CN105279472A - 一种掌纹识别方法及系统 - Google Patents
一种掌纹识别方法及系统 Download PDFInfo
- Publication number
- CN105279472A CN105279472A CN201410230906.2A CN201410230906A CN105279472A CN 105279472 A CN105279472 A CN 105279472A CN 201410230906 A CN201410230906 A CN 201410230906A CN 105279472 A CN105279472 A CN 105279472A
- Authority
- CN
- China
- Prior art keywords
- palmprint
- unique point
- images
- feature point
- parts
- 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
Abstract
本发明提供一种掌纹识别方法及系统,通过移动终端采集相同尺寸的至少两份掌纹图像,在两份掌纹图像中分别选取多个特征点,并将两份掌纹图像平行放置,并计算出在其中一份掌纹图像所选取的各特征点与在另一份掌纹图像所选取的各特征点间欧氏距离小于预设值的一对或多对,以作为关联的特征点对,进而平移两份掌纹图像至特征点对内的两特征点相对应;根据特征点对使两份掌纹图像相对转动预设次数且每次转动预设角度;在每次转动后均进行Gabor小波算法进行特征点对的比较并输出得分;根据得分中最高值以判别两份掌纹图像的相似程度,从而克服旋转及平移干扰以将掌纹技术应用于移动终端。
Description
技术领域
本发明涉及掌纹识别技术领域,特别是涉及一种掌纹识别方法及系统。
背景技术
掌纹识别是一种新兴的身份识别技术,具有易于采集、纹理丰富等优点。完整的掌纹识别系统包括掌纹图像采集、预处理、特征提取、特征分类匹配等几个步骤。现阶段的掌纹识别算法根据特征提取的方法大致分为以下几类:基于几何特征、基于变换域特征、基于代数统计特征等几类,相应的方法有PCA、Gabor小波、傅里叶变换等。其中,Gabor小波由于区分率高,匹配简单,在掌纹识别领域得到了广泛应用。
Gabor小波虽然区分度高,但是由于算法局限,对掌纹的位置要求严格,极大地限制了该算法的应用范围。对于手机、ipad这一类移动设备,采集掌纹时,偏移和旋转在所难免,识别错误率较高。
发明内容
鉴于以上所述现有技术的缺点,本发明的目的在于提供一种掌纹识别方法及系统,解决上述现有技术中掌纹识别算法限制的问题。
为实现上述目标及其他相关目标,本发明提供一种掌纹识别方法,包括:通过移动终端采集相同尺寸的至少两份掌纹图像;在所述两份掌纹图像中分别选取多个特征点,其中,所述特征点与以其为圆心的预设径长的圆周上各点间的灰度值之差大于一预设灰度阈值;计算出在其中一份掌纹图像所选取的各特征点与在另一份掌纹图像所选取的各特征点间欧氏距离小于预设值的一对或多对,以作为关联的特征点对;平移所述两份掌纹图像至所述特征点对内的两特征点相对应;根据所述特征点对使所述两份掌纹图像相对转动预设次数且每次转动预设角度;在所述每次转动后均进行Gabor小波算法进行所述特征点对的比较并输出得分;根据所述得分中最高值以判别两份掌纹图像的相似程度。
优选的,所述掌纹图像中包括至少三条屈肌线、以及通过所述至少三条屈肌线与指末所在边缘所划分的至少三个区域,所述特征点取自于所述三个区域内。
优选的,所述掌纹图像中包括至少三条屈肌线、以及通过所述至少三条屈肌线与指末所在边缘所划分的至少三个区域,所述特征点取自于所述三条屈肌线上。
优选的,所述特征点选取的公式为:其中I(x)为所述圆周上任意一点的灰度值,I(p)为所述圆心的灰度,εd为所述预设灰度阈值,若N大于所述预设灰度阈值,则将p选取作为特征点。
优选的,在所述平移步骤之后,还包括:截取预设大小的图片以供执行所述转动。
为实现上述目标及其他相关目标,本发明提供一种掌纹识别系统,包括:图像采集模块,用于通过移动终端采集相同尺寸的至少两份掌纹图像;特征点选取模块,用于在所述两份掌纹图像中分别选取多个特征点,其中,所述特征点与以其为圆心的预设径长的圆周上各点间的灰度值之差大于一预设灰度阈值;特征点对关联模块,用于计算出在其中一份掌纹图像所选取的各特征点与在另一份掌纹图像所选取的各特征点间欧氏距离小于预设值的一对或多对,以作为关联的特征点对;图像处理模块,用于平移所述两份掌纹图像至所述特征点对内的两特征点相对应,并根据所述特征点对使所述两份掌纹图像相对转动预设次数且每次转动预设角度;比较模块,用于在所述每次转动后均进行Gabor小波算法进行所述特征点对的比较并输出得分,并根据所述得分中最高值以判别两份掌纹图像的相似程度。
优选的,所述掌纹图像中包括至少三条屈肌线、以及通过所述至少三条屈肌线与指末所在边缘所划分的至少三个区域,所述特征点取自于所述三个区域内。
优选的,所述掌纹图像中包括至少三条屈肌线、以及通过所述至少三条屈肌线与指末所在边缘所划分的至少三个区域,所述特征点取自于所述所述三条屈肌线上。
优选的,所述特征点选取的公式为:其中I(x)为所述圆周上任意一点的灰度值,I(p)为所述圆心的灰度,εd为所述预设灰度阈值,若N大于所述预设灰度阈值,则将p选取作为特征点。
优选的,所述系统还包括:截取单元,用于在所述平移单元作出所述平移后,截取预设大小的图片以供执行所述转动。
为实现上述目标及其他相关目标,本发明还提供一种掌纹识别服务系统,应用有如上所述的掌纹识别系统,所述掌纹识别服务系统包括:用于采集掌纹图像的移动终端;第一服务器,用于从所述移动终端接收第一次采集的初始掌纹图案,并将之作预设处理;第二服务器,用于从所述移动终端实时采集掌纹图案;掌纹认证服务器,用于从所述第一服务器接收进行预设处理后的初始掌纹图案进行登记;所述掌纹认证服务器,还用于从所述第二服务器接收所述实时采集的掌纹图案,并与所述预设处理后的掌纹图案进行比较以实现认证。
如上所述,本发明提供一种掌纹识别方法及系统,通过通过移动终端采集相同尺寸的至少两份掌纹图像;在所述两份掌纹图像中分别选取多个特征点,其中,所述特征点与以其为圆心的预设径长的圆周上各点间的灰度值之差大于一预设灰度阈值;计算出在其中一份掌纹图像所选取的各特征点与在另一份掌纹图像所选取的各特征点间欧氏距离小于预设值的一对或多对,以作为关联的特征点对;平移所述两份掌纹图像至所述特征点对内的两特征点相对应;根据所述特征点对使所述两份掌纹图像相对转动预设次数且每次转动预设角度;在所述每次转动后均进行Gabor小波算法进行所述特征点对的比较并输出得分;根据所述得分中最高值以判别两份掌纹图像的相似程度,从而克服旋转及平移干扰以将掌纹技术应用于移动终端,可广泛应用于银行、安全、展会等诸多行业。
附图说明
图1显示为本发明的掌纹识别方法的一实施例的流程示意图。
图2显示为本发明中掌纹采集的原理示意图。
图3a及图3b显示为本发明中特征点选取的原理示意图。
图4显示为本发明中特征点对选取的原理示意图。
图5显示为本发明的掌纹识别系统的一实施例的结构示意图。
图6显示为本发明的掌纹识别服务系统的一实施例的结构示意图。
元件标号说明
1掌纹识别系统
101图像采集模块
102特征点选取模块
103特征点对关联模块
104图像处理模块
105比较模块
2掌纹识别服务系统
21移动终端
22第一服务器
23第二服务器
24掌纹认证服务器
S1~S7方法步骤
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,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。
如图1所示,本发明提供一种掌纹识别方法,包括:
步骤S1:通过移动终端采集相同尺寸的至少两份掌纹图像;所述移动终端可例如为手机或平板电脑等,均具有例如摄像拍照功能可以截取图像。
请一并参阅图2,在一实施例中,本发明对所采集的掌纹图像进行关键区的划分,所述掌纹图像可以是图片形式,亦可为其他媒体形式;进而再进行后续特征点选取的步骤;在其中关键区域就是手掌纹络图中所包含生物特征最集中的、最容易提取生物特征信息的、部分,也就是最容易用来辨识的区域。掌纹由乳突纹、皱纹和屈肌线三种纹线组成。乳突纹是手掌皮肤组织的凸凹结构显示在表面上的细小凹凸纹路,其具有唯一性和终身基本不变性。皱纹是皮肤松弛活动形成的细小沟纹。其虽然横压在乳突纹上,但不损坏乳突纹的结构。屈肌线是手掌关节长期的屈仲运动在一定部位上形成的固有的沟纹。该纹线主干的分布和形态是终身不易改变。一个手掌可能有多条屈肌线,但占80%以上的人的手掌有三条主要屈肌线,分别命名为第一、第二和第三屈肌线(即图示的a1、a2、a3三条线,俗称健康线、感情线和生命线),由于屈肌线的稳定使得第一、第三屈肌线的起点也有良好的稳定性和旋转不变性,因此,定义这两个起点为掌纹的基准点,它们的中点为掌纹中心。由于基准点稳定,我们采用基准点连线和它的中垂线把手掌分为三个区域:指根部(又称上部)、内侧部和外侧部(即图示I为指根部,II为内侧部,III为外侧部);该划分方法如上图所示。掌纹中的乳突纹可以在局部形成与指纹一样的三角;在指根部,每个手指的根部均有一组凸向掌心的横行弧线,常与来自两侧指间的纹线汇成三角。在外侧部,腕部屈肌线上方有一组横行的乳突纹,纹线内侧承托着内侧部向内流的纹线,外侧承托着外侧部向外流的纹线,二者常在靠近腕部中央汇合成三角。
步骤S2:在所述两份掌纹图像中分别选取多个特征点,其中,所述特征点与以其为圆心的预设径长的圆周上各点间的灰度值之差大于一预设灰度阈值。
请参阅图3a至3b,其中,图3b是图3a中A区域的放大图;承上所述,所述掌纹图像中包括至少三条屈肌线、以及通过所述至少三条屈肌线与指末所在边缘所划分的至少三个区域,则在一实施例中,所述特征点取自于所述三个区域内或者取自于所述三条屈肌线上,
掌纹的特征点应该是这样一些点:它们对光照不敏感,即使经过了旋转和平移,它们也能很好的保持相对的稳定性。我们基于特征点周围的图像灰度值,检测候选特征点周围一圈的像素值,如果候选点周围领域内有足够多的像素点与该候选点的灰度值差别够大,则认为该候选点为一个特征点。
优选的,假设特征点为如图所示p,那么它所要满足的条件可来自于特征点选取公式:其中I(x)为所述圆周上任意一点的灰度值,I(p)为所述圆心的灰度,εd为所述预设灰度阈值,若N大于所述预设灰度阈值,则将p选取作为特征点,所述预设灰度阈值可例如设为圆周上各点的四分之三或者平均值的四分之三,则认为p是一个特征点。
步骤S3:计算出在其中一份掌纹图像所选取的各特征点与在另一份掌纹图像所选取的各特征点间欧氏距离小于预设值的一对或多对,以作为关联的特征点对。
请一并参阅图4,在一实施例中,即对所述对所述掌纹图片的特征点进行匹配,可以通过提取每个特征点的特征向量,并计算特征向量的欧氏距离,从中选取欧氏距离小于预设值(例如其中的欧氏距离最小值,即真实距离最近的,若两份均是同一手掌的图像。则可假设该特征点对是同一手掌上的相同位置)的“特征点对”作为关联匹配,以供进行后续步骤,所谓欧氏距离,指的是多维空间中两个点之间的真实距离,图中例示性地给出连线的多个特征点对;在判断欧氏距离时,可以把两份图像并排放置。
步骤S4:平移所述两份掌纹图像至所述特征点对内的两特征点相对应。
在一实施例中,根据“特征点对”表征的平移距离(例如欧氏距离或并排放置的举例),对掌纹进行平移;所述相对应可例如为使两特征点重合等。
步骤S5:根据所述特征点对使所述两份掌纹图像相对转动预设次数且每次转动预设角度;
在一实施例中,即对各个选取的特征点对分别进行对比,并且,通过加入多次转动比对的方式,加强了在移动终端等存在位置变动的设备作掌纹比较上的识别容错率;所述预设次数可例如为2-10次,所述预设角度可例如为1~10度等,当然此皆为例示,并非以此为限。
步骤S6:在所述每次转动后均进行Gabor小波算法进行所述特征点对的比较并输出得分。
在一实施例中,Gabor小波变换算法属于加窗傅立叶变换,Gabor函数可以在频域不同尺度、不同方向上提取相关的特征。另外Gabor函数与人眼的生物作用相仿,所以经常用作纹理识别上,并取得了较好的效果。纹理是对图象的象素灰度级在空间上的分布模式的描述,反映物品的质地,如粗糙度、光滑性、颗粒度、随机性和规范性等;掌纹也可以理解成为一种纹理,因此可以将Gabor算法应用于掌纹识别中;将两份掌纹图像在不同方向、不同频率上进行Gabor采样后,取得特征值,再对特征值进行比较,获得得分,表示两张掌纹图片的相似程度。
步骤S7:根据所述得分中最高值以判别两份掌纹图像的相似程度。
在一实施例中,最大值作为比较的两张掌纹图像的得分;因为Gabor算法有很强的区分性,所以两张不同人的掌纹,平移和旋转后,得分不会超过同一个人的掌纹得分。
优选的,在所述平移步骤之后,还包括:截取预设大小的图片以供执行所述转动;所述预设大小小于之前所述采集到的图像大小,有利于节省所述计算比较占用的资源。
如图5所示,本发明提供一种掌纹识别系统1,其原理及技术细节与前述方法大致相同,因此以下不再进行赘述,所述系统包括:图像采集模块101,用于通过移动终端采集相同尺寸的至少两份掌纹图像;特征点选取模块102,用于在所述两份掌纹图像中分别选取多个特征点,其中,所述特征点与以其为圆心的预设径长的圆周上各点间的灰度值之差大于一预设灰度阈值;特征点对关联模块103,用于计算出在其中一份掌纹图像所选取的各特征点与在另一份掌纹图像所选取的各特征点间欧氏距离小于预设值的一对或多对,以作为关联的特征点对;图像处理模块104,用于平移所述两份掌纹图像至所述特征点对内的两特征点相对应,并根据所述特征点对使所述两份掌纹图像相对转动预设次数且每次转动预设角度;比较模块105,用于在所述每次转动后均进行Gabor小波算法进行所述特征点对的比较并输出得分,并根据所述得分中最高值以判别两份掌纹图像的相似程度。
优选的,所述掌纹图像中包括至少三条屈肌线、以及通过所述至少三条屈肌线与指末所在边缘所划分的至少三个区域,所述特征点取自于所述三个区域内。
优选的,所述掌纹图像中包括至少三条屈肌线、以及通过所述至少三条屈肌线与指末所在边缘所划分的至少三个区域,所述特征点取自于所述所述三条屈肌线上。
优选的,所述特征点选取的公式为:其中I(x)为所述圆周上任意一点的灰度值,I(p)为所述圆心的灰度,εd为所述预设灰度阈值,若N大于所述预设灰度阈值,则将p选取作为特征点。
优选的,所述系统还包括:截取单元,用于在所述平移单元作出所述平移后,截取预设大小的图片以供执行所述转动。
再请参阅图6,本发明还提供一种掌纹识别服务系统2,应用有如上所述的掌纹识别系统1,所述掌纹识别服务系统2包括:用于采集掌纹图像的移动终端21;第一服务器22,用于从所述移动终端21接收第一次采集的初始掌纹图案,并将之作预设处理;第二服务器23,用于从所述移动终端21实时采集掌纹图案;掌纹认证服务器24,用于从所述第一服务器22接收进行预设处理后的初始掌纹图案进行登记;所述掌纹认证服务器24,还用于从所述第二服务器23接收所述实时采集的掌纹图案,并与所述预设处理后的掌纹图案进行比较以实现认证。
需说明的是,所述掌纹识别系统1中的各个模块(编号101~105)是可以分别设于所述掌纹识别服务系统2中的各个设备上,例如图像采集模块101设于移动终端21,通过无线或有线网络发送采集的掌纹图案至第一服务器22或第二服务器23,所述第一服务器22和第二服务器23对所述移动终端21上传的图像进行解密及解码(在移动终端21上传时对图像进行加密及编码)等处理;而所述特征点对关联模块103、图像处理模块104、及比较模块105均可设于所述掌纹认证服务器24,将客户第一次采集的初始掌纹数据与本次采集的掌纹数据在服务器端进行数据一致性比对,比对一致则通过认证,反之则不通过,并可在提示用户多次尝试失败后进行冻结或拒绝等操作。
经申请人进行模拟实验,误拒率、误识率均低于10%,而正确率高于90%,应用于手机、平板电脑、PDA等移动终端21没有问题。
综上所述,本发明提供一种掌纹识别方法及系统,通过通过移动终端采集相同尺寸的至少两份掌纹图像;在所述两份掌纹图像中分别选取多个特征点,其中,所述特征点与以其为圆心的预设径长的圆周上各点间的灰度值之差大于一预设灰度阈值;计算出在其中一份掌纹图像所选取的各特征点与在另一份掌纹图像所选取的各特征点间欧氏距离小于预设值的一对或多对,以作为关联的特征点对;平移所述两份掌纹图像至所述特征点对内的两特征点相对应;根据所述特征点对使所述两份掌纹图像相对转动预设次数且每次转动预设角度;在所述每次转动后均进行Gabor小波算法进行所述特征点对的比较并输出得分;根据所述得分中最高值以判别两份掌纹图像的相似程度,从而克服旋转及平移干扰以将掌纹技术应用于移动终端,可广泛应用于银行、安全、展会等诸多行业。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (11)
1.一种掌纹识别方法,其特征在于,包括:
通过移动终端采集相同尺寸的至少两份掌纹图像;
在所述两份掌纹图像中分别选取多个特征点,其中,所述特征点与以其为圆心的预设径长的圆周上各点间的灰度值之差大于一预设灰度阈值;
计算出在其中一份掌纹图像所选取的各特征点与在另一份掌纹图像所选取的各特征点间欧氏距离小于预设值的一对或多对,以作为关联的特征点对;
平移所述两份掌纹图像至所述特征点对内的两特征点相对应;
根据所述特征点对使所述两份掌纹图像相对转动预设次数且每次转动预设角度;
在所述每次转动后均进行Gabor小波算法进行所述特征点对的比较并输出得分;
根据所述得分中最高值以判别两份掌纹图像的相似程度。
2.根据权利要求1所述的掌纹识别方法,其特征在于,所述掌纹图像中包括至少三条屈肌线、以及通过所述至少三条屈肌线与指末所在边缘所划分的至少三个区域,所述特征点取自于所述三个区域内。
3.根据权利要求1所述的掌纹识别方法,其特征在于,所述掌纹图像中包括至少三条屈肌线、以及通过所述至少三条屈肌线与指末所在边缘所划分的至少三个区域,所述特征点取自于所述三条屈肌线上。
4.根据权利要求1所述的掌纹识别方法,其特征在于,所述特征点选取的公式为:其中I(x)为所述圆周上任意一点的灰度值,I(p)为所述圆心的灰度,εd为所述预设灰度阈值,若N大于所述预设灰度阈值,则将p选取作为特征点。
5.根据权利要求1所述的掌纹识别方法,其特征在于,在所述平移步骤之后,还包括:截取预设大小的图片以供执行所述转动。
6.一种掌纹识别系统,其特征在于,包括:
图像采集模块,用于通过移动终端采集相同尺寸的至少两份掌纹图像;
特征点选取模块,用于在所述两份掌纹图像中分别选取多个特征点,其中,所述特征点与以其为圆心的预设径长的圆周上各点间的灰度值之差大于一预设灰度阈值;
特征点对关联模块,用于计算出在其中一份掌纹图像所选取的各特征点与在另一份掌纹图像所选取的各特征点间欧氏距离小于预设值的一对或多对,以作为关联的特征点对;
图像处理模块,用于平移所述两份掌纹图像至所述特征点对内的两特征点相对应,并根据所述特征点对使所述两份掌纹图像相对转动预设次数且每次转动预设角度;
比较模块,用于在所述每次转动后均进行Gabor小波算法进行所述特征点对的比较并输出得分,并根据所述得分中最高值以判别两份掌纹图像的相似程度。
7.根据权利要求6所述的掌纹识别系统,其特征在于,所述掌纹图像中包括至少三条屈肌线、以及通过所述至少三条屈肌线与指末所在边缘所划分的至少三个区域,所述特征点取自于所述三个区域内。
8.根据权利要求6所述的掌纹识别系统,其特征在于,所述掌纹图像中包括至少三条屈肌线、以及通过所述至少三条屈肌线与指末所在边缘所划分的至少三个区域,所述特征点取自于所述所述三条屈肌线上。
9.根据权利要求6所述的掌纹识别系统,其特征在于,所述特征点选取的公式为:其中I(x)为所述圆周上任意一点的灰度值,I(p)为所述圆心的灰度,εd为所述预设灰度阈值,若N大于所述预设灰度阈值,则将p选取作为特征点。
10.根据权利要求6所述的掌纹识别系统,其特征在于,还包括:截取单元,用于在所述平移单元作出所述平移后,截取预设大小的图片以供执行所述转动。
11.一种掌纹识别服务系统,应用有如权利要求6至10中任一项所述的掌纹识别系统,其特征在于,所述掌纹识别服务系统包括:
用于采集掌纹图像的移动终端;
第一服务器,用于从所述移动终端接收第一次采集的初始掌纹图案,并将之作预设处理;
第二服务器,用于从所述移动终端实时采集掌纹图案;
掌纹认证服务器,用于从所述第一服务器接收进行预设处理后的初始掌纹图案进行登记;所述掌纹认证服务器,还用于从所述第二服务器接收所述实时采集的掌纹图案,并与所述预设处理后的掌纹图案进行比较以实现认证。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410230906.2A CN105279472A (zh) | 2014-05-28 | 2014-05-28 | 一种掌纹识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410230906.2A CN105279472A (zh) | 2014-05-28 | 2014-05-28 | 一种掌纹识别方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105279472A true CN105279472A (zh) | 2016-01-27 |
Family
ID=55148458
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410230906.2A Pending CN105279472A (zh) | 2014-05-28 | 2014-05-28 | 一种掌纹识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105279472A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101055618A (zh) * | 2007-06-21 | 2007-10-17 | 中国科学院合肥物质科学研究院 | 基于方向特征的掌纹识别方法 |
CN101604385A (zh) * | 2009-07-09 | 2009-12-16 | 深圳大学 | 一种掌纹识别方法和掌纹识别装置 |
CN101609499A (zh) * | 2008-06-20 | 2009-12-23 | 南京理工大学 | 快速指纹识别方法 |
CN101770567A (zh) * | 2008-12-31 | 2010-07-07 | 杭州中正生物认证技术有限公司 | 一种识别生物特征的方法及系统 |
CN101833647A (zh) * | 2009-03-11 | 2010-09-15 | 中国科学院自动化研究所 | 掌纹图像的获取设备及掌纹图像处理方法 |
EP2372606A2 (en) * | 2010-03-29 | 2011-10-05 | Raytheon Company | System and method for imaging a textured surface |
-
2014
- 2014-05-28 CN CN201410230906.2A patent/CN105279472A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101055618A (zh) * | 2007-06-21 | 2007-10-17 | 中国科学院合肥物质科学研究院 | 基于方向特征的掌纹识别方法 |
CN101609499A (zh) * | 2008-06-20 | 2009-12-23 | 南京理工大学 | 快速指纹识别方法 |
CN101770567A (zh) * | 2008-12-31 | 2010-07-07 | 杭州中正生物认证技术有限公司 | 一种识别生物特征的方法及系统 |
CN101833647A (zh) * | 2009-03-11 | 2010-09-15 | 中国科学院自动化研究所 | 掌纹图像的获取设备及掌纹图像处理方法 |
CN101604385A (zh) * | 2009-07-09 | 2009-12-16 | 深圳大学 | 一种掌纹识别方法和掌纹识别装置 |
EP2372606A2 (en) * | 2010-03-29 | 2011-10-05 | Raytheon Company | System and method for imaging a textured surface |
Non-Patent Citations (3)
Title |
---|
国务院学位委员会办公室等: "《第六届博士生学术年会论文集》", 28 February 2009, 中国科学技术出版社 * |
王昆翔等: "《智能理论与警用智能技术》", 1 May 2009, 中国人民公安大学出版社 * |
练秋生等: "基于Gabor滤波器和LBP的分级掌纹识别", 《计算机工程与应用》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11288504B2 (en) | Iris liveness detection for mobile devices | |
AU2016319775B2 (en) | Image and feature quality, image enhancement and feature extraction for ocular-vascular and facial recognition, and fusing ocular-vascular with facial and/or sub-facial information for biometric systems | |
De Marsico et al. | Firme: Face and iris recognition for mobile engagement | |
Raghavendra et al. | Scaling-robust fingerprint verification with smartphone camera in real-life scenarios | |
EP2528018B1 (en) | Biometric authentication device and biometric authentication method | |
Li et al. | Iris recognition based on a novel variation of local binary pattern | |
Hemalatha | A systematic review on Fingerprint based Biometric Authentication System | |
CN111091075B (zh) | 人脸识别方法、装置、电子设备及存储介质 | |
CN101373514A (zh) | 人脸识别方法和系统 | |
Krishneswari et al. | A review on palm print verification system | |
EP2701096A2 (en) | Image processing device and image processing method | |
CN103345599A (zh) | 基于人脸识别技术的虚拟桌面登录方法 | |
Szymkowski et al. | Iris-based human identity recognition with machine learning methods and discrete fast Fourier transform | |
Ilankumaran et al. | Multi-biometric authentication system using finger vein and iris in cloud computing | |
US8270681B2 (en) | Vein pattern management system, vein pattern registration apparatus, vein pattern authentication apparatus, vein pattern registration method, vein pattern authentication method, program, and vein data configuration | |
CN105184236A (zh) | 机器人人脸识别系统 | |
CN109598235B (zh) | 一种指静脉图像认证方法及装置 | |
WO2017053998A1 (en) | Techniques to determine distinctiveness of a biometric input in a biometric system | |
Wojciechowska et al. | The overview of trends and challenges in mobile biometrics | |
US8320639B2 (en) | Vein pattern management system, vein pattern registration apparatus, vein pattern authentication apparatus, vein pattern registration method, vein pattern authentication method, program, and vein data configuration | |
Masaoud et al. | A review paper on ear recognition techniques: models, algorithms and methods | |
Ghali et al. | A review of iris recognition algorithms | |
CN105279472A (zh) | 一种掌纹识别方法及系统 | |
Nigam et al. | Finger knuckle-based multi-biometric authentication systems | |
Vera et al. | Iris recognition algorithm on BeagleBone Black |
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 |
Application publication date: 20160127 |
|
RJ01 | Rejection of invention patent application after publication |