技术领域
[0001] 本发明涉及识别技术领域，具体涉及一种手掌静脉识别系统。
相关背景技术
[0002] 传统的身份认定所釆用的方法主要包括两种：一种是基于身份标示物的识别方式，如证件、月匙、磁卡等；另一种是基于身份标示知识的认证手段，如密码、口令、用户名等。但是两种识别方法都存在难以克服的缺点，例如标示知识被遗忘，标示物丢失等。
[0003] 生物特征具有不易被遗忘、防伪性能好、不容易伪造或被盗、随身“携带”等优点，其识别技术的核心问题在于如何获取这些生物特征，并将获得的特征转换为数字信息，利用准确率高的匹配算法来完成认定和识别人的身份的过程。已经被用于生物识别的生物特征有虹膜、视网膜、手形、指纹、脸形、耳廓、签字、声音、按键力等。以这些特征为基础，生物特征识别技术在过去的几年中已经取得了飞速的发展。
具体实施方式
[0012] 结合以下实施例对本发明作进一步描述。
[0013] 参见图1，本实施例的一种手掌静脉识别系统，包括静脉图像采集子系统1、静脉识别子系统2和识别评价子系统3，所述静脉图像采集子系统1用于采集手掌静脉图像，所述静脉识别子系统2用于对手掌静脉进行识别，所述识别评价子系统3用于对手掌静脉识别结果进行评价；
[0014] 本实施例提供了一种手掌静脉识别系统，实现了手掌静脉识别和识别效果准确评价，从而提升了基于手掌静脉进行身份识别的识别准确性。
[0015] 优选的，所述静脉图像采集子系统1包括图像采集模块和质量评价模块，所述图像采集模块用于采集红外手掌静脉图像，所述质量评价模块对采集的手掌静脉图像质量进行评价；
[0016] 所述质量评价模块对采集的手掌静脉图像质量进行评价，具体为：
[0017] 采用下式确定手掌静脉图像的质量评价因子：
[0018]
[0019] 式中，F表示手掌静脉图像的质量评价因子，M、N分别表示图像长度和宽度，g(i,j)、g′(i,j)表示参考图像和采集的静脉图像在点(i,j)处的灰度值；所述手掌静脉图像质量的评价因子越小，表示静脉图像质量越高；
[0020] 本优选实施例通过采集红外手掌静脉图像，并通过 对静脉图像质量进行评价，保证了采集的图像质量，为后续手掌静脉识别奠定了基础。
[0021] 优选的，所述静脉识别子系统2包括图像分割模块、特征提取模块和静脉识别模块，所述图像分割模块用于将静脉图像分割为静脉部分和背景部分，所述特征提取模块基于图像分割结果对静脉图像的静脉特征进行提取，所述静脉识别部分根据提取的特征对手掌静脉进行特征匹配识别；
[0022] 所述图像分割模块用于将静脉图像分割为静脉部分和背景部分，具体为：
[0023] 采用下式确定静脉图像的第一分割参数：
[0024]
[0025] 式中，D表示静脉图像，SD表示静脉图像的第一分割参数，L表示静脉图像灰度级数，pk表示静脉图像中灰度级为k的像素个数，
[0026] 采用下式确定静脉图像的第二分割参数：
[0027]
[0028] 式中，GD表示静脉图像的第二分割参数，T(i,j)表示静脉图像中像素点(i,j)的梯度值；
[0029] 采用下式对图像进行分割：
[0030]
[0031] 式中，D1表示静脉部分，D‑D1表示背景部分， 表示静脉部分的第一分割参数，表示背景部分的第一分割参数， 表示静脉部分的第二分割参数， 表示背景部分的第二分割参数，δ1、δ2表示权值，δ1+δ2＝1；
[0032] 本优选实施例通过静脉图像的第一分割参数 和第二分割参数 实现了静脉部分和背景部分的准确分割，为后续静脉特
征提取奠定了基础。
[0033] 优选的，所述特征提取模块基于图像分割结果对静脉图像的静脉特征进行提取，具体为：
[0034] 对静脉部分进行细化处理，得到宽度为1个像素的静脉，将细化的静脉的像素值记为0，静脉图像中其它像素值记为1；
[0035] 经过细化的静脉将静脉图像划分为若干区域，选取静脉的交叉点作为特征点，将特征点之间的静脉段的长度作为手掌静脉识别的第一特征A1：A1＝[d1，d2，…，dn]，其中，n表示静脉段的数量，di表示第i个静脉段的长度；
[0036] 将特征点之间的静脉段首尾连接构成对应静脉直线段，将静脉直线段的倾斜角作为手掌静脉识别的第二特征A2：A2＝[θ1，θ2，…，θn]，其中，θi表示第i个静脉直线段的倾斜角；
[0037] 根据手掌静脉识别的第一特征和第二特征确定静脉图像的静脉特征A：A＝[A1，A2]；
[0038] 本优选实施例通过确定静脉图像的静脉特征A＝[A1，A2]，实现了静脉特征的准确提取，为后续手掌静脉特征匹配和识别奠定了基础。
[0039] 优选的，所述识别评价子系统3用于对手掌静脉识别结果进行评价，具体为：
[0040] 采用下式确定手掌静脉的识别评价因子：
[0041]
[0042] 式中，R表示手掌静脉的识别评价因子，R1表示将真实匹配的手掌静脉识别为错误匹配的概率，R2表示将错误匹配的手掌静脉识别为真实匹配的概率；所述手掌静脉的识别评价因子越小，表示手掌静脉识别准确率越高。
[0043] 本优选实施例通过 对手掌静脉进行识别，保证了静脉识别准确率，为后续对手掌静脉识别进行改进奠定了基础。
[0044] 采用本发明手掌静脉识别系统进行人员身份识别，选取5个人员进行实验，分别为人员1、人员2、人员3、人员4、人员5，对身份识别准确率和身份识别速率进行统计，同现有技术相比，产生的有益效果如下表所示：
[0045] 身份识别准确率提高 身份识别速率提高
人员1 29％ 27％
人员2 27％ 26％
人员3 26％ 26％
人员4 25％ 24％
人员5 24％ 22％
[0046] 最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。
