下分別達(dá)到91.08%,92.52%和93.27%的識(shí)別率,說(shuō)明本文選取的特征組合是有效的。僅用5個(gè)特征進(jìn)行匹配認(rèn)證時(shí)就可達(dá)到91.08%的識(shí)別率,選用11個(gè)特征時(shí)可達(dá)93.27%的識(shí)別率,具有較好的識(shí)別結(jié)果。5特征組合的有效性檢驗(yàn)針對(duì)手指自然張開(kāi)狀態(tài)、無(wú)固定栓和非接觸條件下采集的手形圖像進(jìn)行研究,采用手部幾何尺寸的相對(duì)長(zhǎng)度作為特征,使得本文方法不受采集時(shí)手的平移、旋轉(zhuǎn)(在同一平面內(nèi)旋轉(zhuǎn),且大方向不變)和縮放的影響。選取多種不同長(zhǎng)度的比值作為特征,分別由5,8和11個(gè)相對(duì)長(zhǎng)度特征構(gòu)成3組特征向量,應(yīng)用實(shí)際測(cè)量和自