靜脈識別
生物識別之一
靜脈識別,生物識別的一種。靜脈識別系統就是首先通過靜脈識別儀取得個人靜脈分布圖,從靜脈分布圖依據專用比對演演算法提取特徵值,通過紅外線 CCD攝像頭獲取手指、手掌、手背靜脈的圖像,將靜脈的數字圖像存貯在計算機系統中,將特徵值存儲。靜脈比對時,實時採取靜脈圖,提取特徵值,運用先進的濾波、圖像二值化、細化手段對數字圖像提取特徵,同存儲在主機中靜脈特徵值比對,採用複雜的匹配演演算法對靜脈特徵進行匹配,從而對個人進行身份鑒定,確認身份。
靜脈識別
手指靜脈技術具有多項重要特點,使它在高度安全性和使用便捷性上遠勝於其它生物識別技術。主要體現在以下幾個方面:
靜脈隱藏在身體內部,被複制或盜用的機率很小。
使用者心理抗拒性低,受生理和環境影響的因素也低,包括:乾燥皮膚,油污,灰塵等污染,皮膚表面異常等。
認假率為0.0001%,拒真率為0.01%,註冊失敗率為0%。
原始手指靜脈影像被捕獲並數字化處理,圖像比對由日立專有的手指靜脈提取演演算法完成,整個過程不到1秒。
四種識別模式對比:
ID卡識別 | 指紋識別 | 虹膜識別 | 靜脈識別 | |
安全性 | 由於ID卡內的卡號讀取無任何許可權,易於仿製。 | 由於每個人的指紋不同,就是同一人的十指之間,指紋也有明顯區別,因此安全性相對較高 | 能提供數量較多的特徵點,是精確度最高的生物識別技術之一 | 手指靜脈位於體表之下,圖樣更為複雜,進一步增加了做假的難度,表現也更為安全、穩定 |
可靠性 | 需要依賴網路軟體來處理各子系統的信息,對網路的依賴大 | 對臟手指、濕手指等困難手指識別率低 | 出現認假和拒假的可能性也相當小 | 受溫度和其它外部衝擊的影響也較小,從而具有高驗證準確度:他人誤認率為0.0001%,本人拒絕率為0.01%,註冊失敗率0% |
便利性 | 需要智能化系統的維護和運行,卡必須隨身攜帶,易丟失 | 應用範圍相當的廣泛,無需攜帶任何設備 | 虹膜的定位可在1秒鐘之內完成,產生虹膜代碼(Iris Dode)的時間也僅需1秒的時間,資料庫的檢索時間也相當快 | 人人具有唯一識別身份效果,此外在識別掃描過程簡單又自然,減輕用戶由於擔心衛生程度或使用麻煩而可能存在的抗拒心理。 |
隨著信息技術飛速發展、人類社會不斷進步,對信息技術提出了更新、更高的要求。網路信息化時代對人的身份進行識別的需求應用越來越多,更要求身份的數字化和隱性化,如何準確鑒定一個人的身份,保護信息安全,是信息化時代必須解決的一個關鍵性問題。
傳統的身份認證所採用的方法主要有兩種‘11:一種是基於身份標示物(如鑰匙、證件、卡等)的身份認證,另一種是基於身份標示知識(如密碼、卡號、用戶名等)的身份認證。但兩者都存在著各自難以克服的缺陷:標示物容易丟失或被偽造,標示知識容易遺忘或被記錯;更為嚴重的是,這些傳統的身份識別方法往往無法區分標示物的真正擁有者和取得標示物的冒充者,一旦他人獲得這些標示物,就可以擁有相同的權利。美國一年有上億美元福利款被人以假冒身份領取。據Master Card公司估計,每年約有4.5億美元的信用卡詐騙案發生,其中就包括利用丟失和被盜的信用卡犯罪,如果銷售場所可以準確地鑒別持卡人的身份就會大大減少這類詐騙案的發生。另外,由於使用盜竊來的身份識別碼(PIN)而造成的行動電話通信的損失高達10億美元。據估計,利用可靠的方法鑒別ATM持卡人的身份,可以使全美國每年由於ATM詐騙案造成的損失減少3億美元,可靠地鑒別支票領款人可以減少上億美元的冒領金額。隨著網路的發展,非法登錄計算機的案件正里上升趨勢,有效的身份鑒別技術可以防止這類案件的發生。一種新的身份認證技術——人體生物特徵識別技術(Biometric ldentification Techn010gy)呼之欲出。
技術所依據的不是傳統的標示物或標示知識,而是依靠人體生物特徵進行身份認證的一種技術,即通過計算機將人體所固有的生理特徵或行為特徵收集進行處理,來進行個人身份鑒定的技術。生物特徵識別方法的依據是人體本身所擁有的東西,是個體特性。事實上,任何生理上的特徵都可以用來進行身份識別。生物特徵分為基於身體特性(生理特徵)和基於行為特點兩類。生理特徵與生俱來,多為先天性的;行為特徵則是習慣使然,多為後天形成。生物特徵識別技術是目前最為方便與安全的識別系統,無須記住身份證號碼或密碼,也不需要隨身攜帶像智能卡之類的東西。“鑰匙”就是你自己,沒有什麼能比這更安全和更方便。目前,一些用於身份鑒別的生物統計特徵主要有聲紋、指紋、臉紋、虹膜、筆跡、步態、紅外溫光譜圖等,另外還有一些生物特徵可以用於身份鑒別,包括耳形、DNA、視網膜、手彤、掌紋、體昧、足跡等。生物特徵識別技術的發展催少了—“個新產:、比。日前該領域的年產值已達數億美元,並呈高速增長態勢。顧11(為tcs曾做過這樣的斷言:“少物特徵識別技術,利用人的生理特徵(如指紋等)來識別個人的身份,將成為今後幾年IT產業的一項重要革新。”
早在2001年,美國已經簽署了電子簽名法案.法案的簽署促使英國各大高新技術公劉加緊開發保證電子簽名安全的技術,這主要包括驗證一個人身份的加密數字化裝省和附加在計算機上的指紋或虹膜識別設施等。特別是在“9.11,,后,生物識別技術的重要性得到今球各國政府的高度里視。美網連續發布3個法案強調在邊槍、執法、民航等領域應用/1:物待征識別技術。並立法要求2005華在護照上使用該技術;聯合國的同際氏川航節約糾(1CA())對188個成員國發布廠航率領域使用地物物證認證技術的規劃,提/化將亦個人護照中加入’仁物特徵(包括指紋識別、虹膜識別、人臉識別等),刀:在進入各個因家的邊境附進行個人身份的確認。生物特徵識別已經是國內外的前沿熱門研究方向,它利/H多學科最新研究成果,取得了大雖優秀成果,隨著汁算機技術的發展和人們肘祉會公共安全、個人情息安全需求的提高,在全球範圍內已經形成了巨大的市場。美國基於生物持征的身份認證沖、比規模已經達到數十億英元,其他一些國家和地區(如歐盟、澳大利亞、日本、韓國等)采蝴法律規定的方式來使用生物識別技術。在我闌,生物認證技術是一‘個新興的產業。齊20()7午2月我回國務院發布的《問家小長期科學和技術發展現划綱要)LFL,更是將地物特徵以別列入今後15下科技丁作重點領域小的優先主題。並在信息領域前沿“智能感知技術”’的部署cfl重點強調該領域的研究。隨著2008年奧運會和20N年儀博會等大型國際性會議的召開,擁有13億人u規模的中國“向場,註定是有浴力、有高度增K可能性的巾場,也必定為米來全球般大的止物特徵技術提供廣闊的發展空間。巾岡科學院FI動化所成立了小物特徵認證與測嚇,1I‘乙,同時促成了小國4:物特徵認證技術產業聯服的成立。
主要是利用靜脈血管的結構來進行身份識別。由於靜脈紋絡包含大量的特徵信息,可以作為驗證的對象。手掌靜脈識別的原理也是利用靜脈血管與肌肉、骨骸之間對特定波長紅外光不同的吸收特性來進行靜脈血管造影。與手掌靜脈識別的原理相同。由於手掌較厚,紅外光通常無法進行透射,因而只能採用反射造影法。紅外光照射在手背上,有靜脈的部位吸收紅外光反射暗淡,肌肉與骨路部位反射強烈,從而實現對靜脈的造影。靜脈紋絡在人體內部很難被偽造,
靜脈識別是一種新興的紅外生物識別技術 ,它是根據靜脈血液中脫氧血色素吸收近紅外線或人體輻射
遠紅外線的特性 ,用相應波長範圍的紅外相機攝取手背 (或指背、指腹、手掌、手腕 )的靜脈分布圖 ,通過歸一
化、去噪等預處理後進行濾波增強與靜脈紋路分割、細化修復 ,然後提取其特徵 ,再與預先註冊到資料庫或儲
存在 I C卡上的特徵數據進行匹配以確定個人身份[ 1 ] .由於每個人的靜脈分布圖具備類似於指紋的唯一性且 成年後持久不變的特點 ,所以它能夠唯一確定一個人的身份。此外 ,它具有其他生物特徵識別技術所不具備 的優點 ,因而具有廣泛的應用前景 ,得到廣大學者的關注.
用手背靜脈進行身份認證時,獲取的是手背靜脈的圖像特徵,是手背活體時才存在的特徵。在該系統中,非活體的手背是得不到靜脈圖像特徵的,因而無法識別,從而也就無法造假。
用手背靜脈進行身份認證時,獲取的是手背內部的靜脈圖像特徵,而不是手背表面的圖像特徵。因此,不存在任何由於手背表面的損傷、磨損、乾燥或太濕等帶來的識別障礙。
用手背靜脈進行身份認證,獲取手背靜脈圖像時,手背無須與設備接觸,輕輕一放,即可完成識別。這種方式沒有手接觸設備時的不衛生的問題以及手指表面特徵可能被複制所帶來的安全問題,井避免了被當作審查對象的心理不適。
因為有了前面的活體識別、內部特徵和非接觸式3個方面的特徵,確保了使用者的手背靜脈特徵很難被偽造。所以手背靜脈識別系統安全等級高,特別適合於安全要求高的場所使用。韓國首爾大學電子工程系有一篇關於手背靜脈識別演演算法的文獻E3,’介紹了傳統的靜脈識別演演算法以及如何用昂貴的DSP處理器處理浮點運算和提高實時性要求,縮短識別時間,文獻中描述的靜脈識別演演算法主要包括3大部分:靜脈圖像的獲取;靜脈圖像預處理和靜脈識別。圖像預處理部分主要由高斯低通濾波、高斯高通濾波、閡值處理、雙線性濾波以及改進的中值濾波等組成。通過對5000個樣本進行實驗,識別率達到94.88%。
(1)屬於內牛理特徵,不會磨損,較難偽造,具有很高安全性。
(2)血管特徵通常更明顯,容易辨識,抗干擾性好。
(3)可實現非接觸式測量,衛生性好,易於為用戶接受。
(4)不易受手表面傷痕或油污的影響。
(1)手背靜脈仍可能隨著年齡和生理的變化而發生變化,永久性尚未得到證實
(2)雖然可能性較小,但仍然存在無法成功註冊登記的可能。
(3)由於採集方式受自身特點的限制,產品難以小型化。
(4)採集設備有特殊要求,設計相對複雜,製造成本高。
考慮到每個人的手背區域尺寸大小不一 ,而且同一個人在不同時刻採集的靜脈圖像中手背區域尺寸大
小也可能不一 ,為了提高識別的準確性 ,需要將每個人的手背區域通過縮放進行尺寸歸一化。此外 ,由於採集
時間、紅外光強、手背脂肪厚度等的不同 ,手背靜脈圖在灰度分佈上存在較大差異 ,這會影響後續的處理 ,因
此必須進行灰度歸一化處理 ,即將所有圖像轉換成同一均值和方差的標準圖像
靜脈紋路的平滑
由於靜脈分割后其邊緣並不光滑,直接對其細化將產生許多毛刺,必須對其進行平滑.
根據形態學操作的特點,本文首先對圖 5所示分割結果進行形態學開操作,斷開狹窄的間斷和消除細長
的毛刺,接著用面積閾值法去除那些被斷開的斑點和斑塊,然後使用閉操作以連接斷開的靜脈,並進一步采
用中值濾波來平滑靜脈邊緣.
經實驗分析得知,中值濾波器的模板越大、濾波次數越多,骨架失真越大,反之越小,.
普通的條件細化演演算法能保持原圖的區域連通性,但並不總是能得到單像素寬的細化曲線,這就給以端
點、交叉點和毛刺長度為依據的毛刺修剪帶來很大麻煩,因為不容易確定非單像素寬的細化線的交叉點。為
此,本文採用 Wang Kejun等改進的條件細化演演算法進行細化
,得到圖 7所示的靜脈骨架.
,細化后得到的靜脈骨架仍有少許毛刺,這不利於特徵的提取,本文採用前期提出的一種毛
刺修剪演演算法來消除這些短的毛刺
.得到如圖 8所示基本沒有毛刺的結果靜脈骨架.
Hu於 1961年首先提出了基於直角坐標系的原點矩、中心矩等幾何矩的概念,之後又運用歸一化中心矩
組合定義了 7個不變矩。和其他類型的矩相比,這 7個不變矩對於平移、旋轉和比例縮放都具有較好的不變
性,因此適合於作為識別分類的特徵。但這 7個不變矩的變化範圍很大,直接作為特徵用於識別效果不是很
好,必須加以修正,本文利用取對數的方法進行數據壓縮,同時考慮到不變矩有可能出現負值,因此,本文實
際採用的不變矩為下式
M′ i = lg|Mi | , i = 1, 2, 3, …, 7 . (3)
然後將 M′ 1~M′ 7作為靜脈骨架的不變矩特徵,並應用下式構造矩特徵向量
M = (M′ 1 ,M′ 2 ,M′ 3 ,M′ 4 ,M′ 5 ,M′ 6 ,M′ 7 ) . (4)
以 007號手背靜脈圖像 (007 hv 1 . bmp~007 hv 5 . bmp)為例,其靜脈骨架的矩特徵向量如表 1所示.
表 1 修正後的靜脈不變矩特徵向量
靜脈圖像
不變矩 HV1 hv2 hv3 hv4 hv5
M′ 1 0 . 746 132 0 . 755 544 0 . 761 463 0 . 762 629 0 . 745 536
M′ 2 - 1 . 300 106 - 2 . 232 351 - 2 . 166 532 - 0 . 822 852 - 0 . 653 529
M′ 3 0 . 102 239 0 . 121 920 - 1 . 329 910 - 1 . 107 078 - 0 . 648 701
M′ 4 - 1 . 832 518 - 1 . 618 541 - 1 . 319 387 - 0 . 180 293 - 0 . 002 694
M′ 5 - 2 . 152 984 - 1 . 867 573 - 2 . 037 022 - 0 . 623 853 - 0 . 334 567
M′ 6 - 2 . 053 364 - 2 . 828 432 - 2 . 437 842 - 2 . 036 446 - 1 . 399 067
M′ 7 - 1 . 003 532 - 2 . 716 815 - 1 . 477 484 - 0 . 522 549 0 . 535 775
支持向量機 ( SVM)是數據挖掘中的一個新方法 ,能非常成功地處理模式識別 (分類問題、判別分析 )和
回歸問題 (時間序列分析 )等諸多問題 ,並可推廣到預測和綜合評價等領域。將兩分類向量機通過一定方式
組合起來可形成多分類支持向量機 ,實現多分類的功能。常見的組合方式有一對一方式和一對多方式.
本文採用台灣大學林智仁 (Chih2 Jen Lin)等開發設計的 L I BSVM軟體包進行實驗[ 7 ]
,利用 L I BSVM提供
的開放源碼 ,通過修改、參數調整 ,選用 C2 SVC模型、徑向基函數、一對一方式對靜脈圖像進行識別。將式 (4)
所提取的靜脈骨架矩特徵向量 M 作為支持向量機分類器的輸入向量進行分類識別.
識別實驗在 Mohamed Shahin博士提供的手背靜脈圖像資料庫[ 8 ]
上進行 ,庫中共有 100個手背的靜脈
圖 ,每個手背有 5幅樣本圖像 ,共 500幅圖像 ,原始圖為 320 × 240的 256色灰度圖.靜脈識別實驗從每個手
背的 5幅圖像中任選 3幅用作訓練 ,剩餘 2幅用作識別測試 ,實驗結果獲得了 191 /200 = 95 . 5%的識別率.
在實驗中發現 ,如果在選取樣本時 ,剔除那些受雜訊影響嚴重、分割出的靜脈圖嚴重變形的 12個樣本,
那麼識別率可以達到 175 /178 = 98 . 3%.由此可見 ,原始靜脈圖的質量以及靜脈紋路的分割、骨架的細化效
果對識別率影響比較大。因此 ,改善圖像的採集質量以及提高靜脈紋路分割、骨架細化的演演算法效果是提高識
別率的有效途徑.