CN109214364A - 一种虹膜识别方法、系统、装置及存储介质 - Google Patents
一种虹膜识别方法、系统、装置及存储介质 Download PDFInfo
- Publication number
- CN109214364A CN109214364A CN201811239838.0A CN201811239838A CN109214364A CN 109214364 A CN109214364 A CN 109214364A CN 201811239838 A CN201811239838 A CN 201811239838A CN 109214364 A CN109214364 A CN 109214364A
- Authority
- CN
- China
- Prior art keywords
- image
- iris
- identified
- obtains
- character features
- 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
- G06V40/19—Sensors therefor
-
- 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
- G06V40/193—Preprocessing; Feature extraction
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)
- Computer Vision & Pattern Recognition (AREA)
- Collating Specific Patterns (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种虹膜识别方法、系统、装置及存储介质，方法包括以下步骤：获取待识别虹膜图像；对待识别虹膜图像进行图像处理和特征提取，得到图像特征；对图像特征进行格式转换，得到文字特征；对文字特征进行匹配比对，得到虹膜识别结果；装置包括至少一个处理器和至少一个存储器。本发明将传统的虹膜识别方法的图像特征比对过程转化为文字特征比对，大大降低了比对函数的运算复杂度，提高了工作效率，能够适用于多任务的同步识别场景，应用范围广，可广泛应用于身份识别技术领域。
Description
技术领域
本发明涉及身份识别技术领域，尤其是一种虹膜识别方法、系统、装置及存储介质。
背景技术
人的眼睛结构由巩膜、虹膜、瞳孔晶状体、视网膜等部分组成。虹膜是位于黑色瞳孔和白色巩膜之间的圆环状部分，其包含有很多相互交错的斑点、细丝、冠状、条纹、隐窝等的细节特征。而且虹膜在胎儿发育阶段形成后，在整个生命历程中将是保持不变的。这些特征决定了虹膜特征的唯一性，同时也决定了身份识别的唯一性。因此，可以将眼睛的虹膜特征作为每个人的身份识别对象。虹膜识别作为重要的身份识别特征，具有唯一性、稳定性、高安全性等特点。
目前的虹膜识别方法的流程一般是：首先通过采集设备获取用户的虹膜数据，然后对虹膜数据进行图像处理以及特征提取，最后进行特征比对，进而得到虹膜识别结果。这种传统的识别方法直接对提取到的图像特征进行比对，比对函数的运算复杂度较高，不利于同步进行多数量的虹膜识别，降低了工作效率。
发明内容
为解决上述技术问题，本发明的目的在于：提供一种运算复杂度低且效率高的虹膜识别方法、系统、装置及存储介质。
本发明一方面所采取的技术方案为：
一种虹膜识别方法，包括以下步骤：
获取待识别虹膜图像；
对待识别虹膜图像进行图像处理和特征提取，得到图像特征；
对图像特征进行格式转换，得到文字特征；
对文字特征进行匹配比对，得到虹膜识别结果。
进一步，所述获取待识别虹膜图像这一步骤，其具体为：采用接触式采集系统或者非接触式采集系统获取用户的虹膜信息；
其中，所述采用非接触式采集系统获取用户的虹膜信息这一步骤，包括以下步骤：
通过测距模块获取双目虹膜摄像头与用户虹膜之间的第一距离；
基于预设的第二距离，调整双目虹膜摄像头与用户虹膜之间的第一距离；或者，基于预设的第二距离，调整双目虹膜摄像头的景深；
通过双目虹膜摄像头获取用户的待识别虹膜图像。
进一步，所述对待识别虹膜图像进行图像处理和特征提取，得到图像特征这一步骤，包括以下步骤：
采用预设的分割算法对待识别虹膜图像进行分割处理，得到第一图像；其中，所述分割算法包括但不限于基于阈值的分割算法、基于边缘的分割算法、基于区域的分割算法、基于图论的分割算法、基于能量泛函的分割算法、基于小波的分割算法和基于神经网络的分割算法；所述第一图像为包含虹膜区域的图像；
对第一图像进行归一化处理，得到第二图像；
对第二图像进行编码，得到虹膜纹理特征。
进一步，所述采用基于阈值的分割算法对待识别虹膜图像进行分割处理，得到第一图像这一步骤，包括以下步骤：
将待识别虹膜图像进行灰度化处理，得到图像灰度直方图；
基于一个或多个阈值，对图像灰度直方图进行分类，得到第一图像。
进一步，所述对第二图像进行编码，得到虹膜纹理特征这一步骤，具体为：采用Gabor变换算法对第二图像进行编码，得到虹膜纹理特征。
进一步，所述对图像特征进行格式转换，得到文字特征这一步骤，包括以下步骤：
根据图像特征，获取图像的灰度值类别信息；
基于预设的灰度值-文字比对表，根据图像的灰度值类别信息，获取图像的文字类别信息；
根据文字类别信息，在数据库中索引得到对应的文字特征。
进一步，还包括对识别结果进行确认的步骤，所述对识别结果进行确认这一步骤，包括以下步骤：
根据虹膜识别结果，将预存的文字特征对应的用户虹膜图像与待识别虹膜图像进行一致性比对；
判断一致性比对结果是否满足设定要求，若是，则判定虹膜识别结果正确；反之，则判定虹膜识别结果失败。
本发明另一方面所采取的技术方案是：
一种虹膜识别系统，包括：
获取模块，用于获取待识别虹膜图像；
图像特征提取模块，用于对待识别虹膜图像进行图像处理和特征提取，得到图像特征；
文字特征提取模块，用于对图像特征进行格式转换，得到文字特征；
识别模块，用于对文字特征进行匹配比对，得到虹膜识别结果。
本发明另一方面所采取的技术方案是：
一种虹膜识别装置，包括：
至少一个处理器；
至少一个存储器，用于存储至少一个程序；
当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现所述的虹膜识别方法。
本发明另一方面所采取的技术方案是：
一种存储介质，其中存储有处理器可执行的指令，所述处理器可执行的指令在由处理器执行时用于执行所述的虹膜识别方法。
本发明的有益效果是：本发明将传统的虹膜识别方法的图像特征比对过程转化为文字特征比对，大大降低了比对函数的运算复杂度，提高了工作效率，能够适用于多任务的同步识别场景，应用范围广。
附图说明
图1为本发明一种虹膜识别方法的整体步骤流程图。
具体实施方式
下面结合说明书附图和具体实施例对本发明作进一步解释和说明。对于本发明实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
参照图1，本发明一种虹膜识别方法，包括以下步骤：
获取待识别虹膜图像；
对待识别虹膜图像进行图像处理和特征提取，得到图像特征；
对图像特征进行格式转换，得到文字特征；
对文字特征进行匹配比对，得到虹膜识别结果。
进一步作为优选的实施方式，所述获取待识别虹膜图像这一步骤，其具体为：采用接触式采集系统或者非接触式采集系统获取用户的虹膜信息；
其中，所述采用非接触式采集系统获取用户的虹膜信息这一步骤，包括以下步骤：
通过测距模块获取双目虹膜摄像头与用户虹膜之间的第一距离；
基于预设的第二距离，调整双目虹膜摄像头与用户虹膜之间的第一距离；或者，基于预设的第二距离，调整双目虹膜摄像头的景深；
通过双目虹膜摄像头获取用户的待识别虹膜图像。
进一步作为优选的实施方式，所述对待识别虹膜图像进行图像处理和特征提取，得到图像特征这一步骤，包括以下步骤：
采用预设的分割算法对待识别虹膜图像进行分割处理，得到第一图像；其中，所述分割算法包括但不限于基于阈值的分割算法、基于边缘的分割算法、基于区域的分割算法、基于图论的分割算法、基于能量泛函的分割算法、基于小波的分割算法和基于神经网络的分割算法；所述第一图像为包含虹膜区域的图像；
对第一图像进行归一化处理，得到第二图像；
对第二图像进行编码，得到虹膜纹理特征。
进一步作为优选的实施方式，所述采用基于阈值的分割算法对待识别虹膜图像进行分割处理，得到第一图像这一步骤，包括以下步骤：
将待识别虹膜图像进行灰度化处理，得到图像灰度直方图；
基于一个或多个阈值，对图像灰度直方图进行分类，得到第一图像。
进一步作为优选的实施方式，所述对第二图像进行编码，得到虹膜纹理特征这一步骤，具体为：采用Gabor变换算法对第二图像进行编码，得到虹膜纹理特征。
进一步作为优选的实施方式，所述对图像特征进行格式转换，得到文字特征这一步骤，包括以下步骤：
根据图像特征，获取图像的灰度值类别信息；
基于预设的灰度值-文字比对表，根据图像的灰度值类别信息，获取图像的文字类别信息；
根据文字类别信息，在数据库中索引得到对应的文字特征。
进一步作为优选的实施方式，还包括对识别结果进行确认的步骤，所述对识别结果进行确认这一步骤，包括以下步骤：
根据虹膜识别结果，将预存的文字特征对应的用户虹膜图像与待识别虹膜图像进行一致性比对；
判断一致性比对结果是否满足设定要求，若是，则判定虹膜识别结果正确；反之，则判定虹膜识别结果失败。
与图1的方法相对应，本发明实施例还提供了一种虹膜识别系统，包括：
获取模块，用于获取待识别虹膜图像；
图像特征提取模块，用于对待识别虹膜图像进行图像处理和特征提取，得到图像特征；
文字特征提取模块，用于对图像特征进行格式转换，得到文字特征；
识别模块，用于对文字特征进行匹配比对，得到虹膜识别结果。
上述方法实施例中的内容均适用于本系统实施例中，本系统实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
与图1的方法相对应，本发明实施例还提供了一种虹膜识别装置，包括：
至少一个处理器；
至少一个存储器，用于存储至少一个程序；
当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现所述的虹膜识别方法。
上述方法实施例中的内容均适用于本装置实施例中，本装置实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
与图1的方法相对应，本发明实施例还提供了一种存储介质，其中存储有处理器可执行的指令，所述处理器可执行的指令在由处理器执行时用于执行所述的虹膜识别方法。
下面以非接触式采集系统来获取用户虹膜信息为例，详细描述本发明一种虹膜识别方法的实施过程：
S1、采用非接触式采集系统获取用户的虹膜信息；
具体地，所述步骤S1包括以下步骤：
S11、通过测距模块获取双目虹膜摄像头与用户虹膜之间的第一距离；
由于双目虹膜摄像头需要采集到完整清晰的用户虹膜图像，因此需要使得摄像头设备处于一个合适的拍摄位置。
S12、基于预设的第二距离，调整双目虹膜摄像头与用户虹膜之间的第一距离；或者，基于预设的第二距离，调整双目虹膜摄像头的景深；
本发明通过调整双目摄像头的拍摄位置或者通过调整双目摄像头的景深深度，来实现对第一距离的控制，使得拍摄得到的虹膜图像满足后续的识别要求。
S13、通过双目虹膜摄像头获取用户的待识别虹膜图像。
S2、对待识别虹膜图像进行图像处理和特征提取，得到图像特征；
其中，步骤S2具体包括以下步骤：
S21、采用预设的分割算法对待识别虹膜图像进行分割处理，得到第一图像；其中，所述分割算法包括但不限于基于阈值的分割算法、基于边缘的分割算法、基于区域的分割算法、基于图论的分割算法、基于能量泛函的分割算法、基于小波的分割算法和基于神经网络的分割算法；所述第一图像为包含虹膜区域的图像；
具体地，本实施例以基于阈值的分割算法为例，所述采用基于阈值的分割算法对待识别虹膜图像进行分割处理，得到第一图像这一步骤，包括以下步骤：
S211、将待识别虹膜图像进行灰度化处理，得到图像灰度直方图；
S212、基于一个或多个阈值，对图像灰度直方图进行分类，得到第一图像。
具体地，图像分割是指将一幅图像分成若干互不重叠的子区域，使得每个子区域具有一定的相似性、而不同子区域有较为明显的差异。图像分割是图像识别、场景理解、物体检测等任务的基础预处理工作。
本实施例采用基于阈值的分割算法，直接对待识别虹膜图像的灰度信息进行阈值化处理，用一个或几个阈值将图像灰度直方图进行分类，将灰度值在同一个灰度类内的像素归为同一个物体，具体就是分割出属于虹膜区域的第一图像。本实施例直接利用图像灰度特性进行分割，实现简单、实用性强。
S22、对第一图像进行归一化处理，得到第二图像；
S23、对第二图像进行编码，得到虹膜纹理特征。
本实施例中，所述步骤S23具体为：采用Gabor变换算法对第二图像进行编码，得到虹膜纹理特征。
其中，归一化是一种简化计算的方式，即将有量纲的表达式，经过变换，化为无量纲的表达式，成为纯量。本实施例通过对第一图像进行归一化处理，然后对归一化后的第二图像进行编码，进而获取得到虹膜纹理特征，进一步降低了识别过程的复杂度，便于多任务的同步计算。
在数字图像处理领域，Gabor滤波器是以Dennis Gabor命名的，Gabor滤波器是用作边缘检测的线性滤波器。Gabor滤波器的频率和方向的表达与人类的视觉系统很相似。Gabor滤波器非常适合纹理表达和分离。在空间域中，一个二维Gabor滤波器是一个由正弦平面波调制的高斯核函数。
S3、对图像特征进行格式转换，得到文字特征；
其中，所述步骤S3具体为：
S31、根据图像特征，获取图像的灰度值类别信息；
S32、基于预设的灰度值-文字比对表，根据图像的灰度值类别信息，获取图像的文字类别信息；
S33、根据文字类别信息，在数据库中索引得到对应的文字特征。
本实施例首先在后台数据库中对具备权限的用户虹膜图像进行存储，具体存储的内容为灰度值-文字比对表，即每个用户虹膜图像对应的灰度值，都存在一个与所述灰度值一一匹配的文字，所述文字可以是二进制数字。当系统获取到待识别的虹膜图像后，则能够根据灰度值找到对应的文字信息，也就是本发明所述的文字特征。
S4、对文字特征进行匹配比对，得到虹膜识别结果。
本发明通过文字特征来进行虹膜识别，当数据库中无法找到对应的文字特征时，则表明识别失败，需要重新进行虹膜获取。
S5、对识别结果进行确认。
其中，进一步作为步骤S5的优选实施方式，所述步骤S5包括：
S51、根据虹膜识别结果，将预存的文字特征对应的用户虹膜图像与待识别虹膜图像进行一致性比对；
S52、判断一致性比对结果是否满足设定要求，若是，则判定虹膜识别结果正确；反之，则判定虹膜识别结果失败。
本发明增加了对识别结果进行确认的步骤，能够进一步确保虹膜识别的准确率，在提高识别效率的同时，也保障了识别结果的准确度，可靠性高。
以上是对本发明的较佳实施进行了具体说明，但本发明并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (10)
1.一种虹膜识别方法，其特征在于：包括以下步骤：
获取待识别虹膜图像；
对待识别虹膜图像进行图像处理和特征提取，得到图像特征；
对图像特征进行格式转换，得到文字特征；
对文字特征进行匹配比对，得到虹膜识别结果。
2.根据权利要求1所述的一种虹膜识别方法，其特征在于：所述获取待识别虹膜图像这一步骤，其具体为：采用接触式采集系统或者非接触式采集系统获取用户的虹膜信息；
其中，所述采用非接触式采集系统获取用户的虹膜信息这一步骤，包括以下步骤：
通过测距模块获取双目虹膜摄像头与用户虹膜之间的第一距离；
基于预设的第二距离，调整双目虹膜摄像头与用户虹膜之间的第一距离；或者，基于预设的第二距离，调整双目虹膜摄像头的景深；
通过双目虹膜摄像头获取用户的待识别虹膜图像。
3.根据权利要求1所述的一种虹膜识别方法，其特征在于：所述对待识别虹膜图像进行图像处理和特征提取，得到图像特征这一步骤，包括以下步骤：
采用预设的分割算法对待识别虹膜图像进行分割处理，得到第一图像；其中，所述分割算法包括但不限于基于阈值的分割算法、基于边缘的分割算法、基于区域的分割算法、基于图论的分割算法、基于能量泛函的分割算法、基于小波的分割算法和基于神经网络的分割算法；所述第一图像为包含虹膜区域的图像；
对第一图像进行归一化处理，得到第二图像；
对第二图像进行编码，得到虹膜纹理特征。
4.根据权利要求3所述的一种虹膜识别方法，其特征在于：所述采用基于阈值的分割算法对待识别虹膜图像进行分割处理，得到第一图像这一步骤，包括以下步骤：
将待识别虹膜图像进行灰度化处理，得到图像灰度直方图；
基于一个或多个阈值，对图像灰度直方图进行分类，得到第一图像。
5.根据权利要求3所述的一种虹膜识别方法，其特征在于：所述对第二图像进行编码，得到虹膜纹理特征这一步骤，具体为：采用Gabor变换算法对第二图像进行编码，得到虹膜纹理特征。
6.根据权利要求1所述的一种虹膜识别方法，其特征在于：所述对图像特征进行格式转换，得到文字特征这一步骤，包括以下步骤：
根据图像特征，获取图像的灰度值类别信息；
基于预设的灰度值-文字比对表，根据图像的灰度值类别信息，获取图像的文字类别信息；
根据文字类别信息，在数据库中索引得到对应的文字特征。
7.根据权利要求1所述的一种虹膜识别方法，其特征在于：还包括对识别结果进行确认的步骤，所述对识别结果进行确认这一步骤，包括以下步骤：
根据虹膜识别结果，将预存的文字特征对应的用户虹膜图像与待识别虹膜图像进行一致性比对；
判断一致性比对结果是否满足设定要求，若是，则判定虹膜识别结果正确；反之，则判定虹膜识别结果失败。
8.一种虹膜识别系统，其特征在于：包括：
获取模块，用于获取待识别虹膜图像；
图像特征提取模块，用于对待识别虹膜图像进行图像处理和特征提取，得到图像特征；
文字特征提取模块，用于对图像特征进行格式转换，得到文字特征；
识别模块，用于对文字特征进行匹配比对，得到虹膜识别结果。
9.一种虹膜识别装置，其特征在于：包括：
至少一个处理器；
至少一个存储器，用于存储至少一个程序；
当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如权利要求1-7中任一项所述的虹膜识别方法。
10.一种存储介质，其中存储有处理器可执行的指令，其特征在于：所述处理器可执行的指令在由处理器执行时用于执行如权利要求1-7中任一项所述的虹膜识别方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811239838.0A CN109214364A (zh) | 2018-10-24 | 2018-10-24 | 一种虹膜识别方法、系统、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811239838.0A CN109214364A (zh) | 2018-10-24 | 2018-10-24 | 一种虹膜识别方法、系统、装置及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109214364A true CN109214364A (zh) | 2019-01-15 |
Family
ID=64980011
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811239838.0A Pending CN109214364A (zh) | 2018-10-24 | 2018-10-24 | 一种虹膜识别方法、系统、装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109214364A (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1166313A (zh) * | 1997-05-30 | 1997-12-03 | 王介生 | 虹膜识别方法 |
| US20080219515A1 (en) * | 2007-03-09 | 2008-09-11 | Jiris Usa, Inc. | Iris recognition system, a method thereof, and an encryption system using the same |
| CN102306289A (zh) * | 2011-09-16 | 2012-01-04 | 兰州大学 | 基于脉冲耦合神经网络的虹膜特征提取方法 |
| CN104200201A (zh) * | 2014-08-28 | 2014-12-10 | 武汉虹识技术有限公司 | 一种应用于虹膜识别的编码方法及系统 |
| CN104715531A (zh) * | 2015-04-07 | 2015-06-17 | 北京释码大华科技有限公司 | 一种具有虹膜识别功能的门禁、服务器及系统 |
| CN105959121A (zh) * | 2016-07-08 | 2016-09-21 | 钟林超 | 一种具有身份验证功能的移动终端 |
| CN106503621A (zh) * | 2016-09-26 | 2017-03-15 | 北京无线电计量测试研究所 | 一种虹膜采集方法和系统 |
| CN108537213A (zh) * | 2018-08-09 | 2018-09-14 | 上海聚虹光电科技有限公司 | 增强虹膜识别精度的系统和方法 |
-
2018
- 2018-10-24 CN CN201811239838.0A patent/CN109214364A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1166313A (zh) * | 1997-05-30 | 1997-12-03 | 王介生 | 虹膜识别方法 |
| US20080219515A1 (en) * | 2007-03-09 | 2008-09-11 | Jiris Usa, Inc. | Iris recognition system, a method thereof, and an encryption system using the same |
| CN102306289A (zh) * | 2011-09-16 | 2012-01-04 | 兰州大学 | 基于脉冲耦合神经网络的虹膜特征提取方法 |
| CN104200201A (zh) * | 2014-08-28 | 2014-12-10 | 武汉虹识技术有限公司 | 一种应用于虹膜识别的编码方法及系统 |
| CN104715531A (zh) * | 2015-04-07 | 2015-06-17 | 北京释码大华科技有限公司 | 一种具有虹膜识别功能的门禁、服务器及系统 |
| CN105959121A (zh) * | 2016-07-08 | 2016-09-21 | 钟林超 | 一种具有身份验证功能的移动终端 |
| CN106503621A (zh) * | 2016-09-26 | 2017-03-15 | 北京无线电计量测试研究所 | 一种虹膜采集方法和系统 |
| CN108537213A (zh) * | 2018-08-09 | 2018-09-14 | 上海聚虹光电科技有限公司 | 增强虹膜识别精度的系统和方法 |
Non-Patent Citations (4)
| Title |
|---|
| S.HARIPRASATH 等: "Iris Feature Extraction and Wavelet Packet Analysis Recognition Using", 《2010 INTERNATIONAL CONFERENCE ON SIGNAL AND IMAGE PROCESSING》 * |
| 申时凯 等著: "《物联网技术开发与应用研究》", 31 October 2017, 东北师范大学出版社 * |
| 邓超 等著: "《数字图像处理与模式识别研究》", 30 June 2018, 地质出版社 * |
| 齐霁 等: "虹膜图像处理与识别技术研究", 《制造业自动化》 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10726260B2 (en) | Feature extraction and matching for biometric authentication | |
| US20200364443A1 (en) | Method for acquiring motion track and device thereof, storage medium, and terminal | |
| US10346676B2 (en) | Face detection, representation, and recognition | |
| US8184914B2 (en) | Method and system of person identification by facial image | |
| Dagnes et al. | Occlusion detection and restoration techniques for 3D face recognition: a literature review | |
| Ghoualmi et al. | An ear biometric system based on artificial bees and the scale invariant feature transform | |
| CN111401145B (zh) | 一种基于深度学习与ds证据理论的可见光虹膜识别方法 | |
| Kawulok et al. | Precise multi-level face detector for advanced analysis of facial images | |
| CN105160331A (zh) | 一种基于隐马尔可夫模型的人脸几何特征识别方法 | |
| Darapaneni et al. | Automatic face detection and recognition for attendance maintenance | |
| Soelistio et al. | Circle-based eye center localization (CECL) | |
| CN109214364A (zh) | 一种虹膜识别方法、系统、装置及存储介质 | |
| Hasan et al. | Dual iris matching for biometric identification | |
| Nigam et al. | Iris classification based on its quality | |
| Nigam et al. | Robust ear recognition using gradient ordinal relationship pattern | |
| Kovoor et al. | Iris biometric recognition system employing canny operator | |
| Fathee et al. | A Robust Iris Segmentation Algorithm Based on Pupil Region for Visible Wavelength Environments | |
| Kumar et al. | Iris based biometric identification system | |
| Sriman et al. | Robust Smart Face Recognition System Based on Integration of Local Binary Pattern (LBP), CNN and MTCNN for Attendance Registration | |
| Almezgagi et al. | Improved Iris Verification System | |
| Sarkar et al. | Face detection and recognition using skin segmentation and elastic bunch graph matching | |
| Jaison et al. | Ears In the Wild: An Efficient Ear Localisation | |
| Park et al. | FACE DETECTION USING THE 3× 3 BLOCK RANK PATTERNS OF GRADIENT MAGNITUDE IMAGES | |
| Kang et al. | Multiview Face Automatic Recognition Method Based on Geometric Characteristics | |
| Zhang et al. | Iris segmentation based on ellipse detection for Gaze tracking system |
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: 20190115 |