基于CCD的掌纹掌脉采集模块设计*

梁建霞， 胡 超， 刘晓娜

(1.北京市科学技术研究院 模式识别重点实验室，北京 100094；2.北京市新技术应用研究所，北京100094)

基于CCD的掌纹掌脉采集模块设计*

梁建霞1,2， 胡 超1,2， 刘晓娜1,2

(1.北京市科学技术研究院 模式识别重点实验室，北京 100094；2.北京市新技术应用研究所，北京100094)

针对掌纹掌脉身份认证的需求，以掌纹和掌静脉图像采集系统作为研究对象，设计了一种基于CCD的掌纹掌脉采集模块。采集模块采用单CCD作为图像感应芯片，在单颗芯片上同时获得掌纹掌脉图像，光源设计上突破性地采用了激光二极管作为红外补充光源，采集的图像以USB数据形式进行上传。实验表明：采集模块能够获得满足图像处理要求的清晰可靠的掌纹掌脉图像。

生物识别； 掌纹掌脉图像； 电荷耦合器件

0 引 言

生物识别技术主要是指通过人类生物特征进行身份认证的一种技术，在众多生物识别技术中，掌纹识别技术是利用人体掌纹中包含的丰富特征，如主线、皱褶、三角点和细节点等[1]来进行身份的鉴别。掌纹识别具有特征信息丰富，精度高的特点。除了手掌的掌纹特征以外，人们还可以利用手掌静脉来进行个体的身份鉴别，手掌静脉识别的主要特点是非侵入式的图像采集，静脉特征在可见光下不易被辨别[2]，具有较强的隐蔽性和防伪性，同时,由于断落的手掌和尸体因血液停止流动将不能通过认证，所以,掌脉又可以作为活体识别的依据[3]。但是，掌脉识别也有自身的缺陷，由于静脉较粗，信息量较掌纹少很多，同时,因个体差异，有些人的皮下静脉特征并不明显，如脂肪较厚的人。因此,单一掌脉识别其精度无法得到保障。掌纹掌脉识别技术结合掌纹和掌脉识别方法和特点，对掌纹识别和掌脉识别两种生物识别技术进行融合来进行身份认证 ，既具有掌纹识别的高精度，又具有掌脉识别的活体特性，提高了认证系统的安全可靠性。

为了能够实现掌纹掌脉技术的融合，在图像采集前端就需要能够设计一种同时满足掌纹图像采集和掌脉图像采集的采集模块。因此，本文设计了一种基于CCD的掌纹掌脉图像采集模块装置。该模块由光源子系统、镜头、图像传感器、图像采集模块组成，该模块能够在室内不同的光源条件下，获得满足识别要求掌纹图像和掌脉图像。

1 CCD工作原理

掌纹成像是由于光源照射手掌时，在屈肌纹处留下阴影，从而使非掌纹区域和掌纹区域的亮暗对比度增强。由于波长短的光穿透性弱且不易发生衍射，有利于掌纹成像[4]。因此，对于掌纹成像而言，本文选择的CCD应该对短波长的光敏感。

掌脉图像，即手掌皮下静脉图像，在自然光条件下是获取不到的。为了获得掌脉图像，需要通过特定波长范围的近红外光照射用户手掌，由于静脉血管中的血色素比其他生物组织吸收更多的近红外辐射，近红外光线反射回图像传感器后，形成静脉血管形状的图像掌脉图像。研究表明，850 nm波段的近红外光最适合获取手掌静脉信息[5]。

为了同时获得掌纹和掌脉图像，本文选用了夏普的1.3MP B/W CCD RJ33J4。CCD芯片由于其结构的物理原理具有低信号噪音、高分辨率、高灵敏度等高画质性能[6]，而这颗CCD区别于其他普通CCD的不同之处还在于它的像素点的感光响应曲线并不是一样的，根据感光响应曲线的不同，CCD的像素点分为两类：W，IR,如图1所示。

图1 W和IR像素点Fig 1 W and IR pixel point

W和IR像素点的感光响应曲线如图2。

图2 W和IR像素点的感光曲线Fig 2 Photosensitive curve of W and IR pixel point

通过图2可以看出：W像素点的感光曲线的峰值在550 nm，可以通过提取W像素点获得可见掌纹图像，IR像素点的感光曲线的峰值在830 nm，这是处于一个近红外的区域，可以通过提取IR像素点获得红外掌脉图像。

通过对CCD成像原理的分析可以看出，使用一颗CCD就能够在同一时间点获得掌纹图像和掌脉图像。

2 系统设计方案

为了能够适应更多的应用场合，掌纹掌脉采集模块装置在设计上需要小型化，以利于和其他系统进行集成。为了实现小型化的目的，在系统的补充光源设计和镜头的选择上进行了优化。

2.1 光源设计

根据实验分析可知，在470 nm的蓝光条件下能够很好地获得清晰的掌纹图像[4]，而通过上文分析可知，掌脉图像在850 nm的近红外光下成像效果最佳。于是，选择470 nm的蓝光和850 nm的近红外光作为采集模块的补充光源。

目前,通用的补充光源设计多是采用多颗普通可见LED和红外LED点光源构成不同形状的均匀面光源来作为补充光源[7]，然而，采用这种方案的光源设计，光源面积大，制约了模块实际应用的场合。

在470 nm的可见光补充光源设计中选择5050封装蓝色LED，它内部集成三个并联方式存在的灯珠，发光角度为120°，光强达到5 000 mcd,且具有良好的单色性。在850 nm的近红外补充光源设计中，创新性地选择了红外激光二极管(LD)作为补充光源，相对LED而言，小封装的普通LD光强大，光源集中，单颗器件就可以获得较大的光强，但是存在的缺点是角度较小，容易形成亮光斑。针对这种情况，本文对LD设计了一个外部光路结构。如图3所示。

图3 LD光路结构Fig 3 LD optical path structure

将蓝光LED和红外LD组成一个补充光源系统，如图4所示。

图4 补充光源示意图Fig 4 Diagram of supplementary light source

经验证，手掌距离光源15 cm时，光源能够有效地照亮手掌的有效区域。

2.2 镜头设计

为了设计一种小型的能够适用最大应用需求的采集模块，镜头参数的选择非常重要，由于选择的成像传感器通过一个CCD就可以同时获得掌纹和掌脉图像，从而掌纹和掌脉图像的成像就是通过一个镜头来完成，于是，选择的镜头必须能够同时满足掌纹图像和掌脉图像采集的要求。

由于用户在离镜头15 cm左右的位置，补充光源能够很好地照亮用户的手掌，于是镜头选择定焦镜头，焦距为15 cm。镜头的另一个重要参数是光圈，其主要决定镜头的进光量，常用小型的消费类非球面镜头光圈数序列是：F2.8，F5.6，F8.0，F11，F16。光圈值越小，通光孔径越大，进光量越多。同时,光圈还是决定景深大小的最重要因素，光圈越小，景深越大，用户在使用时就有一定的对焦冗余量。考虑用户使用的良好体验感，光圈参数确定为F2.8。图5是采用F2.8光圈在用户使用距离在15 cm和20 cm时获得的掌纹和掌脉图像，从中可以看出，在手掌离镜头15 cm和20 cm时，都可以取得清晰可见的图像。

图5 不同距离下的掌纹掌脉图像Fig 5 Palm print and palm vein images with different distance

实验表明:这个参数的镜头能够带来良好的用户体验，并满足设计的需求。

2.3 硬件电路设计与系统数据流

2.3.1 系统硬件设计

为了将CCD采集到的图像能够稳定的通过USB接口进行上传，首先采用专用图像处理芯片对CCD的图像数据进行整理，然后使用CPLD将CCD采集的可见和红外图像从单帧数据中分离出来，最后通过USB处理芯片把数据从USB口发送出去，系统框图如图6。

2.3.2 图像数据流传输分析

夏普的CCD输出的数据大小为1 320×976，输出的每一桢图像数据格式如图7。

图7 CCD一桢数据格式Fig 7 1 frame data format of CCD

首先，采用专用的图像处理芯片对CCD输出的数据进行整理计算。将图像格式由1 320×976转变为1 320×488大小。如图8所示。

图8 压缩后的数据格式Fig 8 Compressed data format

然后，如图9所示，使用CPLD按先后顺序从数据流中获得可见掌纹图像和红外掌脉图像,即,从第1帧的1 320×488图像中提取660×488大小的红外掌脉图像，从第2帧1 320×488图像中提取660×488大小的可见掌纹图像，并依此循环下去。将数据图像整理成YUV422格式，最后通过USB芯片发送出去。

图9 掌纹和掌脉图像的分离Fig 9 Separation of palm print and palm vein images

整个系统的数据图像流如图10。

图10 系统图像数据流Fig 10 System image data stream

设计完成后，图像每秒上传20帧图像，其中,10帧可见掌纹图像，10帧红外掌脉图像。

3 设计实验结果

系统的硬件实物图如图11所示。

图11 硬件实物图Fig 11 Physical map of hardware

使用本文系统对掌纹掌脉进行采集，采集获得的掌纹掌脉图像如图12。

图12 系统采集的掌纹图像和掌脉图像Fig 12 Palm print and palm vein images collected by system

通过图像可以看出，获得的图像纹理清晰，能够很好地满足算法识别的需要。

4 结 论

在近红外和可见光的补充光源的照射下，基于CCD的掌纹掌脉采集模块装置可以获得特征信息丰富，成像质量高的掌纹和掌脉图像，并能够通过USB2.0接口以每秒20帧速率将采集到的掌纹和掌脉图像上传，确保了图像后续处理的实时性要求。掌纹掌脉采集模块装置的设计为近一步的图像识别算法处理奠定了良好的基础。

[1] 岳 峰，左旺孟，张大鹏.掌纹识别算法综述[J].自动化学报,2010,36(3):353-365.

[2] 汪 锐.手掌静脉识别研究[D].哈尔滨:哈尔滨工业大学,2008.

[3] 吴 微,苑玮琦.手掌静脉识别技术综述[J].中国图象图形学报,2013,18(10):1215-1224.

[4] 苑玮琦,杨 冰.非接触手成像系统图像采集光源的研究[J].激光与红外,2014,44(7):783-787.

[5] 吴 微,苑玮琦，林 森，等.手掌静脉识别典型波长选择[J].光学学报,2012,32(12):1211-1219.

[6] 熊 平.CCD与CMOS图像传感器特点比较[J].半导体光电,2004,25(1):1-4.

[7] 苑玮琦,孔德奇.基于多光谱的手掌三模态采集装置设计与实现[J].仪表技术与传感器,2013(10):35-38.

Design of palm print and palm vein acquiring module based on CCD*

LIANG Jian-xia1,2， HU Chao1,2， LIU Xiao-na1,2

(1.Key Laboratory of Pattern Recognition,Beijing Academy of Science and Technology,Beijing 100094,China;2.Beijing Institute of New Technology Applications,Beijing 100094,China)

Aiming at the requirements of palm print and palm vein authentication,taking the palm print and palm vein image acquisition system as research object,design a palm print and palm vein image acquisition model based on CCD.The acquisition module uses single CCD as the image sensing chip,can obtain the palm print images and the palm vein images at the same time.In addition,the light source design creatively uses laser diode as infrared additional light source,the collected image data is uploaded via USB.Experimental results show that the acquired module can obtain clear and reliable image meeting the requirements of image processing.

biological recognition； palm print and palm vein image； CCD

10.13873/J.1000—9787(2016)07—0073—03

2015—10—21

北京市科学技术研究院创新团队计划资助项目(IG201505N)：北京市科学技术研究院青年骨干计划资助项目(201309)

TP 274

A

1000—9787(2016)07—0073—03

梁建霞(1977-)，女，江西吉安人，硕士研究生，助理研究员，主要研究方向为图像采集与处理系统。