CN104700103A - 一种应用于多生物特征识别的智能身份认证通道的指纹比对方法 - Google Patents

一种应用于多生物特征识别的智能身份认证通道的指纹比对方法 Download PDF

Info

Publication number
CN104700103A
CN104700103A CN201510159178.5A CN201510159178A CN104700103A CN 104700103 A CN104700103 A CN 104700103A CN 201510159178 A CN201510159178 A CN 201510159178A CN 104700103 A CN104700103 A CN 104700103A
Authority
CN
China
Prior art keywords
fingerprint
fingerprint characteristic
data
characteristic data
characteristic set
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
Application number
CN201510159178.5A
Other languages
English (en)
Inventor
王景森
黄皓贤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong Is With Containing United Information Technology Co Ltd
Original Assignee
Guangdong Is With Containing United Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangdong Is With Containing United Information Technology Co Ltd filed Critical Guangdong Is With Containing United Information Technology Co Ltd
Priority to CN201510159178.5A priority Critical patent/CN104700103A/zh
Publication of CN104700103A publication Critical patent/CN104700103A/zh
Pending legal-status Critical Current

Links

Landscapes

  • Collating Specific Patterns (AREA)

Abstract

本发明所述的应用于多生物特征识别的智能身份认证通道的指纹比对方法,从数据库中获取指纹图片数据,将指纹图片数据转换为指纹特征数据并划分为若干个集合,最后采用多线程将待比对指纹的指纹特征数据进行比对。所述的应用于多生物特征识别的智能身份认证通道的指纹比对方法能提高指纹比对的速度和准确性;整个方法都在内存中进行,不存在硬盘储存的安全风险。在远程数据库只保存指纹图片的情况下,本发明所述的应用于多生物特征识别的智能身份认证通道的指纹比对方法使指纹比对过程速度得到提高。

Description

一种应用于多生物特征识别的智能身份认证通道的指纹比对方法
技术领域
本发明涉及指纹比对领域,特别涉及一种应用于多生物特征识别的智能身份认证通道的指纹比对方法。
背景技术
现代社会中,随着计算机及网络技术的高速发展,信息安全显示出前所未有的重要性,身份鉴定是保证系统安全的必要前提。在金融、国家安全、司法、电子商务、电子政务等应用领域,都需要准确的身份鉴定。目前广泛使用的依靠证件、个人识别号码、口令等传统方法来确认个人身份的技术面临着严峻的挑战,越来越不适应现代科技的发展和社会的进步。生物特征识别是通过利用个体特有的生理和行为特征来进行身份识别和/或个体验证的一门科学,基于生物特征识别技术的个人身份识别系统具有更好的安全性、可靠性和有效性,正越来越受到人们的重视,并开始进入我们社会生活的各个领域。
基于指纹的生物识别技术是应用得最早的。每个人都有自己唯一的、持久不变的指纹,它通常由交替出现的宽度大致相同的脊和谷组成。指纹识别具有很好的可靠性,目前在刑侦领域、特殊人群管理、人口安全系统以及驾照注册等方面应用十分广泛。
其中,特殊人群管理包括出入境管理、监狱人员管理等。特殊人群识别,通常采用指纹图片1:N指纹比对的指纹识别方法进行;常用的指纹图片1:N指纹比对的指纹识别方法有以下几种:
1、遍历式指纹比对:一次从数据库或磁盘中读取一枚指纹图片后,与待匹配的一枚指纹进行1:1指纹比对;比对完后,再从数据库或磁盘中读取另一枚指纹图片,再与待匹配的一枚指纹进行1:1比对,如此类推地进行,直至比对成功。
2、通过ID编号绑定对应指纹:将指纹用独特的ID编号标识,如待匹配的指纹有ID编号,则只需知道其ID即可找到数据库中相应ID号的指纹图片;对于没有标识ID编号的陌生指纹,则按照遍历式指纹比对方法执行。
但上述方式存在以下问题:
对于第1种方式:遍历式从磁盘或数据库中获取指纹特征进行1:1比对,局限于磁盘读取速度,导致比对数量过多时比对速度很慢。遍历式指纹比对过程中指纹特征在本地物理磁盘上存储,安全性较差。遍历式读取数据库指纹特征,需要维持本地与数据库之间的连接时间很长,从而加重服务器负担。
对于第2种方式:在数量很大的指纹比对应用中,尤其是在百万级指纹库中,因为一个陌生指纹没有标识ID编号,为了识别这一枚指纹,必须将这一枚指纹与指纹库中的每一枚指纹图片进行1:1比对。所需耗费的时间是难以让人接受的。
发明内容
本发明目的是为了克服现有技术的不足,提供一种应用于多生物特征识别的智能身份认证通道的指纹比对方法,能提高指纹比对速率,较为省时并保证准确性,而且安全性高。
为了达到上述目的,本发明采用以下技术方案:
一种应用于多生物特征识别的智能身份认证通道的指纹比对方法,包括以下步骤:
a、获取数据库中的多个指纹图片数据至内存,将每个指纹图片数据转换成指纹特征数据,全部指纹特征数据划分为n个指纹特征集合C1~Cn:
a1、设置指纹特征集合C1~Cn,n为自然数;
a2、每获取数据库中的一个指纹图片数据,即将其转换成指纹特征数据,并将该指纹特征数据分配入指纹特征集合Cn,存储入内存;同时,释放掉已转换为指纹特征数据的指纹图片数据所占据的内存空间;
当一指纹特征集合Cn内的指纹特征数据达到设定数量时,之后的指纹特征数据分配入另一个指纹特征集合Cn中;
a3、每获取一个指纹图片数据,都将该指纹图片数据完成a2步骤后,才继续获取另一个指纹图片数据,直至获取完多个指纹图片数据;
b、获取待比对指纹的指纹特征数据;
c、采用多线程将待比对指纹的指纹特征数据同时与X个指纹特征集合(X<n)在内存中进行比对;
d、若比对成功,则退出;
e、若待比对指纹的指纹特征数据与X个指纹特征集合中的全部指纹特征数据进行比对后没有比对成功,则分以下两种情况进行:
e1:当待比对指纹的指纹特征数据没有与全部指纹特征集合都比对过,则回到步骤c,此时与待比对指纹的指纹特征数据比对的指纹特征集合与之前比对的指纹特征集合不同;
e2:当待比对指纹的指纹特征数据已经与全部指纹特征集合的全部指纹特征数据都比对过,则退出。
作为优选,步骤a中,不同指纹特征集合含有的指纹特征数据数量相同。
作为优选,步骤a中,从数据库中获取出来的指纹图片数据为二进制格式数据。
作为优选,步骤a中,设置指纹特征集合C1~Cn的方式为:应用n个.net框架中的list实例,一个list实例代表一个指纹特征集合,该list实例用于存储该指纹特征集合的指纹特征数据;所应用的list实例为同种数据类型list实例;
将指纹特征数据分配入指纹特征集合Cn的方式为:将指纹特征数据存储入一个list实例中;不同指纹特征集合里的指纹特征数据的数量相同。
作为优选,步骤a中,通过指纹特征提取函数将指纹图片数据转换成指纹特征数据。
作为优选,所述指纹特征提取函数为基于8邻域编码逐像素跟踪法的指纹细节特征提取算法。
作为优选,所述指纹特征提取函数为基于场结构的指纹图像细节特征提取算法。
与现有技术相比,本发明具有以下有益效果:
本发明所述的应用于多生物特征识别的智能身份认证通道的指纹比对方法的整个过程都在内存中进行,不存在硬盘储存的安全风险。获取出来的指纹图片数据为二进制格式数据,并且采用多线程进行比对,提高获取指纹图片数据及比对的速度。本发明所述的应用于多生物特征识别的智能身份认证通道的指纹比对方法,指纹比对速度快,并且准确性及安全性高。在远程数据库中只保存指纹图片的情况下,本发明所述的指纹比对方法使一对多的指纹比对速度得到提高。
附图说明
图1是本发明的流程图。
具体实施方式
现结合附图与具体实施例对本发明作进一步说明。
参阅图1,本发明所述的一种应用于多生物特征识别的智能身份认证通道的指纹比对方法,包括以下步骤:
a、从数据库中获取多个指纹图片数据,获取出来的指纹图片数据为二进制格式数据,将获取出来的指纹图片数据存入内存;将每个指纹图片数据转换成指纹特征数据,全部指纹特征数据划分为n个指纹特征集合C1~Cn:
a1、设置指纹特征集合C1~Cn,n为自然数;
a2、每获取数据库中的一个指纹图片数据,即将其通过指纹特征提取函数转换成指纹特征数据,并将该指纹特征数据分配入指纹特征集合Cn,存储入内存;同时,释放掉已转换为指纹特征数据的指纹图片数据所占据的内存空间;
当指纹特征集合Cn内的指纹特征数据达到一定数量(数量按实际情况设定)时,之后的指纹特征数据分配入另一个指纹特征集合Cn中;
a3、每获取一个指纹图片数据,都将该指纹图片数据完成a2步骤后,才继续获取另一个指纹图片数据,直至获取完多个指纹图片数据;
步骤“设置指纹特征集合C1~Cn,将指纹特征数据分配入指纹特征集合Cn”的作用在于将全部指纹特征数据分为n个小集合(不同小集合除数据数量可能不同外,相互之间无差别)。
设置指纹特征集合C1~Cn的方式为:应用.net框架中的n个list实例,一个list实例代表一个指纹特征集合,该list实例用于该存储指纹特征集合的指纹特征数据;所应用的list实例为同种数据类型list实例;将指纹特征数据分配入指纹特征集合Cn的方式为:将指纹特征数据存储入一个list实例中;不同指纹特征集合里的指纹特征数据的数量相同。List是C#编程语言中可以直接使用的基本数据类型。
数据库为指纹数据库,指纹数据库中的指纹图片数据是与待比对指纹比对的样品指纹的指纹图片数据。
若在数据库中获取出来的指纹图片数据不是二进制格式数据,那么就需要先将获取出来的指纹图片数据转换为二进制格式的图片数据,例如采用二进制转bmp格式图片数据,再采用指纹特征提取函数转换成指纹特征数据。
指纹特征提取函数是由指纹仪厂家提供,不同指纹仪厂家提供的指纹特征提取函数可能不同,但是都能将指纹图片数据转换为指纹特征数据。所应用的指纹特征提取函数例如有:基于8邻域编码逐像素跟踪法的指纹细节特征提取算法,基于场结构的指纹图像细节特征提取算法。
指纹特征值是指纹算法的基础数据,是指纹算法最重要的数据结构。指纹一般通过两类特征来进行验证:总体特征和局部特征。局部特征是指指纹上的节点的特征,这些具有某种特征的节点称为特征点。两枚指纹经常会具有相同的总体特征,但它们的局部特征(即细节特征),却不可能完全相同,通常将这两个数据结合起来,就足以描述指纹的唯一性。对于局部特征的提取,8邻域编码逐像素跟踪法是在指纹图像(即指纹图片数据)的行列矩阵中,用8邻域编码来表示当前点的类型和8邻域像素的状态,局部特征的坐标直接表示该指纹,根据这些局部特征信息,细化后的指纹图像就可以利用3x3的模板来判断局部特征,从而得到特征点的局部特征值。该方法为指纹识别领域的一个常见算法,具体可见《基于8邻域编码逐像素跟踪法的指纹细节特征提取算法》(《电脑知识与技术:学术交流》2008年第11期|陈艳平赵磊)一文中公开的相关内容,此处不在赘述。
基于场结构的指纹图像细节特征提取是根据图像局部区域所固有的方向特性和频率特性,构建方向场或频率场,实现指纹图像(即指纹图片数据)的背景区域的有效分离,并实现了指纹图像的二值化及数据化、从而得到特征点的细节特征值。该算法也是在指纹识别领域为常用手段,具体可见《基于场结构的指纹图像细节特征提取算法》(《石油大学学报(自然科学版)》2004年第28卷第3期|何洋欧宗瑛)一文中公开的相关内容,此处不在赘述。
b、获取待比对指纹的指纹特征数据。
c、采用多线程将待比对指纹的指纹特征数据同时与X个指纹特征集合(X<n)在内存中进行比对;即待比对指纹的指纹特征数据同时与X个指纹特征集合分别进行比对,此时,多个线程是同一时间并发执行。线程的数量是根据CPU的物理核心数确定的,几核的CPU开几个线程,保证并发的效率。
待比对指纹的指纹特征数据与指纹特征集合比对,实指与指纹特征集合内的指纹特征数据比对。待比对指纹与一个指纹特征集合内的指纹特征数据逐个比对。
d、若比对成功,则退出。
e、若待比对指纹的指纹特征数据与X个指纹特征集合中的全部指纹特征数据进行比对后没有比对成功,则分以下两种情况进行:
e1:当待比对指纹的指纹特征数据没有与全部指纹特征集合都比对过,则回到步骤c,此时与待比对指纹的指纹特征数据比对的指纹特征集合与之前比对的指纹特征集合不同;
e2:当待比对指纹的指纹特征数据已经与全部指纹特征集合的全部指纹特征数据都比对过,则退出。
基于上述步骤,本发明的一个具体实施例子如下:
A、指纹数据库存有1000万个指纹图片数据;从数据库中获取1000万个指纹图片数据,从数据库中获取出来的指纹图片数据是二进制格式数据,将获取出来的指纹图片数据存入内存中。
B、为了将1000万个指纹图片数据分为1000个指纹特征集合C1~C1000,应用.net框架中的1000个list实例;每一个list实例代表一个指纹特征集合,每一个list实例用于存储该指纹特征集合的指纹特征数据。
每当获取一个指纹图片数据,即将其通过指纹特征提取函数转换成指纹特征数据,并将该指纹特征数据存储入一个list实例中,与此同时,释放掉已转换为指纹特征数据的指纹图片数据所占据的内存空间。每个指纹图片数据进行完这些步骤后,才获取下一个指纹图片数据。
指纹特征数据先存储入第一个list实例中,当第一个list实例存储满1万个指纹特征数据,之后的指纹特征数据即存储进第二个list实例中,当第二个list实例存储满1万个指纹特征数据,之后的指纹特征数据即存储进第三个list实例中,如此类推,直至全部指纹特征数据存储入1000个list实例中。
C、当需要识别某人的指纹,让其在指纹仪的指纹按压部上按压,该人的指纹特征数据输入指纹仪,即能获取待比对的指纹特征数据。
D、采用多线程将待比对指纹的指纹特征数据同时与X个指纹特征集合(X<1000)在内存中进行比对;
E、若比对成功,则退出;
F、若待比对指纹的指纹特征数据与X个指纹特征集合中的全部指纹特征数据进行比对后没有比对成功,则分以下两种情况进行:
e1:当待比对指纹的指纹特征数据没有与全部指纹特征集合都比对过,则返回步骤D,此时与待比对指纹的指纹特征数据比对的指纹特征集合与之前比对的指纹特征集合不同。
e2;当待比对指纹的指纹特征数据已经与全部指纹特征集合的全部指纹特征数据都比对过后,则退出。
本发明中:
主要与存储指纹图片的数据库配合使用。由于存储指纹图片的数据库作为指纹数据源,可以配合各种不同算法使用,所以现有的指纹数据库采用这种形式。因此,本发明所述的应用于多生物特征识别的智能身份认证通道的指纹比对方法适用较多指纹数据库。
现有的配合指纹图片数据库使用的比对方法,比对速度都较慢,而本发明所述的指纹比对方法则是能够提高整体的指纹比对速度。
从数据库获取出来的指纹图片数据为二进制格式数据,有助于提高传输速度,并且安全性高。
采用多线程进行比对,提高了比对的速度。
应用于多生物特征识别的智能身份认证通道的指纹比对方法的整个过程都在内存中进行,不存在硬盘储存的安全风险,避免指纹信息泄漏。
将指纹图片数据转换为指纹特征数据,与此同时释放掉已转换为指纹特征数据的指纹图片数据所占据的内存空间,能够节省内存空间并保证比对过程的速度。
本发明所述的应用于多生物特征识别的智能身份认证通道的指纹比对方法,从数据库中获取指纹图片数据,将指纹图片数据转换为指纹特征数据并划分为若干个集合,最后采用多线程将待比对指纹的指纹特征数据进行比对。
将指纹图片数据转换为指纹特征数据,即将10kb~1000kb的图片数据转换成只有0.3kb左右特征数据,节省了内存的空间,提高处理速度,使内存能够存入更多的指纹特征数据,提高比对准确性。
本发明所述的应用于多生物特征识别的智能身份认证通道的指纹比对方法的指纹图片数据获取速度快,并且能够提高指纹比对的速度和准确性;整个方法都在内存中进行,不存在硬盘储存的安全风险。在远程数据库只保存指纹图片的情况下,本发明所述的应用于多生物特征识别的智能身份认证通道的指纹比对方法使指纹比对过程速度得到提高。其比对速度快,而且能够将数据库内指纹图片数据的指纹特征数据都进行比对,比对准确性高。本发明所述的智能身份认证通道指自助身份认证通道,例如出入境身份自助认证通道、监狱人员管理时应用的自助身份认证通道等。
本发明并不局限于上述实施方式,如果对本发明的各种改动或变型不脱离本发明的精神和范围,倘若这些改动和变型属于本发明的权利要求和等同技术范围之内,则本发明也意图包含这些改动和变动。

Claims (7)

1.一种应用于多生物特征识别的智能身份认证通道的指纹比对方法,其特征在于,包括以下步骤:
a、获取数据库中的多个指纹图片数据至内存,将每个指纹图片数据转换成指纹特征数据,全部指纹特征数据划分为n个指纹特征集合C1~Cn:
a1、设置指纹特征集合C1~Cn,n为自然数;
a2、每获取数据库中的一个指纹图片数据,即将其转换成指纹特征数据,并将该指纹特征数据分配入指纹特征集合Cn,存储入内存;同时,释放掉已转换为指纹特征数据的指纹图片数据所占据的内存空间;
当一指纹特征集合Cn内的指纹特征数据达到设定数量时,之后的指纹特征数据分配入另一个指纹特征集合Cn中;
a3、每获取一个指纹图片数据,都将该指纹图片数据完成a2步骤后,才继续获取另一个指纹图片数据,直至获取完多个指纹图片数据;
b、获取待比对指纹的指纹特征数据;
c、采用多线程将待比对指纹的指纹特征数据同时与X个指纹特征集合(X<n)在内存中进行比对;
d、若比对成功,则退出;
e、若待比对指纹的指纹特征数据与X个指纹特征集合中的全部指纹特征数据进行比对后没有比对成功,则分以下两种情况进行:
e1:当待比对指纹的指纹特征数据没有与全部指纹特征集合都比对过,则回到步骤c,此时与待比对指纹的指纹特征数据比对的指纹特征集合与之前比对的指纹特征集合不同;
e2:当待比对指纹的指纹特征数据已经与全部指纹特征集合的全部指纹特征数据都比对过,则退出。
2.根据权利要求1所述的一种应用于多生物特征识别的智能身份认证通道的指纹比对方法,其特征在于,步骤a中,不同指纹特征集合含有的指纹特征数据数量相同。
3.根据权利要求1所述的一种应用于多生物特征识别的智能身份认证通道的指纹比对方法,其特征在于,步骤a中,从数据库中获取出来的指纹图片数据为二进制格式数据。
4.根据权利要求1或3所述的一种应用于多生物特征识别的智能身份认证通道的指纹比对方法,其特征在于,步骤a中,设置指纹特征集合C1~Cn的方式为:应用n个.net框架中的list实例,一个list实例代表一个指纹特征集合,该list实例用于存储该指纹特征集合的指纹特征数据;所应用的list实例为同种数据类型list实例;
将指纹特征数据分配入指纹特征集合Cn的方式为:将指纹特征数据存储入一个list实例中;不同指纹特征集合里的指纹特征数据的数量相同。
5.根据权利要求3所述的一种应用于多生物特征识别的智能身份认证通道的指纹比对方法,其特征在于,步骤a中,通过指纹特征提取函数将指纹图片数据转换成指纹特征数据。
6.根据权利要求5所述的一种应用于多生物特征识别的智能身份认证通道的指纹比对方法,其特征在于,所述指纹特征提取函数为基于8邻域编码逐像素跟踪法的指纹细节特征提取算法。
7.根据权利要求5所述的一种应用于多生物特征识别的智能身份认证通道的指纹比对方法,其特征在于,所述指纹特征提取函数为基于场结构的指纹图像细节特征提取算法。
CN201510159178.5A 2015-04-03 2015-04-03 一种应用于多生物特征识别的智能身份认证通道的指纹比对方法 Pending CN104700103A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510159178.5A CN104700103A (zh) 2015-04-03 2015-04-03 一种应用于多生物特征识别的智能身份认证通道的指纹比对方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510159178.5A CN104700103A (zh) 2015-04-03 2015-04-03 一种应用于多生物特征识别的智能身份认证通道的指纹比对方法

Publications (1)

Publication Number Publication Date
CN104700103A true CN104700103A (zh) 2015-06-10

Family

ID=53347201

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510159178.5A Pending CN104700103A (zh) 2015-04-03 2015-04-03 一种应用于多生物特征识别的智能身份认证通道的指纹比对方法

Country Status (1)

Country Link
CN (1) CN104700103A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105488874A (zh) * 2015-11-20 2016-04-13 北京天诚盛业科技有限公司 基于多线程控制的生物识别方法和装置
CN107609365A (zh) * 2016-07-11 2018-01-19 三星电子株式会社 用于使用多个生物测量学验证器验证用户的方法和设备

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101777075A (zh) * 2010-02-05 2010-07-14 上海全土豆网络科技有限公司 并行音频指纹检索方法
CN104112005A (zh) * 2014-07-15 2014-10-22 电子科技大学 分布式海量指纹识别方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101777075A (zh) * 2010-02-05 2010-07-14 上海全土豆网络科技有限公司 并行音频指纹检索方法
CN104112005A (zh) * 2014-07-15 2014-10-22 电子科技大学 分布式海量指纹识别方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
吴春生等: "GPU指纹计算程序简述及性能分析", 《科研信息化技术与应用》 *
王璐等: "基于内存比对的CAFIS系统指纹比对方法改进研究", 《刑事技术》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105488874A (zh) * 2015-11-20 2016-04-13 北京天诚盛业科技有限公司 基于多线程控制的生物识别方法和装置
CN107609365A (zh) * 2016-07-11 2018-01-19 三星电子株式会社 用于使用多个生物测量学验证器验证用户的方法和设备

Similar Documents

Publication Publication Date Title
Lee et al. Fingernail analysis management system using microscopy sensor and blockchain technology
Maltoni et al. Handbook of fingerprint recognition
Uludag et al. Biometric template selection and update: a case study in fingerprints
Drozdowski et al. Computational workload in biometric identification systems: An overview
CN103605963A (zh) 一种指纹识别方法
US20140355848A1 (en) A method for identifying fingerprints through numeric representation
Xiao et al. A two-stage siamese network model for offline handwritten signature verification
Liu et al. Integrating the symmetry image and improved sparse representation for railway fastener classification and defect recognition
Fei et al. Enhanced minutiae extraction for high-resolution palmprint recognition
Schuch Survey on features for fingerprint indexing
Saponara et al. Reconstruct fingerprint images using deep learning and sparse autoencoder algorithms
Noh et al. Finger-vein recognition using heterogeneous databases by domain adaption based on a cycle-consistent adversarial network
Martin et al. Fixing identity? Biometrics and the tensions of material practices
Miao et al. Fingerprint minutiae extraction based on principal curves
CN104700103A (zh) 一种应用于多生物特征识别的智能身份认证通道的指纹比对方法
Singh et al. Efficient face identification and authentication tool for biometric attendance system
Chahi et al. WriterINet: a multi-path deep CNN for offline text-independent writer identification
Boehnen Facial analytics: from big data to law enforcement
CN110188671A (zh) 一种利用机器学习算法分析笔迹特征的方法
Zhou et al. Partial fingerprint indexing: a combination of local and reconstructed global features
CN105320935A (zh) 多模板指纹识别方法
CN102368291A (zh) 基于指纹图像隐形意识的个人身份验证系统
CN110990847A (zh) 一种基于局部敏感哈希的指纹模板保护方法
CN101794375A (zh) 一种高速高精度的指纹身份验证方法
CN104573118B (zh) 指掌纹数据文件存储方法、交换方法及其装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20150610