基于CCD的掌紋掌脈采集模塊設計*

梁建霞， 胡 超， 劉曉娜

(1.北京市科學技術研究院 模式識別重點實驗室，北京 100094；2.北京市新技術應用研究所，北京100094)

基于CCD的掌紋掌脈采集模塊設計*

梁建霞1,2， 胡 超1,2， 劉曉娜1,2

(1.北京市科學技術研究院 模式識別重點實驗室，北京 100094；2.北京市新技術應用研究所，北京100094)

針對掌紋掌脈身份認證的需求，以掌紋和掌靜脈圖像采集系統作為研究對象，設計了一種基于CCD的掌紋掌脈采集模塊。采集模塊采用單CCD作為圖像感應芯片，在單顆芯片上同時獲得掌紋掌脈圖像，光源設計上突破性地采用了激光二極管作為紅外補充光源，采集的圖像以USB數據形式進行上傳。實驗表明：采集模塊能夠獲得滿足圖像處理要求的清晰可靠的掌紋掌脈圖像。

生物識別； 掌紋掌脈圖像； 電荷耦合器件

0 引 言

生物識別技術主要是指通過人類生物特征進行身份認證的一種技術，在眾多生物識別技術中，掌紋識別技術是利用人體掌紋中包含的豐富特征，如主線、皺褶、三角點和細節點等[1]來進行身份的鑒別。掌紋識別具有特征信息豐富，精度高的特點。除了手掌的掌紋特征以外，人們還可以利用手掌靜脈來進行個體的身份鑒別，手掌靜脈識別的主要特點是非侵入式的圖像采集，靜脈特征在可見光下不易被辨別[2]，具有較強的隱蔽性和防偽性，同時,由于斷落的手掌和尸體因血液停止流動將不能通過認證，所以,掌脈又可以作為活體識別的依據[3]。但是，掌脈識別也有自身的缺陷，由于靜脈較粗，信息量較掌紋少很多，同時,因個體差異，有些人的皮下靜脈特征并不明顯，如脂肪較厚的人。因此,單一掌脈識別其精度無法得到保障。掌紋掌脈識別技術結合掌紋和掌脈識別方法和特點，對掌紋識別和掌脈識別兩種生物識別技術進行融合來進行身份認證 ，既具有掌紋識別的高精度，又具有掌脈識別的活體特性，提高了認證系統的安全可靠性。

為了能夠實現掌紋掌脈技術的融合，在圖像采集前端就需要能夠設計一種同時滿足掌紋圖像采集和掌脈圖像采集的采集模塊。因此，本文設計了一種基于CCD的掌紋掌脈圖像采集模塊裝置。該模塊由光源子系統、鏡頭、圖像傳感器、圖像采集模塊組成，該模塊能夠在室內不同的光源條件下，獲得滿足識別要求掌紋圖像和掌脈圖像。

1 CCD工作原理

掌紋成像是由于光源照射手掌時，在屈肌紋處留下陰影，從而使非掌紋區域和掌紋區域的亮暗對比度增強。由于波長短的光穿透性弱且不易發生衍射，有利于掌紋成像[4]。因此，對于掌紋成像而言，本文選擇的CCD應該對短波長的光敏感。

掌脈圖像，即手掌皮下靜脈圖像，在自然光條件下是獲取不到的。為了獲得掌脈圖像，需要通過特定波長范圍的近紅外光照射用戶手掌，由于靜脈血管中的血色素比其他生物組織吸收更多的近紅外輻射，近紅外光線反射回圖像傳感器后，形成靜脈血管形狀的圖像掌脈圖像。研究表明，850 nm波段的近紅外光最適合獲取手掌靜脈信息[5]。

為了同時獲得掌紋和掌脈圖像，本文選用了夏普的1.3MP B/W CCD RJ33J4。CCD芯片由于其結構的物理原理具有低信號噪音、高分辨率、高靈敏度等高畫質性能[6]，而這顆CCD區別于其他普通CCD的不同之處還在于它的像素點的感光響應曲線并不是一樣的，根據感光響應曲線的不同，CCD的像素點分為兩類：W，IR,如圖1所示。

圖1 W和IR像素點Fig 1 W and IR pixel point

W和IR像素點的感光響應曲線如圖2。

圖2 W和IR像素點的感光曲線Fig 2 Photosensitive curve of W and IR pixel point

通過圖2可以看出：W像素點的感光曲線的峰值在550 nm，可以通過提取W像素點獲得可見掌紋圖像，IR像素點的感光曲線的峰值在830 nm，這是處于一個近紅外的區域，可以通過提取IR像素點獲得紅外掌脈圖像。

通過對CCD成像原理的分析可以看出，使用一顆CCD就能夠在同一時間點獲得掌紋圖像和掌脈圖像。

2 系統設計方案

為了能夠適應更多的應用場合，掌紋掌脈采集模塊裝置在設計上需要小型化，以利于和其他系統進行集成。為了實現小型化的目的，在系統的補充光源設計和鏡頭的選擇上進行了優化。

2.1 光源設計

根據實驗分析可知，在470 nm的藍光條件下能夠很好地獲得清晰的掌紋圖像[4]，而通過上文分析可知，掌脈圖像在850 nm的近紅外光下成像效果最佳。于是，選擇470 nm的藍光和850 nm的近紅外光作為采集模塊的補充光源。

目前,通用的補充光源設計多是采用多顆普通可見LED和紅外LED點光源構成不同形狀的均勻面光源來作為補充光源[7]，然而，采用這種方案的光源設計，光源面積大，制約了模塊實際應用的場合。

在470 nm的可見光補充光源設計中選擇5050封裝藍色LED，它內部集成三個并聯方式存在的燈珠，發光角度為120°，光強達到5 000 mcd,且具有良好的單色性。在850 nm的近紅外補充光源設計中，創新性地選擇了紅外激光二極管(LD)作為補充光源，相對LED而言，小封裝的普通LD光強大，光源集中，單顆器件就可以獲得較大的光強，但是存在的缺點是角度較小，容易形成亮光斑。針對這種情況，本文對LD設計了一個外部光路結構。如圖3所示。

圖3 LD光路結構Fig 3 LD optical path structure

將藍光LED和紅外LD組成一個補充光源系統，如圖4所示。

圖4 補充光源示意圖Fig 4 Diagram of supplementary light source

經驗證，手掌距離光源15 cm時，光源能夠有效地照亮手掌的有效區域。

2.2 鏡頭設計

為了設計一種小型的能夠適用最大應用需求的采集模塊，鏡頭參數的選擇非常重要，由于選擇的成像傳感器通過一個CCD就可以同時獲得掌紋和掌脈圖像，從而掌紋和掌脈圖像的成像就是通過一個鏡頭來完成，于是，選擇的鏡頭必須能夠同時滿足掌紋圖像和掌脈圖像采集的要求。

由于用戶在離鏡頭15 cm左右的位置，補充光源能夠很好地照亮用戶的手掌，于是鏡頭選擇定焦鏡頭，焦距為15 cm。鏡頭的另一個重要參數是光圈，其主要決定鏡頭的進光量，常用小型的消費類非球面鏡頭光圈數序列是：F2.8，F5.6，F8.0，F11，F16。光圈值越小，通光孔徑越大，進光量越多。同時,光圈還是決定景深大小的最重要因素，光圈越小，景深越大，用戶在使用時就有一定的對焦冗余量。考慮用戶使用的良好體驗感，光圈參數確定為F2.8。圖5是采用F2.8光圈在用戶使用距離在15 cm和20 cm時獲得的掌紋和掌脈圖像，從中可以看出，在手掌離鏡頭15 cm和20 cm時，都可以取得清晰可見的圖像。

圖5 不同距離下的掌紋掌脈圖像Fig 5 Palm print and palm vein images with different distance

實驗表明:這個參數的鏡頭能夠帶來良好的用戶體驗，并滿足設計的需求。

2.3 硬件電路設計與系統數據流

2.3.1 系統硬件設計

為了將CCD采集到的圖像能夠穩定的通過USB接口進行上傳，首先采用專用圖像處理芯片對CCD的圖像數據進行整理，然后使用CPLD將CCD采集的可見和紅外圖像從單幀數據中分離出來，最后通過USB處理芯片把數據從USB口發送出去，系統框圖如圖6。

2.3.2 圖像數據流傳輸分析

夏普的CCD輸出的數據大小為1 320×976，輸出的每一楨圖像數據格式如圖7。

圖7 CCD一楨數據格式Fig 7 1 frame data format of CCD

首先，采用專用的圖像處理芯片對CCD輸出的數據進行整理計算。將圖像格式由1 320×976轉變為1 320×488大小。如圖8所示。

圖8 壓縮后的數據格式Fig 8 Compressed data format

然后，如圖9所示，使用CPLD按先后順序從數據流中獲得可見掌紋圖像和紅外掌脈圖像,即,從第1幀的1 320×488圖像中提取660×488大小的紅外掌脈圖像，從第2幀1 320×488圖像中提取660×488大小的可見掌紋圖像，并依此循環下去。將數據圖像整理成YUV422格式，最后通過USB芯片發送出去。

圖9 掌紋和掌脈圖像的分離Fig 9 Separation of palm print and palm vein images

整個系統的數據圖像流如圖10。

圖10 系統圖像數據流Fig 10 System image data stream

設計完成后，圖像每秒上傳20幀圖像，其中,10幀可見掌紋圖像，10幀紅外掌脈圖像。

3 設計實驗結果

系統的硬件實物圖如圖11所示。

圖11 硬件實物圖Fig 11 Physical map of hardware

使用本文系統對掌紋掌脈進行采集，采集獲得的掌紋掌脈圖像如圖12。

圖12 系統采集的掌紋圖像和掌脈圖像Fig 12 Palm print and palm vein images collected by system

通過圖像可以看出，獲得的圖像紋理清晰，能夠很好地滿足算法識別的需要。

4 結 論

在近紅外和可見光的補充光源的照射下，基于CCD的掌紋掌脈采集模塊裝置可以獲得特征信息豐富，成像質量高的掌紋和掌脈圖像，并能夠通過USB2.0接口以每秒20幀速率將采集到的掌紋和掌脈圖像上傳，確保了圖像后續處理的實時性要求。掌紋掌脈采集模塊裝置的設計為近一步的圖像識別算法處理奠定了良好的基礎。

[1] 岳 峰，左旺孟，張大鵬.掌紋識別算法綜述[J].自動化學報,2010,36(3):353-365.

[2] 汪 銳.手掌靜脈識別研究[D].哈爾濱:哈爾濱工業大學,2008.

[3] 吳 微,苑瑋琦.手掌靜脈識別技術綜述[J].中國圖象圖形學報,2013,18(10):1215-1224.

[4] 苑瑋琦,楊 冰.非接觸手成像系統圖像采集光源的研究[J].激光與紅外,2014,44(7):783-787.

[5] 吳 微,苑瑋琦，林 森，等.手掌靜脈識別典型波長選擇[J].光學學報,2012,32(12):1211-1219.

[6] 熊 平.CCD與CMOS圖像傳感器特點比較[J].半導體光電,2004,25(1):1-4.

[7] 苑瑋琦,孔德奇.基于多光譜的手掌三模態采集裝置設計與實現[J].儀表技術與傳感器,2013(10):35-38.

Design of palm print and palm vein acquiring module based on CCD*

LIANG Jian-xia1,2， HU Chao1,2， LIU Xiao-na1,2

(1.Key Laboratory of Pattern Recognition,Beijing Academy of Science and Technology,Beijing 100094,China;2.Beijing Institute of New Technology Applications,Beijing 100094,China)

Aiming at the requirements of palm print and palm vein authentication,taking the palm print and palm vein image acquisition system as research object,design a palm print and palm vein image acquisition model based on CCD.The acquisition module uses single CCD as the image sensing chip,can obtain the palm print images and the palm vein images at the same time.In addition,the light source design creatively uses laser diode as infrared additional light source,the collected image data is uploaded via USB.Experimental results show that the acquired module can obtain clear and reliable image meeting the requirements of image processing.

biological recognition； palm print and palm vein image； CCD

10.13873/J.1000—9787(2016)07—0073—03

2015—10—21

北京市科學技術研究院創新團隊計劃資助項目(IG201505N)：北京市科學技術研究院青年骨干計劃資助項目(201309)

TP 274

A

1000—9787(2016)07—0073—03

梁建霞(1977-)，女，江西吉安人，碩士研究生，助理研究員，主要研究方向為圖像采集與處理系統。