手指指静脉识别方法、电子设备及存储介质与流程

1.本发明涉及生物识别相关技术领域，特别是一种手指指静脉识别方法、电子设备及存储介质。


背景技术：

2.指静脉是第二代生物识别技术，利用手指内流动血液中的血红蛋白对波长为700
‑
1000nm近红外光的吸收作用(肌肉和骨骼则易被穿透)，通过红外光组和摄像头配合取得手指内部的静脉血管分布图像，再通过算法将图像转换为数字特征并进行脉络特征值比对，从而进行身份识别。
3.目前用户在同一手指注册采集静脉图像时，需要采集n个模板(例如3个模板)，以供后续比对。
4.如图1所示，现有的采集方式包括：
5.步骤s101，指静脉注册图像采集；
6.步骤s102，图像质量判断；
7.步骤s103，图像预处理；
8.步骤s104，生成指静脉标准二值化图像；
9.步骤s105，生成用户模板一、用户模板二和用户模板三；
10.步骤s106，用户指静脉识别操作；
11.步骤s107，图像采集并进行数字化图像处理；
12.步骤s108，采集图像分别与模板一到模板三进行对比；
13.步骤s109，如果满足身份判断条件，则身份合法，通过，否则判断身份不合法，重新验证，执行步骤s106。
14.具体来说，现有的指静脉识别技术如下：
15.(1)用户注册时，对于手指会采集3张图像作为比对模板(模板产生流程：质量判断
‑
预处理
‑
数字化处理
‑
模板图像)；
16.(2)3张模板间相互无关联，独立存在；
17.(3)用户身份比对时，采集到的用户图像，分别与3张模板进行比对，根据数字化特征按照一定的规则判断相似度，进而确认身份的合法性。
18.(4)若用户身份比对时，手指相对于光源和照相机的采集角度(例如＞15
°
)大于比对容许要求，会导致采集到的图像与模板差异很大，从而做出误判。
19.因此，现有的指静脉识别技术，由于用户手指摆放的角度与注册模板时无法做到一致，容易导致采集出来的静脉图像与模板差距较大，从而做出错误的鉴定结论。


技术实现要素：

20.基于此，有必要针对现有技术指静脉识别容易误判的技术问题，提供一种手指指静脉识别方法、电子设备及存储介质。
21.本发明提供一种手指指静脉识别方法，包括：
22.响应于手指指静脉注册请求，获取多个采集角度的二值化的注册指静脉图像；
23.将多个注册指静脉图像融合后得到注册指静脉模板；
24.响应于手指指静脉检测请求，获取二值化的待比较指静脉图像；
25.判断所述待比较指静脉图像与所述注册指静脉模板的一致性；
26.基于所述待比较指静脉图像与所述注册指静脉模板的一致性，对所述待比较指静脉图像进行身份验证。
27.进一步地，所述将多个注册指静脉图像融合后得到注册指静脉模板，具体包括：
28.对每个注册指静脉图像进行角点检测，得到注册指静脉图像中的角点，每一角点具有角点位置及角点响应值；
29.将角点响应值满足角点阈值条件的角点作为有效角点，有效角点的角点响应值为有效角点响应值；
30.将两个注册指静脉图像中有效角点响应值之间的关系满足预设融合条件的区域作为该两个注册指静脉图像的融合区域；
31.将多个注册指静脉图像中对应的融合区域进行融合得到注册指静脉模板。
32.更进一步地，所述预设融合条件为：区域中一个注册指静脉图像每一列的有效角点响应值的总和与另一个注册指静脉图像对应列的有效角点响应值的总和的差值均小于列总和差值阈值；且
33.区域中一个注册指静脉图像每一列的有效角点响应值的均方差与另一个注册指静脉图像对应列的有效角点响应值的均方差的差值均小于列均方差差值阈值；且
34.区域中一个注册指静脉图像每一行的有效角点响应值的均方差与另一个注册指静脉图像对应行的有效角点响应值的均方差的差值均小于行均方差差值阈值。
35.再进一步地，所述将两个注册指静脉图像中有效角点响应值之间的关系满足预设融合条件的区域作为该两个注册指静脉图像的融合区域，具体包括：
36.对于每个注册指静脉图像，计算每一列的有效角点响应值的总和；
37.如果存在区域，该区域在两个注册指静脉图像中每一列的有效角点响应值的总和与另一个注册指静脉图像对应列的有效角点响应值的总和的差值均小于列总和差值阈值，则判断在该两个注册指静脉图像中存在疑似重叠区域；
38.分别在疑似重叠区域的两个注册指静脉图像中，计算疑似重叠区域中每一列的有效角点响应值的均方差值；
39.如果疑似重叠区域中一个注册指静脉图像每一列的有效角点响应值的均方差与另一个注册指静脉图像对应列的有效角点响应值的均方差的差值均小于列均方差差值阈值，则再分别在疑似重叠区域的两个注册指静脉图像中，计算疑似重叠区域中每一行的有效角点响应值的均方差值；
40.如果疑似重叠区域中一个注册指静脉图像每一行的有效角点响应值的均方差与另一个注册指静脉图像对应行的有效角点响应值的均方差的差值均小于行均方差差值阈值，则判断该疑似重叠区域为该两个注册指静脉图像的高度疑似重叠区域；
41.基于所述高度疑似重叠区域，确定该两个注册指静脉图像的融合区域。
42.更进一步地，所述将两个注册指静脉图像中有效角点响应值之间的关系满足预设
融合条件的区域作为该两个注册指静脉图像的融合区域，具体包括：
43.将两个注册指静脉图像中有效角点响应值之间的关系满足预设融合条件的区域作为该两个注册指静脉图像的高度疑似重叠区域；
44.计算两个注册指静脉图像的高度疑似重叠区域的互相关系数；
45.如果所述互相关系数大于预设互相关系数阈值，则判断所述高度疑似重叠区域为该两个注册指静脉图像的融合区域。
46.再进一步地，所述判断该疑似重叠区域为该两个注册指静脉图像的融合区域，具体还包括：
47.如果两个注册指静脉图像包括多个互相关系数大于预设互相关系数阈值的高度疑似重叠区域，则选择互相关系数最大的高度疑似重叠区域作为该两个注册指静脉图像的融合区域。
48.再进一步地，所述获取多个采集角度的注册指静脉图像，具体包括：
49.获取多个不同采集角度的注册指静脉图像，进行二值化处理，得到多个采集角度的二值化的注册指静脉图像；
50.将多个不同采集角度的注册指静脉图像旋转调整至相同角度。
51.再进一步地，所述多个不同采集角度的注册指静脉图像至少包括手指向第一方向最大偏转的注册指静脉图像、以及手指向第二方向最大偏转的注册指静脉图像，所述第一方向与所述第二方向相反。
52.再进一步地，所述获取多个采集角度的注册指静脉图像，具体还包括：
53.检测所述注册指静脉图像的采集角度，如果缺少手指向第一方向最大偏转的注册指静脉图像、或者缺少手指向第二方向最大偏转的注册指静脉图像，则执行提醒操作。
54.再进一步地，所述判断所述待比较指静脉图像与所述注册指静脉模板的一致性，具体包括：
55.如果所述注册指静脉模板包括所述待比较指静脉图像，则判断所述待比较指静脉图像与所述注册指静脉模板一致。
56.本发明提供一种电子设备，包括：
57.至少一个处理器；以及，
58.与至少一个所述处理器通信连接的存储器；其中，
59.所述存储器存储有可被至少一个所述处理器执行的指令，所述指令被至少一个所述处理器执行，以使至少一个所述处理器能够执行如前所述的手指指静脉识别方法。
60.本发明提供一种存储介质，所述存储介质存储计算机指令，当计算机执行所述计算机指令时，用于执行如前所述的手指指静脉识别方法的所有步骤。
61.本发明提供一种新的指静脉手指图像模板生成方法和指静脉识别方法，由于只需要对比一张模板即可，因此提升了比对效率。同时由于模板覆盖了所有的采集角度，因此无论用户手指处于何种采集角度，都在最终模板的覆盖范围内，从而提升了比对准确率、效率和稳定性。
附图说明
62.图1为现有的手指指静脉识别方法的工作流程图；
63.图2为本发明一种手指指静脉识别方法的工作流程图；
64.图3为指静脉图像采集装置的示意图；
65.图4为本发明一实施例中一种手指指静脉识别方法的工作流程图；
66.图5a为本发明一个例子中向左偏转的注册指静脉图像二值化示意图；
67.图5b为本发明一个例子中中间状态的注册指静脉图像二值化示意图；
68.图5c为本发明一个例子中向右偏转的注册指静脉图像二值化示意图；
69.图6a为图5a的有效角点的分布图；
70.图6b为图5b的有效角点的分布图；
71.图6c为图5c的有效角点的分布图；
72.图7a为第一注册指静脉图像和第二注册指静脉图像的有效角点的分布图的融合区域示意图；
73.图7b为第二注册指静脉图像和第三注册指静脉图像的有效角点的分布图的融合区域示意图；
74.图8为三张注册指静脉图像的有效角点的分布图的融合示意图；
75.图9为三张注册指静脉图像融合后的用户模板；
76.图10为本发明最佳实施例一种手指指静脉识别方法的工作流程图；
77.图11为本发明最佳实施例的图像融合区域确定方法的工作流程图；
78.图12为本发明一种电子设备的硬件结构示意图。
具体实施方式
79.下面结合附图和具体实施例对本发明做进一步详细的说明。
80.实施例一
81.如图2所示为本发明一种手指指静脉识别方法的工作流程图，包括：
82.步骤s201，响应于手指指静脉注册请求，获取多个采集角度的二值化的注册指静脉图像；
83.步骤s202，将多个注册指静脉图像融合后得到注册指静脉模板；
84.步骤s203，响应于手指指静脉检测请求，获取二值化的待比较指静脉图像；
85.步骤s204，判断所述待比较指静脉图像与所述注册指静脉模板的一致性；
86.步骤s205，基于所述待比较指静脉图像与所述注册指静脉模板的一致性，对所述待比较指静脉图像进行身份验证。
87.具体来说，本发明可以应用在车辆的电子控制器单元(electronic control unit，ecu)上。
88.通过执行步骤s201获取多个采集角度的指静脉图像作为注册指静脉图像，将注册指静脉图像进行二值化处理，得到二值化的注册指静脉图像，完成用户注册。例如，通过如图3所示的指静脉图像采集装置，通过近红外光源32照射手指31，然后通过手指31底部的影像传感器(图中未示出)采集手指的指静脉图像。然后采用现有的二值化处理，即把灰度图像转换成二值图像。把大于某个临界灰度值的像素灰度设为灰度极大值，把小于这个值的像素灰度设为灰度极小值，从而实现二值化。每个注册指静脉图像为具有相同宽与高的二值化图像，并建立每张图像的行列坐标系。
89.然后执行步骤s202，将多个注册指静脉图像融合后得到注册指静脉模板。由于注册指静脉模板由多个不同采集角度的注册指静脉图像融合得到。因此，注册指静脉模板覆盖了所有的采集角度，因此无论用户手指处于何种采集角度，都在最终模板的覆盖范围内，从而提升了比对准确率、效率和稳定性。
90.然后，当用户需要进行识别时，将产生手指指静脉检测请求，例如通过接触指静脉图像采集装置的传感器，从而产生手指指静脉检测请求，触发执行步骤s203，获取待比较指静脉图像，进行二值化处理，得到二值化的待比较指静脉图像。例如用户将手指放置在如图3所示的指静脉图像采集装置上，则能够获取用户的指静脉图像，进行二值化处理后，作为待比较指静脉图像。
91.执行步骤s204，判断所述待比较指静脉图像与所述注册指静脉模板是否一致性。然后步骤s205则可以基于所述待比较指静脉图像与所述注册指静脉模板的一致性，对所述待比较指静脉图像进行身份验证。
92.例如，如果仅包括一个注册指静脉模板，则当待比较指静脉图像与所述注册指静脉模板一致性时，则可以判断用户验证通过，否则判断用户验证失败。
93.再例如，如果包括多个注册指静脉模板，则可以将每个注册指静脉模板与一个用户关联。所述待比较指静脉图像与其中一个所述注册指静脉模板一致，则判断待比较指静脉图像对应的用户为与其一致的注册指静脉模板所对应的用户。如果待比较指静脉图像与所有的注册指静脉模板均不一致，则判断用户验证失败。
94.本发明提供一种新的指静脉手指图像模板生成方法和指静脉识别方法，由于只需要对比一张模板即可，因此提升了比对效率。同时由于模板覆盖了所有的采集角度，因此无论用户手指处于何种采集角度，都在最终模板的覆盖范围内，从而提升了比对准确率、效率和稳定性。
95.实施例二
96.如图4所示为本发明一实施例中一种手指指静脉识别方法的工作流程图，包括：
97.步骤s401，响应于手指指静脉注册请求，获取多个不同采集角度的注册指静脉图像；
98.在其中一个实施例中，所述多个不同采集角度的注册指静脉图像至少包括手指向第一方向最大偏转的注册指静脉图像、以及手指向第二方向最大偏转的注册指静脉图像，所述第一方向与所述第二方向相反。
99.在其中一个实施例中，所述获取多个采集角度的注册指静脉图像，具体还包括：
100.检测所述注册指静脉图像的采集角度，如果缺少手指向第一方向最大偏转的注册指静脉图像、或者缺少手指向第二方向最大偏转的注册指静脉图像，则执行提醒操作。
101.步骤s402，将多个不同采集角度的注册指静脉图像旋转调整至相同角度，每个注册指静脉模板生成为具有相同尺寸的二值化图像；
102.步骤s403，对每个注册指静脉图像进行角点检测，得到注册指静脉图像中的角点，每一角点具有角点位置及角点响应值；
103.步骤s404，将角点响应值满足角点阈值条件的角点作为有效角点，有效角点的角点响应值为有效角点响应值；
104.步骤s405，将两个注册指静脉图像中有效角点响应值之间的关系满足预设融合条
件的区域作为该两个注册指静脉图像的融合区域，所述预设融合条件为：
105.区域中一个注册指静脉图像每一列的有效角点响应值的总和与另一个注册指静脉图像对应列的有效角点响应值的总和的差值均小于列总和差值阈值；且
106.区域中一个注册指静脉图像每一列的有效角点响应值的均方差与另一个注册指静脉图像对应列的有效角点响应值的均方差的差值均小于列均方差差值阈值；且
107.区域中一个注册指静脉图像每一行的有效角点响应值的均方差与另一个注册指静脉图像对应行的有效角点响应值的均方差的差值均小于行均方差差值阈值。
108.在其中一个实施例中，所述将两个注册指静脉图像中有效角点响应值之间的关系满足预设融合条件的区域作为该两个注册指静脉图像的融合区域，具体包括：
109.对于每个注册指静脉图像，计算每一列的有效角点响应值的总和；
110.如果存在区域，该区域在两个注册指静脉图像中每一列的有效角点响应值的总和与另一个注册指静脉图像对应列的有效角点响应值的总和的差值均小于列总和差值阈值，则判断在该两个注册指静脉图像中存在疑似重叠区域；
111.分别在疑似重叠区域的两个注册指静脉图像中，计算疑似重叠区域中每一列的有效角点响应值的均方差值；
112.如果疑似重叠区域中一个注册指静脉图像每一列的有效角点响应值的均方差与另一个注册指静脉图像对应列的有效角点响应值的均方差的差值均小于列均方差差值阈值，则分别在疑似重叠区域的两个注册指静脉图像中，计算疑似重叠区域中每一行的有效角点响应值的均方差值；
113.如果疑似重叠区域中一个注册指静脉图像每一行的有效角点响应值的均方差与另一个注册指静脉图像对应行的有效角点响应值的均方差的差值均小于行均方差差值阈值，则判断该疑似重叠区域为该两个注册指静脉图像的高度疑似重叠区域；
114.基于所述高度疑似重叠区域，确定该两个注册指静脉图像的融合区域。
115.在其中一个实施例中，直接将高度疑似重叠区域作为该两个注册指静脉图像的融合区域。
116.在其中一个实施例中，所述将两个注册指静脉图像中有效角点响应值之间的关系满足预设融合条件的区域作为该两个注册指静脉图像的融合区域，具体包括：
117.将两个注册指静脉图像中有效角点响应值之间的关系满足预设融合条件的区域作为该两个注册指静脉图像的高度疑似重叠区域；
118.计算两个注册指静脉图像的高度疑似重叠区域的互相关系数；
119.如果所述互相关系数大于预设互相关系数阈值，则判断所述疑似重叠区域为该两个注册指静脉图像的融合区域。
120.在其中一个实施例中，所述判断该疑似重叠区域为该两个注册指静脉图像的融合区域，具体还包括：
121.如果两个注册指静脉图像包括多个互相关系数大于预设互相关系数阈值的高度疑似重叠区域，则选择互相关系数最大的高度疑似重叠区域作为该两个注册指静脉图像的融合区域。
122.步骤s406，将多个注册指静脉图像中对应的融合区域进行融合得到注册指静脉模板；
123.步骤s407，响应于手指指静脉检测请求，获取待比较指静脉图像；
124.步骤s408，如果所述注册指静脉模板包括所述待比较指静脉图像，则判断所述待比较指静脉图像与所述注册指静脉模板一致；
125.步骤s409，基于所述待比较指静脉图像与所述注册指静脉模板的一致性，对所述待比较指静脉图像进行身份验证。
126.具体来说，通过执行步骤s401获取多个采集角度的指静脉图像作为注册指静脉图像，完成用户注册。例如，通过如图3所示的指静脉图像采集装置，通过近红外光源32照射手指31，然后通过手指31底部的影像传感器(图中未示出)采集手指的指静脉图像。
127.采集时，采集多个不同采集角度的注册指静脉图像。其中，至少包括手指向第一方向最大偏转的注册指静脉图像、以及手指向第二方向最大偏转的注册指静脉图像，以最大程度覆盖所有采集角度。其中，第一方向与第二方向相反，具体可以设定一基准方向，第一方向与第二方向关于该基准方向对称。例如设定两近红外光源32平行，在两近红外光源32中间区域底部设置影像传感器，设置影像传感器的延伸方向为基准方向33。第一方向偏转为向基准方向33的左侧偏转，第二方向偏转为向基准方向33的右侧偏转，或者第一方向偏转为向基准方向33的右侧偏转，第二方向偏转为向基准方向33的左侧偏转。
128.最大偏转可以通过标定确定，使得大部分用户在使用时，无法超过最大偏转。
129.同时，如果检测到所采集的注册指静脉图像，缺少手指向第一方向最大偏转的注册指静脉图像、或者缺少手指向第二方向最大偏转的注册指静脉图像，则执行提醒操作，例如通过声光报警等方式提示用户。例如在两近红外光源32的检测区域，通过光影效果，显示向第一方向最大偏转的光影效果，显示向第二方向最大偏转的光影效果。
130.然后步骤s402将多个不同采集角度的注册指静脉图像旋转调整至相同角度，例如都调整至如图3所示的基准方向33。旋转调整方式可以采用现有的旋转调整方式。调整时可以基于所检测到的手指基准线与基准方向的夹角来进行调整，使得所有的注册指静脉图像的手指基准线与基准方向重合，则将多个不同采集角度的注册指静脉图像旋转调整至相同角度。手指基准线的选定可以采用现有的方式确定。
131.然后步骤s403对每个注册指静脉图像进行角点检测，得到注册指静脉图像中角点，每一角点具有角点位置及角点响应值。角点检测及其响应值可以采用现有技术得到。例如采用harris角点检测算法。通过角点检测算法，得到角点响应值及其位置坐标，通过对比角点响应值，对多个注册指静脉图像进行融合区域和位置关系计算。
132.harris角点响应算法利用局部窗口在图像上进行移动判断灰度发生较大变化的位置。计算图像窗口平移[u,v]所产生的灰度变化e(u,v)。
[0133][0134]
其中：
[0135]
[u,v]是窗口w的偏移量；
[0136]
(x,y)是窗口w所对应的像素坐标位置；
[0137]
i(x,y)是像素坐标位置(x,y)的图像灰度值；
[0138]
i(x u,y v)是像素坐标位置(x u,y v)的图像灰度值；
[0139]
w(x,y)是窗口函数。
[0140]
其中，i
x
,i
y
分别为像素点(x,y)在x方向上和y方向上的梯度值。
[0141]
最后，计算角点响应值r作为角点响应值。
[0142]
r＝det(m)
‑
k(trace(m))2[0143]
det(m)＝λ1λ2[0144]
trace(m)＝λ1 λ2[0145]
其中，λ1,λ2是矩阵m的在x和y两个灰度变化方向上的特征值，k是一个指定系数。
[0146]
之后，执行步骤s404，将满足角点阈值条件的角点作为有效角点。角点阈值条件根据所选择的角点响应算法来确定。例如对于采用harris角点响应算法来说，角点阈值条件为角点响应值r大于预设检测值阈值。通过剔除角点响应值低于n值的特征点，从而生成每个模板的标准响应值r(x,y)分布图像。响应值低于n值点去除，可有效去除低梯度角点的干扰(有可能是外界等干扰因素造成)，可提高算法的准确性和响应速度。最终得到每个注册指静脉图像的有效角点及其位置坐标。
[0147]
具体来说，可以为每个注册指静脉图像生成对应的有效角点的分布图，有效角点的分布图在注册指静脉图像中有效角点对应的像素点标注角点标识及对应的有效角点响应值。
[0148]
如图5a、图5b、图5c所示为三个注册指静脉图像。如图6a、图6b、图6c所示为采用harris算法计算得到的与图5a、图5b、图5c分别对应的有效角点的分布图，当采用harris算法时，有效角点的分布图可以为有效角点的分布图。图中的圆点即为角点标识，每一角点标识记录对应的有效角点响应值及其位置坐标。
[0149]
然后执行步骤s405，将两个注册指静脉图像中有效角点响应值之间的关系满足预设融合条件的区域作为该两个注册指静脉图像的融合区域。
[0150]
具体来说，可以利用有效角点的分布图来确定融合区域。有效角点的分布图直观展示了角点在注册指静脉图像上的位置。然而，由于融合区域的检测，是基于有效角点响应值进行匹配，因此也可以直接在注册指静脉图像中记录有效角点对应的像素点，然后确定融合区域。
[0151]
融合区域的融合条件为：
[0152]
区域中一个注册指静脉图像每一列的有效角点响应值的总和与另一个注册指静脉图像对应列的有效角点响应值的总和的差值均小于列总和差值阈值；且
[0153]
区域中一个注册指静脉图像每一列的有效角点响应值的均方差与另一个注册指静脉图像对应列的有效角点响应值的均方差的差值均小于列均方差差值阈值；且
[0154]
区域中一个注册指静脉图像每一行的有效角点响应值的均方差与另一个注册指静脉图像对应行的有效角点响应值的均方差的差值均小于行均方差差值阈值。
[0155]
计算时，先以列为单位，计算每一列的有效角点响应值的总和，然后对两个注册指静脉图像逐列进行比较，寻找两个注册指静脉图像之间列的有效角点响应值的总和的差值均小于列总和差值阈值的区域，作为疑似重叠区域。其中，对于两个注册指静脉图像，当找到第一注册指静脉图像的第a列的有效角点响应值的总和与第二注册指静脉图像的第b列
的有效角点响应值的总和的差值小于列总和差值阈值，则继续判断第一注册指静脉图像的第a 1列的有效角点响应值的总和与第二注册指静脉图像的第b 1列的有效角点响应值的总和的差值是否小于列总和差值阈值，一直到第一注册指静脉图像的第a c列的有效角点响应值的总和与第二注册指静脉图像的第b c列的有效角点响应值的总和的差值大于于等于列总和差值阈值，则将第一注册指静脉图像的第a列到第a c列的区域，以及第二注册指静脉图像的第b列到第b c列的区域，作为在第一注册指静脉图像和第二注册指静脉图像中存在的疑似重叠区域。
[0156]
然后，计算第一注册指静脉图像的第a列到第a c列的区域，以及第二注册指静脉图像的第b列到第b c列的区域，每一列的有效角点响应值的均方差值。比较第一注册指静脉图像的第a列的有效角点响应值的均方差与第二注册指静脉图像的第b列的有效角点响应值的均方差的差值是否小于列均方差差值阈值。如果第一注册指静脉图像的第a列的有效角点响应值的均方差与第二注册指静脉图像的第b列的有效角点响应值的均方差的差值小于列均方差差值阈值，则继续判断第一注册指静脉图像的第a 1列的有效角点响应值的均方差与第二注册指静脉图像的第b 1列的有效角点响应值的均方差的差值是否小于列均方差差值阈值，一直比较到第一注册指静脉图像的第a c列的有效角点响应值的均方差与第二注册指静脉图像的第b c列的有效角点响应值的均方差。如果第一注册指静脉图像的第a列到第a c列的每一列的有效角点响应值的均方差，与第二注册指静脉图像的第b列到第b c列的每一列的有效角点响应值的均方差的差值均小于列均方差差值阈值，则在疑似重叠区域的两个注册指静脉图像中，计算疑似重叠区域中每一行的有效角点响应值的均方差。
[0157]
如果疑似重叠区域中存在一个注册指静脉图像的一列的有效角点响应值的均方差与另一个注册指静脉图像对应列的有效角点响应值的均方差的差值大于等于列均方差差值阈值，则重新计算疑似重叠区域。
[0158]
例如，如果疑似重叠区域中第一注册指静脉图像的第p列的有效角点响应值的均方差与第二注册指静脉图像对应的第q列的有效角点响应值的均方差的差值大于等于列均方差差值阈值，则缩小疑似重叠区域至第一注册指静脉图像的第p
‑
1列，缩小疑似重叠区域至第二注册指静脉图像的第q
‑
1列。
[0159]
如果第一注册指静脉图像在疑似重叠区域每一行的有效角点响应值的均方差与第二注册指静脉图像在疑似重叠区域每一行的有效角点响应值的均方差的差值均小于行均方差差值阈值，则判断该疑似重叠区域为该两个注册指静脉图像的融合区域。
[0160]
例如，在第一注册指静脉图像和第二注册指静脉图像的疑似重叠区域中，从第一行到最后一行分别计算每一行的有效角点响应值的均方差，如果第一注册指静脉图像的疑似重叠区域中的每一行的有效角点响应值的均方差与和第二注册指静脉图像的疑似重叠区域中的每一行的有效角点响应值的均方差的每一行的差值均小于行总和差值阈值，则判断该疑似重叠区域为该两个注册指静脉图像的高度疑似重叠区域。
[0161]
可以直接将高度疑似重叠区域作为融合区域。
[0162]
在计算出高度疑似重叠区域后，也可以对两个注册指静脉图像的高度疑似重叠区域，采用互相关系数法，计算互相关系数，来判断在两个注册指静脉图像中的高度疑似重叠区域是否具有相关性。如果两个注册指静脉图像中的高度疑似重叠区域的互相关系数大于
预设互相关系数阈值，则判断所述高度疑似重叠区域为该两个注册指静脉图像的融合区域。
[0163]
互相关系数法可以采用现有技术实现。
[0164]
对于第一注册指静脉图像和第二注册指静脉图像的高度疑似重叠区域，一种计算互相关系数c的方式为：
[0165][0166][0167][0168]
其中，m为高度疑似重叠区域的总行数，n为高度疑似重叠区域的总列数。f(x
i
,y
j
)为第一注册指静脉图像中第x
i
行第y
j
列的像素点的灰度值，其中，x
i
为高度疑似重叠区域的第i行在第一注册指静脉图像中的行数，y
j
为高度疑似重叠区域的第j行在第一注册指静脉图像中的列数。为第二注册指静脉图像中高度疑似重叠区域第x
i*
行第y
j*
列的像素点的灰度值，其中x
i*
为高度疑似重叠区域的第i行在第二注册指静脉图像中的行数，y
j*
为高度疑似重叠区域的第j行在第二注册指静脉图像中的列数。
[0169]
计算出c后，如果c＝0，表示不相关，当c＝1时，表示完全相关。在进行相关运算中，最大相关系数的地方即为目标图像所在的位置。最后比较几次相关运算得到的c值，确定两幅图像最佳配准点的位置。
[0170]
因此，如果两个注册指静脉图像包括多个互相关系数大于预设互相关系数阈值的高度疑似重叠区域，则选择互相关系数最大的高度疑似重叠区域作为该两个注册指静脉图像的融合区域。
[0171]
如图7a所示为基于第一注册指静脉图像的第一有效角点的分布图71(即图6a示意图)与第二注册指静脉图像的第二有效角点的分布图72(即图6b示意图)，在第一有效角点的分布图71上所确定的融合区域711以及在第二有效角点的分布图72上所确定的融合区域721。有效角点的分布图直观展示了角点在注册指静脉图像上的位置。而由于融合区域的检测，是基于有效角点响应值进行匹配，因此也可以直接基于注册指静脉图像中记录的有效角点响应值，采用本发明的方式确定融合区域。
[0172]
同样地，如图7b所示为基于第二注册指静脉图像的第二有效角点的分布图72与第三注册指静脉图像的第三有效角点的分布图73(即图6c示意图)，在第二有效角点的分布图72上所确定的融合区域722以及在第三有效角点的分布图73上所确定的融合区域731。
[0173]
其中，第一注册指静脉图像优选为向左最大偏转时采集的指静脉图像，第二注册指静脉图像优选为中间方向时采集的指静脉图像，第三注册指静脉图像优选为向右最大偏转时采集的指静脉图像。
[0174]
执行步骤s406，将多个注册指静脉图像中对应的融合区域进行融合得到注册指静
脉模板。具体地，如图8所示为基于融合区域融合得到的新有效角点的分布图81，有效角点的分布图81利用角点标识811同原有注册指静脉图像进行图像区域对应，并还原至二值化图像，则得到如图9所示的注册指静脉模板91。
[0175]
而如果直接采用注册指静脉图像计算融合区域并进行融合，则可以在计算出融合区域后，直接将注册指静脉图像进行融合，得到注册指静脉模板。融合的方式可以采用现有的图像融合方式实现。
[0176]
一般来说，可以采用三个注册指静脉图像，分别计算出第一注册指静脉图像和第二注册指静脉图像的融合区域，计算出第一注册指静脉图像和第三注册指静脉图像的融合区域，计算出第二注册指静脉图像和第三注册指静脉图像的融合区域。实际上，两个注册指静脉图像并不一定有融合区域。例如图7a和图7b所示，第一注册指静脉图像71和第二注册指静脉图像72有融合区域，可以进行融合，第二注册指静脉图像72和第三注册指静脉图像73有融合区域，可以进行融合，然而第一注册指静脉图像71和第三注册指静脉图像73没有融合区域。
[0177]
最后用户需要进行识别时，将产生手指指静脉检测请求，例如通过接触指静脉图像采集装置的传感器，从而产生手指指静脉检测请求，触发执行步骤s407至步骤s409，获取待比较指静脉图像并进行身份验证。例如用户将手指放置在如图3所示的指静脉图像采集装置上，则能够获取用户的指静脉图像，作为待比较指静脉图像。然后，当注册指静脉模板包括所述待比较指静脉图像，则判断所述待比较指静脉图像与所述注册指静脉模板一致。
[0178]
需要说明的是，本技术中的行与列是相对的。即对于一个图像，如果以图像中沿第一方向延伸的像素点为行，则图像中沿第二方向延伸的像素点为列，其中第一方向与第二方向垂直。例如，如果以图像中沿长度方向延伸的像素点为行，则图像中沿宽度方向延伸的像素点为列。同样地，如果以图像中沿宽度方向延伸的像素点为行，则图像中沿长度方向延伸的像素点为列。
[0179]
本实施例提供一种新的指静脉手指图像模板生成方法和指静脉识别方法，由于只需要对比一张模板即可，因此提升了比对效率。同时本实施例的注册指静脉图像包括手指向第一方向最大偏转的注册指静脉图像、以及手指向第二方向最大偏转的注册指静脉图像，从而覆盖了所有的采集角度，覆盖所有用户使用工况，提升后续识别的准确性和稳定性。
[0180]
同时，本实施例的注册指静脉图像的角点检测，可以显著提高算法的响应速度，提升融合准确性。响应值低于n值点的去除，可有效去除低梯度角点的干扰(有可能是外界等干扰因素造成)，可提高算法的准确性和响应速度。融合方式经过验证有效，可有效提升计算响应速度和准确性，且融合质量满足设计要求。最后，通过相关度进一步确定融合区域，进一步提高准确率。
[0181]
如图10所示为本发明最佳实施例一种手指指静脉识别方法的工作流程图，包括：
[0182]
步骤s1001，指静脉注册图像采集，注册手指向左最大偏转、中间状态、向右最大偏转的三种状态；
[0183]
步骤s1002，图像质量判断；
[0184]
步骤s1003，图像预处理；
[0185]
步骤s1004，指静脉标准二值化图像；
[0186]
步骤s1005，生成用户模板一、用户模板二、用户模板三；
[0187]
步骤s1006，对用户模板一、用户模板二、用户模板三分别采用harris角点检测算法进行特征点计算λ和提取角点响应值r，生成模板的有效角点的分布图；
[0188]
步骤s1007，对三张模板的有效角点的分布图分别进行融合算法，确认图像融合区域和相合融合的位置关系；
[0189]
步骤s1008，将三张模板进行融合，生成一张新的用户模板；
[0190]
步骤s1009，用户指静脉识别操作；
[0191]
步骤s1010，图像采集并进行数字化图像处理；
[0192]
步骤s1011，采集图像与新模板进行对比；
[0193]
步骤s1012，如果满足身份判断条件，则身份合法，通过，否则判断身份不合法，重新验证，执行步骤s1009。
[0194]
如图11所示为本发明最佳实施例的图像融合区域确定方法的工作流程图，包括：
[0195]
步骤s1101，沿模板的行延伸方向，快速计算同一x值上所有有效角点的角点响应值r的总和sumr(x)，其中x为列序号；
[0196]
步骤s1102，三张模板是否存在疑似重叠区域，其每个x值上的sumr(x)差值小于标准r1值，如果存在执行步骤s1102，否则结束；
[0197]
步骤s1103，计算该疑似重叠区域，每个x值上的有效角点响应值的均方差值σr(x)；
[0198]
步骤s1104，疑似重叠区域内，如果每个x值的σr(x)小于标准σ1值，则执行步骤s1105，否则结束；
[0199]
步骤s1105，计算该疑似重叠区域，每个y值上的有效角点响应值的均方差值σr(y)，其中y为行序号；
[0200]
步骤s1106，疑似重叠区域内，如果每个y值的σr(y)小于标准σ2值，则执行步骤s1107，否则结束；
[0201]
步骤s1107，初步确定疑似重叠区域的位置和大小；
[0202]
步骤s1108，利用互相关系数法确定疑似重叠区域块的相关度，如果互相关系数大于预设阈值，则判断疑似重叠区域为融合区域，并确认最佳匹配区域，执行步骤s1109，否则结束；
[0203]
步骤s1109，完成模板间的拼接、融合和还原。
[0204]
如图12所示为本发明一种电子设备的硬件结构示意图，包括：
[0205]
至少一个处理器1201；以及，
[0206]
与至少一个所述处理器1201通信连接的存储器1202；其中，
[0207]
所述存储器1202存储有可被至少一个所述处理器执行的指令，所述指令被至少一个所述处理器执行，以使至少一个所述处理器能够执行如前所述的手指指静脉识别方法。
[0208]
图12中以一个处理器1201为例。
[0209]
电子设备还可以包括：输入装置1203和显示装置1204。
[0210]
处理器1201、存储器1202、输入装置1203及显示装置1204可以通过总线或者其他方式连接，图中以通过总线连接为例。
[0211]
存储器1202作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程
序、非易失性计算机可执行程序以及模块，如本技术实施例中的手指指静脉识别方法对应的程序指令/模块，例如，图1所示的方法流程。处理器1201通过运行存储在存储器1202中的非易失性软件程序、指令以及模块，从而执行各种功能应用以及数据处理，即实现上述实施例中的手指指静脉识别方法。
[0212]
存储器1202可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据手指指静脉识别方法的使用所创建的数据等。此外，存储器1202可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器1202可选包括相对于处理器1201远程设置的存储器，这些远程存储器可以通过网络连接至执行手指指静脉识别方法的装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
[0213]
输入装置1203可接收输入的用户点击，以及产生与手指指静脉识别方法的用户设置以及功能控制有关的信号输入。显示装置1204可包括显示屏等显示设备。
[0214]
在所述一个或者多个模块存储在所述存储器1202中，当被所述一个或者多个处理器1201运行时，执行上述任意方法实施例中的手指指静脉识别方法。
[0215]
本发明提供一种新的指静脉手指图像模板生成方法和指静脉识别方法，由于只需要对比一张模板即可，因此提升了比对效率。同时由于模板覆盖了所有的采集角度，因此无论用户手指处于何种采集角度，都在最终模板的覆盖范围内，从而提升了比对准确率、效率和稳定性。
[0216]
本发明一实施例提供一种存储介质，所述存储介质存储计算机指令，当计算机执行所述计算机指令时，用于执行如前所述的手指指静脉识别方法的所有步骤。
[0217]
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本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，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。