CN105447515A - 一种智能识别方法及工作流程 - Google Patents
一种智能识别方法及工作流程 Download PDFInfo
- Publication number
- CN105447515A CN105447515A CN201510797986.4A CN201510797986A CN105447515A CN 105447515 A CN105447515 A CN 105447515A CN 201510797986 A CN201510797986 A CN 201510797986A CN 105447515 A CN105447515 A CN 105447515A
- Authority
- CN
- China
- Prior art keywords
- fingerprint
- data
- intelligent
- biological
- technology
- 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.)
- Withdrawn
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Collating Specific Patterns (AREA)
Abstract
一种智能识别方法及工作流程,通过采用红外光谱生物识别技术、手型生物识别技术、指纹生物识别技术,其工作流程如下:首先借助计算机设备,通过光谱数据采集、手形数据采集及指纹数据采集,输入到微处理器单元,由智能控制单元系统,对上述信息进行融合后,通过网络写入后台个体生物特征信息数据库管理系统,并采用指纹传感器和三维图像采集器件,利用高级微处理器,研制小形的、集成化的手形和指纹综合数据采集系统,输入计算机后,经无线通讯或局域网在个体生物特征信息库中对其进行匹配查询,并用协议下接口单元技术,设计系统对外接口,通过显示与报警单元,对所采集的数据资料进行显示比对及图像、声光方面的信息反馈,进行报警提示。
Description
技术领域
本发明涉及生物特征识别技术领域,具体涉及一种智能综合生物识别装置及其方法。
背景技术
如今,随着当今信息社会计算机技术和新理论的快速发展,现代的生物特征识别技术得到了快速的发展和应用,另一方面,对个人身份认证与管理的需求也在不断增长。生物特征识别就是利用人体独特的生理与行为特征来进行自动身份鉴别的技术,包括静脉识别、人脸识别、语音识别、虹膜识别,现已被广泛应用在工资考核系统、门禁系统、安监系统、政务系统中,以及数字终端接入、网络资源访问的身份认证等社会生活的各个方面,为不断提高人类生活的品质做出了贡献。
但是,目前对生物特征识别技术的研究,一般集中在对单模态识别系统的研究上,虽然具有快速识别的特点,但也出现了很多仅仅靠单模态识别无法克服的问题。因为采用单一技术和模块时,很难做到有效识别,其准确性也不高,诸如人体指纹可以比较容易地被复制与伪造,从而存在着利用伪造的指纹副本对指纹识别系统进行欺骗的可能性,具有不稳定性。
发明内容
本发明的目的在于克服上述识别技术的缺点与不足之处,提供一种智能识别方法及工作流程,通过采取多种生物特征相融合的识别方式,来提高系统的精确度、保证系统的防伪性,主要通过以下技术方案来实现。
本发明所述的智能生物识别方法及其工作流程,采用了红外光谱生物识别技术、手型生物识别技术、指纹生物识别技术三个基本模态,是将上述几种生物特征识别技术结合在一起的一种智能化综合生物识别系统装置。
本发明中的智能生物特征识别技术是综合利用来自同一生物特征的多种识别技术,或者来自不同生物特征的多种识别技术,对个人身份进行判断的生物特征识别技术,提高了验证精度和辨识精度。基于多种生物特征融合技术,现正在形成一种新的发展趋势,近年来受到广泛重视并成为研究热点。
该智能生物识别方法及其工作流程,融合了激光技术、红外光谱技术、数据采集技术制作生物特征采集系统,通过研究现有手型和指纹识别算法进行改进,开发手型和指纹图像处理软件系统,形成智能化综合生物特征识别产品,并通过将系统实现模块化,增加了产品的应用领域,为工资考核系统、门禁系统、安监系统提供技术支持,形成了具有较高识别精确度,又具备较理想的大库检索时间性能的智能生物识别系统。该系统可作为独立的功能单元嵌入在安防或门禁系统中,也可以作为智能家居或智能终端设备的一个组成部分实现个人身份的鉴别和认证,其智能模块可以在出现异常信息时,对终端用户发出提示报警。
本发明中所述的智能生物识别装置由生物信号采集单元、信号传输和处理单元、微处理器单元、控制单元、显示与报警单元和接口单元几个主要部分组成。其中,生物特征采集单元系统分为:红外光谱数据采集、手形采集系统和指纹采集系统。是融合了激光技术、红外光谱技术、数据采集技术制作生物特征采集系统。
其工作流程如下:本发明所述的智能生物特征识别系统主要是借助计算机终端设备,通过光谱数据采集、手形数据采集以及指纹数据采集,输入到微处理器单元,由智能控制单元系统,对上述信息进行融合后,通过网络写入后台个体生物特征信息数据库管理系统,并可与其它信息等进行数据关联,并采用指纹传感器和三维图像采集器件,利用高级微处理器,研制小形的、集成化的手形和指纹综合数据采集系统,输入计算机终端后,经由无线通讯或局域网在个体生物特征信息库中对其进行匹配查询,并用协议下接口单元技术,设计系统对外接口,该设备能通过显示与报警单元,对所采集的数据资料进行显示比对及图像、声光方面的信息反馈、及时进行报警提示。
关于生物特征采集单元系统中红外光谱数据采集,是根据生物个体某一特殊部位,如手掌温度的差异形成的红外光谱特征的不同进行个体的识别,对红外光谱数据进行采集。本发明通过红外这种非接触式生物特征识别系统、确定温度采集部位,满足了大众公共卫生与个人接受程度方面的要求,既保证个体数据之间的差异,又能够保证采集数据的方便易行,不被检测对象反感,大大地提高了生物特征识别技术的用户接受度。
本发明通过上述方法,完成红外光谱数据的采集,并制作数据采集系统。对于手形和指纹采集系统的研究,则根据实际需要对上述采集设备进行改进,采用指纹传感器和三维图像采集器件,利用微处理器,研制小型的、集成化的手形和指纹综合数据采集系统和装置。
所述智能生物识别方法及其工作流程,对于上述红外光谱特征的提取及匹配算法的研究,是针对采集特定部位的红外光谱数据进行研究,来确定光谱数据的特征点,研究光谱数据特征提取算法,利用较少的特征点实现有效的光谱信息表征,占用最小的存储空间。本发明通过研究其光谱数据的匹配问题,确定数据匹配算法,并采用高级编程软件编写特征点采集及特征数据匹配程序,实现有效的光谱数据识别。
另外,本发明采用常规的特征线和特征相配合的生物识别方法,对手形及指纹识别算法研究,目前指纹识别算法比较成型,本发明重点是全手形识别方法,具体涉及了全手形特征图像采集和数据库建立方法、结构特征和统计特征相结合的全手形身份确定性特征提取方法和基于K近邻投票法和遗传SVM的全手形特征匹配方法。
一种智能识别方法及工作流程,其全手形特征图像采集系统装置主要包括光学系统设计、嵌入式全手形特征图像信号采集模块、基于SDRAM的数据存储模块、USB2.0协议下的数据传输模块、基于以太网模式的数据无线传输模块、WDM模型的USB驱动程序和VC++应用软件开发。
上述全手形特征图像采集与智能识别系统装置和目前普遍采用单一的手形、掌纹、指纹的身份认证方法存在着显著的不同,全手形特征图像包含了手形、掌纹和指纹信息,为全手形特征提取和识别奠定基础,其基础就是建立全手形特征图像库。
一种智能识别方法及工作流程,给出了一套基于手部特征的智能生物识别系统实现方案,该方案把手形与指纹识别的高效性与掌纹识别的高精确性相结合,在现有的生物识别系统的各种信息融合方法中,选择了一种简单易行的“与”规则决策级信息融合方法,用层次匹配的方式,通过与各层次匹配器的阈值调节相结合,实现的生物识别系统与单一模态相比较,既提高了识别的精确性,又提高了在大数据库检索的时间性能。从手部图像提取的多重特征可以在大数据库中实现引导性匹配,五个层次的特征包括了指形特征、指纹特征、掌纹主纹线、双树复小波变换及旋转平移不变局部区域描述子特征。
本发明所述的手形特征构造方法,这种特征区分性强、鲁棒性好,维度低,有良好的类内聚集度和类间离散度,该个人身份验证方法提取的特征数据量小,匹配时间短,而且也能取得较高的识别精度,适用于在大的手掌库中进行初始匹配,筛选出最相似的库本进入下一层匹配。前几层的粗匹配显著地减少进入下一层精细匹配的样本数,最底层匹配则实现了高精度的验证。
上述的结构特征和统计特征相结合的全手形身份确定性特征提取方法,其全手形特征信息包含了指纹、手形、掌纹三种模态信息,其特征信息因人而异,非常丰富,具有持久性和确定性。在特征提取时,主要提取包括奇异点特征和纹理特征的指纹特征、还包括手掌和手指几何形状特征的手形特征以及包括主线特征和皱褶特征的掌纹特征,所有这些特征都表现为统计特征和结构特征。结构特征比较直观,能较好地反映全手形身份确定性特征的结构特性;缺点是对结构基本单元提取困难,各结构元素之间的拓扑关系复杂,抗干扰性较差。统计特征提取方便,抗干扰能力强,缺点是没有充分利用手形、掌纹、指纹的结构信息。单独运用结构特征或统计特征必然存在识别的盲区,融合结构特征和统计特征可以实现各种特征的优势互补,更全面地反映全手形身份确定性特征。
目前,指纹检测已经成为一个独立于指纹识别的研究课题。本发明所述的指纹检测识别,具体流程如下:指纹检测是从指纹识别机中检测出所有指纹的位置、大小及其姿态,检测出的指纹与比对的指纹在图像中的位置、尺寸和姿态上可能存在差异,在比对之前,需要将两个指纹进行指纹配准,使得相应的特征在同样的位置上出现。对于二维图像,通常是手工或自动提取指纹的位置,然后对配准后的指纹进行特征提取,构造特征向量,作为指纹的表示,与指纹数据库中的各指纹图像进行特征比较、特征匹配,得到待识别的指纹身份。
一种智能识别方法及工作流程,其基于K近邻投票法和遗传SVM的全手形特征匹配方法,充分利用了K近邻投票法存储量小、计算速度快并且准确可靠的优点,研究K近邻快速粗分类方法。SVM分类器具有全局优化、训练时间短、泛化性能好、算法复杂度与特征空间维数无关的特点。本发明通过遗传算法优化SVM的核函数参数,来研究遗传SVM的高精度身份认证识别方法,其全手形特征匹配方法是验证未知样本与既定模型的一致性,匹配的精度和计算速度需要同时兼顾的关键技术指标。
本发明所述系统装置,通过采用USB2.0和USB3.0协议下的接口技术,实现了与现有计算机接口的直接对接,整个装置具有易用性,并使设备运行稳定,不易受外部环境的影响。
智能生物识别方法及其工作流程,为实现系统的高安全性与防伪能力提供了技术保障,通过把上述模态的生物特征在决策级进行了融合,通过优化组合提高了大数据库搜索匹配速度及识别率,只要一次动作就可以完成智能生物特征识别,同时具有较高的识别精度。
在网络化社会中,生物特征识别技术的发展目标,就是让人们可以不必携带任何辅助的身份标识物品和知识,仅仅利用个人生物特征就可以在网络化的虚拟社会与现实社会进行个人的身份认证与识别。例如,人们可以通过基于网络化的物理访问控制系统,进行门禁与考勤操作,可以通过网络化的逻辑访问控制进行文件的访问与修改,可以通过网络化的生物特征识别进行金融交易。为了满足网络化社会的需求,逐步构建网络化的生物特征识别系统将是未来生物特征识别技术的一种必然发展趋势。
本发明所述无线通讯网络为3G网络或4G网络,具有无线、高速的特点,是未来通讯的发展方向,与前两代的区别是在数据传输速度上得到答复提升,可随时随地上网。
本发明所述显示单元为LED显示装置,具有亮度高、寿命长、重量轻、视野大、节能环保的特点,并可采用模组形式,屏幕可根据实地制作,可大可小,可方可长,可平可凹.。
与现有技术相比,本发明的智能生物识别方法和装置,具有以下优点。
本发明通过将红外光谱生物识别技术、手型生物识别技术、指纹生物识别技术这几种生物特征的合理组合或融合,相对单模态特征在抗噪性、大库性能衰减程度、普适性、抗假冒攻击、大数据识别时间效率的方面,都得到性能上的改善。采用该智能生物特征融合技术方法和装置,可以获得比单一生物特征识别系统更好的识别性能和可靠性,并增加伪造人体生物特征的难度与复杂性,提高了系统的安全性,代表了生物特征识别的发展趋势,适于用安全级别较高的应用环境,具有低成本、易用性、用户舒适度高等优点。
附图说明
通过下面结合附图进行的详细描述,将更加充分地理解并认识本发明。
图1为本发明中的一种指纹识别流程图。
图2为本发明中智能生物识别方法和装置的一种整体结构示意图。
具体实施例
下面通过实施例,并结合上述附图,对本发明的技术方案作进一步具体的说明。
图1为本发明中的一种指纹识别流程图。
如图1所示,指纹检测目前已经成为一个独立于指纹识别的研究课题。如图所示,本发明所述的指纹检测识别,具体流程如下:指纹检测是从指纹识别机中检测出所有指纹的位置、大小及其姿态,检测出的指纹与比对的指纹在图像中的位置、尺寸和姿态上可能存在差异,在比对之前,需要将两个指纹进行指纹配准,使得相应的特征在同样的位置上出现。对于二维图像,通常是手工或自动提取指纹的位置,然后对配准后的指纹进行特征提取,构造特征向量,作为指纹的表示,与指纹数据库中的各指纹图像进行特征比较、特征匹配,得到待识别的指纹身份。
本发明所述的智能生物识别方法和装置避免了由单一特征识别所带来的误差,保证了识别的准确性和较高识别精确度,具有更高的安全性、更高的识别准确率、解决了系统的整体实用性问题。
图2为本发明中智能生物识别方法和装置的一种整体结构示意图。
如图2所示,本发明所述的智能生物识别方法和装置,包括:红外光谱温度生物识别技术、手形生物识别技术、指纹生物识别技术三个基本模态,通过将上述几种生物特征识别技术融合在一起,形成的一种智能化综合生物识别系统装置。
本发明中的智能生物识别装置由生物信号采集单元、信号传输和处理单元、微处理器单元、控制单元、显示与报警单元和接口单元几个主要部分组成,其中所述生物信号采集单元系统分为光谱数据采集、手形数据采集、指纹数据采集三大系统,是融合了激光技术、红外光谱技术、数据采集技术制作生物特征采集系统。
本发明所述的智能生物特征识别系统主要是借助计算机终端设备,通过光谱数据采集、手形数据采集以及指纹数据采集,输入到微处理器单元,由智能控制单元系统,对上述信息进行融合后,通过网络写入后台个体生物特征信息数据库管理系统,并可与其它信息等进行数据关联,并采用指纹传感器和三维图像采集器件,利用高级微处理器,研制小形的、集成化的手形和指纹综合数据采集系统,输入计算机终端后,经由无线通讯或局域网在个体生物特征信息库中对其进行匹配查询,并用USB2.0协议下接口单元技术,设计系统对外接口,该设备能通过显示与报警单元,对所采集的数据资料进行显示比对及图像、声光方面的信息反馈、及时进行报警提示。
生物特征识别技术的发展目标,就是让人们可以不必携带任何辅助的身份标识物品和知识,仅仅利用个人的生物特征可以物理访问控制与逻辑访问控制。例如,用生物特征取代密码,人们可以更加安全地通过网络进行金融交易。利用生物特征对文件加密,进行公文的分发与阅读。采用生物特征识别技术进行客户入住管理,然后将客户的生物特征信息分发至指定的房间,完全避免房卡丢失的烦恼。通过网络化生物特征系统对公司进行物理访问控制与出入管理,提升公司形象与管理效率。这些情景在不远的将来都会成为现实,网络化的生物特征识别系统将为社会与组织的管理带来根本性的改变,社会与组织的管理也将会出现质的飞跃。
上面所述的实施例仅仅是对本发明一种智能识别方法及工作流程的优选实施方式进行描述,并非对本发明的构思和范围进行限定。在不脱离本发明设计构思的前提下,本领域普通人员对本发明的技术方案做出的各种变型和改进,均应落入到本发明的保护范围,本发明请求保护的技术内容,已经全部记载在权利要求书中。
Claims (6)
1.一种智能识别方法及工作流程,采用了红外光谱生物识别技术、手型生物识别技术、指纹生物识别技术三个基本模态,其特征在于:通过将上述红外光谱生物识别技术、手型生物识别、指纹生物识别技术融合在一起,组成了一种智能综合生物识别系统装置,融合了激光技术、红外光谱技术、数据采集技术制作生物特征采集系统;所述智能生物识别装置由生物信号采集单元、信号传输和处理单元、微处理器单元、控制单元、显示与报警单元和接口单元组成。
2.根据权利要求1所述的智能生物识别方法及其工作流程,其特征在于:其工作流程如下:首先借助计算机终端设备,通过光谱数据采集、手形数据采集以及指纹数据采集,输入到微处理器单元,由智能控制单元系统,对上述信息进行融合后,通过网络写入后台个体生物特征信息数据库管理系统,并可与其它信息等进行数据关联,并采用指纹传感器和三维图像采集器件,利用高级微处理器,研制小形的、集成化的手形和指纹综合数据采集系统,输入计算机终端后,经由无线通讯或局域网在个体生物特征信息库中对其进行匹配查询,并用协议下接口单元技术,设计系统对外接口,该设备能通过显示与报警单元,对所采集的数据资料进行显示比对及图像、声光方面的信息反馈、及时进行报警提示。
3.根据权利要求1所述的智能生物识别方法及其工作流程,其特征在于:其全手形特征图像采集系统装置主要包括光学系统设计、嵌入式全手形特征图像信号采集模块、基于SDRAM的数据存储模块、USB2.0协议下的数据传输模块、基于以太网模式的数据无线传输模块、WDM模型的USB驱动程序和VC++应用软件开发。
4.根据权利要求1所述的智能生物识别方法及其工作流程,其特征在于:所述系统装置采用USB2.0和USB3.0协议下的接口技术。
5.根据权利要求2所述的智能生物识别方法及其工作流程,其特征在于:所述无线通讯网络为3G网络或4G网络。
6.根据权利要求2所述的智能生物识别方法及其工作流程,其特征在于:所述显示单元为LED显示装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510797986.4A CN105447515A (zh) | 2015-11-19 | 2015-11-19 | 一种智能识别方法及工作流程 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510797986.4A CN105447515A (zh) | 2015-11-19 | 2015-11-19 | 一种智能识别方法及工作流程 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105447515A true CN105447515A (zh) | 2016-03-30 |
Family
ID=55557674
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510797986.4A Withdrawn CN105447515A (zh) | 2015-11-19 | 2015-11-19 | 一种智能识别方法及工作流程 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105447515A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106707789A (zh) * | 2017-03-14 | 2017-05-24 | 深圳汇通智能化科技有限公司 | 一种基于指纹识别的智能家居控制系统 |
CN107066988A (zh) * | 2017-05-02 | 2017-08-18 | 湖南大拓三维数字技术有限公司 | 一种手掌红外体温测量与身份识别系统 |
-
2015
- 2015-11-19 CN CN201510797986.4A patent/CN105447515A/zh not_active Withdrawn
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106707789A (zh) * | 2017-03-14 | 2017-05-24 | 深圳汇通智能化科技有限公司 | 一种基于指纹识别的智能家居控制系统 |
CN107066988A (zh) * | 2017-05-02 | 2017-08-18 | 湖南大拓三维数字技术有限公司 | 一种手掌红外体温测量与身份识别系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100356388C (zh) | 生物特征融合的身份识别和认证方法 | |
CN100385449C (zh) | 出入境身份证件与生物活体指纹自动识别方法及系统 | |
Ross et al. | Handbook of multibiometrics | |
CN101558431B (zh) | 脸认证设备 | |
CN105825176A (zh) | 基于多模态非接触身份特征的识别方法 | |
CN102521571A (zh) | 一种多模态生物识别装置及其方法 | |
Akhtar et al. | Biometrics: In search of identity and security (Q & A) | |
CN103886283A (zh) | 用于移动用户的多生物特征图像信息融合方法及其应用 | |
CN105427421A (zh) | 基于人脸识别的门禁控制方法 | |
CN201755231U (zh) | 便携式多生物特征采集设备 | |
CN105374098A (zh) | 一种利用人体双重特征识别模块开锁的方法 | |
CN106709417A (zh) | 一种多模态生物识别系统及其使用方法 | |
CN201974845U (zh) | 综合身份验证器 | |
CN101819629B (zh) | 一种基于监督张量流形学习的掌纹识别系统及识别方法 | |
CN108648310A (zh) | 一种双重认证的人脸识别门禁系统及其应用方法 | |
CN103839033A (zh) | 一种基于模糊规则的人脸识别方法 | |
CN105956569A (zh) | 一种基于手指静脉识别的身份认证平台 | |
CN105184571A (zh) | 一种手背静脉与多指纹结合的支付认证系统 | |
CN205644823U (zh) | 社保自助服务终端装置 | |
CN113378691B (zh) | 基于实时用户行为分析的智能家居管理系统及方法 | |
CN105447515A (zh) | 一种智能识别方法及工作流程 | |
CN103942545A (zh) | 一种基于双向压缩数据空间维度缩减的人脸识别方法和装置 | |
CN104915590A (zh) | 一种用于计算机加密的人脸识别系统及方法 | |
Li et al. | The evolution of biometrics | |
CN205541026U (zh) | 一种双路门禁装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20160330 |
|
WW01 | Invention patent application withdrawn after publication |