一种基于掌纹识别的移动支付验证方法
【技术领域】
[0001] 本发明属于生物特征身份识别技术领域，具体设及一种基于掌纹识别的移动支付 验证方法，尤其适合复杂背景中掌纹识别的移动支付验证方法。
【背景技术】
[0002] 随着移动互联网技术的发展，智能手机的功能越来越强大，人们除了可W利用手 机收发短信、接打电话W外，还可W上网购物、支付、转账缴费等。当人们享受手机支付所带 来的便利的同时，手机支付采用的密码或验证码验证安全使得交易支付存在着极大的安全 风险，简单密码或验证码易被破解，复杂密码或验证码难记忆。因此，基于手机支付的密码 或验证码验证方式很难满足移动交易支付的安全性需要。
[0003] 生物特征具有不易遗忘、不易被盗、防伪性能好、随身"携带"和随时随地可用等优 点。生物特征识别技术已经成为最具潜力的身份验证技术，结合生物特征识别技术进行手 机身份验证已经引起了人们的关注。
[0004] 手是人与外界接触最频繁、最方便的部分，用手进行身份识别非常方便，从非接触 式摄像头采集的低分辨率图像就可W用于掌纹识别。与其他的生物识别相比，掌纹具有很 多独特的优势；相比于指纹，掌纹拥有更大的面积W及更为丰富的纹理信息，一般的摄像头 或者扫描仪都可W采集到很清晰的图像，可W构建高性能的掌纹识别系统補比于人脸识 另IJ，掌纹识别能轻易地区分双胞胎W及整容人群；相比于虹膜，掌纹采集设备的价格更为低 廉，采集方式也更容易让用户接受；相比于签名，掌纹更加稳定可靠。
[0005] 掌纹具有信息丰富、唯一性、低分辨率、稳定性和可靠性等特点，基于智能手机的 掌纹识别符合非接触式、低分辨率等生物特征验证的发展趋势。但是由于智能手机采集的 掌纹图像背景往往比较复杂，导致手掌区域不能正确分割，限制了掌纹识别技术在智能手 机上的应用推广。此外，针对智能手机的掌纹图像快速定位、最小化快速处理的方法，是智 能手机的掌纹验证替代传统移动支付密码或验证码验证的关键技术。
【发明内容】
[0006] 本发明的目的是提供一种掌纹识别的移动支付验证方法，使掌纹识别技术能够在 智能手机上应用，解决了现有手机在上网交易支付时，采用密码或验证码验证方法的不安 全性问题，还解决了智能手机在复杂背景下手掌分割的不完整和掌纹图像快速定位、最小 化快速处理的问题。
[0007] 本发明采用的技术方案是，一种掌纹识别的移动支付验证方法，包括W下步骤： [000引步骤一、注册阶段
[0009] 步骤1)，录入用户的个人标示信息，并利用手机自带的后置摄像头采集用户的手 掌图像。
[0010] 步骤2)，依次经过手掌图像分割、掌纹预处理、掌纹图像的最小化处理和掌纹特征 提取四个步骤提取用户的掌纹信息。
[0011] 步骤3)，将用户的掌纹信息和个人标识信息上传储存到验证服务器的数据库中， 完成注册。
[001引步骤二、验证阶段
[001引步骤4)，利用手机自带的后置摄像头采集用户的手掌图像。
[0014] 步骤5)，依次经过手掌图像分割、掌纹预处理、掌纹图像的最小化处理和掌纹特征 提取四个步骤提取用户的掌纹信息。
[0015] 步骤6)，将用户的掌纹信息上传到验证服务器，并与数据库中注册阶段储存的掌 纹信息进行匹配，若匹配成功，且与个人标示信息对应，则允许支付；若匹配失败，无论是否 与个人标示信息对应，都拒绝支付，同时将结果发送给手机。
[0016] 步骤2)或步骤5)中的提取用户掌纹信息的四个步骤分别按照W下描述实施。
[0017] 步骤1，手掌图像分割
[0018] 手掌图像分割是采用二维大津法和基于YCb化的肤色分割法并联融合法，或二维 大津法和基于YCb&的肤色分割法串联融合法。
[0019] 二维大津法和基于YCb化的肤色分割法并联融合法包括W下步骤；首先利用二维 大津法对原始手掌图像进行分割，得到第一幅二值化的手掌图像；再利用基于YCb&的肤 色分割法对原始手掌图像进行分割，得到第二幅二值化的手掌图像。然后对该两幅二值化 的手掌图像实现逻辑"与"操作，得到第=幅二值化的手掌图像，对第=幅二值化手掌图像 进行形态学处理，获得最终的手掌分割图像。
[0020] 二维大津法和基于YCb&的肤色分割法串联融合法包括W下步骤；首先，将原始 手掌图像从RGB颜色空间转化到YCb化颜色空间；然后利用基于YCb化的肤色分割法对原 始手掌图像进行分割，得到原始手掌图像的最大似然图；其次，用二维大津法对最大似然图 选取最佳阔值；最后对最大似然图进行二值化处理并进行形态学处理，获得最终的手掌分 割图像。
[0021] 步骤1-1，并联融合法
[0022] 二维大津法和基于YCb&的肤色分割法并联融合法具体按照W下步骤实施：
[0023] 步骤1-1-1，基于二维大津法分割掌纹图像
[0024] 首先，对原始手掌图像进行灰度化处理。
[0025] 然后，假设灰度图像中的一个像素点为f(i，j)，该点的灰度领域取大小为hXh， g(i，j)为f (i，j)的邻域灰度均值，其邻域灰度均值公式为：
[0026] (2)
[0027] 再假设j)为二值化处理后的值，由二维大津法得到的最佳阔值为 (S。，t。），则手掌图像的二值化处理公式为：
[002引
[0029]其中 Color, rgb (255, 255, 255)在 Bitmap 类中代表黑色，Color, rgb (0,0,0)代表 白色。
[0030] 最后对通过公式（3)得到的手掌图像二值化处理图像进行腐蚀处理，获得第一幅 二值化的手掌图像。
[0031] 步骤1-1-2,基于YCb化的肤色分割法分割掌纹图像
[0032] 首先，对原始手掌图像进行YCb化颜色空间转换。RGB向YCb化空间转换的公式 为：
[0033
[0034] 然后，根据高斯模型计算出YCb&空间的手掌图像中每个像素点与肤色的相似度 值。其中，高斯模型数学表达式为：
[0035]
(5)
[0036] 其中，X =仰，Cr)嗦示YCb化空间的一个像素点。m表示此空间下的样本均值， C表示相似度的协方差。m和C分别为：
[0037]
[003引其次，利用公式（5)将每一幅手掌图像的每个像素点与肤色的相似度值计算完毕 后，根据手掌图像中的每个像素点与肤色的相似度值的实验统计，确定选取肤色相似度固 定阔值是0.4。
[0039] 最后，根据固定阔值进行手掌的二值化处理，如果阔值小于等于0. 4,则把该点的 像素设为白色，否则设为黑色。并进行腐蚀处理，得到第二幅二值化的手掌图像。
[0040] 步骤1-1-3,并联操作
[0041] 对第一幅二值化的手掌图像和第二幅二值化的手掌图像进行逻辑"与"操作，得到 第=幅二值化的手掌图像，并采用16X16模板对第=幅二值化的手掌图像进行膨胀操作， 得到最终的手掌分割图像。
[0042] 步骤1-2,串联融合法
[0043] 二维大津法和基于YCb&的肤色分割法串联融合法具体按照W下步骤实施：
[0044] 步骤1-2-1，依照公式（4)将原始手掌图像转化成YCb化颜色空间的手掌图像。
[0045] 步骤1-2-2,基于YCb&的肤色分割法分割掌纹图像。
[0046] 依照公式（5)利用高斯模型对转化成YCb化颜色空间的手掌图像进行肤色统计及 肤色建模，根据相似度值的数理统计结果，得出手掌图像的最大似然图。
[0047] 步骤1-2-3,利用二维大津法对手掌图像的最大似然图选取最佳阔值（s"，t。），依 照公式（3)，给最佳阔值（s〇，t。）一个松弛量A = 10,将（s〇-A，t〇-A)作为是否对手掌图 像进行二值化的判定条件，得到二值化的手掌图像。
[0048] 如果阔值小于或等于（Su-A，tu-A)，则把该点的像素设为白色，否则设为黑色；
[0049] 步骤1-2-4,形态学处理；先采用16X16模板对二值化的手掌图像进行腐蚀操作， 再采用16X16的模板将腐蚀后的图像膨胀，获得最终的手掌分割图像。
[0化日]步骤2,掌纹预处理
[0051] 步骤2)或步骤5)中的掌纹预处理包括轮廓提取、关键点定位、手掌图像旋转矫正 和感兴趣区域提取，具体包括W下步骤：
[0化2] 步骤2-1，轮廓提取
[0053] 对由步骤1得到的最终的手掌分割图像进行判定，若该点的四周都是黑色则设置 该点为白色，得到手掌轮廓图像；
[0054] 其中，关键点定位采用改进的直线拟合法，其具体步骤如下：
[0化5] 步骤2-2-1，将轮廓提取后的手掌图像按照从左到右、从上到下的顺序逐行逐个像 素点进行扫描，直到横向扫描线与轮廓边界在同一条扫描线上有8个交点，且相邻两个交 点纵坐标的差值大于10时，停止扫描