CN106473751A - 基于阵列式超声传感器的手掌血管成像与识别装置及其成像方法 - Google Patents
基于阵列式超声传感器的手掌血管成像与识别装置及其成像方法 Download PDFInfo
- Publication number
- CN106473751A CN106473751A CN201611067890.3A CN201611067890A CN106473751A CN 106473751 A CN106473751 A CN 106473751A CN 201611067890 A CN201611067890 A CN 201611067890A CN 106473751 A CN106473751 A CN 106473751A
- Authority
- CN
- China
- Prior art keywords
- blood vessel
- image
- light source
- imaging
- palm
- 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.)
- Granted
Links
- 210000004204 blood vessel Anatomy 0.000 title claims abstract description 62
- 238000003384 imaging method Methods 0.000 title claims abstract description 61
- 238000000034 method Methods 0.000 claims abstract description 32
- 210000003462 vein Anatomy 0.000 claims abstract description 29
- 238000012545 processing Methods 0.000 claims abstract description 23
- 210000001367 artery Anatomy 0.000 claims abstract description 20
- 241000219739 Lens Species 0.000 claims abstract description 16
- 210000000695 crystalline len Anatomy 0.000 claims abstract description 16
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 6
- 230000004927 fusion Effects 0.000 claims description 5
- 239000011159 matrix material Substances 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000013135 deep learning Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000007493 shaping process Methods 0.000 claims description 3
- 230000000877 morphologic effect Effects 0.000 claims description 2
- 230000008878 coupling Effects 0.000 claims 1
- 238000010168 coupling process Methods 0.000 claims 1
- 238000005859 coupling reaction Methods 0.000 claims 1
- 230000007935 neutral effect Effects 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 13
- 238000002604 ultrasonography Methods 0.000 abstract description 8
- 238000010408 sweeping Methods 0.000 abstract description 6
- 239000008280 blood Substances 0.000 description 6
- 210000004369 blood Anatomy 0.000 description 6
- 108010054147 Hemoglobins Proteins 0.000 description 4
- 102000001554 Hemoglobins Human genes 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- INGWEZCOABYORO-UHFFFAOYSA-N 2-(furan-2-yl)-7-methyl-1h-1,8-naphthyridin-4-one Chemical compound N=1C2=NC(C)=CC=C2C(O)=CC=1C1=CC=CO1 INGWEZCOABYORO-UHFFFAOYSA-N 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 108010002255 deoxyhemoglobin Proteins 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 238000012879 PET imaging Methods 0.000 description 1
- NBIIXXVUZAFLBC-UHFFFAOYSA-N Phosphoric acid Chemical compound OP(O)(O)=O NBIIXXVUZAFLBC-UHFFFAOYSA-N 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 210000004247 hand Anatomy 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 238000010895 photoacoustic effect Methods 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 210000001747 pupil Anatomy 0.000 description 1
- 210000001525 retina Anatomy 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007920 subcutaneous administration Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/117—Identification of persons
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0093—Detecting, measuring or recording by applying one single type of energy and measuring its conversion into another type of energy
- A61B5/0095—Detecting, measuring or recording by applying one single type of energy and measuring its conversion into another type of energy by applying light and detecting acoustic waves, i.e. photoacoustic measurements
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Veterinary Medicine (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Acoustics & Sound (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明提供了一种阵列式超声传感器的手掌血管成像及识别装置，包括光源传感单元、多个阵列式传感器、成像设备、透明玻片、信号处理单元和外壳；所述多个阵列式传感器分布于整个外壳上，外壳上部连接光源传感单元，外壳下部设有透明玻片；多个阵列式传感器通过信号处理单元与成像设备连接；所述光源传感单元从上到下依次设有LD光源、凸透镜和DOE器件；所述DOE器件处于光源传感单元的底部。本发明还提供了利用上述装置进行成像的方法。本发明不仅可以实现静脉血管成像，还可以使用动、静脉血管图像融合的方式，实现生物识别技术的准确度；该系统采用了DOE器件，将光线转变成聚焦点阵结构，在保证扫面面积的基础上，提高了扫面的精确度，提高了扫描面上的光强，使得检测超声波能够到达的深度更大，获取的信息更多；该系统可实现全方位的超声信号的接收，实现图像的全方位处理，大幅提高识别的精确度。
Description
技术领域
本发明涉及一种血管成像系统，尤其涉及一种光声成像、皮下动、静脉成像以及生物识别装置及其成像方法。
背景技术
光声成像技术是利用物质吸收光能后产生超声波的光声效应形成图像，具有光的高精度和声的低噪声特点，能利用血液中血氧含量的不同形成血管并区分动脉和静脉图像；也能依据声学计算，形成血管3D图像；也有血液多普勒的实验报道，成像同时可测量血液流速，它将成为防伪性最强的技术。
生物识别技术通过人体固有的生理和行为特征进行个人身份的鉴别，较传统身份认证技术，密钥随时携带，不易丢失、遗忘或被盗取，防伪性更强。因此，该技术广泛应用于国家安全、信息安全、网络安全、安全认证、电子认证等领域，并在全球信息化浪潮下迅猛发展。
更快速、准确、安全的个人身份识别和验证，是近年来的热点。指纹识别、虹膜识别、人脸识别、3D人脸识别、视网膜识别、静脉识别等生物识别技术都是以CCD光学成像后进行图像识别，伴随指模、美瞳、面具等产品制作水平越来越高，这些技术的安全性越来越低。
光声成像技术同时具有光的高精度和声的低噪声特点，越来越广泛应用于活体血管成像。利用血液所激发的不同超声强度可形成血管脉络图并区分动脉图和静脉图；依据超声的时间分辨，可形成血管3D图像；利用多普勒效应，扫描成像同时可测量血液流速，该技术可实现一套硬件多模态识别，将是防伪性最好的技术之一。
发明内容
为克服现有掌纹识别技术的不足，本发明提供了一种基于阵列式超声传感器的手掌血管成像与识别装置，该系统避免了传统掌纹识别的掌纹不清晰或手掌不干净等方面的影响，而是采用手掌中的血管的成像技术，不仅可以实现静脉血管成像，还可以使用动、静脉血管图像融合的方式，实现生物识别技术的准确度；该系统所采用的DOE器件，将光线转变成聚焦点阵结构，在保证扫面面积的基础上，提高了扫面的精确度，提高了扫描面上的光强，使得检测超声波能够到达的深度更大，获取的信息更多；该系统可实现全方位的超声信号的接收，实现图像的全方位处理，大幅提高识别的精确度。
为实现上述目的，本发明采用如下的技术方案：
一种阵列式超声传感器的手掌血管成像及识别装置，其特征在于，包括光源传感单元、凸透镜、多个阵列式传感器、成像设备、信号处理单元和外壳；所述多个阵列式传感器分布于整个外壳上，外壳上部连接光源传感单元，外壳下部设有透明玻片；多个阵列式传感器通过信号处理单元与成像设备连接。
所述光源传感单元从上到下依次设有LD光源、凸透镜和DOE器件；所述凸透镜用作准直透镜，将LD光源发出的光线转换成平行光；所述DOE器件处于光源传感单元的底部，用于光路调整。
进一步地，所述外壳采用半球形结构，内部采用透明介质；所述超声换能器之间的间距为8-10mm，数量为120-130个。
进一步地，所述信号处理单元通过通信传输线与阵列式超声传感器相连，并通过通信传输线与成像设备。
进一步地，所述DOE器件用于调整平行光，使之在底部透明玻片后2-3mm转变成聚焦点阵，经调整的光线均匀度达到90％-95％，焦点直径约为0.005-0.01mm，焦点间距约为0.05-0.1mm。
进一步地，所述信号处理单元包括信号采样模块与预处理模块。
进一步地，所述LD光源可分别接入波长405±5nm和波长623±5nm的光束，分别用于手掌的静脉与动脉血管成像。
本发明还提供了利用上述装置进行成像和识别的方法，包括如下步骤：
第一步：将被测体的手掌放置于被测面上，启动电源，激发LD光源工作；
第二步：将光源产生的一个或两个不同波长的激光，通过凸透镜校准后，经过DOE器件进行调整，平行光经过DOE器件在手掌表面转变成聚焦点阵式结构。
第三步：阵列式超声传感器将接收到的超声信号传输到信号处理单元进行信号处理；
第四步：成像设备完成图像重建，并对图像进行进一步的处理，包括预处理、灰度归一化处理和滤波处理；通过超声强弱阈值分析，区分动脉和静脉血管，用伪彩绘制血管脉络图；
第五步：根据重建图像进行二值化处理，并进一步提取图像特征，由血管特征图像进行匹配算法；对动脉和静脉血管脉络图像分别进行识别分析，并建立数据融合算法，提高识别准确率；
第六步：对血管特征图像细化处理；
第七步：对血管特征血管图像进行匹配计算；
第八步：通过深度学习，得出匹配识别结果。
进一步地，所述第五步具体包括：采用传统血管成像法将被测体的掌动、静脉血管数字化特征登记入库，然后与步骤四得到的动、静脉血管图像的特征信息形成特征信息匹配组；采取加权融合的方法，融合传统血管成像法得到的图像与步骤四得到的血管图像，将加权过程表示如下：
F(x,y)＝aA(x,y)+bB(x,y)，
其中，F(x,y)表示融合后的结果图像，A(x,y)与B(x,y)分别表示传统血管成像法得到的图像与步骤四得到的血管图像，a和b分别表示加权系数，0＜a≤1，0＜b≤1。
进一步地，所述特征信息匹配组包括掌动、静脉血管的形状和方向数据。
进一步地，所述第六步中，采用条件细化算法、模板细化算法、形态学细化算法或查表细化算法对血管特征图像细化处理；所述第七步中，采用细节点匹配法、Hu不变矩法、模板匹配法或神经网络算法对血管特征血管图像进行匹配计算。
进一步地，所述第八步中，针对获取的样本信息采用数据加强变换的方法避免过拟合，然后用卷积神经网络进行训练。
与现有技术相比，本发明的有益效果在于：本发明采用多种波段的光线设计，可以进行手掌动、静脉的血管成像，以及两种成像的融合，有效的提高了成像的精确度；与传统的方法相比，采用的DOE器件，将光线转变成聚焦点阵结构，在保证扫面面积的基础上，提高了扫面的精确度，提高了扫描面上的光强，使得检测超声波能够到达的深度更大，获取的信息更多；利用阵列超声传感器PET成像，使得血管的成像的效果更加明显，能够将后续生物识别的准确性提高15％以上，使其能够广泛应用于生物医学诊疗、生物识别等领域。
附图说明
通过参考以下结合附图的说明，并且随着对本发明的更全面理解，本发明的其它目的及结果将更加明白及易于理解。在附图中：
图1为本发明的基于阵列式超声传感器的手掌血管成像与识别装置的结构示意图；
图2为本发明的基于阵列式超声传感器的手掌血管成像与识别装置的使用示意图。
其中的附图标记包括：1、LD光源，2、光源传感单元，3、凸透镜，4、DOE器件5、阵列式超声传感器，6、外壳，7、透明玻片，8、通信传输线，9、信号处理单元，10、成像设备，11、测试手掌。
在所有附图中相同的标号指示相似或相应的特征或功能。
具体实施方式
为详细描述本发明的结构，以下将结合附图对本发明的具体实施例进行详细描述。
如图1所示，一种基于阵列式超声传感器的手掌血管成像与识别装置包括光源传感单元2、凸透镜3、多个阵列式传感器5、成像设备10、信号处理单元9和外壳6；所述多个阵列式传感器5分布于整个外壳6上，外壳6上部连接光源传感单元2，外壳下部设有透明玻片7；多个阵列式传感器5通过信号处理单元9与成像设备10连接；所述光源传感单元2从上到下依次设有LD光源1、凸透镜3和DOE器件4；所述DOE器件4处于光源传感单元2的底部，用于光路整形。
所述的外壳6采用半球形外壳结构，内部采用透明介质。所述阵列式传感器5分布于整个外壳6上，阵列式传感器宜用尺寸较小(约5mm)的复合材料超声换能器。超声沿皮肤垂直方向能量最强，优化超声换能器的数量与空间分布进行，能够获得较强超声强度与时间信号，阵列式传感器5数量优选128个，阵列式传感器5之间的间距优选10mm，用于全方位的接收来自被测体的超声信号。所述DOE器件4用于调整平行光，使之在底部透明玻片后2-3mm转变成聚焦点阵，焦点直径优选0.005mm，焦点之间的间距优选0.05mm。
所述LD光源1可分别接入波长405±5nm和波长623±5nm的光束，分别用于手掌的静脉与动脉血管成像。LD光源1发出的光束存在发散角，因此采用凸透镜3，用于校准光束，使得光线转变成平行光。DOE器件4用于将来自校准光束的光线进行光路整形。
所述信号处理单元9通过通信传输线8与上述的阵列式超声传感器5相连，并采用并行采样的方式录入信号，成像设备10根据采集的数据重建图像模块。成像设备10优选为计算机。
如图2所示，采用该系统进行测试时，包括如下步骤：
第一步：将被测体的手掌放置于被测面上，启动电源，激发LD光源工作；
第二步；将光源产生的一个或两个不同波长的激光，通过凸透镜校准后，经过DOE器件进行调整，平行光经过DOE器件在手掌表面转变成聚焦点阵式结构；
第三步：阵列式超声传感器将接收到的超声信号传输到信号处理单元进行信号处理，举例说明，阵列式超声传感器将接收到的超声信号传输到信号处理单元进行信号处理，依据接收到的超声强度的不同和时间的间隔，综合手掌组织相关参数，重建血管光学特性分布；
第四步：成像设备完成图像重建，并对图像进行进一步的处理，包括预处理、灰度归一化处理和滤波处理；通过超声强弱阈值分析，区分动脉和静脉血管，用伪彩绘制血管脉络图；
动、静脉血液在血红蛋白与脱氧血红蛋白的含量之间存在差异，血红蛋白与脱氧血红蛋白吸收系数在波长405nm与波长623nm存在比较大的差异，本实施方式中选择上述两种波长来做对比实验。在波长405nm波段，血红蛋白和脱氧血红蛋白的吸收系数近似相同，在623nm波段量两者吸收系数差异较大，借以来区分动、静脉血管图像。
第五步：根据重建图像进行二值化处理，并进一步提取图像特征，由血管特征图像进行匹配算法；对动脉和静脉血管脉络图像分别进行识别分析，并建立数据融合算法，提高识别准确率；具体包括采用传统血管成像法将被测体的掌动、静脉血管数字化特征登记入库，然后与步骤四得到的动、静脉血管图像的特征信息形成特征信息匹配组；采取加权融合的方法，融合传统血管成像法得到的图像与步骤四得到的血管图像，将加权过程表示如下：
F(x,y)＝aA(x,y)+bB(x,y)，
其中，F(x,y)表示融合后的结果图像，A(x,y)与B(x,y)分别表示传统血管成像法得到的图像与步骤四得到的血管图像，a和b分别表示加权系数，0＜a≤1，0＜b≤1，优选a为0.35，b为0.78。
第六步：对血管特征图像细化处理，一般有条件细化算法、模板细化算法、形态学细化算法和查表细化算法等。
第七步：对血管特征血管图像进行匹配计算，一般采用细节点匹配法、Hu不变矩法、模板匹配法、神经网络算法等。
第八步：通过深度学习，针对获取的样本信息采用数据加强变换的方法避免过拟合，然后用卷积神经网络进行训练，进一步提高准确率，得出匹配识别结果。
与现有技术相比，本发明光源融合设计，可以进行手掌动、静脉的血管成像，以及两种成像的融合，有效的提高了成像的精确度；本发明采用阵列式超声传感器数目和分布上都占优势，使得血管的成像的效果更加明显，能够将后续生物识别的准确性提高15％以上，使其能够广泛应用于生物医学诊疗、生物识别等领域。
如上参照附图以示例的方式描述了根据本发明提出的基于阵列式超声传感器的手掌血管成像与识别装置。但是，本领域技术人员应当理解，对于上述本发明所提出的基于阵列式超声传感器的手掌血管成像与识别装置，还可以在不脱离本发明内容的基础上做出各种改进。因此，本发明的保护范围应当由所附的权利要求书的内容确定。
Claims (10)
1.一种基于阵列式超声传感器的手掌血管成像与识别装置，其特征在于，包括光源传感单元、凸透镜、多个阵列式传感器、成像设备、透明玻片、信号处理单元和外壳；所述多个阵列式传感器分布于整个外壳上，外壳上部连接光源传感单元，外壳下部设有透明玻片；多个阵列式传感器通过信号处理单元与成像设备连接。
所述光源传感单元从上到下依次设有LD光源、凸透镜和DOE器件；所述凸透镜用作准直透镜，将LD光源发出的光线转换成平行光；所述DOE器件处于光源传感单元的底部，用于光路整形。
2.根据权利要求1所述的一种基于阵列式超声传感器的手掌血管成像与识别装置，其特征在于，所述外壳采用半球形结构，内部采用透明介质；所述超声换能器之间的间距为8-10mm，数量为120-130个。
3.根据权利要求1或2所述的一种基于阵列式超声传感器的手掌血管成像与识别装置，其特征在于，所述DOE器件用于调整平行光，使之在底部透明玻片后2-3mm转变成聚焦点阵，经调整的光线均匀度达到90％-95％，焦点直径约为0.005-0.01mm，焦点间距约为0.05-0.1mm。
4.根据权利要求1所述的一种基于阵列式超声传感器的手掌血管成像与识别装置，其特征在于，所述信号处理单元通过通信传输线与阵列式超声传感器相连，并通过通信传输线与成像设备。
5.根据权利要求1所述的一种基于阵列式超声传感器的手掌血管成像与识别装置，其特征在于，所述信号处理单元包括信号采样模块与预处理模块。
6.根据权利要求1所述的一种基于阵列式超声传感器的手掌血管成像与识别装置，其特征在于，所述LD光源可分别接入波长405±5nm和波长623±5nm的光束，分别用于手掌的静脉与动脉血管成像。
7.利用权利要求1-5所述的一种基于阵列式超声传感器的手掌血管成像与识别装置进行成像的方法，其特征在于，包括如下步骤：
第一步：将被测体的手掌放置于被测面上，启动电源，激发LD光源工作；
第二步：将光源产生的一个或两个不同波长的激光，通过凸透镜校准后，经过DOE器件进行调整，平行光经过DOE器件在手掌表面转变成聚焦点阵式结构；
第三步：阵列式超声传感器将接收到的超声信号传输到信号处理单元进行信号处理；
第四步：成像设备完成图像重建，并对图像进行进一步的处理，包括预处理、灰度归一化处理和滤波处理；通过超声强弱阈值分析，区分动脉和静脉血管，用伪彩绘制血管脉络图。
第五步：根据重建图像进行二值化处理，并进一步提取图像特征，由血管特征图像进行匹配算法；对动脉和静脉血管脉络图像分别进行识别分析，并建立数据融合算法，提高识别准确率；
第六步：对血管特征图像细化处理；
第七步：对血管特征血管图像进行匹配计算；
第八步：通过深度学习，得出匹配识别结果。
8.根据权利要求7所述的方法，其特征在于，所述第五步具体包括：采用传统血管成像法将被测体的掌动、静脉血管数字化特征登记入库，然后与步骤四得到的动、静脉血管图像的特征信息形成特征信息匹配组；采取加权融合的方法，融合传统血管成像法得到的图像与步骤四得到的血管图像，将加权过程表示如下：
F(x,y)＝aA(x,y)+bB(x,y)，
其中，F(x,y)表示融合后的结果图像，A(x,y)与B(x,y)分别表示传统血管成像法得到的图像与步骤四得到的血管图像，a和b分别表示加权系数，0＜a≤1，0＜b≤1。
9.根据权利要求7所述的方法，其特征在于，所述特征信息匹配组包括掌动、静脉血管的形状和方向数据。
10.根据权利要求7所述的方法，其特征在于，所述第六步中，采用条件细化算法、模板细化算法、形态学细化算法或查表细化算法对血管特征图像细化处理；所述第七步中，采用细节点匹配法、Hu不变矩法、模板匹配法或神经网络算法对血管特征血管图像进行匹配计算；所述第八步中，针对获取的样本信息采用数据加强变换的方法避免过拟合，然后用卷积神经网络进行训练。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611067890.3A CN106473751B (zh) | 2016-11-25 | 2016-11-25 | 基于阵列式超声传感器的手掌血管成像与识别装置及其成像方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611067890.3A CN106473751B (zh) | 2016-11-25 | 2016-11-25 | 基于阵列式超声传感器的手掌血管成像与识别装置及其成像方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106473751A true CN106473751A (zh) | 2017-03-08 |
| CN106473751B CN106473751B (zh) | 2024-04-23 |
Family
ID=58275381
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201611067890.3A Active CN106473751B (zh) | 2016-11-25 | 2016-11-25 | 基于阵列式超声传感器的手掌血管成像与识别装置及其成像方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106473751B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108309251A (zh) * | 2018-03-20 | 2018-07-24 | 清华大学 | 基于深度神经网络的定量光声成像方法 |
| CN109034034A (zh) * | 2018-07-12 | 2018-12-18 | 广州麦仑信息科技有限公司 | 一种基于强化学习算法优化卷积神经网络的静脉识别方法 |
| CN110490160A (zh) * | 2019-08-23 | 2019-11-22 | 成都费恩格尔微电子技术有限公司 | 一种多镜头模组的指纹信息采集系统及电子设备 |
| CN110990818A (zh) * | 2019-12-20 | 2020-04-10 | 江西科技师范大学 | 一种基于线性阵列式迷你led的光声强度防伪识别装置及其方法 |
| CN111033511A (zh) * | 2017-08-09 | 2020-04-17 | 利兰斯坦福初级大学董事会 | 与光学相结合的超声生物识别传感装置 |
| CN111144317A (zh) * | 2019-12-27 | 2020-05-12 | 深圳职业技术学院 | 一种光声血管声速识别防伪装置及其方法 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101828928A (zh) * | 2010-04-01 | 2010-09-15 | 江西科技师范学院 | 三维光声乳腺或颅脑无损成像系统 |
| WO2012111336A1 (ja) * | 2011-02-16 | 2012-08-23 | 富士フイルム株式会社 | 光音響撮像装置、それに用いられるプローブユニットおよび光音響撮像装置の作動方法 |
| CN102803894A (zh) * | 2010-03-16 | 2012-11-28 | 三洋电机株式会社 | 物体检测装置及信息取得装置 |
| CN103976709A (zh) * | 2014-04-24 | 2014-08-13 | 中国科学院苏州生物医学工程技术研究所 | 可穿戴式阵列换能器探头及小动物脑功能光声成像系统 |
| CN104166142A (zh) * | 2014-08-08 | 2014-11-26 | 华东师范大学 | 一种多元光子计数激光测距的三维成像系统 |
| CN204258901U (zh) * | 2014-04-15 | 2015-04-08 | 深圳市中科微光医疗器械技术有限公司 | 用于移动终端的手掌静脉识别装置和包括它的智能手机 |
| WO2015100421A1 (en) * | 2013-12-24 | 2015-07-02 | Tissuevision, Inc. | Multi-foci multiphoton imaging systems and methods |
| CN104776815A (zh) * | 2015-03-23 | 2015-07-15 | 中国科学院上海光学精密机械研究所 | 一种基于达曼光栅的彩色三维轮廓测量装置与方法 |
| CN105409212A (zh) * | 2013-02-28 | 2016-03-16 | 谷歌技术控股有限责任公司 | 具有多视图图像捕捉和深度感测的电子设备 |
| CN205411151U (zh) * | 2016-02-18 | 2016-08-03 | 湖南工业大学 | 一种基于阵列探测器的超快光声成像装置 |
| CN206576871U (zh) * | 2016-11-25 | 2017-10-24 | 刘国栋 | 基于阵列式超声传感器的手掌血管成像与识别装置 |
-
2016
- 2016-11-25 CN CN201611067890.3A patent/CN106473751B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102803894A (zh) * | 2010-03-16 | 2012-11-28 | 三洋电机株式会社 | 物体检测装置及信息取得装置 |
| CN101828928A (zh) * | 2010-04-01 | 2010-09-15 | 江西科技师范学院 | 三维光声乳腺或颅脑无损成像系统 |
| WO2012111336A1 (ja) * | 2011-02-16 | 2012-08-23 | 富士フイルム株式会社 | 光音響撮像装置、それに用いられるプローブユニットおよび光音響撮像装置の作動方法 |
| CN105409212A (zh) * | 2013-02-28 | 2016-03-16 | 谷歌技术控股有限责任公司 | 具有多视图图像捕捉和深度感测的电子设备 |
| WO2015100421A1 (en) * | 2013-12-24 | 2015-07-02 | Tissuevision, Inc. | Multi-foci multiphoton imaging systems and methods |
| CN204258901U (zh) * | 2014-04-15 | 2015-04-08 | 深圳市中科微光医疗器械技术有限公司 | 用于移动终端的手掌静脉识别装置和包括它的智能手机 |
| CN103976709A (zh) * | 2014-04-24 | 2014-08-13 | 中国科学院苏州生物医学工程技术研究所 | 可穿戴式阵列换能器探头及小动物脑功能光声成像系统 |
| CN104166142A (zh) * | 2014-08-08 | 2014-11-26 | 华东师范大学 | 一种多元光子计数激光测距的三维成像系统 |
| CN104776815A (zh) * | 2015-03-23 | 2015-07-15 | 中国科学院上海光学精密机械研究所 | 一种基于达曼光栅的彩色三维轮廓测量装置与方法 |
| CN205411151U (zh) * | 2016-02-18 | 2016-08-03 | 湖南工业大学 | 一种基于阵列探测器的超快光声成像装置 |
| CN206576871U (zh) * | 2016-11-25 | 2017-10-24 | 刘国栋 | 基于阵列式超声传感器的手掌血管成像与识别装置 |
Non-Patent Citations (1)
| Title |
|---|
| 任重;刘国栋;黄振;熊志华;: "基于光声光谱联合主成分回归法的血糖浓度无损检测研究", 光谱学与光谱分析, no. 06, pages 1674 - 1678 * |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111033511A (zh) * | 2017-08-09 | 2020-04-17 | 利兰斯坦福初级大学董事会 | 与光学相结合的超声生物识别传感装置 |
| US11023704B2 (en) | 2017-08-09 | 2021-06-01 | The Board Of Trustees Of The Leland Stanford Junior University | Interactive biometric touch scanner |
| US11645862B2 (en) | 2017-08-09 | 2023-05-09 | The Board Of Trustees Of The Leland Stanford Junior University | Interactive biometric touch scanner |
| US12033423B2 (en) | 2017-08-09 | 2024-07-09 | The Board Of Trustees Of The Leland Stanford Junior University | Interactive biometric touch scanner |
| CN108309251A (zh) * | 2018-03-20 | 2018-07-24 | 清华大学 | 基于深度神经网络的定量光声成像方法 |
| CN109034034A (zh) * | 2018-07-12 | 2018-12-18 | 广州麦仑信息科技有限公司 | 一种基于强化学习算法优化卷积神经网络的静脉识别方法 |
| CN110490160A (zh) * | 2019-08-23 | 2019-11-22 | 成都费恩格尔微电子技术有限公司 | 一种多镜头模组的指纹信息采集系统及电子设备 |
| CN110490160B (zh) * | 2019-08-23 | 2024-02-13 | 上海菲戈恩微电子科技有限公司 | 一种多镜头模组的指纹信息采集系统及电子设备 |
| CN110990818A (zh) * | 2019-12-20 | 2020-04-10 | 江西科技师范大学 | 一种基于线性阵列式迷你led的光声强度防伪识别装置及其方法 |
| CN111144317A (zh) * | 2019-12-27 | 2020-05-12 | 深圳职业技术学院 | 一种光声血管声速识别防伪装置及其方法 |
| CN111144317B (zh) * | 2019-12-27 | 2023-05-02 | 深圳职业技术学院 | 一种光声血管声速识别防伪装置及其方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106473751B (zh) | 2024-04-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106473751A (zh) | 基于阵列式超声传感器的手掌血管成像与识别装置及其成像方法 | |
| US9195900B2 (en) | System and method based on hybrid biometric detection | |
| Wang et al. | A robust and secure palm vessel biometric sensing system based on photoacoustics | |
| CN101539995B (zh) | 基于手指静脉纹与手指背纹的成像设备及多模态身份认证方法 | |
| CN104239869B (zh) | 一种智能指纹识别装置及方法 | |
| KR101451376B1 (ko) | 공간 스펙트럼 지문 스푸프 검출 | |
| ES2960027T3 (es) | Detección de anomalías en las señales de ECG | |
| KR102570637B1 (ko) | 지정맥 인식 장치 및 지정맥 인식 방법 | |
| JP2005270569A (ja) | 認証方法及び認証装置 | |
| WO2018201350A1 (zh) | 生命体征信息的确定方法、身份认证方法和装置 | |
| CN106340096B (zh) | 一种基于指纹指静脉识别智能锁具的识别装置和方法 | |
| CN106510635A (zh) | 一种皮肤血管光声成像装置 | |
| CN206576871U (zh) | 基于阵列式超声传感器的手掌血管成像与识别装置 | |
| CN106473752A (zh) | 利用全像场弱相干层析成像术对身份识别的方法及结构 | |
| CN210691315U (zh) | 一种基于线性阵列式迷你led的光声强度防伪识别装置 | |
| KR102698306B1 (ko) | 다파장 광음향 영상 및 초음파 영상을 이용한 종양 분류 방법 및 분석장치 | |
| Li et al. | PAvessel: practical 3D vessel structure sensing through photoacoustic effects with its applications in palm biometrics | |
| CN111144317B (zh) | 一种光声血管声速识别防伪装置及其方法 | |
| CN206586926U (zh) | 一种皮肤血管光声成像装置 | |
| Miller et al. | GAN Assistance in Diagnosis of Melanoma | |
| CN111275064A (zh) | 基于卷积神经网络与时序特征的鸡蛋胚胎分类方法 | |
| CN110990818B (zh) | 一种基于线性阵列式迷你led的光声强度防伪识别装置及其方法 | |
| CN111696687B (zh) | 一种采用手机摄像头实现微循环及脉搏同步监测的方法 | |
| CN205913354U (zh) | 一种无创血糖检测装置 | |
| JP2016016159A (ja) | 被検体情報取得装置および被検体情報取得装置の制御方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |