一种基于纹理RGB图像和静脉灰度图像的活体检测方法与流程

一种基于纹理rgb图像和静脉灰度图像的活体检测方法
技术领域
1.本发明属于信息安全领域中的生物识别技术，具体涉及一种基于纹理rgb图像和静脉灰度图像的活体检测方法。


背景技术：

2.静脉识别技术是一种利用人体静脉灰度图像对个人身份进行识别的生物特征识别技术。静脉隐藏在人体内部，在日常活动下不会像指纹、人脸等留下痕迹，而且每个人每根手指的静脉纹路均不相同，因此可以作为身份识别的生物特征，并具有高安全、不易盗取等优势；随着静脉识别技术广泛的推广应用，其安全性接受着更加严峻的考验。在其应用过程中，难以避免入侵者会利用自制设备采集原始手指静脉灰度图像，然后再打印到假体上进行攻击。由此可见，对于本领域内的技术人员而言，如何实现静脉识别设备的活体检测功能，有效避免假体攻击，提高指静脉的使用安全性能是亟需解决的问题。


技术实现要素：

3.本发明的目的在于提供一种基于纹理rgb图像和静脉灰度图像的活体检测方法，可以有效实现活体检测功能，避免假体攻击。为了达到目的，本发明提供的技术方案为：一种基于纹理rgb图像和静脉灰度图像的活体检测方法，包括：获取同一手指的纹理rgb图像和静脉灰度图像；分别对所述纹理rgb图像和静脉灰度图像进行感兴趣区域截取；提取纹理rgb图像感兴趣区域的纹理特征，遍历确认纹理特征区域，判断所述纹理特征区域的纹理特征是否满足纹理特征条件；若满足，提取静脉灰度图像感兴趣区域的静脉特征，遍历确认静脉特征区域，判断所述静脉特征区域的静脉特征是否满足静脉特征条件；若满足，计算所述纹理特征区域和静脉特征区域的偏移量，若所述偏移量满足偏移条件，则该手指为活体，反之为非活体。
4.优选地，所述感兴趣区域包括靠近手指指根的指关节区域。
5.优选地，所述纹理特征为纹理特征点的集合，所述纹理特征点包括纹理特征点主方向，所述静脉特征为静脉特征点的集合，所述静脉特征点包括静脉特征点主方向。
6.优选地，所述遍历确认纹理特征区域，包括：计算所述纹理rgb图像感兴趣区域内纹理特征点的总数；构建纹理检测框，所述纹理检测框的高等于所述纹理rgb图像感兴趣区域的高，所述纹理检测框的宽大于所述靠近手指指根的指关节区域的宽度；将所述纹理检测框沿着纹理rgb图像感兴趣区域从左到右滑动，计算所述纹理检测框内纹理特征点的个数，若所述纹理检测框内纹理特征点的个数大于等于纹理rgb图像感兴趣区域内纹理特征点总数的2/3，则所述纹理检测框所在的位置为所述纹理特征区域。
7.优选地，所述遍历确认静脉特征区域，包括：计算所述静脉灰度图像感兴趣区域内静脉特征点的总数；构建静脉检测框，所述静脉检测框的高等于所述静脉灰度图像感兴趣区域的高，所述静脉检测框的宽大于所述靠近手指指根的指关节区域的宽度；将所述静脉检测框沿着静脉灰度图像感兴趣区域从左到右滑动，计算所述静脉检测框内静脉特征点的
个数，若所述静脉检测框内静脉特征点的个数大于等于静脉灰度图像感兴趣区域内静脉特征点总数的2/3，则所述静脉检测框所在的位置为所述静脉特征区域。
8.优选地，所述纹理特征条件为：纹理特征区域内纹理特征点主方向在[70，110]和[250,290]内的纹理特征点的个数大于等于纹理特征区域内纹理特征点总数的80%。
[0009]
优选地，所述静脉特征条件为：静脉特征区域内静脉特征点主方向在[0，20]、[160,200]和[340,360]内的静脉特征点的个数大于等于静脉特征区域内静脉特征点总数的80%。
[0010]
优选地，所述纹理特征区域和静脉特征区域的偏移量为所述纹理特征区域和静脉特征区域相对应点列坐标差的绝对值，所述偏移条件为所述差的绝对值小于等于所述感兴趣区域宽度的1/10。
[0011]
优选地，在所述提取纹理rgb图像感兴趣区域的纹理特征之前，还包括活体初筛，所述活体初筛包括：分别获取所述纹理rgb图像感兴趣区域中每一像素点的r分量、g分量和b分量；计算每一像素点的r分量占比、g分量占比、b分量占比；统计所述r分量占比、g分量占比和b分量占比在r分量可信区间、g分量可信区间和b分量可信区间内的数量；若所述数量大于预设阈值，则该手指为活体，反之为非活体。
[0012]
优选地，所述提取纹理rgb图像感兴趣区域的纹理特征的方法为sift算法或surf算法，所述提取静脉灰度图像感兴趣区域的静脉特征的方法为sift算法或surf算法。
[0013]
和现有技术相比，本发明采集同一手指的纹理rgb图像和指静脉灰度图像，截取包含手指指根的指关节区域的感兴趣区域，通过纹理rgb图像提取出手指表面的纹理特征，通过指静脉灰度图像提取手指内部的指静脉特征，基于纹理特征、指静脉特征及两者的位置关系3个条件来判断是否为活体，可以实现3重活体检测，从而大大提高了手指静脉的使用安全性能。
附图说明
[0014]
为了更清楚地说明本技术实施例，下面将对实施例中所需要使用的附图做简单的介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0015]
图1为本发明实施例提供的一种基于纹理rgb图像和静脉灰度图像的活体检测方法的流程图。
具体实施方式
[0016]
下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下，所获得的所有其他实施例，都属于本技术保护范围。
[0017]
参照附图1所示，本发明涉及一种基于纹理rgb图像和静脉灰度图像的活体检测方法，包括：（1）同时获取同一手指的纹理rgb图像和指静脉灰度图像，所获取的纹理rgb图像和指静脉灰度图像是手指的同一区域，两图像大小相同，各像素点一一对应；其中纹理rgb
图像是可见光下采集的手指皮肤表面图像，指静脉灰度图像是近红外下采集的手指内部的指静脉灰度图像，具体采集方法可参考专利公开号为cn108596136a，专利名称为指纹及静脉双重生物特征提取光学成像系统中公开的技术方案，或者采用其它的采集方法，在此不做限制。
[0018]
需要说明的是，采集的纹理rgb图像和指静脉灰度图像指尖和指根的连线可能与水平轴近似平行，也有可能与水平轴近似垂直；本技术中以采集的纹理rgb图像和指静脉灰度图像指尖和指根的连线与水平轴近似平行进行处理；反之，若采集的纹理rgb图像和指静脉灰度图像指尖和指根的连线与水平轴近似垂直，将其旋转90度即可。
[0019]
（2）分别对纹理rgb图像和指静脉灰度图像进行预处理，然后分别对预处理后的纹理rgb图像和静脉灰度图像进行感兴趣区域截取，感兴趣区域包括靠近手指指根的指关节区域。
[0020]
（3）活体初筛，具体步骤为：（3.1）分别获取纹理rgb图像中每一像素点的r分量、g分量和b分量；（3.2）计算每一像素点的r分量占比、g分量占比和b分量占比，其中，r分量占比=r分量/(r分量+g分量+b分量),g分量占比=g分量/(r分量+g分量+b分量),b分量占比=g分量/(r分量+g分量+b分量)；（3.3）分别统计r分量占比、g分量占比和b分量占比在r分量可信区间、g分量可信区间和b分量可信区间内的数量；（3.4）若数量大于预设阈值，可初步认为该手指为活体，进行步骤（4），反之为非活体，不予注册或验证。
[0021]
需要说明的是，r分量可信区间、g分量可信区间、b分量可信区间、预设阈值可根据实际采集的纹理rgb图像进行跑批测试得到。因活体手指和假体手指存在颜色差异，所以可以基于此进行初筛。
[0022]
（4）提取纹理rgb图像感兴趣区域的纹理特征，遍历确认纹理特征区域，判断纹理特征区域的纹理特征是否满足纹理特征条件，具体步骤为：（4.1）采用特征提取算法提取纹理rgb图像感兴趣区域的纹理特征，纹理特征为纹理特征点的集合，纹理特征点包括纹理特征点主方向，纹理特征点主方向的取值范围为[0，360]，其中与纹理rgb图像感兴趣区域水平中线平行的纹理特征点主方向的取值为0或180，与纹理rgb图像感兴趣区域垂直中线平行的纹理特征点主方向的取值为90或270，常用的特征提取算法为sift算法或surf算法等，在此不做限制；（4.2）计算上一步骤中纹理rgb图像感兴趣区域内提取的纹理特征点的总数；（4.3）构建纹理检测框，纹理检测框的高等于纹理rgb图像感兴趣区域的高，纹理检测框的宽大于靠近手指指根的指关节区域的宽度；本技术中，纹理检测框的宽等于纹理rgb图像感兴趣区域宽度的1/5；（4.4）将纹理检测框沿着纹理rgb图像感兴趣区域从左到右滑动，计算纹理检测框内纹理特征点的个数，若纹理检测框内纹理特征点的个数大于等于纹理rgb图像感兴趣区域内纹理特征点总数的2/3，则纹理检测框所在的位置为纹理特征区域；若有多个位置满足上述条件，则选取纹理特征点个数最多的纹理检测框所在的位置为纹理特征区域；（4.5）计算纹理特征区域内纹理特征点主方向在[70，110]和[250,290]内的纹理
特征点的个数，判断其是否大于等于纹理特征区域内纹理特征点总数的80%。若大于，可初步认为该手指为活体，进行步骤（5），反之为非活体，不予注册或验证。
[0023]
（5）提取静脉灰度图像感兴趣区域的静脉特征，遍历确认静脉特征区域，判断静脉特征区域的静脉特征是否满足静脉特征条件，具体步骤为：（5.1）采用特征提取算法提取静脉灰度图像感兴趣区域的静脉特征，静脉特征为静脉特征点的集合，静脉特征点包括静脉特征点主方向，静脉特征点主方向的取值范围为[0，360]，其中与静脉灰度图像感兴趣区域水平中线平行的静脉特征点主方向的取值为0或180，与静脉灰度图像感兴趣区域垂直中线平行的静脉特征点主方向的取值为90或270，常用的特征提取算法为sift算法或surf算法等，在此不做限制；（5.2）计算上一步骤中静脉灰度图像感兴趣区域中提取的静脉特征点的总数；（5.3）构建静脉检测框，静脉检测框的高等于静脉灰度图像感兴趣区域的高，静脉检测框的宽大于靠近手指指根的指关节区域的宽度；本技术中，静脉检测框的宽度等于静脉灰度图像感兴趣区域宽度的1/5；（5.4）将静脉检测框沿着静脉灰度图像感兴趣区域从左到右滑动，计算静脉检测框内静脉特征点的个数，若静脉检测框内静脉特征点的个数大于等于静脉灰度图像感兴趣区域内静脉特征点总数的2/3，则静脉检测框所在的位置为静脉特征区域；若有多个位置满足上述条件，则选取静脉特征点个数最多的静脉检测框所在的位置为静脉特征区域；（5.5）计算静脉特征区域内静脉特征点主方向在[0，20]、[160,200]和[340,360]内的静脉特征点的总个数，判断其是否大于等于静脉特征区域内静脉特征点总数的80%。若大于，可初步认为该手指为活体，进行步骤（6），反之为非活体，不予注册或验证。
[0024]
因特征点是一些十分突出的不会因光照、尺度、旋转等因素而消失的点，比如角点、边缘点、暗区域的亮点以及亮区域的暗点等。若为活体手指，纹理rgb图像感兴趣区域中，主要的纹理特征点主要集中在指关节处，为指关节的纹理，因绝大部分指关节纹理与水平轴垂直，因此该处的纹理特征点的主方向应该也与水平轴垂直，即角度在[70，110]和[250,290]之间；静脉灰度图像感兴趣区域中，主要的静脉特征点主要集中在靠近手指指根的指关节区域，且靠近手指指根的指关节区域的指静脉绝大部分与水平轴平行，即该处的静脉特征点的主方向也应该与水平轴平行，即角度在[0，20]、[160,200]和[340,360]之间。另外，因绝大部分纹理特征点和静脉特征点均集中在靠近手指指根的指关节区域处，因此构建的检测框的宽度需要大于靠近手指指根的指关节区域的宽度，方可使得特征点检测更加完整，使得活体判断更加准确。本技术根据手指本身的指关节纹理和指静脉特征进行活体判断，大大提高了手指静脉的使用安全性能。
[0025]
（6）计算纹理特征区域和静脉特征区域的偏移量，判断偏移量是否满足偏移条件，若满足，可最终认定该手指为活体，反之为非活体，不予注册或验证。其中，纹理特征区域和静脉特征区域的偏移量为纹理特征区域和静脉特征区域相对应点列坐标差的绝对值，例如，可分别纹理特征区域左上角的列坐标和静脉特征区域左上角的列坐标差的绝对值；若上述差的绝对值小于等于感兴趣区域宽度的1/10，可最终认定该手指为活体，进行静脉注册或验证，反之为非活体，不予注册或验证。
[0026]
以上结合实施例对本发明进行了详细说明，但所述内容仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。凡依本发明申请范围所做的均等变化与改进
等，均应仍属于本发明的专利涵盖范围之内。