[发明专利]一种基于多尺度HOG的手指静脉识别方法

说明书

本发明涉及指静脉识别技术领域，更具体地，涉及一种基于多尺度HOG的手指静脉识别方法，包括如下步骤：对采集到的两幅原始手指静脉图像分别依次进行感兴趣区域提取、感兴趣区域的预处理、图像分割及图像匹配处理，并将图像匹配结果与设置的阈值相比较，若图像匹配结果小于阈值，则直接根据图像匹配结果计算相似度，若图像匹配结果大于阈值，则进行多尺度的HOG特征提取，将提取到的特征向量结合图像匹配结果计算相似度。本发明一种基于多尺度HOG的手指静脉识别方法，能减少计算复杂度和硬件损耗，且识别精度高、速度快。

技术领域

本发明涉及指静脉识别技术领域，更具体地，涉及一种基于多尺度HOG的手指静脉识别方法。

背景技术

指静脉识别方法，主要用于识别两幅指静脉图像是否是取自同一个人的。相对于传统的生物特征识别技术，指静脉识别是利用外部看不到的生物内部特征来进行认证的技术，其作为具有高防伪性的第二代生物认证技术备受瞩目。现有的指静脉识别方法主要包括以下两种：

一种是利用传统的图像处理方法来进行指静脉识别，在图像分割后要进行静脉的特征提取，一种方法是对分割后的静脉进行细化，然后提取细节点作为特征向量，在具体提取细节点时又有很多的实施方法，但这类方法在识别精度和速度上并非最佳；

另一种是利用卷积神经网络来进行指静脉识别，直接将采集的静脉图像样本当作训练集来训练一个计算相似度或可分类的网络模型，然后将待匹配的图像输入到训练好的网络模型中即可，而此时网络的每一层输出都可看作不同层次的特征提取；这种方法的关键就是训练网络，而训练网络要求有大量的数据集、GPU等硬件支持、训练周期较长。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于多尺度HOG的手指静脉识别方法，能减少计算复杂度和硬件损耗，且识别精度高、速度快。

为解决上述技术问题，本发明采用的技术方案是：

提供一种基于多尺度HOG的手指静脉识别方法，用于识别两幅原始手指静脉图像是否取自同一人，其特征在于，包括如下步骤：

S1.采集两幅原始手指静脉图像；

S2.对两幅原始手指静脉图像分别进行感兴趣区域提取，并对感兴趣区域进行预处理，以减弱背景信息得到预处理后的图像F₁及F₂，其中感兴趣区域为包含手指静脉信息的图像；

S3.对经过预处理后的两幅图像F₁及F₂分别进行图像分割处理得到增强后的图像P₁及P₂；

S4.对图像P₁及P₂进行图像匹配处理，获得最大匹配响应值maxValue，设置阈值T；

若maxValueT，利用匹配结果计算两幅图像的相似度S，S＝maxValue²；

若maxValueT，对图像P₁及P₂分别进行相同的多种尺度变换处理，分别对每种尺度变换后的图像提取HOG特征，并将与图像P₁及P₂对应的HOG特征分别串联起来得到相应的特征向量X及Y，计算两个特征向量的相似度T(X,Y)，并计算两幅图像的相似度S，S＝T(X,Y)×maxValue。

上述方案中，对采集到的两幅原始手指静脉图像分别依次进行感兴趣区域提取、感兴趣区域的预处理、图像分割及图像匹配处理，并将图像匹配结果与设置的阈值相比较，若图像匹配结果小于阈值，则直接根据图像匹配结果计算相似度，若图像匹配结果大于阈值，则进行多尺度的HOG特征提取，将提取到的特征向量结合图像匹配结果计算相似度。本发明一种基于多尺度HOG的手指静脉识别方法，能减少计算复杂度和硬件损耗，且识别精度高、速度快。