手指静脉识别与模板保护研究.pdf

摘要

摘要

近年全球疫情促使生物识别技术进一步发展，手指静脉识别作为第二代生物识

别技术因其具有极高的安全性等优点而被应用于各个领域。手指静脉识别是一种基

于生物生理特征的身份识别技术。当手指被近红外光照射后，静脉血液中的血红蛋

白会比邻近组织吸收更多的近红外光，从而在成像过程中产生阴影，在图像中表现

为静脉纹理。通过分析图像中的静脉纹理，将此作为匹配基准进行身份识别。尽管

手指静脉识别相关研究已取得一定进展，但仍存在部分问题需要完善。例如，采集

设备与采集环境的多样性极易导致图像存在复杂多变的背景噪声分布，同时手指静

脉图像中关节腔处存在的大范围灰度渐变像素区域，导致传统的梯度算子鲁棒性较

差；再如，手指静脉图像数据量一般较小，无法提供足够充分的训练样本，导致基

于深度学习的识别系统性能下降；此外，一旦生物特征泄露，会严重影响识别系统

的安全性，导致此生物特征将无法继续使用，限制了受试者可以使用的生物特征。

本文针对手指静脉识别中各个任务开展深入研究，主要的工作与贡献包括：

（1）手指静脉图像采集设备结构具有多样性，且采集过程中环境会不断变化，

在图像中极易出现大量不稳定且复杂的背景噪声，这对后续图像处理技术提出了巨

大的挑战。本文从采集设备的角度去除图像复杂背景，进行了以下的探索性的工作。

首先，采集设备具有均匀的红外光源模块，它利用三角形聚光物理结构将发射光强

度集中在部分小区域；其次，提出了V-Vibe手指静脉图像感兴趣区域（Regionof

Interest，ROI）提取方法，通过背景差分，将复杂背景的去除以及弱边缘和伪边缘

难以判断的问题转化为与背景图像中每个像素点的相似度判断。基于设计的采集设

备，创建了一个新的手指静脉数据集FingerVein-BackgroundSubtraction（FV-BS）。

（2）提出了一种基于手指静脉成像特点的ROI提取方法。首先，考虑成像过程

中手指轮廓特点，提出了一种手指边缘有哪些信誉好的足球投注网站规则，利用该规则获取ROI水平分割参

考线；考虑手指关节腔在成像过程中产生的大范围梯度渐变像素，提出了一种基于

大视野域梯度算子的关节腔定位方法，能够获取稳定准确的垂直方向分割参考线。

最终，利用水平与垂直方向上分割参考线获取最终ROI区域。与提出的V-Vibe方法

不同，此方法进一步在垂直方向上分割手指区域，消除了手指位置或形状对识别的

影响。

（3）手指静脉图像训练样本不足会导致特征学习不充分和模型泛化能力较弱，

手指静脉识别系统的性能受到限制。在数据驱动方面，提出了一个简单有效的手指

静脉数据扩充策略：FV-Mix，该策略使用精细的手指静脉图像ROI进行灰度归一化

I

摘要

和线性融合，可以实现在训练样本指数级别的数据扩充，扩充后的数据将代表一个

更为完备的数据点集；在知识驱动方面，为了引导深度学习模型学习手指静脉图像

中的纹理特征，提出了一种残差Gabor卷积网络（ResidualGaborConvolutional

Network，RGCN），它包括残差Gabor卷积层（ResidualGaborConvolutionalLayer，

RGCL）和密集语义分析模块（DenseSemanticAnalysisModule，DSAM）。

（4）提出了一个可撤销的手指静脉生物识别系统。首先，提出了块扭曲重映射

（BlockWarpingRemapping，BWR）模板保护方法，能够结合用户外部定义的键生

成受保护的特征模板；其次，受保护的模板由于扭曲和重映射操作，导致手指静脉

纹理、细节点等特征被破坏，通过构建卷积神经网络（ConvolutionalNeuralNetwork，

CNN）设计手指静脉识别系统提高识别性能。使用BWR保护后的特征模板，可以

有效防止攻击者通过识别模型获取原始特征。同时，扭曲后的块边界像素间的联系

被淡化，进一步增强特征模板的不可链接性与不可逆性。

关键词：手指静脉识别采集设备手指静脉图像数据集感兴趣区域提取特征模板

保护