443
0
2024-11-05
2024-11-06
近日，脑机团队黄俊端副研究员在计算机视觉领域重要期刊IEEE Transactions on Circuits and Systems for Video Technology (JCR Q1, 中科院一区Top, IF: 8.4 )上发表了题为“Mirror-based Full-View Finger Vein Authentication with Illumination Adaptation”的研究论文。该论文的第一作者为华南师范大学人工智能学院黄俊端副研究员，通讯作者为华南理工大学自动化科学与工程学院康文雄教授。合作团队包括Idiap研究所生物特征识别安全与隐私组的Sébastien Marcel教授和Sushil Bhattacharjee副研究员。该论文自2024年7月10日提交，于2024年11月2日正式被接收。
研究背景
指静脉生物特征识别是一种高安全的身份识别方式，利用手指内静脉分布信息来进行身份识别。其工作原理是依据人类手指中流动的血液可吸收特定波长的光线，使用特定波长光线对手指进行照射，可得到手指静脉的静脉图像，然后再利用静脉特征提取算法对图像进行分析对比，从而进行身份识别。因此，指静脉生物特征识别的优势主要有：
1)稳定性高。个体的静脉纹路在青少年后基本不会发生变化，且受到人体皮肤组织的直接保护，不易受外界因素破坏或污染。
2)抗仿冒攻击能力强。分布在皮下组织中的静脉，需要在特定波长的光源下才能有效成像，因此静脉信息不易被窃取，难以伪造。
3)支持非接触方式。尽管目前指静脉认证系统多采用接触式，但是静脉成像完全支持非接触方式，其使用过程中无需人机接触，方便卫生。
4)独具活体检测能力。静脉成像是依赖于流动血液中脱氧血红蛋白与其他组织对近红外光的吸收率存在差异，只有活体静脉才能有效成像。
指静脉识别研究主要集中在单视图范式，即通过摄像头采集某一面的指静脉图像进行身份识别。经过近些年的发展，随着人们对安全性、准确性和便捷性的要求日益提高，指静脉生物特征识别的问题也日益凸显，主要为：全视图指静脉采集设备尺寸普遍偏大、图像采集质量易受手指粗细和光源强弱关系影响无法保证识别准确率，指静脉识别领域缺乏高质量的多光强、多角度开源数据集供研究人员开展研究。
论文贡献与研究方法
论文提出全视图光强自适应指静脉识别方案，有效解决全视图指静脉采集设备尺寸大、图像采集质量不稳定等问题，并构建一套开源的具有多光强、多角度的全视图指静脉数据集，供领域内研究人员使用。论文首先论述了多视图指静脉识别相对于单视图指静脉识别的优劣势，深入分析了现有多视图指静脉采集装置，并将其归纳总结为偏多视图（Partial multi-view）、全视图（Full-View）和三维等三种模式。并在多相机全视图指静脉采集设备的基础上，提出镜面反射式全视图指静脉采集方案，通过镜面反射使得在保障足够成像距离的同时，相机得以灵活摆放，大大缩小设备尺寸。
利用所开发的镜面反射式全视图指静脉成像设备，构建了一套全新的指静脉数据集MFFV，该数据集包含320个手指的指静脉数据，每个手指包含3种姿态，每种姿态包含3个视角的6种光强的10次采集，共计172800张图像。
接着，利用三个图像特性基础指标，信息熵、灰度均值和方差值，深入分析其对静脉图像质量的影响效果，巧妙构建指静脉光强自适应算法，配合多光强照射策略，确保指静脉图像的采集能够根据不同粗细的手指自适应调整光强，最终得到高质量的全视图指静脉图像。
结果分析
最后，经过大量的实验验证所提出的光强自适应方法的有效性，实验包括光强自适应算法阈值调整实验、光强自适应算法与固定光强比较实验、光强自适应算法与单图像特性指标对比实验、光强自适应算法消融实验、以及光强自适应算法的定性分析实验。实验结果充分验证了所提出的光强自适应算法的有效性。在此基础上，论文还开展了带有光强自适应算法的单视图指静脉认证实验和全视图指静脉认证基准实验，为后续对比所提出的光强自适应算法及使用所构建的全视图指静脉数据集提供比较参考。
总结
论文链接：
Junduan Huang et al. Mirror-based Full-View Finger Vein Authentication with Illumination Adaptation. IEEE Transactions on Circuits and Systems for Video Technology, 2024, early access.
https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=10741574
