手静脉身份识别技术Word文档下载推荐.docx

手静脉身份识别技术Word文档下载推荐.docx

《手静脉身份识别技术Word文档下载推荐.docx》由会员分享，可在线阅读，更多相关《手静脉身份识别技术Word文档下载推荐.docx（9页珍藏版）》请在冰豆网上搜索。

1990年J．Rice担心此发明被BTG拖延了时间而埋没，决心自己投入技术开发，此时BTG已安排英国前国家物理实验室科学家DavidClaydon开始了有关静脉结构的多样性和惟一性测试，J．Rice和David讨论后采用了StatisticalProcessControl（SPC）的方法进行生物身份识别。

1991至1993年P．MacGregor，R．Welford，P.L．Hawkes和D．O．Clayden等人发表了3篇关于Veincheck的原理介绍性文章和技术报告，明确指出Veincheck是一种以手背静脉作为身份比对特征的生物识别系统。

J．Rice于1994年发表名为“AQualityApproachToBiometrieImaging”的文章简要的介绍了Vein-check的开发历程和相关算法。

受当时技术条件的限制，J．Rice采集的图像质量很差，但测试效果仍然令人鼓舞，如图1所示。

1993至1995年间，澳大利亚的A．J．MeIinert，J．M．CrossandC．L．Smith开展了基于热成像的手背血管特征识别的研究。

1998年BTG上市公司高级经理EugeneSweeney撰文介绍了veincheck手静脉识别技术的优点：

社会可接受，特征不易复制，比指纹受破坏的可能性更小，不易入侵，无明显的建康威胁，特征唯一性，低成本，精确快速，比签名和声纹等行为生物测量特征变化小。

2000年，Veincheck的开发原型机在英国信息安全部门CESG／BWG的通用办公环境测试中表现平庸，此后没有发现有关Veincheck产品商用的报告。

J.Rice研究宣传Veincheck技术的网站最后一次更新停留在了2000年。

2007年这位手静脉识别技术的先锋撰文对此项技术的应用进展缓慢表示焦虑，建议开发可穿戴式静脉采集设备。

1992年，日本北海道大学生物工程系的K．Shimizu发表文章认为可以利用人体手血管红外成像作为身份识别依据，此文章被认为是日本和韩国进行手静脉识别技术研究的源头。

1997年，韩国的BKSystem公司发布了亚洲第一个商用手背静脉识别产品BK-100，1998年H．S．Choi和BKSystem取得了美国专利，BKS-ystem又开发了BK200和BK-300两个改进产品，由于种种原因，1998年底，BKSystem的产品就停产了。

2000年，BKSystem的一些成员组建了Techsphere公司，继续研发静脉识别产品，最终推出了VP-Ⅱ，如图2所示。

这期间他们发表了一些论文，在图像采集和滤波算法上都进行了改进，使用了组合常态滤波和增强滤波、基于静脉走向的方向滤波算法，报道称该研究采用10000人进行了测试，FAR可提高到0．00001，识别速度为0．1s。

VP-II在BKSystem产品的基础上重新设计，使用了当时最新的数字图像处理技术，采用红外光源补偿，改进了静脉特征的抽取算法，通过温度传感器检测防止欺骗，大大改进了可靠性并提高了性价比，同时声称适用于99．98％的人群。

VP-n被成功应用于机场，银行和医院等单位。

此时，为了绕开手背静脉识别的专利，在日本兴起了基于手掌静脉和手指静脉识别技术的研究和开发，M．Kono和N．Miura等人先后发表了关于手指静脉识别的文章。

日立公司推出了系列手指静脉识别产品，如图3所示。

富士通公司则推出了手掌静脉识别产品。

此后静脉识别技术的发展就进入了研究和产业化交织的状态。

而且由于企业早期的介入和过多的专利保护，一度大大降低了此项研究的活性。

2006年国际生物识别组（InternationalBiometricGroup：

IBG）对比测试报告公布了日立公司HitachiTS-E3F1和富士通公司FujitsuP-almSecure的测试结果，如表1所示。

测试结果表明目前静脉识别技术和虹膜识别技术的性能指标相当。

日立TS-E3F1传感器如图4所示，富士通PalmSecure传感器示意如图5所示。

中国对静脉识别技术的研究起步较晚。

2003年清华大学学报报道了清华大学精密测试技术及仪器国家重点实验室利用自行设计的近红外血管图像采集仪提取血管的原始图像并进行了特征识别，文献中描述：

对采集到的图像样本，由于存在光照不均是图像灰度分布不均的情况，所以要对图像灰度做归一化处理，使其均值方差在规定范围内，这样在进一步处理和匹配时可以降低难度，在图像增强与二值化部分，采用分区动态二值化方法实现，再对二值图像滤波去噪，然后细化，最后提取细化图像特征，以端点、交叉点为基础进行特征比对。

文献给出了65个小范围样本的匹配实验结果，在拒真率为4．6％条件下，误识率为0。

中国台湾某大学的范国清和林志隆等人采用中红外热成像技术研究了手掌和手背静脉的识别方法，他们使用了InframetricsCorp的红外摄像机，采用的红外波长为3．4～5μm，探测器为PtSi256×

256elementFPA，达到FRR和FAR同为2．3％。

2004年后，其他一些大学纷纷开始了静脉识别技术的研究，如哈尔滨工程大学的王科俊，丁宇航等人较为系统的研究了手静脉识别的采集和识别算法，其他高校如吉林大学李铁钢、韩笑等等也分别在静脉图像的采集、红外图象增强和特征识别等方向做了大量研究工作，由于中国在民用红外光学成像产业化的基础相对落后，在静脉采集设备的制造工艺上水准较低，研究成果转化为产品应用的很少。

2基本原理

手静脉识别的原理是通过红外成像获取人手局部的血管图像，ROI（RegionofInteresting）的选取，图像增强等步骤获得优化的图像，再通过模式分割和细化提取静脉模式进行匹配，从而得到辨识结果。

系统模型如图6所示。

图像获取是建立在红外成像的基础上的，对物质光谱响应的研究开展的很早，很多医学和生物学实验室都测定了血红蛋白等物质的光谱响应曲线，图7中给出了氧合血红蛋白HbO2，脱氧血红蛋白Hb和水的光谱吸收曲线，研究发现人体组织对红外波段的光线吸收较弱，即红外光具有较强的穿透能力，在波长为805nm处，HbO2和Hb的响应曲线交叉，水的吸收因子也很低，因人体血管内HbO2和Hb的浓度是变化的，为保证红外成像的稳定性，805nm是理想的成像光波段。

2．1静脉图像采集装置的研究

国内外对静脉采集装置的研究，静脉图像的采集装置按有无主动光源分为两类，无主动光源的采集设备主要是热像仪，价格昂贵，目前使用的很少。

有主动光源的采集设备主要有3种结构，如图8所示。

手背和手掌静脉采集采用反射式，手指静脉采集一般采用透射式。

在静脉识别的发展史上，图像采集设备在不断地演进中，图像质量越来越好，体积越来越小，价格越来越便宜。

1995年澳洲EdithCowan大学的J．M．Cross和C．L．Smith在论文中首次提到使用红外LED作为补偿光源对手背静脉进行拍照，此前BTG的veincheck使用钨丝灯作为光源，如图9所示。

英国的DavidOswaldClayden1998年在他的一个美国专利中，介绍了静脉采集的方法，手握住一固定拉手上来固定手背的位置，在其上方有一对固定的带通滤光片和一个摄像机，通过四个红外光源照射的光线，提取手背静脉图像，通过相关算法，可以简易地实现认证。

这也是韩国的VP-II使用的采集方法。

南洋理工大学计算机工程学院的LingyuWang和GrahamLeedham在论文中提到，静脉隐藏在皮肤下面，通常我们肉眼以及其他的可见光检测系统是不可见的。

人体的浅表静脉的温度比周围组织的温度要高，因此，通过一个热摄像机获取手背静脉的图像。

在这项工作中，使用了一个NEC热跟踪仪来获取手背图像。

索尼公司2009年2月2日宣布了一项命名为“mofiria”的超薄型的手指静脉识别技术的开发成果，它采用了独特的方法：

一个CMOS感应器斜向捕捉手指静脉内部透过的散射光，从而形成一个平面图案；

可以实现微型和更为灵活的设计以将此项技术植入移动设备中，如图10所示。

考虑到杂光干扰的影响，此技术能否实际应用还不得而知。

国内研究机构在静脉图像采集装置上的研究投入较少，多为局部的改进，如2008年北京大学的YanggangDai等使用了非均匀红外光源补偿，使手指的红外图像亮度均匀，使得图像灰度标准差降低48．4％，静脉长度和分叉个数两种特征值分别增加了44．1％和31．4％。

2．2算法研究

静脉识别算法的研究主要集中在红外图像的预处理，特征抽取和模式匹配这三个环节。

红外图像的预处理主要研究图像滤波，图像增强和二值化等方面。

有关算法仍然在不断完善和改进，中值滤波，形态学滤波，直方图均衡化等方法都被广泛使用。

特征抽取和匹配算法紧密结合，目前基于血管骨架的拓扑结构和特征点的匹配方法比较流行，基于图像Hu不变矩判定、二维随机信号相关函数计算、灰度统计等比对方法都有尝试。

由于国内外对于图像识别的研究近年一直是热点，红外图像的预处理，特征抽取和模式匹配这三个环节都有大量算法借鉴，国内一些研究机构开展了应用研究，限于篇幅，这部分内容不再一一介绍。

根据近年的研究结果，单一的特征很难保证识别的效果，因此多种特征识别方法的融合成为了研究的重点。

生物识别技术仍然在不断的发展中，指纹识别、掌纹识别、虹膜识别、人脸识别和静脉识别等等不断涌现的新算法相互借鉴，促进了各自技术研究的深入。

包括基于图像的植物和动物自动识别技术都与传统的生物身份识别技术发生了技术交流现象，如植物叶脉识别和昆虫自动识别的算法和指纹、掌纹、虹膜及静脉识别技术的算法就发生了相互渗透，如文献等。

3常用参数和术语

3．1验证（Verification）和识别（Identification）

验证是1：

1的匹配过程，用户需要提供自己的ID，系统将预先存储在数据库中此ID的特征调出与用户本次被采集的特征进行匹配。

目前市场上的生物识别产品绝大多数是验证型的，如图11所示。

识别是1：

N的匹配过程，系统将本次采集到的特征与数据库中所有特征匹配，挑选出得分最高者或因得分低于阀值而认定特征不在数据集合中，如图12所示。

3．2不匹配率（FNMR）和错误匹配率（FMR）

不匹配率（FalseNon-MatchRate，FNMR）定义为：

3．3拒真率FRR和认假率FAR

在某些文献中将FNMR与FRR，FAR与FMR等同了，严格意义上是有区别的。

拒真率和认假率用于评价整个系统的判决错误情况，包含了因系统的判决策略而导致的匹配不成功和特征获取不成功的组合。

对基于单次尝试的验证系统，很明显有以下公式：

式中：

FTA（failuretoacquirerate）为特征获取不成功率。

3．4等错误率EER（EqualErrorRate）

将判别的门限逐渐提高时，FAR由最高逐渐降低降低直到接近零，但同时FRR会由接近零开始逐渐增加，如图13所示，当判别门限值达到最大（例如相似度要100％才能通过辨识），FRR的值也处于最大值，FAR及FRR的交汇点被称为EER（EqualErrorRate）也就是2种辨识率相同的点，该点是FRR及FAR和的最小值，将判别门限设定于ERR时会有最均衡的效能，一般会用ERR的数值大小来做为辨识系统性能高低的指标，ERR的值越低表示辨识系统的性能越好。

某些地方使用了识别率GAR（GenuineAcceptRate）的概念，表示真实的身份被识别的比率，也称为TAR（TureAcceptRate），通常GAR=1-FRR。

4目前存在的问题

基于红外图像的静脉识别技术有着自身的缺陷。

由于自然界中某些物质对红外线有较强的吸收率，如碳素墨水，这使得伪造一份静脉图像并不难。

2008年美国FBI的一份报告中公布了一些针对手静脉识别技术的攻击方法，通过拍摄人手的红外照片可以绘出人手的血管图，将绘制的血管图贴在热水瓶上进行注册，然后再将绘制的血管图贴人手上验证通过。

实际上对大多数的手静脉识别仪用任何一幅图片都可以注册和验证通过，并没有验证其他的生命体征，这使得作弊变得相当容易，比如某单位的考勤系统使用了静脉识别系统，员工甲可能通过红外拍摄方法绘出自己的手部血管图，交给员工乙验证代为签到。

在实验室和现场测试中还发现下面问题：

（1）温差变化剧烈可能影响识别率，正常注册成功的用户将手放入冷水中十几秒钟后立即取出进行验证发现通过率明显降低；

（2）长时间生理特征变化可能影响识别率，如某个人在经过了数月的锻炼后，血管会增粗，这都会影响到识别率；

（3）红外吸收材料的干扰可能影响识别率，由于静脉采集设备依赖于红外成像，对红外线吸收明显的附着物可能影响识别效果，有学者还特别研究了体毛对识别的影响；

（4）杂光干扰可能影响识别率，尤其是日光强烈的地方，红外图像采集的质量下降，导致识别率下降；

（5）手在晃动时，可能采集到变化的图像，对于手指静脉识别产品，手指快速抖动的方法就可能突破他人的身份认证；

（6）不同制造商采集的用户特征值不能通用，由于缺少行业标准，目前任何两家的静脉识别产品都不能通用。

5结语

未来静脉识别技术研究的方向有3个：

（1）针对前面提出的问题，需要研究新型的静脉识别传感器，研究更为理想的图像采集装置和图像处理及识别算法，增强静脉识别系统的识别率和易用性；

（2）针对入侵攻击，研究积极防御的识别算法；

（3）促进国际标准的制定，为静脉图像制定统一的技术标准，允许静脉信息在不同类型设备间传递。

ISO／IEC／JTC1“信息技术”联合技术委员会于2002年成立了“生物统计学”分技术委员会（SC37），其任务是研究制定身份证、护照等文件中用于身份识别的生物统计学标准。

我们看到血管图像已经被WG3列为标准数据格式之一。

采纳ISO／IEC19794-9：

2007，由信息产业部电子工业标准化研究所制订的国标《信息技术生物特征识别数据交换格式第九部分：

血管图像数据》也将于2010年完成。

作为一种生物识别技术，和其他同类技术相同，静脉识别不可能完全解决身份识别的问题，必须走向多种生物信息的融合，不断提高整体性能，从而实现全人类统一的身份证。

目前欧洲已经在规划统一身份证相应的技术纲要，初步可能实现包含指纹、声纹、静脉、虹膜和照片等信息的电子身份证，未来生物身份识别的前景非常光明。