CN112560590A - 利用腕静脉主动识别身份的智能穿戴设备 - Google Patents

利用腕静脉主动识别身份的智能穿戴设备 Download PDF

Info

Publication number
CN112560590A
CN112560590A CN202011372658.7A CN202011372658A CN112560590A CN 112560590 A CN112560590 A CN 112560590A CN 202011372658 A CN202011372658 A CN 202011372658A CN 112560590 A CN112560590 A CN 112560590A
Authority
CN
China
Prior art keywords
image
wrist
module
vein
identification
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
Application number
CN202011372658.7A
Other languages
English (en)
Inventor
洪伟
管一鸣
梅列汝
史寿增
程勇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Anhui Chengxiaoguang Intelligent Technology Co ltd
Original Assignee
Anhui Chengxiaoguang Intelligent Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Anhui Chengxiaoguang Intelligent Technology Co ltd filed Critical Anhui Chengxiaoguang Intelligent Technology Co ltd
Priority to CN202011372658.7A priority Critical patent/CN112560590A/zh
Publication of CN112560590A publication Critical patent/CN112560590A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
    • G06V10/449—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30168—Image quality inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • 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)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Computer Security & Cryptography (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Human Computer Interaction (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computer Hardware Design (AREA)
  • Quality & Reliability (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本发明涉及腕静脉识别，具体涉及利用腕静脉主动识别身份的智能穿戴设备，包括控制器以及用于采集手腕图像的图像采集模块，控制器与用于预先存储腕静脉训练图像的数据存储模块相连，控制器与用于对图像进行三维扫描的图像扫描模块相连，控制器与用于建立识别坐标系的识别坐标建立模块相连，控制器与用于构建腕静脉识别模型的识别模型构建模块相连，识别模型构建模块与用于根据识别坐标从扫描图像中提取静脉脉络的识别脉络提取模块相连；本发明提供的技术方案能够有效克服现有技术所存在的要求手掌呈某一形态放置才能有效识别、缺乏针对采集图像质量评价的缺陷。

Description

利用腕静脉主动识别身份的智能穿戴设备
技术领域
本发明涉及腕静脉识别，具体涉及利用腕静脉主动识别身份的智能穿戴设备。
背景技术
信息技术的飞速发展推动了社会的发展，现代社会对于信息技术又提出了更新、更高的要求。例如，计算机使得经济与金融网络化，而网络经济又要求更可靠的信息安全系统，身份验证是人们加强信息安全性的基本方法之一。传统的身份验证是基于标识物(如证件、钥匙等)或密码、PIN等来完成，然而标识物携带不便、容易丢失伪造，而密码可能会被遗忘或被窃取。因此，急需一种不易被他人替代、仿制、方便、有效、安全的身份识别技术来保障人们社会生活的安全。
生物特征识别技术(Biometric Identification Technology)是指利用人体生物特征进行身份认证的一种技术。与传统的认证方法不同在于，生物特征识别方法依据的是我们人体所拥有的特征，是我们的个体特性。事实上，任何生理上的特征都可以用来进行识别，生物特征分为身体特征和行为特点两类，身体特征包括：指纹、掌型、眼睛(视网膜和虹膜)、脸形、皮肤毛孔、手腕/手的血管纹理和DNA等；行为特点包括：签名、语音、行走的步态等。
然而，有的识别身份智能穿戴设备必须要求手掌呈某一形态放置才能有效识别出腕静脉，并且手部以其他姿势放置时还会造成较大识别误差，给使用带来不便。此外，在对腕部进行图像采集后，没有针对采集图像质量的评价环节，造成由于采集图像质量不合格而导致识别错误的情况发生。
发明内容
(一)解决的技术问题
针对现有技术所存在的上述缺点，本发明提供了利用腕静脉主动识别身份的智能穿戴设备，能够有效克服现有技术所存在的要求手掌呈某一形态放置才能有效识别、缺乏针对采集图像质量评价的缺陷。
(二)技术方案
为实现以上目的，本发明通过以下技术方案予以实现：
利用腕静脉主动识别身份的智能穿戴设备，包括控制器以及用于采集手腕图像的图像采集模块，所述控制器与用于预先存储腕静脉训练图像的数据存储模块相连，所述控制器与用于对图像进行三维扫描的图像扫描模块相连，所述控制器与用于建立识别坐标系的识别坐标建立模块相连，所述控制器与用于构建腕静脉识别模型的识别模型构建模块相连，所述识别模型构建模块与用于根据识别坐标从扫描图像中提取静脉脉络的识别脉络提取模块相连；
所述控制器与用于对采集手腕图像进行预处理的图像预处理模块相连，所述控制器与用于从预处理后的图像中获取手腕图像的目标图像获取模块相连，所述控制器与用于对手腕图像进行尺寸统一的尺寸归一化模块相连，所述控制器与用于对标准大小手腕图像进行质量评价的图像质量评价模块相连，所述控制器与用于根据质量评价结果对手腕图像进行图像增强的图像增强模块相连，所述控制器与用于输出腕静脉识别模型识别结果的识别结果输出模块相连。
优选地，所述识别坐标建立模块以手掌与腕部交界处的中心为原点，以手指自然并拢方向设置X轴，以垂直于X轴的方向设置Y轴，以垂直于X轴、Y轴所在平面方向设置Z轴，建立识别坐标系。
优选地，所述识别脉络提取模块在识别坐标系中筛选截面积最大的静脉作为主枝，并以主枝为基准将向外延伸的第一级静脉作为分枝，得到静脉脉络立体模型。
优选地，所述识别模型构建模块构建腕静脉识别模型后，所述识别脉络提取模块将得到的静脉脉络立体模型输入腕静脉识别模型进行训练，所述腕静脉识别模型识别分枝数量、分枝的节点数量，以及分枝上节点与节点之间的距离。
优选地，所述图像预处理模块对采集手腕图像进行平滑处理和滤波处理，所述图像预处理模块通过非线性滤波器、中值滤波器去除手腕图像上的椒盐噪声；所述图像预处理模块通过线性滤波器、均值滤波器去除手腕图像上的指纹脏污区域及高斯噪声。
优选地，所述目标图像获取模块利用Sobel算子检测手腕的边缘轮廓，并用两条平行线内切手腕边缘轮廓，从而获取手腕图像。
优选地，所述图像质量评价模块根据影像对比度、空间域梯度、基于Gabor特征、影像信息容量以及信息熵，并结合支持向量回归模型对标准大小手腕图像进行质量评价。
优选地，所述图像质量评价模块对于标准大小手腕图像的评价结果为合格时，所述尺寸归一化模块将该标准大小手腕图像输入图像增强模块，所述图像增强模块将增强后的手腕图像输入图像扫描模块，所述识别脉络提取模块根据识别坐标从扫描图像中提取静脉脉络，并输入训练好的腕静脉识别模型中进行识别；
否则，所述尺寸归一化模块删除该标准大小手腕图像，所述控制器控制图像采集模块重新采集手腕图像。
优选地，所述腕静脉识别模型判断静脉脉络是否与数据存储模块中的数据匹配，若匹配，则所述识别结果输出模块输出“匹配成功”；否则，所述识别结果输出模块输出“匹配失败”。
优选地，还包括与所述控制器相连的用于指示图像质量评价模块的评价结果的评价结果提示模块，所述图像质量评价模块对于标准大小手腕图像的评价结果为合格时，所述控制器控制评价结果提示模块亮绿灯；否则，所述控制器控制评价结果提示模块亮红灯。
(三)有益效果
与现有技术相比，本发明所提供的利用腕静脉主动识别身份的智能穿戴设备，借助图像预处理模块能够对采集手腕图像进行平滑处理和滤波处理，利用图像质量评价模块能够对采集手腕图像的质量进行有效评价，并且只对质量合格的手腕图像进行识别，防止因采集手腕图像质量不合格而出现识别错误的情况；通过对手腕图像进行三维扫描，并根据识别坐标从扫描图像中提取静脉脉络，能够通过不同角度的手腕图像有效识别静脉脉络，减小对于采集手腕图像时手掌放置形态的限制。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述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的前提下，还可以根据这些附图获得其他的附图。
图1为本发明系统示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例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他实施例，都属于本发明保护的范围。
利用腕静脉主动识别身份的智能穿戴设备，如图1所示，包括控制器以及用于采集手腕图像的图像采集模块，控制器与用于预先存储腕静脉训练图像的数据存储模块相连，控制器与用于对图像进行三维扫描的图像扫描模块相连，控制器与用于建立识别坐标系的识别坐标建立模块相连，控制器与用于构建腕静脉识别模型的识别模型构建模块相连，识别模型构建模块与用于根据识别坐标从扫描图像中提取静脉脉络的识别脉络提取模块相连。
识别坐标建立模块以手掌与腕部交界处的中心为原点，以手指自然并拢方向设置X轴，以垂直于X轴的方向设置Y轴，以垂直于X轴、Y轴所在平面方向设置Z轴，建立识别坐标系。
识别脉络提取模块在识别坐标系中筛选截面积最大的静脉作为主枝，并以主枝为基准将向外延伸的第一级静脉作为分枝，得到静脉脉络立体模型。
识别模型构建模块构建腕静脉识别模型后，识别脉络提取模块将得到的静脉脉络立体模型输入腕静脉识别模型进行训练，腕静脉识别模型识别分枝数量、分枝的节点数量，以及分枝上节点与节点之间的距离。
本申请技术方案中，通过构建腕静脉识别模型，并利用具备权限人员的腕静脉图像作为训练图像，对腕静脉识别模型进行有效训练，而腕静脉识别模型以分枝数量、分枝的节点数量，以及分枝上节点与节点之间的距离作为识别特征进行有效识别。
控制器与用于对采集手腕图像进行预处理的图像预处理模块相连，控制器与用于从预处理后的图像中获取手腕图像的目标图像获取模块相连，控制器与用于对手腕图像进行尺寸统一的尺寸归一化模块相连，控制器与用于对标准大小手腕图像进行质量评价的图像质量评价模块相连，控制器与用于根据质量评价结果对手腕图像进行图像增强的图像增强模块相连，控制器与用于输出腕静脉识别模型识别结果的识别结果输出模块相连。
图像预处理模块对采集手腕图像进行平滑处理和滤波处理，图像预处理模块通过非线性滤波器、中值滤波器去除手腕图像上的椒盐噪声；图像预处理模块通过线性滤波器、均值滤波器去除手腕图像上的指纹脏污区域及高斯噪声。
目标图像获取模块利用Sobel算子检测手腕的边缘轮廓，并用两条平行线内切手腕边缘轮廓，从而获取手腕图像。
图像质量评价模块根据影像对比度、空间域梯度、基于Gabor特征、影像信息容量以及信息熵，并结合支持向量回归模型对标准大小手腕图像进行质量评价。
图像质量评价模块对于标准大小手腕图像的评价结果为合格时，尺寸归一化模块将该标准大小手腕图像输入图像增强模块，图像增强模块将增强后的手腕图像输入图像扫描模块，识别脉络提取模块根据识别坐标从扫描图像中提取静脉脉络，并输入训练好的腕静脉识别模型中进行识别；
否则，尺寸归一化模块删除该标准大小手腕图像，控制器控制图像采集模块重新采集手腕图像。
本申请技术方案中，利用图像质量评价模块能够对采集手腕图像的质量进行有效评价，并且只对质量合格的手腕图像进行识别，防止因采集手腕图像质量不合格而出现识别错误的情况。
腕静脉识别模型判断静脉脉络是否与数据存储模块中的数据匹配，若匹配，则识别结果输出模块输出“匹配成功”；否则，识别结果输出模块输出“匹配失败”。
本申请技术方案中，控制器还可以通过无线通信模块或者无线射频识别建立与其他身份识别设备的通信，并将本智能穿戴设备上的识别结果发送至其他身份识别设备，供其他身份识别设备识别参考。
还包括与控制器相连的用于指示图像质量评价模块的评价结果的评价结果提示模块，图像质量评价模块对于标准大小手腕图像的评价结果为合格时，控制器控制评价结果提示模块亮绿灯；否则，控制器控制评价结果提示模块亮红灯。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不会使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.利用腕静脉主动识别身份的智能穿戴设备，其特征在于：包括控制器以及用于采集手腕图像的图像采集模块，所述控制器与用于预先存储腕静脉训练图像的数据存储模块相连，所述控制器与用于对图像进行三维扫描的图像扫描模块相连，所述控制器与用于建立识别坐标系的识别坐标建立模块相连，所述控制器与用于构建腕静脉识别模型的识别模型构建模块相连，所述识别模型构建模块与用于根据识别坐标从扫描图像中提取静脉脉络的识别脉络提取模块相连；
所述控制器与用于对采集手腕图像进行预处理的图像预处理模块相连，所述控制器与用于从预处理后的图像中获取手腕图像的目标图像获取模块相连，所述控制器与用于对手腕图像进行尺寸统一的尺寸归一化模块相连，所述控制器与用于对标准大小手腕图像进行质量评价的图像质量评价模块相连，所述控制器与用于根据质量评价结果对手腕图像进行图像增强的图像增强模块相连，所述控制器与用于输出腕静脉识别模型识别结果的识别结果输出模块相连。
2.根据权利要求1所述的利用腕静脉主动识别身份的智能穿戴设备，其特征在于：所述识别坐标建立模块以手掌与腕部交界处的中心为原点，以手指自然并拢方向设置X轴，以垂直于X轴的方向设置Y轴，以垂直于X轴、Y轴所在平面方向设置Z轴，建立识别坐标系。
3.根据权利要求2所述的利用腕静脉主动识别身份的智能穿戴设备，其特征在于：所述识别脉络提取模块在识别坐标系中筛选截面积最大的静脉作为主枝，并以主枝为基准将向外延伸的第一级静脉作为分枝，得到静脉脉络立体模型。
4.根据权利要求3所述的利用腕静脉主动识别身份的智能穿戴设备，其特征在于：所述识别模型构建模块构建腕静脉识别模型后，所述识别脉络提取模块将得到的静脉脉络立体模型输入腕静脉识别模型进行训练，所述腕静脉识别模型识别分枝数量、分枝的节点数量，以及分枝上节点与节点之间的距离。
5.根据权利要求1所述的利用腕静脉主动识别身份的智能穿戴设备，其特征在于：所述图像预处理模块对采集手腕图像进行平滑处理和滤波处理，所述图像预处理模块通过非线性滤波器、中值滤波器去除手腕图像上的椒盐噪声；所述图像预处理模块通过线性滤波器、均值滤波器去除手腕图像上的指纹脏污区域及高斯噪声。
6.根据权利要求5所述的利用腕静脉主动识别身份的智能穿戴设备，其特征在于：所述目标图像获取模块利用Sobel算子检测手腕的边缘轮廓，并用两条平行线内切手腕边缘轮廓，从而获取手腕图像。
7.根据权利要求6所述的利用腕静脉主动识别身份的智能穿戴设备，其特征在于：所述图像质量评价模块根据影像对比度、空间域梯度、基于Gabor特征、影像信息容量以及信息熵，并结合支持向量回归模型对标准大小手腕图像进行质量评价。
8.根据权利要求7所述的利用腕静脉主动识别身份的智能穿戴设备，其特征在于：所述图像质量评价模块对于标准大小手腕图像的评价结果为合格时，所述尺寸归一化模块将该标准大小手腕图像输入图像增强模块，所述图像增强模块将增强后的手腕图像输入图像扫描模块，所述识别脉络提取模块根据识别坐标从扫描图像中提取静脉脉络，并输入训练好的腕静脉识别模型中进行识别；
否则，所述尺寸归一化模块删除该标准大小手腕图像，所述控制器控制图像采集模块重新采集手腕图像。
9.根据权利要求8所述的利用腕静脉主动识别身份的智能穿戴设备，其特征在于：所述腕静脉识别模型判断静脉脉络是否与数据存储模块中的数据匹配，若匹配，则所述识别结果输出模块输出“匹配成功”；否则，所述识别结果输出模块输出“匹配失败”。
10.根据权利要求8所述的利用腕静脉主动识别身份的智能穿戴设备，其特征在于：还包括与所述控制器相连的用于指示图像质量评价模块的评价结果的评价结果提示模块，所述图像质量评价模块对于标准大小手腕图像的评价结果为合格时，所述控制器控制评价结果提示模块亮绿灯；否则，所述控制器控制评价结果提示模块亮红灯。
CN202011372658.7A 2020-11-30 2020-11-30 利用腕静脉主动识别身份的智能穿戴设备 Pending CN112560590A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011372658.7A CN112560590A (zh) 2020-11-30 2020-11-30 利用腕静脉主动识别身份的智能穿戴设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011372658.7A CN112560590A (zh) 2020-11-30 2020-11-30 利用腕静脉主动识别身份的智能穿戴设备

Publications (1)

Publication Number Publication Date
CN112560590A true CN112560590A (zh) 2021-03-26

Family

ID=75045269

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011372658.7A Pending CN112560590A (zh) 2020-11-30 2020-11-30 利用腕静脉主动识别身份的智能穿戴设备

Country Status (1)

Country Link
CN (1) CN112560590A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113709434A (zh) * 2021-08-31 2021-11-26 维沃移动通信有限公司 投影手环及其投影控制方法和装置
TWI802123B (zh) * 2021-12-02 2023-05-11 財團法人工業技術研究院 3d靜脈圖譜的辨識方法及其識別裝置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160120453A (ko) * 2015-04-08 2016-10-18 주식회사 나르테크놀로지 주위 환경에 강건한 지정맥 패턴인식에 의한 차량용 사용자 인증시스템 및 그 인증 방법
CN107862282A (zh) * 2017-11-07 2018-03-30 深圳市金城保密技术有限公司 一种手指静脉识别与安全认证方法及其终端及系统
US20190347461A1 (en) * 2017-04-26 2019-11-14 South China University Of Technology Three-dimensional finger vein recognition method and system
CN111160247A (zh) * 2019-12-28 2020-05-15 广东智冠信息技术股份有限公司 一种扫描掌静脉进行立体三维建模、识别的方法
CN111639556A (zh) * 2020-05-15 2020-09-08 圣点世纪科技股份有限公司 一种非均匀插值的手指轴旋转指静脉图像纠正方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160120453A (ko) * 2015-04-08 2016-10-18 주식회사 나르테크놀로지 주위 환경에 강건한 지정맥 패턴인식에 의한 차량용 사용자 인증시스템 및 그 인증 방법
US20190347461A1 (en) * 2017-04-26 2019-11-14 South China University Of Technology Three-dimensional finger vein recognition method and system
CN107862282A (zh) * 2017-11-07 2018-03-30 深圳市金城保密技术有限公司 一种手指静脉识别与安全认证方法及其终端及系统
CN111160247A (zh) * 2019-12-28 2020-05-15 广东智冠信息技术股份有限公司 一种扫描掌静脉进行立体三维建模、识别的方法
CN111639556A (zh) * 2020-05-15 2020-09-08 圣点世纪科技股份有限公司 一种非均匀插值的手指轴旋转指静脉图像纠正方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113709434A (zh) * 2021-08-31 2021-11-26 维沃移动通信有限公司 投影手环及其投影控制方法和装置
TWI802123B (zh) * 2021-12-02 2023-05-11 財團法人工業技術研究院 3d靜脈圖譜的辨識方法及其識別裝置

Similar Documents

Publication Publication Date Title
Choraś Ear biometrics based on geometrical feature extraction
CN102542258B (zh) 基于手指生物特征信息的成像设备及多模态身份识别方法
CN106056054B (zh) 一种进行指纹识别的方法和终端
WO2013087026A1 (zh) 一种虹膜定位方法和定位装置
Yang et al. Multi-channel gabor filter design for finger-vein image enhancement
CN112560590A (zh) 利用腕静脉主动识别身份的智能穿戴设备
Trabelsi et al. A new multimodal biometric system based on finger vein and hand vein recognition
CN106934265A (zh) 一种穿戴式电子设备及身份认证系统
CN109255219A (zh) 一种基于生物识别终端的温度感应解锁方法和系统
Burge et al. Using ear biometrics for passive identification
CN109697347A (zh) 基于指静脉和指形特征的用户特征认证方法及其装置
CN108288040A (zh) 基于面部轮廓的多参数人脸识别系统
Hoshyar et al. Review on finger vein authentication system by applying neural network
TW201447625A (zh) 自適應加伯濾波器的手掌靜脈識別方法
Rossan et al. Impact of changing parameters when preprocessing dorsal hand vein pattern
Mohammed et al. Conceptual analysis of Iris Recognition Systems
Fatt et al. Fingerprint and face recognition: Application to multimodal biometrics system
Sharma et al. Improved human identification using finger vein images
Chawla et al. A robust segmentation method for iris recognition
Ghouti et al. Color iris recognition using quaternion phase correlation
Subbarayudu et al. A novel iris recognition system
Arulalan et al. Multimodal Biometric system using Iris and inner-Knuckle print
Walia et al. PPG and fingerprint: robust bimodal biometric system
CN112836194B (zh) 一种基于人手内部生物特征的身份认证方法及系统
Kaliraman et al. Iris recognition using hybrid transform

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