CN104778445B - 基于手指静脉立体特征的活体识别装置及方法 - Google Patents
基于手指静脉立体特征的活体识别装置及方法 Download PDFInfo
- Publication number
- CN104778445B CN104778445B CN201510115417.7A CN201510115417A CN104778445B CN 104778445 B CN104778445 B CN 104778445B CN 201510115417 A CN201510115417 A CN 201510115417A CN 104778445 B CN104778445 B CN 104778445B
- Authority
- CN
- China
- Prior art keywords
- finger
- camera
- light source
- vena
- control circuit
- 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
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种基于手指静脉立体特征的活体识别装置及方法,其中该装置包括壳体,壳体上设有手指伸入孔;壳体内部包括光源模块,光源模块包括若干个近红外照射源,覆盖在其表面的毛玻璃散射板;近红外照射源设置在伸入壳体内的手指上方的壳体上;设置在红外照射源相对面上的相机及控制电路模块,其包括相机和自动光源控制电路,相机上覆盖有红外滤光片;反光板模块,包括第一反光板和第二反光板;基于该装置的识别方法通过三个手指图像同时与预先登录被认证者的手指静脉信息作对比,增加了准确性,并且能够在短时间内检验认证对象是否是活体,提高了手指静脉识别的可靠性。
Description
技术领域
本发明属于生物特征识别领域,尤其涉及一种基于手指静脉立体特征的活体识别装置及方法。
背景技术
目前,生物特征识别技术已经被广泛地应用与日常生活中的方方面面,手指静脉作为重要的身份鉴别特征,具有唯一性、稳定性、非接触性、防伪性等优点。然而,随着生物识别技术日益广泛应用,指静脉识别系统也面临着各种人工伪造技术的威胁和攻击,存在着被盗取登录信息伪造静脉图像等风险。
文献1(CN 103617419A)公开了一种具有活体手指侦测功能的手指静脉识别装置,其构成是通过内置红外线脉搏波检测传感器来探测脉搏波,判断被测物体是否是活体手指。不足之处是脉搏波自身信号微弱,不利于检测,检测时间长,并且可以通过将伪造出的手指静脉图案附于手指之上骗过手指静脉识别装置。
文献2(CN 103984924 A)公开一种反射式手指静脉识别活体检测装置及方法,其仅仅针对反射式手指静脉进行识别,其构成是通过控制模块分别读取电阻传感器和温度传感器的数据,获得接触物的电阻及温度参数,并与内置活体手指的先验参数范围进行比对,判断接触物参数是否符合活体特征。但文献2所述手指包含食指、中指、无名指和小指四根手指,且近红外光源与相机在手指同侧,并且采用平面特征进行识别,本发明手指仅包含一根手指,且近红外光源与相机在手指两侧,利用其立体特征同时拍摄手指的三个侧面进行识别。
发明内容
为了解决现有技术的缺点,本发明提供一种基于手指静脉立体特征的活体识别装置和方法。
为实现上述目的,本发明采用以下技术方案:
一种基于手指静脉立体特征的活体识别装置,包括:壳体,壳体上设有手指伸入孔;
所述壳体内部,包括
光源模块,其包括若干个近红外照射源,及覆盖在其表面的毛玻璃散射板;所述近红外照射源设置在伸入壳体内的手指上方的壳体上;及
设置在红外照射源相对面上的相机及控制电路模块,其包括相机和自动光源控制电路,所述相机上覆盖有红外滤光片;及
反光板模块,其包括第一反光板和第二反光板,所述第一反光板和第二反光板分别设置在相机及控制电路模块的两侧,且与相机及控制电路模块所在的水平面的夹角均为锐角。
所述壳体由黑色不透明亚克力板制成。
所述近红外照射源为近红外发光二极管。
所述第一反光板和第二反光板均为反光且不透光材质的反光板。
所述相机为近红外敏感相机。
所述自动光源控制电路,包括微处理器、信号处理电路和电源电路,所述微处理器与信号处理电路相连,电源电路为所述自动光源控制电路供电。
一种基于手指静脉立体特征的活体识别装置的识别方法,包括以下步骤:
步骤S1:装置的准备和启动工作
将手指伸入装置壳体上的手指伸入孔内,启动手指静脉立体特征的活体检测识别装置的近红外光照射源和相机,自动光源控制电路调整近红外光照射源光照强度;
步骤S2:待光源强度稳定后,相机处采集伸入手指静脉立体特征的活体检测识别装置的手指原始图像,所述手指原始图像包含手指的左侧面、右侧面及正面三张静脉图像;
步骤S3:将步骤S2所得到的手指原始图像分离成三根分立的手指区域,对每个手指区域进行去噪和静脉增强处理,并提取每个手指区域的纹理特性;
步骤S4:将步骤S3所提取的纹理特征与数据库中所对应的相应身份的人的该区域的特征匹配,判断被测手指是否是活体手指:
若三个手指区域匹配结果全部为成功,则最终结果为身份匹配成功,判定被测手指为活体手指;
若其中有一个手指区域匹配结果为失败,则最终匹配失败,判定被手指不是活体手指。
所述步骤S1的装置的准备和启动工作,具体包括:
步骤S11:将手指伸入装置壳体上的手指伸入孔内,打开手指静脉立体特征的活体检测识别装置的近红外光照射源,形成均匀覆盖在手指表面的近红外光;
步骤S12:启动相机,自动光源控制电路进行控制近红外光照射源,使其发出合适强度的近红外光,以达到相机拍摄到的手指静脉图像清晰可辨认。
所述步骤S12的自动光源控制电路控制近红外光照射源的过程为:
步骤S121:相机采集一帧静脉图像;
步骤S122:自动光源控制电路的微处理器将采集到的静脉图像的中心区域,进行灰度值的统计,若该区域内的灰度值平均值大于预先设定的灰度值阈值范围,则图像过亮,反之图像过暗;
步骤S123:微处理器根据步骤S122的判断结果,向控制电路模块发出光源亮度调整信号,再转入步骤S122,直到手指范围的灰度值落在规定的阈值范围内,此时近红外光照射源发出的光源强度大小适当。
所述步骤S3中将手指原始图像分离成三根分立的手指区域的过程为:
首先将手指原始图像转换为灰度图像;然后,采用固定阈值的方法,将手指区域与背景分开,去除背景,留下三根分立的手指区域;最后,从左到右依次对每个区域进行编号1,2,3。
所述步骤S3中提取每个手指区域的纹理特性的过程为:
首先对每个区域进行8个方向的Gabor滤波,然后对滤波之后的8幅图像分别进行LBP编码,并分别分块统计直方图,最后将所有直方图特征连成一个特征向量,作为该区域的特征。
所述步骤S4中所提取的纹理特征与数据库中所对应的相应身份的人的该区域的特征匹配的过程为:
分别计算编号区域1,2和3的特征向量与数据库中所对应的相应身份的人的该区域的特征向量之间的欧氏距离:若计算所得的欧氏距离小于所设定的阈值,则认为身份匹配成功;反之则匹配失败。
本发明的有益效果为:
(1)本发明的手指静脉活体检测识别装置通过其内部设置的反光板,能够同时获得手指正面及两个侧面的静脉信息,有效的判断被测物体是否为活体手指,防止伪造者利用伪造出的静脉图像骗过手指静脉识别装置;
(2)本发明的识别方法通过三个手指图像同时与预先登录被认证者的手指静脉信息作对比,增加了准确性,并且能够在短时间内检验认证对象是否是活体,提高了手指静脉识别的可靠性;
(3)本发明计算所有编号区域的特征向量时采用Gabor滤波器进行滤波,Gabor滤波器与人类生物视觉特性很相似,在纹理特征提取上有这很多成功的应用,LBP是一种非常有效的纹理描述算子,并具有一定的光照不变性,将二者组合可以很好的描述静脉特征。
附图说明
图1是指静脉活体检测识别装置的主剖面图;
图2是指静脉活体检测识别装置的侧剖面图;
图3是指静脉活体检测识别装置的外观示意图;
图4是采集到的手指静脉图像的示意图;
图5是指静脉活体检测识别方法流程图。
其中,1壳体,2反光板模块,3相机,4红外滤光片,5近红外照射源,6自动控制光源电路,7电源模块,8手指伸入孔,9光源模块,10反光板区,11相机及控制电路模块。
具体实施方式
下面结合附图与实施例对本发明做进一步说明:
如图1-图3所示,一种基于手指静脉立体特征的活体识别装置,包括:壳体1,壳体1上设有手指伸入孔8;所述壳体1内部,包括光源模块9,其包括若干个近红外照射源5,及覆盖在其表面的毛玻璃散射板;所述近红外照射源5设置在伸入壳体内的手指上方的壳体1上;及设置在红外照射源5相对面上的相机及控制电路模块11,其包括相机3和自动光源控制电路6,所述相机3上覆盖有红外滤光片4;及反光板模块2,其包括第一反光板和第二反光板,所述第一反光板和第二反光板分别设置在相机及控制电路模块11的两侧,且与相机及控制电路模块11所在的平面的夹角均为锐角。所述相机3选择近红外敏感相机。
壳体1采用轻便不透光材料例如黑色亚克力板,反光板模块2的第一反光板和第二反光板均采用轻便不透光且有反光特性的材料,如亮面黑色亚克力板。
近红近红外照射源5选用波段为805nm的近红外发光二极管,且发光二极管呈一排设置在伸入壳体内的手指上方的壳体上,且近红外发光二极管光源5与手指伸入孔8之间放置一毛玻璃,光源通过毛玻璃散射,形成均匀覆盖在手指表面的红外光,避免光照不均匀使得反射过强影响手指静脉拍摄效果。
反光板区10,用于放置反光板模块2,其包括放置的亮面黑色亚克力板,反光板与水平方向成一定角度放置,使得近红外发光二极管光源发出的光照射到手指上,经过手指散射、透射,一部分直接进入近红外敏感相机的镜头中,一部分经过侧面反光板反射进入到近红外敏感相机的镜头中,最终在近红外敏感相机处留下手指正面及两个侧面的清晰的静脉图像。
自动光源控制电路6包含微处理器、信号处理电路、电源电路7以及近红外敏感相机和覆盖在近红外敏感相机镜头之上用于滤除环境光及杂光的红外滤光片。电源电路7包含电池、USB接口和变压电路。
如图5所示,本装置的指手指静脉活体检测识别过程是:
步骤S1:装置的准备和启动工作
装置上电,由电源电路7为整个设备提供电源;将手指伸入装置壳体上的手指伸入孔内,启动手指静脉立体特征的活体检测识别装置的近红外光照射源和相机,自动光源控制电路调整近红外光照射源光照强度;反光板可以为亮面黑色亚克力板或具有不透光特性的反光板,用于手指在侧边反射形成影像;
步骤S2:待光源强度稳定后,相机处采集伸入手指静脉立体特征的活体检测识别装置的手指原始图像,所述手指原始图像包含手指的左侧面、右侧面及正面三张静脉图像;
步骤S3:将步骤S2所得到的手指原始图像分离成三根分立的手指区域,对每个手指区域进行去噪和静脉增强处理,并提取每个手指区域的纹理特性;
步骤S4:将步骤S3所提取的纹理特征与数据库中所对应的相应身份的人的该区域的特征匹配,判断被测手指是否是活体手指:
若三个手指区域匹配结果全部为成功,则最终结果为身份匹配成功,判定被测手指为活体手指;
若其中有一个手指区域匹配结果为失败,则最终匹配失败,判定被手指不是活体手指。
自动光源控制电路控制近红外光照射源的过程为:
步骤S121:相机采集一帧静脉图像;
步骤S122:自动光源控制电路的微处理器将采集到的静脉图像的中心区域,进行灰度值的统计,若该区域内的灰度值平均值大于预先设定的灰度值阈值范围,则图像过亮,反之图像过暗;
步骤S123:微处理器根据步骤S122的判断结果,向控制电路模块发出光源亮度调整信号,再转入步骤S122,直到手指范围的灰度值落在规定的阈值范围内,此时近红外光照射源发出的光源强度大小适当。
如图4所示,由于反光板的存在,在近红外敏感相机处采集到的一幅图像包含手指左右侧面及正面三张静脉图像,体现了手指静脉在手指中的空间立体分布的结构。
将手指原始图像分离成三根分立的手指区域的过程为:
首先将手指原始图像转换为灰度图像;然后,采用固定阈值的方法,将手指区域与背景分开,经过反复试验这里的阈值选取50,去除背景,留下三根分立的手指区域;最后,从左到右依次对每个区域进行编号1,2,3。
对每个编号区域进行去噪和静脉增强,目的是提高静脉图像的质量,是静脉特征更加清晰,从而提高最终的识别精度。对手指区域的去噪,采用的是中值滤波的方法。中值滤波是一种非线性平滑技术,将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值,在这里邻域窗口采用的是3*3的区域。对于手指静脉增强,采用了基于多阈值模糊算法,图像的模糊增强首先将图像的灰度值转换为模糊特征矩阵,然后在模糊特征平面上通过某种模糊算子的运算使图像的模糊性消失,从而达到图像增强的目的。基于模糊的图像增强方法能够更好地增强图像的对比度,尤其是对于对比度很差的图像,它的效果是显著的。手指静脉图像是一种红外图像,红外图像的特点就是对比度低、边缘模糊以及低信噪比。所以将模糊增强的方法用在手指静脉图像的处理中将会产生很好的效果。
提取每个手指区域的纹理特性的过程为:
首先对每个区域进行8个方向的Gabor滤波,然后对滤波之后的8幅图像分别进行LBP编码,并分别分块统计直方图,最后将所有直方图特征连成一个特征向量,作为该区域的特征。
提取的纹理特征与数据库中所对应的相应身份的人的该区域的特征匹配的过程为:
分别计算编号区域1,2和3的特征向量与数据库中所对应的相应身份的人的该区域的特征向量之间的欧氏距离:若计算所得的欧氏距离小于所设定的阈值,则认为身份匹配成功;反之则匹配失败;编号区域有三个,匹配结果也有三个,分别为R1,R2,R3(分别用1,0表示匹配成功和失败)。
令R=R1&&R2&&R3,若R值为1则最终结果为身份匹配成功;若R值为0,则认为最终匹配失败。静脉图片攻击等伪造攻击手段中R1,R2,R3中可能有一个或者两个为1,最终三者相与的结果即R值为0。
至此活体检测及身份匹配步骤结束,本装置及方法实现了,检测试图进入系统的用户静脉特征是否为具有立体结构的活体,一定程度避免了伪造手指静脉对系统的攻击,增加了手指静脉识别系统的可靠性,同时该方法通过三个手指图像同时与预先登录被认证者的手指静脉信息作对比,增加了准确性。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (13)
1.一种基于手指静脉立体特征的活体识别装置,其特征在于,包括:
壳体,壳体上设有手指伸入孔;
所述壳体内部,包括
光源模块,其包括若干个近红外照射源,及覆盖在其表面的毛玻璃散射板;所述近红外照射源设置在伸入壳体内的手指上方的壳体上;及
设置在红外照射源相对面上的相机及控制电路模块,其包括相机和自动光源控制电路,所述相机上覆盖有红外滤光片;及
反光板模块,其包括第一反光板和第二反光板,所述第一反光板和第二反光板分别设置在相机及控制电路模块的两侧,且与相机及控制电路模块所在的水平面的夹角均为锐角;
所述自动光源控制电路,包括微处理器、信号处理电路和电源电路,所述微处理器与信号处理电路相连,电源电路为所述自动光源控制电路供电;
相机处采集伸入手指静脉立体特征的活体检测识别装置的手指原始图像,所述手指原始图像包含手指的左侧面、右侧面及正面三张静脉图像。
2.如权利要求1所述的一种基于手指静脉立体特征的活体识别装置,其特征在于,所述壳体由黑色不透明亚克力板制成。
3.如权利要求1所述的一种基于手指静脉立体特征的活体识别装置,其特征在于,所述近红外照射源为近红外发光二极管。
4.如权利要求1所述的一种基于手指静脉立体特征的活体识别装置,其特征在于,所述第一反光板和第二反光板均为反光且不透光材质的反光板。
5.如权利要求1所述的一种基于手指静脉立体特征的活体识别装置,其特征在于,所述相机为近红外敏感相机。
6.一种基于如权利要求1-5任一权利要求所述的一种基于手指静脉立体特征的活体识别装置的识别方法,其特征在于,包括以下步骤:
步骤S1:装置的准备和启动工作
将手指伸入装置壳体上的手指伸入孔内,启动手指静脉立体特征的活体检测识别装置的近红外光照射源和相机,自动光源控制电路调整近红外光照射源光照强度;
步骤S2:待光源强度稳定后,相机处采集伸入手指静脉立体特征的活体检测识别装置的手指原始图像,所述手指原始图像包含手指的左侧面、右侧面及正面三张静脉图像;
步骤S3:将步骤S2所得到的手指原始图像分离成三根分立的手指区域,对每个手指区域进行去噪和静脉增强处理,并提取每个手指区域的纹理特性;
步骤S4:将步骤S3所提取的纹理特征与数据库中所对应的相应身份的人的该区域的特征匹配,判断被测手指是否是活体手指:
若三个手指区域匹配结果全部为成功,则最终结果为身份匹配成功,判定被测手指为活体手指;
若其中有一个手指区域匹配结果为失败,则最终匹配失败,判定被测手指不是活体手指。
7.如权利要求6所述的一种基于手指静脉立体特征的活体识别装置的识别方法,其特征在于,所述步骤S1的装置的准备和启动工作,具体包括:
步骤S11:将手指伸入装置壳体上的手指伸入孔内,打开手指静脉立体特征的活体检测识别装置的近红外光照射源,形成均匀覆盖在手指表面的近红外光;
步骤S12:启动相机,自动光源控制电路进行控制近红外光照射源,使其发出近红外光的强度达到相机拍摄到的手指静脉图像清晰可辨认。
8.如权利要求7所述的一种基于手指静脉立体特征的活体识别装置的识别方法,其特征在于,所述步骤S12的自动光源控制电路控制近红外光照射源的过程为:
步骤S121:相机采集一帧静脉图像;
步骤S122:自动光源控制电路的微处理器将采集到的静脉图像的中心区域,进行灰度值的统计,若该区域内的灰度值平均值大于预先设定的灰度值阈值范围,则图像过亮,反之图像过暗;
步骤S123:微处理器根据步骤S122的判断结果,向控制电路模块发出光源亮度调整信号,再转入步骤S122,直到手指范围的灰度值落在规定的阈值范围内。
9.如权利要求6所述的一种基于手指静脉立体特征的活体识别装置的识别方法,其特征在于,所述步骤S3中将手指原始图像分离成三根分立的手指区域的过程为:
首先将手指原始图像转换为灰度图像;然后,采用固定阈值的方法,将手指区域与背景分开,去除背景,留下三根分立的手指区域;最后,从左到右依次对每个区域进行编号1,2,3。
10.如权利要求6所述的一种基于手指静脉立体特征的活体识别装置的识别方法,其特征在于,所述步骤S3中采用中值滤波的方法对每个手指区域进行去噪。
11.如权利要求6所述的一种基于手指静脉立体特征的活体识别装置的识别方法,其特征在于,所述步骤S3中采用基于多阈值模糊算法对每个区域进行静脉增强。
12.如权利要求6所述的一种基于手指静脉立体特征的活体识别装置的识别方法,其特征在于,所述步骤S3中提取每个手指区域的纹理特性的过程为:
首先对每个区域进行8个方向的Gabor滤波,然后对滤波之后的8幅图像分别进行LBP编码,并分别分块统计直方图,最后将所有直方图特征连成一个特征向量,作为该区域的特征。
13.如权利要求9所述的一种基于手指静脉立体特征的活体识别装置的识别方法,其特征在于,所述步骤S4中所提取的纹理特征与数据库中所对应的相应身份的人的该区域的特征匹配的过程为:
分别计算编号区域1,2和3的特征向量与数据库中所对应的相应身份的人的该区域的特征向量之间的欧氏距离:若计算所得的欧氏距离小于所设定的阈值,则认为身份匹配成功;反之则匹配失败。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510115417.7A CN104778445B (zh) | 2015-03-17 | 2015-03-17 | 基于手指静脉立体特征的活体识别装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510115417.7A CN104778445B (zh) | 2015-03-17 | 2015-03-17 | 基于手指静脉立体特征的活体识别装置及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104778445A CN104778445A (zh) | 2015-07-15 |
CN104778445B true CN104778445B (zh) | 2016-08-31 |
Family
ID=53619898
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510115417.7A Active CN104778445B (zh) | 2015-03-17 | 2015-03-17 | 基于手指静脉立体特征的活体识别装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104778445B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105701454A (zh) * | 2016-01-06 | 2016-06-22 | 深圳市亚略特生物识别科技有限公司 | 静脉身份验证设备及电子系统 |
CN105959592A (zh) * | 2016-05-30 | 2016-09-21 | 东莞市中控电子技术有限公司 | 一种自适应光线的生物计量信息采集装置和方法 |
CN107423703B (zh) * | 2017-07-21 | 2020-12-08 | 山东大学 | 基于人脸、指纹和指静脉特征的多模态识别装置及方法 |
CN108073916B (zh) * | 2018-01-24 | 2021-12-17 | 山东汇佳软件科技股份有限公司 | 掌纹信息收集设备 |
WO2020122628A1 (ko) * | 2018-12-13 | 2020-06-18 | 엘지이노텍 주식회사 | 카메라 장치 |
CN110866235B (zh) * | 2019-10-21 | 2021-11-23 | 上海交通大学 | 同时捕获人体脉搏和静脉图像的身份识别方法及装置 |
CN113420582B (zh) * | 2020-11-04 | 2023-09-05 | 中国银联股份有限公司 | 用于掌静脉识别的防伪检测方法及其系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101477622A (zh) * | 2009-01-15 | 2009-07-08 | 山东大学 | 手指静脉识别系统 |
CN101976332B (zh) * | 2010-11-10 | 2013-03-06 | 中国船舶重工集团公司第七一○研究所 | 一种利用多特征的手指静脉采集识别方法 |
CN103679153A (zh) * | 2013-12-16 | 2014-03-26 | 中国民航大学 | 手指多模态生物特征偏振成像系统 |
CN103870808A (zh) * | 2014-02-27 | 2014-06-18 | 中国船舶重工集团公司第七一〇研究所 | 一种手指静脉识别方法 |
CN103984924A (zh) * | 2014-05-08 | 2014-08-13 | 山东大学 | 一种反射式手指静脉识别活体检测装置及方法 |
-
2015
- 2015-03-17 CN CN201510115417.7A patent/CN104778445B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101477622A (zh) * | 2009-01-15 | 2009-07-08 | 山东大学 | 手指静脉识别系统 |
CN101976332B (zh) * | 2010-11-10 | 2013-03-06 | 中国船舶重工集团公司第七一○研究所 | 一种利用多特征的手指静脉采集识别方法 |
CN103679153A (zh) * | 2013-12-16 | 2014-03-26 | 中国民航大学 | 手指多模态生物特征偏振成像系统 |
CN103870808A (zh) * | 2014-02-27 | 2014-06-18 | 中国船舶重工集团公司第七一〇研究所 | 一种手指静脉识别方法 |
CN103984924A (zh) * | 2014-05-08 | 2014-08-13 | 山东大学 | 一种反射式手指静脉识别活体检测装置及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104778445A (zh) | 2015-07-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104778445B (zh) | 基于手指静脉立体特征的活体识别装置及方法 | |
CN106874871B (zh) | 一种活体人脸双摄像头识别方法及识别装置 | |
CN107239772B (zh) | 掌纹掌脉图像采集装置及通关闸机 | |
US20180025244A1 (en) | Systems And Methods Of Biometric Analysis To Determine Lack Of Three-Dimensionality | |
KR100939856B1 (ko) | 개인인증방법 및 개인인증장치 | |
KR101286454B1 (ko) | 눈 영상의 특성을 이용한 모조얼굴 식별장치 및 방법 | |
CN105224906B (zh) | 掌静脉识别智能系统 | |
CN100511266C (zh) | 活体眼睛判定方法及活体眼睛判定装置 | |
CN107423703A (zh) | 基于人脸、指纹和指静脉特征的多模态识别装置及方法 | |
CN111985294A (zh) | 一种具有活体检测功能的虹膜识别系统 | |
CN107909063B (zh) | 基于灰度变化的生物识别视频回放攻击检测方法 | |
CN107483811A (zh) | 成像方法和电子装置 | |
CN206639231U (zh) | 一种生物识别设备 | |
CN108427945A (zh) | 一种多光谱自适应掌纹掌静脉采集设备及采集方法 | |
US11182631B2 (en) | Information processing method and electronic device | |
CN107273812B (zh) | 一种用于身份认证的活体虹膜防伪方法 | |
CN111368780A (zh) | 一种基于指纹和指静脉的联合识别处理方法及系统 | |
CN110008878B (zh) | 一种人脸检测的防假方法及具备防假功能的人脸识别装置 | |
CN103605961A (zh) | 一种指纹和虹膜融合识别装置 | |
JP2018106720A (ja) | 画像処理装置及びその方法 | |
CN104200205A (zh) | 一种基于fpga的开放式手掌静脉采集装置及方法 | |
CN108629293A (zh) | 一种具有反馈机制的自适应近红外虹膜图像采集方法 | |
Raghavendra et al. | Novel finger vascular pattern imaging device for robust biometric verification | |
CN110866235B (zh) | 同时捕获人体脉搏和静脉图像的身份识别方法及装置 | |
CN204463159U (zh) | 基于手指静脉立体特征的活体识别装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |