[发明专利]基于手指静脉纹与手指背纹的成像设备及多模态身份认证方法

权利要求书

1.基于手指静脉纹与手指背纹的身份认证设备，其特征在于包括：

一个采集支架，其上设置手指放置凹型区；

一个可见光成像装置，安装于采集支架上手指放置区的一侧，用于获取手指的指背图像；

一个近红外成像装置，安装于采集支架上与所述可见光成像装置相对的手指放置区的另一侧，用于在近红外光源照射下获取手指的静脉图像；

一个近红外光源，波长为700～900nm，安装于采集支架上，用于从手指侧面向手指照射近红外光；以及

一台计算机，通过数据传输接口与所述两个成像装置连接，用于从所述两个成像装置输出的指静脉图像及指背图像中抽取特征矢量，完成多模态身份认证。

2.如权利要求1所述的身份认证设备，其特征在于：所述近红外成像装置采用红外数码摄像机、或采用装有带通红外滤镜的通用数码摄像机。

3.如权利要求1所述的身份认证设备，其特征在于：所述近红外光源采用波长为700～900nm的单排条形红外发射管阵列，它相对于手指侧装以反射方式在近红外成像装置成像。

4.权利要求1-3任一项所述身份认证设备的多模态身份认证方法，包括：采集人体的生物特征并转换成特征矢量后存储于样本数据库的注册过程，和采集待认证者的生物特征并转换成特征矢量后与样本数据库的特征矢量比较、判定待认证者身份的认证过程，其特征在于，所采用的生物特征包括同一手指的指背纹和静脉纹，并且，在注册和认证过程中，通过以下步骤采集人体的生物特征转换成特征矢量：

计算机通过两个成像装置同步获取同一手指的指背图像和指静脉图像；

从指背图像中提取指背纹理图像块；

以指背纹理图像块的中心位置为参考，根据两个成像装置及手指的相对 位置关系，在指静脉图像上自动提取指静脉纹图像块；

对各个图像块进行图像降噪处理和信息增强处理；

将处理后的指静脉纹图像块和指背纹理图像块融合；

对融合后的合成图进行特征抽取并计算出相应的特征矢量。

5.如权利要求4所述的多模态身份认证方法，其特征在于：所述指静脉纹图像块与指背纹图像块是针对同一手指的同一中心位置或同一段的成像。

6.如权利要求4所述的多模态身份认证方法，其特征在于：指静脉纹图像块和指背纹图像块的融合采用像素级的融合或特征级的融合。

7.如权利要求4所述的多模态身份认证方法，其特征在于采用显著能量分布编码方式对融合后的合成图进行特征抽取，具体方法包括以下步骤：

①进行不同尺度、不同方向上的Gabor滤波，得到结果 

其中，I表示融合后的图像，g_k，m表示Gabor滤波器， 代表卷积，k，m分别是尺度指数和方向指数；

②将上一步滤波后结果进行分块处理，得到的子块为B(r，c)，r和c分别为所得子块的行索引和列索引值，计算每个子块所占的能量比例：

其中，x和y分别为所计算像素的横纵坐标；

③将步骤②的结果转化为如下的向量形式：

EP_k，m＝[EP_k，m(1：R，1)，...EP_k，m(1：R，c)...EP_k，m(1：R，C)]

其中R和C分别为步骤②中所得子块的总行数和总列数；

④构建在不同尺度上的Gabor能量分布向量：

⑤构造全部尺度上的Gabor能量分布向量： 

f_GED＝EP＝[EP₀，...EP_k，...EP_K-1]

⑥进行阈值化处理，得到显著能量分布码：

其中，T是设定的阈值，这样就可以得到不同尺度上的显著能量分布码f_SEDC^(k)，并以此作为后续相似性测度度量所需要的特征矢量。

8.如权利要求7所述的多模态身份认证方法，其特征在于：在认证过程中，将计算得到的待认证者的特征矢量与已注册的特征矢量库中的样本逐一进行相似性测度计算，如果相似性测度的距离小于预设的阈值，则身份认证成功，否则认证失败。