手指靜脈采集技術綜述

錢志華

摘 ?要： 近年來，生物識別技術在基礎理論、算法模型、創(chuàng)新應用、軟硬件支撐等方面不斷取得突破。文章對手指靜脈采集技術進行了探討，包括使用近紅外激光的接觸式和非接觸式手指靜脈采集，以及使用重復線跟蹤方法對手指靜脈圖像的提取等。手指靜脈作為內部固有生物特征，與其他生物特征（例如指紋，人臉，聲紋等）相比，更能滿足高安全場所的應用需求，可以為任何身份驗證提供更安全和準確的生物識別信息。

關鍵詞： 手指靜脈; 生物特征識別; 內部固有生物特征; NIR; 圖像質量評價

中圖分類：TP391.41 ? ? ? ? ?文獻標識碼：A ? ? 文章編號：1006-8228（2021）08-24-03

Survey of finger vein acquisition technologies

Qian Zhihua

（GRG Banking Equipment Co.， Ltd.， Guangzhou， Guangdong 510663， China）

Abstract： In recent years， biometric technology has made breakthroughs in basic theory， algorithm model， innovative application， hardware and software support and other aspects. This paper discusses the finger vein acquisition technologies， including the contact and non-contact finger vein acquisition by using near-infrared laser， as well as the finger vein image extraction by using repetitive line tracking method. Compared with other biological characteristics （such as fingerprint， face， voiceprint， etc.）， finger vein， as an internal inherent characteristic， can better meet the application needs of high security places， and can provide more secure and accurate biometric information for any authentication.

Key words： finger vein; biometric identification; internal inherent biological characteristic; NIR; image quality evaluation1 概述

手指靜脈是內部固有生物特征，可抵抗時間和環(huán)境變化。從醫(yī)學的角度來看，手指靜脈具有以下特征：

⑴ 普遍性

靜脈是人體重要器官，可為手指和人體其他部位循環(huán)提供足夠的氧氣和營養(yǎng)。依據解剖和臨床事實證明健康個體的每根手指中都存在直徑為0.3-1.0mm的靜脈。

⑵ 唯一性

解剖學著作Grays Anatomy（《格式解剖學》）[1]已經證明，個體的手指靜脈在形成、發(fā)育生長過程中具有很強的唯一性。

⑶ 永久性

當人體發(fā)育成熟，20歲后手靜脈的分布結構除非進行手術或藥物作用，否則不再變化，因此將手靜脈作為生物特征是可行的[2-3]。

此外，自從2002年，日本醫(yī)學研究人員Kono[4]介紹了手指靜脈識別技術。從那時起，這些技術已在日本數百個城市廣泛應用，世界其他國家也開發(fā)了手指靜脈識別系統(tǒng)[5]。隨著技術不斷往前發(fā)展，我們將得出有關提取手指靜脈的最準確和使用最廣泛的技術結論。與傳統(tǒng)身份認證（ID卡，身份證，密碼等）方法不同，包括手指靜脈在內的生物特征無法終生更改。

2 選擇手指靜脈用作生物識別

手指靜脈認證是一種新的生物識別方法，利用手指內部的靜脈模式進行個人身份驗證。每根手指靜脈都有不同的紋路、紋理以及細節(jié)點特征。指靜脈的紋路特征是指從靜脈灰度圖像中提取出靜脈網絡，并使用靜脈網絡進行識別，該類特征能夠較好地表達靜脈整體的拓撲結構[6-9]。手指靜脈識別中，圖像的紋理特征多用局部二值碼來表達。二值碼通過當前像素的灰度值與鄰域像素的灰度值的對比來獲得。如果鄰域中一個像素的灰度值小于當前像素的灰度值， 則用“0”標記， 否則，用“1”標記， 從而得到二值碼串。文獻[10]分別使用了局部二值模式（Local Binary Pattern LBP）和局部導數模式（Local Derivative Pattern LDP）提取靜脈的紋理特征，并比較了這兩種特征效果，指靜脈識別中的細節(jié)點是指靜脈圖像中血管的分叉點、端點。文獻[11-14]通過提取若干個細節(jié)點的信息來描述指靜脈的主要特征。

指靜脈認證技術具有幾個重要功能，使其與其他形式的認證服務區(qū)分開來并作為高度安全和便捷的個人身份驗證手段。

指靜脈認證技術的特點如下。

⑴ 抵抗犯罪篡改：由于靜脈隱藏在體內，因此幾乎沒有偽造或被盜的風險。

⑵ 高準確率：FRR（拒真率）的身份驗證準確度小于0.01%，FAR（誤識率）的身份驗證準確度小于0.0001%，FTE（注冊失?。┑纳矸蒡炞C準確度小于0%。

⑶ 唯一且不變：即使對于同卵雙胞胎，手指靜脈的形態(tài)似乎也不同。

⑷ 非接觸式：近紅外光用于允許非侵入性，非接觸式成像，從而確保用戶體驗的便利性和衛(wèi)生性。

⑸ 輕松提取特征：提取的手指靜脈圖像相對穩(wěn)定并且可以清晰捕獲，從而可以使用低分辨率相機拍攝靜脈圖像，以進行小型，簡單的數據圖像處理。

⑹ 認證速度快：一對一身份驗證花費的時間不到一秒鐘。

3 手指靜脈采集技術

為了將手指靜脈用作高安全識別的生物特征，必須從人的手指中采集靜脈。迄今為止，采集手指靜脈已經采用了各種方法。現在，我們將看到一些重要且廣泛使用的靜脈采集方法。

3.1 使用近紅外激光的接觸式手指靜脈采集

近紅外激光的接觸式采集是從手指采集靜脈的常規(guī)系統(tǒng)。在該系統(tǒng)中，將直接與LED接觸以采集靜脈如圖1所示。

該方法不僅導致衛(wèi)生問題，而且會存在照明不均的可能性（尤其是側打光方式容易在邊緣和手指關節(jié)部位過曝），這將嚴重影響手指靜脈識別準確率。

3.2 使用近紅外激光的非接觸式手指靜脈采集

為了避免3.1遇到的問題，使用了非接觸式手指靜脈識別系統(tǒng)如圖2所示。

該系統(tǒng)使用NIR激光和激光線發(fā)生器Lens。激光線發(fā)生器透鏡從聚焦的激光中產生均勻分布的線激光。線激光縱向對準手指。近紅外相機用于圖像采集。

3.3 使用重復線跟蹤方法提取手指靜脈圖像

提取的靜脈會存在一些陰影，這將降低靜脈圖像識別的準確性。該方法用于從模糊圖像獲得清晰圖像。以下算法用于提取清晰圖像。

本部分介紹了特征提取方法。F（x，y）是像素（x，y）的強度，（Xc，Yc）是圖像中當前線條跟蹤點的位置， Rf是手指輪廓內的一組像素，并且Tr是軌跡空間。

假設圖像中左下方的像素為（0，0），x軸的正方向為圖像向右，y軸的正方向為圖像向上，并且Tr（x，y）初始化為0。

步驟1：確定線條跟蹤的起點和移動方向屬性。

步驟2：檢測暗線的方向和跟蹤點的移動。

步驟3：更新跟蹤軌跡空間中的點的次數。

步驟4：重復執(zhí)行步驟1至步驟3（N次）。

步驟5：從軌跡空間提取手指靜脈圖像。

3.4 手指靜脈圖像質量評價

在手指靜脈識別系統(tǒng)中，手指靜脈的圖像質量非常重要。通過分析大量采集的手指靜脈圖像，可知如下幾個因素會影響靜脈圖像。

對比度：對比度指的是一幅圖像中明暗區(qū)域最亮的白和最暗的黑之間不同亮度層級的測量。在靜脈圖像采集過程中常會發(fā)生照度不均的情況，而且光線的明暗會是圖像偏亮或偏暗，降低圖像的對比度。偏暗和偏亮的圖像如圖3所示。

位置偏移：非接觸式采集的靜脈圖像會使手指的位置發(fā)生偏移。如果手指靜脈在圖像中的位置太偏，會使采集的有效信息量減少，影響靜脈識別。

有效靜脈區(qū)域：靜脈圖像包括前景圖像和背景圖像。前景圖像面積為有效區(qū)域，在同一次靜脈采集中，采集的靜脈有效區(qū)域越大，含有的靜脈信息越多，圖像質量越好。

清晰度：清晰度是判斷靜脈紋路可否準確求出方向場。如果圖像不清晰將會導致靜脈與背景差別小，使靜脈結構模糊，影響靜脈特征的提取。清晰和模糊的圖像如圖4所示。

信息熵：在信息論中，熵用于表示信源輸出的平均信息量的大小，它能提供信號潛在的動態(tài)過程的有用信息，其大小是對信號平均不確定性和復雜性的度量。在采集靜脈圖像中，信息熵表征了采集靜脈圖像整體的統(tǒng)計特征，是靜脈信息量的度量。

4 結束語

與各種生物特征識別相比，手指靜脈更安全。通過比較各種手指采集靜脈的方法，能夠更清晰了解到各種方法的優(yōu)缺點：接觸式手指靜脈采集可以固定手指姿態(tài)，識別率更高，但衛(wèi)生方面不如非接觸式手指靜脈采集;由于手指靜脈識別技術應用在實際場景，同樣面臨巨大挑戰(zhàn)，將來可以將手指靜脈與其他生物特征進行多模態(tài)識別。這樣，我們就可以為任何身份驗證提供更安全和準確的生物識別信息。

參考文獻（References）：

[1] Standring S. Gray's Anatomy[M].39th ed. Edinburgh：Elsevier Churchill Livingston，2005.

[2] Nadort A. The hand vein pattern used as a biometric?feature[M].Nederland's Forensisch Instituut，2007：1-140

[3] Badawi A. Hand vein biometric verification prototype：A

testing performance and patterns similarity[A]. Proceeding of the 2006 International conference on Image Processing， Computer Vision， and Pattern Recognition：Las Vegas USA，2006，14：3-9

[4] Kono， M. A new method for the identification of individuals

by using of vein pattern matching of a finger[A]. In Proceedings of the 5th Symposium on Pattern Measurement： Yamaguchi， Japan，2000：9-12

[5] F. Tagkalakis， D. Vlachakis，V. Megalooikonomou and A.

Skodras. A Novel Approach to Finger Vein Authentication[A]. In Proceedings of the IEEE 14th International Symposium on Biomedical Imaging （ISBI 2017）： Melbourne， Australia，2017：18-21

[6] Song， W.， T. Kim， and H. ChanKim. A finger-vein?verification system using mean curvature[J]. Pattern Recognition Letters，2011.32（11）：1541-1547

[7] T Liu， J.B.X.. An algorithm for finger-vein segmentation?based on modified repeated line tracking[J].The Imaging Science Journal，2013.61（6）：491-502

[8] Qin， H.， L. Qin， and C. Yu. Region growth-based feature?extraction method for finger-vein recognition[J]. Optical Engineering，2011.50（5）：301

[9] Huang， B.， et al.. Finger-Vein Authentication Based on

Wide Line Detector and Pattern Normalization[J]. 20th International Conference on Pattern Recognition，2010：1269-1272

[10] Lee， E.C.， H. Jung， and D. Kim. New Finger Biometric?Method Using Near Infrared Imaging[J].Sensors， 2011.11（3）：2319-2333

[11] Yu， C.， et al.. Finger-vein image recognition combining

modified Hausdorff distance with minutiae feature matching[J].Interdisciplinary Sciences Computational Life Sciences，2009.1（4）：280-289

[12] Liu， F.， et al.. Singular value decomposition based?minutiae matching method for finger vein recognition[J]. Neuro computing，2014.145：75-89

[13] Peng， J.， et al.. Finger-vein Verification Using Gabor

Filter and SIFT Feature Matching[J]. 2012 Eighth International Conference on Intelligent Information Hiding and Multimedia Signal Processing，2012：45-48

[14] Pang， S.， et al.. Rotation Invariant Finger Vein

Recognition[J].Biometric Recognition，2012：151-156

收稿日期：2021-03-16

基金項目：國家自然科學基金資助項目（61672470）

作者簡介：金保華（1966-），男，河南鄭州人，博士，教授，主要研究方向：人工智能，計算機決策支持系統(tǒng)，計算機軟件和理論。

通訊作者：李艷（1994-），女，河南開封人，碩士研究生，主要研究方向：人工智能。