马思腾 赵嘉懿 公瑾 徐华泽
（西安电子科技大学电子工程学院 陕西 西安 710126）
摘要: 手指静脉识别技术是一种新兴的生物特征识别技术，它是依据人类手指静脉中红血球的血红素会吸收近红外线，而使用近红外线对手指进行照射，可得到手指静脉的清晰图像。本文介绍了手指静脉识别技术及其优势和国内外研究发展状况，探究分析了现阶段该技术一些难以克服的技术难题。
关键词：手指静脉；特征识别；静脉图像；安全性
1.引言
随着互联网技术的高速发展，人们的生活变得更加便捷。技术带给人们便利和全新的体验，但个人账户被盗、个人信息泄露等问题也开始涌现，引起了人们对信息的安全性和保密性的高度重视[1-2]。而人体生理特征丰富独特的特点，为生物特征识别技术能在身份认证领域发展为一项重要手段提供了巨大的可能，与指纹、声音和人脸等生物特征不同的是，即使某个手指受到损伤，依然可以利用其他手指静脉，因此指静脉识别更加安全有效[3]。
2.手指静脉识别及其优势
人类静脉中的血红蛋白可以吸收近红外光，静脉识别技术通过运用该波长范围内的光线照射静脉，获得静脉图像。分析处理获得的图像，将静脉特征值在数据库中进行匹配，从而完成对个体的身份鉴别。静脉识别技术分为手掌静脉识别技术、手背静脉识别技术和手指静脉识别技术。因为手掌的血管比较细，而脂肪较厚，外部的掌纹信息也比较明显，会影响掌静脉的图像采集，所以采集到的血管信息较少并且较为不清晰；手背静脉具有最为丰富的信息，且皮肤比较薄，可以方便的实现图像采集，但是采集过程中被采集者必须握紧拳头使手背的固定成为一个问题，极易出现采集位置的轻微移动与偏转，导致误识率较高、普及率受限；而手指静脉信息比较丰富，手指位置容易固定，皮肤脂肪较少，容易透射近红外光，可以很容易的采集到清晰稳定、质量较高的静脉图像。因此，手指静脉图像的采集和识别已经成为目前国内外生物识别领域的研究热点和新的发展方向[4]。
每个人的静脉都是不同的，即使是同胞兄弟的静脉也有较显著的差异，而且这种差异在人的一生中都不会消失。虽然静脉会随人不断地成长，但是其不会发生质的变化，尤其成年以后，静脉是基本稳定不变的。而且手指静脉的图像也容易得到，即使是分辨率很低的相机，也能获取到小尺寸的手指静脉图像。总的来说，手指静脉识别在以下四个方面具有显著的优势[4]：
（1）活体识别
用手指静脉进行识别时，装置获取的手指静脉的图像特征必须是手指活体时才存在的特征。因为非活体的手指没有活的血红蛋白，是得不到静脉图像特征而无法识别的，从而也就无法造假。
（2）内部特征
用手指静脉进行识别时，装置获取的是手指内部的静脉图像特征，而不是外表面的图像特征。因此与指纹识别不同，指静脉识别不受皮肤表面的纹理、粗糙度、干湿度等缺陷的影响，对于手指的清洁度也不受限制，手指表面的伤痕或者脱皮、老茧也都不会影响识别的速度和准确性。完全可以克服指纹验证存在的缺点。
（3）非接触式
用手指静脉进行身份鉴别，在获取手指静脉图像时，手指无须直接与设备接触。手指向内一伸，即可完成扫描和识别。不存在像掌形、指纹识别在接触设备时的卫生安全问题和手指表面特征可能被复制盗取所带来的信息安全问题，并极大减少了被认证对象心理不适现象。
（4）安全等级高
因为有了前面提到的三个方面的优势特征，保证了使用者的手指静脉图像的防伪性，所以特别适合于安全要求高的场所使用。现阶段，手指静脉识别技术的误识率(false acceptation rate，FAR)为0. 0001%，拒真率( false rejection rate，FRR)为0.1%，相比较于其他生物识别技术，指静脉识别的辨识率更高、更加具有研究和应用的市场。
2.手指静脉识别技术的研究现状
2.1 国外研究现状
世界上已有部分国家从事关于手指静脉识别的研究，但将其产品化并投入使用的非常少。日本是最早开展相关研究的，而且已经取得了令人瞩目的成果。日立所设立的中央研究所从1997年就开始着手于一项研究，而这项研究就是关于手指静脉识别技术的。2000年，Miyuki Kouno等人针对到声音、指纹等生物识别容易造假的现象，最早提出了研发手指静脉识别系统的想法[5]。2001年，Naoto Miura等人依据手指静脉纹络形状的局部连续性的特点，提出了用于提取手指静脉图像的迭代线性追踪算法[6]。2002年，通过分析手指静脉横截面的曲率特征，Naoto Miura等人又提出了利用手指静脉图像的灰度最大化曲率信息的方法提取静脉信息，而且实验证明了该方法的确大大提高了匹配精度[7]。2003年，日立集团首推指静脉识别的门禁系统，并将该套门禁系统运用在了安全系数要求比较高的场合。日立集团在2007年于中国发布了关于指静脉识别的便携式设备和与之相匹配的开发软件，较高的识别率是该产品的特点。2014年，日立公司提出一种新型的人体认证“Walk Through型手指静脉认证技术”，使用者在移动过程中把手贴近认证装置即可进行静脉认证，可以在包括演唱会会场、体育场等大型活动场馆的入退场管理方面等应用[8]。
从事手指静脉识别技术的国家除了韩国、日本、新加坡，其他各国也展开了相应的工作，并取得了一定的成绩。
期刊文章分类查询,尽在期刊图书馆例如，新加坡的南洋理工大学采用拍取手指的红热图像来提取手指的静脉，其实现了0.0%的FAR和FRR，但这种方法的识别率受环境的温度及湿度影响较大[9]。
2.2 国内研究现状
国内的相关研究相对起步较晚，直到进入21世纪才有团队开始静脉识别的研究。2003年，作为首位使用近红外光获取了静脉血管的图像的第一人，清华大学的林喜荣教授，根据静脉端点和交叉点的特征关系突破了识别技术的难关[10]。2007年，哈尔滨工程大学的王科俊等人，利用小波矩融合PCA变换的指静脉识别算法，解决了其中关键的难题，那就是由于单一特征标准导致的识别率不高的问题，并实验证明了该算法具有较高的识别率[11]。2009年，他们提出了利用四个不同方向的Gabor滤波器提取静脉信息，通过综合对比实现增强手指静脉的图像特征；2012年，该团队通过继续研究提出一种新型感兴趣区定位与提取的算法，利用手指轮廓和关节位置定位手指的变化，使用迭代法实现对感兴趣区的精确提取。2014年，由于目前的方法不能有效描述指静脉中一些明显的线性结构问题，国防科技大学的刘通等人针对性的提出了基于B样条的指静脉线性结构描述算法[12]。经过实验验证，刘通团队证明了该算法可以有效的降低静脉结构描述的误差，提高了系统的识别率。此外，吉林大学也取得了一定的研究成果。
3.有待解决的研究问题
手指静脉识别技术，随着今后科技的发展，在生物特征识别技术展露了头角，成为了生物特征识别技术的新成员。经过近几年国内外的深入研究，取得了一定的研究成果。但与此同时，它仍存在着许多技术和功能上的缺陷。在光源排布、静脉图像库采集方法、图像识别算法等方面仍有较大的改进和发展空间，目前存在的一些问题，主要有以下几点：
3.1手指静脉识别的隐蔽性不高
随着手指静脉系统的发展，再加上其本身所具有的优势，应用该技术的身份识别系统的安全性和准确度越来越高。手指静脉系统现在还达不到隐蔽的识别程度,相比人脸识别和步态识别，它的隐蔽识别还并不是很成熟，因此其在一些敏感领域的应用存在限制。
3.2手指静脉采集技术缺陷
手指静脉识别采集技术是整套系统的一大难题。现在所获取手指静脉图像普遍存在低质量和形变的问题，从而影响识别的准确率。导致这种问题的原因有以下几点：
（1）因为每次摆放姿势的不同，在不同时间采集到的手指静脉图像，由于小范围的平移、旋转，导致采集到的二维图像有所差异。
（2）人的手指静脉结构长时间处在极端环境下，比如测试者手指长时间处于过冷或过热环境中，会导致手指的静脉收缩和舒张，而产生结构变化。
（3）由于手指静脉的分布空间是三维空间，而现在获取的手指静脉图像往往都是二维图像，将二维图像转化为三维图像的过程一定程度上会使采集的静脉结构变形。
3.3指静脉图像数据库存贮容量不足
目前的数据库还缺少一个面向大众公开的，规模合理，种类齐全的手指静脉图像数据库。在实验中所创建的数据库无法将研究结果进行推广。我们急需一个容量充足，具有代表性的指静脉图像数据库。
4.结论
手指静脉识别技术是一种刚刚兴起的、还有很大发展前景的生物特征识别技术，由于其特有的识别优势，这种技术将会应用的更为广泛。手指静脉系统的小巧化、便捷化将会成为一种主流；研究一种识别率高、识别速度较快的图像匹配算法，解决手指配准问题，开发一种原创性强、信息转换完整、数据量较小的图像自主编码方法是未来的一个发展方向。
参考文献：
[1]杨金锋,张海金.手指静脉图像感兴趣区域提取方法研究[J].山东大学学报(工学版),2012,42(03):6-12.
[2]高岩.生物识别技术在信息安全领域的发展及应用[J].网友世界·云教育, 2014(14):17-17.
[3]邹晖.基于手指静脉的身份识别系统[D].杭州:浙江大学，2016:3-5.
[4]尹义龙, 杨公平, 杨璐. 指静脉识别研究综述[J].数据采集与处理, 2015, 30(5): 933-939
[5]Miyuki Kouno, Hironori Ueki, Shin-ichiro Umemura. A new method for the identification of individuals by using of vein pattern matching of a finger[J]. Yamaguchi, Japan,Proc. Fifth Symposium on Pattern Measurement, 2000:9-12.
[6]Miyuki K, Hironori U, Shin-Ichiro U. Near-infrared finger vein patterns for personal identification[J]. Applied Optics, 2002, 41(35): 7429-7436.
[7]Miura N, Nagasaka A, Miyatake T. Extraction of Finger-Vein Patterns Using Maximum Curvature Points in Image Profiles[J]. Ieice Transactions on Information & Systems, 2007, 90(8): 1185-1194.15-3
[8]杨广达.手指静脉识别系统的研究[D].河北：燕山大学,2016:5-6.
[9]袁智.手指静脉识别技术研究[D].哈尔滨：哈尔滨工程大学,2007:6-7.
[10]林喜荣,庄波,苏晓生,等.人体手背血管图像的特征提取及匹配[J].清华大学学报:自然科学版,2003,43(2):164-167.
[11]王科俊,袁智.基于小波矩融PCA 变换的手指静脉识别[J].模式识别与人工智能,2007,20(5):692-697.
[12]刘通,谢剑斌,华宏虎,等.手指静脉结构的 B样条描述方法[J].国防科技大学学报,2014,36(05):93-97.
项目基金：西安电子科技大学国家大学生创新创业训练计划项目
论文作者:马思腾 赵嘉懿 公瑾 徐华泽
论文发表刊物:《科技新时代》2019年2期
论文发表时间:2019/4/11
标签：静脉论文; 手指论文; 图像论文; 技术论文; 特征论文; 生物论文; 识别率论文; 《科技新时代》2019年2期论文;