第6卷第6期 智能系统学报 Vol.6 No.6 2011年12月 CAAI Transactions on Intelligent Systems Dec.2011 doi:10.3969/i.i8gn.1673-4785.2011.06.001 手指静脉身份识别技术最新进展 谭营12，王军12 (1.北京大学机器感知与智能教育部重，点实验室，北京100871；2.北京大学信息科学技术学院，北京100871) 摘要：基于手指静脉的身份识别是一种新兴的生物身份识别技术，由于手指静脉身份识别具有强防伪、低成本、易 获取等优良特性，在许多领域得到广泛应用，成为一种最重要的生物识别技术之一，对手指静脉身份识别技术的现 状和发展进行了总结和评述.首先，回顾了手指静脉身份识别的起源和发展过程，然后，总结了该技术的通用实现流 程，对实现手指静脉的几大关键技术（如样本获取、图像增强、特征提取和匹配方法等）的最新研究成果进行了全面 介绍.进一步，对现有典型方法的性能进行了系统评估.最后，总结了现有手指静脉识别技术的应用现状，展望了其 发展前景，并指明了下一步的研究方向. 关键词：生物特征身份识别：手指静脉：图像增强：特征提取：模式匹配 中图分类号：TP391文献标志码：A文章编号：16734785(2011)060471-12 Recent advances in finger vein based biometric techniques TAN Ying'2,WANG Jun'.2 (1.Key Laboratory of Machine Perception (MOE),Peking University,Beijing 100871,China;2.School of Electronics Engineering and Computer Science,Peking University,Beijing 100871,China) Abstract:Biometrics based on finger vein patterns is a burgeoning biometric technique.It will undoubtedly become one of the most important techniques and receive extensive application in many fields because of its many virtues, such as protection against forgery,low cost,and ease of capture.This paper surveys the present condition and de- velopment of biometrics based on finger veins.First of all,the origin and development of finger vein based biomet- rics were reviewed;then,the general framework of finger vein based biometrics was presented.In particular,sev- eral key techniques for realizing finger vein based biometrics were examined,including sample image acquisition, image enhancement,feature extraction,and pattern matching.Furthermore,the performance of the state-of-the-art algorithms for finger vein based biometrics was systematically evaluated.Finally,the current situation and develop- ment prospects of the application of finger vein based biometrics were summarized and its future research direction was further indicated. Keywords:biometric identification;finger vein;image enhancement;feature extraction;pattern matching 当今社会，随着人们交往范围的扩大和业务沟体相关联的信息14.身份识别包括2个方面：认证 通的频繁，越来越需要自动确定交往对象的身份 (authentication)是指确定对象的身份；授权(authori- 随着人们对于安全的重视，身份识别己经不限于传 zation)是与认证密切相关的一种操作，经过认证的 统的金融、政府、机场等要害部门，也越来越多地出 用户被赋予执行特殊业务的权力[4. 现在智能化楼宇、个人电脑访问、ATM取款、考勤和 在当今的数字化时代，身份识别往往都是通过 门禁等民用领域.这些身份管理的中心任务是判定 计算机来自动进行.当面对一个计算机系统时，如何 个体的身份，它可被视为特定身份管理系统中与个 辨识一个人一般基于3种方式：你知道什么，你有什 么和你是什么[4.第1个层面：“你知道什么”，就是 收稿日期：201109-15. 基金项目：国家自然科学基金资助项目(60875080,61170057). 传统的口令和PIN码方式.这是一种低可靠性的方 通信作者：谭营.E-mail:tan@pku.edu,cm. 式，口令或PN码可能会遗忘或丢失，也可能被窃取
·472 智能系统学报 第6卷 或猜测出.第2个层面“你有什么”，常用的有IC卡 成像也较为清晰，可以采用低分辨率设备进行样本 或电子口令卡的方式，中国古代的虎符也是这种方 采集，得到较小尺寸的样本图片，图像处理方法也相 式，这种身份证明方式的风险也是可能丢失或被盗 对简单.目前，基于手指静脉的身份识别装置己经应 用.生物特征识别第3种方式“你是什么”，就是通 用在ATM机、汽车点火装置、门禁和计算机安全等 过检测对象的本身所特有的属性来确定身份.这种 诸多方面3,172.在这些方面，手指静脉己经开始 方式目前是最为安全可靠的身份识别方式，因为它 逐步取代传统的生物身份识别技术，如指纹、掌纹、 只属于个体所有而且难于被窃取和伪造.自动的生 虹膜等 物识别系统出现也不过是近几十年的事，这是得益 1手指静脉身份识别原理与流程 于计算机处理技术的突飞猛进，但是识别方式的许 多创意却己有数百年甚至上千年的历史.从文明起 1.1原理 源开始，人们就会通过人脸来判别熟人或生人[，5] 手指静脉身份识别的原理是：当使用波长为 基于生物特征的身份识别通常分为基于行为和物理 700~1000m的红外光源照射手指时，红外线会穿 2类.行为方式包括签名识别、声音识别、击键习惯、 透多数人体组织，静脉中的血红素会吸收这些波长 步态分析等；物理方式包括指纹[6、虹膜]、人脸、 的红外线，因此，静脉的光反射就会低于周围的组 掌纹、掌形、DNA、手掌静脉、手指静脉等2] 织，手指静脉图像就可以使用红外敏感的CCD 最新出现的生物身份识别技术是手掌血管模式 (charge--coupedevice)摄像头来获取到912,21，通 (hand vascular pattern),这是通过分辨手部血管的 过比较输人手指静脉的红外图像特征与预先存储的 网络模式来辨别个体身份.其基本原理是不同个体 个体的图像特征，就可以实现对身份进行判别， 的血管模式是不同的，而个体本身却保持稳定，因此 1.2流程 可以用来区分个体.1992年Shimizu最早关注到手 手指静脉身份识别的一般流程如图1所示，按 掌血管模式的潜在应用8).1995年Cross和Smith 照功能划分可大体分为3个模块：注册、匹配和判 使用热成像技术来获取手背的血管模式并将其应用 别3,2 到生物身份识别]， 注册 匹配 2000年Kono等提出仅需检测手指中的静脉就 获取手指 获取手指 能进行个体的身份验证).血管识别技术分成了3 静脉图像 静脉图像 个分支，分别是手掌、掌背血管和手指静脉山 图像 手指静脉模式一经提出就受到了学界3,4和 处理 预处理 商界[15,18]的广泛关注.Yanagawa等对不同性别、不 特征 提取 提取 同年龄段的506个人手指进行统计发现，不仅不同 人处于同一位置的手指静脉特征不同，同一个人在 特征模板 1对多比较 判别 有储 不同位置的手指静脉特征也有明显差异，能够清楚 模板数 相似度 输出 地区分开].与其他血管模式相比，它具备其他血 据库 比较 判别 管模式的所有优点，并且由于手指的灵活性带来获 图1手指静脉身份识别流程 取设备的多样化和小型化.与其他的基于生物特征 Fig.1 Flowchart of finger vein authentication 的身份识别方式相比，手指静脉有如下优 势L,17,20j 1)注册.注册是构建用户信息的过程，通过预 先收集用户的手指静脉特征建立用户特征数据库， 1)具有很强的普遍性和惟一性，绝大多数人的 这一过程中包含了获取手指静脉图像，对图像进行 静脉血管图像随着年龄增长不会发生根本性的变 预处理，提取特征，把特征模板存储到数据库中. 化，而不同人拥有不同的静脉图像 2)匹配.匹配是用户信息验证的过程.在需要 2)由于手指静脉藏匿于身体内部，所以不存在 进行用户身份验证的时候，采集用户的手指静脉图 仿制或失窃的风险，人类手部表面的皮肤条件不会 像用于比对.该过程包括获取手指静脉图像、图像预 对识别工作造成影响 处理和特征提取3部分.这一过程与注册过程相似， 3)采用红外线成像技术，其非侵入性和非接触 但是也有许多不同，除了在处理流程上与注册过程 性，可以确保使用者的便捷性和清洁性。 不同外，也有很多方法在注册和匹配过程中使用了 4)由于手指静脉的形状相对稳定，在CCD上的 不同的特征提取方法
第6期 谭营，等：手指静脉身份识别技术最新进展 ·473· 3)判别.手指静脉的特征判别是对输人的用户 的红外摄像头就可以避开400~700nm的可见光范 手指静脉特征与数据库中的存储特征进行比对，输 围，取得清晰的红外图像. 出判别结果.判别过程又分为认证和识别.所谓认证 2)利用血管对红外线吸收的特性获取静脉图像. 是指判断输入的手指静脉特征是否属于特定用户， 1995年，Cross等[9]在研究中发现，虽然普通 是一对一的匹配过程.而识别是指判定输人的手指 CCD被设计为工作在可见光区域，但对于近红外光 静脉特征是哪个用户，是一对多的匹配： 谱仍然足够敏感，工作光谱能够达到1100nm.人体 向外辐射红外线在光谱3000~14000nm时达到峰 2手指静脉身份识别的关键技术 值10W/cm2[2].CCD的工作频率范围不足以达到 2.1手指静脉图像的获取 捕获人体红外辐射峰值的能力，而且人体辐射红外 获取手指静脉的图像是手指静脉身份识别的基 线也太弱，无法被CCD所捕获.他们使用波长为900 础，通过对手指静脉图像及其处理结果进行个体分 nm的冷红外光源照射手掌，发现静脉中的血红素吸 辨.本节首先介绍获取手指静脉图像的研究， 收多数的红外光而周围组织基本不吸收红外光，静 2.1.1手掌血管图像的获取 脉在图像上比周围组织更暗，因此CCD能够清晰的 手指静脉研究是手掌血管研究的进一步拓展， 获取到静脉的图像.之后，Zhao等4]用类似Coss 最初的手指静脉获取设备也是从手掌血管研究领域 等9]的方法使用低成本的CCD来获取到清晰的手 的沿用.因此，首先介绍手掌血管的获取方法.手掌 掌血管图像.这是因为，尽管普通WEB摄像头CCD 上的血管被皮肤和肌肉覆盖，肉眼很难观察到，使用 的感光峰值处于可见光范围内，在近红外波段己经 普通的图像采集设备也无法获得足够清晰的血管图 大大降低，但是也有较好的响应2]，使用这种方式， 像.很多研究者利用了血管的物理特性，使用各种辅 就能大大降低采集设备的成本。 助手段来获取清晰的血管图像.根据采用的原理不 2.1.2手指静脉图像的获取 同，主要分为2个分支： 手指静脉图像获取方法基本上都是根据Cross 1)利用热成像原理获取静脉图像 等[91的方法的原理，使用波长为700~1000nm的 1993年，Mehnert等23]发现能在红外光谱中通 红外光源照射手指，红外线会穿透多数人体组织，静 过热成像标记血管并别除其他部位的方法获取清 脉中的血红素会吸收这些波长的红外线，手指静脉 晰的血管图像.原理是血管与周围组织的温度差异 会在CCD上成像出来2,2 比裸眼所见的差异要明显得多.但是由于当时设备 2002年Kon0等26]首先用波长为810nm的 的灵敏度不够和成本的原因，这一方法所取得的静 LED近红外光源照射，从CCD中获取到静脉成像 脉图像效果不是很好。 LED阵列照射手指时，由于手指厚度不同，因此光 2004年，Lin和Fam241提出一种使用热成像的 线强弱不均，因此需要手动调节不同位置灯的强度 方法来获取掌背静脉血管图像的方法.原理同样是 (如图2) 基于静脉血管与周围皮肤的温度不同，并且皮肤的 温度形成一定的梯度，通过热辐射定律一Stefan-Bo ltzmann定律25]，使用式(1)来获得静脉的热成像. W=￡·o·T (1) 式中：W是光辐射(W/cm2),e是辐射率，o是Ste fan-Boltzmann常数（约为5.6705×10-2W/cm2), T是目标的表面温度单位， 图2Koo等的方法采集的手指静脉图像[s] 人体的红外辐射依赖于皮肤的辐射度、皮肤温 Fig.2 Finger vein image captured by Kono et al's 度、空气分子组成、空气湿度以及成像设备与皮肤的 method(2] 距离等2].从Planck曲线可以看到，光谱辐射度与 2006年Hashimoto总结了litachi公司的研究成 波长有关[2].从式(1)中可以看出，σ是常数，e对 果，比较了使用不同角度光源对成像的影响（如图 于同类探测目标也是常数，如果采集设备能够避免 3)).从图3中可见，穿透式照射的成像效果最佳， 空气变化的直接影响，介质的影响也可被忽略.因此 但是占用空间比较大，影响了设备的小型化，反射式 皮肤表面温度T直接决定W,也就决定了图像的对 占用空间最小但是成像效果不佳.Hashimoto还给出 比度和质量.使用工作波长为3~5m或8~14m 了一种从两侧照射的设计方式，没有给出效果图，但
474 智能系统学报 第6卷 从原理而言，是以上2种方法的折衷，在减小设备空 间的同时也只付出少量的成像质量作为代价 静脉 ()透射式 近红外光源 图像化感器 (LED) (CCD Camera) 图4 Hashimoto方法采集的手指静脉图像I) Fig.4 Finger vein images captured by Hashimoto's (a)反射式手指静脉采集方式 method (7 万可可 近红外光源 (LED) 静脉 图像传感器 图5Dai等的方法采集的CCD成像的手指静脉图像 (CCD Camera) Fig.5 Finger vein image captured by Dai et als method 2.2手指静脉图像的预处理 (b)透射式手指静脉采集方式 近红外光源 由图像获取装置直接得到的手指静脉图像是不 光线敬布 (LED) 能直接用于后续处理.因为，首先图像可能会有偏移 和变形，其次图像中存在大量的噪声信息，影响到对 有用信息的解读.因此，通过对图像进行必要的预处 理使之能够更符合后续操作的要求具有重要的实用 意义].红外设备获取到的手指静脉图像需要进 图像传感器 行如下的预处理过程，将其转化为适合处理的对象 (CCD Camera) (如图6)3,29 侧视图 前视图 归一化 校准 边界检测 图像增强 (c)侧照式手指静脉采集方式 图3 Hashimto提出的采用不同光照方式进行图像采集例 图6 手指静脉红外图像预处理流程 Fig.3 Hashimoto's proposed methods to obtain finger Fig.6 Pre-processing procedures of infrared finger vein images by different llumination directions vein image 1)归一化图像.归一化是指把图像处理成统一 2008年Dai等川提出使用一种自适应的可控 规格的图像.将图像大小变换到适合处理的统一尺 光源方法来实现手指静脉采集中的光照一致.摄像 寸，既可以提高处理速度，又保证了匹配是在有效的 头根据收到图像中的光线强度分配将调节信息反馈 范围内进行. 到光源控制单元，调整不同位置的光强，使得获取 2)校准.在获取手指静脉的红外图像时，很难 的图像光照均衡.这样有效地提高了手指静脉红外 保证手指的位置完全一致.手指的放置可能会偏离 图像的质量（如图5）： CCD主轴线，存在偏移和倾斜2种影响图像质量的 因素 3)边界检测.设备获取的手指静脉红外图像包 含背景噪声，在特征提取时会影响到有效特征的获 取.为了获取关注的区域(region of interest,ROI)中 的静脉特征图像，需要去除背景，保留手指图像.这 a)反射式 一操作通过检测手指边缘与背景的灰度梯度变化来
第6期 谭营，等：手指静脉身份识别技术最新进展 ·475· 获得 算机来进行处理，实现了设备的小型化，但是由于处 4)图像增强.图像增强技术是预处理工作的另 理方法和处理能力的有限，特征提取效果不佳， 一个重要方面，其主要作用一是去除图像中的噪声， 2005年丁宇航等4]提出了使用动态阈值的方 二是增强关注的特征[031].经过增强的图像消除了 法来提取手掌静脉特征的方法(TIM).其原理是静 噪声影响，使特征更为明显，可以有效地提高特征提 脉在图像上的成像会比背景图像暗，并且静脉占据 取的质量，以利后续的其他方法使用.通过对廉价设 的空间少于背景，因此计算某点邻域的平均值，如果 备采集的图像进行增强处理，提高特征提取质量，在 低于这个均制就认为是静脉特征.该方法用于手掌 保证识别率的情况下，就可以不必采用昂贵的采集 静脉特征提取时极易受到噪声的影响，需要前置的 设备，降低成本.传统的图像增强方法分为频域和空 滤波去噪.该方法提取到的手掌静脉图像，虽然手掌 间域方法两大类别32].频域的图像处理方法是一维 静脉的图像较为清晰，但提取出的静脉特征仍有大 信号处理在二维空间的扩展[7,323] 量的噪声信号.把该方法实现后应用到手指静脉的 这其中最为关键的环节是图像增强处理，通过 特征提取时，发现即使经过平滑滤波，最终结果仍然 提高图像的品质能够有效地提取出更加完整的特 有大量的噪点，而且由于窗口选择比较大，运算速度 征.前面提到的滤波算法的去噪能力是有限的，另一 较慢， 方面，在去除噪声的同时也模糊了图像的细节，不能 20O6年王凌宇[s提出利用Watershed方法提取手 满足后续的特征提取的需要.在传统的基于滤波的 掌静脉的图像，取得了不错的效果.Watershed方法是 图像增强操作上，己经有研究者使用遗传算法( 一种形态学图像操作方法，模拟对象沉入水底，这个过 netic algorithm,GA)或遗传规划算法(genetic pro- 程中在脊线上建立起分割不同区域的大坝，最终完成 gramming,GP)来自动生成基本操作的序列组 对不同区域的分割2,6.2009年Wang Kejun等]进 合435).这一途径有效地解决了搜索空间巨大的问 一步对该方法进行了研究，使用标注最低点的方法来 题，但是由于缺乏对训练结果的有效评估方法，仍然 获取较好的分割，但是将该方法实现应用到手指静脉 需要人工干预.GA与GP的形态学操作算法使用图 特征的提取后发现效果不佳.原因是手指静脉图像相 像本身和指令代码作为端点集，图像操作的命令作 对于手掌太小，过于密集，手掌静脉提取可以只考虑较 为函数集，这一分支明显对于图像处理有更强的针 粗的静脉，能够保证足够的特征，但是手指静脉必须提 对性68].同时，在进化过程中对于图像效果增强 取到很细的静脉.究其原因，还是由于获取图像的噪声 使用自动评估的方式39]，能够有效地提高进化的效 过多，最终导致图像过于破裂，这也是Watershed方法 果，避免人为干预，实现图像增强的自动进行.由 本身的限制，46] Wag和Tan等4采用CP结合形态学图像处理 2.3.2手指静脉特征提取方法 对手指静脉红外图像增强进行了研究.通过这一方 手掌静脉的特征提取方法直接用于手指静脉效 法手指静脉红外图像得到了很好的增强，能够提取 果不明显，很多研究者针对手指静脉的特点提出了 出来更清晰连续的特征，得到更好的识别效果， 针对手指静脉的特征提取方法 2.3手指静脉特征提取方法 2004年Miura等[2]提出一种沿着静脉方向提 由于手指静脉隐藏于皮肤下面，由红外CCD获 取静脉特征的算法.如图7所示，假设当前己经处理 取的图像经过预处理后效果有所提升，但并不能清 完毕的点在(x。,y),在以此点为圆心，半径为T的 晰到能直接用于匹配.为了提高匹配的效果和运算 圆上点p中选取(s+t-2p)值最大的0角度作为前进 的效率，需要从图像中提取出静脉的特征，以此作为 方向，重复这一过程直到静脉的末端.这一方法的原 匹配的依据。 理是静脉底部的灰度值低于两侧的背景，通过这一 2.3.1沿用手掌静脉特征提取方法 特性将静脉检测出来.虽然该方法对于质量较好的 在手指静脉之前，很多研究者对手掌静脉的特 图像比较有效，但应用在噪声较大的红外图像下，效 征提取研究己经有很多年了，并提出了很多有效的 果就很差.如图7中s、、p3个点，如果任意一个点 方法.因此，首先研究提取手掌静脉的方法，并试图 是个噪声点（过高或者过低的灰度），那么结果就会 将一些典型方法用于手指静脉的特征提取， 受到影响. 2000年Im等提出一种基于高效DSP芯片处理 2005年Miura8]又提出一种通过检测横截面 的手掌静脉特征提取方法24]，它集成了低通滤 上曲线变化来判断静脉特征的算法.这一方法同样 波、高通滤波、阈值化等操作.这一方法，不必使用计 利用了静脉图像的灰度特征，故该方法也易受噪声