專利名稱：用于提取和匹配生物測(cè)定細(xì)節(jié)的方法和設(shè)備的制作方法
技術(shù)領(lǐng)域：
本發(fā)明總體上涉及利用生物測(cè)定信息識(shí)別個(gè)人，尤其涉及利用皮 下靜脈圖像識(shí)別和鑒別個(gè)人。從技術(shù)的角度來(lái)講，本發(fā)明提出了一種通過(guò) 從人的皮下靜脈紅外圖像提取和匹配生物測(cè)定細(xì)節(jié)來(lái)識(shí)別個(gè)人的方法。
背景技術(shù)：
生物測(cè)定是指基于物理或行為特征的識(shí)別或鑒別，正在越來(lái)越多 地采用生物測(cè)定來(lái)提供具有高度置信度的肯定識(shí)別，常常希望通過(guò)1: 1 (一 對(duì)一)鑒別或1: n (—對(duì)多)匹配/識(shí)別來(lái)利用生物測(cè)定信息識(shí)別和/或鑒別
個(gè)人的身份。應(yīng)當(dāng)理解，如本文所使用的，術(shù)語(yǔ)"識(shí)別"既指鑒別(證實(shí)某人 是其所聲稱的人)也指識(shí)別(判斷某人是一組可能個(gè)人中的哪個(gè)人)。已知 的現(xiàn)有技術(shù)方案使用來(lái)自虹膜圖像、手掌印紋理圖像和指紋圖像的生物測(cè) 定信息。Daugman的美國(guó)專利5,291,560 (1994年3月1日授權(quán))公開(kāi)了 通過(guò)利用漢明間距度量對(duì)虹膜圖像中的定向紋理進(jìn)行分析而執(zhí)行的生物測(cè) 定識(shí)別，且已知在執(zhí)行基于虹膜圖像的生物測(cè)定識(shí)別時(shí)使用固定長(zhǎng)度的密 鑰。Zhang等人的美國(guó)專利申請(qǐng)公開(kāi)文本No,2005/0281438 (2005年 12月22日公開(kāi))公開(kāi)了通過(guò)利用基于神經(jīng)生理學(xué)的Gabor濾波器和角距度 量對(duì)手掌印紋路圖像進(jìn)行分析的生物測(cè)定識(shí)別。Jain， A. K.; Prabhakar， S.; Hong， L.和Parikanti，S.在正EE Trans.on Image Processing,pp.846-859(2000年第9巻第5期)的文章"Filterbank-based Fingerprint Matching"中公開(kāi)了通過(guò)利用Gabor濾波器和歐幾里得距離度量 而對(duì)指紋圖像進(jìn)行分析的、成功率有限的生物測(cè)定識(shí)別。Lee， Chih-Jen禾H Wang， Sheng-De在1999正EE Workshop on Signal Processing Systems, pp.371-378 (1999年10月)的文章"A Gabor Filter-BasedApproach to Fingerprint Recognition"中公開(kāi)了利用一禾中基于Gabor濾波器的 方法來(lái)進(jìn)行用于指紋識(shí)別的局部壟脊取向、核心點(diǎn)檢測(cè)和特征提取。Jain， A.K,; Prabhakar, S.; Hong， L.和Pankanti，S.在Proc. IEEE Conf. onCVPR，pp.l87-193(1999年6月23-25日第2巻)的文章"FingerCode: A Filterbank for Fingerprint Representation and Matching，，中公開(kāi)了禾l)用Gabor 濾波器庫(kù)采集指紋細(xì)節(jié)并基于歐幾里得距離度量進(jìn)行指紋匹配。Prabhakar，S.在密歇根州立大學(xué)的博士論文"Fingerprint Classification and Matching Using a Filterbank" (2001)中公開(kāi)了利用各種算 法進(jìn)行特征提取和基于濾波器庫(kù)的指紋匹配。Jain，A.K; Prabhakar，S.; 禾口 Hong，L.在 IEEE Transactions on PAMI，pp.348-359 (1999年4月第4巻)的文章"A Multichannel Approach to Fingerprint Classification"中公開(kāi)了通過(guò)用具有兩級(jí)分類的Gabor濾波器庫(kù)
對(duì)指紋圖像進(jìn)行濾波而對(duì)指紋進(jìn)行分類。Horton， M.; Meenen， P.;Adhami， R.禾卩Cox， R在Proceedings of the Thirty-fourth Southeastern Symposium on System Theory, pp. 171-175 (2002 年3月18-19日)的文章"The Costs and Benefits of Using Complex 2-D Gabor Filters in a Filter-Based Fingerprint Matching System"中公開(kāi)了將二維Gabor 濾波器用于指紋圖像以進(jìn)行指紋匹配。Zeman等人的美國(guó)專利申請(qǐng)公開(kāi)文本No.2006/0122515 (2006年 6月8日公開(kāi))；Zeman的美國(guó)專利申請(qǐng)公開(kāi)文本No.2004/0111030 (2004 年6月10日公開(kāi))和Zeman的美國(guó)專利6，556，858(2003年4月29日授權(quán)) 公開(kāi)了使用紅外光觀察皮下靜脈，隨后將靜脈圖像再投影到皮膚表面上， 但未公開(kāi)利用靜脈圖像識(shí)別或鑒別個(gè)人，在此通過(guò)引用將這些文獻(xiàn)全部并 入。Cross，J.M.和Smith，C丄.在Proc. IEEE 1995 Int'l Carnahan Conference on Security Technology, pp.20-35 (1995年IO月18-20日)的文 章"Thermographic Imaging of the Subcutaneous Vascular Network of the Back of the Hand for Biometric Identification，，公開(kāi)了生成手背上皮下靜脈的紅外 圖像并隨后分割靜脈圖案以獲得靜脈圖案的中軸表達(dá)。公開(kāi)了對(duì)比度提升 濾波來(lái)消除毛發(fā)和偽影以及將手部與背景分開(kāi)。將中軸表達(dá)與數(shù)據(jù)庫(kù)中存儲(chǔ)的標(biāo)記進(jìn)行比較。Im,S.; Park，H.; Kim，S.; Chung,C和Choi,H.在Int'I Conf. on pmsumer Electronics-Digest of Technical Papers, pp.2-3 (2000年6月13-15 日)的文章"Improved Vein Pattern Extracting Algorithm and Its Implementation"中公開(kāi)了利用研究區(qū)("ROI")圖像上的高斯低通濾波器從 靜脈圖像提取研究區(qū)并利用修正的中值濾波器消除圖像中由毛發(fā)、彎曲和 皮膚下脂肪物質(zhì)厚度導(dǎo)致的噪聲。Lin,C.和Fan，K.在14 IEEE Trans, on Circuits and Systems for Video Tech. ， pp. 199-213 (2004年2月)的文章"Biometric Verification Using Thermal Images of Paim-Dorsa Vein Pattems"中公開(kāi)了獲得掌背靜脈圖案的熱圖像， 提取研究區(qū)("ROI")并利用矩濾波器提取關(guān)于強(qiáng)度、梯度和方向特征的特 征信息。Tanaka,T.和Kubo, N.在SICE Annual Conf. in Sapporo， pp.249-253 (2004年8月4-6日)的文章"Biometric Authentication by Hand Vein Patterns" 中公開(kāi)了獲得近紅外手部靜脈圖像，提高圖像的對(duì)比度并將僅相位相關(guān)和 模板匹配用作識(shí)別算法。Zhang， Z.; Wu，D.Y; Ma,S.和Ma，J.在Int'I Conf. on Neural Networks and Brain, pp.l081-1084(2005年10月)的文章"Multiscale Feature Extraction of Finger-Vein Patterns Based on Wavelet and Local Interconnection Structure Neural Network"中公開(kāi)了獲得手指靜脈的近紅外圖像并利用小波分析在圖 像上使用多比例自適應(yīng)增強(qiáng)變換。反復(fù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)以進(jìn)行識(shí)別。MacGregor， P和Welford，R.在6 Advanced Imaging,pp.52國(guó)56( 1991) 的文章"Veincheck: Imaging for Security and Personnel Identification"中公開(kāi) 了利用用于驗(yàn)證的柱形圖而將其節(jié)點(diǎn)和連接被映射到六邊形網(wǎng)格的手背皮 下靜脈圖案的紅外圖像作為生物測(cè)定標(biāo)識(shí)符。當(dāng)前的基于靜脈的生物測(cè)定系統(tǒng)，例如在Choi的美國(guó)專利 6，301，375 (2001年10月9日授權(quán))中公開(kāi)的系統(tǒng)利用諸如靜脈相交或交叉 的點(diǎn)的信息，在此通過(guò)引用將該文獻(xiàn)完全并入，或者如Clayden的美國(guó)專利 5，787，185 (1998年7月28日授權(quán))中公開(kāi)的系統(tǒng)，利用在方向上加權(quán)的靜 脈矢量表示或現(xiàn)有技術(shù)中公知的其他所謂"基于點(diǎn)的"技術(shù)，在此通過(guò)弓(用將該文獻(xiàn)完全并入。可以將基于點(diǎn)的靜脈生物測(cè)定系統(tǒng)定義為基于從靜脈結(jié)構(gòu)選擇 的一系列關(guān)鍵點(diǎn)，例如靜脈分支或靜脈具有曲率最大點(diǎn)的地方，執(zhí)行生物 測(cè)定識(shí)別的系統(tǒng)。找到這些點(diǎn)的典型方式涉及到首先將靜脈結(jié)構(gòu)從圖像的 其余部分分割出來(lái)。然后，通常將分割出來(lái)的靜脈結(jié)構(gòu)簡(jiǎn)化成二值圖像， 并隨后細(xì)化成一系列單像素線條。從靜脈結(jié)構(gòu)的這種細(xì)化版本可以容易地 識(shí)別靜脈交叉點(diǎn)。也容易確定其他特征，例如線條曲率和線條取向。將這 些關(guān)鍵點(diǎn)的位置連同描述它們的其他度量(例如取向角或曲率值)布置到 矢量中并加以存儲(chǔ)。因?yàn)檫@些系統(tǒng)在處理相同靜脈結(jié)構(gòu)的不同圖像時(shí)常常 缺失一些點(diǎn)或檢測(cè)出新的點(diǎn)，所以所創(chuàng)建的矢量長(zhǎng)度可變，這使得難以進(jìn) 行快速的數(shù)據(jù)庫(kù)搜索。在執(zhí)行基于點(diǎn)的匹配時(shí)，首先在排列階段期間將輸入點(diǎn)集與參考 點(diǎn)集進(jìn)行比較。通常使用仿射變換或類似方法實(shí)現(xiàn)這一目的。在排列點(diǎn)之 后，搜索來(lái)自不同密鑰的點(diǎn)之間的大致對(duì)應(yīng)關(guān)系。確定兩個(gè)密鑰矢量之間 的對(duì)應(yīng)點(diǎn)的最大總數(shù)并由此計(jì)算得分。將得分與閾值比較并判斷是否出現(xiàn) 匹配。盡管這些基于點(diǎn)的技術(shù)是有用的，但它們引起很多問(wèn)題。由于傳 感器噪聲和其他不利因素的原因，無(wú)法確保每次鑒別/識(shí)別個(gè)人時(shí)將提取相 同的點(diǎn)集。于是，這種現(xiàn)有技術(shù)方法必需是靈活的且考慮到缺失的和多出 的點(diǎn)位置，這使它們不能構(gòu)造出始終以均勻方式排序的固定長(zhǎng)度密鑰。結(jié) 果，匹配過(guò)程被嚴(yán)重復(fù)雜化，且變得難以利用現(xiàn)有技術(shù)教導(dǎo)的方式迅速搜 索龐大的數(shù)據(jù)庫(kù)。因此希望有一種用于生物測(cè)定識(shí)別和鑒別的方法和設(shè)備，其從靜 脈圖像提取生物測(cè)定細(xì)節(jié)以形成固定長(zhǎng)度和恒定順序的密鑰，從而可以迅 速而高效地執(zhí)行密鑰比較。進(jìn)一步希望通過(guò)使用密鑰子集來(lái)識(shí)別可能的匹 配候選者并隨后僅對(duì)那些可能的匹配候選者執(zhí)行完整密鑰比較，以此減小 密鑰比較的計(jì)算難度并提高匹配速度。這些現(xiàn)有技術(shù)參考文獻(xiàn)中沒(méi)有任何文獻(xiàn)單獨(dú)或組合地公開(kāi)或暗 示了本發(fā)明。

發(fā)明內(nèi)容
本發(fā)明使用一系列濾波器從包含皮下靜脈圖案的圖像提取有用 信息。利用在取向和空間頻率上都有選擇性的多個(gè)濾波器處理從靜脈成像 裝置獲得的包含皮下靜脈結(jié)構(gòu)的圖像的研究區(qū)("ROI")。 一旦處理完成， 從每個(gè)所得過(guò)濾圖像之內(nèi)的多個(gè)區(qū)域得到統(tǒng)計(jì)度量。然后按照特定順序布 置這些統(tǒng)計(jì)度量，并將其用作可以迅速并且容易地匹配此前獲取的其他代 碼的唯一性識(shí)別碼。由于密鑰大小均勻且值的排序恒定，因此可以使用像 歐幾里德距離或優(yōu)選皮爾森相關(guān)距離那樣簡(jiǎn)單的度量來(lái)判斷密鑰的相似 性。本發(fā)明從皮下靜脈圖像提取細(xì)節(jié)。使用提取的該細(xì)節(jié)來(lái)形成統(tǒng)計(jì) 值的固定長(zhǎng)度密鑰，然后按照預(yù)選的方式對(duì)密鑰排序。本發(fā)明能夠迅速匹 配和搜索由本發(fā)明生成的固定長(zhǎng)度生物測(cè)定密鑰的數(shù)據(jù)庫(kù)。本發(fā)明的一種 用途是用于皮下靜脈圖案的一對(duì)一和一對(duì)多生物測(cè)定比較。本發(fā)明具有很多優(yōu)點(diǎn)。本發(fā)明的方法基于從皮下靜脈圖像提取的 生物測(cè)定細(xì)節(jié)產(chǎn)生固定長(zhǎng)度的生物測(cè)定密鑰。長(zhǎng)度固定且順序恒定的密鑰 允許進(jìn)行快速1: 1 (一對(duì)一)匹配/鑒別，并使得1: n (—對(duì)多)匹配/識(shí)
別的過(guò)程極其簡(jiǎn)單。本發(fā)明還具有能夠同時(shí)獲取關(guān)于靜脈位置的詳細(xì)信息以及關(guān)于 其大小和取向的信息的優(yōu)點(diǎn)。這主要是因?yàn)榭梢栽诖笮?、空間頻率和取向 方面調(diào)諧應(yīng)用于圖像的濾波器。在任何生物測(cè)定系統(tǒng)中，能夠獲取的關(guān)于 相關(guān)特征的信息越多，系統(tǒng)就具有更好的機(jī)會(huì)來(lái)為識(shí)別和鑒別執(zhí)行精確匹 配。對(duì)于1: n匹配實(shí)施的情況而言，本發(fā)明提供了很多優(yōu)點(diǎn)。首先， 由于密鑰尺寸固定且順序恒定，所以匹配過(guò)程更簡(jiǎn)單，結(jié)果，可以更迅速 地執(zhí)行匹配。這允許以比其他現(xiàn)有技術(shù)方法下可能的情況更迅速地執(zhí)行與 整個(gè)密鑰數(shù)據(jù)庫(kù)的強(qiáng)制比較(brute-force comparison^本發(fā)明還通過(guò)對(duì)密鑰 子集而非全密鑰上進(jìn)行的匹配，迅速減小必需搜索的數(shù)據(jù)庫(kù)大小，從而允 許更加精細(xì)的搜索方式。例如，為了迅速將搜索字段窄化到更小的記錄子 集，可以利用從過(guò)濾圖像子集(例如通過(guò)若干用策略選擇的濾波器)生成 的更小的密鑰來(lái)執(zhí)行比較。這導(dǎo)致了比必需要對(duì)數(shù)據(jù)庫(kù)中所有記錄執(zhí)行的計(jì)算更少的計(jì)算。然后可以將全密鑰與其余記錄進(jìn)行比較。此外，基于各 種子密鑰的特定特征對(duì)密鑰數(shù)據(jù)庫(kù)做索引，可以跳過(guò)與已知與相關(guān)密鑰極 大不同的密鑰值的比較。本發(fā)明的目的是提供一種通過(guò)從人的皮下靜脈圖像提取和匹配 生物測(cè)定細(xì)節(jié)來(lái)識(shí)別人的設(shè)備和方法。本發(fā)明的另一目的是使識(shí)別迅速而 高效。


圖1是本發(fā)明的設(shè)備的優(yōu)選實(shí)施例的示意圖，示出了對(duì)手上靜脈 成像；圖2是圖像中的靜脈研究區(qū)("Ror')的視圖；圖3是示出了本發(fā)明的方法優(yōu)選實(shí)施例中的步驟的流程圖；圖4是示出了圖3的圖像預(yù)處理中的步驟的流程圖；圖5是示出了圖4的對(duì)比度增強(qiáng)中步驟的流程圖；圖6是對(duì)于t=-32至U+32和o =8的一維墨西哥帽小波的曲線圖；圖7是從圖6所示小波構(gòu)造的二維定向(取向的)濾波器；圖8示出了濾波前的代表性預(yù)處理圖像；圖9示出了利用偶對(duì)稱Gabor濾波器濾波之后圖8的圖像；圖10示出了利用二維取向墨西哥帽小波濾波器濾波后圖8的圖
像；圖11示出了如何利用本發(fā)明的方法將圖像處理成密鑰；圖12是示出了密鑰匹配/驗(yàn)證中的步驟的流程圖；圖13A示出了圖像，圖13B示出了利用本發(fā)明的方法由圖13A
的圖像產(chǎn)生的所得密鑰；圖14A示出了來(lái)自與圖13A同一人但從稍微不同視角采集的另
一圖像，圖14B示出了由圖14A的圖像產(chǎn)生的所得密鑰，示出了相似圖像 (圖13A和14A)是如何產(chǎn)生相似密鑰的(圖13B和14B);圖15A和15B與圖13A和13B相同，用于和產(chǎn)生圖16B的不同
密鑰的圖16A的不同圖像進(jìn)行比較，示出了不相似靜脈圖案是如何生成不
相似密鑰的；[U50]圖17A、 18A、 19A和20A是具有相應(yīng)密鑰17B、 18B、 19B和 20B的不同圖像，用于示出相似圖像是如何生成相似密鑰的，圖17A和18A 的圖像有點(diǎn)相似，而圖19A和20A的圖像彼此非常不同且與圖17A和18A 的圖像非常不同；圖21、 22、 23和24示出了利用各種距離度量時(shí)圖17B、 18B、 19B和20B的密鑰的匹配得分，由密鑰長(zhǎng)度對(duì)除了針對(duì)Pearson相關(guān)(圖 24)的匹配得分之外的所有匹配得分進(jìn)行歸一化(相除)；圖25示出了利用圖17B和18B所示密鑰比較兩個(gè)密鑰子集("子 密鑰，，);圖26示出了將一個(gè)密鑰子集與所存密鑰數(shù)據(jù)庫(kù)中的密鑰子集進(jìn) 行比較；圖27示出了對(duì)照所存儲(chǔ)的以子集密鑰值計(jì)數(shù)編索引的密鑰的數(shù) 據(jù)庫(kù)迅速評(píng)估一個(gè)密鑰子集，以確定符合條件的密鑰用于后續(xù)距離比較；圖28示出了圖26和27的技術(shù)的組合，以對(duì)照所存儲(chǔ)的由子集 密鑰值計(jì)數(shù)編索引的密鑰的數(shù)據(jù)庫(kù)迅速評(píng)估一個(gè)密鑰子集，其確定符合條 件的子集用于后續(xù)密鑰子集距離比較，確定符合條件的密鑰用于完整密鑰 距離比較。
具體實(shí)施例方式現(xiàn)有技術(shù)中公知皮膚和一些其他身體組織會(huì)反射大約700到900 納米的近紅外范圍中的紅外光，而血液則吸收該范圍中的輻射。于是，在 紅外光照明下拍攝的身體組織視頻圖像中，相對(duì)于周圍肉體的較亮背景， 血管表現(xiàn)為暗線。不過(guò)，由于皮下脂肪的反射性質(zhì)，在用直射光，即大致 從單一方向抵達(dá)的光照射時(shí)，位于大量堆積的這種脂肪下方的血管可能難
以或無(wú)法看到。當(dāng)在高度漫射紅外光照明下在近紅外范圍中對(duì)具有大量堆積的 皮下脂肪的身體組織區(qū)域成像時(shí)，血管和周圍肉體之間的對(duì)比度顯著高于 在直接紅外照明下觀察組織時(shí)的對(duì)比度。看起來(lái)被皮下脂肪反射的大部分 漫射紅外光被引導(dǎo)離開(kāi)了觀察方向。于是，在使用高度漫射的紅外光照明 組織時(shí)，保持了血管和周圍肉體之間的期望的視覺(jué)對(duì)比度。應(yīng)當(dāng)指出，紅外照明可以是反射性或透射性的，并且，通過(guò)用寬譜光照明組織，然后在 獲取被照明組織的圖像之前濾除紅外波段之外的光，可以實(shí)現(xiàn)等價(jià)的結(jié)果。簡(jiǎn)單地講，在充分解釋細(xì)節(jié)之前，本發(fā)明優(yōu)選實(shí)施例的方法具有 圖3所示的步驟，本發(fā)明的該設(shè)備還根據(jù)圖3所示的流程圖操作。這些步 驟包括輸入圖像24，針對(duì)輸入圖像24已經(jīng)識(shí)別和剪修出優(yōu)選為400x400 像素的研究區(qū)("ROD 30;將ROI細(xì)分成棋盤形圖案(例如優(yōu)選為20像 素x20像素的正方網(wǎng)格區(qū)域，但也可以使用極性扇面區(qū)域、三角形區(qū)域、矩 形區(qū)域或六邊形區(qū)域等)以形成多個(gè)區(qū)域；濾波器庫(kù)40 (可以從多種多樣 的兼容濾波器類型中選擇，如本文所述，包括對(duì)稱Gabor濾波器、復(fù)合Gabor 濾波器、LogGabor濾波器、定向高斯函數(shù)、改造小波(AdaptedWavelets, 如本文對(duì)該術(shù)語(yǔ)所定義和使用的那樣)等)；以及針對(duì)棋盤形圖案中的每個(gè) 區(qū)域形成的統(tǒng)計(jì)度量(優(yōu)選地是區(qū)域中像素亮度的統(tǒng)計(jì)方差，但有眾多其 他可以使用的統(tǒng)計(jì)度量，包括標(biāo)準(zhǔn)偏差、平均值、絕對(duì)平均偏差、最大值、 最小值、最大絕對(duì)值和中值)。應(yīng)當(dāng)指出，可以使用采用相同取向但不同頻 率值的濾波器來(lái)產(chǎn)生不同尺寸，即較大和較小靜脈的細(xì)節(jié)。而且，可以使 用超過(guò)一個(gè)這些統(tǒng)計(jì)度量以增加密鑰尺寸和改善精度。例如，可以針對(duì)每 個(gè)區(qū)域取偏差和平均值并一起設(shè)置到密鑰中。最后，使用比較度量來(lái)比較 登記密鑰和所存驗(yàn)證密鑰之間的距離。參考附圖尤其是圖1-5的圖示，可看到用于識(shí)別人員的設(shè)備20 包括諸如公知的紅外相機(jī)的模塊22，用于獲取該人的皮下靜脈紅外圖像24。 應(yīng)當(dāng)理解，如本文所使用的術(shù)語(yǔ)"靜脈"用于一般性地表示諸如毛細(xì)血管、靜 脈和動(dòng)脈的血管。用紅外光照射該人的一部分，例如手掌26，然后用相機(jī) 22或其他公知感測(cè)裝置獲取圖像?；蛘咔业葍r(jià)地，可以將寬譜光(例如房 間燈光)用于照明，并可以在相機(jī)22前放置適當(dāng)?shù)募t外濾波器，使得相機(jī) 22僅看到紅外圖像。如本領(lǐng)域的技術(shù)人員公知的，相機(jī)22可以包括電荷耦 合裝置("CCD")元件(在公知的CCD/CMOS相機(jī)中常常見(jiàn)到)，以獲取 圖像并將其傳送到公知的計(jì)算機(jī)28。盡管本公開(kāi)出于說(shuō)明的目的使用了手背上的靜脈圖案的范例，但 應(yīng)當(dāng)理解，本發(fā)明容易改造成在可看到皮下靜脈的其他身體部分工作。在已經(jīng)獲取圖像24之后，優(yōu)選對(duì)圖像進(jìn)行預(yù)處理35，在圖4的流程圖中更詳細(xì)地示出了圖3的優(yōu)選預(yù)處理步驟。在預(yù)處理階段35中，識(shí) 別出要對(duì)其進(jìn)行處理的圖像24的研究區(qū)("ROD 30。優(yōu)選地，通過(guò)從任 何背景圖像分割出人的身體部分，例如手掌26，來(lái)完成這一目的。然后， 定位某些標(biāo)志或特征位置，例如指尖點(diǎn)32或優(yōu)選的指間網(wǎng)上的點(diǎn)34。指尖 點(diǎn)32不如指間網(wǎng)點(diǎn)34更適于做標(biāo)志，因?yàn)槭种笍堥_(kāi)將導(dǎo)致指尖點(diǎn)32相對(duì) 于ROI 30的位置比指間點(diǎn)34的位置有更大的變化?；谶@些標(biāo)志的位置，優(yōu)選利用縮放、水平和豎直平移以及旋轉(zhuǎn) 的調(diào)整將圖像調(diào)整到預(yù)定位置和取向，使得ROI 30將表示用于評(píng)估的均勻 的圖像研究區(qū)。 一旦這樣縮放、平移和定向圖像24，就從圖像中界定和提 取出固定的ROI區(qū)域30并拋棄圖像24的其余部分。更具體而言，如下識(shí)別ROI30:首先，從圖像獲取模塊22接收 原始圖像24。優(yōu)選地，在被成像手掌26下方放置黑暗背景，使得背景像素 將比手掌的前景像素更暗。提取圖像24的柱形圖，分析柱形圖以找到兩個(gè) 峰， 一個(gè)峰在零(背景)附近， 一個(gè)峰在較高亮度范圍(手掌)中，并確 定將會(huì)區(qū)分兩個(gè)峰的適當(dāng)閾值。如果找到了超過(guò)兩個(gè)峰，就將容器數(shù)(bin count)減少5個(gè)，直到實(shí)現(xiàn)兩峰柱形圖為止。如果仍不能找到兩個(gè)峰，使 用比最小像素亮度(即稍高于背景亮度)大10的默認(rèn)閾值。在找到兩個(gè)峰 時(shí)，將閾值設(shè)置成這兩個(gè)峰之間的最小值，并創(chuàng)建二元掩模，該二元掩模 中亮度高于閾值的像素被設(shè)置成1 ，亮度等于或低于閾值的像素被設(shè)置成0。然后通過(guò)沿著二元手掌輪廓的邊緣跟蹤并同時(shí)注意局部極大和 極小高度來(lái)定位指間點(diǎn)34，其中將"高"高度定義為更靠近圖像頂部(利用 圖像獲取模塊22的取向，使得指尖32—般指向圖像的"頂部")。于是，兩 個(gè)最大高度之間的最小高度(更靠近圖像的"底部")就指示了指間網(wǎng)絡(luò)上的 指間點(diǎn)34。 一旦定位了指間點(diǎn)34，就使用仿射變換來(lái)旋轉(zhuǎn)和縮放圖像24 以匹配一組預(yù)定的標(biāo)準(zhǔn)化點(diǎn)，利用被成像手掌上的點(diǎn)和預(yù)定標(biāo)準(zhǔn)化點(diǎn)之間 的最小二乘映射確定變換系數(shù)。然后將研究區(qū)(ROI) 30確定為錨定在距拇指最遠(yuǎn)的指間點(diǎn)34 的400x400像素區(qū)域，注意拇指的指間點(diǎn)具有y方向上的最低高度。為了 確保在將來(lái)的濾波步驟中有用于填充的額外的圖像邊界，當(dāng)在圖像上有100 個(gè)像素的邊界像素帶時(shí)，在ROI外部周圍保持該像素帶。如果ROI外部有少于IOO個(gè)邊界像素，反射ROI之內(nèi)存在的像素以填充這些缺失像素的間 隙。于是看出設(shè)備20包括用于識(shí)別研究區(qū)的模塊36。 [2110]任選地但優(yōu)選地，也可以預(yù)處理(過(guò)濾)ROI圖像30以消除圖 像中的偽影，例如毛發(fā)，如通過(guò)公知的偽影消除模塊38那樣，以創(chuàng)建偽影 已消除圖像24'。這不僅是為了提供更穩(wěn)定圖像用于比較，而且是為了防止 有人企圖通過(guò)剃除其身體部分的毛發(fā)來(lái)避開(kāi)識(shí)別。有很多方式來(lái)實(shí)現(xiàn)偽影 的消除，但己經(jīng)發(fā)現(xiàn)滿足要求的方式是利用簡(jiǎn)單的公知10x10中值濾波器。 盡管這會(huì)導(dǎo)致一些靜脈細(xì)節(jié)的丟失，但手背上的靜脈(這里最需要消除毛 發(fā))足夠大，而不容易被尺寸10x10的濾波器濾除。作為這種消除偽影的預(yù)處理的一部分，然后優(yōu)選地利用圖5中的 細(xì)節(jié)所示的步驟對(duì)圖像24'執(zhí)行自適應(yīng)對(duì)比度增強(qiáng)39。使用一種算法，首先 對(duì)圖像施加模糊濾波器41以創(chuàng)建圖像的模糊版本，然后從原始圖像中減去 該模糊圖像，以創(chuàng)建圖像的不清晰版本24a。然后取該模糊圖像24a的絕對(duì) 值43，之后使絕對(duì)值已處理圖像模糊化46，將原始不清晰圖像(逐點(diǎn))除 以(48)該模糊絕對(duì)值圖像，產(chǎn)生對(duì)比度增強(qiáng)的圖像24"。也可以使用額外 的圖像平滑處理來(lái)清除因消除毛發(fā)而產(chǎn)生的圖像偽影。圖11中所示的"預(yù) 處理圖像"是圖11頂部所示初始圖像的范例，對(duì)其僅進(jìn)行了對(duì)比度增強(qiáng)預(yù) 處理，沒(méi)有消除毛發(fā)偽影。盡管圖像預(yù)處理是優(yōu)選的，但不是本發(fā)明必需 的。不過(guò)，已經(jīng)發(fā)現(xiàn)，本發(fā)明的方法對(duì)于圖像中靜脈細(xì)節(jié)的位置變化 敏感。換言之，必需要通過(guò)本發(fā)明對(duì)其比較的圖像非常接近地對(duì)齊，以便 允許最佳匹配。預(yù)處理階段中好的對(duì)齊方法是必需的，從而使ROI30的位 置是一致的。己經(jīng)確定R0130的適當(dāng)對(duì)齊和位置直接在具有良好標(biāo)志特征 集的身體區(qū)域上完成，所述區(qū)域例如是面部、手部等，而特征匹配是本領(lǐng) 域的技術(shù)人員公知的。完成預(yù)處理階段39之后，圖像的ROI部分30已經(jīng)準(zhǔn)備好，可以 應(yīng)用第一多個(gè)增強(qiáng)濾波器40。應(yīng)當(dāng)理解，可以以更大的所用濾波時(shí)間為代 價(jià)來(lái)串行實(shí)現(xiàn)該多個(gè)濾波器40，或以更大的并行處理要求為代價(jià)并行實(shí)現(xiàn) 該多個(gè)濾波器40。對(duì)于每個(gè)濾波器40而言，優(yōu)選實(shí)施例使用如下形式的偶J[cos(2<[jc(sin(60) + y(cos(曙]
其中g(shù) (x, y)為Gabor濾波器的空間表達(dá)，0為期望濾波器的取向角 度，f為期望的空間頻率，Sx和Sy分別代表x和y方向上高斯包絡(luò)的標(biāo)準(zhǔn)偏
40 i在優(yōu)選實(shí)施例中，采用具有如下濾波器參數(shù)的八個(gè)尺寸為65像 素x65像素的Gabor濾波器
16 A = 16,6> = {0°,22.5°,45°,67.5。,90°,112.5。，135°，157.50}
然后將這八個(gè)濾波器獨(dú)立應(yīng)用于預(yù)處理圖像24"，以得到如圖11所示 的八個(gè)分幵的濾波器輸出50。可以用除偶對(duì)稱Gabor濾波器之外的濾波器替代一個(gè)或全部濾 波器40，例如，復(fù)合Gabor濾波器、LogGabor濾波器、定向高斯濾波器和 下文更詳細(xì)解釋的從小波構(gòu)造的濾波器。優(yōu)選地，所有濾波器40都是相同 種類的濾波器，但取向和/或頻率不同，且應(yīng)當(dāng)理解，可以用針對(duì)給定取向 角度增強(qiáng)圖像特征的其他濾波器來(lái)替代?，F(xiàn)在將給出用于除偶對(duì)稱Gabor 濾波器之外的若干示范性濾波器的公知方程。復(fù)合Gabor濾波器具有如下形式
(W2 (W2
J2Wj:sin(e)+少cos(0))
其中g(shù) (x， y)為Gabor濾波器的空間表達(dá)，e為期望濾波器的取向角 度，f為期望的空間頻率(單位度)，Sx和5y分別代表x和y方向上高斯 包絡(luò)的標(biāo)準(zhǔn)偏差。Log-Gabor濾波器通常是在頻域中定義的。如果執(zhí)行空間濾波， 則經(jīng)由反向FFT確定特殊濾波器。2-DLog-Gabor濾波器的頻域表達(dá)為
L
其中LG (u， v)為log-Gabor濾波器的頻域表達(dá)，co為期望角頻率，r (u， v)代表濾波器中給定點(diǎn)距濾波器中心的半徑，0 (u， v)代表濾波器期望的取向角，cn代表濾波器的空間頻率帶寬，cj2代表濾波器的取向帶寬,定向高斯濾波器具有如下形式
其中og (x， y)為定向高斯濾波器的空間表達(dá)，9為期望濾波器的取 向角度，5x是x方向上的濾波器帶寬，Sy是y方向上的濾波器帶寬。Gabor濾波器是本發(fā)明密鑰生成濾波器的優(yōu)選實(shí)施，因?yàn)樗谔?供定向選擇性增強(qiáng)方面非常有效。最常見(jiàn)的二維小波在作為定向增強(qiáng)濾波 器方面不是極為有用，因?yàn)樗鼈兺ǔ缀鯖](méi)有乃至沒(méi)有能力容易地選擇取 向方向。不過(guò)，如下文所述，有若干一維小波能夠通過(guò)改造而可用作本發(fā) 明的定向密鑰生成濾波器?，F(xiàn)在可以解釋這些小波中--些的特性以及可以 用于改造它們以用于本發(fā)明的策略。如本文所使用的，應(yīng)當(dāng)將術(shù)語(yǔ)"改造小 波"理解為是指根據(jù)本發(fā)明以現(xiàn)在可以詳細(xì)描述的方式改造的一維小波。要能用作本發(fā)明的密鑰生成濾波器，小波濾波器必需要能夠取向 到特定角度，并必需能縮放，從而能夠檢測(cè)變化尺寸的對(duì)象。由于其本身 具有的性質(zhì)，小波是可縮放的，因此容易改造以檢測(cè)變化尺寸的對(duì)象。可 以用現(xiàn)在將描述的方式對(duì)小波進(jìn)行改造，以使其具有角度選擇性，從而用 于本發(fā)明。首先，選擇具有期望性質(zhì)的一維小波。例如，墨西哥帽小波具有 如下方程
<formula>formula see original document page 18</formula>
其中t為時(shí)間，d為標(biāo)準(zhǔn)偏差。該一維小波對(duì)于t=-32到32且o=8具 有如圖6所示的圖。然后，通過(guò)在圖7所示的二維濾波器矩陣的每列上重復(fù)一維小波 而針對(duì)零度角創(chuàng)建二維定向?yàn)V波器。有若干一維小波將能與前述從一維小波產(chǎn)生取向二維小波濾波 器的方法一起使用。這些小波中的一些包括墨西哥帽小波，其具有如下形式的方程 ，一f i
'\ 、 ' /
其中t為時(shí)間，CJ為標(biāo)準(zhǔn)偏差。高斯小波的差異(可用于逼近墨西哥帽小波)，其具有如下形式 的方程
〃
o"2
1
i
2oj )
其中q和Cl2為標(biāo)準(zhǔn)偏差，W和W為平均值。Morlet小波，其具有如下形式的方程
，)=
l + f7 —2e
'i i ——,
i 2、
g 一6
其中t為時(shí)間，CJ為標(biāo)準(zhǔn)偏差。Hermitian小波，這是墨西哥帽所屬的小波系列。N階Hermitian 小波簡(jiǎn)單地是高斯函數(shù)的n階導(dǎo)數(shù)，具有如下形式的方程
")=(2")、//
2
其中Hn代表n階Hermite多項(xiàng)式，Cn由下式給出:
廣丄—
、、
乂乂此外，也可以等價(jià)地使用離散一維小波，例如公知的Haar、 Daubechies、 Coiflet和Symmlet小波。通常將這些小波定義為一系列不連續(xù)值，本領(lǐng)域的技術(shù)人員公知這些不連續(xù)值的表格。到此為止所述的改造小波是為了作為可以根據(jù)本發(fā)明而被改造 以在到此為止所述主題中執(zhí)行定向?yàn)V波圖像增強(qiáng)的一維小波的范例。可以 在到此為止所述的主題中使用具有相似特征的其他一維小波而不脫離本發(fā) 明的精神和范圍。既然已經(jīng)將濾波器應(yīng)用于研究區(qū)，則生成登記或第一密鑰42。將每個(gè)濾波器的輸出分成多個(gè)區(qū)域(在優(yōu)選實(shí)施例中為20x20像 素)，每個(gè)區(qū)域中具有至少一個(gè)像素，每個(gè)像素具有像素亮度。應(yīng)當(dāng)理解， 這種區(qū)域塊的尺寸將隨著待提取的特征尺寸變化。對(duì)于每個(gè)再劃分濾波器輸出的每個(gè)區(qū)域，計(jì)算該區(qū)域之內(nèi)像素亮 度值的統(tǒng)計(jì)度量，優(yōu)選為統(tǒng)計(jì)方差。注意，盡管在優(yōu)選實(shí)施例中使用的統(tǒng) 計(jì)度量是統(tǒng)計(jì)方差，但可以使用很多其他統(tǒng)計(jì)度量，包括標(biāo)準(zhǔn)偏差、平均 值、絕對(duì)平均偏差等。實(shí)際上，能夠利用這些度量中的若干種一起來(lái)構(gòu)造 登記密鑰，得到每個(gè)區(qū)域的若干統(tǒng)計(jì)度量。統(tǒng)計(jì)度量的重要特征是方差高 的圖像代表由濾波器增強(qiáng)的區(qū)域，而方差低的區(qū)域則不是。于是，從統(tǒng)計(jì) 學(xué)上講，高方差區(qū)域可能代表存在取向與濾波器取向相似的靜脈。方差的 大小也是靜脈循行角度與濾波器的角度匹配有多接近的指標(biāo)。以適度接近 濾波器角度的角度循行的靜脈仍將表現(xiàn)出一些響應(yīng)，而以嚴(yán)格相同角度循 行的靜脈將表現(xiàn)出大得多的響應(yīng)。然后對(duì)區(qū)域的統(tǒng)計(jì)度量排序，例如通過(guò)將它們以預(yù)設(shè)順序存儲(chǔ)在 陣列中，以定義登記密鑰矢量42。為了進(jìn)行有意義的比較，登記密鑰的統(tǒng) 計(jì)度量排序必需要匹配所存儲(chǔ)驗(yàn)證密鑰中的統(tǒng)計(jì)度量排序。如果密鑰長(zhǎng)度 是所關(guān)注，則可以對(duì)方差值進(jìn)行縮入，使得最大的等于255，最小的等于零， 由此使得每個(gè)值僅占據(jù)一個(gè)字節(jié)的存儲(chǔ)空間。在圖中將這些區(qū)域直觀表示 為八個(gè)密鑰子集之內(nèi)亮度變化的塊，黑塊具有零值，白塊具有值255，該八 個(gè)密鑰子集一起構(gòu)成圖11所示的密鑰矢量40。為了減小額外的存儲(chǔ)空間， 可以通過(guò)應(yīng)用閾值將密鑰簡(jiǎn)化成二進(jìn)制表示。在密鑰的該二進(jìn)制版本中， 每個(gè)塊表達(dá)僅占據(jù)一個(gè)比特，于是實(shí)現(xiàn)了存儲(chǔ)空間的很大減少。不過(guò)，這 一點(diǎn)是以匹配精確度的降低為代價(jià)完成的。然后可以將登記密鑰42存儲(chǔ)到磁盤44 (連接驗(yàn)證或第二密鑰的數(shù)據(jù)庫(kù))或?qū)φ宅F(xiàn)有驗(yàn)證密鑰進(jìn)行匹配以執(zhí)行驗(yàn)證或識(shí)別功能。匹配兩個(gè)密鑰(即登記和驗(yàn)證密鑰)的過(guò)程簡(jiǎn)單明了，并且有多 種方式可以執(zhí)行密鑰匹配。在一個(gè)實(shí)施例中，對(duì)作為整體的密鑰執(zhí)行簡(jiǎn)單 歐幾里德距離計(jì)算。換言之，如果將第一 (或登記)密鑰表示為圖12中示出了本發(fā)明執(zhí)行的匹配步驟的流程圖。利用如上所述 選擇的距離度量52將所產(chǎn)生的登記或第一密鑰與所存儲(chǔ)的驗(yàn)證或第二密鑰 進(jìn)行比較，并利用預(yù)選的閾值距離比較54做出兩個(gè)密鑰是否匹配的判斷。 如果兩個(gè)密鑰之間的距離大于預(yù)選的閾值距離，它們不匹配。如果計(jì)算出 的距離低于閾值，密鑰匹配。在實(shí)踐中，在通過(guò)本發(fā)明的設(shè)備/方法運(yùn)行靜脈圖像的調(diào)諧子集 并評(píng)估所得分?jǐn)?shù)之后設(shè)置閾值。然后選擇閾值分?jǐn)?shù)以最好地反映出針對(duì)偽 肯定(接受/匹配)和偽否定(錯(cuò)過(guò)匹配)的所選安全目標(biāo)。例如，下文中 更詳細(xì)描述了利用Pearson相關(guān)的優(yōu)選實(shí)施，該實(shí)施的優(yōu)點(diǎn)在于它是歸一化 度量，該實(shí)施利用了閾值分?jǐn)?shù)0.5。低于該距離(分?jǐn)?shù))的任何事物都為匹 配，高于該距離的任何事物都是不匹配。已經(jīng)發(fā)現(xiàn)匹配密鑰的典型分?jǐn)?shù)在 大約0.15到0.3的范圍內(nèi)，已經(jīng)發(fā)現(xiàn)不匹配密鑰的典型分?jǐn)?shù)在大約0.6到 l.O的范圍內(nèi)。這里所述的每個(gè)距離度量(評(píng)分方法)都產(chǎn)生數(shù)值范圍稍微 不同的輸出，本發(fā)明的特定實(shí)施必須要確定反映出實(shí)施的期望安全目標(biāo)的 可接受匹配和不匹配分?jǐn)?shù)閾值?？梢栽谡麄€(gè)數(shù)據(jù)庫(kù)中重復(fù)匹配步驟，以進(jìn)行一對(duì)多匹配或用于一 對(duì)多方式的更復(fù)雜匹配，可以采用一些利用密鑰性質(zhì)的數(shù)據(jù)庫(kù)索引方法。 通過(guò)比較圖13A與圖14A以及圖13B與圖14B可以看出從相似但不同的靜 脈圖像產(chǎn)生的密鑰范例。圖13A示出了圖像，圖13B示出了利用本發(fā)明的 方法由圖13A的圖像產(chǎn)生的所得密鑰。應(yīng)當(dāng)理解，圖中所示的所有密鑰都是密鑰矢量自身的圖示表達(dá)，為了容易在密鑰之間進(jìn)行直觀比較，將它們
歸一化為處于0 (黑)到255 (白)的范圍內(nèi)。圖14A示出了來(lái)自與圖13A 同一人但從稍微不同視角采集的另一圖像，圖14B示出了由圖14A的圖像 產(chǎn)生的所得密鑰，示出了相似圖像(圖13A和14A)是如何產(chǎn)生相似密鑰 的(圖13B和14B)。類似地，通過(guò)比較圖15A與圖16A以及圖15B與圖16B可以看 出從不相似靜脈圖像生成的密鑰范例。圖15A和15B與圖13A和13B相同， 用于和產(chǎn)生圖16B的不同密鑰的圖16A的不同圖像進(jìn)行比較，示出了不相 似靜脈圖案是如何生成不相似密鑰的?？梢栽趫D15B和16B之間注意到密 鑰值中的可見(jiàn)差異。盡管優(yōu)選實(shí)施例將作為整體的密鑰定義的點(diǎn)的歐幾里德距離用 作比較度量54,但還有各種各樣的其他可能，包括漢明距離、歐幾里德平 方距離、曼哈頓距離、皮爾森相關(guān)距離、皮爾森平方相關(guān)距離、Chebychev 距離、Spearman秩相關(guān)距離等。這些其他距離度量的方程是公知的，例如，可以使用其他公知的 距離度量來(lái)取代歐幾里德距離?，F(xiàn)在將給出可以根據(jù)本發(fā)明用于密鑰key,和key2之間距離的這 些其他距離度量中的一些的公知方程。歐幾里德平方距離具有如下形式
"乞(w,)2曼哈頓距離(或塊距離)具有如下形式 [2470]皮爾森相關(guān)距離具有如下形式
其中— ，
p為平均值，cj為標(biāo)準(zhǔn)偏差，n為序列x和y中的值的數(shù)量。皮爾森相 關(guān)作為歸一化距離，是用于實(shí)踐本發(fā)明的特別優(yōu)選的距離度量。 [2480]皮爾森平方相關(guān)距離具有如下形式
各定義與皮爾森相關(guān)距離相同。Chebychev距離(或最大一維距離)具有如下形式: 6 = max,-|、 _乂|Spearman秩相關(guān)距離具有如下形式參考圖17A、 17B、 18A、 18B、 19A、 19B、 20A、 20B和圖21-24， 可以看到不同圖像的各種距離度量的性能。利用八個(gè)偶對(duì)稱Gabor濾波器 的優(yōu)選實(shí)施例生成所有密鑰，這八個(gè)濾波器尺寸為65像素x65像素，具有 如下濾波器參數(shù)
/ =丄,& =16,SV =16,0 = {0°，22.50,45°,67.50，90°，112.5。,135°,157.5。}
將這八個(gè)濾波器獨(dú)立應(yīng)用到每個(gè)相應(yīng)圖像(圖17A、 18A、 19A和20A) 以得到八個(gè)相應(yīng)的分開(kāi)的濾波器輸出(圖17B、 18B、 19B和20B)。圖17A 和18A是來(lái)自同一只手的相似視圖，圖19A和20A來(lái)自不同的兩只手。圖 21-24列出了利用不同距離度量匹配這些圖像的不同組合所生成的分?jǐn)?shù)，在 每個(gè)相應(yīng)表格下方示出了用于每個(gè)比較的閾值。用密鑰長(zhǎng)度對(duì)圖21-23中的 所有匹配分?jǐn)?shù)進(jìn)行歸一化(相除)；不必對(duì)皮爾森相關(guān)(圖24)的分?jǐn)?shù)進(jìn)行 歸一化，因?yàn)槠柹嚓P(guān)會(huì)產(chǎn)生歸一化的分?jǐn)?shù)。圖21-24的表格示出來(lái)自同 一人的兩幅圖像之間的比較是成功的，而其他比較則不匹配。表格還示出 作為優(yōu)選距離度量的皮爾森相關(guān)提供了最佳的分?jǐn)?shù)分離。皮爾森相關(guān)距離度量這種改善的性能原因在于它是歸一化度量。因?yàn)樵陬A(yù)處理中未對(duì)輸入 圖像進(jìn)行歸一化，所以其他評(píng)分方法有更大的難度。本發(fā)明的一個(gè)可能問(wèn)題是其計(jì)算的復(fù)雜性。為包含靜脈圖案的圖 像執(zhí)行特征提取所需的濾波器相當(dāng)大，并且，根據(jù)所用的濾波器數(shù)量(取 向和頻率的數(shù)目)，執(zhí)行濾波所需的時(shí)間會(huì)變成問(wèn)題。通過(guò)應(yīng)用額外的計(jì)算 能力并利用本發(fā)明計(jì)算步驟的硬件實(shí)施而非純軟件實(shí)施，可以容易地克服 這一困難。將多個(gè)濾波器獨(dú)立應(yīng)用到圖像可以容易地得到并行實(shí)現(xiàn)，從而 便于其自身并行處理應(yīng)用。有了當(dāng)今計(jì)算機(jī)技術(shù)中當(dāng)前可用的多內(nèi)核和多 處理器計(jì)算平臺(tái)，充足的計(jì)算資源不是實(shí)踐本發(fā)明的障礙。為了更迅速地進(jìn)行密鑰識(shí)別/匹配，可以分開(kāi)地比較從濾波器輸 出所取的密鑰子集("子密鑰")，甚至可以比較每個(gè)子密鑰之內(nèi)的區(qū)域，而 不是將密鑰作為總體看待，由此減輕計(jì)算負(fù)擔(dān)。匹配系統(tǒng)可以獨(dú)立地或再 次組合地使用通過(guò)比較這些密鑰子集而得到的結(jié)果以形成單一的匹配分 數(shù)。圖25-28示出了根據(jù)本發(fā)明如何可以使用部分密鑰匹配來(lái)減輕計(jì) 算負(fù)擔(dān)的優(yōu)選實(shí)施例。參考圖25和26，僅僅為了解釋的目的，第一密鑰70與圖17B 中所示的密鑰相同，第二密鑰72與圖18B中所示的密鑰相同。如下執(zhí)行部分密鑰匹配。首先，選擇輸入密鑰的密鑰子集部分 74。在圖25和26所示的范例中，選擇從第七濾波器輸出(角取向?yàn)?35 度的濾波器)生成的密鑰子集("子密鑰")74。在該范例中，子密鑰74包 含400個(gè)值，但在實(shí)踐中，可以使用合理大小的密鑰70的任何子集部分。 一旦選定，如本文至此所述，利用距離度量將密鑰70的該子集部分74與 密鑰數(shù)據(jù)庫(kù)中的其他密鑰，例如密鑰72的對(duì)應(yīng)部分76進(jìn)行比較(54)，并 記下所得的距離分?jǐn)?shù)。為了與上文所述的全密鑰匹配進(jìn)行比較，圖25和26 的范例使用皮爾森相關(guān)的優(yōu)選距離度量來(lái)比較密鑰子集74、 76、 80。如果 一對(duì)子密鑰之間的比較結(jié)果獲得了低于預(yù)定第一閾值58 (圖25和26的范 例使用0.5的第一閾值)的距離，則比較包含這些子密鑰的完整密鑰，從而 判定密鑰匹配是可能的，因此利用距離度量進(jìn)行完整密鑰比較所需的計(jì)算 工作是值得的。這種第二全密鑰比較(例如像本文至此為止結(jié)合圖21-24的討論所述和所述那樣執(zhí)行)可以使用與用于子密鑰比較相同的距離度量或不同的距離度量，但在圖25和26的范例中，為第二 (全密鑰)比較也使用了皮爾森相關(guān)。如果全密鑰比較距離低于第二閾值距離(在這種情況下為0.5)，那么宣告匹配，否則比較下一組子密鑰集合。任選地，不立即比較全密鑰，而是可以形成候選者列表，并通過(guò)額外的部分密鑰匹配進(jìn)一步減少列表或處理列表進(jìn)行全密鑰匹配，以找到最佳匹配。如果希望的話，可以向操作人員提供匹配接近列表以進(jìn)行進(jìn)一步研究。當(dāng)用于大數(shù)據(jù)庫(kù)環(huán)境中時(shí)，使用子密鑰進(jìn)行濾波留下要進(jìn)行全匹配的密鑰集合實(shí)現(xiàn)了計(jì)算量的很大節(jié)省。還可以將這種形式的預(yù)先比較用于其他最終比較系統(tǒng)。例如，可以使用本發(fā)明的子密鑰匹配來(lái)限制搜索空間，然后如下文更充分所述，基于點(diǎn)的匹配算法可以執(zhí)行最終比較以實(shí)現(xiàn)更大的精確度。[2570]與現(xiàn)有技術(shù)相比，本發(fā)明的主要優(yōu)點(diǎn)是利用固定長(zhǎng)度的密鑰對(duì)大數(shù)據(jù)庫(kù)做索引的方式。例如，為了減少搜索數(shù)據(jù)庫(kù)所需的計(jì)算次數(shù)，可以對(duì)密鑰子集值("子密鑰")預(yù)先索引，以忽略被認(rèn)為其性質(zhì)與當(dāng)前登記密鑰極大不同的密鑰，從而避免與這些不合格密鑰進(jìn)行比較所需的計(jì)算代價(jià)。應(yīng)當(dāng)理解，對(duì)數(shù)據(jù)庫(kù)預(yù)先做索引以便能夠迅速忽略具有與當(dāng)前登記密鑰極大不同性質(zhì)的密鑰同樣適用于為密鑰子集("子密鑰")使用全密鑰的時(shí)候，從而基于全密鑰的特征而不是全密鑰的適當(dāng)子集進(jìn)行數(shù)據(jù)庫(kù)索引。然而，為了說(shuō)明的目的，將做索引的范例示為使用的是作為全密鑰適當(dāng)子集的密鑰子集("子密鑰")而不是全密鑰自身。圖27和28所示的范例是針對(duì)通過(guò)減少密鑰子集單元之內(nèi)的非零計(jì)數(shù)而編索引的密鑰子集數(shù)據(jù)庫(kù)。如上所述， 針對(duì)密鑰矢量一1="1^2 "}的每個(gè)元素的統(tǒng)計(jì)度量"計(jì)數(shù)"可以優(yōu)選為統(tǒng)計(jì)方差，圖27和28中所示的密鑰索引范例示出，這種索引可以基于個(gè)體 密鑰子集甚至那些密鑰子集的部分的統(tǒng)計(jì)度量。例如，如果相關(guān)密鑰的最 大方差在與45度處所取的濾波器相關(guān)的子密鑰中較大，就可以忽略與在該 子密鑰中幾乎沒(méi)有乃至沒(méi)有方差的密鑰的比較。也可以使用其他措施來(lái)構(gòu) 建索引，以幫助限制計(jì)算，例如，給定閾值("特征閾值")以上或以下的密 鑰或子密鑰值總數(shù)、距零點(diǎn)的距離以及包含高或低響應(yīng)值的密鑰的當(dāng)前區(qū) 域，從而可以判斷一組密鑰或子密鑰是否具有類似特征。應(yīng)當(dāng)理解，當(dāng)本 文使用短語(yǔ)"具有類似特征"來(lái)描述密鑰和子密鑰時(shí)，表示密鑰/子密鑰具有共同可測(cè)量特性(例如非零密鑰值的數(shù)量)作為生物測(cè)定信息的量化指標(biāo)， 且所測(cè)的"特征"值是相似的。作為包含高或低響應(yīng)值的密鑰區(qū)域的范例，與45度濾波器角度相關(guān)聯(lián)的密鑰的右上象限可以不包含大于25的歸一化密鑰 值(0..255的范圍之外)。這將指示在圖像的右上象限中在該濾波器取向上 幾乎沒(méi)有乃至沒(méi)有靜脈。提供一系列從密鑰的若干密鑰特征構(gòu)建的指數(shù)使 得能夠迅速使密鑰匹配集中在用于完整比較的密鑰的正確子集上(即具有 相似特征的那些)，由此極大地減少了用于密鑰值大數(shù)據(jù)庫(kù)的搜索次數(shù)。[2580]作為用于加快大數(shù)據(jù)庫(kù)匹配的部分密鑰索引的具體范例，現(xiàn)在將 解釋圖27和28的范例。在圖27的范例中，檢驗(yàn)全密鑰的子集并使用該密 鑰的特征來(lái)形成指數(shù)。為了與圖25和26中所示的方式進(jìn)行比較，在圖27 和28的范例中再次使用了與第七濾波器輸出相關(guān)聯(lián)的子密鑰部分。將指數(shù) 用到密鑰數(shù)據(jù)庫(kù)中，可以將密鑰匹配限制到密鑰具有相似特征的數(shù)據(jù)庫(kù)的 子集。在圖27和28所示的范例中，將非零密鑰值的數(shù)量用作編索引的度 量并將距離度量選擇為優(yōu)選的距離度量的皮爾森相關(guān)，用于和圖25和26 的范例進(jìn)行比較。這樣做是因?yàn)榉橇忝荑€值的數(shù)量代表濾波器響應(yīng)的大小， 在使用第七濾波器輸出的本范例中，這是沿135度角度循行的靜脈細(xì)節(jié)的 量的指標(biāo)。該范例示出輸入圖像的子密鑰74具有56個(gè)非零值。因?yàn)槭纠?數(shù)據(jù)庫(kù)是由非零子密鑰值的數(shù)量索引的，因此僅需要將輸入子密鑰74與具 有相似性質(zhì)的子密鑰進(jìn)行比較。如范例所示，如果將要考察的密鑰范圍限 制到輸入子密鑰的56個(gè)非零值計(jì)數(shù)中非零密鑰值計(jì)數(shù)在20之內(nèi)(即在范 圍36到76之內(nèi))的密鑰，則僅需要考慮用于密鑰2的密鑰子集76和用于 密鑰3的密鑰子集78，可以忽略用于密鑰4的密鑰子集80，因?yàn)樗辉谟?于密鑰1的密鑰子集74的所選計(jì)數(shù)距離20之內(nèi)。應(yīng)當(dāng)指出，在圖27和28 的范例中使用閾值零(即非零統(tǒng)計(jì)度量密鑰值計(jì)數(shù)的記錄)用于對(duì)密鑰數(shù) 據(jù)庫(kù)編索引。不過(guò)，在實(shí)踐中，可以使用最大和最小統(tǒng)計(jì)度量密鑰值計(jì)數(shù) 之間的任何值，例如，如果要用大于閾值10或20的統(tǒng)計(jì)度量密鑰值計(jì)數(shù) 對(duì)數(shù)據(jù)庫(kù)編索引以在密鑰單元區(qū)域被認(rèn)為有意義之前要求顯著的濾波器響 應(yīng)。[2590]盡管在此前討論的范例中未用過(guò)，但應(yīng)當(dāng)指出，對(duì)全密鑰之內(nèi)的 多個(gè)子密鑰使用索引或使用多個(gè)度量(例如非零值計(jì)數(shù)和平均值或給定閾值以上的值和方差)來(lái)判斷密鑰或子密鑰是否具有相似特征仍然在本發(fā)明 的范圍之內(nèi)，可以采用這些技術(shù)來(lái)進(jìn)一步限制搜索空間?？梢栽谧用荑€上 單獨(dú)或組合使用任何適用的統(tǒng)計(jì)度量，例如最大值、最小值、平均值、中 值、方差、標(biāo)準(zhǔn)偏差等，作為相似特征的度量，來(lái)限制數(shù)據(jù)庫(kù)中的搜索空 間。
一旦通過(guò)數(shù)據(jù)庫(kù)索引收窄了搜索空間，就可以利用子密鑰匹配進(jìn)一步收窄字段，或者可以完整比較剩余密鑰以獲得最終結(jié)果。在圖25-28所示的 范例中說(shuō)明了這兩種選擇。[2600]應(yīng)當(dāng)指出，可以提取和使用任意數(shù)量的子密鑰以窄化用于最終匹 配的候選密鑰集。例如，首先可以通過(guò)比較由135度取向?yàn)V波器輸出生成 的密鑰的部分來(lái)收窄用于全密鑰匹配的候選組(如上文結(jié)合圖25的范例所 述)。然后將從這個(gè)比較集合生成的匹配分?jǐn)?shù)與閾值進(jìn)行比較，并排除在閾 值之外計(jì)分的密鑰，不進(jìn)一步加以考慮。根據(jù)適于全密鑰比較的剩余候選 集合的大小，利用不同的子密鑰，例如從45度取向?yàn)V波器輸出生成的密鑰 部分，比較這些剩余密鑰可能是有益的。該第二層子密鑰比較和后繼的分 數(shù)閾值將導(dǎo)致適于全密鑰比較的候選集合進(jìn)一步減小。然后可以利用額外 的子密鑰重復(fù)這一過(guò)程，直到將候選集合減小到用于全密鑰匹配的合理數(shù) 量為止。[2610]如前所述，沿著相似的線，可以組合從子密鑰生成的索引以更好 地限制用于全密鑰匹配的數(shù)據(jù)庫(kù)候選子集。例如，初始的第一層索引(索 引一)可以基于被表示為子密鑰一的特定子密鑰中的非零元素計(jì)數(shù)。通過(guò) 過(guò)濾數(shù)據(jù)庫(kù)，僅査看索引值在針對(duì)特定候選密鑰生成的索引的特定范圍之 內(nèi)的密鑰，可以限制搜索空間。不過(guò)，如果數(shù)據(jù)庫(kù)中有額外的索引(索引 二、三等)，可以使用這些額外的索引進(jìn)一步限制候選搜索集合?？梢岳?來(lái)自不同子密鑰的相同特征(例如，在索引二是子密鑰二的非零元素計(jì)數(shù) 的情況下)、相同子密鑰的不同特征(例如，在索引二是子密鑰一的平均值 的情況下)或兩者的組合(例如，在索引二是子密鑰二的非零元素計(jì)數(shù)， 索引三是子密鑰一的平均值等情況下)來(lái)生成這些額外的索引。于是，數(shù) 據(jù)庫(kù)之內(nèi)的每個(gè)額外索引都能夠用來(lái)實(shí)現(xiàn)搜索空間的額外限制或減小。[2620]也可以組合這些搜索方法。例如，可以首先比較若干不同的索引 值，以提供快速的候選搜索空間限制。然后可以執(zhí)行若干部分密鑰匹配以進(jìn)一步限制適于全密鑰匹配的候選空間。然后利用全密鑰匹配比較其余候 選者?？梢曰旌线M(jìn)行索引比較和子密鑰匹配的順序(例如，首先進(jìn)行索引 搜索，然后進(jìn)行子密鑰匹配，然后進(jìn)行另一次索引搜索等)。不過(guò)，因?yàn)樗?引搜索涉及單值比較，它們往往比子密鑰匹配更快且涉及更少的計(jì)算工作， 因此在實(shí)現(xiàn)子密鑰匹配(距離計(jì)算)之前首先進(jìn)行索引搜索比較通常是有 利的。[2630]本發(fā)明的另一優(yōu)點(diǎn)在于，當(dāng)結(jié)合現(xiàn)有技術(shù)的基于點(diǎn)的靜脈匹配系 統(tǒng)使用本發(fā)明時(shí)，其比現(xiàn)有技術(shù)中迄今可能的方法具有更高精確度和速度。 在這種方法中，使用利用本發(fā)明生成的固定長(zhǎng)度密鑰快速限制搜索空間(如 上所述，通過(guò)密鑰子集匹配和/或部分密鑰索引)，同時(shí)使用基于點(diǎn)的信息來(lái) 匹配其余符合條件的候選者。這使得本發(fā)明成為用于一對(duì)多匹配的有價(jià)值工具，以補(bǔ)充現(xiàn)有的l: 1匹配方法，由此將本發(fā)明用于快速選擇用于比較 的符合條件的候選密鑰，使用其他(較慢)的現(xiàn)有技術(shù)方法來(lái)做出最終的 生物測(cè)定匹配判決。與現(xiàn)有技術(shù)中僅使用基于點(diǎn)的信息的方法相比，本發(fā) 明向基于點(diǎn)的方法可用的信息添加了額外信息，實(shí)現(xiàn)了更精確的匹配。在 被用作純索引時(shí)，也可以減少所用濾波器的數(shù)量以減少計(jì)算時(shí)間。[2640]使用由本發(fā)明結(jié)合現(xiàn)有技術(shù)基于點(diǎn)的方法提供的信息所產(chǎn)生的 固定長(zhǎng)度密鑰這種組合可獲得若干優(yōu)點(diǎn)。首先，本發(fā)明用于收窄數(shù)據(jù)庫(kù)搜 索的方法將允許基于點(diǎn)的靜脈方法在所得的符合條件的候選者上進(jìn)行更快 的匹配，第二，組合使用兩種方法為匹配過(guò)程提供了額外的生物測(cè)定細(xì)節(jié)。 本發(fā)明的固定長(zhǎng)度密鑰將基于一般的紋理和流動(dòng)信息迅速進(jìn)行匹配/區(qū)分， 而現(xiàn)有技術(shù)基于點(diǎn)的系統(tǒng)將貢獻(xiàn)與圖像之內(nèi)的特定關(guān)鍵點(diǎn)相關(guān)的數(shù)據(jù)。結(jié) 果是比單獨(dú)使用任一種方法提高了精度，而本發(fā)明的固定長(zhǎng)度密鑰匹配提 供了速度優(yōu)點(diǎn)。工業(yè)實(shí)用性[2650]可以將本發(fā)明用于從皮下靜脈紅外圖像提取和匹配生物測(cè)定細(xì) 節(jié)。可以將圖像用于生物測(cè)定識(shí)別的目的。[5000]盡管已經(jīng)針對(duì)優(yōu)選實(shí)施例及其優(yōu)選用途描述和說(shuō)明了本發(fā)明，但 其并非受到這樣的限制，因?yàn)榭梢栽谄渲凶龀鎏幱诒景l(fā)明完整期望范圍之內(nèi)的修改和變化。
權(quán)利要求
1、一種通過(guò)從人的皮下靜脈紅外圖像提取和匹配生物測(cè)定細(xì)節(jié)來(lái)識(shí)別該人的方法，所述方法包括如下步驟(a)利用第一多個(gè)濾波器過(guò)濾所述靜脈圖像，以產(chǎn)生相似第一多個(gè)過(guò)濾圖像；(b)將每個(gè)過(guò)濾圖像細(xì)分成第二多個(gè)區(qū)域；每個(gè)所述區(qū)域中具有至少一個(gè)像素，每個(gè)所述像素具有亮度；(c)針對(duì)每個(gè)所述區(qū)域，在其中形成所述像素亮度的統(tǒng)計(jì)度量；(d)對(duì)所述區(qū)域的所述統(tǒng)計(jì)度量排序以定義登記密鑰；(e)將所述登記密鑰與所存驗(yàn)證密鑰進(jìn)行比較，以通過(guò)計(jì)算所述登記密鑰和所述所存驗(yàn)證密鑰之間的距離并將計(jì)算得出的距離與閾值距離進(jìn)行比較來(lái)識(shí)別所述人。
2、 根據(jù)權(quán)利要求1所述的方法，所述方法還包括在利用所述第一多個(gè) 濾波器過(guò)濾所述靜脈圖像之前預(yù)處理所述圖像以消除偽影。
3、 根據(jù)權(quán)利要求2所述的方法，所述方法還包括識(shí)別所述靜脈圖像的 研究區(qū)的步驟。
4、 根據(jù)權(quán)利要求1所述的方法，所述方法還包括識(shí)別所述靜脈圖像的 研究區(qū)的步驟。
5、 根據(jù)前述權(quán)利要求的任一項(xiàng)所述的方法，其中，至少一個(gè)所述統(tǒng)計(jì) 度量為統(tǒng)計(jì)方差。
6、 根據(jù)前述權(quán)利要求的任一項(xiàng)所述的方法，其中，至少一個(gè)所述統(tǒng)計(jì) 度量是從包括統(tǒng)計(jì)方差、標(biāo)準(zhǔn)偏差、平均值和絕對(duì)平均偏差的組中選擇的。
7、 根據(jù)前述權(quán)利要求的任一項(xiàng)所述的方法，其中，所述統(tǒng)計(jì)度量包括第一度量和第二度量的組合，所述第一度量和所述第二度量都是從包括統(tǒng) 計(jì)方差、標(biāo)準(zhǔn)偏差、平均值、絕對(duì)平均偏差、最大值、最小值、最大絕對(duì) 值和中值的組中選擇的。
8、 根據(jù)前述權(quán)利要求的任一項(xiàng)所述的方法，其中，所述多個(gè)濾波器是 具有不同取向角的偶對(duì)稱Gabor濾波器。
9、 根據(jù)前述權(quán)利要求的任一項(xiàng)所述的方法，其中，所述多個(gè)濾波器是 具有不同空間頻率的偶對(duì)稱Gabor濾波器。
10、 根據(jù)前述權(quán)利要求的任一項(xiàng)所述的方法，其中，所述多個(gè)濾波器是從包括下述各項(xiàng)的組中選擇的(a) 具有不同取向角的偶對(duì)稱Gabor濾波器；(b) 具有不同空間頻率的偶對(duì)稱Gabor濾波器； (c) 復(fù)合Gabor濾波器；(d) LogGabor濾波器；(e) 定向高斯濾波器；以及(f) 改造小波。
11、 根據(jù)前述權(quán)利要求的任一項(xiàng)所述的方法，其中，所述距離為歐幾 里德距離。
12、 根據(jù)前述權(quán)利要求的任一項(xiàng)所述的方法，其中，所述距離是從包括如下各項(xiàng)的組中選擇的(a) 歐幾里德距離；(b) 漢明距離；(C) 歐幾里德平方距離；(d) 曼哈頓距離；(e) 皮爾森相關(guān)距離；(f) 皮爾森平方相關(guān)距離；(g) Chebychev距離；以及(h) Spearman秩相關(guān)距離。
13、 一種通過(guò)從人的皮下靜脈紅外圖像提取和匹配生物測(cè)定細(xì)節(jié)來(lái)識(shí) 別該人的方法，所述方法包括如下步驟(a) 利用第一多個(gè)濾波器過(guò)濾所述靜脈圖像，以產(chǎn)生相似第一多個(gè)過(guò) 濾圖像，所述濾波器是具有不同取向角的偶對(duì)稱Gabor濾波器；(b) 將每個(gè)過(guò)濾圖像細(xì)分成第二多個(gè)區(qū)域；每個(gè)所述區(qū)域中具有至少 一個(gè)像素，每個(gè)所述像素具有亮度；(c) 針對(duì)每個(gè)所述區(qū)域，在其中形成所述像素亮度的統(tǒng)計(jì)度量，所述 統(tǒng)計(jì)度量為統(tǒng)計(jì)方差；(d) 對(duì)所述區(qū)域的所述統(tǒng)計(jì)度量排序以定義登記密鑰；(e) 將所述登記密鑰與所存驗(yàn)證密鑰進(jìn)行比較，以通過(guò)計(jì)算所述登記 密鑰和所述所存驗(yàn)證密鑰之間的歐幾里德距離并將計(jì)算得出的距離與閾值 距離進(jìn)行比較來(lái)識(shí)別所述人。
14、 一種用于識(shí)別人的設(shè)備，所述設(shè)備包括(a) 用于獲取該人的皮下靜脈紅外圖像的模塊；(b) 第一多個(gè)濾波器，將所述第一多個(gè)濾波器應(yīng)用于所述靜脈圖像以 產(chǎn)生相似第一多個(gè)過(guò)濾圖像；(c) 用于將每個(gè)過(guò)濾圖像細(xì)分成第二多個(gè)區(qū)域的模塊；每個(gè)所述區(qū)域 中具有至少一個(gè)像素，每個(gè)所述像素具有亮度；(d) 用于針對(duì)每個(gè)區(qū)域在其中形成所述像素亮度的統(tǒng)計(jì)度量的模塊；(e) 用于識(shí)別所述人的模塊，所述模塊通過(guò)計(jì)算第一排序和所存第二 排序之間的距離并將計(jì)算得出的距離與閾值距離進(jìn)行比較來(lái)比較每個(gè)區(qū)域 的所述統(tǒng)計(jì)度量的所述第一排序和統(tǒng)計(jì)度量的所述所存第二排序，從而識(shí) 別所述人。
15、 根據(jù)權(quán)利要求14所述的設(shè)備，所述設(shè)備還包括在所述第一多個(gè)濾 波器之前用于預(yù)處理所述圖像以消除偽影的模塊。
16、 根據(jù)權(quán)利要求15所述的設(shè)備，所述設(shè)備還包括用于識(shí)別所述靜脈 圖像的研究區(qū)的模塊。
17、 根據(jù)權(quán)利要求14所述的設(shè)備，所述設(shè)備還包括用于識(shí)別所述靜脈 圖像的研究區(qū)的模塊。
18、 根據(jù)權(quán)利要求14到17的任一項(xiàng)所述的設(shè)備，其中，至少一個(gè)所 述統(tǒng)計(jì)度量為統(tǒng)計(jì)方差。
19、 根據(jù)權(quán)利要求14到18的任一項(xiàng)所述的設(shè)備，其中，至少一個(gè)所 述統(tǒng)計(jì)度量是從包括統(tǒng)計(jì)方差、標(biāo)準(zhǔn)偏差、平均值和絕對(duì)平均偏差的組中 選擇的。
20、 根據(jù)權(quán)利要求14到19的任一項(xiàng)所述的設(shè)備，其中，所述統(tǒng)計(jì)度 量包括第一度量和第二度量的組合，所述第一度量和所述第二度量都是從 包括統(tǒng)計(jì)方差、標(biāo)準(zhǔn)偏差、平均值、絕對(duì)平均偏差、最大值、最小值、最 大絕對(duì)值和中值的組中選擇的。
21、 根據(jù)權(quán)利要求14到20的任一項(xiàng)所述的設(shè)備，其中，所述多個(gè)濾 波器是具有不同取向角的偶對(duì)稱Gabor濾波器。
22、 根據(jù)權(quán)利要求14到21的任一項(xiàng)所述的設(shè)備，其中，所述多個(gè)濾 波器是具有不同空間頻率的偶對(duì)稱Gabor濾波器。
23、 根據(jù)權(quán)利要求14到22的任一項(xiàng)所述的設(shè)備，其中，所述多個(gè)濾 波器是從包括下述各項(xiàng)的組中選擇的(a) 具有不同取向角的偶對(duì)稱Gabor濾波器；(b) 具有不同空間頻率的偶對(duì)稱Gabor濾波器；(c) 復(fù)合Gabor濾波器；(d) LogGabor濾波器；(e) 定向高斯濾波器；以及(f) 改造小波。
24、 根據(jù)權(quán)利要求14到23的任一項(xiàng)所述的設(shè)備，其中，所述距離為 歐幾里德距離。
25、 根據(jù)權(quán)利要求14到24的任一項(xiàng)所述的設(shè)備，其中，所述距離是 從包括如下各項(xiàng)的組中選擇的(a)歐幾里德距離；(b)漢明距離；(c)歐幾里德平方距離；(d)曼哈頓距離；(e)皮爾森相關(guān)距離；(f)皮爾森平方相關(guān)距離；(g)Chebychev距離；以及(h)Spearman秩相關(guān)距離。
26、 一種基本如上文參考附圖所述或如附圖所示的識(shí)別人的方法。
27、 一種基本如上文參考附圖所述或如附圖所示的識(shí)別人的設(shè)備。
全文摘要
一種通過(guò)從皮下靜脈紅外圖像提取和匹配生物測(cè)定細(xì)節(jié)來(lái)進(jìn)行識(shí)別的方法和設(shè)備。識(shí)別出圖像的研究區(qū)并且消除偽影。濾波器庫(kù)，例如對(duì)稱Gabor濾波器、復(fù)合Gabor濾波器、Log Gabor濾波器、定向高斯函數(shù)或小波，將圖像過(guò)濾成一組密鑰值圖像，該密鑰值圖像被細(xì)分成區(qū)域。利用距離度量將由排序后的區(qū)域內(nèi)像素亮度的統(tǒng)計(jì)度量所定義的登記密鑰與所存驗(yàn)證密鑰進(jìn)行比較?？梢允褂酶鞣N統(tǒng)計(jì)度量，例如方差、標(biāo)準(zhǔn)偏差、平均值、絕對(duì)平均偏差、最大值、最小值、最大絕對(duì)值、中值或這些統(tǒng)計(jì)度量的組合?？梢允褂酶鞣N距離度量，例如歐幾里德、漢明、歐幾里德平方、曼哈頓、皮爾森相關(guān)、皮爾森平方相關(guān)、Chebychev或Spearman秩相關(guān)。
文檔編號(hào)G06K9/00GK101595493SQ200680056859
公開(kāi)日2009年12月2日 申請(qǐng)日期2006年11月3日 優(yōu)先權(quán)日2006年11月3日
發(fā)明者P·M·梅內(nèi)恩 申請(qǐng)人:雪花科技公司