张　莲，高梓翔，周永修，张　攀

(重庆理工大学 电子信息与自动化学院，重庆　400054)



引用格式：张莲，高梓翔，周永修，等.基于Kinect的手背静脉采集方法[J].重庆理工大学学报(自然科学版)，2016(1):85-88.

Citation format：ZHANG Lian，GAO Zi-xiang，ZHOU Yong-xiu，et al.Kinect’s Hand Vein Image Acquisition Method[J].Journal of Chongqing University of Technology(Natural Science)，2016(1):85-88.

基于Kinect的手背静脉采集方法

张莲，高梓翔，周永修，张攀

(重庆理工大学 电子信息与自动化学院，重庆400054)

摘要：介绍了一种基于微软Kinect传感器的手背静脉采集方案。使用Kinect传感器对手背静脉图像进行采集，基于相关的模版匹配以及ROI两种提取算法得到静脉的有效区域，并对该区域进行处理，得到清晰的手背静脉图像。通过Matlab对所采集的图像进行仿真检验，结果表明：所提方法是一种简单快捷、易于实现的方案。

关键词：Kinect；手背静脉；中值滤波；模版匹配；ROI

静脉红外成像在医疗辅助及生物特征识别中发挥着重要作用。手背静脉具有较多的静脉可用特征，相比传统的身份识别方式，静脉识别具有非接触、唯一性、可区分活体等优势，较其他识别方式更为安全。同时，在医疗方面对辅助静脉穿刺的帮助也较大。由于临床中存在病人因为脂肪层较厚或其他原因导致穿刺成功率较低的情况，因此静脉成像技术也被应用于此。静脉图像的获取对生活和工作都有较大意义，但通常情况下需要专用设备完成，大都存在于特定场合(例如保密场所、医院等)。本文提出了一种基于日常生活设备的手背静脉采集及处理方案，旨在加快静脉图像识别等技术的普及速度。使用Kinect设备获取手背静脉的灰度图像，完成对静脉有效区域的提取，并对该区域图像进行处理。该方案简单易得，有较好的适应性。

1图像采集与成像环境

Kinect是微软公司为XBOX 360开发的外围设备，是一种3D体感摄影机。本文的图像采集主要包含红外投影机、红外CMOS摄像头、BGB VGA彩色摄像头(如图1所示)，分辨率均为640×480，最大帧率为30 fps[1]。通过这3个设备可以获取视野范围内的深度数据。因本文仅使用Kinect的红外CMOS摄像头，故对其他功能及原理简单叙述。Kinect是一种游戏设备，它有众多持有者，使得利用Kinect进行手背静脉图像获取具有广泛的意义，从而使手背静脉识别技术得以迅速扩散。此技术进一步发展，也可作为一种简易的医疗辅助技术。

由于人体皮肤层对红外光谱的吸收率较低[2]，720～1 100 nm波长的近红外光容易穿透人体皮肤进入皮下组织[3]，故使用Kinect红外投影机作为光源，采用红外CMOS摄像头对静脉进行采集是可行的。在使用红外CMOS摄像头对手背进行拍摄时，Kinect的红外投影机能够投射出近红外光，波长为830 nm[4]。

图1　用于采集图像的Kinect设备

2有效静脉区域的提取

要获得质量较高的手背静脉图像，就需要对手背有效的静脉区域进行定位提取，然后再进行处理。本文提供2种方法对手背静脉区域进行定位提取：一种是基于相关的模版匹配；另一种是对文献[5]方法改进后的ROI提取算法。下面将分别对2种算法进行介绍。

采用相关的模版匹配技术在一幅图像中寻找某种子图像模式[6]。例如：在大小为M×N的图像f(x，y)中寻找大小为J×K的子图像模式w(x，y)，f与w的相关可表示为

(1)

式(1)在计算响应时存在对f和w的灰度值比较敏感的不足。本文对向量模值进行归一化以解决此问题[7]。改进的用于匹配的相关计算公式如下：

(2)

事先截取标记点形状模板，利用人工标记的方法，首先对需要提取的区域标定横向2点，然后识别标定点，根据要求对提取范围长宽进行设定，或使用多个标定点直接标定提取范围，然后计算标定点坐标，提取标定区域图像。

改进文献[5]中的ROI提取算法，使其能够提取伸开手背的图像。手背静脉的有效区域在第2、第4指蹼下方，定位两处指蹼坐标即可对图像进行提取。

第1步提取手背轮廓图。Kinect的使用环境决定了成像背景包含噪声较多。使用Canny算法对轮廓边缘提取时，背景会对所得轮廓产生较大影响[8]，如图2所示。对此，本文采取下列方法提取手背轮廓图：① 将图像进行二值化处理，得到图3；② 将图3进行中值滤波得到图4；③ 使用3×3对称结构元素对图4进行腐蚀，得到图5；④ 用图5减去滤波后的图像(图4)，得到轮廓(图6)。相比图2，图6的轮廓点清晰，背景噪声也被消除。

第2步确定手背中心位置(Ox，Oy)，并运用公式(3)计算手背轮廓各点到中心位置的距离[9]。

(3)

其中：X(i)、Y(i)为第i个轮廓点的横坐标和纵坐标；n为手背轮廓图中轮廓点的总数。

第3步确定指蹼坐标。寻找距离较短的3个点，对横坐标进行排序，得到第2、4指蹼坐标(Px2，Py2)、(Px4，Py4)。

第4步将图像旋转，使用式(4)，保证2个指蹼横坐标相同，处于同一水平位置。

θ=arctan((Px2-Px4)/(Py2-Py4))×180/π

(4)

其中，θ表示旋转角度。

第5步提取出正方形有效区域。为保证完全提取静脉图像，将第2、4指蹼距离增加0.2倍，确定正方形4点坐标，即可对图像进行提取。

图2　Canny算法提取边缘

图3　二值化图像 图4　滤波后的图像

图5　腐蚀后的图像　　　　图6　手背轮廓图

经过比较，基于相关的模版匹配方法的优点是可以截取任意标记区域(标定点不少于3个)，且不需对图像进行二值化等处理；缺点是人工标记难以避免误差，标记图形与背景图形相似时会产生误标定，计算量较大[10]。改进后的ROI提取算法使用方便、适应性较强，但需对采集的图像进行充分处理，以确保手背轮廓点不受背景图像的影响。由于本文提取对象仅限于手背图像，且改进后的ROI提取算法在绝大多数条件下能够实现准确提取，因此本文采用改进后的ROI提取算法。

3静脉图像处理

提取出的静脉图像有效像素较少，可采用阈值分割法突显所提取有效静脉图像中的静脉。相比其他方法，阈值分割法具有直观性强和易于实现的特点，在注重运算效率的应用场合得到广泛的应用[11]。本文采用局部阈值法进行大图像处理，分割原始图像为若干子图像，再分别求出最佳阈值[12]。通过迭代求子图像最值分割阈值的原理[13]如下：

f(x，y)，Z(i，j)表示图像上(i，j)点的灰度值，记N(i，j)是(i，j)点的权重系数。

1) 求取原图中最大和最小灰度值Zk和Z0的阈值初值T0[14]：

(5)

2) 根据已得的阈值Tk将图像分割成目标与背景2部分，分别求出其平均灰度值Z0和ZB。

(6)

3) 求出新阈值Tk+1。

(7)

4) 若Tk=Tk+1，则结束；否则，k+1→k，转步骤2)。

5) 经过步骤4)后，所得Tk即为最佳阈值。

在使用局部阈值法处理时，需要确定平均滤波时的窗口大小，窗口越大滤波效果越显著，但同时细节丢失也越多；窗口越小信息保留越多，但滤波效果不明显[15]。平均滤波窗口大小需要根据成像对象及条件来确定，可凭经验选取。经过反复实验，针对本文成像条件，实验窗口大小值为“11”时效果最理想。此后，再次进行中值滤波，得到最终图像。

4实验结果

通过Kinect对不同人的手背图像进行采集，然后使用Matlab对本文算法进行验证。基于相关模版匹配标记的识别结果如图7所示，ROI提取有效区域图像如图8所示，均能可靠识别有效区域。图9为处理后的提取图像，静脉所在位置准确可见。

图7　模版匹配对不同人手背标记的识别

图8　ROI对不同手背有效区域的识别

图9　对ROI提取有效区域的处理图像

5结束语

本文提出了一种基于Kinect的手背静脉采集方法，同时介绍了基于相关的模版匹配、改进文献[5]方法的2种图像提取方法。首先使用Kinect采集图像；其次对手背静脉的有效区域进行提取，若采用模版匹配方法可直接进行提取，若采用第2种方法进行提取则需先提取手背轮廓，计算出各个轮廓点到手背中心的距离[16]，判断第2、4指蹼位置，截取有效区域；最后，对所截取图像先进行局部阈值预处理，然后进行中值滤波，得到图像。通过Matlab仿真，证明该方案具有较易实现、提取准确、处理效果好的优点。

本文方法的不足之处是：Kinect自身的红外设备红外光强大小有限，在对脂肪层较厚的使用者拍摄时，成像质量不高，后期需要加入外置红外光源，或对图像处理效果进行加强，以进一步优化所提取有效图像的质量。

参考文献：

[1]朱涛，金国栋，芦利斌．Kinect应用概述及发展前景[J].现代计算机(下半月版)，2013(4)：8-11．

[2]倪旭翔，高世杰，魏科宇，等．基于分区多次曝光的手掌静脉成像[J].光子学报，2013，42(12)：1534-1538．

[3]余涛．Kinect应用开发实战：用最自然的方式与机器对话[M]．北京：机械工业出版社，2013：32-33．

[4]陈燕，牛燕雄，唐芳，等．1319 nm连续激光辐照皮肤组织的光热效应实验研究[J]．光子学报，2009，38(5)：1259-1263．

[5]MIURA N,NAGASAK A,MIYATAKE T.Feature extraction offinger-vein patterns based on repeated line tracking and its application to personal identification[J].Mach Vis.Appl,2004(15):194-203．

[6]陈龙，侯普华．复杂环境下基于ROI的车牌提取算法[J].信息技术，2013(11)：95-98．

[7]李强，张钹．一种基于图像灰度的快速匹配算法[J].软件学报，2006,17(2)：216-222．

[8]张恒，高敏，徐超．融合阈值法和边缘提取的图像分割算法[J].装甲兵工程学院学报，2014,28(5)：73-86．

[9]吴作凌，陈雄，郑英杰．一种近红外手背静脉图像识别算法[J].微电子学与计算机，2010，27(10)：114-116．

[10]张铮，倪红霞，苑春苗，等．精通Matlab数字图像处理与识别[M]．北京：人民邮电出版社，2013：338-339．

[11]韩思奇，王蕾．图像分割的阈值法综述[J]．系统工程与电子技术，2002，24(6)：91-92．

[12]盛先．基于人眼检测的视频前景自动提取算法研究[D].长沙：湖南大学，2012．

[13]杨高波，杜青松．MATLAB图像/视频处理应用及实例[M]．北京：电子工业出版社，2010：154-155．

[14]刘强，许江宁，陈穆清．星图目标检测算法研究[J].现代电子技术，2009(5)：31-33．

[15]郭琳，尚振宏．一种有效的自适应中值滤波算法[J].长春工业大学学报(自然科学版)，2008，29(1)：87-90．

[16]舒小华，沈振康，龙永红．一种基于轮廓配准的包装缺陷检测方法[J].包装工程，2007，28(3)：19-21．

(责任编辑杨黎丽)

Kinect’s Hand Vein Image Acquisition Method

ZHANG Lian，GAO Zi-xiang，ZHOU Yong-xiu，ZHANG Pan

(College of Electronic Information and Automation,

Chongqing University of Technology, Chongqing 400054, China)

Abstract:This article described a Microsoft Kinect sensors based on hand vein acquisition program. Using Microsoft’s Kinect sensor, we collected the hand vein image, and introduced correlation-based template matching and ROI two extraction algorithms to get the effective area, and after dealing with the region, we gave a clear hand vein image. By Matlab simulation inspection of the acquired image, it proved to be a quick, simple and easy to implement solution.

Key words:Kinect; hand vein; median filter; template matching; ROI

文章编号：1674-8425(2016)01-0085-04

中图分类号：TP391

文献标识码：A

doi:10.3969/j.issn.1674-8425(z).2016.01.014

作者简介：张莲(1967—)，女，教授，主要从事模式识别、检测与控制技术研究；高梓翔(1992—)，男，硕士，主要从事模式识别和图像处理研究。

基金项目：国家自然科学基金资助项目(61402063)；重庆高校优秀成果转化资助项目(KJZH14213)

收稿日期：2015-09-23