[0004] 针对背景技术的不足,本发明提供了利用近红外吸收监测指纹识别技术的方法,以提高防伪性,增加识别精确度。技术方案主要步骤如下:
[0005] 针对背景技术的不足,本发明提供了利用近红外吸收监测指纹识别技术的方法,以提高防伪性,增加识别精确度。技术方案主要步骤如下:
[0006] 针对背景技术的不足,本发明提供了利用近红外吸收监测指纹识别技术的方法,以提高防伪性,增加识别精确度。技术方案主要步骤如下:
[0007] 步骤1)参数初始化;
[0008] 步骤2)进行有效区域估计,去除图像边缘和灰度变化不大的部分,将指纹图像划分成n×n(8≤n≤20)的方格,n表示划分格数;计算每块方格区间的灰度均值与方差,若二者满足条件,当前方格被定义为有效方格;连接所有有效方格并进行后处理得到指纹有效区域,记录长度l,l表示区域较短边长的长度;同时,将指纹有效区域范围信息传递给光纤探头,红外发射器自动调节发射角度以确保发射光进入有效区域;
[0009] 步骤3)
[0010] (3-1)选定波长范围[400,1000]nm,控制光穿透厚度达到与指纹接触面相距范围在b*(0.3±0.05mm)内以确保上确界进入真皮层,用b记为光实际穿透厚度;(3-2)入射光穿过真皮层介质,则
[0011] S=db·l
[0012] -dIx=k·Ix
[0013] S表示介质截面,db表示对b取微分,-dIx表示吸收的光强度,其中Ix表示辐射在介质截面S上的光强度,k表示光量子在与物质分子碰撞时被俘获的概率;a为任一分子存在有对光量子的俘获截面,则总俘获面积即有效面积为a·N,这里N为介质截面S中的分子数,故k=a·N/S
[0014] N=NA·c·10-3·S·db
[0015] NA为阿伏伽德罗常数,c表示物质的量浓度,单位为mol/L,故
[0016] -dIx=k·Ix=(a·NA·c·10-3·S·Ix/S)·db=(a·NA·c·Ix/1000)·db
[0017] 两边取积分
[0018]
[0019] 有
[0020] ln(I0/I)=a·NA·c·b/1000
[0021] 其中,I0,I分别表示入射光强度与出射光强度;
[0022] 两边取以lg为底的对数
[0023] lg(I0/I)=a·NA·c·b/(2.303×10-3)=2.64×1020a·c·b
[0024] 吸收度K=lg(I0/I),2.64×1020a为摩尔吸收系数ε,则有
[0025] K=εbc
[0026] (3-3)在选定可见光与近红外线波长[400,1000]nm范围内,测得λi对应吸收度离散值Ki(i=1,2,...,600),其中下标i表示将区间均匀划分成600等份,λi表示在波长区间内下标i所对应的波长值,选定不同的波长进行测量,得到一组离散数据;
[0027] 步骤4)
[0028] (4-1)用曲线拟合比拟吸收度离散值Ki与λi间的函数关系,计算机通过最小二乘法进行分析,并利用最小化误差的平方和寻找数据的最佳函数匹配,设函数为f,即[0029] K1=f(λ1,λ2,...,λT)
[0030] K2=f(λ1,λ2,...,λT)
[0031] K3=f(λ1,λ2,...,λT)
[0032] K4=f(λ1,λ2,...,λT)
[0033] ...
[0034] KT=f(λ1,λ2,...,λT)
[0035] 其中T表示测量组数,要求T不小于100;
[0036] 若λj为真值,由上述已知函数求出真值yj,若其测量值为yj*,则对应误差为σj=yj-yj*(j=1,2,...,n),利用最小二乘法
[0037]
[0038] 得出最小误差的平方和,其中Pj表示各测量值的权重因子,利用最小误差的平方和拟合出最优函数表达式f(λ);
[0039] (4-2)根据表达式求其极大值点以及相干特性并进行最大似然估计数学分析,通过对比数据库成分确定是否为手指内血液。
[0040] 有益效果
[0041] (1)利用了手指真皮层浅部血管网薄且含血量大的生理结构,通过识别血管网的存在,有效认证手指的活体身份。
[0042] (2)准确排除假体身份,如目前市面上的指纹照片,指纹套,指纹干扰仪等。因测量区厚度级别为0.1mm,且规定了上确界与下确界,使人皮内部特性无法被其他材料仿制。
[0043] (3)目前近红外线光谱测定技术日趋成熟,傅里叶变换红外光谱仪、光栅扫描仪等都可成像,通过计算机实现对吸收度的测定,结合指纹识别成像,有效实现对身份的双重检验。
[0044] (4)应用广泛,前景可观,适用于日常生活以及司法、金融、安检、电子商务等诸多领域。