大样本手背静脉身份识别的关键问题研究

The main purpose of this project is to find solutions of some critical issues in the research of the hand dorsal vein identification by large-scale samples. According to the practical use of large-scale sample hand vein recognition, the critical issues can be defined as three scientific ones: theoretical analysis of how the hand vein sample scale and image quality may affect the recognition accuracy; analysis of the robustness when doing vein features extraction of different races, aging and the non-linear deformation; analysis of real-time recognition in large sample data base. The content of the research is as follows: analyzing the recognizable feature and the capacity of large-scale samples; finding out how the hand vein image quality may affect the recognition rate; considering liveness detection based on the optical properties of hand vein in the rich NIR spectrum; extracting the vein feature in consideration of robustness against the elastic deformation; generating templates of multi-information fusion and devising classifier based on the feature similarity analysis. The research approach is as follows: to obtain the minimum parameter of ensuring hand vein image quality by theoretical analysis and experimental study on how the recognition rate is affected by image quality; to test liveness detection by analyzing characters of hand dorsal vein in the multi-spectrum and calculating its peak rate value; to enhance robustness by error correction coding; to increase recognition rate by strengthening the distinguishability of different classes and the similarity of the same class, with building code dictionary of hand dorsal vein feature; for practical applications, one fast compute compression-matching algorithm is adopted to solve the interacting problem with recognition accuracy and recognition speed.

本项目主要研究大样本手背静脉身份识别的关键问题。针对大样本应用的实际问题,凝练三个具体科学问题:样本集规模、图像质量对识别精度影响的理论分析，多人种、老龄化和非线性形变的鲁棒特征提取问题和大规模数据库实时识别问题；具体研究内容为：特征可分性与大样本集容量的研究，图像质量参数与识别率关系的研究，手背静脉多光谱特性的活体检测研究，对皮肤弹性形变鲁棒的特征提取及特征编码研究，多信息融合的模板生成及基于相关处理的分类器研究；研究方案为：进行图像质量参数对识别率影响的理论与实验研究，获得图像质量参数的最低要求；分析手背静脉的多光谱特性，提取双色近红外峰值比研究手背静脉图像的活体检测；对手背静脉特征进行纠错编码提高类间距离增加特征鲁棒性，构造对手背静脉纹理结构特征鲁棒的码字典以减小类内距离，保证高的识别率；面向实际应用，采用匹配压缩快速运算方法，一定程度上解决识别精度与识别速度相互制约的问题。

项目全面深入地研究了基于手背静脉的生物特征识别技术，自主研发了基于混合照射成像原理的手背静脉图像采集装备并获得国家发明专利，在噪声去除、活体防伪检测、图像配准、高精度识别和分类器设计等方面取了创新性成果。课题组研制了手背静脉识别系统装备样机，测试性能稳定达到了99.02%的识别准确率。建立了目前已见报道的最大的手背静脉图像数据库，已被英国、法国、西班牙、挪威、印度、伊朗等国家和国内的北航、北理工和西安交通大学等10余个研究组申请使用，对于该领域的研究起到了积极的推动作用。项目主要研究内容和创新点如下：.(1)提出了反射与投射相结合的近红外LED 光照成像方法，大大提高了采集的图像质量，满足后续的特征提取与识别研究；针对采用的摄像头的特点，设计专门去除暗电流噪声的多级处理算法，得到尽量平滑的低噪声图像；.(2)选取了对比度、清晰度、有效区域、位置偏移以及信息熵等参数作为手背静脉图像质量评价的指标，通过数学分析给出了各自指标的求取方法，最终使用加权平均的方式对上述指标进行综合分析，给出一个可用于进行质量评价的分数计算方法；.(3)建立了手背静脉图像数据库，提出了基于图像熵分块编码的数据容量分析方法；提出了基于双PCA动态空间的数据合成方法，完成了10万人规模的数据合成工作，为大样本手背静脉身份识别建立了基础；.(4)提出了多尺度，分块PLBP 特征，用不同的编码方式对其进行编码来增加类间距离，达到高精度的识别率；通过神经网络训练的方式建立手背静脉的码字典，进一步提高识别精度；.(5)研究了基于局部与全局融合的手背静脉识别方法，分别从特征层和决策层融合方面展开研究，利用特征间的互补性通过融合的方式提高手背静脉识别的准确性和鲁棒性。.(6)基于PCA与AR模型功率谱估计，提出了一种真实样本监督下的活体检测算法。针对三种造假情况，正确识别识别率超过99%。.本项目发表学术论文21篇，其中国际刊物5篇，国内核心刊物4篇，国际会议11篇，SCI收录4篇，EI收录20篇。出版《手背静脉身份识别技术》专著一本，科学出版社。完成2项国家发明专利的申请，其中授权1项，实审1项。