劉英旋+王飛+萬曉宇+王長(zhǎng)明+孫永剛+劉杰

【摘 要】針對(duì)現(xiàn)有的手形認(rèn)證方法的不足，提出一種基于幾何不變矩的手形認(rèn)證方法。圖像經(jīng)過二值化處理和分割手腕后，需要對(duì)所得到得手掌及手指部分圖像進(jìn)行平移和縮放歸一化處理，以提取圖像的幾何矩特征，再由7個(gè)矩特征構(gòu)成一組特征向量。最后通過支持向量機(jī)方法對(duì)圖像庫中的100幅圖像數(shù)據(jù)進(jìn)行訓(xùn)練，并隨機(jī)抽取15幅圖像進(jìn)行測(cè)試，結(jié)果表明手形認(rèn)證準(zhǔn)確率可達(dá)到93.3%。提取手形幾何矩特征作為手形認(rèn)證的有效特征，該方法具有算法簡(jiǎn)單、運(yùn)算量小、認(rèn)證準(zhǔn)確率高等特點(diǎn)，并且解決了由于去除定位栓所帶來的手形采集平移、旋轉(zhuǎn)和縮放等問題。

【關(guān)鍵詞】手形認(rèn)證；圖像預(yù)處理；不變矩；特征提取；支持向量機(jī)

0 前言

手形識(shí)別是利用人手的生物特征來進(jìn)行識(shí)別的身份認(rèn)證技術(shù)，與其他的生物特征相比，基于手形的身份識(shí)別技術(shù)有以下優(yōu)點(diǎn)：對(duì)圖像獲取設(shè)備的要求較低，手形處理算法相對(duì)簡(jiǎn)單、認(rèn)證速度最快，目前手形認(rèn)證已經(jīng)成為生物特征識(shí)別技術(shù)的一個(gè)重要組成部分，并受到越來越多的重視。本文提出一種適用于無定位的非接觸式手形圖像采集和處理方法，將幾何不變矩方法應(yīng)用于手形特征識(shí)別，解決了由于去除定位栓所帶來的圖像平移、旋轉(zhuǎn)和縮放等問題，并通過實(shí)驗(yàn)驗(yàn)證了算法的識(shí)別率。

1 幾何矩定義

幾何矩是一種基于統(tǒng)計(jì)分析的方法，1962年，M.K.Hu首次提出了圖像識(shí)別的幾何矩理論，并證明了所提出的7個(gè)矩組隊(duì)圖像的平移、縮放和旋轉(zhuǎn)變化均保持不變。本文采用幾何矩進(jìn)行特征提取，并應(yīng)用到手形識(shí)別中去，很好地解決了手形識(shí)別過程中手形的旋轉(zhuǎn)縮放和尺度變換所帶來的問題，使手形識(shí)別系統(tǒng)具有很好的魯棒性。低階矩主要描述圖像的整體特征，如面積、主軸、方向角等；而高階矩主要描述圖像的細(xì)節(jié)。這七個(gè)矩不變量適合描述目標(biāo)函數(shù)的整體形狀，因此在邊緣提取、圖像匹配及目標(biāo)識(shí)別中具有廣泛的應(yīng)用[7]。目前矩特征廣泛應(yīng)用于圖像匹配、目標(biāo)識(shí)別、形狀特征分析等許多領(lǐng)域。

2 手形圖像預(yù)處理

2.1 圖像分割

提取特征前需要對(duì)采集到的手形圖像進(jìn)行預(yù)處理，得到感興趣的區(qū)域。首先采用閾值分割方法對(duì)采集到的手形圖像作二值化和中值濾波處理，以濾除圖像中的離散噪聲點(diǎn)。由于本論文采集手形圖像采用無定位栓的方法，手的擺放位置有一定的自由性，而且手腕部分的分割誤差較大，所以采用手掌及手指的形狀特征作為分類特征。需要在采集到的手形圖像中將手腕部分分割[8]。最后采用手掌及手指圖像作為特征提取的對(duì)象。

2.2 歸一化

由于離散情況下的Hu矩具有旋轉(zhuǎn)和平移不變性，但是并不具有尺度不變性，所以需要在預(yù)處理階段將圖像進(jìn)行尺度和平移歸一化。歸一化步驟為：

3 手形圖像矩特征提取

傳統(tǒng)的基于手部特征矢量的方法采用手部的幾何尺寸作為匹配特征，算法簡(jiǎn)單匹配速度快，但是需要在采集臺(tái)上設(shè)置固定栓來對(duì)待測(cè)手的擺放位置進(jìn)行限制，并且需要用戶進(jìn)行配合。而采用矩特征表示圖像是一種基于統(tǒng)計(jì)分析的算法，描述了圖像的整體形狀特征，本文中提出的方法只需將攝像機(jī)位置固定后對(duì)手形進(jìn)行采集。由于手的擺放位置有很大的自由性（小角度旋轉(zhuǎn)或者平移），所以提取的圖像特征必須要對(duì)旋轉(zhuǎn)或者平移具有不變性，HU矩正滿足這樣的要求，以下我們采集了同一人的手形，并進(jìn)行不同角度的旋轉(zhuǎn)、平移及不同比例的縮放，并計(jì)算其HU矩結(jié)果。

4 實(shí)驗(yàn)結(jié)果

身份認(rèn)證需要解決的問題是，對(duì)于某一待測(cè)者采集識(shí)別手形，并和手形庫中輸入的注冊(cè)樣本進(jìn)行比對(duì)，如果屬于同一被測(cè)者，則認(rèn)證成功，否則需要重新采集或者判斷為不屬于同一人。本文選取了實(shí)驗(yàn)室10人的手形樣本，分別在一天的不同時(shí)間段進(jìn)行采集20次，采集時(shí)手形擺放的位置和角度不受限制。本文采用支持向量機(jī)典型二分類問題，即通過將采集的手形與圖像庫中用戶注冊(cè)的手形進(jìn)行比對(duì)，判斷是否屬于同一個(gè)人。

傳統(tǒng)的分類方法只考慮分類器對(duì)訓(xùn)練樣本的擬合情況，以最小化訓(xùn)練集上的分類錯(cuò)誤為目標(biāo)，通過為訓(xùn)練過程提供充足的訓(xùn)練樣本來試圖提高分類器在未見過的測(cè)試集上的識(shí)別率。然而，對(duì)于少量

的訓(xùn)練樣本集合來說，不能保證一個(gè)很好地分類了訓(xùn)練樣本的分類器也能很好地分類測(cè)試樣本。

5 結(jié)論

為了解決傳統(tǒng)手形識(shí)別設(shè)備中，借助于定位栓對(duì)手形采集而給用戶帶來的不方便、不友好的問題，本文提出了一種針對(duì)手指自然張開、無定位栓和非接觸式采集手形圖像進(jìn)行身份認(rèn)證的方法。采用手形歸一化二值圖像的幾何不變矩作為特征矩陣，解決了在采集時(shí)手形旋轉(zhuǎn)、平移以及由于尺度變化引起的圖像縮放給識(shí)別結(jié)果帶來的影響。

支持向量機(jī)以結(jié)構(gòu)化風(fēng)險(xiǎn)最小化為原則，即兼顧訓(xùn)練誤差與測(cè)試誤差的最小化，在模式識(shí)別（人臉識(shí)別、字符識(shí)別、目標(biāo)自動(dòng)分類）和非線性系統(tǒng)控制中應(yīng)用很廣泛。對(duì)于支持向量機(jī)分類來說，首先要解決的問題就是核函數(shù)的選擇，為了評(píng)價(jià)分類算法的準(zhǔn)確性，首先從所采集的200幅圖像中同一人手形選取10幅共100組特征進(jìn)行訓(xùn)練，然后在圖像庫中隨機(jī)挑選15幅手形圖像作為測(cè)試集以驗(yàn)證算法的分類準(zhǔn)確性。分類準(zhǔn)確率可達(dá)到93.3%，15幅圖像的分類時(shí)間為0.87秒。

本文建立了一個(gè)包括200組特征的手形庫，選取7個(gè)幾何矩不變量作為特征值，采用支持向量機(jī)先對(duì)樣本圖像進(jìn)行訓(xùn)練，然后利用訓(xùn)練模型對(duì)隨機(jī)抽取的圖像進(jìn)行分類測(cè)試，結(jié)果表明認(rèn)證準(zhǔn)確率可達(dá)到93.3%。本文提出的方法識(shí)別準(zhǔn)確率高，計(jì)算量小，特征數(shù)少，便于傳輸和存儲(chǔ)，可以應(yīng)用于嵌入式手形識(shí)別設(shè)備的開發(fā)。

【參考文獻(xiàn)】

[1]Nicolae Dta.A survey of biometric technology based on hand shape[J].Pattern Recognition，2009，42：2797-2806.

[2]桑海峰，趙云，苑瑋琦，陳靜.基于人手自然張開的多生物特征識(shí)別[J].儀器儀表學(xué)報(bào)，2011，32（11）：2549-2556.

[3]苑瑋琦，董茜.基于手部尺寸特征的手形認(rèn)證方法[J].光學(xué)學(xué)報(bào)，2010，30（10）：2994-2999.endprint