CN102222216A - 基于手指纹络生物特征的身份识别系统 - Google Patents
基于手指纹络生物特征的身份识别系统 Download PDFInfo
- Publication number
- CN102222216A CN102222216A CN2011101469681A CN201110146968A CN102222216A CN 102222216 A CN102222216 A CN 102222216A CN 2011101469681 A CN2011101469681 A CN 2011101469681A CN 201110146968 A CN201110146968 A CN 201110146968A CN 102222216 A CN102222216 A CN 102222216A
- Authority
- CN
- China
- Prior art keywords
- image
- finger
- texture
- feature
- identification
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Collating Specific Patterns (AREA)
Abstract
一种基于手指纹络生物特征的身份识别系统。该系统包括手指纹络采集单元,生物特征识别单元,数据库单元;两个采集单元同时对手指纹与手指背纹进行图像采集,并将接收到的原始图像信号送到生物特征识别单元,生物特征识别单元通过对采集的图像进行预处理,分别提取出手指纹与手指背纹特征模板,利用统计学方法把两个特征模板进行融合为一体,并将最终模板与之前数据库单元中存储的模板进行对比识别,做出判断,得出最后身份识别认证结果。该系统优点:认证错误率低,抗噪性好,具有人机友好,抗伪造性等特点。
Description
技术领域
本发明属于生物特征识别技术领域,主要涉及一种基于手指纹络生物特征身份识别系统。
背景技术
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,生物特征通常具有唯一的(与他人不同)、可以测量或可自动识别和验证等特点。
人类身体生物特征包括:指纹、静脉、掌型、视网膜、虹膜、人体气味、脸型、甚至血管、DNA、骨骼等;行为特征则包括:签名、语音、行走步态等。生物识别系统则对生物特征进行取样,提取其唯一的特征转化成数字代码,并进一步将这些代码组成特征模板,当人们同识别系统交互进行身份认证时,识别系统通过获取其特征与数据库中的特征模板进行比对,以确定二者是否匹配,从而决定接受或拒绝该人。
指纹是由于手指内侧表面的皮肤凹凸不平所产生的纹路而形成的图案。不同的人的指纹,或同一个人的不同手指的指纹,它们的纹线走向及纹线的断点和交叉点等均不相同,就是说,每个人的每个手指的指纹都是唯一的。
手指背关节皮纹识别。手指背关节皮纹是指手指背部关节部位的皮肤纹理,是人人具有的部分,具有普遍性和唯一性;可以非接触地进行图像采集,具有非侵犯性;它有丰富的褶皱、弯曲和漩涡等特征。
虽然生物识别技术种类较多,但在实际使用中,每种生物识别技术都存在缺陷。如虹膜识别采集不易被大众接受,容易模仿,人脸识别较复杂,且易受整容遮挡的影响。并且现有生物识别大多采用单一的生物识别方法,也就有各自的缺陷,因而大大影响其实用性。
专利(CN1932840A)基于虹膜和人脸的多模态生物特征身份识别系统,介绍了一种多模态的身份识别认证系统。
专利(CN1457015A)基于人脸识别和手形识别的双模态生物认证系统,介绍了一种结合人脸与手型双模态的生物识别方法。
专利(CN101814130A)用摄像机阵列的虹膜识别装置和多模态生物特征识别方法,介绍了利用摄像机阵列装置及用于虹膜识别的方法。
上述方法虽然解决了单种生物识别的缺陷,提高了识别安全性与正确率,但都存在自己的缺陷,比如生物特征采集比较困难,对采集者要求较高,数据处理相对较复杂。
发明内容
本发明目的是克服现有技术存在的上述不足,提供一种多模态生物特征身份识别系统,即基于手指纹络生物特征的身份识别系统,该系统将手指纹和手指背纹结合起来共同识别人的身份,以降低识别错误率,提高人机友好及抗伪造性。
本发明的技术方案如下:
该系统包括手指纹络采集单元,生物特征识别单元,数据库单元;两个采集单元同时对手指纹与手指背纹进行图像采集,并将接收到的原始图像信号送到生物特征识别单元,生物特征识别单元通过对采集的图像进行预处理,分别提取出手指纹与手指背纹特征模板,利用统计学方法把两个特征模板进行融合为一体,并将最终模板与之前数据库单元中存储的模板进行对比识别,做出判断,得出最后身份识别认证结果。
本发明的技术方案细节如下:
本发明提供的基于手指纹络生物特征的身份识别系统,包括手指纹络采集单元,生物特征识别单元,数据库单元;系统将手指纹络采集单元采集到的图像信号送到生物特征识别单元,生物特征识别单元提取出手指纹络的特征并与数据库单元中的生物特征模板作比较,最后得出身份识别结果。
所述的手指纹络采集单元包括两个独立的分别用于获取手指纹与手指背纹图像的可见光成像装置,置于成像装置周围的、用于向被识别手指照射可见光的手指纹络采集主动成像光源模板,在可见光成像装置与被识别手指之间各设置有一个用于滤除外界其他光源干扰的滤波片。
所述的生物特征识别单元由DSP构成,用于分别对获取的手指纹与手指背纹进行图像归一化、图像分割、质量分析、图像增强、图像二值化、图像细化,然后对每一幅图分别提取出指纹与指背纹特征模板,利用统计学方法把两个特征模板融合为一体,并将最终模板与存储在数据库中的模板进行对比识别,做出判断,得出最后的身份识别认证结果。
所述的数据库单元由FLASH存储器构成,用于存储预先采集提取的特征手指纹络数据。
所述的成像装置由面阵CCD或者线阵CCD或者CMOS及外围电路组成,每一个成像装置采用单一的CCD或CMOS,或者为阵列式排布的CCD或CMOS组合,进而获取更广的图像。
所述的主动成像光源模板为可见LED光源,所述的滤波片为与LED光源发出的可见光对应波长的滤波片。
所述的生物特征识别单元分别对获取的手指纹与手指背纹图像进行归一化,通过统计特性、方向信息、频域信息的方法分割图像,之后进行质量评估,若图像质量好直接进行二值化,若图像质量差将通过Gabor滤波进行图像增强,然后将增强后的图像或质量好的图像选用浮动闽值法对图像进行二值化,采用OPTA细化算法对图像进行细化处理,对分叉点、孤立点、分歧点、端点、环点、短线几种类型细节点进行提取特征,提取出手指纹络的特征模板,并将最终模板与存储在数据库中的模板进行对比识别,得出最后的身份识别结果。
所述的手指纹络图,可以是手指纹络的平面图,或者是得到的整个手指纹络的三维立体图;所述的手指纹络的特征模板可以是手指纹络的平面图样的特征模板,或者是得到的整个手指纹络的三维立体图样的特征模板。
实现本发明系统的硬件装置如图3所示:
硬件装置主要由核心处理器DSP芯片、两个CCD、A/D转换器件、硬件可编程逻辑器件CPLD、存储器FLASH与SDRAM、显示单元LED、通信接口USB组成。
其中CCD与其周围设备构成成像装置,成像装置及其外围电路构成手指纹络采集单元;DSP芯片与其外围接口电路共同构成生物特征识别单元;FLASH存储器构成数据库单元用于存储预先采集提取的特征手指纹络数据。
系统开始工作以后,用户通过CCD获取手指纹与手指背纹图像信号并通过A/D转换器件将模拟信号转变为数字信号,CPLD作为接口和逻辑控制器件,将手指纹与手指背纹图像信号存储到SDRAM中,并在各采集完一幅图像后通知DSP数据已准备好。在数据处理阶段,DSP将SDRAM中的数据分块取到其内部RAM中,作为手指纹图像处理以及识别算法的临时数据。DSP将处理结果与FLASH中预先采集提取的特征手指纹络进行匹配,最后通过LCD显示器显示识别结果。USB接口电路是系统的扩展接口,主要的作用就是凭借此接口,手指纹络识别系统可以进行二次开发,以应用于其他的应用系统中。
本发明的优点和积极效果:
(1)本发明基于手指纹与于指背纹两种生物特征抗噪性好。
(2)本发明采用手指纹与手指背纹两种生物特征进行身份认证,提高了认证的准确性。
(3)本发明采集简单方便具有人机友好特点。
(4)本发明基于手指纹与手指背纹识别,有极高的抗伪造性。
(5)本发明基于手指纹与手指背纹识别,降低了对环境的使用要求。
附图说明:
图1手指纹络识别系统检查原理图I;
图2手指纹络图像采集单元结构与系统示意图;
图3手指纹络识别系统硬件电路图;
图4手指纹络识别系统程序处理流程图;
图5手指纹络识别系统检查原理图II。
具体实施方式:
下面结合附图通过实施例对本发明作进一步的具体说明。
实施例1:
本发明提供的基于手指纹络生物特征的身份识别系统,包括手指纹络采集单元,生物特征识别单元,数据库单元;手指纹络采集单元将采集到的原始图像信号送到生物特征识别单元,生物特征识别单元提取出手指纹络的特征并与数据库单元中的生物特征模板作比较,最后得出身份识别结果;
所述的手指纹络采集单元包括两个独立的分别用于获取手指纹与手指背纹图像的可见光成像装置,置于成像装置周围的、用于向被识别手指照射可见光的手指纹络采集主动成像光源模板,在可见光成像装置与被识别手指之间各设置有一个用于滤除外界其他光源干扰的滤波片;
所述的生物特征识别单元主要由DSP构成,用于分别对获取的手指纹与手指背纹进行图像归一化、图像分割、质量分析、图像增强、图像二值化、图像细化,然后对每一幅图分别提取出指纹与指背纹特征模板,利用统计学方法把两个特征模板融合为一体,并将最终模板与存储在数据库中的模板进行对比识别,做出判断,得出最后的身份识别认证结果;
所述的数据库单元由FLASH存储器构成,用于存储预先采集提取的特征手指纹络数据。
图1是本发明手指纹络识别系统检查原理示意图,本系统由生物采集单元(A),生物识别单元(B)和数据库单元(C)组成。在采集单元(A)中该系统利用两个成像装置同时对手指纹(5)与手指背纹(3)进行图像采集;在识别单元(B)中通过对生物采集单元(A)采集的图像进行预处理,分别提取出手指纹(5)与手指背纹(3)特征模板,利用统计学方法把把两个特征模板进行融合为一体,并将最终模板与存储在数据库单元(C)中的模板进行对比识别,做出判断,得出最后认证结果。
图2为手指纹络图像采集结构与系统示意图,用户单根手指(4)深入识别装置,然后手指纹络采集主动成像光源模板LED阵列(1)置于成像装置的周围,向手指(4)照射可见光;手指纹(5)与手指背纹(3)的反射光通过两个滤波片(2),此滤波片(2)用于滤除外界其他光源干扰,之后反射光进入两个可见光成像装置,此成像装置由两个线/面阵CCD(或CMOS)(6)组成,进而获得到手指纹(5)与手指背纹(3)的图像。
系统的硬件装置如图3所示:
硬件装置主要由核心处理器DSP芯片、两个CCD、A/D转换器件、硬件可编程逻辑器件CPLD、存储器FLASH与SDRAM、显示单元LED、通信接口USB组成。
其中CCD与其周围设备构成成像装置,成像装置及其外围电路构成手指纹络采集单元;DSP芯片与其外围接口电路共同构成生物特征识别单元;FLASH存储器构成数据库单元。
硬件系统的工作过程如下:
如图3,系统开始工作以后,两个CCD及其外围电路主要工作就是要完成系统手指纹(5)与手指背纹(3)数据的采集并把所采集到的数据通过A/D转换由模拟形式转换成数字形式的数据;CPLD作为接口和逻辑控制器件,主要的工作任务就是负责整个电路系统的片选、中断、通用I/O口的配置,在本发明的电路系统中将图像采集装置采集到的手指纹络数据传输到SDRAM中,并且当分别采集完一副完整的手指纹(5)与手指背纹(3)图像后通知DSP数据已经准备好;DSP是整个系统硬件的核心部分,它将负责各种数据的处理,并且把处理好后的数据及时地传输出去。在数据处理阶段DSP将SDRAM中的数据分块取到其内部RAM中,作为手指纹络图像处理以及识别算法的临时数据。DSP将处理结果与FLASH中预先采集提取的特征手指纹络进行匹配,最后通过LCD显示器显示识别结果。USB接口电路是系统的扩展接口,主要的作用就是凭借此接口,手指纹络识别系统可以进行二次开发,以应用于其他的应用系统中,比如手指纹络门禁系统、手指纹络考勤机等。
以下为DSP与CPLD、LCD及FLASH的接口说明:
DSP外部总线接口单元(EBIU)提供了与外部存储器的无缝连接,EBIU使用系统时钟(SCLK),所有同步存储器与DSP之间的接口操作都工作在SCLK频率。内核频率与SCLK频率之间比值可用PLL系统的MMR编程获得。在EBIU连接外部存储器包括一个16位的数据总线、一个地址总线以及一个控制总线,支持16位/8位的防问,在发明使用的硬件平台上,EBIU连接了SDRAM以及FLASH存储器。在此电路中,CPLD作为DSP的扩展接口设备,它起到的作用主要有存储器的地址译码以及LCD、CCD等的逻辑控制和复位逻辑。我们使用的LCD是型号为24位真彩数字屏,其数据传输方式是以8位RGB方式传入的。在传数据时,每一个点的显示是先传送8位R信号,再传送8位的G信号,最后是B信号,下一个8位信号为下一个点的R信号,一次传送下去,数据的传送是以8位为单位的分批传输的。其中是DSP的异步存贮器输出使能,在本发明电路中,FLASH作为外部存储器映射为异步设备,所以应该与FLASH映像的连在一起;是异步存储器写使能,相应地连接到FLASH的,此端低电平信号有效;为控制使能端,低电平信号有效。
如图4所示,手指纹络识别系统程序处理流程图,首先系统通电后对DSP,LCD等进行初始化设定,之后系统分别采集手指纹(5)图与手指背纹(3)图,然后对采集到的图像进行检测,如果合格进行下一步操作,若不合格则返回上一步继续采集手指纹(5)图与手指背纹(3)图,对合格的图像分别进行:归一化,通过统计特性、方向信息、频域信息的方法分割图像,之后进行质量评估,若图像质量好直接进行二值化,若图像质量差将通过Gabor滤波进行图像增强,然后将增强后的图像与质量好的图像选用浮动闽值法对图像进行二值化,采用OPTA细化算法对图像进行细化处理,对分叉点、孤立点、分歧点、端点、环点、短线等几种类型细节点进行提取特征。具体方法如下:
1,归一化:
手指纹络图像归化的目的是为了消除采集器本身的噪声以及因为采集手指纹络图时光线及位置不同而造成的灰度差异,将采集的每一幅指纹图像的灰度变化调整到一个统一的范围,使不同的图像具有相同的灰度均值和方差,为后续处理提供一个较为统一的图像规格。
设I表示原始手指纹络图像,其大小为M×N,设I(i,j)为原始图像中像素点(i,j)的灰度值,G(i,j)力为归一化后手指纹络图像中像素点(i,j)的灰度值,归一化定义如下:
其中
M0、V0是预置的均值和方差,通常取M0=100,V0=120
2,图像分割:
手指纹络图像分割通常位于预处理过程的前端,其目的是把背景区域和手指纹络图像中质量很差、在后继处理中很难恢复的区域与有效手指纹络区域区分开来,使后继处理能够集中于有效区域,提高识别性能和工作效率。分割处理不仅能提高特征提取的精确度,还能大大减少预处理的时间,因此需要精确的分割算法。手指纹络图像的前景区域是由脊线和谷线及褶皱组成,一般情况下,前景中的脊线、谷线及褶皱的灰度差较大,因此灰度统计特性中的局部灰度方差很大。而手指纹络图像背景区域一般比较单一,它的方差通常是比较小的。基于这一特点,可以利用图像的局部方差对手指纹络图像进行分割。其算法描述如下:
(1)将图像I(i,j)无重叠的划分w×w的小块,对每块分别进行处理,此w通常取16;
(2)计算每一子块的灰度平均值
其中I(i,j)表示第(m,n)个快内部w×w个像素点的灰度值。
(3)计算每一图像块的灰度方差:
(4)对于每一图像块,当小于预设的方差阈值TV时,将其设定为背景区域,将其像素灰度值置为0;反之,作为前景保留其原来的灰度值。方差法的优点是算法简单,计算速度快,效率高,当提取到的手指纹络图像质量较好时,其分割效果较好。
3,质量评估:
在图像增强前引入手指纹络图像质量评估模板,对于一幅手指纹图与手指背纹图的某一子块区域,先计算其图像质量,然后根据计算的质最值和预置阈值的关系进行判别:如果其质量评估指标大于预置的阈值,即图像质量较高,则不需要进行图像增强;反之则进行图像增强。显然,只要选择简单的图像质量评估算法,上述改进就可以有效减少预处理所需时间,提高预处理效率。对图像质量进行评估的指标可选用灰度均值方差比、灰度模糊度、方向一致性、脊线清晰度等,可以选用一种指标,也可以通过一定的加权由上述指标得到一个综合手指纹络图像质量衡量指标。
4,图像增强:
对上一步质量评估的质量不好的图像进行图像增强,图像增强所选用的滤波器是对频谱主能量予以增强的带通滤波器,噪声能量因位于通带外而被滤波器衰减。Gabor滤波器具有良好的方向和频率选择特性,在时域和频域均具有最优分辨率。
Gabor滤波的增强图像E(i,j)由下式得到
其中,I(i,j)为原始灰度图像,θ(i,j)为图像块方向图,f(i,j)为手指纹络纹线分布频率。上式处理的图像子块大小为2w×2w,而从增强后的图像子块中仅提取大小为w×w的块,这样的处理主要是为了避免由于逐块增强所带来的块效应
具体算法如下:
(1)将分割后的图像分为大小为w×w的互不重叠的子块;
(2)分别计算各图像子块的纹线方向和纹线频率;
(3)为每个图像子块分别构建相应的增强模板;
(4)利用上式对所有图像子块进行滤波运算,其结果为增强后的图像。
5,二值化:
由于图像在某一区域的像素灰度值高度相关,我们对手指纹络图象进行分块后,根据每块内部的像素值来计算得出阈值,因此,对于每块子图像,都有一个由此计算得出的阈值。计算过程中要选择合适的子块大小,这样才能保证取得最佳的二值化效果。浮动阈值的计算方法:将图像分为w×w的子块,对每一子块计算平均灰度值
其中,g(i,j)为子块内像素点(i,j)的灰度值。并将子块中每个像素点的灰度值与平均灰度值进行比较,若大于平均灰度值,则将该象素点灰度值置为1,反之置0。
6,OPTA细化:
OPTA细化算法为串行细化算法,其通过构造8个消除模板和6个保留模板,将二值化后的图像与模板比对,决定是否删除某点的像素值。
OPTA算法的具体实现步骤:
(1)从图像左上角的像素开始,对图像中满足删除模板,行删除。
(2)反复执行步骤(1),直到图像中没有可删除的像素点为OPTA算法为8连通算法,其能够基本保证单像素宽的要求。
7,基于八邻域的细节特征提取:
端点和分叉点是手指纹络的基本局部特征点。它们的集合构成了手指纹络的特征集,用来唯一标识一个手指纹络,因此本专利采用这种细节特征点匹配模型,只提取端点和分叉点,而将其它类型的特征点视为伪特征点。细节点特征可以直接从灰度图像提取,也可以从细化后的二值手指纹络图像提取。直接在灰度指纹图像上提取细节特征点虽然省去了复杂的预处理过程,但是特征提取算法非常复杂,特征定位不够准确,对质量较低的指纹图像适应性不强。本专利采用的方法为最常用的八邻域细节特征提取方法是在细化后的图像上进行提取。
然后把通过上述步骤得到的手指纹与手指背纹的特征点进行融合,与存储在数据库单元(C)中的数据进行比对判断,然后给出最后识别结果由LCD显示出来。
实施例2:
如图5所示系统开始工作以后,用户通过图像采集模板(A)输入手指纹(5)与手指背纹(3)图像,即系统通过CCD(6)获取手指纹(5)与手指背纹(3)图像信号并通过A/D转换器件将模拟信号转变为数字信号,CPLD作为接口和逻辑控制器件,将手指纹(5)与手指背纹(3)图像存储到SDRAM中,并在各采集完一幅图像后通知DSP数据已准备好。在数据处理阶段,DSP将SDRAM中的数据分块取到其内部RAM中,作为手指纹图像处理以及识别算法的临时数据。DSP将处理结果与FLASH中预先采集提取的特征手指纹络进行匹配,最后通过LCD显示器显示识别结果。
本系统由生物采集单元(A),生物识别单元(D)和数据库单元(E)组成。在采集单元(A)中该系统利用两个成像装置同时对手指纹(5)与手指背纹(3)进行图像采集;在识别单元(D)中通过对生物采集单元(A)采集的原始图像进行图像衔接融合,进而得到整个手指(4)的手指纹络平面图,或者得到整个手指(4)的三维立体图,然后对融合后的图像进行预处理,提取出手指纹络的特征模板,包括平面图样的特征模板和三维立体图样的特征模板,并将最终模板与存储在数据库单元(E)中的模板进行对比识别,做出判断,得出最后认证结果。
具体实施过程为在采集单元(A)中用户单根手指(4)深入识别装置,然后手指纹络采集主动成像光源模板LED阵列(1),置于成像装置的周围,向手指照射可见光;手指纹(5)与手指背纹(3)的反射光通过两个滤波片(2),此滤波片(2)用于滤除外界其他光源干扰,之后反射光进入两个可见光成像装置,此成像装置由两个线/面阵CCD(或CMOS)(6)组成,进而获得手指纹(5)与于指背纹(3)的图像。然后在识别单元(D)中将采集的手指纹(5)图与手指背纹(3)图进行衔接融合得到手指纹络的平面图或三维立体图,然后对融合后的图像进行如实施例1所述的方法进行图像归一化、图像分割、质量分析、图像增强、图像二值化、图像细化,并对处理后的图像对分叉点、孤立点、分歧点、端点、环点、短线等几种类型细节点进行提取特征。然后将提取的特征模板包括平面图样的特征模板和三维立体图样的特征模板,与存储在手指纹络数据库单元(E)中的数据进行比对判断,给出最后识别结果由LCD显示出来。
Claims (8)
1.一种基于手指纹络生物特征的身份识别系统,其特征在于该系统包括手指纹络采集单元,生物特征识别单元,数据库单元;系统将手指纹络采集单元采集到的图像信号送到生物特征识别单元,生物特征识别单元提取出手指纹络的特征并与数据库单元中的生物特征模板作比较,最后得出身份识别结果;
所述的手指纹络采集单元包括两个独立的分别用于获取手指纹与手指背纹图像的可见光成像装置,置于成像装置周围的、用于向被识别手指照射可见光的手指纹络采集主动成像光源模板,在可见光成像装置与被识别手指之间各设置有一个用于滤除外界其他光源干扰的滤波片;
所述的生物特征识别单元由DSP构成,用于分别对获取的手指纹与手指背纹进行图像归一化、图像分割、质量分析、图像增强、图像二值化、图像细化,然后对每一幅图分别提取出指纹与指背纹特征模板,利用统计学方法把两个特征模板融合为一体,并将最终模板与存储在数据库中的模板进行对比识别,做出判断,得出最后的身份识别认证结果;
所述的数据库单元由FLASH存储器构成,用于存储预先采集提取的特征手指纹络数据。
2.根据权利要求1所述的身份识别系统,其特征在于所述的成像装置由面阵CCD或者线阵CCD或者CMOS及外围电路组成,每一个成像装置采用单一的CCD或CMOS,或者为阵列式排布的CCD或CMOS组合,进而获取更广的图像。
3.根据权利要求1所述的身份识别系统,其特征在于所述的主动成像光源模板为可见LED光源,所述的滤波片为与LED光源发出的可见光对应波长的滤波片。
4.根据权利要求1所述的身份识别系统,其特征在于所述的生物特征识别单元分别对获取的手指纹与手指背纹图像进行归一化,通过统计特性、方向信息、频域信息的方法分割图像,之后进行质量评估,若图像质量好直接进行二值化,若图像质量差将通过Gabor滤波进行图像增强,然后将增强后的图像或质量好的图像选用浮动闽值法对图像进行二值化,采用OPTA细化算法对图像进行细化处理,对分叉点、孤立点、分歧点、端点、环点、短线几种类型细节点进行提取特征;提取出手指纹络的特征模板,并将最终模板与存储在数据库中的模板进行对比识别,做出判断得出最后身份识别结果。
5.根据权利要求4所述的身份识别系统,其特征在于所述的手指纹络图,是手指纹络的平面图,或者是得到的整个手指纹络的三维立体图;所述的手指纹络的特征模板是手指纹络的平面图样的特征模板,或者是得到的整个手指纹络的三维立体图样的特征模板。
6.根据权利要求1所述的身份识别系统,其特征在于该系统硬件采用CPLD与DSP的体系结构,CPLD用来作为接口和逻辑控制器件,进行地址译码及其它外围电路的控制;DSP芯片用于处理手指纹络图像处理;系统还包括成像装置、A/D转换器件、存储器件FLASH与SDRAM、显示单元LCD、通信接口USB;其中成像装置及外围电路构成手指纹络采集单元,DSP芯片是整个系统硬件的核心部分,它将负责各种数据的处理,并且把处理好后的数据及时地传输出去,与其外围接口电路共同构成生物特征识别单元,FLASH存储器件构成数据库单元用于存储预先采集提取的特征手指纹络数据。
7.根据权利要求6所述的身份识别系统,其特征在于所述的身份识别系统的硬件采用FPGA进行地址译码及其它外围电路的控制;系统也可采用ARM芯片用于处理手指纹络图像处理,与其外围接口电路共同构成生物特征识别单元。
8.根据权利要求1所述的身份识别系统,其特征在于所述的生物特征识别单元,亦可在识别单元中通过对生物采集单元采集的原始图像首先进行图像衔接融合,进而得到整个手指的手指纹络图,然后对融合后的图像的后续处理按权利要求4的方法进行操作:即对融合后的图像通过统计特性、方向信息、频域信息的方法分割图像,之后进行质量评估,若图像质量好直接进行二值化,若图像质量差将通过Gabor滤波进行图像增强,然后将增强后的图像或质量好的图像选用浮动闽值法对图像进行二值化,采用OPTA细化算法对图像进行细化处理,对分叉点、孤立点、分歧点、端点、环点、短线几种类型细节点进行提取特征;提取出手指纹络的特征模板,并将最终模板与存储在数据库中的模板进行对比识别,做出判断得出最后身份识别结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011101469681A CN102222216A (zh) | 2011-06-02 | 2011-06-02 | 基于手指纹络生物特征的身份识别系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011101469681A CN102222216A (zh) | 2011-06-02 | 2011-06-02 | 基于手指纹络生物特征的身份识别系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102222216A true CN102222216A (zh) | 2011-10-19 |
Family
ID=44778764
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011101469681A Pending CN102222216A (zh) | 2011-06-02 | 2011-06-02 | 基于手指纹络生物特征的身份识别系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102222216A (zh) |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102663355A (zh) * | 2012-03-27 | 2012-09-12 | 天津理工大学 | 基于手背静脉与手形结合的识别系统与方法 |
CN102663381A (zh) * | 2012-04-06 | 2012-09-12 | 天津理工大学 | 一种低畸变单指指纹采集系统及降低梯形畸变的方法 |
CN102999750A (zh) * | 2012-12-31 | 2013-03-27 | 清华大学 | 一种去除背景干扰的现场指纹增强方法 |
WO2015070549A1 (zh) * | 2013-11-12 | 2015-05-21 | 浙江维尔科技股份有限公司 | 一种皮肤纹理的采集及其身份识别方法和系统 |
CN104809464A (zh) * | 2015-05-19 | 2015-07-29 | 成都英力拓信息技术有限公司 | 一种指纹信息处理方法 |
CN105654026A (zh) * | 2015-07-16 | 2016-06-08 | 宇龙计算机通信科技(深圳)有限公司 | 指纹存储方法及装置、指纹识别方法及装置 |
CN105678150A (zh) * | 2016-01-11 | 2016-06-15 | 成都布林特信息技术有限公司 | 一种用户权限管理方法 |
CN105718920A (zh) * | 2016-02-26 | 2016-06-29 | 深圳芯启航科技有限公司 | 指纹识别方法及指纹识别装置 |
CN106295297A (zh) * | 2016-08-05 | 2017-01-04 | 联想(北京)有限公司 | 一种身份识别方法、电子设备以及穿戴设备 |
WO2017054285A1 (zh) * | 2015-09-30 | 2017-04-06 | 宇龙计算机通信科技(深圳)有限公司 | 一种指纹识别方法及移动终端 |
CN107924432A (zh) * | 2015-08-21 | 2018-04-17 | 三星电子株式会社 | 电子装置及其变换内容的方法 |
CN108520255A (zh) * | 2018-04-20 | 2018-09-11 | 北京环境特性研究所 | 一种红外弱小目标检测方法及装置 |
CN109214376A (zh) * | 2018-11-22 | 2019-01-15 | 济南浪潮高新科技投资发展有限公司 | 一种基于深度层次化的指纹识别方法及装置 |
CN109241819A (zh) * | 2018-07-07 | 2019-01-18 | 西安电子科技大学 | 基于快速多尺度及联合模板匹配的多目标行人检测方法 |
CN109409314A (zh) * | 2018-11-07 | 2019-03-01 | 济南浪潮高新科技投资发展有限公司 | 一种基于增强网络的手指静脉识别方法及系统 |
CN110378274A (zh) * | 2019-07-15 | 2019-10-25 | 深圳市迪安杰智能识别科技有限公司 | 一种活体指纹识别方法、装置及计算机可读存储介质 |
CN111386532A (zh) * | 2018-09-12 | 2020-07-07 | 指纹卡有限公司 | 指纹子图像的重建 |
CN111428603A (zh) * | 2020-03-18 | 2020-07-17 | 杭州指安科技股份有限公司 | 一种指纹识别系统中保障注册指纹质量的电子装置及方法 |
CN111507956A (zh) * | 2020-04-15 | 2020-08-07 | 广西科技大学 | 一种纳米线数量统计方法及系统 |
CN113673477A (zh) * | 2021-09-02 | 2021-11-19 | 青岛奥美克生物信息科技有限公司 | 掌静脉非接触式三维建模方法、装置及认证方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006082550A1 (en) * | 2005-02-07 | 2006-08-10 | Koninklijke Philips Electronics N.V. | Biometric identification apparatus using fluorescence spectroscopy |
CN1975765A (zh) * | 2006-11-28 | 2007-06-06 | 天津大学 | 基于人体双生物特征的电子证件及持证人身份识别一体机 |
CN101002682A (zh) * | 2007-01-19 | 2007-07-25 | 哈尔滨工程大学 | 用于身份识别的手背静脉特征提取和匹配方法 |
CN101539995B (zh) * | 2009-04-24 | 2011-05-25 | 清华大学深圳研究生院 | 基于手指静脉纹与手指背纹的成像设备及多模态身份认证方法 |
-
2011
- 2011-06-02 CN CN2011101469681A patent/CN102222216A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006082550A1 (en) * | 2005-02-07 | 2006-08-10 | Koninklijke Philips Electronics N.V. | Biometric identification apparatus using fluorescence spectroscopy |
CN1975765A (zh) * | 2006-11-28 | 2007-06-06 | 天津大学 | 基于人体双生物特征的电子证件及持证人身份识别一体机 |
CN101002682A (zh) * | 2007-01-19 | 2007-07-25 | 哈尔滨工程大学 | 用于身份识别的手背静脉特征提取和匹配方法 |
CN101539995B (zh) * | 2009-04-24 | 2011-05-25 | 清华大学深圳研究生院 | 基于手指静脉纹与手指背纹的成像设备及多模态身份认证方法 |
Cited By (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102663355A (zh) * | 2012-03-27 | 2012-09-12 | 天津理工大学 | 基于手背静脉与手形结合的识别系统与方法 |
CN102663381A (zh) * | 2012-04-06 | 2012-09-12 | 天津理工大学 | 一种低畸变单指指纹采集系统及降低梯形畸变的方法 |
CN102663381B (zh) * | 2012-04-06 | 2014-04-23 | 天津理工大学 | 一种低畸变单指指纹采集系统及降低梯形畸变的方法 |
CN102999750A (zh) * | 2012-12-31 | 2013-03-27 | 清华大学 | 一种去除背景干扰的现场指纹增强方法 |
WO2015070549A1 (zh) * | 2013-11-12 | 2015-05-21 | 浙江维尔科技股份有限公司 | 一种皮肤纹理的采集及其身份识别方法和系统 |
CN104809464A (zh) * | 2015-05-19 | 2015-07-29 | 成都英力拓信息技术有限公司 | 一种指纹信息处理方法 |
CN105654026A (zh) * | 2015-07-16 | 2016-06-08 | 宇龙计算机通信科技(深圳)有限公司 | 指纹存储方法及装置、指纹识别方法及装置 |
CN107924432A (zh) * | 2015-08-21 | 2018-04-17 | 三星电子株式会社 | 电子装置及其变换内容的方法 |
US11423168B2 (en) | 2015-08-21 | 2022-08-23 | Samsung Electronics Co., Ltd. | Electronic apparatus and method of transforming content thereof |
WO2017054285A1 (zh) * | 2015-09-30 | 2017-04-06 | 宇龙计算机通信科技(深圳)有限公司 | 一种指纹识别方法及移动终端 |
CN105678150A (zh) * | 2016-01-11 | 2016-06-15 | 成都布林特信息技术有限公司 | 一种用户权限管理方法 |
CN105718920A (zh) * | 2016-02-26 | 2016-06-29 | 深圳芯启航科技有限公司 | 指纹识别方法及指纹识别装置 |
CN106295297A (zh) * | 2016-08-05 | 2017-01-04 | 联想(北京)有限公司 | 一种身份识别方法、电子设备以及穿戴设备 |
CN110472398B (zh) * | 2016-08-05 | 2022-03-25 | 联想(北京)有限公司 | 一种身份识别方法及电子设备 |
CN110472398A (zh) * | 2016-08-05 | 2019-11-19 | 联想(北京)有限公司 | 一种身份识别方法及电子设备 |
CN108520255B (zh) * | 2018-04-20 | 2021-03-23 | 北京环境特性研究所 | 一种红外弱小目标检测方法及装置 |
CN108520255A (zh) * | 2018-04-20 | 2018-09-11 | 北京环境特性研究所 | 一种红外弱小目标检测方法及装置 |
CN109241819A (zh) * | 2018-07-07 | 2019-01-18 | 西安电子科技大学 | 基于快速多尺度及联合模板匹配的多目标行人检测方法 |
CN111386532A (zh) * | 2018-09-12 | 2020-07-07 | 指纹卡有限公司 | 指纹子图像的重建 |
CN111386532B (zh) * | 2018-09-12 | 2023-09-08 | 指纹卡安娜卡敦知识产权有限公司 | 指纹子图像的重建 |
CN109409314A (zh) * | 2018-11-07 | 2019-03-01 | 济南浪潮高新科技投资发展有限公司 | 一种基于增强网络的手指静脉识别方法及系统 |
CN109214376A (zh) * | 2018-11-22 | 2019-01-15 | 济南浪潮高新科技投资发展有限公司 | 一种基于深度层次化的指纹识别方法及装置 |
CN110378274A (zh) * | 2019-07-15 | 2019-10-25 | 深圳市迪安杰智能识别科技有限公司 | 一种活体指纹识别方法、装置及计算机可读存储介质 |
CN111428603A (zh) * | 2020-03-18 | 2020-07-17 | 杭州指安科技股份有限公司 | 一种指纹识别系统中保障注册指纹质量的电子装置及方法 |
CN111428603B (zh) * | 2020-03-18 | 2023-05-09 | 杭州指安科技股份有限公司 | 一种指纹识别系统中保障注册指纹质量的电子装置及方法 |
CN111507956A (zh) * | 2020-04-15 | 2020-08-07 | 广西科技大学 | 一种纳米线数量统计方法及系统 |
CN111507956B (zh) * | 2020-04-15 | 2023-04-07 | 广西科技大学 | 一种纳米线数量统计方法及系统 |
CN113673477A (zh) * | 2021-09-02 | 2021-11-19 | 青岛奥美克生物信息科技有限公司 | 掌静脉非接触式三维建模方法、装置及认证方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102222216A (zh) | 基于手指纹络生物特征的身份识别系统 | |
CN100492400C (zh) | 手指静脉特征提取与匹配识别方法 | |
CN101499134B (zh) | 基于现场可编程门阵列的虹膜识别方法及系统 | |
CN102542281B (zh) | 非接触式生物特征识别方法和系统 | |
CN101246543B (zh) | 基于仿生与生物特征识别的考试者身份鉴定方法 | |
CN102622588B (zh) | 双验证人脸防伪方法及装置 | |
CN1152340C (zh) | 基于知识的指纹图像增强方法 | |
CN105426821A (zh) | 一种基于八邻域和二次匹配的手掌静脉特征提取和匹配方法 | |
CN103793692A (zh) | 低分辨率多光谱掌纹、掌静脉实时身份识别方法与系统 | |
CN107169479A (zh) | 基于指纹验证的智能移动设备敏感数据防护方法 | |
CN101847208A (zh) | 指纹与指静脉双模态识别的二级分类融合识别方法 | |
CN101819630B (zh) | 基于压感指纹采集和dsp算法的指纹识别方法 | |
CN101819629B (zh) | 一种基于监督张量流形学习的掌纹识别系统及识别方法 | |
CN102663355A (zh) | 基于手背静脉与手形结合的识别系统与方法 | |
CN104239769A (zh) | 基于手指静脉特征的身份识别方法及系统 | |
CN101853378A (zh) | 基于相对距离的手指静脉识别方法 | |
CN101681497A (zh) | 静脉图形管理系统、静脉图形注册设备、静脉图形认证设备、静脉图形注册方法、静脉图形认证方法、程序和静脉数据配置 | |
CN102043961A (zh) | 静脉特征提取方法及利用双指静脉和指形特征进行身份认证的方法 | |
CN107358185B (zh) | 基于拓扑分析的掌纹掌脉图像识别方法及装置 | |
El_Rahman | Multimodal biometric systems based on different fusion levels of ECG and fingerprint using different classifiers | |
CN101464945A (zh) | 基于指背关节纹理的身份特征识别方法 | |
CN103714323A (zh) | 指纹增强方法及指纹识别装置 | |
CN103714159B (zh) | 融合二级和三级特征的由粗到精的指纹识别方法 | |
CN109657657A (zh) | 一种基于图像处理的手机小面积高精度指纹识别方法及系统 | |
Fairuz et al. | Convolutional neural network-based finger vein recognition using near infrared images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20111019 |