Design of Finger Vein Near Infrared Image Acquisition System Based on Adaptive Control
孙子淇SUN Zi-qi;逄燕PANG Yan;王跃峰 WANG Yue-feng;黄福坤 HUANG Fu-kun;
易铭樟 YI Ming-zhang;余阳生 YU Yang-sheng
(中国石油大学胜利学院机械与控制工程学院,东营257000)
(School of Mechanical and Control Engineering,Shengli College,China University of Petroleum,Dongying 257000,China)
摘要:手指静脉识别装置是基于自适应控制算法,对近红外发光二极管的光强控制,实现手指静脉图像的采集。它的功能主要是控制近红外光源强度,利用红外摄像头采集图像,并将图像传入电脑,然后利用MATLAB对数字图像的处理进行图像预处理,再通过图像清晰度的判别,利用自适应控制算法(PWM占空比),调节近红外光源强度,得到需要图像,即实现了清晰的手指静脉图像采集。它的优点主要是活体检测、高度防伪、简单易用,并减少了环境因素干扰,可以满足安防领域防止造假的要求。
Abstract: The finger vein recognition device is based on an adaptive control algorithm to control the light intensity of the near-infrared light-emitting diode to achieve the acquisition of finger vein images. Its function is mainly to control the intensity of the near-infrared light source, use the infrared camera to capture the image, and then transfer the image to the computer, then use MATLAB to perform image preprocessing on the processing of the digital image, and then use the adaptive control algorithm (PWM duty cycle) through the discrimination of image clarity to adjust the intensity of the near-infrared light source, and get the required image, thus achieving clear finger vein image acquisition. Its advantages are mainly in live detection, high anti-counterfeiting, easy to use, and reduces environmental factors interference, which can meet the requirements of preventing fraud in the security field.
关键词:近红外光源;PWM占空比;自适应控制算法;图像采集
Key words: near infrared light source;the PWM duty cycle;adaptive control algorithm;image acquisition
中图分类号:TP391.41 文献标识码:A 文章编号:1006-4311(2019)35-0220-03
0 引言
随着信息技术飞速发展,网络信息化时代对人的身份进行识别的需求应用越来越多,准确鉴定一个人的身份,保护信息安全,使得安防领域发展越来越快。在安防领域中,身份识别技术包括验证和辨别,而在手指静脉近红外图像采集系统中最主要的任务就是采集清晰地图像可供之后的操作有效的进行。
目前的的身份识别技术主要包括指纹识别、人脸识别、步态识别和虹膜识别等。指纹识别具有唯一性、不变性及便于采集等优点,但也具有很高的人工造假的可能性;人脸识别作为一种非接触式的身份识别技术,在经济、军事等领域具有广阔的应用前景,但光照变化和化妆等外界条件变化对人脸识别还是一个未解决的问题;虹膜识别与指纹、人脸识别相比具有高的准确率,但虹膜识别造价较高,不能广泛普及应用;步态识别是根据人们的走路姿态和脚印等来进行身份识别,但识别率较低。手指静脉识别是根据手指静脉血管中的血红蛋白吸收一定波长范围(690nm-980nm)的近红外光来造影成像,人体的手指表皮下都分布着独一无二的静脉网络,并且必须保证血红蛋白的活性,即活体检测,用这些静脉网络就可以来区分不同的人,与其他身份识别技术相比,手指静脉识别具有活体检测、便于采集、准确性高及成本低等优点。而手指静脉识别技术中重要的是手指静脉图像的采集,文献[7]中利用单侧聚焦光源与反射镜面相结合的光源照射方式来解决手指受光照不均匀的问题。
本文针对人体手指粗细不一,现有手静脉图像采集装置难以获取所有个体清晰手指静脉图像的问题。拟设计一种基于自适应控制算法的指静脉图像采集系统,系统采用漫透射方式采集静脉图像,其近红外光源由多个发光二极管组成,根据所采手指静脉图像清晰度,通过自适应控制算法实时调节近红外光源照射强度,获取不同粗细手指的静脉血管清晰图像,为静脉识别提供可靠数据基础,保障识别准确度,对于手指静脉识别技术的推广应用具有重要价值。
1 手指静脉近红外图像采集系统
手指静脉近红外图像采集系统框图如图1所示,通过PC端控制C51单片机利用PWM占空比控制近红外LED灯的光照强度,通过近红外摄像头采集图像,用MATLAB进行图像预判断,直至采集完整的图像序列结束。
指静脉图像采集利用近红外线照射人体的手指静脉,通过红外图像传感器获得手指静脉血管的图像。采集终端截面如图2所示,采集终端中包含四个硬件模块:LED阵列光源模块提供透射手指的近红外光线,LED驱动模块主要是驱动和控制LED近红外光源。光学传感器模块用来捕获近红外光透射手指静脉造影的图像,通信接口模块负责采集终端和计算机通信和数据交换。
2 近红外光源设计
2.1 LED近红外光源
本文采用型号为HIR204C的LED灯,具有高可靠性,高辐射强度等特点,它的波峰长为850nm,引线距为2.54mm,参数如表1。
2.2 近红外光源列阵
光源在采集系统中尤为重要,光照不均匀直接影响采集的手指静脉图像的质量,根据手指的形状设计采集终端中LED灯的列阵,呈2*4排列,使手指受到的光照均匀如图3所示。
2.3 近红外光源电路原理图
采集装置的光源控制部分主要由八路LED单独控制芯片TLC59108、近红外发光二极管HIR204C、USB串口、电阻、电容以及晶振组成(部分如图4所示)。主要是通过TLC59108芯片控制近红外LED灯,管脚置0,LED灯亮,管脚置1,LED灯灭;通过USB串口实现与单片机的通信,通过单片机来控制整个电路的正常工作。电容和电阻是为了配合TLC59108芯片输出稳定的电流,使近红外LED灯正常工作;画出原理图后用Protel 99 SE软件把原理图转化成PCB图。
2.4 脉宽调制
脉宽调制(Pulse Width Modulation,简称 PWM),即在信号的一个周期内,脉冲宽度(占空比)越大,则光强越强,输出的PWM信号波形。考虑到每个人的手指厚度不一样,根据手指的厚薄不同,采集系统需要多种光源亮度进行手指静脉的图像采集,本文通过改变输出脉冲的宽度和占空比来调节输出电压从而达到不同光源亮度的目的,3设计了 10 种占空比的PWM控制信号,分别为 10%、20%、…、100%,如图5所示。
由于单片机不适合做复杂的计算,只用采集终端的微处理器C51与PC通信和产生PWM信号。在采集终端上电复位后,C51首先初始化,主要是对串口和产生PWM波的I/O口进行初始化,然后发出默认的占空比为0的PWM信号到光源恒流源驱动芯片的EN使能端,再通过串口发送给PC机一个字符“R”,作为终端光源准备好信号,最后等待PC机发送PWM波的占空比信号,在串口收到光强控制字符后,单片机就开始产生相应占空比的PWM波,直到下一个控制字符,如图6所示。
3 MATLAB采集手指静脉近红外图像
首先设置占空比为10%的PWM信号的光照强度照射人体的手指,用光学传感器(即近红外数字摄像头)捕捉近红外手指静脉图像,根据MATLAB软件程序中的自适应控制算法对图像进行初步判断,是否符合标准。
其次对于采集的图像较暗区域经过自适应控制算法判断,需要增加光照强度,则通过串口通信对单片机发出指令,增加PWM信号的占空比,即增大光照强度,光学传感器获得新图像,直至获得手指静脉的图像序列,如图7。
4 总结
设计一种基于自适应控制算法的指静脉图像采集系统,系统采用漫透射方式采集静脉图像,其近红外光源由多个发光二极管组成,根据所采手指静脉图像清晰度,通过自适应控制算法实时调节近红外光源照射强度,获取不同粗细手指的静脉血管清晰图像,为静脉识别提供可靠数据基础,保障识别准确度,对于手指静脉识别技术的推广应用具有重要价值。
参考文献:
[1] 陈刘奎.人体手指静脉识别技术研究[J].图像处理与智能识别,2015,25(11):1807-1809.
[2]吴超,邵曦.基于深度学习的指静脉识别研究[A].计算机技术与发展,2018,28(2):200-204.
[3]张严严,沈雷,李小刚,蓝师伟.基于指静脉方向场图的快速识别算法研究[J].杭州电子科技大学学报(自然科学版),2018,37(5):21-24.
[4]郑哲章,罗海波,张建华.基于指静脉生物特性的身份识别系统研究与设计[J].闽江学院学报,2017,160(2):47-53.
[5]杨雄.基于指静脉识别技术的云计算安全身份认证[J].计算机应用与软件,2017,34(10):325-329.
[6]陈金国,郭玉娥,李玉广.基于指静脉图像的门禁可视化工程应用[J].信息系统工程,2016,9:84-85,87.
[7]梁爱华,付钪.近红外指静脉图像采集系统设计[J].传感器与微系统,2014,33(1):113-115,119.
[8]苏志刚,马永斌,杨金锋.嵌入式手指静脉识别系统设计[J].中国民航大学学报,2017,35(2):51-54.
[9]余成波,秦华锋.生物特征识别技术:手指静脉识别技术[M].清华大学出版社,2009,4.
[10]王一丁.手背静脉身份识别技术[M].科学出版社,2015,9.
[11]吴飞,杨广达,王凤兰,张素红.手指静脉识别传感器的光源设计[J].传感器与微系统,2017,36(4):74-77.
[12]秦华锋,余成波.手指静脉识别技术研究[D].重庆理工大学,2009.
[13]袁 智,王科俊.手指静脉识别技术研究[D].哈尔滨工程大学,2007.
[14]崔菲菲,杨公平.手指静脉识别技术研究[D].山东大学,2012.
[15]任福云,尹德森,姜文瀚,候鸿川,田云.指静脉采集设备及识别技术分析[J].2014,5:63-65.
[16]FENG, JIANJIANG, ZHOU, JIE, JAIN, ANILK. IEEE Transactions on Pattern Analysis and Machine Intelligence[J].2013.
[17]严衍禄.近红外光谱分析的原理技术与应用[M].中国轻工业出版社,2013,1.
[18]肖荣洋.手指静脉识别技术研究[D].山东大学,2014.
[19]欧宇然.手指静脉识别技术研究[D].南京理工大学,2012.
[20]陈玉琼.手指静脉图像的识别算法[D].杭州电子科技大学,2013.
[21]罗敏.手指静脉认证系统的设计和实现[D].电子科技大学,2016.
[22]李洋.手指静脉采集及处理算法研究[D].陕西科技大学,2013.
[23]杨璐.手指静脉识别方法研究[D].山东大学,2016.
[24]邹晖.基于手指静脉的身份识别系统[D].浙江大学,2016.
[25]李学双.手指静脉识别技术研究[D].杭州电子科技大学,2015.
|