CN102385693A - 手指静脉辨识系统与方法 - Google Patents
手指静脉辨识系统与方法 Download PDFInfo
- Publication number
- CN102385693A CN102385693A CN2010102714559A CN201010271455A CN102385693A CN 102385693 A CN102385693 A CN 102385693A CN 2010102714559 A CN2010102714559 A CN 2010102714559A CN 201010271455 A CN201010271455 A CN 201010271455A CN 102385693 A CN102385693 A CN 102385693A
- Authority
- CN
- China
- Prior art keywords
- finger vena
- image
- module
- finger
- group
- 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.)
- Granted
Links
Images
Landscapes
- Collating Specific Patterns (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明揭露一种手指静脉辨识系统与方法,该系统包含有一影像撷取模组、一影像前处理模组、一特征点计算模组、一使用者资料库、一第一比对模组以及一第二比对模组。特征点计算模组连接于该影像前处理模组,以针对该经前处理后的该手指静脉影像来撷取多个特征点,并计算该多个特征点间相对应的一组特征点距离。第一比对模组连接于该特征点计算模组以及该使用者资料库,以比对该组特征点距离并产生一特征点距离比对结果。第二比对模组连接于该影像前处理模组、该使用者资料库以及该第一比对模组,以撷取该前处理后的该手指静脉影像的一组纹路,并于进行比对后产生一纹路相似度比对结果。其中,第二比对模组藉由结合特征点距离比对结果以及纹路相似度比对结果,来产生一手指静脉辨识结果。
Description
技术领域
本发明与一种手指静脉辨识系统及方法有关,特别是与一种结合特征点距离与静脉纹路的手指静脉辨识系统及方法有关。
背景技术
科技一词已成为现代人不可或缺的东西,人们周遭总是充满着科技产品,而越来越多的科技产品也相继问世,如个人数位助理器(PDA)、智慧型手机(SmartPhone)、笔记型电脑(Notebook)、金融卡、电子钱包和网路银行等等,也都为人类的生活带来了相当多的便利,另一方面也带来了安全性的隐忧。
一般而言,习知科技产品若需要作身分认证时,大多是利用一张卡片加上密码以完成辨识,但对于大多数的人而言,这样的作法安全性不够缜密且时常会造成困扰,例如当卡片遗失或忘记密码时,都将对使用者造成极大的不便,尤其是当信用卡遗失时,并无一个有效的机制可以预防被盗刷,如此一来,对持卡人所造成的损失更是不容小觑。
近日由于科技的进步加上电脑运算速度的提升,在身分辨识这块技术领域上,有越来越多的方法如雨后春笋般的被提出,而最被广泛应用的技术便是生物特征辨识技术,如早期的指纹辨识、语音辨识、人脸辨识、虹膜辨识等,都相继的被提出与实际运用,而进一步提升了人类生活的便利性与安全性。
但是,近几年来习知生物辨识方法的缺点和可能被假冒的方式都已被陆续地提出。就指纹辨识技术而言,并不是所有人都可以靠指纹来辨识身分,据统计显示7%的人因患有手汗症或干手症而导致指纹不明显。就人脸辨识技术而言,其并不能有效分辨目前的辨识物体是否为活体,若将欲仿冒人的脸部影像进行彩色输出,则有被入侵的可能性,此外该技术易受光线、角度等外在环境影响。就虹膜辨识而言,一般人对于虹膜辨识则有对眼睛安全性上的疑虑。
相较于上述技术,静脉辨识技术则被提出并广泛地应用在生物辨识领域中。静脉辨识技术乃利用红外线照射手掌或手指,并藉由所呈现出来的静脉血管的生物特征来进行辨识。其目前可以采用掌静脉、指静脉、手背静脉及手腕等部分做为辨识标的物,但一般还是掌静脉和指静脉为主流。然而由于指静脉的面积小,所能撷取的特征点也少,所以如何在较少的特征点的条件下进行正确的辨识,便是指静脉辨识领域所面对的一大挑战。
发明内容
本发明的目的在于提供一种手指静脉辨识系统与方法,其能提高手指静脉辨别的效率和准确度,且结构简单实用,节约成本。
为实现上述目的,本发明公开了一种手指静脉辨识方法,其包含有以下步骤:
(S1)撷取一手指静脉影像;
(S2)针对该手指静脉影像进行一前处理;
(S3)针对该前处理后的该手指静脉影像来撷取多个特征点,并计算该多个特征点间相对应的一组特征点距离;
(S4)根据一使用者资料库而针对该组特征点距离以进行一第一特征比对,并产生一特征点距离比对结果;
(S5)根据该使用者资料库而针对该前处理后的该手指静脉影像,来撷取一组纹路以进行一第二特征比对后,产生一纹路相似度比对结果,并藉由结合该特征点距离比对结果以及该纹路相似度比对结果,而产生一最终手指静脉辨识结果。
其中,步骤(S2)进一步包含有以下子步骤:
(S21)针对该手指静脉影像进行一高斯平滑处理;
(S22)针对该高斯平滑处理后的该手指静脉影像,进行一回旋运算处理;
(S23)针对该回旋运算处理后的该手指静脉影像,进行一直方图等化处理;
(S24)针对该直方图等化处理后的该手指静脉影像进行一二值化处理;以及
(S25)针对该二值化处理后的该手指静脉影像进行一细线化处理。
其中,步骤(S3)藉由该细线化处理后的该手指静脉影像中所撷取的该多个特征点,以计算该组特征点距离。
其中,步骤(S3)中的该多个特征点,可以是该细线化处理后的该手指静脉影像中的分叉点或是边点。
其中,步骤(S5)中的该组纹路藉由以该细线化处理后的该手指静脉影像,减去该二值化处理后的该手指静脉影像,以进行该第二特征比对并产生该纹路相似度比对结果。
其中,还公开了一种手指静脉辨识系统,其包含有:
一影像撷取模组,其用以撷取一手指静脉影像;
一影像前处理模组,其连接于该影像撷取模组,以根据一预定程序来前处理该手指静脉影像;
一特征点计算模组,其连接于该影像前处理模组,以针对该前处理后的该手指静脉影像来撷取多个特征点,并计算该多个特征点间相对应的一组特征点距离;
一使用者资料库,其用以预存一组使用者特征资料;
一第一比对模组,其连接于该特征点计算模组以及该使用者资料库,以针对该组使用者特征资料而比对该组特征点距离后,产生一特征点距离比对结果;以及
一第二比对模组,其连接于该影像前处理模组、该使用者资料库以及该第一比对模组,以撷取该前处理后的该手指静脉影像的一组纹路,并根据该组使用者特征资料来进行比对后,产生一纹路相似度比对结果;
其中该第二比对模组藉由结合该特征点距离比对结果以及该纹路相似度比对结果,而产生一最终手指静脉辨识结果。
其中,该预定程序包含有以下子步骤:
(S21)针对该手指静脉影像进行一高斯平滑处理;
(S22)针对该高斯平滑处理后的该手指静脉影像,进行一回旋运算处理;
(S23)针对该回旋运算处理后的该手指静脉影像,进行一直方图等化处理;
(S24)针对该直方图等化处理后的该手指静脉影像进行一二值化处理;以及
(S25)针对该二值化处理后的该手指静脉影像进行一细线化处理。
其中,该特征点距离计算模组,藉由在该细线化处理后的该手指静脉影像中撷取多个特征点,以计算该组特征点距离。
其中,该组纹路藉由该细线化处理后的该手指静脉影像减去该二值化处理后的该手指静脉影像,以产生该纹路相似度比对结果。
其中,该多个特征点可以是该细线化处理后的该手指静脉影像中的分叉点或是边点。
相较于习知技术,本发明手指静脉辨识系统利用第一比对模组产生特征点距离比对结果,接着利用第二比对模组产生纹路相似度比对结果,最后结合特征点距离比对结果以及纹路相似度比对结果,而最终产生手指静脉辨识结果。由于本发明的手指静脉辨识系统利用特征点距离比对的优点,以有效的抵抗影像旋转与平移的问题,同时并利用手指静脉纹路相似性,来弥补在使用特征点距离计算时,关于特征点撷取影响辨识效果的问题,如此一来,其不论是在低品质的影像或是低成本的设备上都能有效的运行。相较于习知技术,本发明手指静脉辨识系统将会具有更高的辨识率及更低的成本等优点。
同样,相较于习知技术,本发明的手指静脉辨识方法利用步骤(S4)的第一特征比对所产生的特征点距离比对结果,接着利用步骤(S5)的第二特征比对所产生的纹路相似度比对结果,最后再藉由结合特征点距离比对结果以及纹路相似度比对结果,而产生手指静脉辨识结果。由于本发明手指静脉辨识方法可以利用特征点距离比对的优点,以有效的抵抗影像旋转与平移的问题,同时利用手指静脉纹路相似性来弥补在使用特征点距离计算时,关于特征点撷取影响辨识效果的问题,如此一来,不论是在低品质的影像或是低成本的设备上都能有效的运行。相较于习知技术,本发明手指静脉辨识方法将会具有较高的辨识率及较低的成本等优点。
关于本发明的优点与精神可以藉由以下的发明详述及所附图式得到进一步的了解。
附图说明
图1绘示根据本发明的一具体实施例的手指静脉辨识系统的功能方块图。
图2绘示根据本发明的一具体实施例的预定程序的流程图。
图3(A)至图3(E)绘示根据本发明的一具体实施例的一系列前处理后的手指静脉影像示意图。
图4绘示根据本发明的一具体实施例的手指静脉影像的纹路示意图。
图5绘示根据本发明的一具体实施例的手指静脉辨识方法的流程图。
具体实施方式
请参阅图1,图1绘示根据本发明的一具体实施例的手指静脉辨识系统10的功能方块图。本发明提供一种手指静脉辨识系统10,其包含有一影像撷取模组12、一影像前处理模组14、一特征点计算模组16、一使用者资料库18、一第一比对模组20以及一第二比对模组22。
影像撷取模组12用以撷取一手指静脉影像。于实际应用上,影像撷取模组12可以藉由红外线发光源、手指固定座以及一般的网路摄影机(Webcam)所构成。
请参阅图2及图3(A)至图3(E),图2绘示根据本发明的一具体实施例的预定程序26的流程图,图3(A)至图3(E)则绘示根据本发明的一具体实施例的一系列前处理后的手指静脉影像示意图。影像前处理模组14连接于影像撷取模组12,以根据一预定程序26来前处理该手指静脉影像,其中预定程序26包含有以下子步骤:(S21)针对该手指静脉影像进行一高斯平滑(Gaussian Smoothing)处理(如图3(A)所示);(S22)针对该高斯平滑处理后的该手指静脉影像进行一回旋(Convolution)运算处理(如图3(B)所示);(S23)针对该回旋运算处理后的该手指静脉影像进行一直方图等化(Histogram Equalization)处理(如图3(C)所示);(S24)针对该直方图等化处理后的该手指静脉影像进行一二值化处理(如图3(D)所示);(S25)针对该二值化处理后的该手指静脉影像进行一细线化处理(如图3(E)所示)。
特征点计算模组16连接于影像前处理模组14,以针对细线化处理后的手指静脉影像(如图3(E)所示)来撷取多个特征点,并计算多个特征点间相对应的一组特征点距离。其中,该多个特征点可以是经细线化处理后的手指静脉影像中的分叉点或是边点。
使用者资料库18用以预存一组使用者特征资料。
第一比对模组20连接于特征点计算模组16以及使用者资料库18,以根据该组使用者特征资料来比对该组特征点距离,并产生一特征点距离比对结果。
请参阅图4,图4绘示根据本发明的一具体实施例的手指静脉影像的纹路示意图。第二比对模组22连接于影像前处理模组14、使用者资料库18以及第一比对模组20,以撷取该前处理后的该手指静脉影像的一组纹路,并根据该组使用者的特征资料来进行比对后,而产生一纹路相似度比对结果。其中该组纹路藉由细线化处理后的手指静脉影像(如图3(E)所示),减去二值化处理后的手指静脉影像(如图3(D)所示)所定义(如图4所示)。再者,第二比对模组22藉由结合特征点距离比对结果以及纹路相似度比对结果,而产生一手指静脉辨识结果。于实际应用上,可将特征点距离比对结果以及纹路相似度比对结果分别给与分数,再以一定的比例来加以结合而得到最后的辨识分数,当辨识分数大于所预设的门槛值时,则判定辨识通过;反之,则为辨识不通过。
于实际应用上,为了测试及量化本发明的手指静脉辨识系统10的准确度与入侵率,错误接受率(False Accept Rate,FAR)及错误拒绝率(False Reject Rate,FRR)这两个指标被用来进行评估。以1,000人的手指进行手指静脉采样,藉由每个人的每只手指头撷取5张静脉影像共有5,000张影像,并藉以建构使用者资料库18。接着先随机从1,000组中挑一组手指静脉影像作入侵测试,并将该组手指静脉影像从使用者资料库内排除,进而利用该组的五张手指静脉影像来进行测试,其余999组手指静脉影像则当作样本组,以进行比对测试,并总共进行1,000次而得到FAR。然后再从每组的五张手指静脉影像中,随机选一张指静脉影像作比对辨识,藉以求得FRR。而本发明手指静脉辨识系统10的辨识结果将如表5.1和表5.2所示。
表5.1错误接受率
样本数 | 比对次数 | 错误接受次数 | 错误接受率 |
1,000组 | 5,000 | 0 | 0% |
表5.2错误拒绝率
样本数 | 比对次数 | 通过次数 | 错误拒绝次数 | 错误拒绝率 |
1,000组 | 5,000 | 4,769 | 231 | 4.6% |
相较于习知技术,本发明的手指静脉辨识系统10,利用第一比对模组20产生特征点距离比对结果,接着利用第二比对模组22来产生纹路相似度比对结果,最后结合特征点距离比对结果以及纹路相似度比对结果,而产生手指静脉辨识结果。由于本发明的手指静脉辨识系统10可以利用特征点距离比对的优点,来有效的抵抗影像旋转与平移的问题,同时利用手指静脉纹路相似性来弥补在使用特征点距离计算时,关于特征点撷取影响辨识效果的问题,如此一来,不论是在低品质的影像或是低成本的设备上都能有效的运行。相较于习知技术,本发明手指静脉辨识系统10将具有较高的辨识率及更低的成本的优点。
请参阅图5,图5绘示根据本发明的一具体实施例的手指静脉辨识方法30的流程图。本发明另外提供一种手指静脉辨识方法30,其包含以下步骤:(S1)撷取一手指静脉影像;(S2)根据一预定程序26而针对该手指静脉影像进行一前处理;(S3)针对该前处理后的手指静脉影像来撷取多个特征点,并计算多个特征点间相对应的一组特征点距离;(S4)根据一使用者资料库18而针对该组特征点距离进行一第一特征比对,并产生一特征点距离比对结果;(S5)根据该使用者资料库而针对该前处理后的该手指静脉影像,来撷取一组纹路进行一第二特征比对后,产生一纹路相似度比对结果,并藉由结合该特征点距离比对结果以及该纹路相似度比对结果,而产生一手指静脉辨识结果。
请参阅图2及图3(A)至图3(E)。在本发明的手指静脉辨识方法30的步骤(S2)中,预定程序26包含有以下子步骤:(S21)针对手指静脉影像进行一高斯平滑(GaussianSmoothing)处理(如图3(A)所示);(S22)针对该高斯平滑处理后的该手指静脉影像,进行一回旋(Convolution)运算处理(如图3(B)所示);(S23)针对该回旋运算处理后的该手指静脉影像,进行一直方图等化(Histogram Equalization)处理(如图3(C)所示);(S24)针对该直方图等化处理后的该手指静脉影像,进行一二值化处理(如图3(D)所示);(S25)针对该二值化处理后的该手指静脉影像,进行一细线化处理(如图3(E)所示)。
于实际运用上,本发明的手指静脉辨识方法30的步骤(S3),藉由于经细线化处理后的手指静脉影像(如图3(E)所示)中撷取该多个特征点,以计算该组特征点距离。而该多个特征点可以是经细线化处理后的手指静脉影像中的分叉点或是边点。
于实际运用上,本发明的手指静脉辨识方法30的步骤(S4)与(S5)之间,另外包含有步骤(S41):判断特征点距离比对结果是否高于一门槛值,若是,则进行步骤(S5);若否,则输出辨识不通过的结果。
再者,本发明手指静脉辨识方法30的步骤(S5)的该组纹路(如图4所示),藉由细线化处理后的手指静脉影像(如图3(E)所示),减去二值化处理后的手指静脉影像(如图3(D)所示)。
于实际运用中,本发明的手指静脉辨识方法30于步骤(S5)之后另外包含有步骤(S51):判断手指静脉辨识结果是否高于一门槛值,若是,则输出辨识通过;若省,则输出辨识不通过。
相较于习知技术,本发明手指静脉辨识方法30可以利用步骤(S4)的第一特征,来比对产生特征点距离比对结果,接着利用步骤(S5)的第二特征,来比对产生纹路相似度比对结果,最后藉由结合特征点距离比对结果以及纹路相似度比对结果,而产生最终手指静脉辨识结果。由于本发明手指静脉辨识方法30可以利用特征点距离比对的优点,以有效的抵抗影像旋转与平移的问题,同时利用手指静脉纹路相似性,来弥补在使用特征点距离计算时关于特征点撷取影响辨识效果的问题,如此一来,本发明不论是在低品质的影像或是低成本的设备上都能有效的运行。相较于习知技术,本发明手指静脉辨识方法30将会有较高的辨识率以及较低的成本等等优点。
藉由以上较佳具体实施例的详述,希望能更加清楚描述本发明的特征与精神,而并非以上述所揭露的较佳具体实施例来对本发明的范畴加以限制。相反地,其目的是希望能涵盖各种改变及具相等性的安排于本发明所欲申请的专利范围的范畴内。
Claims (10)
1.一种手指静脉辨识方法,其包含有以下步骤:
(S1)撷取一手指静脉影像;
(S2)针对该手指静脉影像进行一前处理;
(S3)针对该前处理后的该手指静脉影像来撷取多个特征点,并计算该多个特征点间相对应的一组特征点距离;
(S4)根据一使用者资料库而针对该组特征点距离以进行一第一特征比对,并产生一特征点距离比对结果;
(S5)根据该使用者资料库而针对该前处理后的该手指静脉影像,来撷取一组纹路以进行一第二特征比对后,产生一纹路相似度比对结果,并藉由结合该特征点距离比对结果以及该纹路相似度比对结果,而产生一最终手指静脉辨识结果。
2.如权利要求1所述的手指静脉辨识方法,其中,步骤(S2)进一步包含有以下子步骤:
(S21)针对该手指静脉影像进行一高斯平滑处理;
(S22)针对该高斯平滑处理后的该手指静脉影像,进行一回旋运算处理;
(S23)针对该回旋运算处理后的该手指静脉影像,进行一直方图等化处理;
(S24)针对该直方图等化处理后的该手指静脉影像进行一二值化处理;以及
(S25)针对该二值化处理后的该手指静脉影像进行一细线化处理。
3.如权利要求2所述的手指静脉辨识方法,其中,步骤(S3)藉由该细线化处理后的该手指静脉影像中所撷取的该多个特征点,以计算该组特征点距离。
4.如权利要求3所述的手指静脉辨识方法,其中,步骤(S3)中的该多个特征点,可以是该细线化处理后的该手指静脉影像中的分叉点或是边点。
5.如权利要求2所述的手指静脉辨识方法,其中,步骤(S5)中的该组纹路藉由以该细线化处理后的该手指静脉影像,减去该二值化处理后的该手指静脉影像,以进行该第二特征比对并产生该纹路相似度比对结果。
6.一种手指静脉辨识系统,其包含有:
一影像撷取模组,其用以撷取一手指静脉影像;
一影像前处理模组,其连接于该影像撷取模组,以根据一预定程序来前处理该手指静脉影像;
一特征点计算模组,其连接于该影像前处理模组,以针对该前处理后的该手指静脉影像来撷取多个特征点,并计算该多个特征点间相对应的一组特征点距离;
一使用者资料库,其用以预存一组使用者特征资料;
一第一比对模组,其连接于该特征点计算模组以及该使用者资料库,以针对该组使用者特征资料而比对该组特征点距离后,产生一特征点距离比对结果;以及
一第二比对模组,其连接于该影像前处理模组、该使用者资料库以及该第一比对模组,以撷取该前处理后的该手指静脉影像的一组纹路,并根据该组使用者特征资料来进行比对后,产生一纹路相似度比对结果;
其中该第二比对模组藉由结合该特征点距离比对结果以及该纹路相似度比对结果,而产生一最终手指静脉辨识结果。
7.如权利要求6所述的手指静脉辨识系统,其中,该预定程序包含有以下子步骤:
(S21)针对该手指静脉影像进行一高斯平滑处理;
(S22)针对该高斯平滑处理后的该手指静脉影像,进行一回旋运算处理;
(S23)针对该回旋运算处理后的该手指静脉影像,进行一直方图等化处理;
(S24)针对该直方图等化处理后的该手指静脉影像进行一二值化处理;以及
(S25)针对该二值化处理后的该手指静脉影像进行一细线化处理。
8.如权利要求7所述的手指静脉辨识系统,其中,该特征点距离计算模组,藉由在该细线化处理后的该手指静脉影像中撷取多个特征点,以计算该组特征点距离。
9.如权利要求7所述的手指静脉辨识系统,其中,该组纹路藉由该细线化处理后的该手指静脉影像减去该二值化处理后的该手指静脉影像,以产生该纹路相似度比对结果。
10.如权利要求8所述的手指静脉辨识系统,其中,该多个特征点可以是该细线化处理后的该手指静脉影像中的分叉点或是边点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201010271455.9A CN102385693B (zh) | 2010-09-03 | 2010-09-03 | 手指静脉辨识系统与方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201010271455.9A CN102385693B (zh) | 2010-09-03 | 2010-09-03 | 手指静脉辨识系统与方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102385693A true CN102385693A (zh) | 2012-03-21 |
CN102385693B CN102385693B (zh) | 2014-05-28 |
Family
ID=45825097
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201010271455.9A Expired - Fee Related CN102385693B (zh) | 2010-09-03 | 2010-09-03 | 手指静脉辨识系统与方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102385693B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103324274A (zh) * | 2012-03-22 | 2013-09-25 | 联想(北京)有限公司 | 一种人机交互方法和装置 |
CN108688618A (zh) * | 2018-02-07 | 2018-10-23 | 广州子祥信息科技有限公司 | 指静脉识别的汽车防盗系统 |
CN109410371A (zh) * | 2017-08-16 | 2019-03-01 | 广州子祥信息科技有限公司 | 基于智能管理的指静脉身份识别门禁控制系统 |
CN114817883A (zh) * | 2021-01-29 | 2022-07-29 | Oppo广东移动通信有限公司 | 一种匹配方法、终端及计算机存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090174766A1 (en) * | 2007-06-28 | 2009-07-09 | Harumi Kiyomizu | Finger vein authentication unit and information processing unit |
CN101620060A (zh) * | 2009-08-13 | 2010-01-06 | 上海交通大学 | 颗粒大小分布自动检测方法 |
CN101777117A (zh) * | 2010-01-26 | 2010-07-14 | 哈尔滨工程大学 | 一种手指静脉特征提取于匹配识别方法 |
-
2010
- 2010-09-03 CN CN201010271455.9A patent/CN102385693B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090174766A1 (en) * | 2007-06-28 | 2009-07-09 | Harumi Kiyomizu | Finger vein authentication unit and information processing unit |
CN101620060A (zh) * | 2009-08-13 | 2010-01-06 | 上海交通大学 | 颗粒大小分布自动检测方法 |
CN101777117A (zh) * | 2010-01-26 | 2010-07-14 | 哈尔滨工程大学 | 一种手指静脉特征提取于匹配识别方法 |
Non-Patent Citations (1)
Title |
---|
李雪妍: "融合指纹和指静脉的多模态生物识别技术的研究", 《中国博士学位论文全文数据库 信息科学辑》, no. 11, 15 November 2008 (2008-11-15) * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103324274A (zh) * | 2012-03-22 | 2013-09-25 | 联想(北京)有限公司 | 一种人机交互方法和装置 |
CN109410371A (zh) * | 2017-08-16 | 2019-03-01 | 广州子祥信息科技有限公司 | 基于智能管理的指静脉身份识别门禁控制系统 |
CN108688618A (zh) * | 2018-02-07 | 2018-10-23 | 广州子祥信息科技有限公司 | 指静脉识别的汽车防盗系统 |
CN114817883A (zh) * | 2021-01-29 | 2022-07-29 | Oppo广东移动通信有限公司 | 一种匹配方法、终端及计算机存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN102385693B (zh) | 2014-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI599964B (zh) | 手指靜脈辨識系統與方法 | |
Cross et al. | Thermographic imaging of the subcutaneous vascular network of the back of the hand for biometric identification | |
Wang et al. | Hand-dorsa vein recognition based on partition local binary pattern | |
Raja et al. | Smartphone authentication system using periocular biometrics | |
CN101093539A (zh) | 手指静脉特征提取与匹配识别方法 | |
Raghavendra et al. | Hand dorsal vein recognition: Sensor, algorithms and evaluation | |
CN102385693B (zh) | 手指静脉辨识系统与方法 | |
Bruno et al. | Palmprint principal lines extraction | |
Bong et al. | Palm print verification system | |
Pal et al. | Implementation of hand vein structure authentication based system | |
Fairuz et al. | Convolutional neural network-based finger vein recognition using near infrared images | |
Trokielewicz et al. | Exploring the feasibility of iris recognition for visible spectrum iris images obtained using smartphone camera | |
Parthiban et al. | Finger vein extraction and authentication based on gradient feature selection algorithm | |
Zayed et al. | A comprehensive survey on finger vein biometric | |
Benziane et al. | Dorsal hand vein identification based on binary particle swarm optimization | |
Ebrahimpour | Iris recognition using mobilenet for biometric authentication | |
Hoshyar et al. | Review on finger vein authentication system by applying neural network | |
Rossan et al. | Impact of changing parameters when preprocessing dorsal hand vein pattern | |
Surameery | Deep ContactlessS 3D-middle finger knuckle recognition | |
Bartuzi et al. | Multispectral hand features for secure biometric authentication systems | |
CN102890772A (zh) | 掌静脉识别技术方案 | |
Madhusudhan et al. | Secured human authentication using finger-vein patterns | |
Jose et al. | Towards building a better biometric system based on vein patterns in human beings | |
Marattukalam et al. | On wrist vein recognition for human biometrics | |
Deshpande et al. | Fast and Reliable Biometric Verification System Using Iris |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20140528 Termination date: 20140903 |
|
EXPY | Termination of patent right or utility model |