">

必赢官网

静脉识别技术的诞生与发展

引言

静脉识别作为一种迅速发展的生物身份识别技术,有着显著的优点:用户容易接受,排斥性低。静脉识别特征不易复制,比指纹受破坏的可能性更小。不易入侵,无明显的健康威胁,特征惟一性,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。因此静脉识别具有广阔的应用前景。

发展历史及研究现状

1983年,柯达企业在诺丁汉的雇员Joseph Rice在研究红外条形码技术时产生了利用人手背血管红外成像作为身份识别的想法,发明了手静脉特征识别技术,取名为Veincheck。然而柯达企业的主管认为此技术缺乏市场潜力并未采用。

1987牟10月31日J.Rice获得此项技术的第一个专利(Patent #4699149,Apl3aratus for the identification of Individuals)。J.Rice将其发明授权给BTG(British Technology Group)负责专利的开发和管理,希翼能在安防工业有所建树,但当时并未引起BTG足够的重视,开发进度缓慢。

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David Claydon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Statistical Process Control(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的原理先容性文章和技术报告,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。

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,此文章被认为是亚洲进行手静脉识别技术研究的源头。

1994年J.Rice发表名为“A Quality Approach To Biometrie Imaging”的文章简要的先容了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。

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

1997年,韩国的BK System企业发布了亚洲第一个商用手背静脉识别产品BK-100。

1998年BTG上市企业高级经理Eugene Sweeney撰文先容了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,无明显的健康威胁,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。

1998年H.S.Choi和BK System取得了美国专利,BK S-ystem又开发了BK200和BK-300两个改进产品,由于种种原因,1998年底,BK System的产品就停产了。

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。

2000年,BK System的一些成员组建了Techsphere企业,继续研发静脉识别产品,最终推出了VP-Ⅱ。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10,000人进行了测试,FAR可提高到0.000,01,识别速度为0.1s。VP-II在BK System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。日立企业推出了系列手指静脉识别产品。富士通企业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(International Biometric Group:IBG)对比测试报告公布了日立企业Hitachi TS-E3F1和富士通企业Fujitsu P-almSecure的测试结果。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。

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Inframetrics Corp的红外摄像机,采用的红外波长为3.4~5μm,探测器为PtSi 256×256 element FPA,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。

2010年后,中国国内静脉识别商用技术也趋于成熟化。

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,通过ROI(Region of Interesting)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。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,氧合血红蛋白HbO2,脱氧血红蛋白Hb和水的光谱吸取曲线,研究发现人体组织对红外波段的光线吸取较弱,即红外光具有较强的穿透能力,在波长为805 nm处,HbO2和Hb的响应曲线交叉,水的吸取因子也很低,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,805 nm是理想的成像光波段。

静脉图像采集装置的研究

国内外对静脉识别采集装置的研究: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。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Edith Cowan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。

英国的David Oswald Clayden 1998年在他的一个美国专利中,先容了静脉采集的方法,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Lingyu Wang和Graham Leedham在论文中提到,静脉隐藏在皮肤下面,通常大家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。

SONY企业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。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开发性研究投入较少,多为局部的改进,如2008年北京大学的Yanggang Dai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%。

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、二维随即信号相关函数计算、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先容。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。


XML 地图 | Sitemap 地图