指静脉识别是静脉识别的一种，首先通过指静脉识别仪取得个人手指静脉分布图，从手指静脉分布图依据专用比对算法提取特征值，通过近红外光线照射，利用CCD摄像头获取手指静脉的图像，将手指静脉的数字图像存贮在计算机系统中，将特征值存储。

　　静脉比对时，实时采取静脉图，提取特征值，运用先进的滤波、图像二值化、细化手段对数字图像提取特征，同存储在主机中的手指静脉特征值比对，采用复杂的匹配算法对手指静脉特征进行匹配，从而对个人进行身份鉴定，确认身份。

　　基本原理

　　手指静脉是指人体手指内部的静脉血管，手指静脉识别就是利用该血管结构的特征来实现身份认证。在可见光下，静脉是不可见的，只有在特殊的采集装置下才能获取。医学证明，人体手指静脉的血管结构在波长为0.7一1.lum的近红外光的照射下，能够穿透骨骼和肌肉，而流经静脉血管的血红蛋白容易吸收该波段的红外光而突显出静脉结构。通过专门的图像采集装置如红外CCD摄像机即可拍摄到静脉图像，然后对静脉图像进行分析处理，便可从中得到静脉特征。

　　研究表明，不同人的静脉结构是不同的，即使是双胞胎的各手指静脉也是不同的，而且成年人的静脉结构不再变化，即静脉具有唯一性，这就为静脉识别提供了科学依据。

　　技术特点：

　　指静脉识别技术是利用近红外线穿透手指后所得的静脉纹路影像来进行个人识别，是具有高精度、高速度的世界上最尖端的生物识别技术。在各种生物识别技术中，因其是利用外部看不到的生物内部特征进行识别的技术，所以作为具有高防伪性的第二代生物识别技术备受瞩目。

　　活体识别

　　用手指静脉进行身份认证时，获取的是手指静脉的图像特征，是手指活体时才存在的特征。在该系统中，非活体的手指是得不到静脉图像特征的，因而无法识别，从而也就无法造假。

　　内部特征

　　用手指静脉进行身份认证时，获取的是手指内部的静脉图像特征，而不是手指表面的图像特征。因此，不存在任何由于手指表面的损伤、磨损、干燥或太湿等带来的识别障碍。

　　非接触式

　　用手指静脉进行身份认证，获取手指静脉图像时，手指无须与设备接触，轻轻一放，即可完成识别。这种方式没有手接触设备时的不卫生的问题以及手指表面特征可能被复制所带来的安全问题，井避免了被当作审查对象的心理不适，同时也不会因脏物污染后无法识别。手指静脉方式由于静脉位于手指内部，气温等外部因素的影响程度可以忽略不计，几乎适用于所有用户。用户接受度好。除了无需与扫描器表面发生直接接触以外，这种非侵入性的扫描过程既简单又自然，减轻了用户由于担心卫生程度或使用麻烦而可能存在的抗拒心理。

　　安全等级高

　　因为有了前面的活体识别、内部特征和非接触式3个方面的特征，确保了使用者的手指静脉特征很难被伪造。所以手机静脉识别系统安全等级高，特别适合于安全要求高的场所使用。韩国首尔大学电子工程系有一篇关于手指静脉识别算法的文献E3，介绍了传统的静脉识别算法以及如何用昂贵的DSP处理器处理浮点运算和提高实时性要求，缩短识别时间，文献中描述的静脉识别算法主要包括3大部分：静脉图像的获取；静脉图像预处理和静脉识别。图像预处理部分主要由高斯低通滤波、高斯高通滤波、阂值处理、双线性滤波以及改进的中值滤波等组成。通过对5000个样本进行实验，识别率达到94．88%。

　　静脉识别的系统流程

　　典型的生物特征识别系统主要包括四个部分:图像采集、预处理、特征提取和模式识别。其中特征提取和模式识别是最主要的两个部分，关系到整个识别系统的识别精度，手指静脉识别系统也不例外。

　　一个基本的手指静脉识别系统由静脉采集、质量评估、图像预处理、特征提取和编码、模式匹配共5个部分组成。静脉图像的预处理一般包括图像定位、滤波除噪、归一化等步骤。手指静脉识别的流程如图2，2所示。

　　其中，图像采集模块是静脉系统的第一步，负责完成近红外图像的获取，一般通过近红外CCD或者CMos器件拍摄。质量评估是一个可选模块，主要功能是评价当前的静脉图像是否合格，例如可排除非法使用异物试图进入识别系统的情况发生。图像预处理是静脉识别算法的第一步，也是有必要的一个环节，它直接影响着后续的提取效果。特征提取模块完成对静脉模式的提取，主要包括对静脉图像的分割、二值化、细化等操作，最终提取出静脉结构特征。模式匹配是静脉识别算法的最后一步，执行输入静脉与数据中的静脉特征匹配，计算出匹配度，最终输出识别结果给相应控制系统，如门禁系统、ATM机、计算机登录系统等。静脉识别一般用于多用户的身份识别，因此要求用户注册静脉并录入系统，系统组成框图中的静脉注册模块就是完成这个功能的。

　　特征提取与匹配

　　静脉图像的定位

　　拍摄到的手指静脉图像可知，在装置封闭性好的情况下，背景部分呈现黑色，即灰度级级低，而手指区域(含静脉)的灰度级别相对较高，两者有明显的灰度差别。根据这种实际情况，本文采用的手指定位步骤如下:

　　STEP1:简单滤波，滤除图像噪声。先使用中值滤波算法，滤除斑点状噪声或扫描线噪声，然后进行简单平均滤波，使图像更加清晰、平滑，为后面的图像二值化做准备。

　　STEP2:利用图像二值化获取手指掩膜图。由于手指区域和背景区域的灰度级相差很大，因此采用一般的单阂值二值化就可以将静脉图像分为静脉和背景两部分，即获得手指掩膜图像。

　　STEP3:对原静脉图像进行反掩膜处理获取感兴趣区域(ROI)。即将当前采集的整幅静脉图像与前面得到的掩膜图像相乘，背景部分灰度置为0，手指部分灰度保持不变，就得到了需要的感兴趣区域—手指部分图像。

　　静脉图像归一化

　　在静脉血管图像采集时，因系统光强、手指厚度、血液温度、手指倾斜度等条件不同，在不同时间采集到的图像在灰度分布上有较大差异，这会给以后的图像处理和匹配增加难度。因此在采集图像以后要进行归一化处理，包括静脉尺寸归一化和灰度归一化。

　　在静脉特征匹配阶段需要统一大小的静脉图像，而同一只手指在不同时刻放置在采集器的位置会有一定偏差，因而采集到的图像手指部分的图像大小也不同，会影响后续的匹配结果。因此，手指静脉图像的尺寸归一化的必要步骤。静脉识别的尺寸归一化其作用主要有以下三个方面:

　　(l)相同的静脉尺寸便于静脉的提取算法的参数设置，例如图像分割阈值等，有利于统一静脉特征的提取。

　　(2)对于不同手指而言，尺寸大小不同对静脉的匹配结果无影响，即不会引起误识;但如果是同一手指，如果尺寸不一样，采用有关识别算法如模板匹配，易引起拒识，即自己认不出自己的情况。

　　(3)如果实际采集到的图像过大，进行图像处理的时间会很长，而归一化尺寸例如缩小到一定像素大小，在不影响识别结果的前提下，可以进一步缩短算法时间。

　　图像尺寸归一化实质上是一种图像的几何变换，一般采用从目标图像反方向影射实现。反向影射就是扫描目标图像的每个像素，按照给定的变换公式来确定目标像素对应的原像素。用这种方法来计算目标图像可以保证整个目标图像没有空像素，即得到的目标图像每个像素点上都有相应的灰度值。然而，由于经过变换公式计算出来的原图像的像素位置可能不是整数，而是分数。因此难以选取该分数位置处的灰度。为此，必须使用灰度插值的方式来弥补图像缩放带来的误差。

　　常用的灰度插值算法有3种:最近临近插值法、双线性内插法和曲线插值法。其中双线性插值法使用较广泛，保真度比较好，本文归一化选取了这种方法。实验中，静脉原始图像大小为768X288像素，经过双线性内插算法归一化后的图像大小为384X128，且图像不失真，效果满意。尺寸归一化前后的对比图见图4.2所示。另外，归一化操作也可以对静脉提取后的二值图像处理，但是考虑到对灰度尺寸归一化后，由于静脉样本变小，提取时间能够缩减很多，因此这里选取了先尺寸归一化，再进行后续的提取等操作。