[发明专利]一种基于几何特性和方向特征的三维掌纹识别方法

说明书

本发明公开了一种基于几何特性和方向特征的三维掌纹识别方法，包括如下步骤：S1：预处理所有的三维掌纹点云，组建掌纹曲面的三维掌纹点云；S2：对三维掌纹点云提取形状指数类型特征、曲面类型特征和自适应的修正竞争编码特征；S3：对三种特征进行特征处理，获取对应的特征向量；S4：通过三种特征向量组建三种字典；S5：重复S1‑S3，提取测试三维掌纹点云的三种特征向量；S6：将测试三维掌纹点云的三种特征向量和对应的字典进行分类处理，获取测试三维掌纹点云和每一类三维掌纹点云之间的三种误差；S7：将三种误差进行加权融合，结果的最小值对应的类为测试三维掌纹点云所属的类。本发明有效提高了算法的精度和鲁棒性，在识别方面缩短了比对时间。

技术领域

本发明涉及生物特征识别技术领域，尤其涉及一种基于几何特性和方向特征的三维掌纹识别方法。

背景技术

近年来，随着社会科技的发展，在出入控制、机场和车站安检、银行和刑侦等应用场景中，基于生物特征的身份进行识别，由于它的用户友好性以及可靠性越来越受到人们的关注。作为生物特征中典型的一员，掌具有许多可用于身份识别的特征。掌纹是指一个人的手的“内面”表皮层，它拥有独特的线特征(主线，皱线)，纹理特征以及丰富的脊纹和细节特征点，并且这些特征被认为是对每一个个体不变且唯一的。因此，基于掌纹特征的身份识别相对于其他生物特征能够达到更为令人满意的成功率。与此同时，掌纹识别相对于人脸识别不受表情变化的影响，非接触式掌纹识别相对于指纹识别对用户更加友好，所以，研究掌纹识别是一项既有极大的社会应用价值又在理论上有巨大挖掘潜力的工作。

在此前的3D掌纹识别中，使用的都是根据高斯曲率和均值曲率的符号来对3D掌纹中的点进行分类的方法，这种三维特征称为曲面类型。这种方法是一种基于阈值的分类方法，由于掌纹是非刚性物体，在测量过程中很容易产生微小形变以及存在两张掌纹点云的配准不完全准确的情况，导致阈值附近的点必然存在着错误分类的可能性。此外，3D掌纹ROI图像中蕴含了丰富的方向信息，方向特征具有高分辨力并在掌纹识别中取得了令人满意的效果。传统的竞争编码用Gabor滤波器来获取图像上每个点的方向信息，这在纹理比较明显的区域是适用的，但在纹理不明显的区域，竞争编码的抗干扰能力将变得很差，主要表现在手掌的微小形变及噪声会对Gabor滤波器在曲率平坦区域的方向判断造成干扰，导致误判。

发明内容

发明目的：针对在现有三维掌纹识别中，由于阈值分类而产生的错误分配，所带来的识别率上的影响的问题，本发明提出一种基于几何特性和方向特征的三维掌纹识别方法。

技术方案：为实现本发明的目的，本发明所采用的技术方案是：

一种基于几何特性和方向特征的三维掌纹识别方法，所述三维掌纹识别方法具体包括如下步骤：

S1：对数据集中的所有三维掌纹点云进行ROI切割处理、平滑处理和姿态归一化处理后，将所有所述三维掌纹点云调整至同一个坐标系中，组建成掌纹曲面的三维掌纹点云；

S2：对所述掌纹曲面的三维掌纹点云提取形状指数类型特征、曲面类型特征和自适应的修正竞争编码特征；

S3：对所述形状指数类型特征、曲面类型特征和自适应的修正竞争编码特征分别进行基于分块直方图统计的特征处理，获取形状指数类型特征对应的特征向量、曲面类型特征对应的特征向量和自适应的修正竞争编码特征对应的特征向量；

S4：将所述形状指数类型特征对应的特征向量按列排布，组建形状指数类型特征字典，将所述曲面类型特征对应的特征向量按列排布，组建曲面类型特征字典，将所述修正竞争编码特征对应的特征向量按列排布，组建修正竞争编码特征字典；

S5：重复步骤S1-步骤S3，对测试的三维掌纹点云提取形状指数类型特征对应的特征向量、曲面类型特征对应的特征向量和自适应的修正竞争编码特征对应的特征向量；