CN108647672A - 可实现快速识别的掌静脉识别系统 - Google Patents
可实现快速识别的掌静脉识别系统 Download PDFInfo
- Publication number
- CN108647672A CN108647672A CN201810702607.2A CN201810702607A CN108647672A CN 108647672 A CN108647672 A CN 108647672A CN 201810702607 A CN201810702607 A CN 201810702607A CN 108647672 A CN108647672 A CN 108647672A
- Authority
- CN
- China
- Prior art keywords
- identification
- palm vein
- vena metacarpea
- identification system
- identify
- 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
- 210000003462 vein Anatomy 0.000 title claims abstract description 58
- 239000004973 liquid crystal related substance Substances 0.000 claims abstract description 14
- 238000003384 imaging method Methods 0.000 claims abstract description 11
- 230000005540 biological transmission Effects 0.000 claims abstract description 7
- 230000001815 facial effect Effects 0.000 claims abstract description 5
- 238000001514 detection method Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 2
- 238000002604 ultrasonography Methods 0.000 claims 1
- 238000012545 processing Methods 0.000 abstract description 26
- 230000008901 benefit Effects 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 description 13
- 238000000034 method Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000005265 energy consumption Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000026676 system process Effects 0.000 description 2
- 229910000838 Al alloy Inorganic materials 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 235000019628 coolness Nutrition 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000001990 intravenous administration Methods 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000004080 punching Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000008320 venous blood flow Effects 0.000 description 1
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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/94—Hardware or software architectures specially adapted for image or video understanding
-
- 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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
-
- 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
- G06V40/14—Vascular patterns
Abstract
本发明涉及一种可实现快速识别的掌静脉识别系统，包括掌静脉识别设备和摄像头模块，掌静脉识别设备包括液晶触控显示屏和掌静脉图像传感器，摄像头模块包括摄像头。识别对象进入3m至1m区域，摄像头进入工作状态，并向掌静脉识别设备传输待识别对象的面部图像信息，进行人脸属性识别处理；识别对象进入1m区域，开始掌静脉识别处理。本发明实现了一台硬件系统支持两种生物识别方式，同等计算机硬件条件下，掌静脉识别处理能力大幅提升，而且不影响现有掌静脉识别技术的识别率，保持了现有技术的技术优势，用户使用体验得到改善。
Description
技术领域
本发明涉及一种计算机领域生物识别的系统，尤其涉及一种静脉识别的系统。
背景技术
掌静脉识别技术，是静脉识别的一种，属于生物识别技术，其通过专用摄像头获取手掌静脉的图像，将静脉的数字图像存贮在计算机系统中，并经过特定采集计算方法生成特征值，从而使用特征值进行比对和识别。掌静脉识别技术参考文献：发明名称“手掌静脉摄像装置”，公开号CN105072998A。
掌静脉识别技术的优点有：1、安全性高：属于内生理特征，不会磨损，难以伪造。2、非接触式采集：卫生性好，使用体验佳。3、活体识别：依靠静脉血液流动成像，死人静脉无法成像。4、准确率高：拒真率可达0.01％，认假率可达0.00001％。其中，拒真率是指本人拒绝率FRR，即对张三进行识别，却没有认出张三的概率；识假率是指他人误识率FAR，即对张三进行识别，却把张三认成了李四的概率。
掌静脉识别技术在实际应用中存在的主要问题是：在1:N识别的场景下，即在N个掌静脉特征值中，逐一进行比对，查找输入的1个特征值和N中哪个特征值匹配。该处理过程中，由于比对算法的计算非常复杂，对硬件的性能要求较高。N的数量越大，逐一比对所需的计算量就越大，同样计算机硬件的条件下，所需的时间就越长。掌静脉识别系统1:N识别场景下的一般工作流程，如图1所示。
在相同计算机硬件和软件环境下，N的数量对掌静脉识别效率的影响如表一所示(注：耗时只记录图1工作流程中第5步所需时间，单位：秒)。
表一
表一数据采集的软硬件环境如表二所示：
| CPU | Intel Celeron J1900 |
| 主频 | 2.0GHz |
| 核心数 | 4个 |
| 内存 | 2G |
| 操作系统 | Windows7 64位SP1 |
| 硬盘 | SSD 32GB固态硬盘 |
| 传感器 | 富士通FAT13M3S1 |
| 识别库 | 富士通SDKV02L02 |
表二
在表二所示相同计算机软硬件环境下，表一中第4步取出的数据N的数量越大，掌静脉识别系统在第5步进行识别处理所花费的时间越长。
在掌静脉识别系统的实际应用中，因为上述问题的存在，导致一旦遇到大量的掌静脉数据需要进行比对的场景(如1:2000的场景，即在2000个掌静脉特征码中查找匹配的1个特征码)，处理时间要控制在1秒以内的话，对计算机硬件的要求就比较高，随之带来的就是整个掌静脉识别系统的硬件成本会比较高，造成系统整体的效能偏低，使掌静脉识别系统的市场推广应用受到了相应的制约。
如前所述，目前掌静脉识别系统在1:N的场景应用中(即在N个掌静脉特征码中查找匹配1个)，存在识别性能和系统整体效能偏低的问题，当数据量较大的场合，如N大于5000，会直接造成如下影响：
1、识别速度慢，所需时间长，影响用户使用体验。
2、对计算机硬件性能要求高，造成系统成本偏高。
3、长时间高峰值计算处理，造成CPU等芯片散热量大，硬件老化快，系统可靠性稳定性下降。
发明内容
本发明针对掌静脉识别系统应用中产生的问题，提出一种可实现快速识别的掌静脉识别系统。
本发明的技术方案是：
一种可实现快速识别的掌静脉识别系统，包括掌静脉识别设备，所述掌静脉识别设备包括液晶触控显示屏和掌静脉图像传感器，其特别之处是，还包括摄像头模块，所述摄像头模块包括摄像头，所述摄像头向掌静脉识别设备传输待识别对象的面部图像信息。
上述系统还可包括用于识别人脸属性的人脸属性识别云服务器，上述掌静脉识别设备通过互联网与人脸属性识别云服务器通讯。
或者，当无法联网时，上述系统还可包括人脸属性检测系统，人脸属性检测系统向掌静脉识别设备提供人脸属性的识别。
为降低能耗，上述系统还包括超声波距离传感器，超声波距离传感器向掌静脉识别设备传输待识别对象的距离信息。
进一步，上述系统还包括待机和能源管理系统，其根据超声波距离传感器的距离信息控制系统的工作模式。
上述系统超声波距离传感器的探测距离为2-5m。
为扩展功能，上述系统还包括用于读写射频卡的射频模块。
上述系统的高清摄像头、超声波距离传感器、射频模块设置在掌静脉识别设备的液晶触控显示屏周围。
为满足需求，上述系统还包括Arduino微处理器控制模块和继电器，用于控制外部电气设备工作。
优选，继电器型号为JQC-3FF-S-Z，其Vcc端接Arduino微处理器控制模块的5V直流，其GND端接地，其IN端接Arduino微处理器控制模块的7号引脚。
本发明的有益效果：
1、同等计算机硬件条件下，掌静脉识别处理能力大幅提升，用户使用体验得到改善。
如在表二所示软硬件条件下，使用本发明，进行表一相同处理步骤所耗时间如表三所示 (单位：秒)：
| N的数量 | 耗时1 | 耗时2 | 耗时3 | 耗时4 | 耗时5 | 平均耗时 |
| 10 | 0.249 | 0.280 | 0.265 | 0.265 | 0.343 | 0.280 |
| 1000 | 0.421 | 0.390 | 0.421 | 0.436 | 0.374 | 0.408 |
| 2000 | 0.483 | 0.561 | 0.484 | 0.452 | 0.499 | 0.496 |
| 5000 | 0.593 | 0.608 | 0.640 | 0.593 | 0.624 | 0.612 |
表三
经过和表一进行比较，同等硬件条件下性能提升明显，特别是大数据量处理的场合，N 值越大，性能提升越明显，参见表四(单位：秒)。
| N的数量 | 现有技术平均耗时 | 本发明平均耗时 | 性能提升 |
| 10 | 0.321 | 0.280 | 14.5％ |
| 1000 | 0.543 | 0.408 | 32.9％ |
| 2000 | 1.185 | 0.496 | 139.1％ |
| 5000 | 2.702 | 0.612 | 341.8％ |
表四
处理性能的提升，将大幅改善用户的使用体验。以往在N＝5000的场合，需要将近3秒钟才能完成的掌静脉识别处理，本发明在1秒钟之内即可完成识别，减少识别对象的等待时间，提升了使用的体验。特别是在需要快速认证的场合，如闸机通道、门禁、地铁检票口等，本发明应用价值明显。
2、同等处理能力，硬件成本大幅降低。
采用现有技术，使用表五的较高性能的硬件进行处理速度测试，结果如表六(单位：秒)：
| CPU | Intel i5-6600K |
| 主频 | 3.5GHz |
| 核心数 | 4个 |
| 内存 | 8G |
| 操作系统 | Windows7 64位SP1 |
| 硬盘 | SSD 250GB固态硬盘 |
| 传感器 | FAT13M3S1 |
| 识别库 | SDKV02L02 |
表五
表六
将表六和表三进行对比发现，在大数据量的情况下，如N＝5000时，两种不同硬件配置的处理能力几乎完全一致，但是硬件成本相差很大，对比结果如表七所示：
表七
由表七可知，本发明只使用了现有技术一半的硬件成本，达到了几乎相同的处理能力。
3、不影响现有掌静脉识别技术的识别率。
本发明的改进点主要是增加了摄像模块，而掌静脉识别设备本身的识别率，如拒真率、识假率等完全不受影响，保持了现有技术的技术优势。
4、节能降耗、延长设备寿命。
本发明充分发挥了超声波传感器、高清摄像头和掌静脉图像传感器的各自功能，以软件和硬件结构做有机结合，配合切合实际的应用场景，通过超声波模块测试前方物体距离，检测是否存在使用者。在不存在使用者的情况下，液晶显示屏、摄像头等设备进入待机模式(零功耗)；存在使用者的情况下，液晶显示屏、摄像头等设备进入工作模式(正常功耗)。
具体说明如下：
1)识别对象不进入3m(设定的阈值S)区域时，系统为低功耗待机模式。相对于现有技术普遍采用的按照特定时间(如30秒)无操作后进入待机模式，本发明处理更合理、更准确、更智能。
2)识别对象进入3m至1m区域，系统开始工作，进行人脸属性识别处理，此时掌静脉识别系统仍然处于待机状态，两种识别处理不会同时进行，不相互影响，不会产生资源冲突。特别是在系统连接互联网的环境下，人脸属性识别的运算处理都集中在云服务器端，掌静脉识别设备负担很小，仅完成拍照、上传、接收反馈结果的操作，功耗极小。设备在单机运行的情况下，由于人脸属性识别只是对照片的人脸进行性别和年龄的判断，不需要进行比对和识别，对计算机系统的性能要求不高，因此也不会产生较大的功耗。
3)识别对象进入1m区域，人脸属性识别处理已经完成(人步行的速度平均每秒1.38 米，2m距离需要时间1.44秒，进行人脸属性识别处理时间充裕)，开始掌静脉识别处理。由于本发明处理性能的大幅提升，处理时间大幅降低，即计算机高速运算的时间减少，随之产生的热量也大幅降低，充分体现了本发明节能降耗的特点。设备工作温度的降低可以延长半导体电子设备的使用寿命，也体现了新技术环保方面的价值。
本发明尤其改善了配备尺寸较大的液晶显示屏计算机生物识别系统的能耗问题。以下列型号系统配置为例：
计算机主板：SNE-J1900K-R2(含CPU、内存、硬盘)；
超声波模块：US-100；
液晶显示屏：G150XTN03.1；
摄像头模块：RER-USBFHD01M；
掌静脉模块：FAT13M3S1。
1)采用该技术之前的功耗为1056W：
(计算机主板24W+超声波模块0.5W+液晶显示屏14W+摄像头模块1W+掌静脉模块4.5W) X 24＝系统24小时整体功耗1056W。
2)采用该技术之后的系统能耗为627W：(24小时中累积高功耗工作时间按照2小时计算)
(计算机主板24W+超声波模块0.5W)X 24+(液晶显示屏14W+摄像头模块1W+掌静脉模块4.5W)X 2＝系统24小时整体功耗627W。
3)由上述计算结果得出结论，采用超声波模块检测前方物体距离，从而控制相关模块待机和工作的技术，可以使得同样硬件配置的系统，在相同的使用场景下的日功耗由1056W 下降到627W，能耗降低40％左右。
5、本发明两种识别设备互不影响又可相互为补充。
本发明解决了人脸识别和掌静脉识别的硬件系统集成问题，将两种生物识别方式合理的集成到一台硬件系统中，实现了一台硬件系统支持两种生物识别方式，两种识别设备互不影响又可相互为补充，主要体现在以下两点：
1)两种识别设备同时识别可以提高系统整体的识别效率。如：只要其中一种识别设备成功识别即可认为识别成功)，这种组合适用于一些对识别速度要求较高的应用场合(如行人入口闸机通道)。如：必须两种识别设备都成功识别才认可为识别成功，这种组合适用于一些对识别准确度要求较高的应用场合(如银行金库)。
2)两种识别设备同时识别，为互相提高对方的识别率创造了条件。如：可利用人脸识别的结果，作为学习数据，帮助掌静脉识别进行机器学习-有监督学习模式(MachineLearning：supervised learning)，从而提高掌静脉识别的识别率。反之，也可利用掌静脉识别的结果，帮助人脸识别进行机器学习，从而提高人脸识别的识别率。
附图说明
图1是掌静脉识别系统1:N识别场景下的一般工作流程图；
图2是本发明根据识别对象与系统之间的距离进行处理的示意图；
图3是本发明与提供人脸属性识别的云服务器连接的示意图；
图4是本发明的物理结构示意图，其中，1-液晶触控显示屏，2-高清摄像头，3-射频模块，4-超声波距离传感器，5-掌静脉图像传感器；
图5是掌静脉识别系统的内部结构示意图；
图6是本发明内部系统的软件系统结构示意图；
图7是本发明内部系统的距离检测处理流程图；
图8是本发明内部系统的人脸图像拍摄处理流程图；
图9是本发明内部系统的掌静脉识别处理流程图；
图10是本发明内部系统的外部电气控制系统和Arduino指令系统处理流程图；
图11是本发明内部系统各主要模块工作关系及流程图；
图12是本发明的微处理器和继电器的线路连接示意图，其中，6-继电器，7-微处理器。
具体实施方式
本发明原理：本发明针对掌静脉识别系统应用中产生的问题，经过对系统处理流程的提炼及对大量掌静脉特征值数据的分析，提出增加摄像头模块，从而提供人脸属性识别技术，对图1所示掌静脉识别处理流程中的第4步进行优化，用性别属性把待识别对象分为两部分，再用年龄属性把待识别对象分为X个年龄段，其中X为大于1小于100的自然数。性别属性、年龄属性叠加后将目标人群的数量N减少为M，理论上M的数量最小为N的1/2X。例如把年龄段分为8段后，理论上M的数量最小为N的6.25％，可将第4步的处理效能最大提高16倍。
上述理论值基于以下处理条件：
1、性别区分，可将N减少至50％。
2、年龄区分，将年龄划分为8个年龄段，可将N减少至12.5％。
性别与年龄区分条件叠加使用，则可将N减少至6.25％，因此处理效能理论最大提高16 倍。
人脸属性识别技术，是人脸识别技术的一种，属于生物识别技术，其通过特定计算方法，从图像中检测人脸信息，并使用人脸属性识别模型，计算出该人脸的性别、年龄、种族等属性信息。该项技术已经相对成熟，实际应用的场景和案例非常多，主要集中在手机、智能设备、安防等领域。人脸属性识别技术参考文献：发明名称“一种自适应的人脸低层特征选择方法及人脸属性识别方法”，公开号CN103824090A。
本发明的外部结构及其内部系统的技术方案如下：
一、方法流程
如图2所示，掌静脉识别设备上安装有距离感应装置，根据识别对象与掌静脉识别系统之间的距离，进行相应处理：
1)距离3m(阈值S)以上：掌静脉识别系统处于低功耗模式系统待机。
2)距离3m至1m：掌静脉识别系统通过摄像头取得识别对象面部图像，进行人脸属性识别。并根据人脸属性识别结果，从数据库中的N个特征值中筛选出符合相应条件的M个特征值。
3)距离1m以内：掌静脉识别系统等待识别对象放置手掌，一旦获取手掌静脉图像，进入掌静脉识别处理流程，优先逐一比对M个特征值，无匹配的情况下再逐一比对N-M个特征值，最终返回识别结果。
二、系统结构
如图3所示，掌静脉识别系统通过互联网与提供人脸属性识别的云服务器连接，通过上传人脸面部图像，调用云服务器提供的人脸属性分析功能。
考虑到实际应用环境中，存在无法稳定接入互联网的情况，也可以将人脸属性识别功能，集成到掌静脉识别设备上，使整个系统可以单机独立工作。
三、掌静脉识别系统的结构
系统正面结构如图4所示，说明如下：
1)液晶触控显示屏，提供基本的人机交互的输入输出功能。
2)高清摄像头，拍摄人面部数字照片。
3)超声波距离传感器，利用超声波判断系统前方物体(人)的距离。
4)掌静脉图像传感器，利用近红外线成像技术拍摄手掌静脉血管数字图像。
5)射频模块，利用射频模块为系统提供读写射频卡的扩展功能，以便进一步对待识别对象进行识别。
系统内部结构如图5所示，主要模块功能说明如下：
1)X86架构主板：提供承载CPU、硬盘、内存的主要电子线路板，是掌静脉识别系统的计算和处理核心，并提供LAN、电源、串口、USB等外部接口。
2)电源变压器：将220V交流电转换为12V和5V的直流电，为主板供电。
3)摄像头模块：通过USB接口控制摄像头工作并传输图像信息。
4)超声波模块：通过串行口操作超声波发射和接收，并计算和传输距离数据。
5)射频模块：通过串行口操作射频发射和接收，并计算和传输射频卡数据。
6)Arduino微处理器控制模块：通过USB接口操作微处理器，进行数模转换、电平信号输出等操作。
7)继电器：通过接收微处理器电平信号，完成电路打开和关闭的操作，从而控制外部电气设备工作。
掌静脉识别系统中主要元器件型号参数见表八：
| 名称 | 型号参数 |
| 计算机主板 | SNE-J1900K-R2 |
| CPU | Intel Celeron J1900 |
| 内存 | DDR3 1333 2G |
| 硬盘 | 32G固态硬盘 |
| 液晶触摸显示屏 | 分辨率：1024*768 |
| 摄像头 | 500万高清摄像头 |
| 射频模块 | M15 |
| 超声波距离传感器 | US-100 |
| 掌静脉图像传感器 | FAT13M3S1 |
| 微处理器 | Arduino uno R3 |
| 继电器 | JQC-3FF-S-Z |
| 喇叭 | 5W立体声喇叭 |
| 系统外壳 | 铝合金边框+钣金后壳 |
表八
四、软件系统结构
本发明内部的软件系统的结构如图6所示，主要内容和相互关系说明如下：
1)操作系统采用Windows7。
2)数据库采用windows平台下的通用关系型数据库。
3)基础开发采用.NET Framework平台。
4)距离检测的工作流程参见图7，其负责通过超声波传感器，待识别对象(人)到系统的距离信息。当距离小于3m时，通知UI系统(用户界面系统)，并通过待机和能源管理系统，结束系统待机模式，开始进入工作状态。
5)距离检测系统检测到距离小于3m且大于1m时，通知人脸图像拍摄系统，调用高清摄像头，拍摄识别对象的照片后，储存并发送给人脸属性检测系统。人脸属性检测系统经过对照片的分析，反馈性别、年龄等分析结果。
6)掌静脉识别系统接收到性别和年龄等信息后，在数据库中的N个数据中，筛选出符合条件的M个掌静脉特征码，排序在N的最优先位置，储存在内存中备用。
7)距离检测系统检测到距离小于1m时，通知掌静脉识别系统，使掌静脉图像传感器进入工作状态。
8)当掌静脉图像传感器捕获手掌静脉图像后，掌静脉识别系统将静脉图像生成新的特征值A，并将其逐个在N中进行比对(优先比对M)，查找匹配的特征码，并将匹配成功与否(识别结果)反馈给UI系统，通过液晶屏幕等展示给识别对象(人)。
9)在需要控制外部电气的情况下，掌静脉识别系统会将识别结果通知外部电气控制系统，其通过Arduino微处理器上的指令系统，控制芯片各引脚的信号输出，如通过输出高低电平控制继电器模块，从而达到控制外部电气的目的。Arduino微处理器和继电器的线路连接如图12所示，其中继电器的Vcc端接微处理器电路板的5V直流，其GND端接地，其 IN端接微处理器电路板的7号引脚。外部电气控制系统和Arduino指令系统处理流程参见图10。
五、人脸属性检测系统详细说明
参见图8，人脸属性检测系统调用Face++人工智能开放平台提供的人脸识别Detect API (版本3.0)，具体如下：
调用URL：
https://api-cn.faceplusplus.com/facepp/v3/detect
调用方法：
POST
请求参数：
返回值说明：
faces数组中单个元素的结构：
attributes中包含的元素说明：
六、掌静脉识别系统的处理流程和详细说明
图9是本发明的内部系统的掌静脉识别处理流程图，虚线框内的处理通过调用富士通掌静脉识别程序库实现，识别库版本SDKV02L02。
主要函数如下：
1、DNET_BioAPI_ModuleLoad：初始化掌静脉图像传感器。
2、DNET_BioAPI_Identify：拍照、生成图像、转化特征值并在N中进行比对。
Claims (10)
1.一种可实现快速识别的掌静脉识别系统，包括掌静脉识别设备，所述掌静脉识别设备包括液晶触控显示屏和掌静脉图像传感器，其特征在于，还包括摄像头模块，所述摄像头模块包括摄像头，所述摄像头向掌静脉识别设备传输待识别对象的面部图像信息。
2.根据权利要求1所述一种可实现快速识别的掌静脉识别系统，其特征在于，还包括用于识别人脸属性的人脸属性识别云服务器，所述掌静脉识别设备通过互联网与人脸属性识别云服务器通讯。
3.根据权利要求1所述一种可实现快速识别的掌静脉识别系统，其特征在于，还包括人脸属性检测系统，所述人脸属性检测系统向掌静脉识别设备提供人脸属性的识别。
4.根据权利要求1或2或3所述一种可实现快速识别的掌静脉识别系统，其特征在于，还包括超声波距离传感器，所述超声波距离传感器向掌静脉识别设备传输待识别对象的距离信息。
5.根据权利要求4所述一种可实现快速识别的掌静脉识别系统，其特征在于，还包括待机和能源管理系统，其根据超声波距离传感器的距离信息控制系统的工作模式。
6.根据权利要求4所述一种可实现快速识别的掌静脉识别系统，其特征在于，所述超声波距离传感器的探测距离为2-5m。
7.根据权利要求4所述一种可实现快速识别的掌静脉识别系统，其特征在于，还包括用于读写射频卡的射频模块。
8.根据权利要求7所述一种可实现快速识别的掌静脉识别系统，其特征在于，所述高清摄像头、超声波距离传感器、射频模块设置在掌静脉识别设备的液晶触控显示屏周围。
9.根据权利要求7所述一种可实现快速识别的掌静脉识别系统，其特征在于，还包括Arduino微处理器控制模块和继电器，用于控制外部电气设备工作。
10.根据权利要求9所述一种可实现快速识别的掌静脉识别系统，其特征在于，所述继电器型号为JQC-3FF-S-Z，其Vcc端接Arduino微处理器控制模块的5V直流，其GND端接地，其IN端接Arduino微处理器控制模块的7号引脚。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810702607.2A CN108647672A (zh) | 2018-06-29 | 2018-06-29 | 可实现快速识别的掌静脉识别系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810702607.2A CN108647672A (zh) | 2018-06-29 | 2018-06-29 | 可实现快速识别的掌静脉识别系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108647672A true CN108647672A (zh) | 2018-10-12 |
Family
ID=63749988
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810702607.2A Pending CN108647672A (zh) | 2018-06-29 | 2018-06-29 | 可实现快速识别的掌静脉识别系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108647672A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN202041967U (zh) * | 2011-04-08 | 2011-11-16 | 中国矿业大学 | 掌静脉与人脸双模态生物识别仪 |
| US20150039451A1 (en) * | 2013-08-05 | 2015-02-05 | Richard Paul Bonfiglio | Biometrics for Rapid and Enhanced Service and Hospitality and Quantification Thereof |
| CN105956520A (zh) * | 2016-04-20 | 2016-09-21 | 东莞市中控电子技术有限公司 | 一种基于多模式生物识别信息的个人识别装置和方法 |
| CN107274517A (zh) * | 2017-04-25 | 2017-10-20 | 合肥中科奔巴科技有限公司 | 融合三维人脸与掌静脉识别的智能门禁系统 |
| CN107292217A (zh) * | 2016-04-01 | 2017-10-24 | 江苏星蓝宇信息技术有限公司 | 一种基于人脸识别与掌静脉技术的双因素身份认证系统 |
| CN107305624A (zh) * | 2016-04-20 | 2017-10-31 | 厦门中控智慧信息技术有限公司 | 一种基于多模式生物识别信息的个人识别方法和装置 |
-
2018
- 2018-06-29 CN CN201810702607.2A patent/CN108647672A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN202041967U (zh) * | 2011-04-08 | 2011-11-16 | 中国矿业大学 | 掌静脉与人脸双模态生物识别仪 |
| US20150039451A1 (en) * | 2013-08-05 | 2015-02-05 | Richard Paul Bonfiglio | Biometrics for Rapid and Enhanced Service and Hospitality and Quantification Thereof |
| CN107292217A (zh) * | 2016-04-01 | 2017-10-24 | 江苏星蓝宇信息技术有限公司 | 一种基于人脸识别与掌静脉技术的双因素身份认证系统 |
| CN105956520A (zh) * | 2016-04-20 | 2016-09-21 | 东莞市中控电子技术有限公司 | 一种基于多模式生物识别信息的个人识别装置和方法 |
| CN107305624A (zh) * | 2016-04-20 | 2017-10-31 | 厦门中控智慧信息技术有限公司 | 一种基于多模式生物识别信息的个人识别方法和装置 |
| CN107274517A (zh) * | 2017-04-25 | 2017-10-20 | 合肥中科奔巴科技有限公司 | 融合三维人脸与掌静脉识别的智能门禁系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20190034702A1 (en) | Living body detecting method and apparatus, device and storage medium | |
| CN104143086B (zh) | 人像比对在移动终端操作系统上的应用方法 | |
| CN108073885A (zh) | 指纹识别方法及电子装置 | |
| CN107194361A (zh) | 二维姿势检测方法及装置 | |
| CN107316029A (zh) | 一种活体验证方法及设备 | |
| CN107657161A (zh) | 基于人脸识别的移动支付方法及相关产品 | |
| CN109885597A (zh) | 基于机器学习的用户分群处理方法、装置及电子终端 | |
| CN109033981A (zh) | 基于超声波测距降低掌静脉识别系统功耗的方法 | |
| CN101751710A (zh) | 生物认证系统和生物认证方法 | |
| CN112419326B (zh) | 图像分割数据处理方法、装置、设备及存储介质 | |
| CN103632127A (zh) | 基于云计算的智能生物特征识别系统 | |
| CN108509945A (zh) | 通过人脸属性识别提升掌静脉识别系统性能的方法 | |
| Wahyono et al. | A New Computational Intelligence for Face Emotional Detection in Ubiquitous | |
| CN107203712A (zh) | 确定解锁方式的方法、装置、存储介质及终端 | |
| CN107451543A (zh) | 事件处理方法及相关产品 | |
| CN116166113B (zh) | 智能办证机的动态功耗调整方法及系统 | |
| CN108875553A (zh) | 人证核验的方法、装置、系统及计算机存储介质 | |
| CN109815353B (zh) | 一种基于类中心的人脸检索方法及系统 | |
| CN208580412U (zh) | 一种低功耗掌静脉识别设备及系统 | |
| CN108647672A (zh) | 可实现快速识别的掌静脉识别系统 | |
| CN116935083A (zh) | 一种图像聚类方法和装置 | |
| CN116311650A (zh) | 基于智能门禁的视线跟踪与手势识别的人机交互方法 | |
| CN108960111A (zh) | 人脸识别方法、系统及终端设备 | |
| CN115204893A (zh) | 用于电子支付的人脸识别方法、装置、计算机设备 | |
| CN112686244B (zh) | 基于图片处理接口的自动审批方法、装置、设备及介质 |
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 |