[0002]

[0003] 本发明涉及一种计算机领域生物识别的系统，尤其涉及一种静脉识别的系统。

[0004] 掌静脉识别技术，是静脉识别的一种，属于生物识别技术，其通过专用摄像头获取手掌静脉的图像，将静脉的数字图像存贮在计算机系统中，并经过特定采集计算方法生成特征值，从而使用特征值进行比对和识别。掌静脉识别技术参考文献：发明名称“手掌静脉摄像装置”，公开号CN105072998A。

[0005] 掌静脉识别技术的优点有：1、安全性高：属于内生理特征，不会磨损，难以伪造。2、非接触式采集：卫生性好，使用体验佳。3、活体识别：依靠静脉血液流动成像，死人静脉无法成像。4、准确率高：拒真率可达0.01％，认假率可达0.00001％。其中，拒真率是指本人拒绝率FRR，即对张三进行识别，却没有认出张三的概率；识假率是指他人误识率FAR，即对张三进行识别，却把张三认成了李四的概率。

[0006] 掌静脉识别技术在实际应用中存在的主要问题是：在1:N识别的场景下，即在N个掌静脉特征值中，逐一进行比对，查找输入的1个特征值和N中哪个特征值匹配。该处理过程中，由于比对算法的计算非常复杂，对硬件的性能要求较高。N的数量越大，逐一比对所需的计算量就越大，同样计算机硬件的条件下，所需的时间就越长。掌静脉识别系统1:N识别场景下的一般工作流程，如图1所示。

[0007] 在相同计算机硬件和软件环境下，N的数量对掌静脉识别效率的影响如表一所示(注：耗时只记录图1工作流程中第5步所需时间，单位：秒)。

[0008]

[0009] 表一

[0010] 表一数据采集的软硬件环境如表二所示：

[0011]CPU Intel Celeron J1900
主频 2.0GHz
核心数 4个
内存 2G
操作系统 Windows7 64位SP1
硬盘 SSD 32GB固态硬盘
传感器 富士通FAT13M3S1
识别库 富士通SDKV02L02

[0012] 表二

[0013] 在表二所示相同计算机软硬件环境下，表一中第4步取出的数据N的数量越大，掌静脉识别系统在第5步进行识别处理所花费的时间越长。

[0014] 在掌静脉识别系统的实际应用中，因为上述问题的存在，导致一旦遇到大量的掌静脉数据需要进行比对的场景(如1:2000的场景，即在2000个掌静脉特征码中查找匹配的1个特征码)，处理时间要控制在1秒以内的话，对计算机硬件的要求就比较高，随之带来的就是整个掌静脉识别系统的硬件成本会比较高，造成系统整体的效能偏低，使掌静脉识别系统的市场推广应用受到了相应的制约。

[0015] 如前所述，目前掌静脉识别系统在1:N的场景应用中(即在N个掌静脉特征码中查找匹配1个)，存在识别性能和系统整体效能偏低的问题，当数据量较大的场合，如N大于5000，会直接造成如下影响：

[0016] 1、识别速度慢，所需时间长，影响用户使用体验。

[0017] 2、对计算机硬件性能要求高，造成系统成本偏高。

[0018] 3、长时间高峰值计算处理，造成CPU等芯片散热量大，硬件老化快，系统可靠性稳定性下降。

[0086] 本发明原理：本发明针对掌静脉识别系统应用中产生的问题，经过对系统处理流程的提炼及对大量掌静脉特征值数据的分析，提出增加摄像头模块，从而提供人脸属性识别技术，对图1所示掌静脉识别处理流程中的第4步进行优化，用性别属性把待识别对象分为两部分，再用年龄属性把待识别对象分为X个年龄段，其中X为大于1小于100的自然数。性别属性、年龄属性叠加后将目标人群的数量N减少为M，理论上M的数量最小为N的1/2X。例如把年龄段分为8段后，理论上M的数量最小为N的6.25％，可将第4步的处理效能最大提高16倍。

[0087] 上述理论值基于以下处理条件：

[0088] 1、性别区分，可将N减少至50％。

[0089] 2、年龄区分，将年龄划分为8个年龄段，可将N减少至12.5％。

[0090] 性别与年龄区分条件叠加使用，则可将N减少至6.25％，因此处理效能理论最大提高16 倍。

[0091] 人脸属性识别技术，是人脸识别技术的一种，属于生物识别技术，其通过特定计算方法，从图像中检测人脸信息，并使用人脸属性识别模型，计算出该人脸的性别、年龄、种族等属性信息。该项技术已经相对成熟，实际应用的场景和案例非常多，主要集中在手机、智能设备、安防等领域。人脸属性识别技术参考文献：发明名称“一种自适应的人脸低层特征选择方法及人脸属性识别方法”，公开号CN103824090A。

[0092] 本发明的外部结构及其内部系统的技术方案如下：

[0093] 一、方法流程

[0094] 如图2所示，掌静脉识别设备上安装有距离感应装置，根据识别对象与掌静脉识别系统之间的距离，进行相应处理：

[0095] 1)距离3m(阈值S)以上：掌静脉识别系统处于低功耗模式系统待机。

[0096] 2)距离3m至1m：掌静脉识别系统通过摄像头取得识别对象面部图像，进行人脸属性识别。并根据人脸属性识别结果，从数据库中的N个特征值中筛选出符合相应条件的M个特征值。

[0097] 3)距离1m以内：掌静脉识别系统等待识别对象放置手掌，一旦获取手掌静脉图像，进入掌静脉识别处理流程，优先逐一比对M个特征值，无匹配的情况下再逐一比对N-M个特征值，最终返回识别结果。

[0098] 二、系统结构

[0099] 如图3所示，掌静脉识别系统通过互联网与提供人脸属性识别的云服务器连接，通过上传人脸面部图像，调用云服务器提供的人脸属性分析功能。

[0100] 考虑到实际应用环境中，存在无法稳定接入互联网的情况，也可以将人脸属性识别功能，集成到掌静脉识别设备上，使整个系统可以单机独立工作。

[0101] 三、掌静脉识别系统的结构

[0102] 系统正面结构如图4所示，说明如下：

[0103] 1)液晶触控显示屏，提供基本的人机交互的输入输出功能。

[0104] 2)高清摄像头，拍摄人面部数字照片。

[0105] 3)超声波距离传感器，利用超声波判断系统前方物体(人)的距离。

[0106] 4)掌静脉图像传感器，利用近红外线成像技术拍摄手掌静脉血管数字图像。

[0107] 5)射频模块，利用射频模块为系统提供读写射频卡的扩展功能，以便进一步对待识别对象进行识别。

[0108] 系统内部结构如图5所示，主要模块功能说明如下：

[0109] 1)X86架构主板：提供承载CPU、硬盘、内存的主要电子线路板，是掌静脉识别系统的计算和处理核心，并提供LAN、电源、串口、USB等外部接口。

[0110] 2)电源变压器：将220V交流电转换为12V和5V的直流电，为主板供电。

[0111] 3)摄像头模块：通过USB接口控制摄像头工作并传输图像信息。

[0112] 4)超声波模块：通过串行口操作超声波发射和接收，并计算和传输距离数据。

[0113] 5)射频模块：通过串行口操作射频发射和接收，并计算和传输射频卡数据。

[0114] 6)Arduino微处理器控制模块：通过USB接口操作微处理器，进行数模转换、电平信号输出等操作。

[0115] 7)继电器：通过接收微处理器电平信号，完成电路打开和关闭的操作，从而控制外部电气设备工作。

[0116] 掌静脉识别系统中主要元器件型号参数见表八：

[0117]名称 型号参数
计算机主板 SNE-J1900K-R2
CPU Intel Celeron J1900
内存 DDR3 1333 2G
硬盘 32G固态硬盘
液晶触摸显示屏 分辨率：1024*768
摄像头 500万高清摄像头
射频模块 M15
超声波距离传感器 US-100
掌静脉图像传感器 FAT13M3S1
微处理器 Arduino uno R3
继电器 JQC-3FF-S-Z
喇叭 5W立体声喇叭
系统外壳 铝合金边框+钣金后壳

[0118] 表八

[0119] 四、软件系统结构

[0120] 本发明内部的软件系统的结构如图6所示，主要内容和相互关系说明如下：

[0121] 1)操作系统采用Windows7。

[0122] 2)数据库采用windows平台下的通用关系型数据库。

[0123] 3)基础开发采用.NET Framework平台。

[0124] 4)距离检测的工作流程参见图7，其负责通过超声波传感器，待识别对象(人)到系统的距离信息。当距离小于3m时，通知UI系统(用户界面系统)，并通过待机和能源管理系统，结束系统待机模式，开始进入工作状态。

[0125] 5)距离检测系统检测到距离小于3m且大于1m时，通知人脸图像拍摄系统，调用高清摄像头，拍摄识别对象的照片后，储存并发送给人脸属性检测系统。人脸属性检测系统经过对照片的分析，反馈性别、年龄等分析结果。

[0126] 6)掌静脉识别系统接收到性别和年龄等信息后，在数据库中的N个数据中，筛选出符合条件的M个掌静脉特征码，排序在N的最优先位置，储存在内存中备用。

[0127] 7)距离检测系统检测到距离小于1m时，通知掌静脉识别系统，使掌静脉图像传感器进入工作状态。

[0128] 8)当掌静脉图像传感器捕获手掌静脉图像后，掌静脉识别系统将静脉图像生成新的特征值A，并将其逐个在N中进行比对(优先比对M)，查找匹配的特征码，并将匹配成功与否(识别结果)反馈给UI系统，通过液晶屏幕等展示给识别对象(人)。

[0129] 9)在需要控制外部电气的情况下，掌静脉识别系统会将识别结果通知外部电气控制系统，其通过Arduino微处理器上的指令系统，控制芯片各引脚的信号输出，如通过输出高低电平控制继电器模块，从而达到控制外部电气的目的。Arduino微处理器和继电器的线路连接如图12所示，其中继电器的Vcc端接微处理器电路板的5V直流，其GND端接地，其 IN端接微处理器电路板的7号引脚。外部电气控制系统和Arduino指令系统处理流程参见图10。

[0130] 五、人脸属性检测系统详细说明

[0131] 参见图8，人脸属性检测系统调用Face++人工智能开放平台提供的人脸识别Detect API (版本3.0)，具体如下：

[0132] 调用URL：

[0133] https://api-cn.faceplusplus.com/facepp/v3/detect

[0134] 调用方法：

[0135] POST

[0136] 请求参数：

[0137]

[0138] 返回值说明：

[0139]

[0140] faces数组中单个元素的结构：

[0141]

[0142] attributes中包含的元素说明：

[0143]

[0144] 六、掌静脉识别系统的处理流程和详细说明

[0145] 图9是本发明的内部系统的掌静脉识别处理流程图，虚线框内的处理通过调用富士通掌静脉识别程序库实现，识别库版本SDKV02L02。

[0146] 主要函数如下：

[0147] 1、DNET_BioAPI_ModuleLoad：初始化掌静脉图像传感器。

[0148] 2、DNET_BioAPI_Identify：拍照、生成图像、转化特征值并在N中进行比对。