近紅外指靜脈圖像采集系統設計*

梁愛華， 付 鈧

(1.北京聯合大學 北京信息服務工程重點實驗室，北京 100101；

2.北京聯合大學 計算機技術研究所，北京 100101)

0 引 言

目前，基于人體生物特征的個人身份認證技術已經比較普及，如指紋識別、人臉識別和虹膜認證等，但都存在特征穩定性不足、信息容易被竊取和偽造的缺點，安全性差。例如:指紋識別技術存在4 %左右的用戶無法正常登記和識別，并且指紋也非常容易被竊取和仿造。靜脈認證技術[1]是利用人體內部的靜脈血管紋理信息作為個人身份特征，由于位于體表下幾乎無法竊取和偽造，可以大大提高個人身份認證的安全性，并且不容易受外部因素影響，具有更好的適應性和穩定性。

靜脈認證的基本原理是利用含氧血液相對肌肉組織對波長為700～1 000 nm的近紅外光譜有較強吸收作用，根據血液中的血紅素特性來進行靜脈識別，將只感紅外的相機對近紅外照射的手指進行拍照，即可采集到手指內部的靜脈血管結構灰度圖，然后進行圖像增強、濾波、歸一化、二值化和特征提取等多個處理過程，利用靜脈的空間拓撲結構能可靠、準確地確定一個人的身份。

利用主動近紅外光源照射手指并通過攝像裝置采集手指圖像即可采集到手指血管的脈絡紋理圖像，不同的光源設計和光路設計都會影響采集的靜脈脈絡紋理圖像質量和用戶體驗，從而影響認證效果。現有的靜脈采集裝置[2,3]大多采用在手指正上方安放光源進行靜脈圖像采集，這種采集方式的缺點是不利于手指位置的確定，用戶體驗較差。

本文提出了一種新穎的近紅外指靜脈圖像采集系統的設計方案，利用單側聚焦光源與反射鏡面相結合的光源照射方式，可以避免純單側光源下手指受光不均勻的問題，并易于使用，有良好的用戶體驗，從而獲得更好的認證效果。

1 總體設計

指靜脈認證裝置由電源模塊、近紅外LED光源、微距紅外攝像頭、手指感應開關、嵌入式SOC認證模塊、控制盒和輸入輸出接口組成。

它們之間的位置連接關系和信號走向是：手指感應開關與嵌入式SOC認證模塊通過通用輸入輸出接口(GPIO)連接，近紅外LED光源通過脈寬調制(PWM)控制連接，微距紅外攝像頭與嵌入式SOC認證模塊的圖像輸入接口連接，輸入輸出接口通過線纜與嵌入式SOC認證模塊連接，電源模塊與上述各模塊及元件連接，給裝置各模塊和元件提供工作所需電壓。認證裝置各模塊的連接關系和信號走向如圖1所示;裝置截面示意圖如圖2所示。

圖1 系統模塊框圖

圖2 采集裝置截面示意圖

1.1 近紅外LED光源

近紅外LED光源裝置主要由兩部分構成:一部分是近紅外發光LED，另一部分是反射立面。近紅外LED光源采用具有聚焦功能的近紅外LED，為了使手指受光均勻并充分利用光源，設置于手指側上方并距離手指背面大約4～8 mm處依次平行排列，并與手指平面呈一定角度，具體角度與近紅外發光二極管的發光角度相關，實驗證明約為紅外二極管發光角的1/2～1/3最為合適。

近紅外LED光源裝置在手指的左側上方，手指感應開關第三指節感應開關和第一指節感應開關分別在第三指節(指根)和第一指節(指尖)的下方2～5 mm處。

為了適應粗細大小不同的手指，近紅外二極管光源亮度可調，可通過PWM方式動態開/關和亮度調節。為增強手指左右兩邊的受光均勻性，設置有近紅外光源反射裝置，它放置在近紅外LED光源裝置的對面和控制盒上端，并與近紅外LED光源裝置平行，具有反射近紅外光的作用，增強手指受光均勻性，該近紅外光源反射裝置是鏡子或具有反射光線作用的材料制作。

圖3為LED光源裝置的原理示意圖。近紅外發光LED發光聚焦角度α為30°～40°，近紅外LED的發光中心線與手指平面成一定角度β≈α/2，對于正常大小的手指有80 %的光量直接照射到手指，另有20 %左右的光量通過反射立面照射到手指的另一邊，優點是手指放置習慣自然，手指受光均勻，不會出現兩邊高亮和一邊亮一邊暗的情況從而影響圖像質量，還能有效減小裝置尺寸。

圖3 LED光源裝置原理圖

1.2 微距紅外攝像頭

微距紅外攝像頭由鏡頭、濾光片和CMOS/CCD感光器件組成，其間關系是：濾光片的位置在鏡頭與CMOS/CCD感光傳感器之間，放置于控制盒底部，用于采集手指靜脈紋理圖像。濾光片采用普通的850 nm帶通濾光片，只能透過波長為850 nm的近紅外光。CMOS/CCD感光器件采用普通的CMOS或CCD，它放置于控制盒底部中間位置，用于采集手指中間部位靜脈紋理圖像。

微距紅外攝像頭與嵌入式SOC認證模塊在同一塊電路板上，它通過接收手指透射的近紅外光進行成像,進而實現指靜脈的認證。

1.3 手指感應開關

手指感應開關由1個或多個電容觸摸感應開關組成，放置于手指下方2～5 mm處，與嵌入式SOC認證模塊連接，當手指200正確放置后會給出高電平信號。

手指感應開關用何傳感器并無特定限制，采用靜電電容式的觸摸傳感器，當手指接近傳感器時電容會發生變化，當電容變化達到一定閾值的時候傳感器會發出高電平信號，進而可以檢測是否有手指放置。

1.4 嵌入式SOC認證模塊

嵌入式SOC認證模塊是由中央處理器(CPU)，內存RAM，存儲器FLASH等部件組成的單芯片系統，FLASH用于存儲程序和用戶特征登記數據。嵌入式SOC認證模塊與手指感應開關連接，同時與微距攝像頭和近紅外LED光源連接，當通過手指感應開關檢測到手指放置后，嵌入式SOC認證模塊會打開近紅外LED光源并通過微距攝像頭采集指靜脈圖像。

1.5 控制盒

控制盒是一個箱式盒體結構，所有部件都安裝其上，輸入輸出接口有USB,UART,GPIO等常用輸入輸出接口。

2 工作流程

總體工作流程是：當嵌入式SOC認證模塊檢測到手指感應開關為高電平時，表示有檢測到手指放置，嵌入式SOC認證模塊打開近紅外LED光源，并同步采集微距攝像頭的圖像，圖像采集完成后就可以進行靜脈圖像的后續處理和認證，并給出最終認證結果。

對于不同粗細的手指和不同的環境光照，如果光源強度和CMOS傳感器的曝光時間固定不變,則會出現指靜脈圖像過暗和過亮的情況，需要根據采集的指靜脈圖像灰度直方圖動態調節光源強度和CMOS曝光時間，以適應不同類型的手指和不同的環境光照。采用PWM的方式控制近紅外LED光源的亮度，提高占空比,則減小光源亮度，進而圖像變暗;減小占空比,則加大光源亮度，進而圖像變亮。通過I2C直接設置CMOS曝光寄存器調整曝光時間，曝光時間加大,則圖像變亮;曝光時間減小,則圖像變暗。

目前對靜脈識別算法[4～6]和圖像質量評價[7,8]的研究日益增多。本裝置采用了改進的模板匹配算法進行靜脈識別。

指靜脈認證流程如圖4所示。首先檢測手指是否正確放置，若正確,則開啟近紅外LED光源進行指靜脈圖像采集，之后進行圖像質量評價，以檢測是否符合要求;如果評價不合格，則重新調整光源亮度和曝光時間，直至采集到高質量的靜脈圖像。在認證時將采集到圖像與靜脈特征庫中的圖像進行比對，根據比對的相似度判斷是否匹配成功。這里采用預先設定閾值的方法，大于閾值,則認為相似度達到要求，提示驗證成功;否則,驗證失敗。閾值可以根據要求進行設定。

3 實 驗

為了測試該采集系統的可靠性，對其進行了實測驗證。測試中隨機選取了20人，每人提取6根手指(不包括大拇指和小指)進行靜脈圖像采集，每根手指登記3次，共得到360個靜脈圖像樣本，然后對每個人都進行多次認證測試，在認證算法相同的情況下，將手指上方正面光源采集裝置和側面光源與反射鏡面結合裝置進行了認證對比。

圖4 認證流程圖

測試中對認證成功的通過率和認證的誤識率進行了統計計算，測試驗證結果如表1所示。驗證結果表明：二者均沒有出現誤識情況，側面光源與反射鏡面相結合的靜脈圖像采集方式的通過率達到98.8 %，高于正面光源采集方式。這主要是因為該方式使用戶更易確定正確的手指位置，因而得到圖像的一致性更好，也更穩定，從而具有更高的通過率。

表1 測試結果

4 結 論

在近紅外指靜脈采集系統中，兼顧了光源照射方式、安裝結構和手指放置舒適度的特點，采用紅外光源從手指斜上方照射手指，能獲取最佳的靜脈圖像，通過率達到98.8 %，高于正面光源采集方式，同時小尺寸設計使之適用于多種應用場合。

參考文獻:

[1]Yanushkevich S N. Synthetic biometrics:A survey[C]∥ IEEE International Joint Conference on Neural Network,Vancouver,Canada,2006.

[2]楊數強，余成波，崔焱喆,等.手指靜脈智能采集裝置的研制[J].計算機工程與設計，2009，30(21):4977-4979.

[3]王 璐，張文濤.人體手掌靜脈圖像采集系統研究[J].激光與紅外，2013，43(4):404-408.

[4]陳攻攻.手指靜脈圖像的去噪與分割算法研究[D].長春:吉林大學,2010.

[5]Venckauskas A,Morkevicius N,Kulikauskas K.Study of finger vein authentication algorithms for physical access control[J].Elektronika IR Elektrotechnika,2012,121 (5):101-104.

[6]Yang Jinfeng,Wu Meijing,Wang Wanyin,et al.Finger-vein ma-tching based on adaptive vector field estimation[C]∥The International Conference on Image Processing (ICIP),Orlando,USA:IEEE Signal Processing Society,2012.

[7]王科俊,劉靖宇,馬 慧,等.手指靜脈圖像質量評價[J].智能系統學報,2011,6(4):324-327.

[8]張 漫.圖像質量評價算法的研究[D].濟南：山東大學，2007.