CN109145792A - 双指定形指静脉识别装置及方法 - Google Patents
双指定形指静脉识别装置及方法 Download PDFInfo
- Publication number
- CN109145792A CN109145792A CN201810904468.1A CN201810904468A CN109145792A CN 109145792 A CN109145792 A CN 109145792A CN 201810904468 A CN201810904468 A CN 201810904468A CN 109145792 A CN109145792 A CN 109145792A
- Authority
- CN
- China
- Prior art keywords
- finger
- fingers
- vein
- infrared
- refers
- 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
-
- 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
Landscapes
- Engineering & Computer Science (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)
Abstract
本发明公开了一种双指定形指静脉识别装置及方法,装置包括指托平台,指托平台上设置两排V形排布的红外灯柱,两排红外灯柱外侧及其交叉位置的立壁处分别设置有触控传感器,两排红外灯柱外侧的指托平台上分别设有手指托放区域,指托平台上还设有摄像模块。本发明比对2根手指静脉特征码的相似度,只有2根手指静脉特征相似度同时满足相应的阈值才判断为比对通过。本发明通过独创的硬件设计,对放置在采集设备上的手指所有方向的自由度进行了限制,由此手指得到精准定位,可重复性好,能大大降低注册失败率和本人比对失败率,通过2根手指的比对,大大提高了识别的准确度,大大降低了识假率。
Description
技术领域
本发明涉及静脉识别领域,特别涉及一种双指定形指静脉识别装置及方法。
背景技术
随着指静脉识别技术的逐步发展,目前在不同领域能得到较为广泛的应用。尽管厂家不少,但是关键技术雷同,性能也大致接近。由于目前普遍采用的方法的局限性,在速度和识别精度指标上难以做到兼备。影响精度的几大关键因素。
a,所采集图像质量的优劣;
b,图像采集的可重复性高低;
影响图像采集可重复性的因素较多,最为关键的手指放置时的旋转;由于目前主流的特征码生成和比对方法皆没有旋转不变性,所以手指旋转会造成图像采集的可重复性低下,严重影响识别精度;如图1所示,具体方向旋转包括:手指的短方向(径向)旋转2-1,和手指的长方向旋转2-2;
c,其他引起手指静脉血流量变化的因素(比如手指受力变化、气温变化等引起的血流量的变化)。
d,比对方式
一次比对一根手指,相较比对多根手指而言,误认率会更高。
发明内容
本发明目的是:提供一种双指定形指静脉识别装置及方法,通过新的硬件设计方案,采用一次放置2根手指,同时限制手指所有方向的自由度,尤其是能抑制手指旋转造成的影响,提高图像采集的可重复性,进而极大提高比对的精度。
本发明的技术方案是:
双指定形指静脉识别装置,包括指托平台,所述指托平台上设置两排V形排布的红外灯柱,两排红外灯柱外侧及其交叉位置的立壁处分别设置有一个触控传感器,两排红外灯柱外侧的指托平台上分别设有手指托放区域,手指托放区域分别设有摄像模块,所述红外灯柱、触控传感器和摄像模块分别连接控制识别模块。
优选的,所述摄像模块采用1个或多个摄像头,红外灯柱为两排及两排以上,针对两根及两根以上手指进行同时或分时拍摄识别。
双指定形指静脉识别方法,包括步骤:
1)伸出两根手指放置到手指托放区域,两根手指之间的指根轻触立壁位置的第一触控传感器,两指内侧夹住两排红外灯柱外侧的第二、第三触控传感器;
2)三处触控传感器均检出手指贴靠后,触发摄像模块,摄像模块完成红外图像的采集;
3)针对已采集的手指图片进行裁剪和画质判断;
4)针对已采集的手指图片进行预处理;
5)生成静脉中心特征码,并对静脉幅度进行归一化;
6)注册特征码;
7)重复上述步骤1-5,实时采集待比对图像;
8)使用实时采集的图像的特征码,依据预设好比对阈值,跟已注册特征码进行一一比对;比对通过,则终止比对并输出“比对通过”的结果;比对至注册库里的最后一个特征码都没有通过的,则输出“比对失败”的结果。
优选的,步骤3)中针对已采集的手指图片进行裁剪的区域,为紧贴第二、第三触控传感器的矩形区域。
优选的,步骤3)中画质判断包括:
针对每个裁剪区,又进一步划分出不重叠的数个小块,并对每个方块计算均方差C,
其中,xi为小块内每个像素的灰度,xM为小块的平均灰度,N为小块内的总像素数;
然后,计算出所有小块的灰度均方差的平均值Q,作为裁剪去的画质判断标准,
最后,预设画质判断阈值;
等于或高于阈值的为合格图像,低于阈值的为不合格图像。
优选的,步骤4)针对已采集的手指图片进行预处理,使用高斯平滑滤波器进行降噪处理。
优选的,步骤5)生成静脉中心特征码,采用最大K值法,具体包括:
5-1)建立映射
F(x,y)=Trs(Pf(z)),
F是一幅手指图像,F(x,y)是图像上像素点(x,y)的灰度值,定义F(x,y)在各个方向各个位置得到的横截面轮廓为Pf(z),z是轮廓上的一个点;Trs为由Pf(z)上的一个点到F(x,y)的映射函数;
5-2)计算曲率k值
依据垂直方向截面轮廓图,曲率k值的定义如下:
k(z)为正时,对应轮廓凹点;k(z)为负时,对应轮廓凸点;
5-3)静脉中心点抽出
计算凹点的最大曲率,得到静脉中心点Zi',对每个中心点计算一个得分Scr,
Scr(zi')=k(zi')x Wr(i)
其中Wr(i)为zi'点周围曲率为正区域的宽度,如果Wr(i)越大,代表该静脉越大、越清晰;
静脉垂直方向的得分用一个2维变量保存,并且V(xi',yi')要进行初始化,赋值为0;
V(xi',yi')=V(xi',yi')+Scr(zi')
其中(xi',yi')代表点F(xi',yi')=Trs(Pf(zi'));
5-4)计算4个方向的轮廓得分图
四个方向为水平方向、垂直方向、45°方向及135°方向;
5-5)去噪
去噪计算方法:Cd1(x,y)=med{Vd1(x-1,y),Vd1(x,y),Vd1(x+1,y)}
其中,med()是中值滤波函数;
同样方法得到Cd2,Cd3,Cd4;
5-6)连接
选取每个像素的Cd1,Cd2,Cd3和Cd4的最大值,得到最终的最大曲率特征图像G(x,y);
G=MAX(Cd1,Cd2,Cd3,Cd4);
5-7)二值化
采用大津二值化的方法。
优选的,步骤8)使用实时采集的图像的特征码,跟已注册特征码进行一一比对,比对阈值预设S,
首先进行第一根手指No.1的比对,得到相似度值S1;若S1<S,则比对失败,若S1>S,则进行第二手指No.2的比对,
第二手指No.2的比对,得到相似度值S2;若S2<S,则比对失败,若S2>S,则比对通过。
优选的,针对三根及三根以上手指进行同时或分时拍摄识别,同时满足相应的阈值的识别方法。
本发明的优点是:
1.本发明通过独创的硬件设计,对放置在采集设备上的手指所有方向的自由度进行了限制,由此手指得到精准定位,可重复性好,能大大降低注册失败率和本人比对失败率(即拒真率FRR)。
2.本发明又通过2根手指的比对,大大提高了识别的准确度,大大降低了识假率(FAR),假定单根手指比对的识假率为FAR1=α,则采用该发明的方法比对的结果FAR2=α^2。
附图说明
下面结合附图及实施例对本发明作进一步描述:
图1为背景技术中手指放置时的旋转的示意图;
图2为本发明的双指定形指静脉识别装置的示意图;
图3为本发明的双指定形指静脉识别方法的整体流程图;
图4为本发明建立的空间6自由度示意图;
图5为本发明对已采集的手指图片进行裁剪的示意图;
图6为本发明静脉的截面轮廓的示意图;
图7为本发明静脉垂直方向的轮廓、曲率、得分的关系图;
图8为本发明实时采集的图像的特征码与已注册特征码比对的流程图。
具体实施方式
如图2所示,本发明的双指定形指静脉识别装置,包括指托平台1,所述指托平台上设置两排V形排布的红外灯柱2,两排红外灯柱外侧及其交叉位置的立壁处分别设置有一个触控传感器,即第一触控传感器31、第二触控传感器32、第三触控传感器33,两排红外灯柱外侧的指托平台1上分别设有第一手指托放区域41和第二手指托放区域42,手指托放区域分别设有摄像模块,所述红外灯柱、触控传感器和摄像模块分别连接控制识别模块。
针对背景技术影响因素a,通常采用高感度图像传感器搭配合适的镜头模组就能采集到不错的图像。针对背景技术影响因素c,通常采用最大K值法检出血管中心线就可以提高识别的精度和鲁棒性。
本发明重点是针对以上影响因素b(手指旋转)和影响因素d(单一比对)提出的解决方案,具体如下:
1,通过新的硬件设计方案,采用一次放置2根手指,同时限制手指在所有方向的自由度,尤其是能抑制手指旋转造成的影响,提高图像采集的可重复性。
2,单个摄像头针对2根手指同时拍照,或单个摄像头针对2根手指分时拍照,得到2根手指静脉图像的方法;
3,2个摄像头分别对1根手指,同时或者分时进行拍照,得到2根手指静脉图像的方法;
4,最大K值法检出血管中心线,并生成特征码。
6,同时比对2根手指静脉特征码的相似度,只有2根手指静脉特征相似度同时满足相应的阈值才判断为比对通过。
通过以上方法,能极大提高图像采集的可重复性,同时极大提高比对的精度。
该方法同样适合于采用1个或多个摄像头,红外灯柱为三排或三排以上,针对三根及三根以上手指进行同时或分时拍摄识别,并同时满足相应的阈值的识别方法。
如图3所示,为双指定形指静脉识别方法的流程图,包括步骤:
1)伸出两根手指放置到手指托放区域,两根手指之间的指根轻触立壁位置的第一触控传感器,两指内侧夹住两排红外灯柱外侧的第二、第三触控传感器;
本发明的指托平台,两排V形排布的红外灯柱,三个触控传感器,配合两根手指同时放置的使用方法,可以完全限制两根手指的6个自由度,即限制了X方向的平移,Y方向的平移,Z方向的平移,绕Z轴方向的旋转,X轴方向的旋转,Y轴方向的旋转,从而达到完全地、唯一地确定两根手指的位置和姿态,进而确保可重复性。图4为为空间6自由度示意图。
具体的以第一手指托放区域41的第一根手指为例,看看6个自由度是如何限制的:
第一触控传感器31的顶靠,限制了Y方向的平移;
第二触控传感器32的贴靠,限制了X方向的平移;
指托平台1,限制了Z方向的平移;
(第一触控传感器31+第二触控传感器32+指托平台1)的组合,限制了指托平面内以第一触控传感器31为支点的绕Z轴方向的旋转(即为上述“长方向旋转”);
(第一触控传感器31+第二触控传感器32+指托平台1)的组合,同时也限制了以第一触控传感器31为支点的X轴方向的旋转;
(第一触控传感器31+第二触控传感器32+指托平台1+第二根手指)的组合,限制了第一根手指的Y轴方向的旋转,即为上述的“短方向旋转”;
1-2)第二手指托放区域41的第二根手指的6个自由度的限制方法同第一根手指。
2)三处触控传感器均检出手指贴靠后,触发摄像模块,摄像模块完成红外图像的采集。
3)针对已采集的手指图片进行裁剪和画质判断;
如图5所示,针对已采集的手指图片进行裁剪的区域,为紧贴第二触控传感器32的第一矩形区域43和紧贴第三触控传感器33的第二矩形区域44。
画质判断包括:
针对每个裁剪区,又进一步划分出不重叠的数个小块,并对每个方块计算均方差C,
其中,xi为小块内每个像素的灰度,xM为小块的平均灰度,N为小块内的总像素数;
然后,计算出所有小块的灰度均方差的平均值Q,作为裁剪去的画质判断标准,
最后,预设画质判断阈值;依据注册和比对的方案,可以设1个阈值,也可以设数个阈值;
通常只有一个阈值的话,等于或高于阈值的为合格图像,低于阈值的为不合格图像。
4)针对已采集的手指图片进行预处理;
使用高斯平滑滤波器进行降噪处理,以下是SIZE=5的高斯内核示例:
5)生成静脉中心特征码,并对静脉幅度进行归一化;
采用最大K值法,具体包括:
5-1)建立映射
F(x,y)=Trs(Pf(z))
F是一幅手指图像,F(x,y)是图像上像素点(x,y)的灰度值,定义F(x,y)在各个方向各个位置得到的横截面轮廓为Pf(z),z是轮廓上的一个点。
Trs为由Pf(z)上的一个点到F(x,y)的映射函数。
5-2)计算k值(曲率)
垂直方向截面轮廓图如图6所示,
曲率k值的定义如下:
k(z)为正时,对应轮廓凹点;k(z)为负时,对应轮廓凸点。
5-3)静脉中心点抽出
计算凹点的最大曲率,得到静脉中心点Zi',对每个中心点计算一个得分Scr
Scr(zi')=k(zi')x Wr(i)
其中Wr(i)为zi'点周围曲率为正区域的宽度。如果Wr(i)越大,代表该静脉越大、越清晰;
静脉垂直方向的轮廓、曲率、得分的关系如图7所示:
得分用一个2维变量保存。并且V(xi',yi')要进行初始化,赋值为0,
V(xi',yi')=V(xi',yi')+Scr(zi')
其中(xi',yi')代表点F(xi',yi')=Trs(Pf(zi'))。
5-4)计算4个方向的轮廓得分图
四个方向为水平方向、垂直方向、45°方向及135°方向。
5-5)去噪
方法:Cd1(x,y)=med{Vd1(x-1,y),Vd1(x,y),Vd1(x+1,y)}
其中,med()是中值滤波函数;
同样方法得到Cd2,Cd3,Cd4。
5-6)连接
选取每个像素的Cd1,Cd2,Cd3和Cd4的最大值,得到最终的最大曲率特征图像G(x,y)。
G=MAX(Cd1,Cd2,Cd3,Cd4)
5-7)二值化
通常可采用大津二值化的方法。
6)注册特征码。
7)重复上述步骤1-5,实时采集待比对图像。
8)如图8所示,使用实时采集的图像的特征码,跟已注册特征码进行一一比对,比对阈值预设S;
首先进行第一根手指No.1的比对,得到相似度值S1;若S1<S,则比对失败,若S1>S,则进行第二手指No.2的比对;
第二手指No.2的比对,得到相似度值S2;若S2<S,则比对失败,若S2>S,则比对通过。
针对三根及三根以上手指进行同时或分时拍摄识别,同时满足相应的阈值的识别方法。
上述实施例只为说明本发明的技术构思及特点,其目的在于让熟悉此项技术的人能够了解本发明的内容并据以实施,并不能以此限制本发明的保护范围。凡根据本发明主要技术方案的精神实质所做的修饰,都应涵盖在本发明的保护范围之内。
Claims (9)
1.双指定形指静脉识别装置,其特征在于:包括指托平台,所述指托平台上设置两排V形排布的红外灯柱,两排红外灯柱外侧及其交叉位置的立壁处分别设置有一个触控传感器,两排红外灯柱外侧的指托平台上分别设有手指托放区域,指托平台上还设有摄像模块,所述红外灯柱、触控传感器和摄像模块分别连接控制识别模块。
2.根据权利要求1所述的双指定形指静脉识别装置,其特征在于:所述摄像模块采用1个或多个摄像头,红外灯柱为两排或两排以上,针对两根或两根以上手指进行同时或分时拍摄识别。
3.双指定形指静脉识别方法,其特征在于,包括步骤:
1)伸出两根手指放置到手指托放区域,两根手指之间的指根轻触立壁位置的第一触控传感器,两指内侧夹住两排红外灯柱外侧的第二、第三触控传感器;
2)三处触控传感器均检出手指贴靠后,触发摄像模块,摄像模块完成红外图像的采集;
3)针对已采集的手指图片进行裁剪和画质判断;
4)针对已采集的手指图片进行预处理;
5)生成静脉中心特征码,并对静脉幅度进行归一化;
6)注册特征码;
7)重复上述步骤1-5,实时采集待比对图像;
8)使用实时采集的图像的特征码,依据预设好比对阈值,跟已注册特征码进行一一比对;比对通过,则终止比对并输出“比对通过”的结果;比对至注册库里的最后一个特征码都没有通过的,则输出“比对失败”的结果。
4.根据权利要求3所述的双指定形指静脉识别方法,其特征在于,步骤3)中针对已采集的手指图片进行裁剪的区域,为紧贴第二、第三触控传感器的矩形区域。
5.根据权利要求3所述的双指定形指静脉识别方法,其特征在于,步骤3)中画质判断包括:
针对每个裁剪区,又进一步划分出不重叠的数个小块,并对每个方块计算均方差C,
其中,xi为小块内每个像素的灰度,xM为小块的平均灰度,N为小块内的总像素数;
然后,计算出所有小块的灰度均方差的平均值Q,作为裁剪去的画质判断标准,
最后,预设画质判断阈值;
等于或高于阈值的为合格图像,低于阈值的为不合格图像。
6.根据权利要求3所述的双指定形指静脉识别方法,其特征在于,步骤4)针对已采集的手指图片进行预处理,使用高斯平滑滤波器进行降噪处理。
7.根据权利要求3所述的双指定形指静脉识别方法,其特征在于,步骤5)生成静脉中心特征码,采用最大K值法,具体包括:
5-1)建立映射
F(x,y)=Trs(Pf(z)),
F是一幅手指图像,F(x,y)是图像上像素点(x,y)的灰度值,定义F(x,y)在各个方向各个位置得到的横截面轮廓为Pf(z),z是轮廓上的一个点;Trs为由Pf(z)上的一个点到F(x,y)的映射函数;
5-2)计算曲率k值
依据垂直方向截面轮廓图,曲率k值的定义如下:
k(z)为正时,对应轮廓凹点;k(z)为负时,对应轮廓凸点;
5-3)静脉中心点抽出
计算凹点的最大曲率,得到静脉中心点Zi',对每个中心点计算一个得分Scr,Scr(zi')=k(zi')x Wr(i)
其中Wr(i)为zi'点周围曲率为正区域的宽度,如果Wr(i)越大,代表该静脉越大、越清晰;
静脉垂直方向的得分用一个2维变量保存,并且V(xi',yi')要进行初始化,赋值为0;
V(xi',yi')=V(xi',yi')+Scr(zi')
其中(xi',yi')代表点F(xi',yi')=Trs(Pf(zi'));
5-4)计算4个方向的轮廓得分图
四个方向为水平方向、垂直方向、45°方向及135°方向;
5-5)去噪
去噪计算方法:Cd1(x,y)=med{Vd1(x-1,y),Vd1(x,y),Vd1(x+1,y)}
其中,med()是中值滤波函数;
同样方法得到Cd2,Cd3,Cd4;
5-6)连接
选取每个像素的Cd1,Cd2,Cd3和Cd4的最大值,得到最终的最大曲率特征图像G(x,y);
G=MAX(Cd1,Cd2,Cd3,Cd4);
5-7)二值化
采用大津二值化的方法。
8.根据权利要求3所述的双指定形指静脉识别方法,其特征在于,步骤8)使用实时采集的图像的特征码,跟已注册特征码进行一一比对,比对阈值预设S,
首先进行第一根手指No.1的比对,得到相似度值S1;若S1<S,则比对失败,若S1>S,则进行第二手指No.2的比对,
第二手指No.2的比对,得到相似度值S2;若S2<S,则比对失败,若S2>S,则比对通过。
9.根据权利要求3所述的双指定形指静脉识别方法,其特征在于,针对三根及三根以上手指进行同时或分时拍摄识别,同时满足相应的阈值的识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810904468.1A CN109145792A (zh) | 2018-08-09 | 2018-08-09 | 双指定形指静脉识别装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810904468.1A CN109145792A (zh) | 2018-08-09 | 2018-08-09 | 双指定形指静脉识别装置及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109145792A true CN109145792A (zh) | 2019-01-04 |
Family
ID=64792427
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810904468.1A Pending CN109145792A (zh) | 2018-08-09 | 2018-08-09 | 双指定形指静脉识别装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109145792A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111639555A (zh) * | 2020-05-15 | 2020-09-08 | 圣点世纪科技股份有限公司 | 一种指静脉图像噪声精确提取和自适应滤波去噪方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101004789A (zh) * | 2006-01-17 | 2007-07-25 | 郭岳衡 | 手指静脉图像识别装置 |
US20080068343A1 (en) * | 2006-09-14 | 2008-03-20 | Takeshi Hoshino | Tactile pin display apparatus |
CN102043961A (zh) * | 2010-12-02 | 2011-05-04 | 北京交通大学 | 静脉特征提取方法及利用双指静脉和指形特征进行身份认证的方法 |
CN104239769A (zh) * | 2014-09-18 | 2014-12-24 | 北京智慧眼科技发展有限公司 | 基于手指静脉特征的身份识别方法及系统 |
CN107392185A (zh) * | 2017-08-29 | 2017-11-24 | 广州微盾科技股份有限公司 | 一种超薄型手指静脉识别装置及识别方法 |
-
2018
- 2018-08-09 CN CN201810904468.1A patent/CN109145792A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101004789A (zh) * | 2006-01-17 | 2007-07-25 | 郭岳衡 | 手指静脉图像识别装置 |
US20080068343A1 (en) * | 2006-09-14 | 2008-03-20 | Takeshi Hoshino | Tactile pin display apparatus |
CN102043961A (zh) * | 2010-12-02 | 2011-05-04 | 北京交通大学 | 静脉特征提取方法及利用双指静脉和指形特征进行身份认证的方法 |
CN104239769A (zh) * | 2014-09-18 | 2014-12-24 | 北京智慧眼科技发展有限公司 | 基于手指静脉特征的身份识别方法及系统 |
CN107392185A (zh) * | 2017-08-29 | 2017-11-24 | 广州微盾科技股份有限公司 | 一种超薄型手指静脉识别装置及识别方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111639555A (zh) * | 2020-05-15 | 2020-09-08 | 圣点世纪科技股份有限公司 | 一种指静脉图像噪声精确提取和自适应滤波去噪方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107341473B (zh) | 手掌特征识别方法、手掌特征识别设备、及存储介质 | |
CN109117803B (zh) | 人脸图像的聚类方法、装置、服务器及存储介质 | |
WO2017059591A1 (zh) | 手指静脉识别方法及装置 | |
CN108960068B (zh) | 用于采集手指静脉图像的光源亮度调节装置及方法 | |
CN104933432B (zh) | 一种指腹折痕和指静脉图像的处理方法 | |
CN113936307B (zh) | 一种基于薄膜传感器的静脉图像识别方法及装置 | |
TW201605407A (zh) | 瞳孔定位方法與裝置及其電腦程式產品 | |
WO2016165107A1 (zh) | 一种采集指纹的方法、指纹采集器以及终端 | |
CN107729883A (zh) | 一种静脉图像感兴趣区域提取方法 | |
JP2013206002A (ja) | 非接触生体認証装置 | |
CN108346157A (zh) | 一种基于牛顿定理的物体拍摄图像中椭圆检测方法 | |
JP5995217B2 (ja) | 瞳孔部分を近似する楕円の検出を行う方法 | |
Mohammed et al. | Accurate pupil features extraction based on new projection function | |
CN108734069B (zh) | 一种指静脉图像的质量分数计算方法及装置 | |
Sun et al. | A DSP-based finger vein authentication system | |
CN109145792A (zh) | 双指定形指静脉识别装置及方法 | |
CN105631285A (zh) | 一种生物特征身份识别方法及装置 | |
CN103544469B (zh) | 一种基于掌心测距的指尖检测方法和装置 | |
CN116778537B (zh) | 一种指背静脉图像识别过程中指甲的检测与处理方法 | |
CN111881841B (zh) | 一种基于双目视觉的人脸检测识别方法 | |
CN106650554A (zh) | 静态手势识别方法 | |
CN114898413B (zh) | 一种复杂背景下的基于图像轮廓方向场的静脉识别方法 | |
CN114882539B (zh) | 一种静脉图像roi提取方法及装置 | |
CN106406507B (zh) | 图像处理方法以及电子设备 | |
CN113936305B (zh) | 一种手掌识别过程中的中指位置确认方法及特征提取方法 |
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 |
Application publication date: 20190104 |
|
RJ01 | Rejection of invention patent application after publication |