CN114120376A - 一种多模态图像采集装置及系统 - Google Patents
一种多模态图像采集装置及系统 Download PDFInfo
- Publication number
- CN114120376A CN114120376A CN202111369172.2A CN202111369172A CN114120376A CN 114120376 A CN114120376 A CN 114120376A CN 202111369172 A CN202111369172 A CN 202111369172A CN 114120376 A CN114120376 A CN 114120376A
- Authority
- CN
- China
- Prior art keywords
- image
- module
- quality evaluation
- face
- quality
- 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
- 210000003462 vein Anatomy 0.000 claims abstract description 66
- 238000013441 quality evaluation Methods 0.000 claims abstract description 64
- 238000001514 detection method Methods 0.000 claims description 25
- 238000011156 evaluation Methods 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 230000003287 optical effect Effects 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000006073 displacement reaction Methods 0.000 description 6
- 238000000034 method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
Images
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明提出一种多模态图像采集装置及系统，所述装置包括多生物特征图像采集模块、多生物特征图像质量评价模块与图像存储模块；所述多生物特征图像采集模块包括与微处理器模块相连的手指静脉图像采集模块、指纹图像采集模块和人脸图像采集模块；所述多生物特征图像质量评价模块包括与微处理器模块相连的图像接收模块和综合图像质量评价模块，所述综合图像质量评价模块对采集的手指静脉图像、指纹图像与人脸图像进行综合质量评价，将质量合格图像存储于图像存储模块，否则重新采集图像；本发明能够实现手指静脉、指纹与人脸图像的一体采集，并通过质量评价模块对采集图像进行质量评价，对低质量图像提示重新采集，确保装置采集的图像质量良好。
Description
技术领域
本发明属于模式识别技术领域，特别是涉及一种多模态图像采集装置及系统。
背景技术
由于单一生物特征识别系统在实际应用中，不同程度地暴露出了非普适性(特征缺失)、安全性低(易被伪造)、类间相似性小等弊端，因此，多模态融合应用而生。随着指纹、静脉、人脸识别技术应用场合越来越广泛，在不同环境下采集的图像成像质量差别较大，采集到的图像质量过差会导致后续无法认证，严重影响身份认证系统性能问题。因此，如何有效的采集高质量的多个生物特征图像在多模态识别系统中至关重要。
发明内容
本发明针对现有技术中的问题，提出了一种多模态图像采集装置及系统。具体涉及手指静脉图像、指纹图像及人脸图像采集装置及多生物特征图像质量评价系统。
本发明是通过以下技术方案实现的，本发明提出一种多模态图像采集装置，所述装置包括多生物特征图像采集模块、多生物特征图像质量评价模块与图像存储模块；所述多生物特征图像采集模块包括与微处理器模块相连的手指静脉图像采集模块、指纹图像采集模块和人脸图像采集模块；所述多生物特征图像质量评价模块包括与微处理器模块相连的图像接收模块和综合图像质量评价模块，所述综合图像质量评价模块对采集的手指静脉图像、指纹图像与人脸图像进行综合质量评价，将质量合格图像存储于图像存储模块，否则重新采集图像；所述的多生物特征图像质量评价模块采用手指位置偏移指标与图像对比度指标两个无参考评价指标相结合对采集到的手指静脉图像进行质量评价；所述的多生物特征图像质量评价模块采用图像有效面积与图像对比度两个指标相结合对采集到的指纹图像进行质量评价；所述的多生物特征图像质量评价模块采用有效人脸检测方法结合图像对比度指标对人脸图像进行质量评价。
进一步地，所述多生物特征图像采集模块包括近红外光源、起偏器、检偏器、红外滤光片、静脉采集摄像头控制电路、滤光片、指纹采集摄像头控制电路、人脸采集摄像头控制电路和FPGA控制系统电路；所述近红外光源位于所述起偏器的正上方，所述起偏器位于所述检偏器的上方，所述检偏器位于红外滤光片的正上方，所述红外滤光片位于所述静脉摄像头控制电路的上方，所述静脉采集摄像头控制电路位于图像采集装置的底部与FPGA控制系统电路连接，所述指纹采集摄像头控制电路位于滤光片下方，并与FPGA控制系统电路连接，所述人脸采集摄像头控制电路位于图像采集装置顶部并与FPGA控制系统电路连接。
进一步地，所述手指位置偏移指标具体为：
通过寻找指静脉区域的质心和图像的几何中心来表示指静脉的偏移程度，指静脉区域的质心为：
其中，Cx和Cy分别为手指静脉区域质心的横纵坐标，在图像的区域R中，xi为像素i的横坐标，yj为像素j的纵坐标，N为图像的像素的总个数；
指静脉图像的水平偏移量和竖直偏移量计算如下：
其中，QH表示水平偏移量，QV表示竖直偏移量，gx和gy为整幅图像几何中心的横纵坐标；因此，指静脉图像的偏移质量分数Qs表示为：
Qs＝(QH×QV)×100％。
进一步地，所述图像对比度指标具体为：
图像的标准差计算如下:
其中，C表示图像的标准差，x′i代表像素点i的灰度值，xmean代表图像灰度均值，N为图像的像素的总个数；
因此对比度质量分数Qc表示为：
其中，threshold为对比度阈值，当对比度超过阈值threshold时，可认为图像过曝，对比度为100％；
综合手指位置偏移指标和图像对比度指标分数，分数过低时则提示重新采集静脉图像，否则采集成功存储静脉图像。
进一步地，所述图像有效面积指标具体为：
指纹图像有效面积是指图像前景区域的面积，面积质量分数Qa由指纹图像前景区域总面积SF占图像总面积ST的比率来确定；由于指纹图像前景区域的平均灰度相对大，因此，可对原始图像进行一次阈值化操作，得到图像的前景区域面积SF；若前景区域面积SF超过整个图像面积ST的4/5，则面积质量分数Qa为满分，Qa具体计算方法如下：
综合指纹图像有效面积与图像对比度两个质量评价指标分数，分数过低时则提示重新采集指纹图像，否则采集成功存储指纹图像。
进一步地，所述的有效人脸检测通过金字塔方向梯度直方图算法与级联回归算法对实时图像进行人脸检测并定位人脸关键点，然后标记出有效区域，并最终裁剪出用于分析的有效人脸图像；
采用有效人脸检测方法结合图像对比度指标对人脸图像进行质量评价，即首先采用人脸检测方法进行有效人脸检测，若检测不到人脸图像提示重新采集人脸图像，若检测到人脸图像，则对人脸图像采用对比度指标进行评价，评价结果不合格则重新采集人脸图像，否则采集成功存储人脸图像。
本发明还提出一种多模态图像采集系统，所述系统包括多生物特征图像采集模块、多生物特征图像质量评价模块与图像存储模块；所述多生物特征图像采集模块包括与微处理器模块相连的手指静脉图像采集模块、指纹图像采集模块和人脸图像采集模块；所述多生物特征图像质量评价模块包括与微处理器模块相连的图像接收模块和综合图像质量评价模块，所述综合图像质量评价模块对采集的手指静脉图像、指纹图像与人脸图像进行综合质量评价，将质量合格图像存储于图像存储模块，否则重新采集图像；所述的多生物特征图像质量评价模块采用手指位置偏移指标与图像对比度指标两个无参考评价指标相结合对采集到的手指静脉图像进行质量评价；所述的多生物特征图像质量评价模块采用图像有效面积与图像对比度两个指标相结合对采集到的指纹图像进行质量评价；所述的多生物特征图像质量评价模块采用有效人脸检测方法结合图像对比度指标对人脸图像进行质量评价。
本发明有益效果为：
本发明所述的一种多模态图像采集装置及系统，能够实现手指静脉、指纹与人脸图像的一体采集，并通过多生物特征图像质量评价模块对采集图像进行质量评价，对低质量图像提示重新采集，确保装置采集的图像质量良好。
附图说明
图1为本发明所述的多模态图像采集装置框图；
图2为多生物特征图像采集模块结构示意图。
具体实施方式
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，所描述的实施例仅仅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做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。
结合图1-2，本发明提出一种多模态图像采集装置，所述装置包括多生物特征图像采集模块、多生物特征图像质量评价模块与图像存储模块；所述多生物特征图像采集模块包括与微处理器模块相连的手指静脉图像采集模块、指纹图像采集模块和人脸图像采集模块；所述多生物特征图像质量评价模块包括与微处理器模块相连的图像接收模块和综合图像质量评价模块，所述综合图像质量评价模块对采集的手指静脉图像、指纹图像与人脸图像进行综合质量评价，将质量合格图像存储于图像存储模块，否则重新采集图像；所述的多生物特征图像质量评价模块采用手指位置偏移指标与图像对比度指标两个无参考评价指标相结合对采集到的手指静脉图像进行质量评价；所述的多生物特征图像质量评价模块采用图像有效面积与图像对比度两个指标相结合对采集到的指纹图像进行质量评价；所述的多生物特征图像质量评价模块采用有效人脸检测方法结合图像对比度指标对人脸图像进行质量评价。
所述多生物特征图像采集模块包括近红外光源、起偏器、检偏器、红外滤光片、静脉采集摄像头控制电路、滤光片、指纹采集摄像头控制电路、人脸采集摄像头控制电路和FPGA控制系统电路；所述近红外光源位于所述起偏器的正上方，所述起偏器位于所述检偏器的上方，所述检偏器位于红外滤光片的正上方，所述红外滤光片位于所述静脉摄像头控制电路的上方，所述静脉采集摄像头控制电路位于图像采集装置的底部与FPGA控制系统电路连接，所述指纹采集摄像头控制电路位于滤光片下方，并与FPGA控制系统电路连接，所述人脸采集摄像头控制电路位于图像采集装置顶部并与FPGA控制系统电路连接。该采集模块置以FPGA为主控芯片，DDR3为缓存介质。指纹图像与人脸图像由可见光照射采集，分别由指纹采集摄像头控制电路与人脸采集摄像头控制电路采集得到，手指静脉图像通过采集模块中的近红外光源模块发出近红外光照射手指背面，由静脉采集摄像头采集出的手指静脉图像、再经过DDR3缓存，传输给FX3。FX3固件将FPGA传输的固定图像打上UVC头发送给PC。
本发明综合考虑了手指静脉图像、指纹图像与人脸图像采集过程中影响图像质量的各种因素，采用手指位置偏移与对比度两个无参考评价参数相结合对采集到的手指静脉图像进行质量评价，采用指纹图像有效面积与对比度两个无参考评价参数相结合对采集到的指纹图像进行质量评价，采用有效人脸检测方法结合图像对比度指标对人脸图像进行质量评价。
所述手指位置偏移指标具体为：
在采集的过程中，由于手指姿势放置错误，导致手指在图像中发生偏移，根据采集装置的不同，偏移量可分为水平偏移和竖直偏移两种，手指静脉图像的偏移量为水平偏移和竖直偏移综合后的结果。
由于手指静脉的偏移量是手指区域相对于整张图像的偏移，因此可以通过寻找指静脉区域的质心和图像的几何中心来表示指静脉的偏移程度，指静脉区域的质心为：
其中，Cx和Cy分别为手指静脉区域质心的横纵坐标，在图像的区域R中，xi为像素i的横坐标，yj为像素j的纵坐标，N为图像的像素的总个数；
指静脉图像的水平偏移量和竖直偏移量计算如下：
其中，QH表示水平偏移量，QV表示竖直偏移量，gx和gy为整幅图像几何中心的横纵坐标；因此，指静脉图像的偏移质量分数Qs表示为：
Qs＝(QH×QV)×100％。
所述图像对比度指标具体为：
入射光强度较小时，图像整体偏暗，对比度较低；入射光强度较大时，图像整体过亮，对比度较高，因此图像过曝或者曝光不足都会导致图像质量偏低。由于对比度表示图像相对于图像整体平均灰度值的偏离程度，因此利用图像的标准差来衡量，图像的标准差越大，图像的灰度级越分散，则图像的对比度也就越大，图像的标准差计算如下:
其中，C表示图像的标准差，x′i代表像素点i的灰度值，xmean代表图像灰度均值，N为图像的像素的总个数；
因此对比度质量分数Qc表示为：
其中，threshold为对比度阈值，当对比度超过阈值threshold时，可认为图像过曝，对比度为100％；
综合手指位置偏移指标和图像对比度指标分数，分数过低时则提示重新采集静脉图像，否则采集成功存储静脉图像。
所述图像有效面积指标具体为：
指纹图像有效面积是指图像前景区域的面积，面积质量分数Qa由指纹图像前景区域总面积SF占图像总面积ST的比率来确定；由于指纹图像前景区域的平均灰度相对大，因此，可对原始图像进行一次阈值化操作，得到图像的前景区域面积SF；若前景区域面积SF超过整个图像面积ST的4/5，则面积质量分数Qa为满分，Qa具体计算方法如下：
指纹图像的对比度指标参考上述静脉图像对比度指标。综合指纹图像有效面积与图像对比度两个质量评价指标分数，分数过低时则提示重新采集指纹图像，否则采集成功存储指纹图像。
本发明提出的有效人脸检测是指在人脸图像采集过程中对输入的图像信息中判定是否存在人脸。所述的有效人脸检测通过金字塔方向梯度直方图算法与级联回归算法对实时图像进行人脸检测并定位人脸关键点，然后标记出有效区域，并最终裁剪出用于分析的有效人脸图像；考虑到图像的梯度信息能很好地突出目标的边缘，使得图像形状和目标轮廓的特征化过程变得更容易，从而有效评估人脸检测质量，丢弃检测质量较差的图片。
人脸图像的对比度指标参考上述静脉图像指标。采用有效人脸检测方法结合图像对比度指标对人脸图像进行质量评价，即首先采用人脸检测方法进行有效人脸检测，若检测不到人脸图像提示重新采集人脸图像，若检测到人脸图像，则对人脸图像采用对比度指标进行评价，评价结果不合格则重新采集人脸图像，否则采集成功存储人脸图像。
本发明还提出一种多模态图像采集系统，所述系统包括多生物特征图像采集模块、多生物特征图像质量评价模块与图像存储模块；所述多生物特征图像采集模块包括与微处理器模块相连的手指静脉图像采集模块、指纹图像采集模块和人脸图像采集模块；所述多生物特征图像质量评价模块包括与微处理器模块相连的图像接收模块和综合图像质量评价模块，所述综合图像质量评价模块对采集的手指静脉图像、指纹图像与人脸图像进行综合质量评价，将质量合格图像存储于图像存储模块，否则重新采集图像；所述的多生物特征图像质量评价模块采用手指位置偏移指标与图像对比度指标两个无参考评价指标相结合对采集到的手指静脉图像进行质量评价；所述的多生物特征图像质量评价模块采用图像有效面积与图像对比度两个指标相结合对采集到的指纹图像进行质量评价；所述的多生物特征图像质量评价模块采用有效人脸检测方法结合图像对比度指标对人脸图像进行质量评价。
以上对本发明所提出的一种多模态图像采集装置及系统进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (7)
1.一种多模态图像采集装置，其特征在于：所述装置包括多生物特征图像采集模块、多生物特征图像质量评价模块与图像存储模块；所述多生物特征图像采集模块包括与微处理器模块相连的手指静脉图像采集模块、指纹图像采集模块和人脸图像采集模块；所述多生物特征图像质量评价模块包括与微处理器模块相连的图像接收模块和综合图像质量评价模块，所述综合图像质量评价模块对采集的手指静脉图像、指纹图像与人脸图像进行综合质量评价，将质量合格图像存储于图像存储模块，否则重新采集图像；所述的多生物特征图像质量评价模块采用手指位置偏移指标与图像对比度指标两个无参考评价指标相结合对采集到的手指静脉图像进行质量评价；所述的多生物特征图像质量评价模块采用图像有效面积与图像对比度两个指标相结合对采集到的指纹图像进行质量评价；所述的多生物特征图像质量评价模块采用有效人脸检测方法结合图像对比度指标对人脸图像进行质量评价。
2.根据权利要求1所述的图像采集装置，其特征在于：所述多生物特征图像采集模块包括近红外光源、起偏器、检偏器、红外滤光片、静脉采集摄像头控制电路、滤光片、指纹采集摄像头控制电路、人脸采集摄像头控制电路和FPGA控制系统电路；所述近红外光源位于所述起偏器的正上方，所述起偏器位于所述检偏器的上方，所述检偏器位于红外滤光片的正上方，所述红外滤光片位于所述静脉摄像头控制电路的上方，所述静脉采集摄像头控制电路位于图像采集装置的底部与FPGA控制系统电路连接，所述指纹采集摄像头控制电路位于滤光片下方，并与FPGA控制系统电路连接，所述人脸采集摄像头控制电路位于图像采集装置顶部并与FPGA控制系统电路连接。
3.根据权利要求1所述的图像采集装置，其特征在于：所述手指位置偏移指标具体为：
通过寻找指静脉区域的质心和图像的几何中心来表示指静脉的偏移程度，指静脉区域的质心为：
其中，Cx和Cy分别为手指静脉区域质心的横纵坐标，在图像的区域R中，xi为像素i的横坐标，yj为像素j的纵坐标，N为图像的像素的总个数；
指静脉图像的水平偏移量和竖直偏移量计算如下：
其中，QH表示水平偏移量，QV表示竖直偏移量，gx和gy为整幅图像几何中心的横纵坐标；因此，指静脉图像的偏移质量分数Qs表示为：
Qs＝(QH×QV)×100％。
4.根据权利要求1所述的图像采集装置，其特征在于：所述图像对比度指标具体为：
图像的标准差计算如下:
其中，C表示图像的标准差，x′i代表像素点i的灰度值，xmean代表图像灰度均值，N为图像的像素的总个数；
因此对比度质量分数Qc表示为：
其中，threshold为对比度阈值，当对比度超过阈值threshold时，可认为图像过曝，对比度为100％；
综合手指位置偏移指标和图像对比度指标分数，分数过低时则提示重新采集静脉图像，否则采集成功存储静脉图像。
5.根据权利要求1所述的图像采集装置，其特征在于：所述图像有效面积指标具体为：
指纹图像有效面积是指图像前景区域的面积，面积质量分数Qa由指纹图像前景区域总面积SF占图像总面积ST的比率来确定；由于指纹图像前景区域的平均灰度相对大，因此，可对原始图像进行一次阈值化操作，得到图像的前景区域面积SF；若前景区域面积SF超过整个图像面积ST的4/5，则面积质量分数Qa为满分，Qa具体计算方法如下：
综合指纹图像有效面积与图像对比度两个质量评价指标分数，分数过低时则提示重新采集指纹图像，否则采集成功存储指纹图像。
6.根据权利要求1所述的图像采集装置，其特征在于：所述的有效人脸检测通过金字塔方向梯度直方图算法与级联回归算法对实时图像进行人脸检测并定位人脸关键点，然后标记出有效区域，并最终裁剪出用于分析的有效人脸图像；
采用有效人脸检测方法结合图像对比度指标对人脸图像进行质量评价，即首先采用人脸检测方法进行有效人脸检测，若检测不到人脸图像提示重新采集人脸图像，若检测到人脸图像，则对人脸图像采用对比度指标进行评价，评价结果不合格则重新采集人脸图像，否则采集成功存储人脸图像。
7.一种多模态图像采集系统，其特征在于：所述系统包括多生物特征图像采集模块、多生物特征图像质量评价模块与图像存储模块；所述多生物特征图像采集模块包括与微处理器模块相连的手指静脉图像采集模块、指纹图像采集模块和人脸图像采集模块；所述多生物特征图像质量评价模块包括与微处理器模块相连的图像接收模块和综合图像质量评价模块，所述综合图像质量评价模块对采集的手指静脉图像、指纹图像与人脸图像进行综合质量评价，将质量合格图像存储于图像存储模块，否则重新采集图像；所述的多生物特征图像质量评价模块采用手指位置偏移指标与图像对比度指标两个无参考评价指标相结合对采集到的手指静脉图像进行质量评价；所述的多生物特征图像质量评价模块采用图像有效面积与图像对比度两个指标相结合对采集到的指纹图像进行质量评价；所述的多生物特征图像质量评价模块采用有效人脸检测方法结合图像对比度指标对人脸图像进行质量评价。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111369172.2A CN114120376A (zh) | 2021-11-18 | 2021-11-18 | 一种多模态图像采集装置及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111369172.2A CN114120376A (zh) | 2021-11-18 | 2021-11-18 | 一种多模态图像采集装置及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114120376A true CN114120376A (zh) | 2022-03-01 |
Family
ID=80397602
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111369172.2A Pending CN114120376A (zh) | 2021-11-18 | 2021-11-18 | 一种多模态图像采集装置及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114120376A (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101901336A (zh) * | 2010-06-11 | 2010-12-01 | 哈尔滨工程大学 | 指纹与指静脉双模态识别决策级融合法 |
| CN104517102A (zh) * | 2014-12-26 | 2015-04-15 | 华中师范大学 | 学生课堂注意力检测方法及系统 |
| CN107423703A (zh) * | 2017-07-21 | 2017-12-01 | 山东大学 | 基于人脸、指纹和指静脉特征的多模态识别装置及方法 |
| CN107437074A (zh) * | 2017-07-27 | 2017-12-05 | 深圳市斑点猫信息技术有限公司 | 一种身份认证方法和装置 |
| CN109800643A (zh) * | 2018-12-14 | 2019-05-24 | 天津大学 | 一种活体人脸多角度的身份识别方法 |
| CN112465999A (zh) * | 2020-12-29 | 2021-03-09 | 天津科技大学 | 基于人脸与指静脉融合识别的考勤设备及考勤系统 |
| CN113272819A (zh) * | 2021-03-12 | 2021-08-17 | 敦泰电子（深圳）有限公司 | 一种指纹图像处理方法、指纹芯片及电子设备 |
-
2021
- 2021-11-18 CN CN202111369172.2A patent/CN114120376A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101901336A (zh) * | 2010-06-11 | 2010-12-01 | 哈尔滨工程大学 | 指纹与指静脉双模态识别决策级融合法 |
| CN104517102A (zh) * | 2014-12-26 | 2015-04-15 | 华中师范大学 | 学生课堂注意力检测方法及系统 |
| CN107423703A (zh) * | 2017-07-21 | 2017-12-01 | 山东大学 | 基于人脸、指纹和指静脉特征的多模态识别装置及方法 |
| CN107437074A (zh) * | 2017-07-27 | 2017-12-05 | 深圳市斑点猫信息技术有限公司 | 一种身份认证方法和装置 |
| CN109800643A (zh) * | 2018-12-14 | 2019-05-24 | 天津大学 | 一种活体人脸多角度的身份识别方法 |
| CN112465999A (zh) * | 2020-12-29 | 2021-03-09 | 天津科技大学 | 基于人脸与指静脉融合识别的考勤设备及考勤系统 |
| CN113272819A (zh) * | 2021-03-12 | 2021-08-17 | 敦泰电子（深圳）有限公司 | 一种指纹图像处理方法、指纹芯片及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107438854B (zh) | 使用移动设备捕获的图像执行基于指纹的用户认证的系统和方法 | |
| Lee | A novel biometric system based on palm vein image | |
| JP5292821B2 (ja) | 静脈画像取得装置および静脈画像取得方法 | |
| Syarif et al. | Enhanced maximum curvature descriptors for finger vein verification | |
| JP4748199B2 (ja) | 静脈撮像装置および静脈撮像方法 | |
| US7899217B2 (en) | Multibiometric multispectral imager | |
| US20130129164A1 (en) | Identity recognition system and method based on hybrid biometrics | |
| JP5504928B2 (ja) | 生体認証装置、生体認証方法およびプログラム | |
| TWI599964B (zh) | 手指靜脈辨識系統與方法 | |
| WO2019080580A1 (zh) | 3d人脸身份认证方法与装置 | |
| WO2019080578A1 (zh) | 3d人脸身份认证方法与装置 | |
| WO2019080579A1 (zh) | 3d人脸身份认证方法与装置 | |
| Kauba et al. | Focussing the beam-a new laser illumination based data set providing insights to finger-vein recognition | |
| US20080298642A1 (en) | Method and apparatus for extraction and matching of biometric detail | |
| CN109766836B (zh) | 一种指静脉识别解锁方法及系统 | |
| KR101025666B1 (ko) | 지정맥 특징점 추출 방법 및 장치 | |
| CN111462379A (zh) | 一种含掌静脉和人脸识别的门禁管理方法、系统及介质 | |
| CN111368780B (zh) | 一种基于指纹和指静脉的联合识别处理方法及系统 | |
| KR101315646B1 (ko) | 가이디드 가버 필터를 이용한 지정맥 패턴 추출 방법 및 장치 | |
| KR20090087895A (ko) | 생체인식정보의 추출과 대조를 위한 방법 및 장치 | |
| US11449590B2 (en) | Device and method for user authentication on basis of iris recognition | |
| Kauba et al. | Shedding light on the veins-reflected light or transillumination in hand-vein recognition | |
| Devadoss et al. | Performance improvement using an automation system for recognition of multiple parametric features based on human footprint | |
| WO2020073169A1 (zh) | 生物特征识别的方法、装置和电子设备 | |
| 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 |
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 |