新冠肺炎疫情暴发以来，全球已有超过23万名医护人员感染新冠病毒，非人工接触手背静脉自动注射方式因其良好的隔离性受到众多医护工作者的欢迎，而实现非接触式手背静脉自动注射的关键是实现手背静脉检测与分割及入针点位置的决策。针对手背静脉检测问题，提出了一种基于U-Net改进的指导注意力机制的图像处理算法（AT-U-Net），并基于自建手背静脉数据库进行了实验，其准确率达到93.6%。根据手背静脉检测的结果，提出了一种基于剪枝算法的手背静脉入针点位置决策方法（PT-Pruning）。通过PT-Pruning提取手背静脉主干线，综合考虑每条静脉血管入针点区域的血管截面积及弯曲值，最终获得手背静脉最优入针点。与自建的手背静脉入针点数据库进行对比，有效入针点注射区域检测准确率达到96.73%，最优入针点注射区域检测准确率达到96.5%，为后续机械自动注射奠定了基础。

新冠肺炎疫情的暴发使得非接触式静脉注射机器人备受医务人员青睐，但目前对机器人入针角度的研究较少，多以粗略的角度进行入针操作，这会增加穿刺失败率，且由于患者本身存在的个体差异，有时会有明显疼痛感。为此，针对手背静脉注射机器人入针角度的确定展开研究，重点完成对手背测量数据的优化，以保证入针角度计算结果的准确性。首先通过单目相机与线结构光扫描相结合的方法获得手背入针区域空间点云，利用最小二乘法对手背点云进行拟合得到手背平面；在线结构光系统标定过程中，通过构造误差函数，采用最优化方法进行迭代求解来消除测量误差；然后以得到的入针区域平面为依据确定入针角度；最后设计实验，验证所提方法的准确性。实验结果表明，优化后结构光平面位置的平均误差约为0.1 mm，满足项目需求，为后续全自动注射奠定基础。

针对身份识别容易被仿冒和造假的问题,提出了一种利用近红外相机捕获手背静脉同时具有活体检测功能的身份识别方法,手背静脉图像提供静脉特征作为身份识别的依据,与此同时获取的脉搏波的周期性特征作为活体检测的标志。利用自行搭建的手背静脉和脉搏波捕获实验装置,研究了70个个体的手背静脉图像以及活体和假体的静脉图像特征,并提出了提高身份识别准确率的算法。采用主成分分析对活体静脉特征向量进行降维,降低分类算法的复杂度,结合马氏距离去除异常样本,以提高识别精度,再采用参数优化的随机森林算法和支持向量机算法实现了手背静脉的精准识别。结果表明:基于手背静脉特征结合随机森林算法和支持向量机算法可以对不同个体进行身份识别,识别准确率分别为99.28%和99.86%,识别时间分别为0.368 s和0.110 s。

手背静脉图像的采集过程中，由于图像采集设备、光照、皮下脂肪厚度等因素的影响，手背静脉图像的对比度比较低，同时图像噪声严重影响静脉提取。针对此问题，本文提出了一种基于静脉灰度值特征的图像分割与对比度增强算法。首先提取ROI(有效的感兴趣区域)和对ROI 进行维纳滤波；然后采用新的图像分割算法对静脉图像进行静脉提取，利用8-邻接内边界跟踪方法和形态学处理方法对静脉二值图像进行去噪；最后将ROI 与去噪后的图像进行加权叠加得到对比度增强的静脉图像。实验结果表明，通过采用基于静脉灰度值特征的图像分割算法可以很好地获取到静脉脉络，最终可以获得高对比度的静脉图像。

A hand vein authentication system in which the identity of an individual can be readily confirmed upon gripping a handle is proposed. This recognition method incorporates infrared light-emitting diode (LED) onto a door handle and sets a charge-coupled device (CCD) camera on the other side of the hand. It builds on fuzzy c-means clustering and parallel neural networks (NNs); moreover, it is expected to solve the pattern recognition problem in large-scale databases using NNs due to its self-learning and parallel processing capabilities and by effectively incorporating training patterns. The experimental results validate the e±ciency of the proposed algorithm.

针对单模态生物特征识别的局限性，提出融合手背静脉、虹膜和指纹三种生物特征实现身份识别。首先分别对手背静脉图像、虹膜图像和指纹图像进行独立的图像预处理、特征提取和特征匹配，输出各自的匹配分数。分析匹配分数归一化对识别性能的影响，采用Tanh 归一化方法对三种生物特征的匹配分数进行归一化处理，最后利用加权求和法则实现匹配分数的融合，利用最小距离分类器实现身份识别。实验结果表明，融合识别算法的等错率为0.009%，当错误接受率接近0 时，对应的错误拒绝率仅为0.2%。

针对单生物特征识别的不足,提出了利用手背静脉和虹膜融合来实现身份识别。在身份识别过程中,对手背静脉图像和虹膜图像进行预处理,然后对图像进行小波变换提取手背静脉纹理特征和虹膜特征。将手背静脉和虹膜的小波特征融合,形成联合特征向量,最后采用最小距离分类器实现身份认证。利用CASIA虹膜数据库和TJU手背静脉数据库对该算法进行了性能测试,实验结果表明该融合算法的识别性能比单个生物特征识别算法的性能有明显提高,为生物特征识别研究提供了新思路。

手背静脉识别利用静脉血管分布的网络结构实现个人身份鉴定,是一种新兴的生物特征识别技术。分析了静脉成像原理,设计了静脉图像采集系统,并建立了具有较高质量的手背静脉图像数据库。在身份识别过程中,首先对手背静脉图像进行滤波和灰度归一化等预处理,然后对图像进行二级小波包分解,并利用得到的细节图像提取手背静脉的纹理特征,最后将k近邻分类器和支持向量机相结合实现了个人身份识别。在识别模式下利用建立的手背静脉图像数据库对本系统进行了性能测试,实验结果表明该系统具有较高的识别性能,其正确识别率达99.07%,应用前景十分广阔。

A novel hand vein recognition algorithm is developed based on multi-resolution wavelet analysis. The texture feature of hand vein can be extracted by three-level wavelet decomposition. Furthermore, K-nearest neighbor (KNN) with support vector machines (SVM) and minimum distance classifier (MDC) are employed for feature matching. Finally, the experiments are respectively performed in identification and verification modes using Tianjin University (TJU) hand vein image database constructed by our group. The results show the feasibility and effectiveness of the proposed method.