手指静脉识别方法、装置、计算机设备和存储介质与流程

[0001]
本申请涉及计算机技术领域，特别是涉及一种手指静脉识别方法、装置、计算机设备和存储介质。


背景技术：

[0002]
手指静脉识别是指利用手指内的静脉网络分布图像，即手指静脉图像来进行身份识别。手指静脉识别作为身份识别中具有代表性技术之一，具有非接触采集、活体识别、内部特征、体积小、成像器件结构简单等优点，在生物特征识别领域受到了广泛的关注。传统方式中，是采用通用滤波器提取手指静脉图像中的手指静脉特征，以实现手指静脉识别。
[0003]
然而，传统方式中所采用的通用滤波器只能提取手指静脉图像中特定方面的手指静脉特征，由于手指静脉识别会受到手指静脉图像中多方面的影响，从而导致传统方式无法准确进行手指静脉识别。


技术实现要素：

[0004]
基于此，有必要针对上述技术问题，提供一种能够提高手指静脉识别准确性的手指静脉识别方法、装置、计算机设备和存储介质。
[0005]
一种手指静脉识别方法，所述方法包括：
[0006]
获取待识别手指静脉图像；
[0007]
对所述待识别手指静脉图像进行区域截取，得到目标区域图像；
[0008]
调用预先构建的滤波器，所述滤波器是通过手指静脉生长特性信息进行构建的；
[0009]
通过所述滤波器对所述目标区域图像进行特征提取，得到所述手指静脉生长特性信息对应的手指静脉特征；
[0010]
将所述手指静脉特征与预设特征进行比对，得到特征相似度；
[0011]
选取所述特征相似度大于阈值的预设特征，确定所述预设特征对应的身份信息为手指静脉识别结果。
[0012]
在其中一个实施例中，所述通过所述滤波器对所述目标区域图像进行特征提取，得到所述手指静脉生长特性信息对应的手指静脉特征包括：
[0013]
通过所述滤波器将所述目标区域图像划分成多个单元；
[0014]
根据各单元中的像素点计算所述手指静脉生长特性信息对应的第一幅值响应图以及第一频率方向响应图；
[0015]
根据所述第一幅值响应图以及第一频率方向响应图生成目标直方图，确定所述目标直方图为所述手指静脉生长特性信息对应的手指静脉特征。
[0016]
在其中一个实施例中，所述根据各单元中的像素点计算所述手指静脉生长特性信息对应的第一幅值响应图以及第一频率方向响应图包括：
[0017]
计算各单元中各像素点对应的符合所述手指静脉生长特性信息的滤波响应图；
[0018]
根据所述滤波响应图计算所述手指静脉生长特性信息对应的第一幅值响应图以
及第一频率方向响应图。
[0019]
在其中一个实施例中，所述根据所述第一幅值响应图以及第一频率方向响应图生成目标直方图，确定所述目标直方图为所述手指静脉生长特性信息对应的手指静脉特征包括：
[0020]
根据所述第一幅值响应图以及第一频率方向响应图生成单元直方图；
[0021]
根据预设参数将相邻的单元直方图进行组合，生成块直方图；
[0022]
对所述块直方图进行归一化处理，得到标准直方图；
[0023]
将所述标准直方图进行组合，得到所述手指静脉生长特性信息对应的手指静脉特征。
[0024]
在其中一个实施例中，在所述获取待识别手指静脉图像之前，所述方法还包括：
[0025]
获取多张手指静脉样本图像；
[0026]
对多张手指静脉图像进行区域截取，得到多张待处理区域图像；
[0027]
根据多张待处理区域图像中的像素点计算得到所述手指静脉生长特性信息；
[0028]
根据所述手指静脉生长特性信息构建滤波器。
[0029]
在其中一个实施例中，所述根据多张待处理区域图像中的像素点计算得到手指静脉生长特性信息包括：
[0030]
根据各张待处理区域图像中的像素点计算相应的待处理区域图像对应的第二幅值响应图以及第二频率方向响应图，得到多个第二幅值响应图以及多个第二频率响应图；
[0031]
根据多个第二幅值响应图以及多个第二频率方向响应图计算得到手指静脉生长特性信息。
[0032]
在其中一个实施例中，所述根据多个第二幅值响应图以及多个第二频率方向响应图计算得到手指静脉生长特性信息包括：
[0033]
将各张待处理区域图像划分为多个单元；
[0034]
根据预设频率和预设方向将相同单元对应的多个第二幅值响应图进行累计，得到各单元对应的累计直方图；
[0035]
在各单元对应的累计直方图中选取目标频率和目标方向，得到每个单元对应的目标频率和目标方向；
[0036]
根据多个单元对应的目标频率和目标方向生成手指静脉生长特性信息。
[0037]
一种手指静脉识别装置，所述装置包括：
[0038]
图像获取模块，语音获取待识别手指静脉图像；
[0039]
区域截取模块，用于对所述待识别手指静脉图像进行区域截取，得到目标区域图像；
[0040]
调用模块，用于调用预先构建的滤波器，所述滤波器是通过手指静脉生长特性信息进行构建的；
[0041]
特征提取模块，用于通过所述滤波器对所述目标区域图像进行特征提取，得到所述手指静脉生长特性信息对应的手指静脉特征；
[0042]
特征比对模块，用于将所述手指静脉特征与预设特征进行比对，得到特征相似度；
[0043]
结果确定模块，用于选取所述特征相似度大于阈值的预设特征，确定所述预设特征对应的身份信息为手指静脉识别结果。
[0044]
一种计算机设备，包括存储器和处理器，所述存储器存储有可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述各个方法实施例中的步骤。
[0045]
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述各个方法实施例中的步骤。
[0046]
上述手指静脉识别方法、装置、计算机设备和存储介质，获取待识别手指静脉图像，对待识别手指静脉图像进行区域截取，得到目标区域图像，从而调用预先构建的滤波器，滤波器是通过手指静脉生长特性信息进行构建的，通过滤波器对目标区域图像进行特征提取，得到手指静脉生长特性信息对应的手指静脉特征。进而将手指静脉特征与预设特征进行比对，得到特征相似度，选取特征相似度大于阈值的预设特征，确定预设特征对应的身份信息为手指静脉识别结果。由于滤波器是通过手指静脉生长特性信息进行构建的，能够根据统计得到的不同手指区域的手指静脉在频率及方向的分布规律来提取手指静脉特征，使得手指静脉特征更符合手指静脉生成特性信息，与传统的通用滤波器只能提取手指静脉图像中特定方面的手指静脉特征相比，能够提取到更有效、更准确的手指静脉特征，从而提高了手指静脉识别的准确性。同时还提高了滤波器对手指静脉特征中手指静脉纹路的适应性及手指静脉特征的提取效率。
附图说明
[0047]
图1为一个实施例中手指静脉识别方法的应用环境图；
[0048]
图2为一个实施例中手指静脉识别方法的流程示意图；
[0049]
图3为一个实施例中通过滤波器对目标区域图像进行特征提取，得到手指静脉生长特性信息对应的手指静脉特征步骤的流程示意图；
[0050]
图4为一个实施例中根据第一幅值响应图以及第一频率方向响应图生成目标直方图，确定目标直方图为手指静脉生长特性信息对应的手指静脉特征步骤的流程示意图；
[0051]
图5为一个实施例中构建滤波器步骤的流程示意图；
[0052]
图6为一个实施例中手指静脉的在目标方向的分布示意图；
[0053]
图7为一个实施例中手指静脉识别装置的结构框图；
[0054]
图8为一个实施例中计算机设备的内部结构图。
具体实施方式
[0055]
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
[0056]
本申请提供的手指静脉识别方法，可以应用于如图1所示的应用环境中。其中，图像采集设备102与服务器104通过网络进行通信。在需要进行手指静脉识别时，图像采集设备可以将采集到的待识别手指静脉图像发送至服务器102。服务器104在获取到待识别手指静脉图像后，对待识别手指静脉图像进行区域截取，得到目标区域图像，从而调用预先构建的滤波器，滤波器是通过手指静脉生长特性信息进行构建的，通过滤波器对目标区域图像进行特征提取，得到手指静脉生长特性信息对应的手指静脉特征，进而将手指静脉特征与预设特征进行比对，得到特征相似度，选取特征相似度大于阈值的预设特征，确定预设特征
对应的身份信息为手指静脉识别结果。其中，图像采集设备可以是摄像头、摄像仪等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
[0057]
在一个实施例中，如图2所示，提供了一种手指静脉识别方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：
[0058]
步骤202，获取待识别手指静脉图像。
[0059]
待识别手指静脉图像是指需要进行手指静脉识别以实现身份识别的图像。待识别手指静脉图像用于表示手指内的静脉网络分布。
[0060]
在门禁、考勤等需要进行身份识别的场景中，可以通过图像采集设备采集待识别手指静脉识别图像。当用户将手指放置于图像采集设备的图像采集区域时，图像采集设备即采集相应的待识别手指静脉图像。图像采集设备采集到的待识别手指静脉图像可以是灰度图像，没有色彩变换。服务器从而可以获取到图像采集设备发送的待识别静脉图像。
[0061]
步骤204，对待识别手指静脉图像进行区域截取，得到目标区域图像。
[0062]
目标区域图像是指待识别手指静脉图像中的感兴趣区域(region of interest，简称roi)对应的图像。感兴趣区域可以是通过提取手指静脉图像的主体部分，去除背景及边缘部分，并进行归一化处理得到的。主体部分可以是手指的指尖和指根的中间部分。
[0063]
具体的，服务器可以先对待识别手指静脉图像进行边缘检测，得到手指边缘。边缘检测的方式可以是sobel算子、laplacian算子、canny算子等中的任意一种。服务器通过对待识别静脉图像进行边缘检测可以定位到手指边缘。在其中一个实施例中，服务器还可以对边缘检测后的手指静脉图像进行二值化以及指体提取处理，之后，进行中线拟合，利用拟合的中线修正错误边界，从而得到最终边界，提高了手指边缘检测的准确性。
[0064]
由于手指在采集过程中放置不固定，会导致获取到的手指静脉图像并非完全水平，大部分都有一定的角度偏移，可以将手指指体中线和水平方向的夹角定义为倾斜角度，这种倾斜会影响感兴趣区域的对齐，最终导致手指静脉识别失败。因此，服务器可以对手指静脉图像进行方向校正。服务器可以将手指边缘中边缘点的坐标进行记录，根据记录的边缘点坐标计算得到手指的倾斜角度，并根据倾斜角度对手指静脉图像进行旋转处理。例如，可以采用双线性插值来旋转图像。在其中一个实施例中，服务器可以在记录的边缘点坐标中确定上、下边缘点，通过上、下边缘点计算出中点坐标集，根据中点坐标集拟合得到一条直线，并根据该直线以及斜率和角度的计算公式得到手指的倾斜角度。
[0065]
由于图像采集设备采集到的待识别手指静脉图像都不是针对整个手指，而是手指的主体部分，很难通过边缘检测来定位出手指在水平方向的位置，因此，为了解决水平方向平移对同源图像比对的影响，服务器可以对方向校正后的手指静脉图像进行裁剪处理。服务器以手指边缘的上下边缘最靠里面的边缘点为基准，确定垂直方向的截取边界。以确定的垂直方向截取参考线为边，计算该区域内所有行的灰度累加值。寻找灰度累加值极大值对应的位置，即为手指关节位置。以寻找的指关节位置为水平方向参考线，前后设置预设长度来确定水平方向的截取边界，从而服务器可以根据水平方向的截取边界来裁剪方向校正后的手指静脉图像，进而可以裁剪出相对稳定的感兴趣区域。
[0066]
裁剪处理后的手指静脉图像已经没有了背景信息的干扰，同时也基本排除了平移旋转等因素的影响，然而，裁剪处理后的手指静脉图像的尺寸并不统一，不利于后续处理，同时也无法避免手指离图像采集设备的图像采集区域距离不一致带来的缩放对同源图像
对比造成的影响。因此，服务器可以对裁剪处理后的手指静脉图像进行归一化处理，得到尺寸完全相同的稳定的目标区域图像。例如，归一化处理可以是根据预设的长和宽，采用双线性插值的方法对裁剪处理后的手指静脉图像进行归一化处理。例如，长为370像素，宽为130像素。
[0067]
步骤206，调用预先构建的滤波器，滤波器是通过手指静脉生长特性信息进行构建的。
[0068]
滤波器是通过手指静脉生长特性信息构建得到的。例如，滤波器可以是二维滤波器，如2dgabor，用于处理目标区域图像，获取手指静脉特征。2dgabor滤波器的形状类似于哺乳动物视觉皮层细胞的二维感受野，可有效捕捉目标区域图像的空间位置、频率、方向等特性。手指静脉生长特性信息是指统计得到的手指静脉在频率及方向的分布规律。由于手指静脉纹路顺着手指的方向生长，例如，以手指指向为水平方向的话，手指静脉在靠近水平方向的分布会较多，其他方向分布较少，同时，不同手指区域，如指关节区域、指关节区域外的指体区域，静脉粗细是不相同的，主静脉较粗，分支静脉和末梢静脉较细。因此，手指静脉生长特性信息可以包括统计得到的不同手指区域的手指静脉在频率及方向的分布规律。
[0069]
通过预先获取手指静脉生长特性信息，以构建滤波器，使服务器可以在获取到目标区域图像后，调用预先构建的滤波器提取符合手指静脉生长特性信息的手指静脉特征。
[0070]
步骤208，通过滤波器对目标区域图像进行特征提取，得到手指静脉生长特性信息对应的手指静脉特征。
[0071]
服务器可以通过滤波器提取目标区域图像中的手指静脉特征。手指静脉特征是指符合手指静脉生长特性的手指静脉特征，可以体现为幅值响应图和频率方向响应图。频率方向响应图是指同时考虑频率参数以及方向参数的响应图。具体的，通过滤波器将目标区域图像划分为多个单元。单元可以用于表示手指区域，即将目标区域图像划分为不同的手指区域。例如，可以是将目标区域图像划分为a
×
b个不重叠的单元。例如，由于滤波器是通过手指静脉生长特性信息构建的，而手指静脉生长特性信息包括统计得到的不同手指区域的手指静脉在频率及方向的分布规律。不同手指区域的手指静脉在频率及方向的分布规律可以是不同的。滤波器可以针对每个单元，获取像素点符合手指静脉生长特性信息的幅值响应图以及频率方向响应图，从而根据该幅值响应图以及频率方向响应图生成相应的直方图。并将该直方图作为手指静脉特征进行输出。
[0072]
步骤210，将手指静脉特征与预设特征进行比对，得到特征相似度。
[0073]
步骤212，选取特征相似度大于阈值的预设特征，确定预设特征对应的身份信息为手指静脉识别结果。
[0074]
服务器中预先存储有预设特征，预设特征是指经过身份识别的用户的手指静脉特征，可用作手指静脉特征模板，对待识别手指静脉图像的手指静脉特征进行身份识别。具体的，服务器将得到的手指静脉特征与预设特征进行比对，得到特征相似度。在其中一个实施例中，服务器可以采用欧氏距离法计算手指静脉特征与每个预设特征之间的特征相似度。服务器将得到的多个特征相似度与阈值进行比较。例如，阈值可以是95％。当特征相似度大于阈值时，表示手机静脉特征与该特征相似度所对应的预设特征的相似度较高，则服务器可以选取相似度大于大于阈值的预设特征，进而确定预设特征对应的身份信息为手指静脉识别结果。
[0075]
在本实施例中，获取待识别手指静脉图像，对待识别手指静脉图像进行区域截取，得到目标区域图像，从而调用预先构建的滤波器，滤波器是通过手指静脉生长特性信息进行构建的，通过滤波器对目标区域图像进行特征提取，得到手指静脉生长特性信息对应的手指静脉特征。进而将手指静脉特征与预设特征进行比对，得到特征相似度，选取特征相似度大于阈值的预设特征，确定预设特征对应的身份信息为手指静脉识别结果。由于滤波器是通过手指静脉生长特性信息进行构建的，能够根据统计得到的不同手指区域的手指静脉在频率及方向的分布规律来提取手指静脉特征，使得手指静脉特征更符合手指静脉生成特性信息，与传统的通用滤波器只能提取手指静脉图像中特定方面的手指静脉特征相比，能够提取到更有效、更准确的手指静脉特征，从而提高了手指静脉识别的准确性。同时还提高了滤波器对手指静脉特征中手指静脉纹路的适应性及手指静脉特征的提取效率。
[0076]
在一个实施例中，如图3所示，通过滤波器对目标区域图像进行特征提取，得到手指静脉生长特性信息对应的手指静脉特征的步骤包括：
[0077]
步骤302，通过滤波器将目标区域图像划分成多个单元。
[0078]
步骤304，根据各单元中的像素点计算手指静脉生长特性信息对应的第一幅值响应图以及第一频率方向响应图。
[0079]
步骤306，根据第一幅值响应图以及第一频率方向响应图生成目标直方图，确定目标直方图为手指静脉生长特性信息对应的手指静脉特征。
[0080]
服务器可以通过滤波器将目标区域图像划分为多个单元。每个单元可以包括多个像素点。例如，可以是将目标区域图像划分为a
×
b个不重叠的单元。针对每个单元，通过滤波器根据像素点计算手指静脉生长特性信息对应的第一幅值响应图以及第一频率方向响应图，计算公式可以如下所示：
[0081]
m
b
(x,y)＝min(f
m
(x,y))
ꢀꢀꢀ
(1)
[0082]
fθ
b
(x,y)＝arg min
m
(f
m
(x,y))
ꢀꢀꢀꢀ
(2)
[0083]
其中，(x，y)表示每个单元中像素点的坐标，m
b
(x，y)表示第一幅值响应图，f
m
(x，y)表示m个频率方向上的滤波响应图，fθ
b
(x，y)表示第一频率方向响应图。
[0084]
在其中一个实施例中，根据像素点计算手指静脉生长特性信息对应的第一幅值响应图以及第一频率方向响应图包括：计算各单元中各像素点对应的符合手指静脉生长特性信息的滤波响应图；根据滤波响应图计算手指静脉生长特性信息对应的第一幅值响应图以及第一频率方向响应图。具体的，针对每个单元，通过滤波器获取每个像素点对应的符合手指静脉生长特性信息的滤波响应图。滤波响应图的计算公式可以如下所示：
[0085]
f
m
(x,y)＝c(x,y)*g
m
,m∈m
ꢀꢀꢀ
(3)
[0086]
其中，f
m
(x，y)表示m个频率方向上的滤波响应图，c(x，y)表示单元c中每个像素点的坐标，*表示卷积操作，g
m
表示根据手指静脉生长特性信息中的频率方向构建的滤波器，m表示手指静脉生长特性信息中的频率方向数。
[0087]
通过滤波器将滤波响应图输入至上述公式(1)中计算得到手指静脉生长特性信息对应的第一幅值响应图，将滤波响应图输入至上述公式(2)中计算得到手指静脉生长特性信息对应的第一频率方向响应图。
[0088]
为了使提取的手指静脉特征对待识别图像的亮度变化和少量的平移旋转具有较强的鲁棒性，可以通过滤波器根据第一幅值响应图以及第一频率方向响应图生成目标直方
图，进而确定目标直方图为手指静脉生长特性信息对应的手指静脉特征。例如，可以以梯度方向直方图(histogram of oriented gradients，简称hog)方法为基础，通过滤波器根据第一幅值响应图以及第一频率方向响应图生成目标直方图。
[0089]
在本实施例中，通过滤波器将目标区域图像划分成多个单元，根据各单元中的像素点计算手指静脉生长特性信息对应的第一幅值响应图以及第一频率方向响应图，根据第一幅值响应图以及第一频率方向响应图生成目标直方图，确定目标直方图为手指静脉生长特性信息对应的手指静脉特征。通过将目标区域图像划分成多个单元，有利于后续生成目标直方图。通过生成目标直方图，使得手指静脉特征对待识别图像的亮度变化和少量的平移旋转具有较强的鲁棒性。而滤波器可有效捕捉图像的空间位置、频率、方向等特性，将滤波器与生成直方图的方法相结合进行特征提取，能够提取出更准确的手指静脉特征。
[0090]
在一个实施例中，如图4所示，根据第一幅值响应图以及第一频率方向响应图生成目标直方图，确定目标直方图为手指静脉生长特性信息对应的手指静脉特征的步骤具体包括：
[0091]
步骤402，根据第一幅值响应图以及第一频率方向响应图生成单元直方图。
[0092]
步骤404，根据预设参数将相邻的单元直方图进行组合，生成块直方图。
[0093]
步骤406，对块直方图进行归一化处理，得到标准直方图。
[0094]
步骤408，将标准直方图进行组合，得到手指静脉生长特性信息对应的手指静脉特征。
[0095]
服务器可以通过滤波器根据第一幅值响应图以及第一频率方向响应图生成单元直方图，生成单元直方图的计算公式可以如下所示：
[0096]
hc(m)
i
＝∑m
b
(x,y)if(x,y)∈单元i&&fθ
b
(x,y)∈bin(m)
ꢀꢀꢀ
(4)
[0097]
其中，hc(m)
i
表示单元i对应的单元直方图，m
b
(x，y)表示第一幅值响应图，fθ
b
(x，y)表示第一频率方向响应图。
[0098]
通过滤波器根据预设参数将相邻的单元直方图组合成块，相邻的两个块之间可以有重合。预设参数可以用b1×
b2表示。通过滤波器串联每个块内的所有单元直方图，生成块直方图，块直方图可以用hb
j
＝{hc1,hc2,...,hc
b1
×
b2
}来表示。例如，当目标区域图像划分的单元数为a
×
b，预设参数为2
×
2时，可以将相邻的2
×
2个单元构成一个块，则生成的块直方图数为n＝(a-1)(b-1)。
[0099]
为了避免除数为零的情况出现，可以通过滤波器采用l2范数对块直方图归一化。归一化处理的公式可以如下所示：
[0100][0101]
其中，nhb
j
表示归一化后得到的标准直方图，hb
j
表示块直方图，ε为很小的常数。
[0102]
通过滤波器将所有的标准直方图进行串联组合得到手指静脉生长特性信息对应的手指静脉特征feature＝{nhb1,nhb2,
…
,nhb
n
}，其中，n表示单元直方图组合成的块数，即块直方图数。手指静脉特征的表现形式可以是矢量形式。
[0103]
在本实施例中，根据第一幅值响应图以及第一频率方向响应图生成单元直方图，根据预设参数将相邻的单元直方图进行组合，生成块直方图，对块直方图进行归一化处理，
得到标准直方图。能够避免除数为零的情况出现，能够提高后续标准直方图的准确性。将标准直方图进行组合，得到手指静脉生长特性信息对应的手指静脉特征。通过将手指静脉特征以直方图的形式进行体现，能够使得手指静脉特征对待识别图像的亮度变化和少量的平移旋转具有较强的鲁棒性。
[0104]
在一个实施例中，如图5所示，上述方法还包括：构建滤波器的步骤，具体包括：
[0105]
步骤502，获取多张手指静脉样本图像。
[0106]
步骤504，对多张手指静脉图像进行区域截取，得到多张待处理区域图像。
[0107]
步骤506，根据多张待处理区域图像中的像素点计算得到手指静脉生长特性信息。
[0108]
步骤508，根据手指静脉生长特性信息构建滤波器。
[0109]
服务器在获取待识别手指静脉图像之前，可以预先获取手指静脉特性信息构建滤波器，以提取更为准确的手指静脉特征，提高手指静脉识别的准确性。
[0110]
具体的，服务器获取多张手指静脉样本图像。手指静脉样本图像可以是通过不同的图像采集设备采集的，也可以直接采用现有的公用数据集。手指静脉样本图像的采集背景、采集规格可以是不同的。进一步的，为了保证获取到的手指静脉生长特性信息具有通用性，可以获取多个人的多根手指静脉图像作为手指静脉样本图像。服务器对每张手指静脉样本图像进行区域截取，得到每张手指静脉样本图像对应的待处理区域图像。每张手指静脉样本图像对应一张待处理区域图像，最终得到多张待处理区域图像。在构建滤波器的过程中对手指静脉样本图像进行区域截取可以采用实际应用过程中，对待识别手指静脉图像进行区域截取的方法。具体的，服务器可以先对手指静脉样本图像进行边缘检测，得到手指边缘，之后，对边缘检测后的手指静脉样本图像进行方向校正。从而服务器对方向校正后的手指静脉样本图像进行裁剪处理，得到相对稳定的感兴趣区域。进而对裁剪处理后的手指静脉图像进行归一化处理，进而得到尺寸完全相同的稳定的待处理区域图像。
[0111]
服务器可以设置多个方向和频率，构建多尺度多方向的通用滤波器，该滤波器的构建及方向和频率计算方式可以如下所示：
[0112][0113][0114][0115]
其中，σ表示高斯包络线的标准差，θ
k
表示滤波器的方向，o表示设置的方向总数，f
v
表示滤波器的频率，f
step
表示不同频率核函数之间的间隔，f表示设置的频率总数。
[0116]
服务器根据多张待处理区域图像中的像素点计算得到手指静脉生长特性信息。在其中一个实施例中，根据多张待处理区域图像中的像素点计算得到手指静脉生长特性信息包括：根据各张待处理区域图像中的像素点计算相应的待处理区域图像对应的第二幅值响应图以及第二频率方向响应图，得到多个第二幅值响应图以及多个第二频率响应图；根据
多个第二幅值响应图以及多个第二频率方向响应图计算得到手指静脉生长特性信息。
[0117]
具体的，针对每张待处理区域图像，服务器计算各像素点对应的滤波响应图，根据滤波响应图计算第二幅值响应图以及第二频率方向响应图。其中，滤波响应图的计算公式可以如下所示：
[0118]
f
kv
(x，y)＝i(x，y)*g
kv
，k＝1，2，
…
，o；v＝1，2，
…
，f
ꢀꢀꢀ
(9)
[0119]
其中，f
kv
(x，y)表示频率为v，方向为k上的滤波响应图，i(x，y)表示待处理区域图像i中每个像素点的坐标，*表示卷积操作，g
kv
表示滤波器，o表示设置的方向总数，f表示设置的频率总数。
[0120]
根据滤波响应图计算第二幅值响应图以及第二频率方向响应图的计算公式可以如下所示：
[0121]
m(x，y)＝min(f
kv
(x，y))
ꢀꢀꢀ
(10)
[0122]
fθ(x，y)＝arg min
k，v
(f
kv
(x，y))
ꢀꢀꢀ
(
11
)
[0123]
其中，(x，y)表示每个待处理区域图像中像素点的坐标，m(x，y)表示第二幅值响应图，f
kv
(x，y)表示频率为v，方向为k上的滤波响应图，fθ(x，y)表示第二频率方向响应图。
[0124]
服务器在计算得到各张待处理区域图像对应的第二幅值响应图以及第二频率方向响应图后，可以根据第二幅值响应图以及第二频率方向响应图计算手指静脉生长特性信息。
[0125]
在本实施例中，对多张手指静脉图像进行区域截取，得到多张待处理区域图像，根据各张待处理区域图像中的像素点计算相应的待处理区域图像对应的第二幅值响应图以及第二频率方向响应图，根据多个第二幅值响应图以及多个第二频率方向响应图计算得到手指静脉生长特性信息，根据手指静脉生长特性信息构建滤波器。由于手指静脉生长特性信息中包括统计得到的频率和方向的特性信息，能够使得构建的滤波器提取到符合手指静脉生长特性信息的手指静脉特征，从而有效提高手指静脉识别的准确性。
[0126]
在一个实施例中，根据多个第二幅值响应图以及多个第二频率方向响应图计算得到手指静脉生长特性信息包括：将各张待处理区域图像划分为多个单元；将预设频率和预设方向将相同单元对应的多个第二幅值响应图进行累计，得到各单元对应的累计直方图；在各单元对应的累计直方图中选取目标频率和目标方向，得到每个单元对应的目标频率和目标方向；根据多个单元对应的目标频率和目标方向生成手指静脉生长特性信息。
[0127]
为了获取不同手指区域的手指静脉在频率及方向的分布规律，服务器可以将各张待处理区域图像按照相同的方式划分为多个单元，每个单元可以包括多个像素点。例如，可以将各张待处理区域图像分别划分为a
×
b个不重叠的单元。由于多张待处理区域图像的单元划分方式是相同的，因此多张待处理区域图像划分得到的单元也是相同的，服务器可以根据预设频率和预设方向将相同单元对应的第二幅值响应图进行累计，得到各单元对应的累计直方图。各单元对应的累计直方图共有o
×
f个位，其中，o表示设置的方向总数，f表示设置的频率总数。累计直方图可以根据如下公式进行计算：
[0128][0129]
其中，hcr
i
(kv)表示单元i对应的累计直方图，s表示手指静脉样本图像的张数，即待处理区域图像的个数，m(x，y)表示第二幅值响应图，fθ(x，y)表示第二频率方向响应图。
[0130]
服务器在各单元对应的累计直方图中选取目标频率和目标方向。具体的，服务器将每个单元的累计直方图按照幅值从大到小降序排列，幅值越小对应的频率方向，就是该单元的手指静脉具有的频率方向的分布规律。划分的单元可以对应不同的手指区域，因此服务器可以得到不同手指区域的手指静脉在频率及方向的分布规律。进一步的，针对每个单元，服务器可以选取前m(m＜o
×
f)个滤波器的频率和方向，在该单元所在区域，选取的频率和方向的手指静脉分布更多，将选取的频率作为目标频率，将选取的方向作为目标方向。例如，手指静脉的在目标方向的分布示意图可以如图6所示，其中，白点组成的线表示手指静脉分布的目标方向。从而可以根据多个单元对应的目标频率和目标方向生成手指静脉生长特性信息，根据该手指静脉生长特性信息设置滤波器，使得滤波器更符合手指静脉的生长特性，能更有效的获取手指静脉特征。
[0131]
应该理解的是，虽然图2至5的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2至5中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
[0132]
在一个实施例中，如图7所示，提供了一种手指静脉识别装置，包括：图像获取模块702、区域截取模块704、调用模块706、特征提取模块708、特征比对模块710和结果确定模块712，其中：
[0133]
图像获取模块702，用于获取待识别手指静脉图像。
[0134]
区域截取模块704，用于对待识别手指静脉图像进行区域截取，得到目标区域图像。
[0135]
调用模块706，用于调用预先构建的滤波器，滤波器是通过手指静脉生长特性信息进行构建的。
[0136]
特征提取模块708，用于通过滤波器对目标区域图像进行特征提取，得到手指静脉生长特性信息对应的手指静脉特征。
[0137]
特征比对模块710，用于将手指静脉特征与预设特征进行比对，得到特征相似度。
[0138]
结果确定模块712，用于选取特征相似度大于阈值的预设特征，确定预设特征对应的身份信息为手指静脉识别结果。
[0139]
在一个实施例中，特征提取模块708还用于通过滤波器将目标区域图像划分成多个单元；根据各单元中的像素点计算手指静脉生长特性信息对应的第一幅值响应图以及第一频率方向响应图；根据第一幅值响应图以及第一频率方向响应图生成目标直方图，确定目标直方图为手指静脉生长特性信息对应的手指静脉特征。
[0140]
在一个实施例中，特征提取模块708还用于计算各单元中各像素点对应的符合手指静脉生长特性信息的滤波响应图；根据滤波响应图计算手指静脉生长特性信息对应的第一幅值响应图以及第一频率方向响应图。
[0141]
在一个实施例中，特征提取模块708还用于根据第一幅值响应图以及第一频率方向响应图生成单元直方图；根据预设参数将相邻的单元直方图进行组合，生成块直方图；对
块直方图进行归一化处理，得到标准直方图；将标准直方图进行组合，得到手指静脉生长特性信息对应的手指静脉特征。
[0142]
在一个实施例中，上述装置还包括：
[0143]
图像获取模块702，还用于获取多张手指静脉样本图像。
[0144]
区域截取模块704，还用于对多张手指静脉图像进行区域截取，得到多张待处理区域图像。
[0145]
计算模块，用于根据多张待处理区域图像中的像素点计算得到手指静脉生长特性信息。
[0146]
构建模块，用于根据手指静脉生长特性信息构建滤波器。
[0147]
在一个实施例中，计算模块还用于根据各张待处理区域图像中的像素点计算相应的待处理区域图像对应的第二幅值响应图以及第二频率方向响应图，得到多个第二幅值响应图以及多个第二频率响应图；根据多个第二幅值响应图以及多个第二频率方向响应图计算得到手指静脉生长特性信息。
[0148]
在一个实施例中，计算模块还用于将各张待处理区域图像划分为多个单元；根据预设频率和预设方向将相同单元对应的多个第二幅值响应图进行累计，得到各单元对应的累计直方图；在各单元对应的累计直方图中选取目标频率和目标方向，得到每个单元对应的目标频率和目标方向；根据多个单元对应的目标频率和目标方向生成手指静脉生长特性信息。
[0149]
关于手指静脉识别装置的具体限定可以参见上文中对于手指静脉识别方法的限定，在此不再赘述。上述手指静脉识别装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0150]
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储一种手指静脉识别方法的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种手指静脉识别方法。
[0151]
本领域技术人员可以理解，图8中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0152]
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行计算机程序时实现上述各个实施例中的步骤。
[0153]
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述各个实施例中的步骤。
[0154]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以
通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
[0155]
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0156]
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。