CN116778537B - 一种指背静脉图像识别过程中指甲的检测与处理方法 - Google Patents

一种指背静脉图像识别过程中指甲的检测与处理方法 Download PDF

Info

Publication number
CN116778537B
CN116778537B CN202311072179.7A CN202311072179A CN116778537B CN 116778537 B CN116778537 B CN 116778537B CN 202311072179 A CN202311072179 A CN 202311072179A CN 116778537 B CN116778537 B CN 116778537B
Authority
CN
China
Prior art keywords
nail
point
judging
edge
symmetry
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
CN202311072179.7A
Other languages
English (en)
Other versions
CN116778537A (zh
Inventor
辛传贤
邱盼盼
李学双
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.)
Jiangsu Shengdian Century Technology Co ltd
Original Assignee
Jiangsu Shengdian Century 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 Jiangsu Shengdian Century Technology Co ltd filed Critical Jiangsu Shengdian Century Technology Co ltd
Priority to CN202311072179.7A priority Critical patent/CN116778537B/zh
Publication of CN116778537A publication Critical patent/CN116778537A/zh
Application granted granted Critical
Publication of CN116778537B publication Critical patent/CN116778537B/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
    • G06V40/1318—Sensors therefor using electro-optical elements or layers, e.g. electroluminescent sensing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • 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
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/70—Labelling scene content, e.g. deriving syntactic or semantic representations
    • 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
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Vascular Medicine (AREA)
  • Computational Linguistics (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种指背静脉图像识别过程中指甲的检测与处理方法，属于生物识别领域，包括以下步骤：采集用户的指背静脉图像，对其进行归一化处理，获得目标检测图像；计算目标检测图像中每一像素点的多方向曲率值并确定该像素点的主方向，根据该像素点主方向的曲率值判断该像素点是否为指甲边缘预判点，并对所述指甲边缘预判点进行位置标注；对所有指甲边缘预判点进行对称性检测，并根据对称性检测结果判断其是否为指甲边缘，若是指甲边缘则根据指甲边缘确定指甲区域，并将指甲区域进行灰度标注处理。本发明能提高了指背静脉识别算法的安全性和稳定性。

Description

一种指背静脉图像识别过程中指甲的检测与处理方法
技术领域
本发明涉及生物识别技术领域，特别是涉及一种指背静脉图像识别过程中指甲的检测与处理方法。
背景技术
指背静脉识别技术是通过近红外光对手指指背区域进行照射，当手指流动血液中的血红素吸收了近红外光后，可以获得指背静脉图像，再使用特征提取算法从指背静脉图像中提取出特征值，识别时将提取的特征值数据与之前存储的特征值数据进行比对，给出识别比对的结果，从而达到身份识别的功能。
市面上常见的手指静脉识别技术多采用指腹静脉识别技术，但近年来指背静脉识别技术因其独特的稳定性而受到市场的关注，如：采用指背静脉识别技术，手指用力按压认证设备不影响指背静脉的血管和血液流动，手指在拎重物后也不影响指背静脉的血管和血液流动，进而不影响利用指背静脉进行生物识别的识别性能，可解决采用指腹静脉识别技术导致的用户手指用力按压和拎重物后进行静脉识别认证的验证成功率不高的问题。
在指背静脉技术的开发过程中，发现不同用户的指甲区域在近红外光下的特征十分相似，且不少女性用户会做美甲或戴假甲，这将进一步增加不同用户间指甲区域的相似性，进而会影响指背静脉识别算法的安全性和稳定性，因此需要开发一种消除指甲对指背静脉识别技术影响的新方法。
发明内容
本发明的主要目的是提供一种指背静脉图像识别过程中指甲的检测与处理方法，有效筛选出指背静脉图像中的指甲区域，减少指甲区域对指背静脉识别的影响，大大提高了指背静脉识别算法的安全性和稳定性。
为实现上述目的，本发明提供了如下方案：
本发明涉及一种指背静脉图像识别过程中指甲的检测与处理方法，其包括以下步骤：
S1.采集用户的指背静脉图像，对其进行归一化处理，获得目标检测图像；
S2.计算目标检测图像中每一像素点的多方向曲率值并确定该像素点的主方向，根据该像素点主方向的曲率值判断该像素点是否为指甲边缘预判点，并对所述指甲边缘预判点进行位置标注；
S3.对所有指甲边缘预判点进行对称性检测，并根据对称性检测结果判断其是否为指甲边缘，若是指甲边缘则进行步骤S4，若不是指甲边缘，则停止检测；
S4.根据指甲边缘确定指甲区域，并将指甲区域进行灰度标注处理。
优选地，所述步骤S2中计算目标检测图像中每一像素点的多方向曲率值并确定该像素点的主方向包括：
S2.1.计算像素点等间隔角度的多个方向的曲率值及其正交方向的曲率值的差值；
S2.2.选择差值的绝对值最大的方向作为该像素点的主方向。
优选地，所述步骤S2中根据该像素点主方向的曲率值判断该像素点是否为指甲边缘预判点为：设定曲率阈值，若该像素点主方向的曲率值大于曲率阈值，则该像素点为指甲边缘预判点，反之非指甲边缘预判点。
优选地，所述步骤S2中对所述指甲边缘预判点进行位置标注为：构建与目标检测图像相同尺寸的空白二值图，将指甲边缘预判点在空白二值图中对应位置的像素值置为1，非指甲边缘预判点的像素值置为0，计算公式为：
,
,
,
式中，C(i)为目标检测图像像素点在i角度方向的曲率值；C(i+90)为目标检测图像像素点在正交方向的曲率值；g(i)为目标检测图像像素点在i角度方向和正交方向曲率差值的绝对值；a为目标检测图像像素点的主方向；x为指甲边缘预判点的横坐标；y为指甲边缘预判点的纵坐标；k为曲率阈值；I(x,y)为指甲边缘预判点的位置信息。
优选地，所述步骤S3中对称性检测包括曲率对称性检测、方向对称性检测和灰度对称性检测，计算公式为：
，
，
，
,
式中，m为指甲边缘预判点；z(m)为指甲边缘预判点的主方向曲率值；R(m)为指甲边缘预判点的曲率半径值；为指甲边缘预判点的镜像点的曲率半径值；/>为曲率对称性检测量化指标参数；N为指甲预判点的数量；b(m)为指甲边缘预判点的主方向；/>为指甲边缘预判点的镜像点的主方向；/>为方向对称性检测量化指标参数；d(m)为指甲边缘预判点的灰度值；/>为指甲边缘预判点的镜像点的灰度值；/>为指灰度对称性检测量化指标参数。
优选地，所述步骤S3中通过对称性检测结果判断其是否为指甲边缘包括：设定对称性检测阈值，若对称性检测结果小于对称性检测阈值，则为指甲边缘，反之不是指甲边缘，其中，对称性检测结果的计算公式为：
，
式中，score为对称性检测结果，function对称性检测结果量化评估数学模型。
优选地，所述对称性检测结果的计算公式优选为：
，
式中：为曲率对称性检测量化指标参数的权重系数；/>为方向对称性检测量化指标参数的权重系数；/>为指灰度对称性检测量化指标参数的权重系数。
优选地，所述步骤S4中的指甲区域为指甲边缘与目标检测图像的边缘所围成的面积较小的连通区域。
优选地，所述步骤S4中将指甲区域进行灰度标注处理为将指甲区域的像素点的灰度值置为0。
本发明具有以下技术效果：
1、本发明通过多方向曲率值筛选出指甲边缘预判点并对其进行位置信息标注，然后对指甲边缘预判点做曲率对称性检测、方向对称性检测和灰度对称性检测，若同时满足曲率对称性、方向对称性和灰度对称性检测，则为指甲边缘信息，反之不是指甲边缘信息，予以剔除，从而准备定位指甲区域，便于后续处理。
2、本发明指甲区域进行灰度标注处理，将其灰度值置为0，后续存储到提取的静脉特征信息中，将这部分静脉信息特征的统计权重同样置为0，即消除了指甲区域对静脉识别的影响，提高了指背静脉识别算法的安全性和稳定性。
附图说明
为了更清楚地说明本申请实施例，下面将对实施例中所需要使用的附图做简单的介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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为本发明涉及的一种指背静脉图像识别过程中指甲的检测与处理方法的流程图；
图2为带指甲区域的指背静脉图像。
具体实施方式
下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部实施例。基于本申请中的实施例，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，都属于本申请保护范围。
参照图1所示，本发明涉及一种指背静脉图像识别过程中指甲的检测与处理方法，其包括以下步骤：
S1.采集用户的指背静脉图像，对其进行归一化处理，获得目标检测图像；如图2所示为采集到的带指甲区域的指背静脉图像，其中指甲区域因不具备个体差异性，且指甲区域面积较大，进而会影响指背静脉识别算法的安全性和稳定性，因此需要对其做检测。
S2.计算目标检测图像中每一像素点的多方向曲率值并确定该像素点的主方向，根据该像素点主方向的曲率值判断该像素点是否为指甲边缘预判点，并对所述指甲边缘预判点进行位置标注，具体步骤为：
S2.1.计算像素点等间隔角度的多个方向的曲率值及其正交方向的曲率值的差值；
S2.2.选择差值的绝对值最大的方向作为该像素点的主方向。
若等间隔角度为，则需要计算360/个方向的曲率值，即若等间隔角度为30度， 则需要计算12个方向的曲率值，若等间隔角度为45度，则需要计算8个方向的曲率值，在此 不做限定，一般选择30度。此外，正交曲率差值最大的方向说明其灰度变化最为明显，最能 反应该像素点的方向性，因此将其作为主方向。
S2.3.设定曲率阈值，若该像素点主方向的曲率值大于曲率阈值，则该像素点为指甲边缘预判点，反之非指甲边缘预判点。
指甲边缘点存在其固有的物理学特性，且根据包含指甲区域的指背静脉图像跑批数据得到指甲边缘点的曲率值在一定的范围内波动，因此可以通过设定曲率阈值来进行指甲边缘点判断。
S2.4.构建与目标检测图像相同尺寸的空白二值图，将指甲边缘预判点在空白二值图中对应位置的像素值置为1，非指甲边缘预判点的像素值置为0，计算公式为：
,
,
,
式中，C(i)为目标检测图像像素点在i角度方向的曲率值；C(i+90)为目标检测图像像素点在正交方向的曲率值；g(i)为目标检测图像像素点在i角度方向和正交方向曲率差值的绝对值；a为目标检测图像像素点的主方向；x为指甲边缘预判点的横坐标；y为指甲边缘预判点的纵坐标；k为曲率阈值；I(x,y)为指甲边缘预判点的位置信息。
判断出指甲边缘预判点后，需要对其进行位置信息进行存储，便于后续准确调取指甲边缘预判点，本方案中通过构建二值图的方式对其位置信息进行存储。
S3.对所有指甲边缘预判点进行对称性检测，并根据对称性检测结果判断其是否为指甲边缘，若是指甲边缘则进行步骤S4，若不是指甲边缘，则停止检测；具体包括：
S3.1.首先对指甲边缘预判点进行对称性检测，包括曲率对称性检测、方向对称性检测和灰度对称性检测，计算公式为：
，
，
，
,
式中，m为指甲边缘预判点；z(m)为指甲边缘预判点的主方向曲率值；R(m)为指甲边缘预判点的曲率半径值；为指甲边缘预判点的镜像点的曲率半径值；/>为曲率对称性检测量化指标参数；N为指甲预判点的数量；b(m)为指甲边缘预判点的主方向；/>为指甲边缘预判点的镜像点的主方向；/>为方向对称性检测量化指标参数；d(m)为指甲边缘预判点的灰度值；/>为指甲边缘预判点的镜像点的灰度值；/>为指灰度对称性检测量化指标参数。
如上所述指甲边缘点存在其固有的物理学特性，如大致对称等，因此本发明通过对称性检测来进一步判断其是否存在指甲边缘，本发明中通过灰度、方向、曲率作为判断指标。此外，像素点的镜像点的获取方式为现有方案，在此不做再次限定。
S3.2.根据图像跑批结果设定对称性检测阈值，若对称性检测结果小于对称性检测阈值，则为指甲边缘，反之不是指甲边缘，其中，对称性检测结果的计算公式为：
，
式中，score为对称性检测结果，function对称性检测结果量化评估数学模型。
在一个实施例中，对称性检测结果的计算公式优选为：
，
式中：为曲率对称性检测量化指标参数的权重系数；/>为方向对称性检测量化指标参数的权重系数；/>为指灰度对称性检测量化指标参数的权重系数。
S4.根据指甲边缘确定指甲区域，并将指甲区域进行灰度标注处理：其中，指甲区域为指甲边缘与目标检测图像的边缘所围成的面积较小的连通区域，将指甲区域进行灰度标注处理为将指甲区域的像素点的灰度值置为0。因指背静脉图像采集设备的设计原理，一般采集到的指背静脉图像仅包含部分指甲区域，且指甲区域会在指背静脉图像的边缘处，因此指甲边缘与目标检测图像的边缘会将目标检测图像分为两个连通区域，其中面积较小的连通域即为指甲区域，将指甲区域的灰度值置为0，将在后续指背静脉图像的处理过程中，如特征提取过程中，将这部分静脉信息特征的统计权重同样置为0，即消除了指甲区域对指背静脉识别的影响，提高了指背静脉识别算法的安全性和稳定性。
以上所述的实施例仅是对本发明的优选方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。

Claims (9)

1.一种指背静脉图像识别过程中指甲的检测与处理方法，其特征在于：包括以下步骤：
S1.采集用户的指背静脉图像，对其进行归一化处理，获得目标检测图像；
S2.计算目标检测图像中每一像素点的多方向曲率值并确定该像素点的主方向，根据该像素点主方向的曲率值判断该像素点是否为指甲边缘预判点，并对所述指甲边缘预判点进行位置标注；
S3.对所有指甲边缘预判点进行对称性检测，并根据对称性检测结果判断其是否为指甲边缘，若是指甲边缘则进行步骤S4，若不是指甲边缘，则停止检测；
S4.根据指甲边缘确定指甲区域，并将指甲区域进行灰度标注处理。
2.根据权利要求1所述的指背静脉图像识别过程中指甲的检测与处理方法，其特征在于：所述步骤S2中计算目标检测图像中每一像素点的多方向曲率值并确定该像素点的主方向包括：
S2.1.计算像素点等间隔角度的多个方向的曲率值及其正交方向的曲率值的差值；
S2.2.选择差值的绝对值最大的方向作为该像素点的主方向。
3.根据权利要求2所述的指背静脉图像识别过程中指甲的检测与处理方法，其特征在于：所述步骤S2中根据该像素点主方向的曲率值判断该像素点是否为指甲边缘预判点为：设定曲率阈值，若该像素点主方向的曲率值大于曲率阈值，则该像素点为指甲边缘预判点，反之非指甲边缘预判点。
4.根据权利要求3所述的指背静脉图像识别过程中指甲的检测与处理方法，其特征在于：所述步骤S2中对所述指甲边缘预判点进行位置标注为：构建与目标检测图像相同尺寸的空白二值图，将指甲边缘预判点在空白二值图中对应位置的像素值置为1，非指甲边缘预判点的像素值置为0，计算公式为：
,
,
,
式中，C(i)为目标检测图像像素点在i角度方向的曲率值；C(i+90)为目标检测图像像素点在正交方向的曲率值；g(i)为目标检测图像像素点在i角度方向和正交方向曲率差值的绝对值；a为目标检测图像像素点的主方向；x为指甲边缘预判点的横坐标；y为指甲边缘预判点的纵坐标；k为曲率阈值；I(x,y)为指甲边缘预判点的位置信息。
5.根据权利要求4所述的指背静脉图像识别过程中指甲的检测与处理方法，其特征在于：所述步骤S3中对称性检测包括曲率对称性检测、方向对称性检测和灰度对称性检测，计算公式为：
，
，
，
,
式中，m为指甲边缘预判点；z(m)为指甲边缘预判点的主方向曲率值；R(m)为指甲边缘预判点的曲率半径值；为指甲边缘预判点的镜像点的曲率半径值；/>为曲率对称性检测量化指标参数；N为指甲预判点的数量；b(m)为指甲边缘预判点的主方向；/>为指甲边缘预判点的镜像点的主方向；/>为方向对称性检测量化指标参数；d(m)为指甲边缘预判点的灰度值；/>为指甲边缘预判点的镜像点的灰度值；/>为指灰度对称性检测量化指标参数。
6.根据权利要求5所述的指背静脉图像识别过程中指甲的检测与处理方法，其特征在于：所述步骤S3中通过对称性检测结果判断其是否为指甲边缘包括：设定对称性检测阈值，若对称性检测结果小于对称性检测阈值，则为指甲边缘，反之不是指甲边缘，其中，对称性检测结果的计算公式为：
，
式中，score为对称性检测结果，function对称性检测结果量化评估数学模型。
7.根据权利要求6所述的指背静脉图像识别过程中指甲的检测与处理方法，其特征在于：所述对称性检测结果的计算公式为：
，
式中：为曲率对称性检测量化指标参数的权重系数；/>为方向对称性检测量化指标参数的权重系数；/>为指灰度对称性检测量化指标参数的权重系数。
8.根据权利要求1所述的指背静脉图像识别过程中指甲的检测与处理方法，其特征在于：所述步骤S4中的指甲区域为指甲边缘与目标检测图像的边缘所围成的面积较小的连通区域。
9.根据权利要求7所述的指背静脉图像识别过程中指甲的检测与处理方法，其特征在于：所述步骤S4中将指甲区域进行灰度标注处理为将指甲区域的像素点的灰度值置为0。
CN202311072179.7A 2023-08-24 2023-08-24 一种指背静脉图像识别过程中指甲的检测与处理方法 Active CN116778537B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311072179.7A CN116778537B (zh) 2023-08-24 2023-08-24 一种指背静脉图像识别过程中指甲的检测与处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311072179.7A CN116778537B (zh) 2023-08-24 2023-08-24 一种指背静脉图像识别过程中指甲的检测与处理方法

Publications (2)

Publication Number Publication Date
CN116778537A CN116778537A (zh) 2023-09-19
CN116778537B true CN116778537B (zh) 2023-12-12

Family

ID=88012027

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311072179.7A Active CN116778537B (zh) 2023-08-24 2023-08-24 一种指背静脉图像识别过程中指甲的检测与处理方法

Country Status (1)

Country Link
CN (1) CN116778537B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117495860B (zh) * 2024-01-02 2024-04-12 江苏圣点世纪科技有限公司 一种静脉设备摄像头模组异常检测的方法和系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104239769A (zh) * 2014-09-18 2014-12-24 北京智慧眼科技发展有限公司 基于手指静脉特征的身份识别方法及系统
CN106780528A (zh) * 2016-12-01 2017-05-31 广西师范大学 基于边缘线匹配的图像对称轴检测方法
CN108629343A (zh) * 2018-04-28 2018-10-09 湖北民族学院 一种基于边缘检测和改进Harris角点检测的车牌定位方法和系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104239769A (zh) * 2014-09-18 2014-12-24 北京智慧眼科技发展有限公司 基于手指静脉特征的身份识别方法及系统
CN106780528A (zh) * 2016-12-01 2017-05-31 广西师范大学 基于边缘线匹配的图像对称轴检测方法
CN108629343A (zh) * 2018-04-28 2018-10-09 湖北民族学院 一种基于边缘检测和改进Harris角点检测的车牌定位方法和系统

Also Published As

Publication number Publication date
CN116778537A (zh) 2023-09-19

Similar Documents

Publication Publication Date Title
KR101882894B1 (ko) 지문 식별 방법 및 장치
CN111368683B (zh) 基于模约束CenterFace的人脸图像特征提取方法及人脸识别方法
CN111507206B (zh) 一种基于多尺度局部特征融合的手指静脉识别方法
CN110543822A (zh) 一种基于卷积神经网络和监督式离散哈希算法的指静脉识别方法
CN110472479B (zh) 一种基于surf特征点提取和局部lbp编码的指静脉识别方法
CN116778537B (zh) 一种指背静脉图像识别过程中指甲的检测与处理方法
WO2005024708A1 (en) The pupil detection method and shape descriptor extraction method for a iris recognition, iris feature extraction apparatus and method, and iris recognition system and method using its
CN102254188A (zh) 掌纹识别方法及装置
CN108875629B (zh) 基于多样本特征融合的掌静脉识别方法
CN103984920A (zh) 一种基于稀疏表示与多特征点的三维人脸识别方法
US9183439B2 (en) Method of searching for parameterized contours for comparing irises
CN115223211B (zh) 一种将静脉图像转化为指纹图像的识别方法
CN110163182A (zh) 一种基于kaze特征的手背静脉识别方法
CN111242971B (zh) 一种基于改进的双中心粒子群优化算法的目标跟踪方法
CN104036245A (zh) 一种基于在线特征点匹配的生物特征识别方法
CN111612767A (zh) 一种基于视觉的精密结构件识别方法
CN115311746A (zh) 一种基于多特征融合的离线签名真伪检测方法
KR101779642B1 (ko) 텍스처화된 영역들의 지능형 선택에 의해 홍채들의 이미지들을 비교하는 방법
CN111209850B (zh) 一种基于改进cGAN网络生成适用多设备识别指静脉图像的方法
CN105373781A (zh) 用于身份认证的二值图像处理方法
Huang et al. Noise removal and impainting model for iris image
CN111428064A (zh) 小面积指纹图像快速索引方法、装置、设备及存储介质
CN104268502A (zh) 人体静脉图像特征提取后的认识方法
Liu et al. Fingerprint image quality assessment based on BP neural network with hierarchical clustering
Szymkowski et al. A novel approach to fingerprint identification using method of sectorization

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