CN108491771A - 一种基于虹膜的身份识别方法及装置 - Google Patents
一种基于虹膜的身份识别方法及装置 Download PDFInfo
- Publication number
- CN108491771A CN108491771A CN201810196248.8A CN201810196248A CN108491771A CN 108491771 A CN108491771 A CN 108491771A CN 201810196248 A CN201810196248 A CN 201810196248A CN 108491771 A CN108491771 A CN 108491771A
- Authority
- CN
- China
- Prior art keywords
- iris
- lbp
- cabinet
- collection
- illustrative plates
- 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
Classifications
-
- 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
- G06V40/18—Eye characteristics, e.g. of the iris
-
- 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
- G06V40/18—Eye characteristics, e.g. of the iris
- G06V40/19—Sensors therefor
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Ophthalmology & Optometry (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明提供了一种基于虹膜的身份识别方法及装置,装置包括组合柜体,组合柜体包括多个独立的子柜体,子柜体的顶部的两侧边缘设有条形槽,子柜体的底部沿边缘设有与条形槽相适配的条形凸起,条形槽的外缘为条形防脱件,条形凸起在朝向条形防脱件的一侧设有锁孔,条形防脱件上设有锁合组件,锁合组件包括壳体,壳体内设有固定在条形防脱件上的直线轴承,直线轴承的滑块上连接有锁头,滑块由线性电机进行驱动,线性电机的驱动信号由虹膜识别器提供,壳体内还固定有用于采集初始虹膜图像的虹膜采集器。本发明的方法及装置在节约存储空间、减少计算量的同时,也提高了识别速度,增强了识别准确率,得到了较高的鲁棒性。
Description
【技术领域】
本发明涉及身份识别领域,尤其涉及一种基于虹膜的身份识别方法及装置。
【背景技术】
基于虹膜识别的装置通常采用基本LBP(局部二值模式)算子对虹膜图像特征进行提取和编码,LBP算子是一种描述图像灰度范围内纹理特征的方法,对于光照变化来说有很强的鲁棒性,从而被广泛地应用在图像的纹理特征提取上。
虽然虹膜识别技术在近几年来得到了飞速发展和广泛应用,但是仍然受到一些客观因素的制约,主要包括:
1)虹膜识别技术仍不够完善,定位和图像质量评估手段匮乏,虽然不断有些许提升,但由于耗时长、精准度低等问题,依旧无法完全满足实时检测的要求;
2)虹膜图像采集设备制造成本较高昂、虹膜识别算法复杂多变,不利于用户体验和市场普及。
因此,发明一种识别精度高、识别速度快的基于虹膜的身份识别方法及装置是本领域技术人员亟待解决的技术问题。
【发明内容】
有鉴于此,本发明实施例提供了一种基于虹膜的身份识别装置。
一种基于虹膜的身份识别装置,包括组合柜体,所述组合柜体包括多个独立的子柜体,若干所述子柜体的顶部的相对两侧边缘分别设有条形槽,若干所述子柜体的底部沿边缘设有与所述条形槽相适配的条形凸起,所述子柜体的柜门设置在底部,所述条形凸起设置在柜门的外缘,柜门的铰链设置在未分布有条形凸起的子柜体的一侧底部边缘;所述条形槽的外缘为条形防脱件,所述条形凸起在朝向条形防脱件的一侧设有锁孔,所述条形防脱件上至少设有一个锁合组件,所述锁合组件包括壳体,所述壳体内设有固定在条形防脱件上的直线轴承,直线轴承的滑块上连接有锁头,所述滑块由线性电机进行驱动,线性电机的驱动信号由虹膜识别器提供,当虹膜识别组件身份识别成功时,虹膜识别组件向线性电机发送驱动信号,并控制滑块将所述锁头移出锁孔,所述壳体上开设有第一开孔和第二开孔,所述第一开孔位于壳体内侧且正对锁孔,当锁头向外伸出时可穿过所述第一开孔,所述第二开孔位于壳体外侧,所述壳体内还固定有用于采集初始虹膜图像的虹膜采集器,虹膜采集器正对所述第二开孔。
作为本申请的一种优选实施方式,所述滑块设有距离传感器,所述距离传感器与线性电机电连接,当滑块滑动到预设距离时,所述距离传感器向所述线性电机发送停止工作信号以使滑块暂停滑动。
作为本申请的一种优选实施方式,所述虹膜识别组件包括:
采集模块,用于通过校正公式校正初始虹膜图像,并在校正后采集虹膜图像的信息,校正公式为:其中xkA为原始虹膜图像,XkB为校正虹膜图像,为原始虹膜图像和校正虹膜图像的各像素点值之间的标准差,μ为校正因子;
预处理模块,将校正虹膜图像与8个方向、5个尺度的Gabor滤波器进行卷积,以得出40个Gabor特征矩阵,然后获取各Gabor特征矩阵对应的幅值并生成对应的初始LBP图谱;
计算模块,用于通过加权公式将40个初始LBP图谱通过加权计算后得到最终LBP图谱,加权公式为:其中XLBP为最终LBP图谱,ALBP为各Gabor特征矩阵对应的幅值之和,Ai为各Gabor特征矩阵对应的幅值,Xi为各Gabor特征矩阵对应幅值对应的初始LBP图谱。
作为本申请的一种优选实施方式,所述虹膜识别组件还包括:
光斑修正模块,用于通过光斑修正公式将最终LBP图谱中的光斑点P0(x0,y0)进行修正,在光斑点上下左右四个方向上获取四个最近的非光斑区域Sm(m=1,2,3,4),每个非光斑区域选取上下左右四个包络点Pmn(xmn,ymn)(m=1,2,3,4;n=1,2,3,4)的灰度值来进行计算得出光斑点修正后的灰度值g(P0),光斑修正公式为:
其中g(offset)为光斑修正灰度值偏移量。
作为本申请的一种优选实施方式,所述虹膜识别组件还包括:
暗点补偿模块,用于通过暗点补偿公式将最终LBP图谱中的暗点P′0(x′0,y′0)进行修正,在暗点上下左右四个方向上获取四个最近的非暗点区域S′m(m=1,2,3,4),每个非暗点区域选取上下左右四个包络点P′mn(x′mn,y′mn)(m=1,2,3,4;n=1,2,3,4)的灰度值来进行计算得出光斑点修正后的灰度值g(P'0),光斑修正公式为:
其中g'(offset)为暗点补偿灰度值偏移量。
作为本申请的一种优选实施方式,所述虹膜识别组件还包括:
处理模块,对光斑修正和暗点补偿后的最终LBP图谱进行编码与降维后,计算出最终LBP图谱对应编码与特征编码之间的Hamming距离,当Hamming距离不超过预设阈值时,则判断身份识别成功。
另一方面,本申请还提供了一种基于虹膜的身份识别装置进行身份识别的方法,包括如下步骤:
通过虹膜采集器采集用户的初始虹膜图像;
虹膜识别组件进行对初始虹膜图像进行采集、预处理、计算、修正、补偿与处理后,生成身份识别结果;
若识别成功,则线性电机将滑块驱动至指定位置,此时锁头脱离锁孔,完成解锁。
上述技术方案中的一个技术方案具有如下有益效果:
1)设置了采集模块,并在采集模块中定义了校正公式,提高了虹膜图像处理的精度;
2)设置了计算模块,并定义了加权公式,将预处理模块中的40个图谱进行加权计算,简化了后续的处理量,同时考虑到了每个图谱的幅值,提高了加权结果的准确性;
3)光斑修正模块和暗点补偿模块,通过定义的光斑修正公式和暗点补偿公式,使得修正和补偿后的虹膜图像更接近虹膜图像的真实结构信息;
4)在节约存储空间、减少计算量的同时,也提高了识别速度,增强了识别准确率,得到了较高的鲁棒性。
【附图说明】
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
图1是本发明实施例基于虹膜的身份识别装置的结构示意图;
图2是本发明实施例锁合组件的结构示意图;
图3是本发明实施例虹膜识别组件的结构示意图;
图4是本发明实施例基于虹膜的身份识别方法的流程示意图。
【具体实施方式】
为了更好的理解本发明的技术方案,下面结合附图对本发明实施例进行详细描述。
应当明确,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。
应当理解,本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地,取决于语境,短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
图1是本发明基于虹膜的身份识别装置的结构示意图,图2是本发明实施例锁合组件的结构示意图,如图1和图2所示,本发明的基于虹膜的身份识别装置包括组合柜体,组合柜100体包括多个独立的子柜体101,若干子柜体101的顶部的相对两侧边缘分别设有条形槽1,若干子柜体101的底部沿边缘设有与条形槽1相适配的条形凸起2,子柜体101的柜门设置在底部,条形凸起2设置在柜门的外缘,柜门的铰链设置在未分布有条形凸起的子柜体的一侧底部边缘;条形槽1的外缘为条形防脱件11,条形凸起2在朝向条形防脱件的一侧设有锁孔21,条形防脱件11上至少设有一个锁合组件3,锁合组件3包括壳体31,壳体31内设有固定在条形防脱件11上的直线轴承32,直线轴承32的滑块321上连接有锁头322,滑块321由线性电机33进行驱动,线性电机33的驱动信号由虹膜识别组件34提供,当虹膜识别组件34身份识别成功时,虹膜识别组件34向线性电机33发送驱动信号,并控制滑块321将锁头322移出锁孔21,壳体31上开设有第一开孔311和第二开孔312,第一开孔311位于壳体内侧且正对锁孔21,当锁头322向外伸出时可穿过第一开孔311,第二开孔312位于壳体31外侧,壳体31内还固定有用于采集初始虹膜图像的虹膜采集器35,虹膜采集器35正对所述第二开孔312。
需要说明的是,本申请的组合柜体是由模块化的子柜体组成,将子柜体的柜门位于底部,锁合组件不会影响到柜门的正常开关。锁合时,将上子柜体的条形凸起放入下子柜体的条形槽内,将锁孔对准第一开孔即可,按下锁合组件的锁合按钮,线性电机根据锁合按钮的信号控制滑块将锁头移动至锁孔实现锁合;当虹膜识别组件身份识别成功时,虹膜识别组件向线性电机发送驱动信号,并控制滑块将所述锁头移出锁孔实现解锁。
由于滑块设有距离传感器,距而离传感器与线性电机电连接,当滑块滑动到预设距离时,距离传感器向线性电机发送停止工作信号以使滑块暂停滑动,滑块的运动距离可通过距离传感器控制线性电机的运行与关闭进行控制。
图3是本发明实施虹膜识别组件的结构示意图,如图2所示,虹膜识别组件包括:
采集模块,用于通过校正公式校正初始虹膜图像,并在校正后采集虹膜图像的信息,校正公式为:其中XkA为原始虹膜图像,XkB为校正虹膜图像,为原始虹膜图像和校正虹膜图像的各像素点值之间的标准差,μ为校正因子。
需要说明的是,校正因子μ是基于虹膜采集器确定的,虹膜采集器至少包括摄像组件和红外组件,不同类型的虹膜采集器精度是不同的,本发明技术方案首先预设一个标准虹膜采集器,而校正因子μ只与虹膜采集器的类型有关,通过其与标准虹膜采集器信息采集精度进行确认。
预处理模块,将校正虹膜图像与8个方向、5个尺度的Gabor滤波器进行卷积,以得出40个Gabor特征矩阵,然后获取各Gabor特征矩阵对应的幅值并生成对应的初始LBP图谱。
需要说明的是,二维Gabor小波可以提取图像特定区域内多尺度、多方向的空间频率特征,像显微镜一样放大灰度的变化,对光照、姿态具有一定的鲁棒性。采用Gabor变换来处理虹膜图像,可以增强一些关键特征,以区分不同虹膜图像。
计算模块,用于通过加权公式将40个初始LBP图谱通过加权计算后得到最终LBP图谱,加权公式为:其中XLBP为最终LBP图谱,ALBP为各Gabor特征矩阵对应的幅值之和,Ai为各Gabor特征矩阵对应的幅值,Xi为各Gabor特征矩阵对应幅值对应的初始LBP图谱。
需要说明的,本申请将幅值纳入加权公式使得加权效果更为精确,加权后的结果也可以减少后续的数据处理量,提高识别速度。
虹膜识别组件还包括:
光斑修正模块,用于通过光斑修正公式将最终LBP图谱中的光斑点P0(x0,y0)进行修正,在光斑点上下左右四个方向上获取四个最近的非光斑区域Sm(m=1,2,3,4),每个非光斑区域选取上下左右四个包络点Pmn(xmn,ymn)(m=1,2,3,4;n=1,2,3,4)的灰度值来进行计算得出光斑点修正后的灰度值g(P0),光斑修正公式为:
其中g(offset)为光斑修正灰度值偏移量。
其中,g(offset)是根据虹膜识别组件中的训练样本计算出的灰度值偏移量,可以进一步提升修正精度。
虹膜识别组件还包括:
暗点补偿模块,用于通过暗点补偿公式将最终LBP图谱中的暗点P′0(x′0,y′0)进行修正,在暗点上下左右四个方向上获取四个最近的非暗点区域S′m(m=1,2,3,4),每个非暗点区域选取上下左右四个包络点P′mn(x'mn,y'mn)(m=1,2,3,4;n=1,2,3,4)的灰度值来进行计算得出光斑点修正后的灰度值g(P’0),光斑修正公式为:
其中g’(offset)为暗点补偿灰度值偏移量。
其中,g'(offset)是根据虹膜识别组件中的训练样本计算出的暗点补偿模块,可以进一步提升补偿精度。
本申请技术方案中,对于虹膜图像中的亮点和暗点进行校正,使得最终虹膜图像更接近真实的图像。
虹膜识别组件还包括:
处理模块,对光斑修正和暗点补偿后的最终LBP图谱进行编码与降维后,计算出最终LBP图谱对应编码与特征编码之间的Hamming距离,当Hamming距离不超过预设阈值时,则判断身份识别成功。
需要说明的是,本申请基于CS-LBP进一步优化,该方案通通过参考特征编码中码元“1”的出现次数与总维数的关系来进行二次编码。具体说,当码元“1”的出现次数超总维数的一半,则可认为该点存在重要的纹理变化信息,将特征码记为1,反之记为0,公式如下所示:
举例来说,若经过CS-LBP算子处理所得的特征编码为“0101”,其中码元“1”的出现次数为2,占到总维数的一半,因而记为“1”。与传统CS-LBP算子相比较,该方法只需要8192比特就能描述一幅虹膜图像,能够尽最大努力去降低特征描述码的维度,减少对存储空间的需求。
另外,Hamming距离通常用来实现两组数据相似程度的检验工作。对虹膜图像进行归一化处理能够很好的弥补平移不变性的缺陷,对于虹膜采集时由于角度不一致所带来的旋转变化,可使用Hamming距离进行检测判断。当Hamming距离越小、越趋近0时,则表明两幅图像的相似程度越高,极有可能为同类虹膜图像;当Hamming距离越大,则表明两幅图像的特征编码,存在极大差异,属于异类虹膜图像或者为经过水平位移后的同类虹膜图像。
如图4所示,本发明另一方面还提供了一种基于虹膜的身份识别装置进行身份识别的方法包括如下步骤:
通过虹膜采集器采集用户的初始虹膜图像;
虹膜识别组件进行对初始虹膜图像进行采集、预处理、计算、修正、补偿与处理后,生成身份识别结果;
若识别成功,则线性电机将滑块驱动至指定位置,此时锁头脱离锁孔,完成解锁。
本发明实施例的技术方案具有以下有益效果:
1)设置了采集模块,并在采集模块中定义了校正公式,提高了虹膜图像处理的精度;
2)设置了计算模块,并定义了加权公式,将预处理模块中的40个图谱进行加权计算,简化了后续的处理量,同时考虑到了每个图谱的幅值,提高了加权结果的准确性;
3)光斑修正模块和暗点补偿模块,通过定义的光斑修正公式和暗点补偿公式,使得修正和补偿后的虹膜图像更接近虹膜图像的真实结构信息;
4)在节约存储空间、减少计算量的同时,也提高了识别速度,增强了识别准确率,得到了较高的鲁棒性。
在本发明所提供的几个实施例中,应该理解到,所揭露的系统,设备和方法,可以通过其它的方式实现。例如,以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(Processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。
Claims (7)
1.一种基于虹膜的身份识别装置,其特征在于,包括组合柜体,所述组合柜体包括多个独立的子柜体,若干所述子柜体的顶部的相对两侧边缘分别设有条形槽,若干所述子柜体的底部沿边缘设有与所述条形槽相适配的条形凸起,所述子柜体的柜门设置在底部,所述条形凸起设置在柜门的外缘,柜门的铰链设置在未分布有条形凸起的子柜体的一侧底部边缘;所述条形槽的外缘为条形防脱件,所述条形凸起在朝向条形防脱件的一侧设有锁孔,所述条形防脱件上至少设有一个锁合组件,所述锁合组件包括壳体,所述壳体内设有固定在条形防脱件上的直线轴承,直线轴承的滑块上连接有锁头,所述滑块由线性电机进行驱动,线性电机的驱动信号由虹膜识别器提供,当虹膜识别器身份识别成功时,虹膜识别器向线性电机发送驱动信号,并控制滑块将所述锁头移出锁孔,所述壳体上开设有第一开孔和第二开孔,所述第一开孔位于壳体内侧且正对锁孔,当锁头向外伸出时可穿过所述第一开孔,所述第二开孔位于壳体外侧,所述壳体内还固定有用于采集初始虹膜图像的虹膜采集器,虹膜采集器正对所述第二开孔。
2.如权利要求1所述的基于虹膜的身份识别装置,其特征在于,所述滑块设有距离传感器,所述距离传感器与线性电机电连接,当滑块滑动到预设距离时,所述距离传感器向所述线性电机发送停止工作信号以使滑块暂停滑动。
3.如权利要求2所述的基于虹膜的身份识别装置,其特征在于,所述虹膜识别组件包括:
采集模块,用于通过校正公式校正初始虹膜图像,并在校正后采集虹膜图像的信息,校正公式为:其中XkA为原始虹膜图像,XkB为校正虹膜图像,为原始虹膜图像和校正虹膜图像的各像素点值之间的标准差,μ为校正因子;
预处理模块,将校正虹膜图像与8个方向、5个尺度的Gabor滤波器进行卷积,以得出40个Gabor特征矩阵,然后获取各Gabor特征矩阵对应的幅值并生成对应的初始LBP图谱;
计算模块,用于通过加权公式将40个初始LBP图谱通过加权计算后得到最终LBP图谱,加权公式为:其中XLBP为最终LBP图谱,ALBP为各Gabor特征矩阵对应的幅值之和,Ai为各Gabor特征矩阵对应的幅值,Xi为各Gabor特征矩阵对应幅值对应的初始LBP图谱。
4.如权利要求3所述的基于虹膜的身份识别装置,其特征在于,所述虹膜识别组件还包括:
光斑修正模块,用于通过光斑修正公式将最终LBP图谱中的光斑点P0(x0,y0)进行修正,在光斑点上下左右四个方向上获取四个最近的非光斑区域Sm(m=1,2,3,4),每个非光斑区域选取上下左右四个包络点Pmn(xmn,ymn)(m=1,2,3,4;n=1,2,3,4)的灰度值来进行计算得出光斑点修正后的灰度值g(P0),光斑修正公式为:
其中g(offset)为光斑修正灰度值偏移量。
5.如权利要求4所述的基于虹膜的身份识别装置,其特征在于,所述虹膜识别组件还包括:
暗点补偿模块,用于通过暗点补偿公式将最终LBP图谱中的暗点P′0(x’0,y’0)进行修正,在暗点上下左右四个方向上获取四个最近的非暗点区域S'm(m=1,2,3,4),每个非暗点区域选取上下左右四个包络点P′mn(x′mn,y'mn)(m=1,2,3,4;n=1,2,3,4)的灰度值来进行计算得出光斑点修正后的灰度值g(P’0),光斑修正公式为:
其中g′(offset)为暗点补偿灰度值偏移量。
6.如权利要求5所述的基于虹膜的身份识别装置,其特征在于,所述虹膜识别组件还包括:
处理模块,对光斑修正和暗点补偿后的最终LBP图谱进行编码与降维后,计算出最终LBP图谱对应编码与特征编码之间的Hamming距离,当Hamming距离不超过预设阈值时,则判断身份识别成功。
7.一种利用权利要求1-6任一项所述的基于虹膜的身份识别装置进行身份识别的方法,其特征在于,包括如下步骤:
通过虹膜采集器采集用户的初始虹膜图像;
虹膜识别组件进行对初始虹膜图像进行采集、预处理、计算、修正、补偿与处理后,生成身份识别结果;
若识别成功,则线性电机将滑块驱动至指定位置,此时锁头脱离锁孔,完成解锁。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810196248.8A CN108491771A (zh) | 2018-03-09 | 2018-03-09 | 一种基于虹膜的身份识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810196248.8A CN108491771A (zh) | 2018-03-09 | 2018-03-09 | 一种基于虹膜的身份识别方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108491771A true CN108491771A (zh) | 2018-09-04 |
Family
ID=63338297
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810196248.8A Pending CN108491771A (zh) | 2018-03-09 | 2018-03-09 | 一种基于虹膜的身份识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108491771A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114333130A (zh) * | 2021-12-23 | 2022-04-12 | 上海嘉柏利通科技股份有限公司 | 制药生产洁净区人员出入管理系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106203348A (zh) * | 2016-07-08 | 2016-12-07 | 钟林超 | 一种具有身份验证功能的高压开关柜 |
CN107392194A (zh) * | 2017-09-22 | 2017-11-24 | 贵州维讯光电科技有限公司 | 保险箱用虹膜智能识别系统 |
CN107620554A (zh) * | 2017-09-05 | 2018-01-23 | 宁波众亿安防科技有限公司 | 一种带有虹膜识别系统与报警系统的安全门 |
CN207052977U (zh) * | 2017-08-18 | 2018-02-27 | 江西优电成套设备有限公司 | 一种多层且具有拼接功能的开关柜 |
-
2018
- 2018-03-09 CN CN201810196248.8A patent/CN108491771A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106203348A (zh) * | 2016-07-08 | 2016-12-07 | 钟林超 | 一种具有身份验证功能的高压开关柜 |
CN207052977U (zh) * | 2017-08-18 | 2018-02-27 | 江西优电成套设备有限公司 | 一种多层且具有拼接功能的开关柜 |
CN107620554A (zh) * | 2017-09-05 | 2018-01-23 | 宁波众亿安防科技有限公司 | 一种带有虹膜识别系统与报警系统的安全门 |
CN107392194A (zh) * | 2017-09-22 | 2017-11-24 | 贵州维讯光电科技有限公司 | 保险箱用虹膜智能识别系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114333130A (zh) * | 2021-12-23 | 2022-04-12 | 上海嘉柏利通科技股份有限公司 | 制药生产洁净区人员出入管理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8559671B2 (en) | Training-free generic object detection in 2-D and 3-D using locally adaptive regression kernels | |
Ashraf et al. | Learning patch correspondences for improved viewpoint invariant face recognition | |
US7929771B2 (en) | Apparatus and method for detecting a face | |
Cerutti et al. | Understanding leaves in natural images–a model-based approach for tree species identification | |
KR101117837B1 (ko) | 멀티 스케일 지향 패치를 이용한 멀티 이미지 특징 매칭 | |
Nigam et al. | Multiple texture information fusion for finger-knuckle-print authentication system | |
US8027521B1 (en) | Method and system for robust human gender recognition using facial feature localization | |
US7092554B2 (en) | Method for detecting eye and mouth positions in a digital image | |
CN111191655B (zh) | 对象识别方法和装置 | |
CN106056064A (zh) | 一种人脸识别方法及人脸识别装置 | |
CN110619628A (zh) | 一种人脸图像质量评估方法 | |
US20090169066A1 (en) | Multidirectonal face detection method | |
CN107066969A (zh) | 一种人脸识别方法 | |
CN113592911B (zh) | 表观增强深度目标跟踪方法 | |
CN113392856B (zh) | 图像伪造检测装置和方法 | |
CN115244542A (zh) | 用于验证产品真伪的方法和装置 | |
Potje et al. | Extracting deformation-aware local features by learning to deform | |
CN108491771A (zh) | 一种基于虹膜的身份识别方法及装置 | |
CN113744307A (zh) | 一种基于阈值动态调整的图像特征点跟踪方法和系统 | |
Barla et al. | Hausdorff kernel for 3D object acquisition and detection | |
Lin et al. | A gender classification scheme based on multi-region feature extraction and information fusion for unconstrained images | |
Wang et al. | Engineering Hand-designed and Deeply-learned features for person Re-identification | |
Patil et al. | Survey of non-intrusive face spoof detection methods | |
US20030044067A1 (en) | Apparatus and methods for pattern recognition based on transform aggregation | |
CN108509865A (zh) | 一种工伤信息录入方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for 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: 20180904 |