CN104463175B - 手指静脉特征匹配方法和装置 - Google Patents
手指静脉特征匹配方法和装置 Download PDFInfo
- Publication number
- CN104463175B CN104463175B CN201410815135.3A CN201410815135A CN104463175B CN 104463175 B CN104463175 B CN 104463175B CN 201410815135 A CN201410815135 A CN 201410815135A CN 104463175 B CN104463175 B CN 104463175B
- Authority
- CN
- China
- Prior art keywords
- feature
- matched
- matching
- matching rate
- length
- 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.)
- Active
Links
- 210000003462 vein Anatomy 0.000 title claims abstract description 93
- 238000000034 method Methods 0.000 title claims abstract description 71
- 230000008569 process Effects 0.000 title claims abstract description 28
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 6
- 210000001367 artery Anatomy 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000003860 storage Methods 0.000 description 4
- 239000008280 blood Substances 0.000 description 3
- 210000004369 blood Anatomy 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000003542 behavioural effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000005242 forging Methods 0.000 description 1
- 230000005021 gait Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000001990 intravenous administration Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000004148 unit process Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/12—Fingerprints or palmprints
- G06V40/1347—Preprocessing; Feature extraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/12—Fingerprints or palmprints
- G06V40/1365—Matching; Classification
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Collating Specific Patterns (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种手指静脉特征匹配方法和装置。其中，手指静脉特征匹配方法包括：获取手指静脉的待匹配特征；逐个计算特征库中的第一种特征与待匹配特征的第一匹配率；从计算得到的第一匹配率中确定出大于第一阈值的第一匹配率；从特征库中查找与确定出的第一匹配率对应的第一种特征；逐个计算与查找到的第一种特征对应的第二种特征与待匹配特征的第二匹配率；逐个判断第二匹配率是否超过第二阈值；如果判断出第二匹配率超过第二阈值，确定特征库中存在与待匹配特征相匹配的特征。通过本发明，达到了提高手指静脉特征识别的准确性的效果。
Description
技术领域
本发明涉及手指静脉识别领域，具体而言，涉及一种手指静脉特征匹配方法和装置。
背景技术
生物特征识别技术是利用人的生理特征或行为特征，来进行个人身份的鉴定。传统的身份认证由于极易伪造和丢失，越来越难以满足社会的需求，目前最为便捷与安全的解决方案就是生物识别技术。生物识别技术不但简洁快速，而且利用它进行身份的认定，安全、可靠、准确。同时易于配合电脑和安全、监控、管理系统整合，实现自动化管理。
每个个体都有唯一的可以测量或可自动识别和验证的生物特征，可划分为生理特征(如指纹、面相、虹膜、指静脉等)和行为特征(如步态、声音、笔迹等)。
手指静脉识别是依据人类手指中流动的血液可吸收特定波长的光线，而使用特定波长光线对手指进行照射，可得到手指静脉的清晰图像。通过对获取的图像进行分析、处理，得到手指静脉的生物特征，再将得到的手指静脉特征信息与事先注册的手指静脉特征进行比对，从而确认用户身份。
手指静脉识别技术因具有活体识别、内部特征、非接触式、安全等级高等特点，近年来备受关注。手指静脉识别最早是由日立公司开始研究的。2000年日立公司首次提出手指静脉应用于个人身份的鉴定的方法。2004年，日立公司发表了Naoto Miuta等几位工程师关于提取手指静脉特征的成果。截至2007年3月的统计数据表明：日本70％的自动存取款机都搭载了手指静脉认证设备。2009年7月，日立公司展出了配有手指静脉认证装置的自动售货机，用手指静脉配合信用卡直接结账。
然而，随着手指静脉的应用越来越广泛，注册和存储的手指静脉特征信息量越来越大，在这种情况下，具有相似的手指静脉特征也会越来越多，这将导致现有的识别方案中对手指静脉特征识别的准确性降低。
针对现有技术中手指静脉特征识别的准确性低的问题，目前尚未提出有效的解决方案。
发明内容
本发明的主要目的在于提供一种手指静脉特征匹配方法和装置，以解决现有技术中手指静脉特征识别的准确性低的问题。
为了实现上述目的，根据本发明实施例的一个方面，提供了一种手指静脉特征匹配方法。根据本发明的手指静脉特征匹配方法包括：获取手指静脉的待匹配特征；逐个计算特征库中的第一种特征与所述待匹配特征的第一匹配率，所述第一匹配率用于反映所述特征库中的第一种特征与所述待匹配特征的匹配程度，所述特征库为预先存储有多个手指静脉特征的特征库，所述多个手指静脉特征中的每一个特征包括所述第一种特征和第二种特征；从计算得到的第一匹配率中确定出大于第一阈值的第一匹配率；从所述特征库中查找与确定出的第一匹配率对应的第一种特征；逐个计算与查找到的第一种特征对应的第二种特征与所述待匹配特征的第二匹配率，所述第二匹配率用于反映所述特征库中的第二种特征与所述待匹配特征的匹配程度；逐个判断所述第二匹配率是否超过第二阈值；以及如果判断出所述第二匹配率超过所述第二阈值，确定所述特征库中存在与所述待匹配特征相匹配的特征。
进一步地，逐个计算特征库中的第一种特征与所述待匹配特征的第一匹配率包括：按照第一预设步长逐个从所述第一种特征上选择第一匹配位置，其中，所述第一预设步长包括第一横向步长和第一纵向步长，所述第一横向步长和第一纵向步长中至少一个步长大于1；按照模板匹配方法从选择的第一匹配位置中计算得到最匹配的第一位置；以及计算在所述最匹配的第一位置处的第一种特征与所述待匹配特征的匹配率，作为所述第一匹配率。
进一步地，逐个计算与查找到的第一种特征对应的第二种特征与所述待匹配特征的第二匹配率包括：按照第二预设步长逐个从与查找到的第一种特征对应的第二种特征上选择第二匹配位置，其中，所述第二预设步长包括第二横向步长和第二纵向步长，所述第二横向步长和第二纵向步长中至少一个步长大于1；按照模板匹配方法从选择的第二匹配位置中计算得到最匹配的第二位置；以及计算在所述最匹配的第二位置处的第二种特征与所述待匹配特征的匹配率，作为所述第二匹配率。
进一步地，逐个计算与查找到的第一种特征对应的第二种特征与所述待匹配特征的第二匹配率包括：按照第二预设步长逐个从与查找到的第一种特征对应的第二种特征上选择第二匹配位置，其中，所述第二预设步长包括第二横向步长和第二纵向步长，所述第二横向步长和第二纵向步长中至少一个步长大于1；按照模板匹配方法从选择的第二匹配位置中计算得到最匹配的第二位置；按照所述模板匹配方法在计算得到的最匹配的第二位置周围预设范围内重新计算得到最佳匹配点；计算在所述最佳匹配点处的第二种特征与所述待匹配特征的匹配率，作为所述第二匹配率。
进一步地，在从计算得到的第一匹配率中确定出大于第一阈值的第一匹配率之后，所述手指静脉特征匹配方法还包括：对确定出的大于第一阈值的第一匹配率进行排序；按照匹配率的大小从排序后的第一匹配率中选择前N个第一匹配率，其中，N为预设值，其中，从所述特征库中查找与确定出的第一匹配率对应的第一种特征包括：从所述特征库中查找与选择的前N个第一匹配率对应的第一种特征。
进一步地，所述第一种特征为平均曲率特征，所述第二种特征为最大曲率特征。
为了实现上述目的，根据本发明实施例的另一方面，提供了一种手指静脉特征匹配装置。根据本发明的手指静脉特征匹配装置包括：获取单元，用于获取手指静脉的待匹配特征；第一计算单元，用于逐个计算特征库中的第一种特征与所述待匹配特征的第一匹配率，所述第一匹配率用于反映所述特征库中的第一种特征与所述待匹配特征的匹配程度，所述特征库为预先存储有多个手指静脉特征的特征库，所述多个手指静脉特征中的每一个特征包括所述第一种特征和第二种特征；第一确定单元，用于从计算得到的第一匹配率中确定出大于第一阈值的第一匹配率；查找单元，用于从所述特征库中查找与确定出的第一匹配率对应的第一种特征；第二计算单元，用于逐个计算与查找到的第一种特征对应的第二种特征与所述待匹配特征的第二匹配率，所述第二匹配率用于反映所述特征库中的第二种特征与所述待匹配特征的匹配程度；判断单元，用于逐个判断所述第二匹配率是否超过第二阈值；以及第二确定单元，用于如果判断出所述第二匹配率超过所述第二阈值，确定所述特征库中存在与所述待匹配特征相匹配的特征。
进一步地，所述第一确定单元包括：第一选择模块，用于按照第一预设步长逐个从所述第一种特征上选择第一匹配位置，其中，所述第一预设步长包括第一横向步长和第一纵向步长，所述第一横向步长和第一纵向步长中至少一个步长大于1；第一计算模块，用于按照模板匹配方法从选择的第一匹配位置中计算得到最匹配的第一位置；以及第二计算模块，用于计算在所述最匹配的第一位置处的第一种特征与所述待匹配特征的匹配率，作为所述第一匹配率。
进一步地，所述第二计算单元包括：第二选择模块，用于按照第二预设步长逐个从与查找到的第一种特征对应的第二种特征上选择第二匹配位置，其中，所述第二预设步长包括第二横向步长和第二纵向步长，所述第二横向步长和第二纵向步长中至少一个步长大于1；第三计算模块，用于按照模板匹配方法从选择的第二匹配位置中计算得到最匹配的第二位置；以及第四计算模块，用于计算在所述最匹配的第二位置处的第二种特征与所述待匹配特征的匹配率，作为所述第二匹配率。
进一步地，所述第二计算单元包括：第三选择模块，用于按照第二预设步长逐个从与查找到的第一种特征对应的第二种特征上选择第二匹配位置，其中，所述第二预设步长包括第二横向步长和第二纵向步长，所述第二横向步长和第二纵向步长中至少一个步长大于1；第五计算模块，用于按照模板匹配方法从选择的第二匹配位置中计算得到最匹配的第二位置；第六计算模块，用于按照所述模板匹配方法在计算得到的最匹配的第二位置周围预设范围内重新计算得到最佳匹配点；第七计算模块，用于计算在所述最佳匹配点处的第二种特征与所述待匹配特征的匹配率，作为所述第二匹配率。
进一步地，所述手指静脉特征匹配装置还包括：排序单元，用于在从计算得到的第一匹配率中确定出大于第一阈值的第一匹配率之后，对确定出的大于第一阈值的第一匹配率进行排序；选择单元，用于按照匹配率的大小从排序后的第一匹配率中选择前N个第一匹配率，其中，N为预设值，其中，所述查找单元包括：查找模块，用于从所述特征库中查找与选择的前N个第一匹配率对应的第一种特征。
根据本发明实施例，通过在特征库中存储有手指静脉特征的第一种特征和第二种特征，将待匹配特征与特征库中第一种特征和第二种特征分别进行匹配，从而提高手指静脉特征匹配的准确性，解决了现有技术中手指静脉特征识别的准确性低的问题，达到了提高手指静脉特征识别的准确性的效果。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是根据本发明实施例的手指静脉特征匹配方法的流程图；以及
图2是根据本发明实施例的手指静脉特征匹配装置的示意图。
具体实施方式
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本发明实施例提供了一种手指静脉特征匹配方法。
图1是根据本发明实施例的手指静脉特征匹配方法的流程图。如图1所示，该手指静脉特征匹配方法包括步骤如下：
步骤S102，获取手指静脉的待匹配特征。
由于手指静脉识别是依据人类手指中流动的血液可吸收特定波长的光线，而使用特定波长光线对手指进行照射，可得到手指静脉的清晰图像。通过对获取的图像进行分析、处理，可以得到手指静脉的生物特征，获取该特征，作为待匹配特征与特征库中的特征进行匹配。
步骤S104，逐个计算特征库中的第一种特征与待匹配特征的第一匹配率。第一匹配率用于反映特征库中的第一种特征与待匹配特征的匹配程度，特征库为预先存储有多个手指静脉特征的特征库，多个手指静脉特征中的每一个特征包括第一种特征和第二种特征。
特征库中存储有大量的手指静脉特征，该手指静脉特征包括多种用于反映手指静脉的特征，例如最大曲率特征、平均曲率特征等等，其中，一个手指静脉对应有一个最大曲率特征和一个平均曲率特征。
本发明实施例中优选第一种特征为平均曲率特征，第二种特征为最大曲率特征。
具体地，在获取到手指静脉的图像特征之后，可以从该图像特征上提取第一种特征和第二种特征，将提取的第一种特征与特征库中的第一种特征逐个进行匹配，并计算与特征库中每个第一种特征的匹配率即第一匹配率，该匹配率的值越大，则表面待匹配特征与特征库中的特征越相似。
步骤S106，从计算得到的第一匹配率中确定出大于第一阈值的第一匹配率。
步骤S108，从特征库中查找与确定出的第一匹配率对应的第一种特征。
在计算得到第一匹配率之后，将计算得到的第一匹配率与第一阈值进行比较，确定出大于第一阈值的第一匹配率，从特征库中查找到大于第一阈值的第一种特征，其中，该第一阈值可以根据需要进行设置。通过设置第一阈值，可以减少进行后续匹配的特征的数量，提高特征匹配效率。
优选地，在从计算得到的第一匹配率中确定出大于第一阈值的第一匹配率之后，手指静脉特征匹配方法还包括：对确定出的大于第一阈值的第一匹配率进行排序；按照匹配率的大小从排序后的第一匹配率中选择前N个第一匹配率，其中，N为预设值，其中，从特征库中查找与确定出的第一匹配率对应的第一种特征包括：从特征库中查找与选择的前N个第一匹配率对应的第一种特征。
在确定出大于第一阈值的第一匹配率之后，该第一匹配率的数量会很大，该实施例中，优选匹配率最大的前N个第一匹配率进行后续匹配计算，这样，可以进一步减少匹配的特征的数量，提高匹配速度。
步骤S110，逐个计算与查找到的第一种特征对应的第二种特征与待匹配特征的第二匹配率，第二匹配率用于反映特征库中的第二种特征与待匹配特征的匹配程度。
步骤S112，逐个判断第二匹配率是否超过第二阈值。
步骤S114，如果判断出第二匹配率超过第二阈值，则确定特征库中存在与待匹配特征相匹配的特征。
由于一个手指静脉特征包括第一种特征和第二种特征，在查找出的满足条件的第一种特征之后，可以从特征库中确定出与查找出的第一种特征相应的第二种特征，逐个计算与待匹配特征的匹配率即第二匹配率。
在计算得到第二匹配率之后，由于确定出的第一匹配率可以为多个，相应的计算出的第二匹配率也可以是多个，判断第二匹配率是否超过第二阈值具体为根据计算得到的多个第二匹配率逐个进行判断，只要有超过第二阈值的，则表明特征库中存在与待匹配特征相匹配的特征，反之，如果所有第二匹配率均不超过第二阈值，则表明特征库中不存在与待匹配特征相匹配的特征，返回匹配失败。
为了更清楚地描述本方案，下面以表1为例进行说明。
表1
如表1所示，特征库中存有手指静脉特征1至手指静脉特征10，其中，每个手指静脉特征包括第一种特征和第二种特征，第一种特征包括：特征A、特征B……特征J，第二种特征包括：特征a、特征b……特征j，例如，手指静脉特征1包括特征A和特征a。
在获取到待匹配特征之后，计算与特征库中的第一种特征的匹配率，即第一匹配率，设定第一阈值为60，则大于该第一阈值的手指静脉特征为手指静脉特征4、手指静脉特征5、手指静脉特征9和手指静脉特征10。再计算待匹配特征与上述手指静脉特征的第二种特征的匹配率，即第二匹配率。设置第二阈值为65，则从表1中可以看出，手指静脉特征5满足该条件，即特征库中存在与待匹配特征相匹配的特征(手指静脉特征5)，匹配成功。
根据本发明实施例，通过在特征库中存储有手指静脉特征的第一种特征和第二种特征，将待匹配特征与特征库中第一种特征和第二种特征分别进行匹配，从而提高手指静脉特征匹配的准确性，解决了现有技术中手指静脉特征识别的准确性低的问题，达到了提高手指静脉特征识别的准确性的效果。
另外，在本发明实施例中，由于先将待匹配特征与第一种特征进行匹配，再将第一匹配率大于第一阈值的第一种特征对应的第二种特征与待匹配特征进行匹配，减少匹配的第二种特征的数量，从而达到了提高待匹配特征的匹配速度的效果。
优选地，逐个计算特征库中的第一种特征与待匹配特征的第一匹配率包括：按照第一预设步长逐个从第一种特征上选择第一匹配位置，其中，第一预设步长包括第一横向步长和第一纵向步长，第一横向步长和第一纵向步长中至少一个步长大于1；按照模板匹配方法从选择的第一匹配位置中计算得到最匹配的第一位置；以及计算在最匹配的第一位置处的第一种特征与待匹配特征的匹配率，作为第一匹配率。
在介绍本实施例之前，先介绍常规的模板匹配方法，具体地如下：
设有两个特征为R和I，两特征大小相同，高均为h，宽均为w，选定特征R上的矩形区域，左上角起始点为R(cw,ch)，右下角点为R(w-cw,h-ch)，利用公式(1)和(2)寻找最匹配的位置：
Nm取最小值时对应的(so,to)即为最匹配的位置，
在确定最匹配的位置后，计算通过公式(3)两特征的匹配率：
其中，Rm越大，两特征越相似。
对于两种特征分别采用模板匹配的方法，假设有两幅图像的特征T1(其中最大曲率特征Tmax1和平均曲率特征Tmean1)和T2(其中最大曲率特征Tmax2和平均曲率特征Tmean2)，最大曲率特征间比对得匹配率Rmax，平均曲率特征间比对得匹配率Rmean，最后两特征T1和T2的匹配率为
如果按照上述方法，对于一个特征要在特征库中查找与它相匹配的特征从而确定该特征的身份，需要逐个计算匹配率，再选取匹配率的最大值，然后该最大值与设定的阈值进行比较来给出结果，将会耗费非常长的时间。
从上述匹配方法可以看出，在查找最匹配的位置的过程中，需要对特征上的点逐个进行查找，而本方案中，先按照大于1的第一预设步长从特征上选择匹配的位置，例如以2*2为步长来选择，从而减少特征上查找匹配的点，按照上述的模板匹配方案逐个对选择的第一位置中查找最匹配的位置，并计算两特征的匹配率。由于通过预设步长来选择查找的位置，减少了查找的位置的数量，提高了查找的速度，进而提高了每个特征匹配的速度。
优选地，逐个计算与查找到的第一种特征对应的第二种特征与待匹配特征的第二匹配率包括：按照第二预设步长逐个从与查找到的第一种特征对应的第二种特征上选择第二匹配位置，其中，第二预设步长包括第二横向步长和第二纵向步长，第二横向步长和第二纵向步长中至少一个步长大于1；按照模板匹配方法从选择的第二匹配位置中计算得到最匹配的第二位置；以及计算在最匹配的第二位置处的第二种特征与待匹配特征的匹配率，作为第二匹配率。
对于第二种特征的匹配率的计算，也可以采用上述方式，先按照第二预设步长来选择待查找的位置即第二位置，再按照模板匹配方法逐个从选择的位置中查找最匹配的位置及第二位置，然后计算第二匹配率。其中，第一预设步长可以与第一预设步长相同，也可以不同。对与第二匹配率的计算过程，可以参见上述对第一匹配率的计算过程，这里不作赘述。
优选地，逐个计算与查找到的第一种特征对应的第二种特征与待匹配特征的第二匹配率包括：按照第二预设步长逐个从与查找到的第一种特征对应的第二种特征上选择第二匹配位置，其中，第二预设步长包括第二横向步长和第二纵向步长，第二横向步长和第二纵向步长中至少一个步长大于1；按照模板匹配方法从选择的第二匹配位置中计算得到最匹配的第二位置；按照模板匹配方法在计算得到的最匹配的第二位置周围预设范围内重新计算得到最佳匹配点；计算在最佳匹配点处的第二种特征与待匹配特征的匹配率，作为第二匹配率。
具体地，由于按照预设步长来选择查找的位置可以提高匹配的速度，但会降低匹配的准确性，在本实施例中，在按照上述方式确定出最匹配的位置之后，在该位置周围一定的范围内再进行查找匹配，例如采用上述模板匹配方法在周围的一定范围内逐个位置进行查找，计算得到最佳匹配点，再以该最佳匹配点来计算匹配率。
根据本发明实施例，通过在计算得到最匹配的第二位置时，再在该位置周围重新计算最佳匹配点，以提高特征匹配的准确性。
下面以第一种特征为最大曲率特征，第二种特征为平均曲率特征为例，来描述发明一种优选的实施方式。其中，最大曲率特征注重于描述指静脉的细节特征，平均曲率特征注重于描述指静脉的结构特征。
具体方法包括：
首先，选取两种特征中的平均曲率特征作为第一种特征，将待比对特征中的平均曲率特征与特征库中特征的平均曲率特征进行逐一比对。比对方法为：从特征的起始点开始，采取水平方向步长为lc、垂直方向步长为lr的模板匹配方法，得出待比对特征与特征库中特征的比对分数。
将比对分数进行排序，选择前n1个得分大于阈值TO特征(如大于阈值TO的特征个数小于n1，则n1取大于阈值TO的特征个数)，再进行最大曲率特征的比对。
对于前n1个按照分数从大到小排序的特征，待比对特征逐个进行最大曲率特征比对。最大曲率特征进行比对时，从特征的起始点开始，采取水平方向步长为dc、垂直方向步长为dr的模板匹配方法，在找到最佳匹配点时，再在最佳匹配点的周围一定区域内(例如2*2区域)进行模板匹配，再次寻找最佳匹配点计算最终的得分。
若得分大于预先设定的阈值Tf，则比对结束返回搜索结果。若n1个特征全部比对结束，得分均小于Tf则返回比对失败即该特征库中没有与此特征相匹配的特征。
采用本发明实施例的上述方案在windows7系统下利用Microsoft VisualStudio2010进行开发实现，其中，实验机器配置为2.9GHz，CPU G2020，内存4GB。
为验证本发明的有效性，建立手指静脉图像库中手指静脉特征库进行测试。其中，该特征库中包含1000个手指每个手指2枚特征，共2000枚特征。
我们首先对一般方法，逐个比对特征选取得分最大者为匹配对象，再采用本实施例中的方法进行比对。在本发明实施例中，选取lc＝4，lr＝4，n1＝8，TO＝60，dc＝3，dr＝3，Tf＝65。
匹配模式为1：2000时，实验结果如表2所示：
表2
由此可以看出本文所提出的比对方法可以大幅缩短比对时间，并能保证匹配的准确度。
本发明实施例还提供了一种手指静脉特征匹配装置。该装置可以通过计算机设备实现其功能。需要说明的是，本发明实施例的手指静脉特征匹配装置可以用于执行本发明实施例所提供的手指静脉特征匹配方法，本发明实施例的手指静脉特征匹配方法也可以通过本发明实施例所提供的手指静脉特征匹配装置来执行。
图2是根据本发明实施例的手指静脉特征匹配装置的示意图。如图2所示，该手指静脉特征匹配装置包括：获取单元10、第一计算单元20、第一确定单元30、查找单元40、第二计算单元50、判断单元60和第二确定单元70。
获取单元10用于获取手指静脉的待匹配特征。
由于手指静脉识别是依据人类手指中流动的血液可吸收特定波长的光线，而使用特定波长光线对手指进行照射，可得到手指静脉的清晰图像。通过对获取的图像进行分析、处理，可以得到手指静脉的生物特征，获取该特征，作为待匹配特征与特征库中的特征进行匹配。
第一计算单元20用于逐个计算特征库中的第一种特征与待匹配特征的第一匹配率，第一匹配率用于反映特征库中的第一种特征与待匹配特征的匹配程度，特征库为预先存储有多个手指静脉特征的特征库，多个手指静脉特征中的每一个特征包括第一种特征和第二种特征。
特征库中存储有大量的手指静脉特征，该手指静脉特征包括多种用于反映手指静脉的特征，例如最大曲率特征、平均曲率特征等等，其中，一个手指静脉对应有一个最大曲率特征和一个平均曲率特征。
本发明实施例中优选第一种特征为平均曲率特征，第二种特征为最大曲率特征。
具体地，在获取到手指静脉的图像特征之后，可以从该图像特征上提取第一种特征和第二种特征，将提取的第一种特征与特征库中的第一种特征逐个进行匹配，并计算与特征库中每个第一种特征的匹配率即第一匹配率，该匹配率的值越大，则表面待匹配特征与特征库中的特征越相似。
第一确定单元30用于从计算得到的第一匹配率中确定出大于第一阈值的第一匹配率。
查找单元40用于从特征库中查找与确定出的第一匹配率对应的第一种特征。
在计算得到第一匹配率之后，将计算得到的第一匹配率与第一阈值进行比较，确定出大于第一阈值的第一匹配率，从特征库中查找到大于第一阈值的第一种特征，其中，该第一阈值可以根据需要进行设置。通过设置第一阈值，可以减少进行后续匹配的特征的数量，提高特征匹配效率。
第二计算单元50用于逐个计算与查找到的第一种特征对应的第二种特征与待匹配特征的第二匹配率，第二匹配率用于反映特征库中的第二种特征与待匹配特征的匹配程度。
判断单元60用于逐个判断第二匹配率是否超过第二阈值。
第二确定单元70用于如果判断出第二匹配率超过第二阈值，则确定特征库中存在与待匹配特征相匹配的特征。
由于一个手指静脉特征包括第一种特征和第二种特征，在查找出的满足条件的第一种特征之后，可以从特征库中确定出与查找出的第一种特征相应的第二种特征，逐个计算与待匹配特征的匹配率即第二匹配率。
在计算得到第二匹配率之后，由于确定出的第一匹配率可以为多个，相应的计算出的第二匹配率也可以是多个，判断第二匹配率是否超过第二阈值具体为根据计算得到的多个第二匹配率逐个进行判断，只要有超过第二阈值的，则表明特征库中存在与待匹配特征相匹配的特征，反之，如果所有第二匹配率均不超过第二阈值，则表明特征库中不存在与待匹配特征相匹配的特征，返回匹配失败。
根据本发明实施例，通过在特征库中存储有手指静脉特征的第一种特征和第二种特征，将待匹配特征与特征库中第一种特征和第二种特征分别进行匹配，从而提高手指静脉特征匹配的准确性，解决了现有技术中手指静脉特征识别的准确性低的问题，达到了提高手指静脉特征识别的准确性的效果。
另外，在本发明实施例中，由于先将待匹配特征与第一种特征进行匹配，再将第一匹配率大于第一阈值的第一种特征对应的第二种特征与待匹配特征进行匹配，减少匹配的第二种特征的数量，从而达到了提高待匹配特征的匹配速度的效果。
优选地，第一确定单元包括：第一选择模块，用于按照第一预设步长逐个从第一种特征上选择第一匹配位置，其中，第一预设步长包括第一横向步长和第一纵向步长，第一横向步长和第一纵向步长中至少一个步长大于1；第一计算模块，用于按照模板匹配方法从选择的第一匹配位置中计算得到最匹配的第一位置；以及第二计算模块，用于计算在最匹配的第一位置处的第一种特征与待匹配特征的匹配率，作为第一匹配率。
模板匹配方法可以参见本发明实施例的手指静脉特征匹配方法的描述，这里不做赘述。如果按照上述方法，对于一个特征要在特征库中查找与它相匹配的特征从而确定该特征的身份，需要逐个计算匹配率，再选取匹配率的最大值，然后该最大值与设定的阈值进行比较来给出结果，将会耗费非常长的时间。
从上述匹配方法可以看出，在查找最匹配的位置的过程中，需要对特征上的点逐个进行查找，而本方案中，先按照大于1的第一预设步长从特征上选择匹配的位置，例如以2*2为步长来选择，从而减少特征上查找匹配的点，按照上述的模板匹配方案逐个对选择的第一位置中查找最匹配的位置，并计算两特征的匹配率。由于通过预设步长来选择查找的位置，减少了查找的位置的数量，提高了查找的速度，进而提高了每个特征匹配的速度。
优选地，第二计算单元包括：第二选择模块，用于按照第二预设步长逐个从与查找到的第一种特征对应的第二种特征上选择第二匹配位置，其中，第二预设步长包括第二横向步长和第二纵向步长，第二横向步长和第二纵向步长中至少一个步长大于1；第三计算模块，用于按照模板匹配方法从选择的第二匹配位置中计算得到最匹配的第二位置；以及第四计算模块，用于计算在最匹配的第二位置处的第二种特征与待匹配特征的匹配率，作为第二匹配率。
对于第二种特征的匹配率的计算，也可以采用上述方式，先按照第二预设步长来选择待查找的位置即第二位置，再按照模板匹配方法逐个从选择的位置中查找最匹配的位置及第二位置，然后计算第二匹配率。其中，第一预设步长可以与第一预设步长相同，也可以不同。对与第二匹配率的计算过程，可以参见上述对第一匹配率的计算过程，这里不作赘述。
优选地，第二计算单元包括：第三选择模块，用于按照第二预设步长逐个从与查找到的第一种特征对应的第二种特征上选择第二匹配位置，其中，第二预设步长包括第二横向步长和第二纵向步长，第二横向步长和第二纵向步长中至少一个步长大于1；第五计算模块，用于按照模板匹配方法从选择的第二匹配位置中计算得到最匹配的第二位置；第六计算模块，用于按照模板匹配方法在计算得到的最匹配的第二位置周围预设范围内重新计算得到最佳匹配点；第七计算模块，用于计算在最佳匹配点处的第二种特征与待匹配特征的匹配率，作为第二匹配率。
具体地，由于按照预设步长来选择查找的位置可以提高匹配的速度，但会降低匹配的准确性，在本实施例中，在按照上述方式确定出最匹配的位置之后，在该位置周围一定的范围内再进行查找匹配，例如采用上述模板匹配方法在周围的一定范围内逐个位置进行查找，计算得到最佳匹配点，再以该最佳匹配点来计算匹配率。
根据本发明实施例，通过在计算得到最匹配的第二位置时，再在该位置周围重新计算最佳匹配点，以提高特征匹配的准确性。
优选地，手指静脉特征匹配装置还包括：排序单元，用于在从计算得到的第一匹配率中确定出大于第一阈值的第一匹配率之后，对确定出的大于第一阈值的第一匹配率进行排序；选择单元，用于按照匹配率的大小从排序后的第一匹配率中选择前N个第一匹配率，其中，N为预设值，其中，查找单元包括：查找模块，用于从特征库中查找与选择的前N个第一匹配率对应的第一种特征。
在确定出大于第一阈值的第一匹配率之后，该第一匹配率的数量会很大，该实施例中，优选匹配率最大的前N个第一匹配率进行后续匹配计算，这样，可以进一步减少匹配的特征的数量，提高匹配速度。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、移动终端、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (7)
1.一种手指静脉特征匹配方法，其特征在于，包括：
获取手指静脉的待匹配特征；
逐个计算特征库中的第一种特征与所述待匹配特征的第一匹配率，所述第一匹配率用于反映所述特征库中的第一种特征与所述待匹配特征的匹配程度，所述特征库为预先存储有多个手指静脉特征的特征库，所述多个手指静脉特征中的每一个特征包括所述第一种特征和第二种特征；
从计算得到的第一匹配率中确定出大于第一阈值的第一匹配率；
从所述特征库中查找与确定出的第一匹配率对应的第一种特征；
逐个计算与查找到的第一种特征对应的第二种特征与所述待匹配特征的第二匹配率，所述第二匹配率用于反映所述特征库中的第二种特征与所述待匹配特征的匹配程度；
其中，逐个计算与查找到的第一种特征对应的第二种特征与所述待匹配特征的第二匹配率包括：
按照第二预设步长逐个从与查找到的第一种特征对应的第二种特征上选择第二匹配位置，其中，所述第二预设步长包括第二横向步长和第二纵向步长，所述第二横向步长和第二纵向步长中至少一个步长大于1；
按照模板匹配方法从选择的第二匹配位置中计算得到最匹配的第二位置；
按照所述模板匹配方法在计算得到的最匹配的第二位置周围预设范围内重新计算得到最佳匹配点；
计算在所述最佳匹配点处的第二种特征与所述待匹配特征的匹配率，作为所述第二匹配率；
逐个判断所述第二匹配率是否超过第二阈值；以及
如果判断出所述第二匹配率超过所述第二阈值，则确定所述特征库中存在与所述待匹配特征相匹配的特征。
2.根据权利要求1所述的手指静脉特征匹配方法，其特征在于，逐个计算特征库中的第一种特征与所述待匹配特征的第一匹配率包括：
按照第一预设步长逐个从所述第一种特征上选择第一匹配位置，其中，所述第一预设步长包括第一横向步长和第一纵向步长，所述第一横向步长和第一纵向步长中至少一个步长大于1；
按照模板匹配方法从选择的第一匹配位置中计算得到最匹配的第一位置；以及
计算在所述最匹配的第一位置处的第一种特征与所述待匹配特征的匹配率，作为所述第一匹配率。
3.根据权利要求1所述的手指静脉特征匹配方法，其特征在于，在从计算得到的第一匹配率中确定出大于第一阈值的第一匹配率之后，所述手指静脉特征匹配方法还包括：
对确定出的大于第一阈值的第一匹配率进行排序；
按照匹配率的大小从排序后的第一匹配率中选择前N个第一匹配率，其中，N为预设值，
其中，从所述特征库中查找与确定出的第一匹配率对应的第一种特征包括：从所述特征库中查找与选择的前N个第一匹配率对应的第一种特征。
4.根据权利要求1所述的手指静脉特征匹配方法，其特征在于，所述第一种特征为平均曲率特征，所述第二种特征为最大曲率特征。
5.一种手指静脉特征匹配装置，其特征在于，包括：
获取单元，用于获取手指静脉的待匹配特征；
第一计算单元，用于逐个计算特征库中的第一种特征与所述待匹配特征的第一匹配率，所述第一匹配率用于反映所述特征库中的第一种特征与所述待匹配特征的匹配程度，所述特征库为预先存储有多个手指静脉特征的特征库，所述多个手指静脉特征中的每一个特征包括所述第一种特征和第二种特征；
第一确定单元，用于从计算得到的第一匹配率中确定出大于第一阈值的第一匹配率；
查找单元，用于从所述特征库中查找与确定出的第一匹配率对应的第一种特征；
第二计算单元，用于逐个计算与查找到的第一种特征对应的第二种特征与所述待匹配特征的第二匹配率，所述第二匹配率用于反映所述特征库中的第二种特征与所述待匹配特征的匹配程度；
其中，所述第二计算单元包括：
第三选择模块，用于按照第二预设步长逐个从与查找到的第一种特征对应的第二种特征上选择第二匹配位置，其中，所述第二预设步长包括第二横向步长和第二纵向步长，所述第二横向步长和第二纵向步长中至少一个步长大于1；
第五计算模块，用于按照模板匹配方法从选择的第二匹配位置中计算得到最匹配的第二位置；
第六计算模块，用于按照所述模板匹配方法在计算得到的最匹配的第二位置周围预设范围内重新计算得到最佳匹配点；
第七计算模块，用于计算在所述最佳匹配点处的第二种特征与所述待匹配特征的匹配率，作为所述第二匹配率；
判断单元，用于逐个判断所述第二匹配率是否超过第二阈值；以及
第二确定单元，用于如果判断出所述第二匹配率超过所述第二阈值，则确定所述特征库中存在与所述待匹配特征相匹配的特征。
6.根据权利要求5所述的手指静脉特征匹配装置，其特征在于，所述第一确定单元包括：
第一选择模块，用于按照第一预设步长逐个从所述第一种特征上选择第一匹配位置，其中，所述第一预设步长包括第一横向步长和第一纵向步长，所述第一横向步长和第一纵向步长中至少一个步长大于1；
第一计算模块，用于按照模板匹配方法从选择的第一匹配位置中计算得到最匹配的第一位置；以及
第二计算模块，用于计算在所述最匹配的第一位置处的第一种特征与所述待匹配特征的匹配率，作为所述第一匹配率。
7.根据权利要求5所述的手指静脉特征匹配装置，其特征在于，所述手指静脉特征匹配装置还包括：
排序单元，用于在从计算得到的第一匹配率中确定出大于第一阈值的第一匹配率之后，对确定出的大于第一阈值的第一匹配率进行排序；
选择单元，用于按照匹配率的大小从排序后的第一匹配率中选择前N个第一匹配率，其中，N为预设值，
其中，所述查找单元包括：查找模块，用于从所述特征库中查找与选择的前N个第一匹配率对应的第一种特征。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410815135.3A CN104463175B (zh) | 2014-12-23 | 2014-12-23 | 手指静脉特征匹配方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410815135.3A CN104463175B (zh) | 2014-12-23 | 2014-12-23 | 手指静脉特征匹配方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104463175A CN104463175A (zh) | 2015-03-25 |
| CN104463175B true CN104463175B (zh) | 2017-11-28 |
Family
ID=52909189
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410815135.3A Active CN104463175B (zh) | 2014-12-23 | 2014-12-23 | 手指静脉特征匹配方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104463175B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106548187A (zh) * | 2015-09-17 | 2017-03-29 | 杭州安存网络科技有限公司 | 一种图像认证方法及装置 |
| CN105184272B (zh) * | 2015-09-21 | 2018-08-21 | 中国人民解放军国防科学技术大学 | 基于曲线匹配的手背静脉识别方法 |
| CN105956579A (zh) * | 2016-05-27 | 2016-09-21 | 国创科视科技股份有限公司 | 融合模糊模板和点特征的手指静脉快速识别方法 |
| CN109726746B (zh) * | 2018-12-20 | 2021-02-26 | 浙江大华技术股份有限公司 | 一种模板匹配的方法及装置 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101093539A (zh) * | 2007-07-27 | 2007-12-26 | 哈尔滨工程大学 | 手指静脉特征提取与匹配识别方法 |
| CN103714159A (zh) * | 2013-12-27 | 2014-04-09 | 中国人民公安大学 | 融合二级和三级特征的由粗到精的指纹识别方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8768049B2 (en) * | 2012-07-13 | 2014-07-01 | Seiko Epson Corporation | Small vein image recognition and authorization using constrained geometrical matching and weighted voting under generic tree model |
-
2014
- 2014-12-23 CN CN201410815135.3A patent/CN104463175B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101093539A (zh) * | 2007-07-27 | 2007-12-26 | 哈尔滨工程大学 | 手指静脉特征提取与匹配识别方法 |
| CN103714159A (zh) * | 2013-12-27 | 2014-04-09 | 中国人民公安大学 | 融合二级和三级特征的由粗到精的指纹识别方法 |
Non-Patent Citations (1)
| Title |
|---|
| 人体手背静脉血管图像增强与特征匹配;吕佩卓 等;《计算机工程与设计》;20070831;第28卷(第15期);第3623-3625页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104463175A (zh) | 2015-03-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104239769B (zh) | 基于手指静脉特征的身份识别方法及系统 | |
| CN104463175B (zh) | 手指静脉特征匹配方法和装置 | |
| CN102043961B (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 | |
| CN107305624A (zh) | 一种基于多模式生物识别信息的个人识别方法和装置 | |
| CN104036176B (zh) | 基于安全级别注册指纹特征点的方法、认证方法及终端设备 | |
| CN102945366A (zh) | 一种人脸识别的方法及装置 | |
| CN107980140A (zh) | 一种掌静脉的识别方法及装置 | |
| CN104182974B (zh) | 一种基于特征点进行图像匹配的加速方法 | |
| CN107194361A (zh) | 二维姿势检测方法及装置 | |
| CN106096569A (zh) | 一种手指静脉识别方法 | |
| CN106709417A (zh) | 一种多模态生物识别系统及其使用方法 | |
| CN107169479A (zh) | 基于指纹验证的智能移动设备敏感数据防护方法 | |
| CN110287813A (zh) | 身份识别方法及系统 | |
| CN105868731A (zh) | 双目虹膜特征获取方法及装置、身份验证方法及系统 | |
| KR20170003348A (ko) | 사용자 인증을 위한 등록 데이터베이스의 갱신 방법 및 장치 | |
| CN104134058B (zh) | 一种人脸图像处理方法 | |
| CN102214297A (zh) | 用于特征提取的静脉图像质量检测方法 | |
| CN108108711A (zh) | 人脸布控方法、电子设备及存储介质 | |
| CN110415225A (zh) | 一种基于多信息融合的手指静脉图像质量评价方法 | |
| CN106611158A (zh) | 人体3d特征信息的获取方法及设备 | |
| CN106250814B (zh) | 一种基于超球粒化商空间模型的手指静脉图像识别方法 | |
| CN106778491A (zh) | 人脸3d特征信息的获取方法及设备 | |
| CN103324949A (zh) | 从图像中识别物体的方法和装置 | |
| CN111062345B (zh) | 静脉识别模型的训练方法、装置和静脉图像识别装置 | |
| CN104573651B (zh) | 指纹识别方法和装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20190813 Address after: 410205 14 Changsha Zhongdian Software Park Phase I, 39 Jianshan Road, Changsha High-tech Development Zone, Yuelu District, Changsha City, Hunan Province Patentee after: Wisdom Eye Technology Co.,Ltd. Address before: 410013 Room A413, Headquarters Building of Changsha Zhongdian Software Park, 39 Jianshan Road, Changsha High-tech Development Zone, Changsha City, Hunan Province Patentee before: ATHENA EYES (HUNAN) TECHNOLOGY DEVELOPMENT CO.,LTD. |
|
| TR01 | Transfer of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Finger vein feature matching method and device Effective date of registration: 20221205 Granted publication date: 20171128 Pledgee: Agricultural Bank of China Limited Hunan Xiangjiang New Area Branch Pledgor: Wisdom Eye Technology Co.,Ltd. Registration number: Y2022430000107 |
|
| PC01 | Cancellation of the registration of the contract for pledge of patent right | ||
| PC01 | Cancellation of the registration of the contract for pledge of patent right |
Date of cancellation: 20231220 Granted publication date: 20171128 Pledgee: Agricultural Bank of China Limited Hunan Xiangjiang New Area Branch Pledgor: Wisdom Eye Technology Co.,Ltd. Registration number: Y2022430000107 |
|
| CP03 | Change of name, title or address |
Address after: No. 205, Building B1, Huigu Science and Technology Industrial Park, No. 336 Bachelor Road, Bachelor Street, Yuelu District, Changsha City, Hunan Province, 410000 Patentee after: Wisdom Eye Technology Co.,Ltd. Country or region after: China Address before: 410205 building 14, phase I, Changsha Zhongdian Software Park, No. 39, Jianshan Road, Changsha high tech Development Zone, Yuelu District, Changsha City, Hunan Province Patentee before: Wisdom Eye Technology Co.,Ltd. Country or region before: China |
|
| CP03 | Change of name, title or address |