CN113792649A - 一种基于指静脉生物识别技术的快速认证方法、设备及介质 - Google Patents
一种基于指静脉生物识别技术的快速认证方法、设备及介质 Download PDFInfo
- Publication number
- CN113792649A CN113792649A CN202111069323.2A CN202111069323A CN113792649A CN 113792649 A CN113792649 A CN 113792649A CN 202111069323 A CN202111069323 A CN 202111069323A CN 113792649 A CN113792649 A CN 113792649A
- Authority
- CN
- China
- Prior art keywords
- finger vein
- computing node
- vein
- templates
- 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
Links
Images
Landscapes
- Collating Specific Patterns (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种基于指静脉生物识别技术的快速认证方法、设备及介质,其中快速认证方法包括按照预设的分发规则将注册模板库中的手指静脉模板分发至一个前置计算节点或多个并行计算节点中;响应于静脉终端发出的识别请求将采集所得的静脉图像发送至对应的前置计算节点或并行计算节点中进行特征匹配处理以输出最终认证结果。本发明通过并行计算、前置识别、用户模式自学习组合提高生物识别的效率。
Description
技术领域
本发明涉及指静脉识别技术领域,尤其涉及一种基于指静脉生物识别技术的快速认证方法、设备及存储介质。
背景技术
目前,在身份鉴别需求日益增多的现今,如何避免身份伪造并快捷准确的提供身份鉴别服务是急需解决的问题。生物识别技术的不断发展为身份鉴别应用提供了有力支撑及保障,其中指静脉识别以高度防伪、高度准确、活体检测、适应性强及简便易用等特性尤为突出,基于指静脉识别技术的指静脉识别平台结合大数据分析应用,提供了更加多样、准确、便捷的服务。
指静脉认证技术是一种新的生物特征识别技术,它是基于人类手指中流动的血液可吸收特定波长的光线这一原理研发的。使用特定光线的照射,可得到手指静脉的特征影像,进一步对影像进行分析处理即可获得手指静脉的生物特征,通过将其与事先注册的特征进行比对来实现识别认证。
而现有的静脉比对是需要实时采取静脉图,提取特征值,运用先进的滤波、图像二值化、细化手段对数字图像提取特征,同手指静脉模板特征值比对,采用复杂的匹配算法对手指静脉特征进行匹配,从而对个人进行身份鉴定,确认身份。但是其过程需要大量的计算量,当需要匹配的注册模板库越大,模板数量越多,完成一次识别所需要用时就越长,导致识别认证过程的速率无法提高。
发明内容
为了克服现有技术的不足,本发明的目的之一在于提供一种基于指静脉生物识别技术的快速认证方法,可减少指静脉识别的处理时间,提高识别认可效率。
本发明的目的之二在于提供一种电子设备。
本发明的目的之三在于提供一种存储介质。
本发明的目的之一采用如下技术方案实现:
一种基于指静脉生物识别技术的快速认证方法,包括:
按照预设的分发规则将注册模板库中的手指静脉模板分发至一个前置计算节点或多个并行计算节点中;
响应于静脉终端发出的识别请求将采集所得的静脉图像发送至对应的前置计算节点或并行计算节点中进行特征匹配处理以输出最终认证结果。
进一步地,所述并行计算节点所对应的分发规则为将注册模板库中的所有手指静脉模板随机分发至多个所述并行计算节点中。
进一步地,将所述静脉图像发送至并行计算节点中进行特征匹配处理以输出最终认证结果的方法为:
在接收到所述识别请求后通过广播方式发送识别请求至所有并行计算节点中进行并行处理,使所有并行计算节点将所述静脉图像以及各自节点中存储的手指静脉模板进行特征比对,并以最快返回的匹配结果作为最终认证结果输出。
进一步地,所述前置计算节点所对应的分发规则为将注册模板库中使用频率大于预设值的手指静脉模板分集中发至一个前置计算节点中。
进一步地,将所述静脉图像发送至前置计算节点中进行特征匹配处理以输出最终认证结果的方法为:
在接收到所述识别请求后将识别请求发送至所述前置计算节点中进行优先识别处理,若实时采集的静脉图像无法与所述前置计算节点中任意一手指静脉模板得出匹配结果,则将静脉图像与注册模板库中的其余手指静脉模板进行匹配以输出最终认证结果。
进一步地,将手指静脉模板新增至所述前置计算节点时还包括:
对所述前置计算节点中手指静脉模板的数量进行判断,若所述前置计算节点中手指静脉模板的数量在预设数量内,则可将手指静脉模板新增至所述前置计算节点内;若所述前置计算节点中手指静脉模板的数量达到预设数量,则将手指静脉模板新增至所述前置计算节点内的同时将所述前置计算节点中最后匹配时间距今最远的手指静脉模板移出所述前置计算节点。
进一步地,还包括:
将通过匹配认证且图像质量达到预设分数的实时采集的静脉图像作为该识别对象的手指静脉模板存储在所述前置计算节点中,并在下一次采集到该识别对象的静脉图像时优先与所述前置计算节点中的手指静脉模板进行特征匹配以获得最终认证结果。
进一步地,将实时采集的任意一识别对象的静脉图像存储在所述前置计算节点时,还包括:
判断所述前置计算节点中该识别对象的手指静脉模板数量是否达到阈值,若超过阈值,则只保留图像质量分数最高且采集时间最近的指定数量的手指静脉模板。
本发明的目的之二采用如下技术方案实现:
一种电子设备,其包括处理器、存储器及存储于所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述的基于指静脉生物识别技术的快速认证方法。
本发明的目的之三采用如下技术方案实现:
一种存储介质,其上存储有计算机程序,所述计算机程序被执行时实现上述的基于指静脉生物识别技术的快速认证方法。
相比现有技术,本发明的有益效果在于:
本发明可以预先对注册模板库中的模板分配中不同的计算节点中,利用不同的计算节点实现并行计算、前置识别、用户模式自学习相组合,减少大量无效计算量,提升指静脉生物识别的效率。
附图说明
图1为本发明并行计算方案的服务器架构示意图;
图2为本发明并行计算方案的手指静脉模板分发规律示意图;
图3为本发明并行计算方案的流程示意图;
图4为本发明前置识别方案的流程示意图;
图5为本发明用户模式自学习方案的流程示意图。
具体实施方式
下面,结合附图以及具体实施方式,对本发明做进一步描述,需要说明的是,在不相冲突的前提下,以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
本实施例提供一种基于指静脉生物识别技术的快速认证方法,本实施例通过并行计算、前置识别、用户模式自学习三种方案的组合,以达到减少指静脉识别的处理时间;本实施例的快速认证方法主要包括如下步骤:
步骤S1:按照预设的分发规则将注册模板库中的手指静脉模板分发至一个前置计算节点或多个并行计算节点中;
步骤S2:响应于静脉终端发出的识别请求将采集所得的静脉图像发送至对应的前置计算节点或并行计算节点中进行特征匹配处理以输出最终认证结果。
本实施例中可根据注册模板库的大小配置对应的分发规则以及对应的认证方式,具体为:由于单节点计算能力有限,需要多节点组成计算集群提高计算能力,若注册模板库内存储的手指静脉模板数量相对较多导致注册模板库内存较大,则可使用并行计算方案来完成快速认证操作;若注册模板库相对较小,则可使用前置识别或用户模式自学方案来完成快速认证操作。
如图1、图2和图3所示,本实施例中并行计算方案可通过注册模板服务器、并行计算节点以及识别服务器来实现快速认证的目的,具体地,所述注册模板服务器可预先将整个注册模板库中的所有预存的手指静脉模板随机分发到不同的并行计算节点中进行存储;同时,所述注册模板服务器可接收调整指令并根据指令对每个并行计算节点中已加载的模板进行增加或删除,以此达到实时动态调整智能适配的效果。本实施例中可根据实际情况设置多个所述并行计算节点,每个所述并行计算节点在接收到识别请求后,将采集所得的静脉图像进行特征提取,并将静脉特征与该并行计算节点中存储的手指静脉模板进行对比匹配,并及时返回计算结果;而多个所述并行计算节点可同时并行计算,从而缩短匹配认证的整体时间,提高认证效率。而本实施例中的识别服务器则是用于接收指静脉终端发出的识别请求后通过广播的方式将识别请求以及采集所得的静脉图像发送至整个节点集群中,让所有并行计算节点并行计算处理,当出现多个并行计算节点得到匹配结果时,则以最快返回的匹配结果作为最终认证结果输出。
由于在真实使用场景中,使用用户所对应的使用率高的手指静脉模板只占整个模版库中的小部分。如一个人用户注册了6个手指(用户常用注册手指为双手的食指、中指、无名指,共6指),实际日常使用中,往往只是使用其中的一二。所以大部分的注册模版均为非热点数据。如果每次识别进行遍历匹配的时候,这部分数据的计算量大概率为无效的计算。因此,为了提高认证效率,减少部分无效计算,如图4所示,可通过特定逻辑获取热点模板数据集,将该数据集作为前置进行识别,如果从前置模板库中已经匹配成功,则完成识别处理。如在前置模板库中没有匹配,才进行第二轮以完整的注册模板库进行识别,即可减少大量的无效计算量,大大提高识别效率。
而本实施例中还通过前置计算节点来代替上述前置模板库完成匹配操作,具体为:预先对注册模板库中每个手指静脉模板的使用次数进行统计,将使用频率高于预设值的手指静脉模板标记为热点模板,并将热点模板分发至前置计算节点中;当接收到指静脉终端发送的识别请求后将识别请求发送至所述前置计算节点中进行优先识别处理,前置计算节点将指静脉终端采集所得的静脉图像与其存储的热点模板进行特征比对,若存在任意一热点模板与静脉图像相符,则匹配成功并输出对应的认证结果;若实时采集的静脉图像无法与所述前置计算节点中任意一手指静脉模板得出匹配结果,则将静脉图像与注册模板库中的其余手指静脉模板进行匹配以输出最终认证结果。所述注册模板库中将热点模板添加至前置计算节点后,可将对其进行标记或删除,使得静脉图像与注册模板库进行比对匹配时可避免重复比对热点模板,从而进一步提高识别效率。
若无法通过前置计算节点/前置模板库匹配,却可通过完整注册模板库进行匹配,则将注册模板库中匹配成功的模板自动添加至前置计算节点/前置模板库中作为热点数据。根据实际测试单线程中前置计算节点/前置模板库可设置为2000个模板,识别时间在1秒内,符合性能与业务要求。所以当前置计算节点/前置模板库的大小超过设定大小,则把前置计算节点/前置模板库中最后匹配时间最远的模板移出。具体为:将手指静脉模板新增至所述前置计算节点/前置模板库前需对所述前置计算节点/前置模板库中手指静脉模板的数量进行判断,若所述前置计算节点/前置模板库中手指静脉模板的数量在预设数量内,则可将手指静脉模板新增至所述前置计算节点/前置模板库内;若所述前置计算节点/前置模板库中手指静脉模板的数量达到预设数量,则将手指静脉模板新增至所述前置计算节点/前置模板库内的同时将所述前置计算节点/前置模板库中最后匹配时间距今最远的手指静脉模板移出所述前置计算节点/前置模板库。
本实施例除了上述两种识别方案外,还可在用户使用过程,通过自学习方案,学习每一个用户的个性使用习惯,并将识别逻辑适应每一位用户不同的使用习惯,以达到系统配合用户习惯,而非用户配合系统限制。
由于近红外光光照和光学成像传感器的区别,不同设备在不同场景下被采集的指静脉图像都有区别。除此之外,不同的近红外光等照射强度也会对指静脉图像产生非线性的退化。由于非线性退化也不能够直接建模,从而消除光照强度的影响。除此之外,不同的图像传感器有不同的差异,这也会导致同一个手指在相同的光照下产生不同的成像结果。因此,在指静脉的实际应用中,不同设备采集的指静脉图像存在着不可避免的差别。如图5所示,在实际指静脉应用中提供识别服务的同时,对于匹配分数较高样本作为相同识别对象的模板加入前置模板库/前置模板库中,适配当前影响识别度的因素,以此大大提高识别率。
具体为:预先对已经通过匹配认证的静脉图像进行质量评分,一般可通过匹配认证的静脉图像可被评分为标准分数,若通过匹配认证的静脉图像的分辨率达到预设值,则可被评为标准分数以上的分数,例如标准分数为75分,若通过匹配认证的一静脉图像的质量评分被评为85分,则可认为该静脉图像为高质量图像并可将其作为模板训练的基础数据,即将该静脉图像作为该是被对象的模板加入至前置模板库/前置计算节点中,并在下一次采集到该识别对象的静脉图像时优先与前置模板库/前置计算节点中的手指静脉模板进行特征匹配以提高识别成功率。根据实际数据统计,通过该方式识别率可从78%提高至92%。
为了避免前置模板库/前置计算节点的分布均衡性,在将实时采集的任意一识别对象的静脉图像存储在前置模板库/前置计算节点时,还需要判断前置模板库/前置计算节点中该识别对象的手指静脉模板数量是否达到阈值,若超过阈值,则只保留图像质量分数最高且采集时间最近的指定数量的手指静脉模板;如当相同识别对象的模板超过3个,则只保留分数最高且时间最近的三个。
本实施例提供的并行计算、前置识别、用户模式自学习三种方案可独立运行,也可相互组合使用,可明显提高生物识别效率。
实施例二
本实施例提供一种电子设备,该电子设备可以是静脉终端、后台服务器等设备,其包括处理器、存储器及存储于所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现实施例一中的基于指静脉生物识别技术的快速认证方法;另外,本实施例还提供一种存储介质,其上存储有计算机程序,所述计算机程序被执行时实现上述的基于指静脉生物识别技术的快速认证方法。
本实施例中的设备及存储介质与前述实施例中的方法是基于同一发明构思下的两个方面,在前面已经对方法实施过程作了详细的描述,所以本领域技术人员可根据前述描述清楚地了解本实施例中的设备的结构及实施过程,为了说明书的简洁,在此就不再赘述。
上述实施方式仅为本发明的优选实施方式,不能以此来限定本发明保护的范围,本领域的技术人员在本发明的基础上所做的任何非实质性的变化及替换均属于本发明所要求保护的范围。
Claims (10)
1.一种基于指静脉生物识别技术的快速认证方法,其特征在于,包括:
按照预设的分发规则将注册模板库中的手指静脉模板分发至一个前置计算节点或多个并行计算节点中;
响应于静脉终端发出的识别请求将采集所得的静脉图像发送至对应的前置计算节点或并行计算节点中进行特征匹配处理以输出最终认证结果。
2.根据权利要求1所述的基于指静脉生物识别技术的快速认证方法,其特征在于,所述并行计算节点所对应的分发规则为将注册模板库中的所有手指静脉模板随机分发至多个所述并行计算节点中。
3.根据权利要求2所述的基于指静脉生物识别技术的快速认证方法,其特征在于,将所述静脉图像发送至并行计算节点中进行特征匹配处理以输出最终认证结果的方法为:
在接收到所述识别请求后通过广播方式发送识别请求至所有并行计算节点中进行并行处理,使所有并行计算节点将所述静脉图像以及各自节点中存储的手指静脉模板进行特征比对,并以最快返回的匹配结果作为最终认证结果输出。
4.根据权利要求1所述的基于指静脉生物识别技术的快速认证方法,其特征在于,所述前置计算节点所对应的分发规则为将注册模板库中使用频率大于预设值的手指静脉模板分集中发至一个前置计算节点中。
5.根据权利要求4所述的基于指静脉生物识别技术的快速认证方法,其特征在于,将所述静脉图像发送至前置计算节点中进行特征匹配处理以输出最终认证结果的方法为:
在接收到所述识别请求后将识别请求发送至所述前置计算节点中进行优先识别处理,若实时采集的静脉图像无法与所述前置计算节点中任意一手指静脉模板得出匹配结果,则将静脉图像与注册模板库中的其余手指静脉模板进行匹配以输出最终认证结果。
6.根据权利要求4所述的基于指静脉生物识别技术的快速认证方法,其特征在于,将手指静脉模板新增至所述前置计算节点时还包括:
对所述前置计算节点中手指静脉模板的数量进行判断,若所述前置计算节点中手指静脉模板的数量在预设数量内,则可将手指静脉模板新增至所述前置计算节点内;若所述前置计算节点中手指静脉模板的数量达到预设数量,则将手指静脉模板新增至所述前置计算节点内的同时将所述前置计算节点中最后匹配时间距今最远的手指静脉模板移出所述前置计算节点。
7.根据权利要求1所述的基于指静脉生物识别技术的快速认证方法,其特征在于,还包括:
将通过匹配认证且图像质量达到预设分数的实时采集的静脉图像作为识别对象的手指静脉模板存储在所述前置计算节点中,并在下一次采集到该识别对象的静脉图像时优先与所述前置计算节点中的手指静脉模板进行特征匹配以获得最终认证结果。
8.根据权利要求7所述的基于指静脉生物识别技术的快速认证方法,其特征在于,将实时采集的任意一识别对象的静脉图像存储在所述前置计算节点时,还包括:
判断所述前置计算节点中该识别对象的手指静脉模板数量是否达到阈值,若超过阈值,则只保留图像质量分数最高且采集时间最近的指定数量的手指静脉模板。
9.一种电子设备,其特征在于,其包括处理器、存储器及存储于所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现权利要求1~8任一所述的基于指静脉生物识别技术的快速认证方法。
10.一种存储介质,其特征在于,其上存储有计算机程序,所述计算机程序被执行时实现权利要求1~8任一所述的基于指静脉生物识别技术的快速认证方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111069323.2A CN113792649A (zh) | 2021-09-13 | 2021-09-13 | 一种基于指静脉生物识别技术的快速认证方法、设备及介质 |
PCT/CN2022/118264 WO2023036322A1 (zh) | 2021-09-13 | 2022-09-09 | 一种基于指静脉生物识别技术的快速认证方法、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111069323.2A CN113792649A (zh) | 2021-09-13 | 2021-09-13 | 一种基于指静脉生物识别技术的快速认证方法、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113792649A true CN113792649A (zh) | 2021-12-14 |
Family
ID=78880081
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111069323.2A Pending CN113792649A (zh) | 2021-09-13 | 2021-09-13 | 一种基于指静脉生物识别技术的快速认证方法、设备及介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN113792649A (zh) |
WO (1) | WO2023036322A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023036322A1 (zh) * | 2021-09-13 | 2023-03-16 | 广州广电运通金融电子股份有限公司 | 一种基于指静脉生物识别技术的快速认证方法、设备及介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102184387A (zh) * | 2011-05-10 | 2011-09-14 | 陈庆武 | 手指静脉认证系统 |
CN104899495A (zh) * | 2015-06-16 | 2015-09-09 | 迪安杰科技无锡有限公司 | 生物识别系统 |
KR20170014522A (ko) * | 2015-07-30 | 2017-02-08 | 고하준 | 휴대용 지정맥 리더기 및 그것을 이용한 생체 인증 방법 |
CN109558789A (zh) * | 2018-10-09 | 2019-04-02 | 珠海亿联德源信息技术有限公司 | 一种基于分布式计算的生物特征快速识别系统 |
CN109934114A (zh) * | 2019-02-15 | 2019-06-25 | 重庆工商大学 | 一种手指静脉模板生成与更新算法及系统 |
CN110084929A (zh) * | 2019-04-19 | 2019-08-02 | 公牛集团股份有限公司 | 智能锁的本地指纹数据库配置、解锁方法、装置及设备 |
CN111585765A (zh) * | 2020-04-28 | 2020-08-25 | 深圳市元征科技股份有限公司 | 一种人脸识别方法、装置以及相关设备 |
CN112528946A (zh) * | 2020-12-24 | 2021-03-19 | 北京深思数盾科技股份有限公司 | 一种指纹识别方法、装置、存储介质及电子设备 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107967442A (zh) * | 2017-09-30 | 2018-04-27 | 广州智慧城市发展研究院 | 一种基于无监督学习和深层网络的指静脉识别方法及系统 |
US20210342432A1 (en) * | 2018-09-04 | 2021-11-04 | Anonybit, Inc. | Decentralized biometric identification and authentication network |
CN113222134B (zh) * | 2021-07-12 | 2021-10-26 | 深圳市永达电子信息股份有限公司 | 一种类脑计算系统、方法及计算机可读存储介质 |
CN113792649A (zh) * | 2021-09-13 | 2021-12-14 | 广州广电运通金融电子股份有限公司 | 一种基于指静脉生物识别技术的快速认证方法、设备及介质 |
-
2021
- 2021-09-13 CN CN202111069323.2A patent/CN113792649A/zh active Pending
-
2022
- 2022-09-09 WO PCT/CN2022/118264 patent/WO2023036322A1/zh unknown
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102184387A (zh) * | 2011-05-10 | 2011-09-14 | 陈庆武 | 手指静脉认证系统 |
CN104899495A (zh) * | 2015-06-16 | 2015-09-09 | 迪安杰科技无锡有限公司 | 生物识别系统 |
KR20170014522A (ko) * | 2015-07-30 | 2017-02-08 | 고하준 | 휴대용 지정맥 리더기 및 그것을 이용한 생체 인증 방법 |
CN109558789A (zh) * | 2018-10-09 | 2019-04-02 | 珠海亿联德源信息技术有限公司 | 一种基于分布式计算的生物特征快速识别系统 |
CN109934114A (zh) * | 2019-02-15 | 2019-06-25 | 重庆工商大学 | 一种手指静脉模板生成与更新算法及系统 |
CN110084929A (zh) * | 2019-04-19 | 2019-08-02 | 公牛集团股份有限公司 | 智能锁的本地指纹数据库配置、解锁方法、装置及设备 |
CN111585765A (zh) * | 2020-04-28 | 2020-08-25 | 深圳市元征科技股份有限公司 | 一种人脸识别方法、装置以及相关设备 |
CN112528946A (zh) * | 2020-12-24 | 2021-03-19 | 北京深思数盾科技股份有限公司 | 一种指纹识别方法、装置、存储介质及电子设备 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023036322A1 (zh) * | 2021-09-13 | 2023-03-16 | 广州广电运通金融电子股份有限公司 | 一种基于指静脉生物识别技术的快速认证方法、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2023036322A1 (zh) | 2023-03-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020221298A1 (zh) | 文本检测模型训练方法、文本区域、内容确定方法和装置 | |
CN107944020B (zh) | 人脸图像查找方法及装置、计算机装置和存储介质 | |
CN110069994B (zh) | 基于人脸多区域的人脸属性识别系统、方法 | |
CN110991506B (zh) | 一种车辆品牌识别方法、装置、设备及存储介质 | |
CN111860533A (zh) | 图像的识别方法及装置、存储介质和电子装置 | |
CN109376596A (zh) | 人脸匹配方法、装置、设备及存储介质 | |
US20230086552A1 (en) | Image processing method and apparatus, device, storage medium, and computer program product | |
CN110188829B (zh) | 神经网络的训练方法、目标识别的方法及相关产品 | |
CN110263215B (zh) | 一种视频情感定位方法及系统 | |
CN110378247A (zh) | 虚拟对象识别方法和装置、存储介质及电子装置 | |
CN110020591B (zh) | 基于滑动式采样的指纹模板注册方法及指纹识别装置 | |
CN110909794B (zh) | 一种适用于嵌入式设备的目标检测系统 | |
CN111898594B (zh) | 基于悬架振动信号的路面地形识别方法、装置及存储介质 | |
CN113239875B (zh) | 人脸特征的获取方法、系统、装置及计算机可读存储介质 | |
CN110245573B (zh) | 一种基于人脸识别的签到方法、装置及终端设备 | |
CN113792649A (zh) | 一种基于指静脉生物识别技术的快速认证方法、设备及介质 | |
CN114821390A (zh) | 基于注意力和关系检测的孪生网络目标跟踪方法及系统 | |
CN117315237B (zh) | 目标检测模型的确定方法及装置、存储介质 | |
CN109359689B (zh) | 一种数据识别方法及装置 | |
CN109977735A (zh) | 运动精彩片段的提取方法及装置 | |
CN110826565A (zh) | 基于跨连接的卷积神经网络齿痕舌象分类方法及系统 | |
CN110942034A (zh) | 用于检测多类型深度网络生成图像的方法、系统、装置 | |
CN111062345B (zh) | 静脉识别模型的训练方法、装置和静脉图像识别装置 | |
CN110659631A (zh) | 车牌识别方法和终端设备 | |
CN110210425B (zh) | 人脸识别方法、装置、电子设备及存储介质 |
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 |