（通信与信息系统专业论文）生物识别技术中的掌形特征提取算法的研究.pdf

嗡尔滨理t 人学t 学蟛! j 学像论文 生物识别技术中的掌形特征提取算法的研究 摘要 随着社会经济的发展，生物特征识别技术作为对入合法身份识别的一种 有效方法，越来越受到入们的关注。由于人体生理的不变性和唯一性，使它 具有传统身份识别方法所无法比拟的优势。 掌形认证以其采集设备简单( 相对于指纹，虹膜识别等) 、认证速度快、 稳定性离两成为继指纹识别之后豹又一项生物特征识别方法。现在已广泛应 用于访问控翎、工作考勤、身份认证等领域。弱前在国外的生物特征识别商 品市场份额上，掌形仪己经基本和指纹识别系统持平，但囡内掌形认证识别 技术尚处在初级发展阶段。 本文利用p c 飙，鹾触陵l b 7 。0 软件对掌形认证算法进行研究。提出了一 种以手指左右半轴宽度值为特征量的掌形认证算法，该算法优化了以手指宽 度值为特征量的掌形认证算法，弥补了它在特殊情况下所造成的错误判断： 采用了分离手指的方法，避免了由于手指本身非线性活动而带来的误差；运 黑了重新确定坐标系的方法，抵消了由于图像旋转、平移、伸缩焉造成的影 响。而且与传统的基于点模式掌形匹配算法和基于特征矢量掌形匹配算法相 比，可以取消固定栓对手指的固定，使手指的摆放具有更大的灵活性。由于 左右半轴宽度值是由点坐标计算撂到的，则它舆有点特征的信息，所以算法 既能傈证高运算速度，又能折中两种算法的错误接受率和错误拒绝率。 关键词生物特征识别；掌形认证算法；左右半轴宽度值 蹬尔演理t 人学下学硬l ! 学位论文 r e s e a r c ho nt h ea l g o r i t h mo fh a n ds h a p ef e a t u r e e x t r a c t i o no fb i o l o g i c a lr e c o g n i t i o nt e c h n i q u e a b s t r a c t w i t ht h ed e v e l o p m e n to fs o c i a le c o n o m y , b i o m e t r i c s c h a r a c t e r i s t i c r e c o g n i t i o nr e c e i v e dm o r ea n dm o r ea t t e n t i o n s i ti s a n e f j f i c a c i o u sm e t h o df o r r e c o g n i z i n gp e r s o n sl e g a li d e n t i t y b e c a u s eo ft h eb i o m e t r i c so fh u m a n sh a v e u n i q u e n e s s a n di n v a r i a b i l i t y , t h a t o u t s t a n d i n ga d v a n t a g e s a r et h a to t h e r c o n v e n t i o n a la u t h e n t i c a t i o nm e t h o d sl a c k 。 b e c a u s eo ft h es i m p l ec o l l e c t i o ni n s t r u m e n t ( c o m p a r e dw i t hf i n g e r p r i n ta n d i r i s ) a n dt h eh i g hv e r i f i c a t i o ns p e e d ，h a n ds h a p ev e r i f i c a t i o nb e c o m e sa n o t h e r m e t h o do fb i o m e t r i c sc h a r a c t e r i s t i c r e c o g n i t i o nf o l l o w i n g t h e f i n g e r p r i n t v e r i f i c a t i o n r e p o r t ss h o wt h a th a n ds h a p ev e r i f i c a t i o nh a sb e e nw i d e l yu s e di n a c c e s sc o n t r o l 。t i m ea n da t t e n d a n c e ，a n dp e r s o n a li d e n t i f i c a t i o nf i e l d st h r o u g h o u t t h ew o r l dd u r i n gt h ep a s ts e v e r a ly e a r s i nt h ef o r e i g nb i o m e t r i c sc h a r a c t e r i s t i c r e c o g n i t i o nc o m m o d i t ym a r k e t ，t h eh a n ds h a p ev e r i f i c a t i o ns y s t e m sh a v es h a r e d t h eh a l fw i t hf i n g e r p r i n ts y s t e m s 。b u tt e c h n i q u e so ft h eh a n ds h a p er e c o g n i t i o n a n dv e r i f i c a t i o ni no u rc o u n t r ya r es t i l li nt h ep r i m a r yd e v e l o p m e n tp h a s e a u t h e n t i c a t i o na l g o r i t h m so fh a n ds h a p ea r er e s e a r c h e di nt h i st h e s i sb y u s i n gp ca n dm 舔k l b 7 ，0s o f t w a r e t h i sd i s s e r t a t i o np r e s e n tah a n ds h a p e v e r i f i c a t i o nt e c h n o l o g ya sl e f ta n dr i g h th a l fa x i sw i d t hf o rf e a t u r e t h a ti s o p t i m i z e d t h ea l g o r i t h mo fa u t h e n t i c a t i o na s f i n g e r s w i d t hf o f e a t u r e 。 c o m p e n s a t e t h ee r r o n e o u sj u d g m e n tw h i c hw a sc a u s e db ye x c e p t i o n a l c i r c u m s t a n c e ；a v o i dt h ea c t i v i t i e so fn o n l i n e a re r r o ro ft h ef i n g e r sb ys e p a r a t i n g t h ef i n g e r s ；r e u s eo fac o o r d i n a t es y s t e m ，a sar e s u l to fi m a g eo f f s e tr o t a t i o n ， t r a n s l a t i o n ，a n dt h ei m p a c to fe x p a n s i o n 。c o m p a r e dw i t hc h a r a c t e r i s t i cv e c t o r s m a t c h i n gm e t h o da n dt h ep o i n tp a t t e r nm a t c h i n gm e t h o d + t h ep l a c i n go ft h e f i n g e r sw i l lh a v em o r ef l e x i b i l i t yb yc a n c e lt h ef i x i n gp i nf i x e do nt h ef i n g e r s 。 b e c a u s eo ft h el e f ta n dr i g h th a l fa x i sw i d t hw e r ec o m p u t e db yp o i n t ，s ot h a tt h e h 螽尔滚理t 人学丁学颤 j 学位论文 a l g o r i t h mh a st h ei n f o r m a t i o no fp o i n tf e a t u r ew h i c hc a ng u a r a n t e et h eh i g h c o m p u t a t i o n a ls p e e d ，b a l a n c e dt h ew r o n gr e a c c e p t a n e ea n dt h ew r o n gr 句e c tr a t e k e y w o r d s b i o m e t r i c sc h a r a c t e r i s t i cr e c o g n i t i o n ，h a n ds h a p e v e r i f i c a t i o na l g o r i t h m ，l e f ta n dr i g h th a l fa x i sw i d t h ，1 1 1 。 哈尔滨理工大学硕士学位论文原创性声明 本人郑重声明：此处所提交的硕士学位论文生物识别技术中的掌形特 征提取算法的研究，是本人在导师指导下，在哈尔滨理工大学攻读硕士学 位期间独立进行研究工作所取得的成果。据本人所知，论文中除已注明部分 外不包含他人己发表或撰写过的磷究成果。对本文研究工作做出贡献的个入 和集体，均已在文中以明确方式注明。本声明的法律结果将完全由本人承担。 作者签名：功kr 期：2 鹅年胄易翼 哈尔滨理工大学硕士学位论文使用授权书 生物识别技术中的掌形特，征提取算法的研究系本人在哈尔滨理工大 学攻读硕士学位期i b j 在导师指导下完成的硕士学位论文。本论文的研究成果 归哈尔滨理工大学所有，本论文的研究内容不得以其它单位的名义发表。本 人完全了解哈尔滨理工大学关于保存、使麓学位论文豁规定，同意学校保留 并向有关部门提交论文和电子版本，允许论文被查阅和借阅。本人授权哈尔 滨理工大学可以采用影印、缩印或其他复制手段保存论文，可以公印论文的 全部或郝分内容。 本学位论文属予 保密口，在 年解密后适用授权书。 不保密田。 ( 请在以上相应方框内打) 作者签名： 导师签名： 弓议哮r 移独， 日期：2 棚年月同 冒裁力撩易剧磊 哙尔滨理t 久学t 学颈 ：学位论文 1 1 研究的背景与意义 第1 章绪论 身份鉴别作为一种信息安全保障手段，已在全世界广泛应用。在不同的 领域都发挥着举足轻重的作用。如金融、国家安全、司法、电子商务、电子 政务等领域，都需要准确的身份认证来保障其安全系统的正常运行。 身份认证一般可分为三类：第一类基于特定物品和第二类基于特定知识 的身份验证f n 。这两类方法如身份证、工作证、智能卡、密码、口令等，携 带不便，容易遗失。而且由于使用不当或损坏，容易造成不可读取和密码易 被破解等诸多问题。而第三类基于生物特征的身份验证，是根据人的不同生 理特征，通过人脸识别、指纹识别、虹膜识别、掌形识别、声音识别、签名 识甓等技术来进行验证囝。与前两类楣比，生物特征是入与生俱来、随身携 带的，不容易被丢失或遗忘，因此更具安全性和可靠性。翌为重要的是生物 特征识别可应用在电子数字化环境中。生物特征经计算机处理之后，可以转 化为数字信号，通过网络传递，或是存储在硬件设备中1 3 l 。例如，掌形枧可 以提供联网方案，为总公司了解各个分公司点的考勤情况。露前，国外已经 出现了众多的研究机构和公司从事生物特征识别技术的研究和相应产品开 发。可以说生物特征识别技术已不再仅仅是单纯的科技研究，而且也是现代 社会步入科技化的象，征。除了上述的几大技术之外，人们还研究了其他的一 些生物特征，如：手部静脉血管模式、d n a 、珲型、身体气味、击键的动态 特性、指甲下面的真皮结构等等。这些技术与上述的几大技术相比，普遍性 较差，主要用于一些特定的应用领域。近些年人们在研究单一生物特征的同 时，也试图垮多种生物特征结合起来，实现多模态识剐，以此来提高识剐准 确率，如掌形识爨与鬻纹识别褶结合等等净j 。 目前从市场的份额来看，指纹识别和掌形识别是生物特征识别系统的两 大主流。指纹的发现至今已有二酉余年，其技术发展办最久，故指纹识别产 品是冒翦大家最耳熟能详的产品；指纹识别设备体积小，不占空间，僵就技 术而言，因为采用平面取像，过于、过湿、较脏的手指都不易被识别出来， 也存在着有些人指纹无法采集的问题。且指纹取像时必须按压适度，否则易 被拒绝，这对很多人造成使用不便。此外，由于多年来指纹一直被当成辨识 哙匀；滨璎t 入学丁掌颤 学位论文 罪犯的工具，有人会因为指纹被采集而在心理上产生抵触情绪。而掌形识别 是一种更精细的、更方便的生物特征识别技术，相对于其它生物特征识别技 术来说，掌形识别技术特征数据少，识别速凄快、准确率高，具有更广泛的 市场前景i 卯。它和指纹识别技术相比具有以下特点： 1 稳定性高在一定时期内，手掌形状相对比较稳定，根据资料记载， 成年人的手掌可以保证l o 年的尺寸，大小不变。这是实现基于掌形特征识别 系统的前提；指纹识剐盘予手指干燥或剥皮，会造威特征不易提取。 2 系统实现更容易手掌图像的获取对图像获取设备的要求较低，手掌 特征参数的提取较易实现，其后期处理也相对简单：而指纹识别由于某些人 或某些群体的指纹特征很少，故丽很难成像。 3 。识舅l 结果准勰虽然手掌特征不具备离度的唯一性，但可以 乍旄身份 识别的依据，基于掌形特征识别系统的验证速度在各项生物特征识别技术中 却是最快的。这些特性使得在实际系统设计时，设计者可以根据具体的环境， 在安全性和识别速度这两个互斥阏素问取得较好的折中；相比而言，指纹识 别结果准确性高。 4 用户可接受程度高掌形识别系统普遍采用数码摄像机或扫描仪作为 输入设备，这样既可以简单方便地提取数据，同时由于手是人类最为开放的 器官之一，从而在采集数据时，也不会使入产生不愉快或抵抗感，这些优点 使得掌形识别系统容易为用户所接受。相比较之下，由于过去因为在犯罪记 录中使用指纹，使得某些人害怕“将指纹记录在案”，所以有些人还是很排斥 指纹识别。 由于上述特点，基于掌形识别系统的硒究和开发在世界各种领域得到了 广泛的重视和应用。美国、瑞士、嗣本等国都有自己相应的掌形和指形识别 产品f6 1 。由于掌形和指形识别产品在技术设备上还是都存在较多难点，因而 这项技术的发展并不像指纹等其它生物特征识别技术那样顺利，目前只有美 国r e c o g n i t i o ns y s t e m 公司生产的i d 3 d rh a n d k e y 掌彰识别器和美圈英 格索兰公司生产的攀形仪在实际应用和市场竞争中生存下来。在国内，对指 纹的研究较多，而在掌形方面还没有发现类似产品。为填补这方面的空白， 公安部一所率先开始了这方面的研究，现已生产出了指形和掌形识别样机。 但是，在实验测试中，可能还存在运算速度竣、识别结采不准确等缺点，所 以还不具备产业化的条件。因此，需要我们必须大力研究和开展这项技术， 使掌形仪能国产化。研制出价格便宜、认证速度快、准确率高的中国自己的 掌形仪。 哙幺：滨壤下人学t 学颁1 j 学倥论文 1 2 掌形特征识别技术 掌形指的是手的外部轮霸所构成的几何圈形，经过生物学家大量的实验 证明，人的掌形在一段时期内具有稳定性，且两个不同的入掌形是不同的， 即掌形作为人的生物特征具有唯一性，掌形作为生物特征也具有普遍性，且 掌形也比较容易采集，满足作为生物特征识别的所有特点，故可以利用掌形 来对人黯身份进行识别和认证f l 。人类利用掌形进毒亍身份识别的历史以追 溯到数世纪前，人们在传递重要文件的时候，往往用自己的手印作为各种签 名和身份证据。与指纹和视网膜相比，掌形特征不具有高度的准确性，但大 量的实践证明，掌形特征有能力用于用户身份认证，从而满足中雁乇级别安全 要求。而且掌形认证不涉及个入隐私问题，也不会对用户的身体造成伤害， 且使用方便，因此用户接受程度很高，其应用前景不可小视。 1 2 1 掌形特征识别认证框架 利用掌形特征进行身份鉴别两分为两类：识别和认证。识别指确定用户 的身份，认证指验证用户是否为他所声明的身份。典型的基于掌形生物特征 识别认证系统框架如图1 1 所示。 图l l 掌影识剃，谈涯系统示意图 f i g 1 1s k e t c hm a po fh a n ds h a p ei d e n t i f i c a t i o na n dv e r i f i c a t i o n 图l l 中分为两个逻辑模块：注册模块和识别( 认证) 模块。在注册模块 中，首先登遗用户的姓名和其他个人信息，通过掌形特征识别传感器，获取 用户的掌形特征信息，并通过特征提取单元，提取特征样本，形成用户模板， 存储在系统数据库中。在识别认证模块中，与注册相同，先获取特征信息， 并提取特征信息，露与系统数据库中的模板进行匹配判决，从而确定( 验证) 哙尔滨瑾下人学t 学联l 学位沦文 用户的身份。 从识别和认证的定义中可以看出，两者的工作原理和流程大致相同。只 不过识别需要将样本与数据库孛的每一个摸板分别匹配，从两确定此群本属 于哪个入，它是一对多的匹配方式；而认证是将样本与事先声明的模板巍接 进行匹配，从而判定该样本是否属于这个人，它是一对一的匹配方式。 l 。2 2 攀形匹配算法的分类 传统的掌形认证匹配算法分为两类：基于特征矢量匹配算法和基于点模 式匹配算法【8 1 。 1 2 。2 1 特征矢量匹配算法1 9 9 9 年a 。k 。j a i n 等人在ap r o t o t y p eh a n db a s e d v e r i f i c a t i o ns y s t e m 文章中，详细阐述了基于掌形特征矢量的认证方法。2 0 0 0 年r s r e i l l o 等人发表了经典文章b i o m e t r i ci d e n t i f i c a t i o nt h r o u g hh a n d g e o m e t r ym e a s u r e m e n t s ，作者详细介绍了基于掌形矢量特征的一般认证过程 9 1 。 基于特征矢量的掌形认证方法，其思想是提取掌形中几何形状诸如手指 不同部位的长度和宽度、手掌的宽度和厚度、手掌或手指的长宽比等矢量特 征，并以这些矢量作为掌形的特征信息进行掌形的匹配判决l 1 0 1 。 为了准确、快速的选取掌形特征矢量，相比较的两幅掌形图像必须事先 配准。因此掌形认证系统一般在采集图像的时候，利用固定栓将手指的摆放 位置固定，然后在图像中的各个基准位置附近提取掌形中的各个矢量特征。 利用固定栓的好处在于算法简单，图像处理速度快。但是固定栓从另一个角 度讲也莱缚了手的摆放，当凑户不按照要求摆放，或者手指挤压固定栓丽造 成手指边缘严重形变时，这种基予特征矢量认证方法的准确性将大大下降。 对于掌形特征的匹配判决算法，2 0 0 0 年r s r e i l l o 等人在描述掌形认证 与智能卡相结合的访问控制系统的文章a c c e sc o n t r o ls y s t e mw i t hh a n d g e o m e t r yv e r i f i c a t i o na n ds m a r tc a r d s 中，提出了剩用高斯混合模型( g m m ) 实现掌形认证的算法。并通过与基于欧式距离、汉明距离、g m m 、径向基网 络的各种分类器进行比较，证明g m m 分类器具有最好的认证准确率【l 。 1 2 。2 2 点模式匹配算法为了克服利用固定检造成手指形变从而降低掌形认 证准确性的不是，a 。k 。j a i n 等入发表文章d e f o r m a b l em a t c h i n go fh a n d s h a p e sf o rv e r i f i c a t i o n ，阐述通过提取掌形边缘轮廓，并计算轮廓上的特征点 之间的距离来认证用户身份的方法。算法中使用手指形变匹配方法，从而摆 - 4 哈匀；渡壁鼙t 人学下学竣l 。学垃论文 脱了固定栓的束缚i j 2 1 。 掌形配准后，算法将每一个手指进行分离，然后分别计算两幅掌形图像 中各个手指上的边缘特征点之间的距离，并通过闽值判定，最终得到认证结 论。尽管这种方法弥补了基于特，征矢量掌形认证的不足，利用掌形的轮廓进 行配准与判决，但幽于手指之i b j 连接处肌肉的形变不同，因此仍需要利用固 定栓固定手指根的位置，从而对整个掌形进行正确配准。 北京交通大学的孙冬梅博士酱提出一种基于掌形点莲配的认证算法。算 法先提取每一个手指，然后对各个手指单独进行匹配计算，得到匹配参数， 然后使用支持向量机算法设计分类器，再利用附面得到的匹配参数进行判决 分类，从而实现身份认证。其中，使用一s v m 支持向量机的结果最好l l 。 1 2 3 性能衡量标准 图1 2f a r 与f a r 的关系 f i g i 一2t h er e l a t i o n s h i pb e t w e e nf a ra n df a r 掌形特征识别技术，在实际应焉中主要存在两种错误，霹错误接受和错 误拒绝。错误接受是指本应被系统拒绝的用户却被接受了，错误拒绝是指本 应被系统接受的用户却被拒绝了。相应地，就存在错误接受率( f a l s ea c c e p t r a t e ) 幂l 错误拒绝率( f a l s er e j e c tr a t e ) 两个指标。这两个指标具有内在的必然 联系，其关系如图1 2 所示。可见，f a r 酌减少是以f r r 的增加为代价的。 因此，如何选取适当的闽值作为匹配判决标准，将直接影响系统的性能好坏。 除了上述f a r 和f r r 两个指标外，衡量标准还包括：运行时间，即产生样 哙尔渡理t 大掌t 学颤l j 学位论义 本并与模板匹配判决的时间；模板的大小；防欺骗性；可接受能力；稳定期 限等等。上述几种生物特征识别技术的性能比较如表1 1 所示： 袭1 1 歹乙种生物特征识囊术的性能院较 t a b l e1 1p e r f o r m a n c ec o m p a r i s o no fs e v e r a lb i o m e t r i c sc h a r a c t e r i s t i cr e c o g n i t i o n 生物 普遍性独特性稳定黢 可采集 性能 接受瓣度 防欺骗健 特链| | 生 一 指纹 中高中中 吊中 中 掌形 由 中高高 由 高 幽 人脸 高低 由 高低赢 低 鳃膜高离高中高低高 声音中低低中低高低 1 2 4 掌形特征识别技术的发展现状 自从2 0 世纪8 0 年代末到9 0 年代初，些以生物特征识别为核心技术的 高科技公司纷纷成立，1 9 9 3 年，剑桥大学的d a u g m a n 博士创立了i r i s c a n i n c ，s o n y 、n e c 等知名企业也都纷纷成立了生物特征识别相关的专门子公司 | 1 4 j 。 成立于1 9 8 6 年的识别系统公司制造了首批掌形仪，并将掌形识别技术带 入商业化市场。今天，识别系统公司的产品遍柿各个领域，从保护现金库到 在产科病房进行双亲验证，在门禁、考勤、生物识别等领域的应用极其广泛。 在1 9 9 9 年世界生物特征识别产品市场上掌形仪销量仅次子指纹识别，列在第 二位。在二十多年的历史中有六种掌形扫描系统被研制，但是市场上可行的 仅仅只有r e c o g n i t i o ns y s t e mi n c 生产的h a n d r e a d e r s 系列产品和英格索兰公 司生产的掌形仪被广泛的采纳和使用。它识别的是掌形的三维形状，人的右 手通过念属板上的定位，利用上部和侧面的反光镜，用电耦合器件( c c d ) 数字摄像机可获取三维的数据。该系统主要作为银行、机场、实验室、计算 机房等场所的门禁系统进行入口控制。19 9 3 年5 月2 4 同在美国新阿肯色国 际机场 乍为i n s p a s s 的入口控制；1 9 9 3 年7 周2 7 曩在鸯尾遍机场、1 9 9 3 年1 2 月1r 在加拿大多伦多国际机场都被雳予入口控制：1 9 9 6 年美国距特 兰大奥运会期间，在奥运村更是作为门禁系统经受了5 力人次的测试和使用。 经过连续4 年的独立管理和试验证明通过掌形对人的身份进行认证具有很高 哈尔滚瑾t 人学t 学硕l ：学位论文 的可靠性，f a r 和f r r 也相对于其他生物特征识别技术产品低，并且采集简 单，认证速度也较快。同时，作为一种成功的产品，在推向市场时也有较高 的性价魄。基翦，黧内也有使用手指的三维鹜像来进行认诞的产品，如南京 奥普公司的指形机，它通过扫描两个手指的三维特征点来对手指进行认证和 匹配。现在掌形认证已经被越来越多的用户所认可和接受，在众多的生物特 征识别技术产品中被广泛的采用，收到了良好的效果。但是由于技术上的原 因和产晶价格上的因素以及国外对技术的保密，国壳还没有楣应予掌形的成 熟产品，这也正是进行这项研究的目标和动机。 国外的掌形研究主要采用手指三维形状进行特征提取，和利用二维形状 特征相比，特征量相对较少，但是f r r 和f a r 偏高”。并且还是利用固定 栓来露定手指的摆放，这大大限制了手指的自出性。所以，减少运算量、提 高认证速度、取消固定栓是掌形研究的发展方向。本文提出的一种掌形认证 算法就会解决以上提出的问题。 1 。3 论文的主要研究内容 本论文主要研究的是一种以左右半轴宽度值为特征的掌形认证算法，在 研究此算法之前，需要得到一幅经过摄像头拍摄，并通过阈值分割、边缘跟 踪等一系列处理的平滑均匀的掌形轮癣图像。( 这良本组负责该部分的同学获 得) ，本文主要研究包括以下几个方面： 1 为了取消以往固定栓固定手指的方式，本文采用分离手指的方法，对 各个手指进行分别的特征提取，使手指的摆放具有雯大的灵活性。 2 本文欲寻找一种能将点特缝与矢量特征有机结合的新特征量，麓折中 传统的两种掌形认证算法的优缺点。既保证认证速度快，又能保证低f r r 和 f a r 。 3 。对掌形特征进行归一化处理，抵消因为手掌旋转，平移， 孛缩丽造成 的特征量不容易琵对的影响。 4 本文要研究种能将特征提取与匹配同时进行的算法，这样可以大大 减少特征匹配的运算量，简化复杂过程。 哙克；滨理q - 人学t 学竣l ：y - 位论文 第2 章方案比较 传统的掌形特征匹配方法分为两大类：基于特征矢量匹配方法和基于点 模式匹配方法。前者通过计算掌形的长度和宽度等特征矢量来对不同掌形进 行匹配认证，该方法计算量小，匹配速度快，但是错误接受率较高；后者通 过将掌形轮廓图像表示为一系列特征点集，然后对两个掌形的特征点集进行 匹配认证，错误接受率较小，但计算量和错误拒绝率相对较大。本文提浅了 一种以左右半轴宽度值作为特征的掌形认证系统，它既有点特征的信息，又 有特征矢量的认证方法，在不增加计算量的基础上有效地提高了算法的准确 性。 2 1 掌形识别认证系统的相关指标 在掌形识剐谈诞系统中，有两个j 常重要豹能判断整个识别认证系统性 能的指标，错误接受率( f a r ) 和错误拒绝率( f r r ) 1 6 3 7 1 。下面说明整个判决过 程中f a r 和f r r 的豳来： 令s 表示掌形库中已经存在的用户注册掌形特征数据，丁表示用户进行 现场认证时采集的攀形经过特征提取后的数据。 有以下两种客观可能性： m 。：两者属于同一个人； 膨。：两者不属于同一个人。 经过匹配判决爱的两种结果： 矾：判定此人为合法者； d 。：判定此人为冒充者。 认证算法将对比s 和丁，得到一个量化的相似度口( 0 到l 之间) ，将这个 算出的相似度与事先给定的相似度阈僮参进行比较，得到判决结论域和穗， 判决方法见式( 2 1 ) ： f d o口 艿 西：彩艿( 2 - 1 ) 其中口= 妒( r ，s ) ，妒是匹配函数【1 8 l 。 由于生物特征信息本身的复杂性和采集过程中复杂性和偶然性以及不同 硷尔滨理t 人学t 学矮 j 学位论文 时期生物特征信息本身的波动性等因素，每个生物识别系统都很难对认证 任务给出绝对的“是 或者“非”的结果。般来说，给出的认证结果都是 一个基予概率的结采，鄯常说的嚣信度水平。从上面的情况可以看出，一共 可以出现四种情况，分别是客观情况和最后缩果的四种组合状态，即： 1 m 。一d 0 ：真实者的身份得到确认： 2 m 。专口：真实者被系统锚误的拒绝； 3 材；一蜀：冒充者被系统发现； 4 。m 寸0 0 ：冒充者被系统错误的接受。 由上面发现认证结果和客观情况有两种偏差的可能性，即： 1 错误接受，m 。_ d o ； 2 错误拒绝，材。j 盈。 统计上述两种错误概率分别对应于错误接受率f a r 和错误拒绝率 f r r ，定义见式( 2 2 ) 、( 2 3 ) ： f a r = 以o o m l = t r u e ) ； ( 2 2 ) f r r = p ( d l | m o = t r u e )( 2 3 ) 理想的情况下，f a r 和f r r 都应该为o ，但是实际情况却显示两个指标 是相关的，而且互相制约：追求较低的f a r 必然会造成较高的f r r ，反之亦 然f 1 9 l 。这就要求本文在设计应用系统中，要权衡两者的重要性，如在安全级 别相对较低的场合，可以接受相对偏高豹f a r ，这样可以避免f r r 的增加。 图2 1r o c 曲线和闽值对f a r 及f r r 的影响 f i g 2 一lr o c c u r v ea n dt h r e s h o l d se f f e c tt of ar & f r r 哈尔滨理t 人学t 学坝l j 学位论义 事实上，在实际应用系统设计上，往往需要在两个错误率之问寻找一个 折中。r o c 曲线( r e c e i v e ro p e r a t i n gc u r v e ) 能够很好的反映两个错误率之l 、自j 的关系 2 0 , 2 1j ，如图2 1 所示。曲线上的点表示在某个给定阂值的情况下得到 的错误接受率和错误拒绝率。由图可以知，f a r 和f r r 是互相抑制的，所以 在确定阈值时，应该根据需要选定相应的阂值。如在高度保密的应用环境中， 主要避免的是f a r ，而在一般民用的环境中，一般避免的是f r r 。 由于掌形作为生物特征来说，其安全性和可欺骗性相对其他生物特征来 说较低( 可参考表1 。1 ) ，故掌形匹配往往是用作认证系统，因此，本文所研究 的是掌形认证算法，所关注的性能指标主要是认证的时问花销、f a r 和f r r 。 2 2 特征矢量认证算法 基于特征矢量的掌形认证算法的特点是：提取手掌或手指不同部位的长 度和宽度、手掌的宽度和厚度、手掌或手指的k 宽比等矢量特征作为特征量， 进行匹配。咳方法的优点足简单、快捷；缺点是过高的错误接受率和错误拒 绝率。 特征矢量法目前大致有两类，一类是基于手掌长宽高比例的特征矢量匹 配；另一类是基于手指的长宽高比例的特征矢量匹配【2 2 1 。如图2 2 所示。 图2 - 2 两种基_ ：| i 特征久鼙匹配算法示意图 基于手掌长宽高比例的特征矢量匹配算法是：首先将扫描得到的两幅图 像，即俯视图像和侧视图像进行灰度处理，然后得到其高度、长度和宽度的 哙尔演甓下人学下学硕1 ：学位论文 一组数据，再将手掌的高度进行归化处理，得到手掌的长度和宽度相对手 掌高度的比例以及手掌的长宽比等参数，这些参数构成了反映一个人手部生 理的特征矢量，然嚣将这些特征壁进行匹配认证1 2 3 i 。 基予手指长宽离比例的特征矢量匹配算法是：将扫描得到的两幅图像， 即俯视图和侧视图进行灰度处理，得到指定手指的长度和宽度及高度等参数， 其相互之间的比例构成一组特征矢量，然后将这些特征量进行匹配认证。 由图2 2 可以看出，为了获得准确酶手掌和手指的长宽离等参数( 主要 是靠固定栓的位置来进行对准) ，对手的活动必须要给予严格的限制，比如手 指要伸盥，要卡在固定栓上等。针对这种算法，本文作出了实验，具体结果 如下： 样本来源：采集实验室1 5 人，每人1 0 幅，共计1 5 0 幅3 5 2 x 2 8 8 2 4 b i tr g b 图像( 本文只采用了二维的图像，通过摄像头即时采集，处理时间包括预处 理) 分别利用上述两种特征矢量算法进行了测试，结果如表2 1 、2 2 所示： 表2 1 基于乎攀鹃特征矢登算法 t a b l e2 - 1c h a r a c t e r i s t i cv e c t o ra l g o r i t h mb a s e d0 1 1h a n ds h a p e 平均认诞时间( 秒) 闽值f r rf a r o 62 l8 0 75 1 4 1 2 o 86 l1 0 。98 9 表2 - 2 基下手指的特征矢鲑算法 t a b l e2 - 2c h a r a c t e r i s t i cv e c t o ra l g o r i t h mb a s e do nf i n g e rs h a p e 平均认证时间( 秒)闽值 f r r f a r o 。62 1 5 0 。74 1 2 1 3 o 85 9 0 97 7 呤囊：滨理t 久学下学颤 j 学位论文 实验结果如下： 1 两种方法的运算时间快，并且相差较小。 2 。通过不同阈值下的f r r 和f a r ，发现实验结果并不理想，f r r 和f a r 都编离。随着阈值的增加，f r r 将增加，而f a r 将下降，符合实际情况，条 件越严格，符合条件的解也必将减少，被排除的解也必将增加。 3 由实验结果发现，基于手指的特征矢量匹配算法要优于基于手掌的特 征矢量匹配算法，说骥手指相对予手掌来说，确定性要更高，其匹配结果更 力可靠。 由实验结果可知，利用特征矢量对掌形进行匹配认证与应用环境有很大 的关系，当用户不多，安全性能要求不高的要求下，可以胜任其作为安全设 置的角色，但是随着样本数的增加，其安全性会明显下降。所以基于特征矢 量的掌形认证系统适合用在小样本和安全级别较低的场合。 2 3 点模式匹配认证算法 点模式匹配认证算法目前大致有两类：一类是利用掌形的三维特征点进 行匹配认证；另一类是利用掌形的二维特征点进行匹配认证。 目前在国际上都采用三维特钲点的掌形认证算法。该算法的特点是：首 先扫攒到掌形的三维图像，找到麓户有数个手指关节点馋为掌形酶三维特征 点。然艏和掌形库中相应三维点进行三维几何相似变换比对，即找到一个三 维变换矩阵，使得经过变换后的矩阵和掌形库中的三维点矩阵的差最小( 在匹 配中即小予等于一个指定的阈值) 1 2 4 1 。其具体思想如下： 首先将两个掌形巨像的三维特征点构成两个矩阵x ，x + ，见式堙4 ) ： x = q l ，q 2 ，q 。) ，x = q l ，q 2 ，g 。) ，( 2 4 ) 其中q ，= b ，y ，z 汀，q i x ；，y f ，f 1 ，2 ，3 甩； 然艨给定甄个具有相同点数的点特征矩阵x ，x ，寻找一个变换阵 a m 3 ，3 和一个平移向量b 鹄。，一个莽 列障p m 删，使得如下表达式达 到最小： i ix 。一( 肛+ b ) p1 1 2 ，其中卜| j 的定义为矩阵的二范数，即 i im 忙m 去。 该算铥计算复杂度较大，但是出于只粟集手指的关节点作为特征点，所 以时闻w 丌销不是很大，但是对采集设备要求高，且对用户手部限制性较严， 这样才能较好的对特征点进行定位。对于二维的图像由于失去了高度信息， 所以手指关节点往往容易定位不准造成偏差，从而造成f r r 和f a r 过大的 哙力：滨壤下人学下学磺t j 学位论文 现象，故基于二维图像的点特征匹配只能对其整体所有的点作匹配，这样势 必造成计算量急剧增加，不利于工程实现。基于以上原因，目前市场上只有 国外豹几家公司有相波于三维謦像的掌形认证系统，两基予二维点模式的掌 形认证系统目前还处于研究阶段豫5 i 。 基于二维掌形图像的点模式匹配算法实现原理是：首先将掌形轮廓图像 提取出来，将构成掌形轮廓的像素点作为特，征点存储，将存储的特征点与掌 形库中汪经存在的掌形特惩点( 构成掌形轮廓的像素点) 进行点模式匿琵运 算。不同于基于三维掌形图像的点模式匹配算法，该匹配算法处理的特征点 是所有构成掌形轮廓的点，故计算量较大。由于寻找一个旋转变换阵的复杂 度要明显大于寻找平移变换阵1 2 6 l ，所以实际工程中，大都采用对人手进行限 定来获褥一个不旋转的效果，这样，点模式匹配算法就简化为一个基于摸板 匹配的搜索算法。即将采集到的掌形轮廓点构成的图像作为模板，以掌形库 中存储的轮廓点构成的图像为源搜索图，用模板在源搜索图上进行搜索，计 算模板和每一个源搜索图的相似度，遍历整个源搜索图，求浅最大的相似度。 最后将该相似度与指定阈毽进行比较，进行匹配判决。蠢予事先对手部图像 进行了归一化处理，所以只需要找到平移量矩阵即可。 a ) 采集到的掌形 b ) 掌形库中的掌形c ) 两幅掌形进行匹配 圈2 3 模叛匹配示意瞬 f i g 2 3s k e t c hm a po fm a t c h i n gb a s e do nt e m p l a t e a ) p a l mf r o ma c q u i s i t i o nb ) p a l mf r o mh a n dl i b r a r yc ) t w op a l m s h a p e dm a t c h i n g 计算量虽然大大的篙纯了，但是该匹配算法对图像本身要求j 常严格， 要求用户在注册和认证时两次采集的掌形应当在手指曲张程度和手指指向方 向上严格统一，不然会导致f r r 急剧的增加。而对于实际的系统来说，这一 点很难做到，所以该算法稳定性不高，且计算量相对较大，不适合工程实现。 晗尔滚理一f 入学下学蔟 ：学位论文 由图2 3 可以得出，掌形不可能完全的对齐，故很多基于二维的掌形图像匹 配算法对手部图像进行分割，分块的进行匹配，比如按手指分块图像，这样 可以分开对齐，提高算法的稳定性，但是，这种算法没有能力怨决由于手指 的活动和旋转的角度问题导致的无法匹配的结果。当用户的手指活动和手部 稍微做一个旋转时，该算法将很难得到正确的结果，反映在结果上即f r r 会 急剧的增加。基于上述模板匹配算法，本文做了实验，其结果如下： 样本来源：采集实验室1 5 入，每人1 0 幅，共计1 5 0 幅3 5 2 2 8 8 2 4 b i tr g b 图像( 本文只采用了二维的图像，通过摄像头即时采集，处理时问包括预处 理) 利用上述算法进行实验，结果如表2 3 ，2 ，4 所示： 表2 - 3 不分块模板蕊瓣算法 t a b l e2 - 3a l g o r i t h mb a s e do nt e m p l a t em a t c h i n go fn op i e c e m e a l 平均认证时间( 秒)闽值f r rf a r o 62 1 5 o 73 1 2 1 2 o 8 5 9 0 。97 7 表2 4 分块模板匹配篼法 t a b l e2 - 3al g o r i t h mb a s e do nt e m p l a t em a t c h in go fp i e c e m e a l 平均认证时间( 秒) 闽值 f r rf a r o 。61 l o 0 。72 s 2 0 o 84 7 0 95 5 实验结果如下： 1 两种方法运算较慢，并且差异较大。 2 通过不同阈值下的f r r 和f a r ，发现实验结果较理想。f r r 和f a r l 套尔滚黪t 入学一 。学嬷l 学位诠文 均不高。但此算法成立的前提是，用户在采集和注册时手部不能旋转，手指 也应该尽量避免非线性的活动，比如伸张程度变化。如果离开了这些前提， 刚f a r 和f r r 将急删增大，从藤使认证失去准确性。 3 幽实验结果发现，分块模板匹配算法要优于不分块模板匹配算法，其 匹配结果更为可靠。 通过表2 1 ，表2 ，2 和表2 3 ，表2 - 4 的对比，可以得出基于特征矢量的 匹配算法虽然运行时闽快，但是f r r 和f a r 偏高；基于三维的点模式嚣配 算法虽然运算量不大，但是对采集设备要求极高，这就增加了掌形仪的成本； 基于二维的点模式匹配算法f r r 和f a r 相对较低，判定结果较为可靠，但 是运算悬较大、运行时间慢。并且，这些算法对手指摆放提出了非常严格的 限制，这在实际情况下是很难达到的，它是制约掌形认证逛配算法发展的绊 脚石。理想的掌形仪应该是价格便宜、采集方便、运行速度快并且认证准确， 这正是我们进行此项研究的方向。 2 。4 左右半轴宽度值认证算法 由于以上特征矢量匹配认证算法和点模式匹配认证算法所提到的优缺 点，可知，单一的使用上述两种算法都有其弊