近红外指静脉图像采集系统设计*

梁爱华， 付 钪

(1.北京联合大学 北京信息服务工程重点实验室，北京 100101；

2.北京联合大学 计算机技术研究所，北京 100101)

0 引 言

目前，基于人体生物特征的个人身份认证技术已经比较普及，如指纹识别、人脸识别和虹膜认证等，但都存在特征稳定性不足、信息容易被窃取和伪造的缺点，安全性差。例如:指纹识别技术存在4 %左右的用户无法正常登记和识别，并且指纹也非常容易被窃取和仿造。静脉认证技术[1]是利用人体内部的静脉血管纹理信息作为个人身份特征，由于位于体表下几乎无法窃取和伪造，可以大大提高个人身份认证的安全性，并且不容易受外部因素影响，具有更好的适应性和稳定性。

静脉认证的基本原理是利用含氧血液相对肌肉组织对波长为700～1 000 nm的近红外光谱有较强吸收作用，根据血液中的血红素特性来进行静脉识别，将只感红外的相机对近红外照射的手指进行拍照，即可采集到手指内部的静脉血管结构灰度图，然后进行图像增强、滤波、归一化、二值化和特征提取等多个处理过程，利用静脉的空间拓扑结构能可靠、准确地确定一个人的身份。

利用主动近红外光源照射手指并通过摄像装置采集手指图像即可采集到手指血管的脉络纹理图像，不同的光源设计和光路设计都会影响采集的静脉脉络纹理图像质量和用户体验，从而影响认证效果。现有的静脉采集装置[2,3]大多采用在手指正上方安放光源进行静脉图像采集，这种采集方式的缺点是不利于手指位置的确定，用户体验较差。

本文提出了一种新颖的近红外指静脉图像采集系统的设计方案，利用单侧聚焦光源与反射镜面相结合的光源照射方式，可以避免纯单侧光源下手指受光不均匀的问题，并易于使用，有良好的用户体验，从而获得更好的认证效果。

1 总体设计

指静脉认证装置由电源模块、近红外LED光源、微距红外摄像头、手指感应开关、嵌入式SOC认证模块、控制盒和输入输出接口组成。

它们之间的位置连接关系和信号走向是：手指感应开关与嵌入式SOC认证模块通过通用输入输出接口(GPIO)连接，近红外LED光源通过脉宽调制(PWM)控制连接，微距红外摄像头与嵌入式SOC认证模块的图像输入接口连接，输入输出接口通过线缆与嵌入式SOC认证模块连接，电源模块与上述各模块及元件连接，给装置各模块和元件提供工作所需电压。认证装置各模块的连接关系和信号走向如图1所示;装置截面示意图如图2所示。

图1 系统模块框图

图2 采集装置截面示意图

1.1 近红外LED光源

近红外LED光源装置主要由两部分构成:一部分是近红外发光LED，另一部分是反射立面。近红外LED光源采用具有聚焦功能的近红外LED，为了使手指受光均匀并充分利用光源，设置于手指侧上方并距离手指背面大约4～8 mm处依次平行排列，并与手指平面呈一定角度，具体角度与近红外发光二极管的发光角度相关，实验证明约为红外二极管发光角的1/2～1/3最为合适。

近红外LED光源装置在手指的左侧上方，手指感应开关第三指节感应开关和第一指节感应开关分别在第三指节(指根)和第一指节(指尖)的下方2～5 mm处。

为了适应粗细大小不同的手指，近红外二极管光源亮度可调，可通过PWM方式动态开/关和亮度调节。为增强手指左右两边的受光均匀性，设置有近红外光源反射装置，它放置在近红外LED光源装置的对面和控制盒上端，并与近红外LED光源装置平行，具有反射近红外光的作用，增强手指受光均匀性，该近红外光源反射装置是镜子或具有反射光线作用的材料制作。

图3为LED光源装置的原理示意图。近红外发光LED发光聚焦角度α为30°～40°，近红外LED的发光中心线与手指平面成一定角度β≈α/2，对于正常大小的手指有80 %的光量直接照射到手指，另有20 %左右的光量通过反射立面照射到手指的另一边，优点是手指放置习惯自然，手指受光均匀，不会出现两边高亮和一边亮一边暗的情况从而影响图像质量，还能有效减小装置尺寸。

图3 LED光源装置原理图

1.2 微距红外摄像头

微距红外摄像头由镜头、滤光片和CMOS/CCD感光器件组成，其间关系是：滤光片的位置在镜头与CMOS/CCD感光传感器之间，放置于控制盒底部，用于采集手指静脉纹理图像。滤光片采用普通的850 nm带通滤光片，只能透过波长为850 nm的近红外光。CMOS/CCD感光器件采用普通的CMOS或CCD，它放置于控制盒底部中间位置，用于采集手指中间部位静脉纹理图像。

微距红外摄像头与嵌入式SOC认证模块在同一块电路板上，它通过接收手指透射的近红外光进行成像,进而实现指静脉的认证。

1.3 手指感应开关

手指感应开关由1个或多个电容触摸感应开关组成，放置于手指下方2～5 mm处，与嵌入式SOC认证模块连接，当手指200正确放置后会给出高电平信号。

手指感应开关用何传感器并无特定限制，采用静电电容式的触摸传感器，当手指接近传感器时电容会发生变化，当电容变化达到一定阈值的时候传感器会发出高电平信号，进而可以检测是否有手指放置。

1.4 嵌入式SOC认证模块

嵌入式SOC认证模块是由中央处理器(CPU)，内存RAM，存储器FLASH等部件组成的单芯片系统，FLASH用于存储程序和用户特征登记数据。嵌入式SOC认证模块与手指感应开关连接，同时与微距摄像头和近红外LED光源连接，当通过手指感应开关检测到手指放置后，嵌入式SOC认证模块会打开近红外LED光源并通过微距摄像头采集指静脉图像。

1.5 控制盒

控制盒是一个箱式盒体结构，所有部件都安装其上，输入输出接口有USB,UART,GPIO等常用输入输出接口。

2 工作流程

总体工作流程是：当嵌入式SOC认证模块检测到手指感应开关为高电平时，表示有检测到手指放置，嵌入式SOC认证模块打开近红外LED光源，并同步采集微距摄像头的图像，图像采集完成后就可以进行静脉图像的后续处理和认证，并给出最终认证结果。

对于不同粗细的手指和不同的环境光照，如果光源强度和CMOS传感器的曝光时间固定不变,则会出现指静脉图像过暗和过亮的情况，需要根据采集的指静脉图像灰度直方图动态调节光源强度和CMOS曝光时间，以适应不同类型的手指和不同的环境光照。采用PWM的方式控制近红外LED光源的亮度，提高占空比,则减小光源亮度，进而图像变暗;减小占空比,则加大光源亮度，进而图像变亮。通过I2C直接设置CMOS曝光寄存器调整曝光时间，曝光时间加大,则图像变亮;曝光时间减小,则图像变暗。

目前对静脉识别算法[4～6]和图像质量评价[7,8]的研究日益增多。本装置采用了改进的模板匹配算法进行静脉识别。

指静脉认证流程如图4所示。首先检测手指是否正确放置，若正确,则开启近红外LED光源进行指静脉图像采集，之后进行图像质量评价，以检测是否符合要求;如果评价不合格，则重新调整光源亮度和曝光时间，直至采集到高质量的静脉图像。在认证时将采集到图像与静脉特征库中的图像进行比对，根据比对的相似度判断是否匹配成功。这里采用预先设定阈值的方法，大于阈值,则认为相似度达到要求，提示验证成功;否则,验证失败。阈值可以根据要求进行设定。

3 实 验

为了测试该采集系统的可靠性，对其进行了实测验证。测试中随机选取了20人，每人提取6根手指(不包括大拇指和小指)进行静脉图像采集，每根手指登记3次，共得到360个静脉图像样本，然后对每个人都进行多次认证测试，在认证算法相同的情况下，将手指上方正面光源采集装置和侧面光源与反射镜面结合装置进行了认证对比。

图4 认证流程图

测试中对认证成功的通过率和认证的误识率进行了统计计算，测试验证结果如表1所示。验证结果表明：二者均没有出现误识情况，侧面光源与反射镜面相结合的静脉图像采集方式的通过率达到98.8 %，高于正面光源采集方式。这主要是因为该方式使用户更易确定正确的手指位置，因而得到图像的一致性更好，也更稳定，从而具有更高的通过率。

表1 测试结果

4 结 论

在近红外指静脉采集系统中，兼顾了光源照射方式、安装结构和手指放置舒适度的特点，采用红外光源从手指斜上方照射手指，能获取最佳的静脉图像，通过率达到98.8 %，高于正面光源采集方式，同时小尺寸设计使之适用于多种应用场合。

参考文献:

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

[2]杨数强，余成波，崔焱喆,等.手指静脉智能采集装置的研制[J].计算机工程与设计，2009，30(21):4977-4979.

[3]王 璐，张文涛.人体手掌静脉图像采集系统研究[J].激光与红外，2013，43(4):404-408.

[4]陈攻攻.手指静脉图像的去噪与分割算法研究[D].长春:吉林大学,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,刘靖宇,马 慧,等.手指静脉图像质量评价[J].智能系统学报,2011,6(4):324-327.

[8]张 漫.图像质量评价算法的研究[D].济南：山东大学，2007.