掌纹识别介绍

1掌纹识别技术介绍1.1依据哪些判断掌纹:主线、皱纹、细小的纹理、脊末梢、分叉点掌纹中最重要的特征是纹线特征，点特征需要在高分辨率和高质量的图像中获取，因此对图像的质量要求较高。纹理特征，主要是指比纹线更短、更细的一些纹线，但其在手掌上分布是毫无规律的。利用掌纹的纹线特征、点特征、纹理特征、几何特征完全可以确定一个人的身份。掌纹有比指纹更好的分辨能力和更高的鉴别能力。训练样本录入阶段和测试样本分类阶段测试样本分特征提取步骤后，送入分类器进行分类。这两部分都包括以下三步：掌纹图像采集、预处理以及特征提取。掌纹图像采集：一般采集二维灰度图像，产生矩阵。预处理：如去噪、对退化进行复原。特征提取：经过预处理的信息数据往往十分庞大。因此需要对信息数据进行特征提取和选择，即用某种方法把数据从模式空间转换到特征子空间。使得在特征空间中，数据具有很好的区分能力。目刖似乎不要求做到这一点据具有很好的区分能力。目刖似乎不要求做到这一点分类决策：分类是将样本的特征空间划分为类型空间。对于给定的未知模式，确定其为类型空间的某种模型。特征提取和选择在很大程度上影响了分类效果，而好的分类器设计和方法也会提高系统分类性能。怎样进行识别：1）基于点特征、线特征；2）基于掌纹纹理特征；3）基于子空间;4）分级融合1）点特征需要在高分辨率的图像中提取。若点的数量较多，则匹配时需要大量的计算消耗。线特征明显稳定，表示方法简单，特征空间小。但是，点特征和线特征无法表示掌纹纹线的深浅和力度，并且受噪声的干扰较大。2）方法多。Gabor滤波、小波变换、傅里叶变换、局部能量。掌纹可以被认为是无规则但在个体间独一无二的一种纹理。目前有很多方法是针对纹理分析处理掌纹图像的。如Gabor滤波［18~20］、小波变换［21~23］、傅立叶变换［24］和局部能量［25］等方法。与指纹相比，掌纹上有很多折痕，Wu提取有向线能量特征将这些折痕特征向量化［25］，用于掌纹识别。李文新通过傅立叶变换将掌纹图像变换到频域［24］，然后再将变换后的图像分别计算R能量和能量，最后通过分级匹配方法对提取的特征进行匹配识别。Kong等人将虹膜识别［26］中的基于二维Gabor的相位编码方法用于掌纹图像的特征提取。该方法把Gabor滤波后的图像进行相位编码，称作PalmCode，这样在特征向量中只保存了相位信息。由于这种算法只采用了一个方向的Gabor滤波器提取掌纹图像的特征，掌纹图像其他方向的信息丢失。文献在这种算法的基础上进行改进，提出了采用4个方向的Gabor滤波器同时提取掌纹图像的相位特征，然后通过融合准则将这4个方向的相位特征融合为一个，称为FusionCode。这种算法很好的利用了Gabor滤波器的方向性，使得算法的正确识别率大大提高。但是，这种算法需要计算4次Gabor滤波器与图像的卷积运算，使得计算复杂度明显增加。有可能免去预处理步骤。3）基于子空间的特征提取指的是将掌纹图像通过映射变换或是矩阵运算，实现从样本空间到特征子空间的转换。根据映射变换的性质，变换后的子空间可分为线性子空间和非线性子空间。目前运用在掌纹识别上的多为线性子空间方法。主成分分析是多元变量统计中的一种降维技术。这种方法认为任何一幅图像都可以分解为一系列向量与系数的线性组合，该系数彼此不相关，并且服从高斯分布，将其中包含信息成分最多的向量方向视为主要组成成分方向。具体实现是将掌纹图像按行展开后，所形成的一维向量进行K-L变换，获得其正交的n维K-L基底，以对应前m个最大特征值的基底张成的子空间，将掌纹图像投影到该子空间上，实现维数的降低以减少计算复杂度。其中，对应较大特征值的基底具有类似掌纹图像一样的纹理，被称作特征掌，可以利用特征掌集来描述掌纹［28,32］。二维主成分分析是在主成分分析的理论基础上建立起来的，他与主成分分析不同之处主要在于它是直接基于二维矩阵的变换，而无需先将二维图像化为一维。文献［30,31］采用了二维主成分分析的方法对掌纹图像进行特征提取。Fisher是线性判别中的经典算法，该算法的主要思想是：在一般情况下，总可以找到某一个或某一些投影方向，使得样本投影在该方向上的结果能够符合类内离散度最小、类间离散度最大的标准。即投影后的模式具有最佳的可分离性。文献［33,34］采用Fisher算法对掌纹图像进行分类识别，取得了很好的效果。子空间法提取特征具有描述性强，计算代价小，易实现和可分性好等特点。使用较少的特征向量数目就能够取得较高的识别率。但PCA方法的本质决定了在该方法下得到的特征在一般情况下是最佳描述而不是最佳分类特征，这不利于分类匹配。FLD方法同样能大大降低原始特征空间的维数，并且和PCA方法相比，FLD方法对光照条件更为不敏感。4）用竞争编码的方式，将Gabor滤波器提取的6个方向的掌纹图像的相位信息融合。匹配级的融合［36~38］，也就是从粗到细，不同匹配层次采用不同特征，例如粗匹配层次采用纹理能量作为特征，精匹配层次提取点特征进行匹配。You利用多种特征对掌纹进行分层编码，以实现在大规模掌纹数据库中进行快速的身份识别。gabor1、Gabor函数2、Gabor变换属于加窗傅立叶变换，Gabor函数可以在频域不同尺度、不同方向上提取相关的特征。另外Gabor函数与人眼的生物作用相仿，所以经常用作纹理识别上，并取得了较好的效果。其中：v的取值决定了Gabor滤波的波长，u的取值表示Gabor核函数的方向，K表示总的方向数。参数决定了高斯窗口的大小，这里取。程序中取4个频率（v=0,1,...,3），8个方向（即K=8，u=0,1,...,7），共32个Gabor核函数。不同频率不同方向的Gabor函数可通过下图表示：3、代码实现Gabor函数是复值函数，因此在运算过程中要分别计算其实部和虚部。代码如下：privatevoidCalculateKernel(intOrientation,intFrequency){doublereal,img;for(intx=-(GaborWidth-1)/2;x<(GaborWidth-1)/2+1;x++)for(inty=-(GaborHeight-1)/2;y<(GaborHeight-1)/2+1;y++){real=KernelRealPart(x,y,Orientation,Frequency);img=KernelImgPart(x,y,Orientation,Frequency);KernelFFT2[(x+(GaborWidth-1)/2)+256*(y+(GaborHeight-1)/2)].Re=real;KernelFFT2[(x+(GaborWidth-1)/2)+256*(y+(GaborHeight-1)/2)].Im=img;}}privatedoubleKernelRealPart(intx,inty,intOrientation,intFrequency){doubleU,V;doubleSigma,Kv,Qu;doubletmp1,tmp2;U=Orientation;V=Frequency;Sigma=2*Math.PI*Math.PI;Kv=Math.PI*Math.Exp((-(V+2)/2)*Math.Log(2,Math.E));Qu=U*Math.PI/8;tmp1=Math.Exp(-(Kv*Kv*(x*x+y*y)/(2*Sigma)));tmp2=Math.Cos(Kv*Math.Cos(Qu)*x+Kv*Math.Sin(Qu)*y)-Math.Exp(-(Sigma/2));returntmp1*tmp2*Kv*Kv/Sigma;}privatedoubleKernelImgPart(intx,inty,intOrientation,intFrequency){doubleU,V;doubleSigma,Kv,Qu;doubletmp1,tmp2;U=Orientation;V=Frequency;Sigma=2*Math.PI*Math.PI;Kv=Math.PI*Math.Exp((-(V+2)/2)*Math.Log(2,Math.E));Qu=U*Math.PI/8;tmpl=Math.Exp(-(Kv*Kv*(x*x+y*y)/(2*Sigma)));tmp2=Math.Sin(Kv*Math.Cos(Qu)*x+Kv*Math.Sin(Qu)*y)-Math.Exp(-(Sigma/2));returntmpl*tmp2*Kv*Kv/Sigma;}有了Gabor核函数后就可以采用前文中提到的“离散二维叠加和卷积”或“快速傅立叶变换卷积”的方法求解Gabor变换，并对变换结果求均值和方差作为提取的特征。32个Gabor核函数对应32次变换可以提取64个特征(包括均值和方差)。由于整个变换过程代码比较复杂，这里仅提供测试代码供下载。该代码仅计算了一个101x101尺寸的Gabor函数变换，得到均值和方差。代码采用两种卷积计算方式，从结果中可以看出，快速傅立叶变换卷积的效率是离散二维叠加和卷积的近50倍。小波(Wavelet)这一术语，顾名思义，“小波”就是小区域、长度有限、均值为0的波形。所谓“小”是指它具有衰减性；而称之为“波”则是指它的波动性，其振幅正负相间的震荡形式。与Fourier变换相比，小波变换是时间(空间)频率的局部化分析，它通过伸缩平移运算对信号(函数)逐步进行多尺度细化，最终达到高频处时间细分，低频处频率细分，能自动适应时频信号分析的要求，从而可聚焦到信号的任意细节，解决了Fourier变换的困难问题，成为继Fourier变换以来在科学方法上的重大突破。有人把小波变换称为“数学显微镜”。K-L变换K-L变换(Karhunen-LoeveTransform)是建立在统计特性基础上的一种变换，有的文献也称为霍特林(Hotelling)变换，因他在1933年最先给出将离散信号变换成一串不相关系数的方法。K-L变换的突出优点是相关性好，是均方误差(MSE，MeanSquareError)意义下的最佳变换，它在数据压缩技术中占有重要地位。假定一幅NxN的数字图像通过某一信号通道传输M次，由于受随机噪音干扰和环境条件影响，接收到的图像实际上是一个受干扰的数字图像集合对第i次获得的图像fi(x,y)，可用一个含N2个元素的向量Xi表示，即该向量的第一组分量(N个元素)由图像fi(x,y)的第一行像素组成，向量的第二组分量由图像fi(x,y)的第二行像素组成，依此类推。也可以按列的方式形成这种向量，方法类似。X向量的协方差矩阵定义为：mf定义为：Cf和mf的表达式中，“E”是求期望。对于M幅数字图像，平均值向量mf和协方差矩阵Cf可由下述方法近似求得：可以看出，mf是N2个元素的向量，Cf是N2xN2的方阵。根据线性代数理论，可以求出协方差矩阵的N2个特征向量和对应的特征值。假定是按递减顺序排列的特征值，对应的特征向量ei=o则K-L变换矩阵A定义为：从而可得K-L变换的变换表达式为：该变换式可理解为，由中心化图像向量X-mx与变换矩阵A相乘即得到变换后的图像向量YoY的组成方式与向量X相同。K-L变换虽然具有MSE意义下的最佳性能，但需要先知道信源的协方差矩阵并求出特征值。求特征值与特征向量并不是一件容易的事，维数较高时甚至求不出来。即使能借助计算机求解，也很难满足实时处理的要求，而且从编码应用看还需要将这些信息传输给接收端。这些因素造成了K-L变换在工程实践中不能广泛使用。人们一方面继续寻求解特征值与特征向量的快速算法，另一方面则寻找一些虽不是“最佳”、但也有较好的去相关与能量集中的性能且容易实现的一些变换方法。而K-L变换就常常作为对这些变换性能的评价标准。1.5费歇（FISHER）判别思想是投影，使多维问题简化为一维问题来处理。选择一个适当的投影轴，使所有的样品点都投影到这个轴上得到一个投影值。对这个投影轴的方向的要求是：使每一类内的投影值所形成的类内离差尽可能小，而不同类间的投影值所形成的类间离差尽可能大。2现有产品2.1新品推出高安全性富士通掌静脉识别仪品牌：富士通产品：富士通掌静脉价格：面议起订量：1pcs供货总量：5000pcs发货期限：自买家付款之日起2天内发货品牌：富士通产品：富士通掌静脉价格：面议起订量：1pcs供货总量：5000pcs发货期限：自买家付款之日起2天内发货有效期至：长期有效最后更新：2012-04-13浏览次数：94长*宽*高：312mm*152mm*67mm材质：ABS+铝合金颜色：灰+黄黑+红重量：V2KG触摸显示屏：3.5英寸（分辨率640*480）支持IC卡：MifareoneS50卡存储容量：8GB喇叭：左右声道电源：DC（12V/1.5A）USB接口：2个通信接口：RS-485（与门禁控制器相连接，Max1000m）Wiegand26/34（与门禁控制器连接，Max50m）LAN（10/100/1000M，IP可设置）接口丰富，集成网络接口、USB口、RS485/韦根接口内置IC卡识别，实现1：1精确、快速地认证配备触摸屏，无需显示器也可进行操作、维护提供认证记录接口，可应用于门禁、考勤等识别模式：

静脉识别：（1：N模式），适用于人员规模小，但安全级别要求高：如公司研发部门，财务室，科研部门。推荐使用小于100人IC卡+静脉识别：（1:1）模式，适用于安全级别极高：如中央机房。推荐使用大于100人，最大容量4000人。高精度，高安全性，稳定特征。与其他生物认证识别相比，手掌静脉血管数多又很复杂：识别精度高。由于是身体内部的特征，极难伪造。手掌静脉传感器同时具备活体检知功能。血管粗耐寒能力高：安全稳定性好非接触认证，简单自然：在卫生方面使用者无抗拒感今特别适合于不特定多数人员使用。认证时只需伸出手掌即可今动作自然，简单。面对未来门禁行业的发展，澳普将以100%的投入，继续致力于产品研发、技术创新、专业生产、周到服务等方方面面的完善与提高，我们将通过实实在在的努力来证明：澳普值得您信赖与期待。功能特点：可联网使用，配置管理PC，对联网的终端进行管理和数据处理2.2掌纹识别仪批发掌纹识别仪【批发掌纹识别仪】高清图产品：掌纹机价格：面议=型号：起订量：供货总量：HK-II发货期限：自买家付款之日起3天内发货有效期至：长期有效最后更新：2011-11-17浏览次数：63【批发掌纹识别仪】详情美国RIS公司生产的3D【批发掌纹识别仪】高清图产品：掌纹机价格：面议=型号：起订量：供货总量：HK-II发货期限：自买家付款之日起3天内发货有效期至：长期有效最后更新：2011-11-17浏览次数：63广泛的科学实验严格证明了每个人手掌几何信息的唯一性，因此只有您本人的手掌，才能被唯一地验证您的身份。在许多非常重要的场所，如机场、银行金库、核电站、军事机密单位、公检法机关单位、监狱看守所等等，识别的唯一性是至关重要，在现有的科技条件下，也无法仿造出您的掌形的三维特征，完全突厥了他人窃用您的钥匙、卡、密码而进入，具有极高的保安功能。同指纹识别系统相比，掌形识别仪最重要的优势是不存在人群'盲点〃。目前指纹系统测量的是人手指表皮的纹路，而在广泛人群中，必然存在一定比例的人群由于脱皮、磨损导致无法采集用于识别的指纹图像，对这部分人群来说，指纹系统无法可靠使用，造成系统'盲点〃，而掌形仪测量是手的形状，根本不存在上述问题。性能指标型号：HK-2尺寸：宽：22.3厘米高：29.6厘米厚：21.7厘米重量：2.7公斤电源：12-24VDC或12-24VAC50/60Hz温度范围：操作：0°Cto45°C存储：-10°Cto+60°C相对湿度：操作：20%to80%存储：5%to85%比对时间：少于1秒模板尺寸：9字节用户数：512用户（标准）可扩充到32,512个用户记忆保留：标准锂电池可保存5年以上存储记录数：5,187条操作记录ID号长度：1〜10位通讯：RS-485（4线和2线）支持RS-232串型打印机和网络联接波特率：300-28.8Kbps门控制：门锁输出电压0-24VDC,100mA最大值监控报警器-人为破坏，门开关，2个辅助输入端3个辅助输出端口0-24VDC,100mA最大值开门控制-开关或小键盘（KP-101）读卡机输入：接触式卡、Wiegand、磁卡或条形码输出：Wiegand，磁卡，或条形码标志码：1位，用户定义时间区段：62个用户自定义的时段假期设定没有限制可选配件BB-200可选配备后备电源MD-50014.4K内置调制解调器EN-200以太网通讯模块（可在联网软件的控制下实现网络数据存储）EM-801记忆体（可扩充到9,728个用户）EM-803EM-803记忆体（可扩充到32,512个用户）2.3哈尔滨工业大学已成功研制掌纹识别系统哈尔滨工业大学已成功研制掌纹识别系统2008-02-26来源：新晚报访问量：751我要评论（0）/jdnews21068.html日前，一种掌纹识别系统在哈工大人体生物识别技术中心研制成功，并在6日通过有关部门鉴定。该项研究开创了掌纹识别这一新的人体生物特征识别途径，主要性能指标处于国际领新地位。据了解，、'自动掌纹识别技术与系统〃项目受国家自然科学基金、国家863计划资助，由哈工大人体生物识别技术中心主任张大鹏教授主持的研究队伍完成。研究人员从传统文化中获得灵感，将掌纹识别经现代科学处理。实际使用时，被识别者只需把手放在掌纹阅读机上，系统就会透过分析个人手掌纹理及结构，把个人身份辨识出来。据介绍，该项技术解决了传统指纹图像的采集质量、自动识别等方面存在的不足，具有极高的实用价值，可广泛用于保安、机场登机及银行自动柜员机等领域。该课题组张大鹏教授等于1997年在全球率先开展了用于身份鉴别的自动掌纹识别技术研究工作。由哈工大、香港理工大等单位联合的团队对掌纹图像获取与识别过程中的各关键环节进行了系统研究，建立了完整的掌纹识别基础理论、研究方法和实现技术。系统地研究并实现了在线掌纹图像采集、活体掌纹检测、掌纹图像定位与归一化、掌纹线特征与纹理特征提取、掌纹编码特征表达与匹配、掌纹分级检索及分类等关键技术。他们还研制成功了国际上第一套高精度自动掌纹识别系统；首次提出并设计开发出了三维掌纹识别系统、基于多光谱的新型掌纹识别系统、掌纹/指纹融合识别系统和掌纹/掌脉融合识别系统，这些成果显著地提高了系统的识别精度、可靠性和安全性。申报了18项美国、中国、中国香港、日本专利；获得国内外奖项5项；出版专著4部，其中包括3部英文专著；发表高水平国际期刊/会议论文100多篇。他们在研究中积累了15万多幅的掌纹图像数据资源，建立了目前国际上规模最大、覆盖面最广、具有权威性的多种掌纹图像数据。据不完全统计，项目组发布的掌纹图像公开库已经被全世界31个国家和地区的231个研究单位申请使用，是目前国际掌纹识别研究领域最重要、最权威的数据资源。（生物识别系统一一掌纹识别系列北京安瑞博信息技术有限公司/products/type1_handread.htm主作原理当人们还在为詹姆士.邦德(JamesBond)这位代号为007的著名人物进入其总部英国军情六处，以手掌识别身份而进入的好莱坞式的科幻而赞叹之时，这种当今世界顶尖的生物识别技术的产品，已经来到你的身边，这就是来自美国硅谷的高科技生物识别产一道肯奇掌形设备识别时间的比较生物识别系统一一掌纹识别系列北京安瑞博信息技术有限公司TOC\o"1-5"\h\zECOO声音6-601?l50Wph芦音EyeDen^f^l膜7-00capitml笔通1500指纹6.60R,巳掌形L1.00□.005.001Q0015002QOO|识别时间(s)1仪。掌形识别技术是美国GARRETT博士，经过多年的生物特征识别技术实验后首创的，发现人类手掌的立体形状，就如同指纹一样，是每个人都互不相同的可以作为身份确认的识别特征，于是成立美国RSI公司，专门生产［掌形识别系统］，经过十多年来产品的不断改良及技术研发，目前［掌形识别系统］产品的精确度、稳定度和实用性均已获得市场上的肯定及采用。RSI生产的掌形辨认门控系统是通过辨认使用者独一无二的手掌特征来确认其身份。手掌特征是指手的大小和形状。它包括长度、宽度、厚度以及手掌和除大拇指之外的其余四个手指的表面特征。首先，掌形辨认门控系统必须获取手掌的三维图像，而这与通过普通的摄像机类似。红外线与电视遥控器相似，红外线照在手掌上(手掌是由32000个像素组成的)，CCD图像排列系统获取手掌图像，然后图像经过分析确定每个手指的长度、手指不同部位的宽度以及靠近指节的表面和手指的厚度。总而言之，从图像分析可得到90多个掌形的测量数据。接着，这些数据被进一步分析得出手掌独一无二的特征。从而转换成9字节的模板进行比较。这些独一无二的特征例如：一般来说，中指是最长的手指。但如果图像表明中指比其它的手指短，那么掌形辨认门控系统就会将此当作手掌一个非常特殊的特征。这个特征很少见，因此系统就将此作为该人比较模板的一个重点对比因素。各种生物技术误拒绝率和误接收率比较掌形指纹笔迹视网膜声音声音当系统新设置一个人的信息时，将建立一个模板，连同其身份证号码一起存入内存。这些模板是作为将来确认某人身份的参考模板之用的。当人们使用该系统时，要输入其身份号码。模板连同身份号码一起传输到掌形辨认门控系统的比较内存。使用者将手放在上面，系统就产生该手的模板。这个模板再与参考模板进行比较确定两者的吻合度。比较结果被称为“得分”。两者之间的差别越大，“得分”越高。反之亦然。如果最终“得分”比设定的拒