近紅外指靜脈圖像采集系統(tǒng)設(shè)計(jì)*

梁愛(ài)華， 付 鈧

(1.北京聯(lián)合大學(xué) 北京信息服務(wù)工程重點(diǎn)實(shí)驗(yàn)室，北京 100101；

2.北京聯(lián)合大學(xué) 計(jì)算機(jī)技術(shù)研究所，北京 100101)

0 引 言

目前，基于人體生物特征的個(gè)人身份認(rèn)證技術(shù)已經(jīng)比較普及，如指紋識(shí)別、人臉識(shí)別和虹膜認(rèn)證等，但都存在特征穩(wěn)定性不足、信息容易被竊取和偽造的缺點(diǎn)，安全性差。例如:指紋識(shí)別技術(shù)存在4 %左右的用戶(hù)無(wú)法正常登記和識(shí)別，并且指紋也非常容易被竊取和仿造。靜脈認(rèn)證技術(shù)[1]是利用人體內(nèi)部的靜脈血管紋理信息作為個(gè)人身份特征，由于位于體表下幾乎無(wú)法竊取和偽造，可以大大提高個(gè)人身份認(rèn)證的安全性，并且不容易受外部因素影響，具有更好的適應(yīng)性和穩(wěn)定性。

靜脈認(rèn)證的基本原理是利用含氧血液相對(duì)肌肉組織對(duì)波長(zhǎng)為700～1 000 nm的近紅外光譜有較強(qiáng)吸收作用，根據(jù)血液中的血紅素特性來(lái)進(jìn)行靜脈識(shí)別，將只感紅外的相機(jī)對(duì)近紅外照射的手指進(jìn)行拍照，即可采集到手指內(nèi)部的靜脈血管結(jié)構(gòu)灰度圖，然后進(jìn)行圖像增強(qiáng)、濾波、歸一化、二值化和特征提取等多個(gè)處理過(guò)程，利用靜脈的空間拓?fù)浣Y(jié)構(gòu)能可靠、準(zhǔn)確地確定一個(gè)人的身份。

利用主動(dòng)近紅外光源照射手指并通過(guò)攝像裝置采集手指圖像即可采集到手指血管的脈絡(luò)紋理圖像，不同的光源設(shè)計(jì)和光路設(shè)計(jì)都會(huì)影響采集的靜脈脈絡(luò)紋理圖像質(zhì)量和用戶(hù)體驗(yàn)，從而影響認(rèn)證效果。現(xiàn)有的靜脈采集裝置[2,3]大多采用在手指正上方安放光源進(jìn)行靜脈圖像采集，這種采集方式的缺點(diǎn)是不利于手指位置的確定，用戶(hù)體驗(yàn)較差。

本文提出了一種新穎的近紅外指靜脈圖像采集系統(tǒng)的設(shè)計(jì)方案，利用單側(cè)聚焦光源與反射鏡面相結(jié)合的光源照射方式，可以避免純單側(cè)光源下手指受光不均勻的問(wèn)題，并易于使用，有良好的用戶(hù)體驗(yàn)，從而獲得更好的認(rèn)證效果。

1 總體設(shè)計(jì)

指靜脈認(rèn)證裝置由電源模塊、近紅外LED光源、微距紅外攝像頭、手指感應(yīng)開(kāi)關(guān)、嵌入式SOC認(rèn)證模塊、控制盒和輸入輸出接口組成。

它們之間的位置連接關(guān)系和信號(hào)走向是：手指感應(yīng)開(kāi)關(guān)與嵌入式SOC認(rèn)證模塊通過(guò)通用輸入輸出接口(GPIO)連接，近紅外LED光源通過(guò)脈寬調(diào)制(PWM)控制連接，微距紅外攝像頭與嵌入式SOC認(rèn)證模塊的圖像輸入接口連接，輸入輸出接口通過(guò)線(xiàn)纜與嵌入式SOC認(rèn)證模塊連接，電源模塊與上述各模塊及元件連接，給裝置各模塊和元件提供工作所需電壓。認(rèn)證裝置各模塊的連接關(guān)系和信號(hào)走向如圖1所示;裝置截面示意圖如圖2所示。

圖1 系統(tǒng)模塊框圖

圖2 采集裝置截面示意圖

1.1 近紅外LED光源

近紅外LED光源裝置主要由兩部分構(gòu)成:一部分是近紅外發(fā)光LED，另一部分是反射立面。近紅外LED光源采用具有聚焦功能的近紅外LED，為了使手指受光均勻并充分利用光源，設(shè)置于手指?jìng)?cè)上方并距離手指背面大約4～8 mm處依次平行排列，并與手指平面呈一定角度，具體角度與近紅外發(fā)光二極管的發(fā)光角度相關(guān)，實(shí)驗(yàn)證明約為紅外二極管發(fā)光角的1/2～1/3最為合適。

近紅外LED光源裝置在手指的左側(cè)上方，手指感應(yīng)開(kāi)關(guān)第三指節(jié)感應(yīng)開(kāi)關(guān)和第一指節(jié)感應(yīng)開(kāi)關(guān)分別在第三指節(jié)(指根)和第一指節(jié)(指尖)的下方2～5 mm處。

為了適應(yīng)粗細(xì)大小不同的手指，近紅外二極管光源亮度可調(diào)，可通過(guò)PWM方式動(dòng)態(tài)開(kāi)/關(guān)和亮度調(diào)節(jié)。為增強(qiáng)手指左右兩邊的受光均勻性，設(shè)置有近紅外光源反射裝置，它放置在近紅外LED光源裝置的對(duì)面和控制盒上端，并與近紅外LED光源裝置平行，具有反射近紅外光的作用，增強(qiáng)手指受光均勻性，該近紅外光源反射裝置是鏡子或具有反射光線(xiàn)作用的材料制作。

圖3為L(zhǎng)ED光源裝置的原理示意圖。近紅外發(fā)光LED發(fā)光聚焦角度α為30°～40°，近紅外LED的發(fā)光中心線(xiàn)與手指平面成一定角度β≈α/2，對(duì)于正常大小的手指有80 %的光量直接照射到手指，另有20 %左右的光量通過(guò)反射立面照射到手指的另一邊，優(yōu)點(diǎn)是手指放置習(xí)慣自然，手指受光均勻，不會(huì)出現(xiàn)兩邊高亮和一邊亮一邊暗的情況從而影響圖像質(zhì)量，還能有效減小裝置尺寸。

圖3 LED光源裝置原理圖

1.2 微距紅外攝像頭

微距紅外攝像頭由鏡頭、濾光片和CMOS/CCD感光器件組成，其間關(guān)系是：濾光片的位置在鏡頭與CMOS/CCD感光傳感器之間，放置于控制盒底部，用于采集手指靜脈紋理圖像。濾光片采用普通的850 nm帶通濾光片，只能透過(guò)波長(zhǎng)為850 nm的近紅外光。CMOS/CCD感光器件采用普通的CMOS或CCD，它放置于控制盒底部中間位置，用于采集手指中間部位靜脈紋理圖像。

微距紅外攝像頭與嵌入式SOC認(rèn)證模塊在同一塊電路板上，它通過(guò)接收手指透射的近紅外光進(jìn)行成像,進(jìn)而實(shí)現(xiàn)指靜脈的認(rèn)證。

1.3 手指感應(yīng)開(kāi)關(guān)

手指感應(yīng)開(kāi)關(guān)由1個(gè)或多個(gè)電容觸摸感應(yīng)開(kāi)關(guān)組成，放置于手指下方2～5 mm處，與嵌入式SOC認(rèn)證模塊連接，當(dāng)手指200正確放置后會(huì)給出高電平信號(hào)。

手指感應(yīng)開(kāi)關(guān)用何傳感器并無(wú)特定限制，采用靜電電容式的觸摸傳感器，當(dāng)手指接近傳感器時(shí)電容會(huì)發(fā)生變化，當(dāng)電容變化達(dá)到一定閾值的時(shí)候傳感器會(huì)發(fā)出高電平信號(hào)，進(jìn)而可以檢測(cè)是否有手指放置。

1.4 嵌入式SOC認(rèn)證模塊

嵌入式SOC認(rèn)證模塊是由中央處理器(CPU)，內(nèi)存RAM，存儲(chǔ)器FLASH等部件組成的單芯片系統(tǒng)，F(xiàn)LASH用于存儲(chǔ)程序和用戶(hù)特征登記數(shù)據(jù)。嵌入式SOC認(rèn)證模塊與手指感應(yīng)開(kāi)關(guān)連接，同時(shí)與微距攝像頭和近紅外LED光源連接，當(dāng)通過(guò)手指感應(yīng)開(kāi)關(guān)檢測(cè)到手指放置后，嵌入式SOC認(rèn)證模塊會(huì)打開(kāi)近紅外LED光源并通過(guò)微距攝像頭采集指靜脈圖像。

1.5 控制盒

控制盒是一個(gè)箱式盒體結(jié)構(gòu)，所有部件都安裝其上，輸入輸出接口有USB,UART,GPIO等常用輸入輸出接口。

2 工作流程

總體工作流程是：當(dāng)嵌入式SOC認(rèn)證模塊檢測(cè)到手指感應(yīng)開(kāi)關(guān)為高電平時(shí)，表示有檢測(cè)到手指放置，嵌入式SOC認(rèn)證模塊打開(kāi)近紅外LED光源，并同步采集微距攝像頭的圖像，圖像采集完成后就可以進(jìn)行靜脈圖像的后續(xù)處理和認(rèn)證，并給出最終認(rèn)證結(jié)果。

對(duì)于不同粗細(xì)的手指和不同的環(huán)境光照，如果光源強(qiáng)度和CMOS傳感器的曝光時(shí)間固定不變,則會(huì)出現(xiàn)指靜脈圖像過(guò)暗和過(guò)亮的情況，需要根據(jù)采集的指靜脈圖像灰度直方圖動(dòng)態(tài)調(diào)節(jié)光源強(qiáng)度和CMOS曝光時(shí)間，以適應(yīng)不同類(lèi)型的手指和不同的環(huán)境光照。采用PWM的方式控制近紅外LED光源的亮度，提高占空比,則減小光源亮度，進(jìn)而圖像變暗;減小占空比,則加大光源亮度，進(jìn)而圖像變亮。通過(guò)I2C直接設(shè)置CMOS曝光寄存器調(diào)整曝光時(shí)間，曝光時(shí)間加大,則圖像變亮;曝光時(shí)間減小,則圖像變暗。

目前對(duì)靜脈識(shí)別算法[4～6]和圖像質(zhì)量評(píng)價(jià)[7,8]的研究日益增多。本裝置采用了改進(jìn)的模板匹配算法進(jìn)行靜脈識(shí)別。

指靜脈認(rèn)證流程如圖4所示。首先檢測(cè)手指是否正確放置，若正確,則開(kāi)啟近紅外LED光源進(jìn)行指靜脈圖像采集，之后進(jìn)行圖像質(zhì)量評(píng)價(jià)，以檢測(cè)是否符合要求;如果評(píng)價(jià)不合格，則重新調(diào)整光源亮度和曝光時(shí)間，直至采集到高質(zhì)量的靜脈圖像。在認(rèn)證時(shí)將采集到圖像與靜脈特征庫(kù)中的圖像進(jìn)行比對(duì)，根據(jù)比對(duì)的相似度判斷是否匹配成功。這里采用預(yù)先設(shè)定閾值的方法，大于閾值,則認(rèn)為相似度達(dá)到要求，提示驗(yàn)證成功;否則,驗(yàn)證失敗。閾值可以根據(jù)要求進(jìn)行設(shè)定。

3 實(shí) 驗(yàn)

為了測(cè)試該采集系統(tǒng)的可靠性，對(duì)其進(jìn)行了實(shí)測(cè)驗(yàn)證。測(cè)試中隨機(jī)選取了20人，每人提取6根手指(不包括大拇指和小指)進(jìn)行靜脈圖像采集，每根手指登記3次，共得到360個(gè)靜脈圖像樣本，然后對(duì)每個(gè)人都進(jìn)行多次認(rèn)證測(cè)試，在認(rèn)證算法相同的情況下，將手指上方正面光源采集裝置和側(cè)面光源與反射鏡面結(jié)合裝置進(jìn)行了認(rèn)證對(duì)比。

圖4 認(rèn)證流程圖

測(cè)試中對(duì)認(rèn)證成功的通過(guò)率和認(rèn)證的誤識(shí)率進(jìn)行了統(tǒng)計(jì)計(jì)算，測(cè)試驗(yàn)證結(jié)果如表1所示。驗(yàn)證結(jié)果表明：二者均沒(méi)有出現(xiàn)誤識(shí)情況，側(cè)面光源與反射鏡面相結(jié)合的靜脈圖像采集方式的通過(guò)率達(dá)到98.8 %，高于正面光源采集方式。這主要是因?yàn)樵摲绞绞褂脩?hù)更易確定正確的手指位置，因而得到圖像的一致性更好，也更穩(wěn)定，從而具有更高的通過(guò)率。

表1 測(cè)試結(jié)果

4 結(jié) 論

在近紅外指靜脈采集系統(tǒng)中，兼顧了光源照射方式、安裝結(jié)構(gòu)和手指放置舒適度的特點(diǎn)，采用紅外光源從手指斜上方照射手指，能獲取最佳的靜脈圖像，通過(guò)率達(dá)到98.8 %，高于正面光源采集方式，同時(shí)小尺寸設(shè)計(jì)使之適用于多種應(yīng)用場(chǎng)合。

參考文獻(xiàn):

[1]Yanushkevich S N. Synthetic biometrics:A survey[C]∥ IEEE International Joint Conference on Neural Network,Vancouver,Canada,2006.

[2]楊數(shù)強(qiáng)，余成波，崔焱喆,等.手指靜脈智能采集裝置的研制[J].計(jì)算機(jī)工程與設(shè)計(jì)，2009，30(21):4977-4979.

[3]王 璐，張文濤.人體手掌靜脈圖像采集系統(tǒng)研究[J].激光與紅外，2013，43(4):404-408.

[4]陳攻攻.手指靜脈圖像的去噪與分割算法研究[D].長(zhǎng)春:吉林大學(xué),2010.

[5]Venckauskas A,Morkevicius N,Kulikauskas K.Study of finger vein authentication algorithms for physical access control[J].Elektronika IR Elektrotechnika,2012,121 (5):101-104.

[6]Yang Jinfeng,Wu Meijing,Wang Wanyin,et al.Finger-vein ma-tching based on adaptive vector field estimation[C]∥The International Conference on Image Processing (ICIP),Orlando,USA:IEEE Signal Processing Society,2012.

[7]王科俊,劉靖宇,馬 慧,等.手指靜脈圖像質(zhì)量評(píng)價(jià)[J].智能系統(tǒng)學(xué)報(bào),2011,6(4):324-327.

[8]張 漫.圖像質(zhì)量評(píng)價(jià)算法的研究[D].濟(jì)南：山東大學(xué)，2007.