一種手指靜脈識(shí)別方法
【專利摘要】本發(fā)明公開(kāi)了一種手指靜脈識(shí)別方法，包括如下步驟：S1、采集近紅外光下的手指圖像；S2、對(duì)采集到的手指圖像進(jìn)行預(yù)處理與去噪，再采用OSTU大津法閾值化對(duì)手指圖像進(jìn)行閾值處理或ROI定位，獲取手指二值圖像；S3、判斷手指二值圖像是否有旋轉(zhuǎn)扭曲干擾，若存在則進(jìn)行校正變換；S4、用局部自適應(yīng)閾值進(jìn)行手指二值圖像的靜脈特征提取，獲取靜脈二值圖像；S5、計(jì)算輸入靜脈二值圖像與注冊(cè)靜脈二值圖像之間的匹配距離；S6、利用K近鄰算法計(jì)算識(shí)別結(jié)果。該方法具有較強(qiáng)的抗干擾能力，特別是對(duì)于圖像的旋轉(zhuǎn)平移扭曲等不利情況，可同時(shí)降低拒真率與認(rèn)假率。
【專利說(shuō)明】
一種手指靜脈識(shí)別方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明屬于圖像處理與生物識(shí)別技術(shù)領(lǐng)域，尤其涉及一種手指靜脈識(shí)別方法。
【背景技術(shù)】
[0002] 血紅蛋白對(duì)近紅外光具有較強(qiáng)的吸收性并且其他組織與骨骼對(duì)近紅外光不是太 敏感，因此在近紅外光穿透手指的時(shí)候，靜脈血管部分會(huì)有一些陰影，這些陰影就是靜脈部 分。靜脈部分在人體的表皮下，很難被復(fù)制與偽造，并且手指靜脈具有鮮明的個(gè)體特異性。 因此，手指靜脈識(shí)別技術(shù)已成為身份認(rèn)證的重要方式。
[0003] 手指靜脈識(shí)別在身份認(rèn)證、出入口管理，安防監(jiān)控，電子商務(wù)、電子政務(wù)等領(lǐng)域有 著重要的應(yīng)用價(jià)值，已經(jīng)成為生物特征識(shí)別技術(shù)中的重要研究鄰域之一。由于血紅蛋白對(duì) 近紅外光的吸收特性，通過(guò)紅外成像能夠獲取手指的靜脈分布圖像。同時(shí)，個(gè)體的手指靜脈 分布具有特異性，因此可以據(jù)此進(jìn)行身份的鑒別。與傳統(tǒng)的生物識(shí)別（比如指紋識(shí)別)相比， 手指靜脈識(shí)別具有活體識(shí)別、不易偽造等優(yōu)點(diǎn)，手指靜脈識(shí)別主要包含兩部分，第一是手指 靜脈的特征提取，第二是手指靜脈的匹配識(shí)別。目前較為通用的是提取靜脈的二值形狀特 征，然后根據(jù)改進(jìn)的模板匹配識(shí)別算法計(jì)算匹配距離。在匹配過(guò)程中，通過(guò)平移輸入特征圖 像中的感興趣區(qū)域，在數(shù)據(jù)庫(kù)中尋找與其最相似區(qū)域所在的圖像。
[0004] 現(xiàn)有的手指靜脈識(shí)別產(chǎn)品存在一些問(wèn)題，比如，容易受光照，陰影等因素的干擾， 在每次靜脈采集的時(shí)候會(huì)出現(xiàn)一定的平移、旋轉(zhuǎn)、扭曲等。而現(xiàn)有的手指靜脈識(shí)別對(duì)于手指 的放置位置存在一定的要求，在手指旋轉(zhuǎn)，平移等情況下識(shí)別率較低。同時(shí)，在現(xiàn)有模板匹 配算法中，匹配參數(shù)大多根據(jù)經(jīng)驗(yàn)選取，導(dǎo)致算法的魯棒性較差。

【發(fā)明內(nèi)容】

[0005] 有鑒于此，為了解決上述技術(shù)問(wèn)題，本發(fā)明提供一種手指靜脈識(shí)別方法，首先對(duì)采 集的圖像進(jìn)行有效的濾波，去除噪聲，采用局部自適應(yīng)閾值對(duì)靜脈進(jìn)行特征提取，基于最小 二乘法與仿射變換對(duì)手指的扭曲等進(jìn)行旋轉(zhuǎn)校正，同時(shí)基于K近鄰算法在匹配識(shí)別方面進(jìn) 行了優(yōu)化，提高了算法的效率。
[0006] 本發(fā)明通過(guò)以下技術(shù)手段解決上述問(wèn)題：
[0007] -種手指靜脈識(shí)別方法，包括如下步驟：
[0008] S1、采集近紅外光下的手指圖像；
[0009] S2、對(duì)采集到的手指圖像進(jìn)行預(yù)處理與去噪，再采用0STU大津法閾值化對(duì)手指圖 像進(jìn)行閾值處理或R0I定位，獲取手指二值圖像；
[0010] S3、判斷手指二值圖像是否有旋轉(zhuǎn)扭曲干擾，若存在則進(jìn)行校正變換；
[0011] S4、用局部自適應(yīng)閾值進(jìn)行手指二值圖像的靜脈特征提取，獲取靜脈二值圖像；
[0012] S5、計(jì)算輸入靜脈二值圖像與注冊(cè)靜脈二值圖像之間的匹配距離；
[0013] S6、利用K近鄰算法計(jì)算識(shí)別結(jié)果。
[0014] 進(jìn)一步地，步驟S2中，對(duì)采集到的手指圖像進(jìn)行預(yù)處理與去噪時(shí)包括圖像大小歸 一化、濾波去噪、灰度歸一化。
[0015] 進(jìn)一步地，步驟S3中，具體過(guò)程如下：
[0016] S31:遍歷手指二值圖像的上下邊緣，獲得這些點(diǎn)的坐標(biāo)，根據(jù)這些坐標(biāo)擬合直線， 計(jì)算該直線的斜率，即傾斜角度；
[0017] S32:判斷傾斜角度大小，如果大于某一個(gè)值則進(jìn)行校正變換；
[0018] S33:若傾斜角度大于上述的某個(gè)值，采用仿射變換進(jìn)行圖像的旋轉(zhuǎn)校正，并重新 定位出R0I手指部位。
[0019] 進(jìn)一步地，步驟S4中，獲取的靜脈二值圖像的靜脈部分灰度值是255即白色、背景 部分為0即黑色。
[0020] 進(jìn)一步地，步驟S5中，具體步驟如下：
[0021] S51:為了建立匹配數(shù)據(jù)，對(duì)靜脈二值圖像進(jìn)行空間壓縮與重新標(biāo)識(shí)，將靜脈二值 圖像壓縮為原來(lái)的1/3;
[0022] S52:計(jì)算輸入靜脈二值圖像與注冊(cè)靜脈二值圖像之間的匹配距離，假設(shè)R(x，y)與 I(x，y)為數(shù)據(jù)庫(kù)中的注冊(cè)靜脈二值圖像與處理好的輸入靜脈二值圖像在(x，y)處的灰度 值，W，h是靜脈二值圖像的寬度與高度，兩幅靜脈二值圖像大小都是一樣的，6與(^分別是在 水平方向與垂直方向上移動(dòng)的距離范圍，注冊(cè)靜脈二值圖像R (X，y)的有效矩形區(qū)域?yàn)?左 上角的是R(Cw，ch)，右下角是R(w_Cw，h_ch);
[0023]誤匹配系數(shù)表示注冊(cè)靜脈二值圖像的有效區(qū)域與輸入靜脈二值圖像的某個(gè)區(qū)域 之間的相似程度，計(jì)算公式為
其中 Φ (Pi，P2)為：當(dāng) | Ρι-Ρ21 =255時(shí)為1，否則為0;
[0026] 進(jìn)一步地，步驟S51中，壓縮步驟如下：
[0027]對(duì)靜脈二值圖像的非重疊的8鄰域求均值，將求得的均值映射為另外一個(gè)灰度圖， 其中均值范圍在0~85在灰度圖中標(biāo)識(shí)為0,86~170為125,171~255為255,這樣構(gòu)造一個(gè) 為原來(lái)圖像大小的1/3的靜脈二值圖像。
[0028] 進(jìn)一步地，步驟S6中，具體過(guò)程如下：
[0029] S61、每個(gè)手指的注冊(cè)靜脈二值圖像為5張，計(jì)算了所有的相似度之后，對(duì)相似度進(jìn) 行按照從小到大排序，選取排序之后的前k個(gè)靜脈二值圖像，k小于注冊(cè)靜脈二值圖像的個(gè) 數(shù)，判斷該k個(gè)手指靜脈二值圖像所在類別出現(xiàn)的頻率；
[0030] S62、返回頻率最高的手指類別作為識(shí)別手指，若該識(shí)別類別距離的均值大于一個(gè) 閾值，則匹配失敗；
[0031] S63、顯示識(shí)別結(jié)果。
[0032] 與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果如下：
[0033] 本發(fā)明首先對(duì)手指靜脈圖像進(jìn)行旋轉(zhuǎn)校正，將其歸一化到水平角度上，然后基于k 近鄰算法對(duì)模板匹配過(guò)程進(jìn)行改進(jìn)，從而提高了靜脈識(shí)別算法整體的魯棒性與準(zhǔn)確性；
[0034] 本發(fā)明的手指靜脈識(shí)別方法具有較強(qiáng)的抗干擾能力，特別是對(duì)于圖像的旋轉(zhuǎn)平移 扭曲等不利情況，可同時(shí)降低拒真率與認(rèn)假率。
【附圖說(shuō)明】
[0035] 為了更清楚地說(shuō)明本發(fā)明實(shí)施例中的技術(shù)方案，下面將對(duì)實(shí)施例描述中所需要使 用的附圖作簡(jiǎn)單地介紹，顯而易見(jiàn)地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于 本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他 的附圖。
[0036] 圖1為本發(fā)明手指靜脈識(shí)別方法的流程圖；
[0037] 圖2為圖1的具體操作流程圖；
[0038] 圖3為本發(fā)明的實(shí)施例CCD采集的圖像效果圖；
[0039]圖4為手指部位的R0I區(qū)域定位圖；
[0040]圖5為對(duì)于旋轉(zhuǎn)圖像的傾斜校正圖；
[0041]圖6為靜脈圖像的局部自適應(yīng)閾值特征提取的二值特征圖像圖；
[0042]圖7為K近鄰后的手指距離分布圖。
【具體實(shí)施方式】
[0043]為使本發(fā)明的上述目的、特征和優(yōu)點(diǎn)能夠更加明顯易懂，下面將結(jié)合附圖和具體 的實(shí)施例對(duì)本發(fā)明的技術(shù)方案進(jìn)行詳細(xì)說(shuō)明。需要指出的是，所描述的實(shí)施例僅僅是本發(fā) 明一部分實(shí)施例，而不是全部的實(shí)施例，基于本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi) 有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。
[0044] 本發(fā)明提出的基于改進(jìn)的模板匹配算法的手指靜脈識(shí)別方法，該方法根據(jù)手指的 靜脈形狀，采用局部自適應(yīng)閾值進(jìn)行特征提取，同時(shí)為了增強(qiáng)對(duì)手指旋轉(zhuǎn)情況的魯棒性，采 用最小二乘法對(duì)手指進(jìn)行旋轉(zhuǎn)平移，最后利用基于K近鄰(K近鄰法）的改進(jìn)的模板匹配算法 計(jì)算識(shí)別結(jié)果。
[0045] 如圖1、圖2所示，一種手指靜脈識(shí)別方法，包括如下步驟：
[0046] S1、采集近紅外光下的手指圖像；
[0047] S2、對(duì)采集到的手指圖像進(jìn)行預(yù)處理與去噪，再采用0STU大津法閾值化對(duì)手指圖 像進(jìn)行閾值處理或R0I定位，獲取手指二值圖像；
[0048]對(duì)采集到的手指圖像進(jìn)行預(yù)處理與去噪時(shí)包括圖像大小歸一化、濾波去噪、灰度 歸一化；
[0049] S3、判斷手指二值圖像是否有旋轉(zhuǎn)扭曲干擾，若存在則進(jìn)行校正變換；
[0050] 具體過(guò)程如下：
[0051] S31:遍歷手指二值圖像的上下邊緣，獲得這些點(diǎn)的坐標(biāo)，根據(jù)這些坐標(biāo)擬合直線， 計(jì)算該直線的斜率，即傾斜角度；
[0052] S32:判斷傾斜角度大小，如果大于某一個(gè)值(手指的傾斜角度在一個(gè)可以接受的 范圍內(nèi)近似為水平，不用校正)則進(jìn)行校正變換；
[0053] S33:若傾斜角度大于上述的某個(gè)值，采用仿射變換進(jìn)行圖像的旋轉(zhuǎn)校正，并重新 定位出R0I手指部位；
[0054] S4、用局部自適應(yīng)閾值(Local Adaptive Threshold)進(jìn)行手指二值圖像的靜脈特 征提取，獲取靜脈二值圖像；
[0055]獲取的靜脈二值圖像的靜脈部分灰度值是255(白色），背景部分為0(黑色）；
[0056] S5、計(jì)算輸入靜脈二值圖像與注冊(cè)靜脈二值圖像之間的匹配距離；
[0057] 具體步驟如下：
[0058] S51:為了建立匹配數(shù)據(jù)，對(duì)靜脈二值圖像進(jìn)行空間壓縮與重新標(biāo)識(shí)，將靜脈二值 圖像壓縮為原來(lái)的1/3;
[0059] 壓縮步驟如下：
[0060] 對(duì)靜脈二值圖像的非重疊的8鄰域求均值，將求得的均值映射為另外一個(gè)灰度圖， 其中均值范圍在0~85在灰度圖中標(biāo)識(shí)為0,86~170為125,171~255為255,這樣構(gòu)造一個(gè) 為原來(lái)圖像大小的1/3的靜脈二值圖像；
[0061] S52:計(jì)算輸入靜脈二值圖像與注冊(cè)靜脈二值圖像之間的匹配距離，假設(shè)R(x，y)與 I(x，y)為數(shù)據(jù)庫(kù)中的注冊(cè)靜脈二值圖像與處理好的輸入靜脈二值圖像在(x，y)處的灰度 值，W，h是靜脈二值圖像的寬度與高度，兩幅靜脈二值圖像大小都是一樣的，6與(^分別是在 水平方向與垂直方向上移動(dòng)的距離范圍，注冊(cè)靜脈二值圖像R(X，y)的有效矩形區(qū)域?yàn)?左 上角的是R(Cw，ch)，右下角是R(w_Cw，h_ch);
[0062] 誤匹配系數(shù)表示注冊(cè)靜脈二值圖像的有效區(qū)域與輸入靜脈二值圖像的某個(gè)區(qū)域
之間的相似程度，計(jì)算公式為： 其中 :， Φ (Pi，P2)為：當(dāng) | P1-P21 =255時(shí)為1，否則為0;
[0065] S6、利用K近鄰算法計(jì)算識(shí)別結(jié)果；
[0066] 具體過(guò)程如下：
[0067] S61、每個(gè)手指的注冊(cè)靜脈二值圖像為5張，計(jì)算了所有的相似度之后，對(duì)相似度進(jìn) 行按照從小到大排序，選取排序之后的前k個(gè)靜脈二值圖像，k小于注冊(cè)靜脈二值圖像的個(gè) 數(shù)，判斷該k個(gè)手指靜脈二值圖像所在類別出現(xiàn)的頻率；
[0068] S62、返回頻率最高的手指類別作為識(shí)別手指，若該識(shí)別類別距離的均值大于一個(gè) 閾值，則匹配失敗；
[0069] S63、顯示識(shí)別結(jié)果。
[0070] 本發(fā)明用于基于K近鄰的改進(jìn)的手指靜脈模板匹配識(shí)別方法在基于手指靜脈的唯 一身份管理系統(tǒng)的應(yīng)用。
[0071] 本發(fā)明可廣泛應(yīng)用于使用手指靜脈身份認(rèn)證與識(shí)別的場(chǎng)景。一個(gè)典型的應(yīng)用就是 基于手指靜脈的生物特征識(shí)別在金融安全領(lǐng)域的金融交易。假設(shè)某銀行采用了基于K近鄰 的改進(jìn)的手指靜脈模板匹配識(shí)別的身份管理系統(tǒng)。銀行管理人員為王某進(jìn)行注冊(cè)采集到5 張手指靜脈圖片，當(dāng)以后王某進(jìn)行金融交易時(shí)，無(wú)需輸入密碼，直接掃描手指。免除因密碼 忘記，以及被人盜走賬號(hào)密碼等風(fēng)險(xiǎn)。大大增強(qiáng)了個(gè)人的財(cái)產(chǎn)安全。對(duì)于基于本發(fā)明開(kāi)發(fā)的 系統(tǒng)，首先采集到手指靜脈圖像，然后進(jìn)行一系列的圖像預(yù)處理，獲得二值特征圖像，將特 征圖像進(jìn)行空間壓縮，再計(jì)算輸入圖像與數(shù)據(jù)庫(kù)中的注冊(cè)圖像之間的匹配距離，最后根據(jù)Κ 近鄰算法獲取識(shí)別結(jié)果，完成識(shí)別。最后驗(yàn)證王某能否進(jìn)行交易。
[0072]針對(duì)本發(fā)明的手指靜脈識(shí)別方法驗(yàn)證。如圖3-6所示，本次實(shí)驗(yàn)采用工業(yè)CCD相機(jī)， 拍攝圖片大小為500*500的RGB圖。本發(fā)明的實(shí)驗(yàn)采集手指圖像690張，共138個(gè)手指，每個(gè)手 指是5張。在實(shí)驗(yàn)中，選取一張為待測(cè)圖像其他689張為模板數(shù)據(jù)庫(kù)圖像。因此共匹配了 475410(690*689)次。實(shí)驗(yàn)結(jié)果表明FAR(認(rèn)假率)為0，F(xiàn)RR(拒真率)為0.76%。獲得較高的識(shí) 別率。實(shí)驗(yàn)證明基于K近鄰的改進(jìn)的手指靜脈模板匹配識(shí)別方法具有較高的實(shí)用價(jià)值。 [0073] 如圖7所示，實(shí)驗(yàn)驗(yàn)證K近鄰算法計(jì)算同一手指與不同手指之間的匹配距離分布， 橫坐標(biāo)是每個(gè)圖的索引號(hào)，共690張圖。其中"?"點(diǎn)為正確的匹配手指，"+"點(diǎn)為錯(cuò)誤的匹配 手指，根據(jù)圖像，選取匹配分?jǐn)?shù)為0.17這樣低于0.17的可以認(rèn)為是正確的匹配，高于則認(rèn)為 是錯(cuò)誤的匹配。
[0074] 本發(fā)明通過(guò)引入旋轉(zhuǎn)矯正過(guò)程，使算法能夠在干擾較為劇烈（如手指旋轉(zhuǎn)，平移 等）的情況下準(zhǔn)確的獲取識(shí)別結(jié)果，魯棒性大為提高。同時(shí)通過(guò)引入k近鄰方法對(duì)模板匹配 與識(shí)別過(guò)程進(jìn)行了改進(jìn)，使得算法的識(shí)別準(zhǔn)確率與魯棒性也得到提高。
[0075] 以上所述實(shí)施例僅表達(dá)了本發(fā)明的幾種實(shí)施方式，其描述較為具體和詳細(xì)，但并 不能因此而理解為對(duì)本發(fā)明專利范圍的限制。應(yīng)當(dāng)指出的是，對(duì)于本領(lǐng)域的普通技術(shù)人員 來(lái)說(shuō)，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干變形和改進(jìn)，這些都屬于本發(fā)明的保 護(hù)范圍。因此，本發(fā)明專利的保護(hù)范圍應(yīng)以所附權(quán)利要求為準(zhǔn)。
【主權(quán)項(xiàng)】
1. 一種手指靜脈識(shí)別方法，其特征在于，包括如下步驟： 51、 采集近紅外光下的手指圖像； 52、 對(duì)采集到的手指圖像進(jìn)行預(yù)處理與去噪，再采用OSTU大津法闊值化對(duì)手指圖像進(jìn) 行闊值處理或ROI定位，獲取手指二值圖像； 53、 判斷手指二值圖像是否有旋轉(zhuǎn)扭曲干擾，若存在則進(jìn)行校正變換； 54、 用局部自適應(yīng)闊值進(jìn)行手指二值圖像的靜脈特征提取，獲取靜脈二值圖像； 55、 計(jì)算輸入靜脈二值圖像與注冊(cè)靜脈二值圖像之間的匹配距離； 56、 利用K近鄰算法計(jì)算識(shí)別結(jié)果。2. 根據(jù)權(quán)利要求1所述的手指靜脈識(shí)別方法，其特征在于，步驟S2中，對(duì)采集到的手指 圖像進(jìn)行預(yù)處理與去噪時(shí)包括圖像大小歸一化、濾波去噪、灰度歸一化。3. 根據(jù)權(quán)利要求1所述的手指靜脈識(shí)別方法，其特征在于，步驟S3中，具體過(guò)程如下： S31:遍歷手指二值圖像的上下邊緣，獲得運(yùn)些點(diǎn)的坐標(biāo)，根據(jù)運(yùn)些坐標(biāo)擬合直線，計(jì)算 該直線的斜率，即傾斜角度； S32:判斷傾斜角度大小，如果大于某一個(gè)值則進(jìn)行校正變換； S33:若傾斜角度大于上述的某個(gè)值，采用仿射變換進(jìn)行圖像的旋轉(zhuǎn)校正，并重新定位 出ROI手指部位。4. 根據(jù)權(quán)利要求1所述的手指靜脈識(shí)別方法，其特征在于，步驟S4中，獲取的靜脈二值 圖像的靜脈部分灰度值是255即白色、背景部分為0即黑色。5. 根據(jù)權(quán)利要求1所述的手指靜脈識(shí)別方法，其特征在于，步驟S5中，具體步驟如下： S51:為了建立匹配數(shù)據(jù)，對(duì)靜脈二值圖像進(jìn)行空間壓縮與重新標(biāo)識(shí)，將靜脈二值圖像 壓縮為原來(lái)的1/3; S52:計(jì)算輸入靜脈二值圖像與注冊(cè)靜脈二值圖像之間的匹配距離，假設(shè)R(x，y)與I(x， y)為數(shù)據(jù)庫(kù)中的注冊(cè)靜脈二值圖像與處理好的輸入靜脈二值圖像在(x，y)處的灰度值，W，h 是靜脈二值圖像的寬度與高度，兩幅靜脈二值圖像大小都是一樣的，Cw與Ch分別是在水平方 向與垂直方向上移動(dòng)的距離范圍，注冊(cè)靜脈二值圖像R(x，y)的有效矩形區(qū)域?yàn)椋鹤笊辖堑?是R(Cw，ch),右下角是R(w-Cw，h-ch); 誤匹配系數(shù)表示注冊(cè)靜脈二值圖像的有效區(qū)域與輸入靜脈二值圖像的某個(gè)區(qū)域之間 的相似程度，計(jì)算公式為：255時(shí)為1，否則為0;最小誤匹配系數(shù)3，兩幅靜脈二值圖像的距離表示如下： 其中 Φ (Pi，P2)為：當(dāng) IP1-P2I = ?其中to與so是最小匹配值時(shí)的S 與t。6. 根據(jù)權(quán)利要求5所述的手指靜脈識(shí)別方法，其特征在于，步驟S51中，壓縮步驟如下： 對(duì)靜脈二值圖像的非重疊的8鄰域求均值，將求得的均值映射為另外一個(gè)灰度圖，其中 均值范圍在ο~85在灰度圖中標(biāo)識(shí)為ο，86~170為125,171~255為255,運(yùn)樣構(gòu)造一個(gè)為原 來(lái)圖像大小的1/^3的靜脈二值圖像。7.根據(jù)權(quán)利要求1所述的手指靜脈識(shí)別方法，其特征在于，步驟S6中，具體過(guò)程如下： 561、 每個(gè)手指的注冊(cè)靜脈二值圖像為5張，計(jì)算了所有的相似度之后，對(duì)相似度進(jìn)行按 照從小到大排序，選取排序之后的前k個(gè)靜脈二值圖像，k小于注冊(cè)靜脈二值圖像的個(gè)數(shù)，判 斷該k個(gè)手指靜脈二值圖像所在類別出現(xiàn)的頻率； 562、 返回頻率最高的手指類別作為識(shí)別手指，若該識(shí)別類別距離的均值大于一個(gè)闊 值，則匹配失敗； 563、 顯示識(shí)別結(jié)果。
【文檔編號(hào)】G06K9/00GK106096569SQ201610457524
【公開(kāi)日】2016年11月9日
【申請(qǐng)日】2016年6月20日
【發(fā)明人】邸思, 劉躍躍, 金建, 陳賢帥, 杜如虛
【申請(qǐng)人】廣州中國(guó)科學(xué)院先進(jìn)技術(shù)研究所