CN112784802B - 一种基于激光扫描三维点云的掌纹识别系统及方法 - Google Patents

一种基于激光扫描三维点云的掌纹识别系统及方法 Download PDF

Info

Publication number
CN112784802B
CN112784802B CN202110148341.3A CN202110148341A CN112784802B CN 112784802 B CN112784802 B CN 112784802B CN 202110148341 A CN202110148341 A CN 202110148341A CN 112784802 B CN112784802 B CN 112784802B
Authority
CN
China
Prior art keywords
laser
palm
industrial camera
shell
palmprint
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.)
Active
Application number
CN202110148341.3A
Other languages
English (en)
Other versions
CN112784802A (zh
Inventor
余学才
李敬夏
郭甜
陈旭昂
李陈
秦宗
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.)
Chengdu Duojizi Technology Co ltd
Original Assignee
Chengdu Duojizi 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 Chengdu Duojizi Technology Co ltd filed Critical Chengdu Duojizi Technology Co ltd
Priority to CN202110148341.3A priority Critical patent/CN112784802B/zh
Publication of CN112784802A publication Critical patent/CN112784802A/zh
Application granted granted Critical
Publication of CN112784802B publication Critical patent/CN112784802B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06V40/12—Fingerprints or palmprints
    • G06V40/13—Sensors therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • 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
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1347—Preprocessing; Feature extraction
    • 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
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1365—Matching; Classification

Abstract

本发明公开了一种基于激光扫描三维点云的掌纹识别系统，包括电脑控制端和图像采集装置，图像采集装置包括外壳和外壳内的滑轨、线型激光器、工业相机和系统电源；外壳的顶部设有用于放置手掌的扫描区域，滑轨设置在扫描区域的正下方并且横跨外壳内部，线型激光器和工业相机设置在滑轨上；系统电源设置在滑轨下方的外壳内，系统电源向电机、线型激光器、工业相机供电；电机、线型激光器和工业相机分别与电脑控制端相连。本发明采用线激光扫描方式采集掌纹信息，通过处理不同时刻掌纹上的线激光条纹，经由电脑端图像处理模块得到每时刻线激光条纹的关键点，完成人体特征的三维识别功能，克服了二维指纹识别的准确度不足以及易被破解的安全性问题。

Description

一种基于激光扫描三维点云的掌纹识别系统及方法
技术领域
本发明属于生物特征识别系统，特别涉及一种基于激光扫描三维点云的掌纹识别系统及方法。
背景技术
生物特征识别技术是一种利用人体独一无二的生物特征进行身份识别的技术。与传统的身份识别方式(如密码、证件、口令等)相比，人体的生物特征具有随身“携带”、防伪性能好、随时随地可用等优点。
目前，在国内生物特征识别产业中，指纹识别技术和产品仍然占据主导地位，指纹识别是古老的生物特征识别技术，在很多领域中都得到了成功的运用，任何两个不同手指的指纹纹脊的式样不同，并且指纹纹脊的式样在人的一生中不会改变。这一发现奠定了现代指纹识别技术的理论基础。指纹图像获取的技术按信号采集原理目前有光学式、压敏式、电容式、电感式、热敏式和超声波式等。另外，也可以通过扫描仪、数字相机等获取指纹图像。但是该识别方式很大程度依赖于获取指纹图像的质量。不同季节间指纹的差异，芯片表面残留物带来噪声；手指按压过程中的扭转和拉伸；按压力度等因素使指纹产生变形，这些都会影响指纹质量。造成识别困难的问题。同时，每一采集指纹时都会在指纹采集设备接触面上留下用户的指纹印痕，而这些二维图像信息存在被用来复制指纹的可能性。二维的指纹痕迹被获取和复制的可能性变得更大，信息泄露的问题凸显。
虹膜识别是生物特征识别领域的又一方式，虹膜是一个位于瞳孔和巩膜之间的环状区域，该特征依赖于胚胎的发育，具有高稳定性。但是通过对虹膜扫描识别不便于应用在各种场合。且扫描虹膜容易对眼睛造成损伤，不具备普适性。
人脸识别也是现今热门的领域。有通过获取人脸的二维图像信息识别，也有通过双目相机获取三位人脸特征的识别方式。具有一般普适性。但该方式在获取人脸图像时对用户隐私破坏明显，广泛受众往往不能接受个人脸部信息被轻易获取。
发明内容
本发明的目的在于克服现有技术的不足，提供一种采用线激光扫描方式采集掌纹信息，通过处理不同时刻掌纹上的线激光条纹，经由电脑端图像处理模块得到每时刻线激光条纹的关键点，即掌纹上的主线特征点，完成人体特征的三维识别功能的基于激光扫描三维点云的掌纹识别系统及方法。
本发明的目的是通过以下技术方案来实现的：一种基于激光扫描三维点云的掌纹识别系统，包括电脑控制端和图像采集装置，所述图像采集装置包括外壳和设置在外壳内部的滑轨、线型激光器、工业相机和系统电源；外壳的顶部设有用于放置手掌的扫描区域，滑轨设置在扫描区域的正下方并且滑轨横跨外壳内部，线型激光器和工业相机设置在滑轨上，线型激光器和工业相机在电机的驱动下沿滑轨滑行；系统电源设置在滑轨下方的外壳内，系统电源用于向电机、线型激光器、工业相机供电；电机、线型激光器和工业相机分别与电脑控制端相连。
本发明的另一个目的在于提供一种基于激光扫描三维点云的掌纹识别系统，包括以下步骤：
S1、启动掌纹识别系统，并将手掌放置在扫描区域；
S2、电机带动线型激光器和工业相机在滑轨上滑行，对扫描区域内的手掌进行线激光扫描，利用工业相机获取线激光在不同时刻投射手掌上的垂直投射图像信息；并将获取的图像信息传回电脑控制端；
S3、采用Harris角点检测算法和机器学习方法对获取的图像进行处理；
包括以下子步骤：
S31、计算获取的图像I(x,y)在x和y两个方向的梯度Ix和Iy：
表示求向量积；
S32、计算图像两个方向梯度的乘积：
S33、使用高斯函数对和Ixy进行高斯加权，生成自相关函数的系数矩阵M的元素A、B、C：
其中ω表示高斯函数；
得到系数矩阵M为：
S34、计算每个像素的Harris响应值R：
R＝det M-α(traceM)2；
det M表示矩阵M的行列式，traceM表示矩阵M的迹，α为经验常数，设定为0.05；
将小于预设阈值t的R置为零；
S35、对所有像素点在3×3或者5×5的邻域内进行非最大值抑制，选择区域内Harris响应值R最大的像素点作为角点；
获得角点后对二维图像进行三维解析，得到深度维度的坐标z为：
zi＝(xi-x0)tanβ
其中xi为某时刻得到角点的横坐标，x0为该点所在参考平面的坐标，角度β为激光器的仰角；
S36、根据电机的运动速度v每条线激光的特征点展开，获取到整个过程的点云数据图像，解析得到三维的点云关系，得到空间y方向坐标：
yi＝nvΔt
其中n为第n条激光线，v表示扫描速度，Δt表示采集间隔时间；
针对得到的三维点云关系，通过机器学习的方式对比不同人的特征，将采集到的掌纹和数据库中掌纹特征做数据对比，若数据库中没有与采集到的掌纹相吻合的数据则表明库中无此掌纹数据，执行步骤S37；若与库中某一掌纹特征相吻合，该掌纹即为同一人所有；
S37、对不属于数据库中的掌纹进行信息注册，录入数据库。
进一步地，所述步骤S2中，每隔0.05秒采集一次掌纹信息。
本发明的有益效果是：本发明采用线激光扫描方式采集掌纹信息，通过处理不同时刻掌纹上的线激光条纹，经由电脑端图像处理模块得到每时刻线激光条纹的关键点，即掌纹上的主线特征点，完成人体特征的三维识别功能，兼具了二维指纹识别的普适性和易于接受性，同时克服了一般二维指纹识别的准确度不足以及易于被破解的安全性问题。
附图说明
图1为本发明的基于激光扫描三维点云的掌纹识别系统的结构图；
图2为本发明的线激光图像在参考面和采集时刻的图像；
图3为本发明的三维点云关系图；
附图标记说明：1-电脑控制端，2-外壳，3-滑轨，4-线型激光器，5-工业相机，6-系统电源，7-扫描区域。
具体实施方式
下面结合附图进一步说明本发明的技术方案。
如图1所示，本发明的一种基于激光扫描三维点云的掌纹识别系统，包括电脑控制端1和图像采集装置，所述图像采集装置包括外壳2和设置在外壳内部的滑轨3、线型激光器4、工业相机5和系统电源6；外壳1的顶部设有用于放置手掌的扫描区域7，滑轨3设置在扫描区域7的正下方并且滑轨3横跨外壳内部，线型激光器4和工业相机5设置在滑轨3上，线型激光器4和工业相机5在电机的驱动下沿滑轨3滑行；系统电源6设置在滑轨3下方的外壳内，系统电源6用于向电机、线型激光器4、工业相机5供电；电机、线型激光器4和工业相机5分别与电脑控制端1相连。
本发明在一个封闭壳体上方留出约80×80mm的手掌放置区，上方左侧为系统的电脑控制端。负责连接毫米级步进电机、线型激光器、工业相机。控制端选择开始扫描后，下方电机带动线型激光器对待测区掌纹做固定方向的线激光扫描。由系统设定好的电机运动速度和安装线激光的投射角度，使得系统启动后，线激光扫描范围正处于封闭壳体上方的手掌放置区域。工业相机与激光器同步运行，每隔0.05s采集一次线激光投射图像，工业相机拍摄位置垂直与手掌放置区域，用于获取线激光在不同时刻投射在放置手掌上的垂直投射图像信息。获取的图像信息传回电脑控制端，通过对比线激光在无待测物体和扫描获得的掌纹的相位差距，同时考虑激光扫描角度，即可获取掌纹的时刻深度信息。再利用步进电机的速度和位置关系，获取每条线激光所处实际掌纹平面的位置信息。结合100张扫描图像，即可通过系统的图像处理算法得到整个手掌纹路的三维信息。为了方便获取掌纹主线，该系统对每条激光线的关键点位置做单独提取。每条激光线提取特征最明显的点，即为掌纹的主线位置信息或者关键位置点云信息。由于掌纹也是人体生物特征之一，因此具备特征识别的普遍性、唯一性、可测量性和稳定性。利用常用的点云识别技术。通过对比系统端存储的已有生物信息。用作识别本次提取得到的三维特征点是否为已有人物特征。
若识别过程中未检测到足够的关键特征点，则系统操作端提示“是否未放置待检测手掌”。若检测到的掌纹不存在系统中。则操作端提示“检测信息不存在，是否重新检测”。若识别到该特征存在，则操作端显示录入系统时的人物信息。识别过程耗时5s，完成处理100张特征图像的融合与识别。
一种基于激光扫描三维点云的掌纹识别系统，包括以下步骤：
S1、启动掌纹识别系统，并将手掌放置在扫描区域；
S2、电机带动线型激光器和工业相机在滑轨上滑行，对扫描区域内的手掌进行线激光扫描，利用工业相机获取线激光在不同时刻投射手掌上的垂直投射图像信息；并将获取的图像信息传回电脑控制端；
S3、采用Harris角点检测算法和机器学习方法对获取的图像进行处理；
包括以下子步骤：
S31、计算获取的图像I(x,y)在x和y两个方向的梯度Ix和Iy：
表示求向量积；
S32、计算图像两个方向梯度的乘积：
S33、使用高斯函数对和Ixy进行高斯加权，生成自相关函数的系数矩阵M的元素A、B、C：
其中ω表示高斯函数；
得到系数矩阵M为：
S34、计算每个像素的Harris响应值R：
R＝det M-α(traceM)2；
detM表示矩阵M的行列式，traceM表示矩阵M的迹，α为经验常数，设定为0.05；
将小于预设阈值t的R置为零；
S35、对所有像素点在3×3或者5×5的邻域内进行非最大值抑制，选择区域内Harris响应值R最大的像素点作为角点；
获得角点后对二维图像进行三维解析，得到深度维度的坐标z为：
zi＝(xi-x0)tanβ
其中xi为某时刻得到角点的横坐标，x0为该点所在参考平面的坐标，角度β为激光器的仰角；
本实施例的参考平面的图像和扫描某一时刻的图像分别如图2(a)和(b)所示。本实施例扫描过程得到的多个角点坐标位置如表一所示。
表一
S36、根据电机的运动速度v每条线激光的特征点展开，获取到整个过程的点云数据图像，解析得到三维的点云关系，得到空间y方向坐标：
yi＝nvΔt
其中n为第n条激光线，v表示扫描速度，Δt表示采集间隔时间；
本实施例的三维点云关系如图3所示，其中，左边的图表示深度方向的投影，右边的图表示手掌平面方向的投影。
针对得到的三维点云关系，通过机器学习(可采用SVM方式)的方式对比不同人的特征，将采集到的掌纹和数据库中掌纹特征做数据对比，若数据库中没有与采集到的掌纹相吻合的数据则表明库中无此掌纹数据，执行步骤S37；若与库中某一掌纹特征相吻合，该掌纹即为同一人所有；
S37、对不属于数据库中的掌纹进行信息注册，录入数据库。
本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。

Claims (2)

1.一种基于激光扫描三维点云的掌纹识别系统，其特征在于，包括以下步骤：
S1、启动掌纹识别系统，并将手掌放置在扫描区域；掌纹识别系统包括电脑控制端(1)和图像采集装置，所述图像采集装置包括外壳(2)和设置在外壳内部的滑轨(3)、线型激光器(4)、工业相机(5)和系统电源(6)；外壳(1)的顶部设有用于放置手掌的扫描区域(7)，滑轨(3)设置在扫描区域(7)的正下方并且滑轨(3)横跨外壳内部，线型激光器(4)和工业相机(5)设置在滑轨(3)上，线型激光器(4)和工业相机(5)在电机的驱动下沿滑轨(3)滑行；系统电源(6)设置在滑轨(3)下方的外壳内，系统电源(6)用于向电机、线型激光器(4)、工业相机(5)供电；电机、线型激光器(4)和工业相机(5)分别与电脑控制端(1)相连；
S2、电机带动线型激光器和工业相机在滑轨上滑行，对扫描区域内的手掌进行线激光扫描，利用工业相机获取线激光在不同时刻投射手掌上的垂直投射图像信息；并将获取的图像信息传回电脑控制端；
S3、采用Harris角点检测算法和机器学习方法对获取的图像进行处理；
包括以下子步骤：
S31、计算获取的图像I(x,y)在x和y两个方向的梯度Ix和Iy：
表示求向量积；
S32、计算图像两个方向梯度的乘积：
S33、使用高斯函数对和Ixy进行高斯加权，生成自相关函数的系数矩阵M的元素A、B、C：
其中ω表示高斯函数；
得到系数矩阵M为：
S34、计算每个像素的Harris响应值R：
R＝detM-α(traceM)2；
detM表示矩阵M的行列式，traceM表示矩阵M的迹，α为经验常数，设定为0.05；
将小于预设阈值t的R置为零；
S35、对所有像素点在3×3或者5×5的邻域内进行非最大值抑制，选择区域内Harris响应值R最大的像素点作为角点；
获得角点后对二维图像进行三维解析，得到深度维度的坐标z为：
zi＝(xi-x0)tanβ
其中xi为某时刻得到角点的横坐标，x0为该点所在参考平面的坐标，角度β为激光器的仰角；
S36、根据电机的运动速度v每条线激光的特征点展开，获取到整个过程的点云数据图像，解析得到三维的点云关系，得到空间y方向坐标：
yi＝nvΔt
其中n为第n条激光线，v表示扫描速度，Δt表示采集间隔时间；
针对得到的三维点云关系，通过机器学习的方式对比不同人的特征，将采集到的掌纹和数据库中掌纹特征做数据对比，若数据库中没有与采集到的掌纹相吻合的数据则表明库中无此掌纹数据，执行步骤S37；若与库中某一掌纹特征相吻合，该掌纹即为同一人所有；
S37、对不属于数据库中的掌纹进行信息注册，录入数据库。
2.根据权利要求1所述的一种基于激光扫描三维点云的掌纹识别系统，其特征在于，所述步骤S2中，每隔0.05秒采集一次掌纹信息。
CN202110148341.3A 2021-02-03 2021-02-03 一种基于激光扫描三维点云的掌纹识别系统及方法 Active CN112784802B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110148341.3A CN112784802B (zh) 2021-02-03 2021-02-03 一种基于激光扫描三维点云的掌纹识别系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110148341.3A CN112784802B (zh) 2021-02-03 2021-02-03 一种基于激光扫描三维点云的掌纹识别系统及方法

Publications (2)

Publication Number Publication Date
CN112784802A CN112784802A (zh) 2021-05-11
CN112784802B true CN112784802B (zh) 2024-04-09

Family

ID=75760586

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110148341.3A Active CN112784802B (zh) 2021-02-03 2021-02-03 一种基于激光扫描三维点云的掌纹识别系统及方法

Country Status (1)

Country Link
CN (1) CN112784802B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103837095A (zh) * 2014-03-18 2014-06-04 华中科技大学 一种三维激光扫描方法及装置
CN103900489A (zh) * 2014-03-11 2014-07-02 苏州江奥光电科技有限公司 一种线激光扫描三维轮廓测量方法及装置
CN108470166A (zh) * 2018-04-04 2018-08-31 北京天目智联科技有限公司 一种基于激光扫描的生物特征3d四维数据识别方法及系统
CN108492357A (zh) * 2018-02-14 2018-09-04 天目爱视（北京）科技有限公司 一种基于激光的3d四维数据采集方法及装置
CN110189257A (zh) * 2019-06-03 2019-08-30 北京石油化工学院 点云获取的方法、装置、系统及存储介质
CN111122602A (zh) * 2020-01-03 2020-05-08 重庆大学 基于三维相机的跨座式单轨指形板异常检测系统及方法
CN111212598A (zh) * 2018-07-27 2020-05-29 合刃科技（深圳）有限公司 生物特征识别方法、装置、系统及终端设备

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102017215334A1 (de) * 2016-09-21 2018-03-22 Carl Zeiss Industrielle Messtechnik Gmbh Verfahren, Computerprogrammprodukt und Messsystem zum Betrieb mindestens eines Triangulations-Laserscanners zur Identifizierung von Oberflächeneigenschaften eines zu vermessenden Werkstücks

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103900489A (zh) * 2014-03-11 2014-07-02 苏州江奥光电科技有限公司 一种线激光扫描三维轮廓测量方法及装置
CN103837095A (zh) * 2014-03-18 2014-06-04 华中科技大学 一种三维激光扫描方法及装置
CN108492357A (zh) * 2018-02-14 2018-09-04 天目爱视（北京）科技有限公司 一种基于激光的3d四维数据采集方法及装置
CN108470166A (zh) * 2018-04-04 2018-08-31 北京天目智联科技有限公司 一种基于激光扫描的生物特征3d四维数据识别方法及系统
CN111212598A (zh) * 2018-07-27 2020-05-29 合刃科技（深圳）有限公司 生物特征识别方法、装置、系统及终端设备
CN110189257A (zh) * 2019-06-03 2019-08-30 北京石油化工学院 点云获取的方法、装置、系统及存储介质
CN111122602A (zh) * 2020-01-03 2020-05-08 重庆大学 基于三维相机的跨座式单轨指形板异常检测系统及方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
3D palmprint data fast acquisition and recognition;Xiaoxu Wang等;《Real-time Photonic Measurements, Data Management, and Processing》;20141113;第9279卷;1-10 *
基于线激光轮廓测量的掌纹主线获取与识别技术研究;李敬夏;《中国优秀硕士学位论文全文数据库 (信息科技辑)》;20220115(第2022（01）期);I138-2524 *
基于结构光非接触式三维掌纹采集系统与数据对比;李磊等;《自动化技术与应用》;20201023;第39卷(第10期);116-119 *
线扫掌纹图像采集系统设计与实现;张栓伟;《中国优秀硕士学位论文全文数据库 (信息科技辑)》;20120215(第2012（02）期);I138-2333, 正文3.2节, 3.4.3节, 3.4.4节, 图3-1 *

Also Published As

Publication number Publication date
CN112784802A (zh) 2021-05-11

Similar Documents

Publication Publication Date Title
Jain et al. On-line fingerprint verification
Kanhangad et al. A unified framework for contactless hand verification
CN103268483B (zh) 开放式环境非接触采集下的掌纹识别方法
JP4027118B2 (ja) 本人認証方法、プログラム及び装置
US20160210493A1 (en) Mobility empowered biometric appliance a tool for real-time verification of identity through fingerprints
Ross et al. A thin-plate spline calibration model for fingerprint sensor interoperability
CN206515838U (zh) 一种人证合一仪
CN102479328B (zh) 基于生物特征的身份验证装置及其方法
CN103559489A (zh) 一种非接触成像方式下手掌特征提取方法
Chuang Vein recognition based on minutiae features in the dorsal venous network of the hand
Krishneswari et al. A review on palm print verification system
Akarun et al. 3D face recognition for biometric applications
Galbally et al. Full 3D touchless fingerprint recognition: Sensor, database and baseline performance
CN112784802B (zh) 一种基于激光扫描三维点云的掌纹识别系统及方法
CN106355150A (zh) 一种具备通用性的指纹识别系统及方法
CN110866235B (zh) 同时捕获人体脉搏和静脉图像的身份识别方法及装置
Aboalsamh A multi biometric system using combined vein and fingerprint identification
Fouquier et al. The biosecure geometry-based system for hand modality
Amayeh et al. A comparative study of hand recognition systems
Sanches et al. A single sensor hand biometric multimodal system
CN206331449U (zh) 一种具备通用性的指纹识别系统
US20170372124A1 (en) Unobtrusive identity matcher: a tool for real-time verification of identity
Lee et al. A new mobile multimodal biometric device integrating finger vein and fingerprint recognition
Amayeh et al. A component-based approach to hand verification
Lin et al. A novel framework for automatic 3D face recognition using quality assessment

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
GR01 Patent grant
GR01 Patent grant