CN1257480C - 血管识别方法 - Google Patents
血管识别方法 Download PDFInfo
- Publication number
- CN1257480C CN1257480C CN 200410014652 CN200410014652A CN1257480C CN 1257480 C CN1257480 C CN 1257480C CN 200410014652 CN200410014652 CN 200410014652 CN 200410014652 A CN200410014652 A CN 200410014652A CN 1257480 C CN1257480 C CN 1257480C
- Authority
- CN
- China
- Prior art keywords
- blood vessel
- point
- template
- vascular
- image
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Collating Specific Patterns (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
血管识别方法及装置是一种用生物鉴定技术快速鉴定和识别人身份的方法,其操作的步骤如下:a.血管纹理图像采集:用近红外线辅助光照射被采集的血管部位,采集血管纹理图;b.图像纹理的预处理:采用标准差阈值跟踪法进行背景分离,确定图像的前景和背景,然后进行二值去噪、细化;c.奇异点检测:区分出奇异点,将血管纹理认证问题转化成为点模式匹配问题;d.建立数据库:建档时将奇异点位置点坐标转化为极坐标后存入数据库,作为建档模板;e.特征匹配:按照先锁定参考位置然后进行比对的原则,在血管纹理比对时,用上面存入数据库中的模板和用户PID号一起构成原有特征数据模板。
Description
技术领域
本发明是一种用生物鉴定技术快速鉴定和识别人身份的方法,尤其是一种将血管识别技术与嵌入式操作系统技术相结合进行血管识别的方法。
背景技术
生物鉴定技术是当前研究的热点之一。目前,有很多生物测定技术可用于身份认证,包括:虹膜识别、视网膜识别、面部识别、签名识别、声音识别技术、指纹识别技术等。本文的血管识别技术与指纹识别技术一样因具有终生不变性及稳定性,是目前应用前景较好的生物识别系统。但指纹识别目前在国内乃至世界仍未普及的主要原因是:(1)速度慢:目前一般系统辨别需要数秒钟甚至更长;(2)性能差:错误拒识率(FRR)和错误接受率(FAR)过高,目前市场上出现的系统一般FRR<3%,FAR<1/106;(3)价格高:由于目前国内主要引用国外成熟的指纹识别技术,并且比对系统大多采用PC机处理,体积庞大,不便移动。
发明内容
技术问题:本发明的目的是提供一种血管识别方法及装置,该方法在快速鉴定和识别人身份的方法和手段上降低了成本,提高了性能,加快了速度,识别错误率降低。
技术方案:血管识别方法是指确认用户声称的身份是否与真实身份一致,只有两种可能的答案“是”或“否”。系统包含两个主要的功能模块:学习模块和鉴定模块。学习模块负责采集用户血管纹理数据,提取代表这些数据的特征与用户PID(用户序号)号一起存入数据库。用户PID号作为索引以加速查库的效率。鉴定模块则负责采集待鉴定用户血管纹理数据,提取特征后与数据库中的模板进行比对,决定两者匹配程度,根据在阈值以内与否,作出“是”或“否”的判断。
本发明的操作的步骤如下:
a、血管纹理图像采集:用近红外线辅助光照射被采集的血管部位,采集到清晰的血管纹理图;
b、图像纹理的预处理:采用标准差阈值跟踪法进行背景分离,确定图像的前景和背景,然后进行二值去噪、细化;
c、奇异点检测:区分出奇异点,血管纹理图像的血管细化线末梢和分支点的位置及血管弧度较大点,将血管纹理认证问题转化成为点模式匹配问题;
d、建立数据库:建档时将奇异点位置点坐标转化为极坐标后存入数据库,作为建档模板;
e、特征匹配:按照先锁定参考位置然后进行比对的原则,在血管纹理比对时,用上面存入数据库中的模板和用户PID号一起构成原有特征数据模板;由于血管细化图像的平移和旋转,对每个奇异点A,在血管图像上寻找两个与其最近的奇异点R、S,把A、R、S点的三种类型即末梢、分支点、血管弧度较大点,分别纪录为Type1、Type2、Type3;把两两连接这3点构成的3条虚拟线段所跨越的血管细线数分别记为CrossNum1、CrossNum2、CrossNum3;这两点通过运算,结果满足预定范围,则认为两幅图像初位置锁定成功,如此可选择出最好的3组对应点,计算出比对模板相对建档模板的旋转角度,将比对模板矫正后,再进行细节点的精细匹配,根据隶属函数可计算两个血管纹理的相似度;如在阈值范围以内,则认为是同一血管纹理。
血管识别的基本原理为:即对经过灰度滤波、二值化、二值去噪、细化后的血管的纹理细线末梢、分支点和血管弧度较大点提取特征点鉴定血管纹理。
血管图像纹理的预处理:目的是去除血管纹理图像中的噪音,将其转化为一幅清晰的点线图,便于提取正确的血管纹理特征。预处理影响血管识别的效果,具有重要的意义。它分四步进行,即灰度滤波、二值化、二值去噪、细化。
奇异点检测:对图像细化后,进行奇异点检测。区分出奇异点,如血管纹理图像的血管细化线末梢A和分支点的位置R及血管弧度较大点S,将血管纹理认证问题转化成为点模式匹配问题。建档时将特征位置点坐标转化为极坐标后存入数据库,作为建档模板。按照先锁定参考位置然后进行比对的原则,在血管纹理比对时,用上面存入数据库中的模板和用户PID(用户序号)号一起构成原有特征数据模板。由于要考虑血管细化图像的平移和旋转(对极坐标只考虑旋转),对每个奇异点A,在血管图像上寻找两个与其最近的奇异点R、S,把A、R、S点的类型(末梢、分支点、血管弧度较大点)分别纪录为Type1、Type2、Type3;把两两连接这3点(A、R、S)构成的3条虚拟线段所跨越的血管细线数分别记为CrossNum1、CrossNum2、CrossNum3。如果这两点通过运算,结果满足预定范围,则认为两幅图像初位置锁定成功,如此可选择出最好的3组对应点,计算出比对模板相对建档模板的旋转角度,将比对模板矫正后,再进行细节点的精细匹配,根据隶属函数可计算两个血管纹理的相似度。如在阈值范围以内,则认为是同一血管纹理。
本发明的血管识别方法的血管识别装置包括图像处理及控制电路,血管纹理图象采集电路,可编程器器件,随机存储器,并口传输接口,键盘扫描和显示电路,LCD显示器,RS232接口,闪存存储器,键盘;其中,图像处理及控制电路分别与并口传输接口、键盘扫描和显示电路、RS232接口、闪存存储器相接;键盘扫描和显示电路还分别与LCD显示器、键盘相接;并口传输接口通过数据线与随机存储器相接;随机存储器通过数据线与血管纹理图象采集电路相接;随机存储器通过地址总线与可编程器器件相接;可编程器器件还分别与血管纹理图象采集电路、随机存储器、并口传输接口相接。
有益效果:识别唯一性:血管纹理特征与指纹特征一样,稳定性高,不易随外在环境或生理变化而改变,使用方便,其最大的特点是其识别的“唯一性”,也就是说只有合法用户本人的血管纹理才能被识别和允许通过。在现有的科技条件下,无法轻易仿造出人的血管纹理特征,完全杜绝了钥匙和IC卡被盗用或密码被破解等导致他人非法进入的现象。
信息安全性:对于一种安全产品,人们可能会花更多的时间关心它的信息安全性。该血管识别系统从硬件到软件完全自行设计。而国内很多公司往往是代理国外的产品,或由国外公司代开发、代生产,并不能保证“后门”或其它类似的安全隐患。因而在一些敏感部门,自主开发的产品才能够被选择。因此,信息的安全性高是该模块很大的特点。
使用方便:血管识别技术是目前最为方便的识别技术。即使在最为恶劣的工业环境下,仍然能够实现很高的识别率,使用前,灰尘较多的手无需清洗或擦拭。而指纹识别在这方面不得不说是一个遗憾。其次,血管识别系统可以作为前端系统和各种应用系统集成综合的网络管理系统。
对人安全:本发明采用主动近红外光源,其原理与电视机的遥控器相同,能量也相当,不会对人体造成任何伤害。利用血管纹理进行鉴别,在人们的心理上,也比利用虹膜、语音更容易接受(比如使用使用虹膜识别系统时,须将眼睛对准一个特制摄像头,系统就会将入的虹膜信息输入电脑储存,以后凡是需要出示身份证的场合,须眼睛再对准摄像头)。
系统可靠:本血管识别系统完全由电子器件制成,全机除按键外无活动或转动零件,故障率低。
识别速度快:该血管纹理识别系统的识别时间小,可以应用于人流量很大的场合。
系统扩展性强大:配合相应的辅助定位装置和应用场合,可制成手掌血管识别装置,面部血管识别装置等等。
采用模块化设计:分为辅助定位装置,血管纹理采集电路,图像传输控制电路,图像处理和控制电路,液晶显示部分,修改升级方便。
该系统借鉴了指纹识别的算法,媲美面部识别的方便,通过嵌入式系统优良的性价比来降低成本,提高性能。由于血管纹理数据量低于指纹数据量,可使识别速度超过指纹识别,同理可带来识别错误率的降低。接触此系统,可最大限度使您感觉舒适方便。此系统识别在湿度,汗水,污物,笔痕和小损伤方面优于其他生物识别系统。
附图说明
图1是本发明具体的自动血管识别系统功能框图。
图2是本发明结构软件流程框图。
图3是本发明电路结构原理框图。其中有图像处理及控制电路1,血管纹理图象采集电路2,可编程器器件31,随机存储器32,并口传输接口33,键盘扫描和显示电路4,LCD显示器5,RS232接口6,闪存存储器7,键盘8。
图4是本发明的电路中可编程器器件31、随机存储器32、并口传输接口33的电原理图。
图5是本发明的电路中图像处理及控制电路1的电原理图。
图6是本发明的电路中RS232接口电路6的电原理图。
图7是本发明电路中血管纹理图像采集电路2的电原理图。
图8是本发明电路中闪存存储器7的电原理图。
具体实施方式
选择嵌入式操作系统
随着微电子技术的进步,芯片的制造成本和销售价格都大大降低了,而功能和内部支持的端口却大大扩展了,16位和32位处理器逐渐成为电子产品设计的主流。为了缩短产品设计周期和运行时间,使工作更稳定、更可靠和更高效并实现需要的复杂功能,需要运行于处理器上的嵌入式操作系统,才能形成完整的系统平台。当前嵌入式操作系统包括、Microsoft Windows CE、Nucleus PLUS、pSOSystem、μC/OS-II、μclinux等。原则上上述系统都可采用,本系统优先选用μC/OS-II。通过裁减可加入TCP/IP协议,使用TFTP协议进行远程数据的上传和下载。
系统硬件选择及开发
系统硬件原理框图见图3。
该系统是由近红外血管纹理采集电路、CPLD可编程器件、SRAM随机存储器和Flash闪存存储器等硬件组成。RS232用于数据传输,PC机可以通过该接口得到指纹特征数据;Flash存储指纹信息库、LCD用的字符和DSP程序;CPLD在DSP的控制下从红外血管纹理采集电路中取出图放入随机存储器SRAM中;小键盘用于用户输入PID号码,增强该系统的安全等级。
本系统要访问的存储器有三个:DSP内部DARAM(32K字,用于存放常量和变量的数据空间)、SRAM和Flash存储器。
本系统中总线有两种:数据总线和地址总线。数据总线进行数据交换,地址总线进行寻址。因为DSP的数据总线是3.3V的高电平逻辑值,可能出现不能驱动外部5V的逻辑电平的情况;而且连接在动能力不足。因此,需要对总线,特别是数据总线进行加强驱动能力的设计。其中数据总线使用SN74LVTH16245来进行驱动向驱动;地址总线是单向的,没有方向的控制,也没有使能的控制,使用SN74LVTH16244单向驱动器就可以了。
BootLoader程序设计
该系统为最小系统,需要脱离开发系统运行,因此须进行BootLoader设计。在系统上电以后自动把程序和数据从外部存储器Flash读到随机存储器SRAM中。
主要电路组成:
该装置包括图像处理及控制电路1,血管纹理图象采集电路2,可编程器器件31,随机存储器32,并口传输接口33,键盘扫描和显示电路4,LCD显示器5,RS232接口6,闪存存储器7,键盘8;其中,图像处理及控制电路1分别与并口传输接口33、键盘扫描和显示电路4、RS232接口6、闪存存储器7相接;键盘扫描和显示电路4还分别与LCD显示器5、键盘8相接;并口传输接口33通过数据线与随机存储器32相接;随机存储器32通过数据线与血管纹理图象采集电路2相接;随机存储器32通过地址总线与可编程器器件31相接;可编程器器件31还分别与血管纹理图象采集电路2、随机存储器32、并口传输接口33相接。
(1)图像处理及控制系统电路1。本系统使用TI的TMS320VC540x作为核心。DSP与单片机相比,多用于算法比较复杂,乘加运算量比较大的场合。该芯片为一款定点的DSP,它具有高达100MIPS的运算能力,同时具有优化的CPU结构和一系列的智能外设。在系统中所起作用:搭载系统应用软件;使用EPP1.9模式,从SRAM读取血管纹理图像数据;将血管纹理图像数据通过血管纹理建档算法转化为血管纹理特征值存入FLASH存储器中;实时采集血管纹理特征值与FLASH存储器中血管纹理特征值进行比对;接收键盘输入键值并根据按键功能定义进行相应操作;系统状态信息输出到LCD中,完成人机操作界面显示。
(2)血管纹理图象采集电路2。主要功能为:实时通过主动近红外光学照射,血管纹理采集仪将血管纹理图像折射到采像芯片上,由采像芯片完成模拟量到数字量的转换,并送往SRAM存储器中暂存。血管纹理图象采集电路2板的核心器件为OV6120和镜头组件。OV6120为黑白单元COMS VGA采像器件。采用Camera On Chip技术,内建高速A/D变换器件,集成有完整的时序控制电路,并采用极具灵活性的I2C总线作为控制接口。
拍摄状态是用读写信号来指示的。当其为高电平时,进入拍摄状态。当外面的CPU向该模块发出拍摄命令时,该命令经过接口电路到达可编程控制器(EPM7128)。此后,控制器一直监视成像芯片的同步信号。当发现垂直同步信号出现时,就作好写SRAM的准备。在随后的一段时间里,只要水平同步信号有效,控制器就向SRAM发出写信号,同时给出相应地址,在这个过程中,数据总线中的数据被写进SRAM。如此继续,直到写完一帧图像。
整个拍摄过程,模块的时钟采用自带的时钟,频率为17MHZ(最多可以提高到40MHZ)),拍摄一帧图像的时间小于0.02秒,实际的曝光时间比这小的多。模块自带的时钟可以通过改变晶振的参数得以改变。
(3)由可编程器器件31,随机存储器32,并口传输接口33组成并口传输电路,主要功能为:通过I2C总线对血管纹理图象采集电路2板中采像芯片OV6120设置有关参数;从血管纹理图象采集电路2板提取血管纹理采像数据并暂存于存储器中;每存取一帧图像数据即通过并口(EPP模式)向图像处理及控制系统电路1板发出请求信号;根据图像处理及控制系统电路1板发出的数据提取信号将血管纹理图像数据输入图像处理系统进行有关处理。并口板的核心器件为EPM7128、IS61C1024L、EPM-7128,这是一款可编程CPLD产品,拥有128个宏单元,支持在系统编程(ISP),且无需外接存储器。其主要作用是完成血管纹理图象采集电路2中血管纹理图像数据到开发板的数据传递,负责协调整个并口传输电路3的时序。IS61C1024L为128K×8bit高速COMS静态存储器。
(4)键盘扫描和显示电路4主要功能为:接受外部命令并将对应键值输入开发板以完成相关操作,通过从图像处理及控制系统电路1板获取显示内容并转化为液晶屏显示所需格式。键盘和LCD都是I/O器件,分配两个I/O空间的地址,通过对地址的译码产生使能控制LCD和键盘。键盘含有15个铵键,为导电胶方式。按键包括:Menu、Cancel、OK、0~9、<、>共15个键,用10kΩ电阻拉高,同时使用与逻辑连接这12根线,输出的逻辑电平接DSP中断Int2,在中断服务程序中使用PORTR命令读入键值。LCD用于显示界面信息。本系统使用LC1611字符点阵模块。
键盘中断程序:TMS320vc540x中与中断有关的寄存器有三个:IFR、IMR、PMST。在DspInitial()函数中,首先要设置好这些寄存器,而后在中断程序中读入键值。为了防止误触发,在中断的一开始延时3ms。
(5)LCD显示器主要用来显示系统所处状态。
通信说明:通信主动方为图像处理及控制系统电路1,被动方向LCD。首先图像处理及控制系统电路1电路发送数据头命令,LCD接收到数据头后,判断是否正确。若正确则开始接收背光控制字并显示数据;否则退出接收状态。传输数据中,当LCD端检测到传输中断超时,即退出接收状态。LCD值守状态时处于背光熄灭状态,当检测有键按下时,上位机发送背光控制字使背光点亮。
具体的操作方法如下:
a、血管纹理图像采集:用近红外线辅助光照射被采集的血管部位,通过血管纹理图象采集电路(2)采集到清晰的血管纹理图。主动近红外光照射欲采集血管纹理部位可以获得更加清晰和边缘锐利的血管纹理图,便于下一步的图像预处理;
b、图像纹理的预处理:采用标准差阈值跟踪法进行背景分离,确定图像的前景和背景,由于图像的血管纹理部分是由黑白相同的纹线组成的,灰度变化很大,具有较大的标准差;而背景部分灰度分布比较平坦,标准差小,因此计算以各点为中心的一组像素的标准差,当标准差大于某一门限时,就可以确定该点为前景,否则为背景。然后进行二值去噪、细化。细化就是将纹理图像的线段变成单个像素的宽度,并保持原有的连续性;
c、奇异点检测:查找出奇异点,血管纹理图像的血管细化线末梢和分支点的位置及血管弧度较大点,将血管纹理认证问题转化成为点模式匹配问题;
X1 | X2 | X3 |
X8 | (m,n) | X4 |
X7 | X6 | X5 |
采用8个相邻点对二值化后的血管纹理图像抽取特征点,这种方法将线段用“1”表示,背景用“0”表示,将待测点(m,n)的八个相邻点X1、X2、X3、X4…X8(如上图所示)进行循环比较,若“0”,“1”变化有6次,则此待测点为分支点,若变化2次则为细化线末梢点。血管弧度较大点对线段求导即可求出。
d、建立数据库:建档时将奇异点位置点坐标转化为极坐标后和用户的PHD号一起存入数据库,作为建档模板,用户PID号作为索引以加速查库的效率和便于管理,同时带来双重验证,提高安全性,用户要登陆,必须先输入自己PID号;
e、特征匹配:按照先锁定参考位置然后进行比对的原则,在血管纹理比对时,用上面存入数据库中的模板和用户PID号一起构成原有特征数据模板;由于要考虑血管细化图像的平移和旋转(对极坐标只考虑旋转),对每个奇异点A,在血管图像上寻找两个与其最近的奇异点R、S,把A、R、S点的类型(末梢、分支点、血管弧度较大点)分别纪录为Type1、Type2、Type3;把两两连接这3点(A、R、S)构成的3条虚拟线段所跨越的血管细线数分别记为CrossNum1、CrossNum2、CrossNum3;如果原有特征数据模板图像相应的CrossNum1、CrossNum2、CrossNum3分别减去当前图像的CrossNum1、CrossNum2、CrossNum3,结果满足预定范围,则认为两幅图像初位置锁定成功,同时可以确定中心点。也就可以容易的确定各奇异点相对于中心点的方向,若为分支点则取分支点与中心点夹角的值作为此奇异点方向;若为血管细化线末梢点,则用血管细化线末梢点与中心点夹角的值作为此奇异点的方向。这样系统中就用奇异点的类型,奇异点与中心点的方向,奇异点与奇异点的所跨越的血管细线数这三个参量来表征一个奇异点的特征信息。两个血管纹理图像的匹配实际就是两幅图像奇异点信息(三个参量)的比对,获取的血管纹理图像靠近中心点的是图像质量较好的,离中心点越远,特征信息准确度越差,所以比对时尽可能取中心点附近的奇异点,若两幅血管纹理图像有3个以上的奇异点匹配即可基本判定两幅血管纹理属同一个血管纹理。
Claims (1)
1、一种血管识别方法,其特征在于操作的步骤如下:
a、血管纹理图像采集:用近红外线辅助光照射被采集的血管部位,采集到清晰的血管纹理图;
b、图像纹理的预处理:采用标准差阈值跟踪法进行背景分离,确定图像的前景和背景,然后进行二值去噪、细化;
c、奇异点检测:区分出奇异点,血管纹理图像的血管细化线末梢和分支点的位置及血管弧度较大点,将血管纹理认证问题转化成为点模式匹配问题;
d、建立数据库:建档时将奇异点位置点坐标转化为极坐标后存入数据库,作为建档模板;
e、特征匹配:按照先锁定参考位置然后进行比对的原则,在血管纹理比对时,用上面存入数据库中的模板和用户PID号一起构成原有特征数据模板;由于血管细化图像的平移和旋转,对每个奇异点A,在血管图像上寻找两个与其最近的奇异点R、S,把A、R、S点的三种类型即末梢、分支点、血管弧度较大点,分别纪录为Type1、Type2、Type3;把两两连接这3点构成的3条虚拟线段所跨越的血管细线数分别记为CrossNum1、CrossNum2、CrossNum3;这两点通过运算,结果满足预定范围,则认为两幅图像初位置锁定成功,如此可选择出最好的3组对应点,计算出比对模板相对建档模板的旋转角度,将比对模板矫正后,再进行细节点的精细匹配,根据隶属函数可计算两个血管纹理的相似度;如在阈值范围以内,则认为是同一血管纹理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200410014652 CN1257480C (zh) | 2004-04-14 | 2004-04-14 | 血管识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200410014652 CN1257480C (zh) | 2004-04-14 | 2004-04-14 | 血管识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1564191A CN1564191A (zh) | 2005-01-12 |
CN1257480C true CN1257480C (zh) | 2006-05-24 |
Family
ID=34478507
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 200410014652 Expired - Fee Related CN1257480C (zh) | 2004-04-14 | 2004-04-14 | 血管识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN1257480C (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008123207A (ja) * | 2006-11-10 | 2008-05-29 | Sony Corp | 登録装置、照合装置、登録方法、照合方法及びプログラム |
JP4862644B2 (ja) * | 2006-12-15 | 2012-01-25 | ソニー株式会社 | 登録装置、登録方法及びプログラム |
JP5326793B2 (ja) * | 2009-05-14 | 2013-10-30 | ソニー株式会社 | 静脈撮像装置、静脈画像補間方法およびプログラム |
CN104063464B (zh) * | 2014-06-27 | 2017-05-24 | 厦门美柚信息科技有限公司 | 皮肤养护方案的生成方法及装置 |
CN106355149A (zh) * | 2016-08-29 | 2017-01-25 | 恒银金融科技股份有限公司 | 一种金融自助终端交易操作用识别模块及识别方法 |
CN109902597A (zh) * | 2019-01-31 | 2019-06-18 | 杭州创匠信息科技有限公司 | 基于活体血管的防伪方法、装置和系统 |
-
2004
- 2004-04-14 CN CN 200410014652 patent/CN1257480C/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN1564191A (zh) | 2005-01-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1238809C (zh) | 指纹识别方法、以及指纹控制方法和系统 | |
US10366296B2 (en) | Biometric enrollment systems and methods | |
CN107273844A (zh) | 掌静脉识别匹配方法及装置 | |
JP6667802B2 (ja) | セグメントブロックベース手書き署名認証システム及び方法 | |
Blanco‐Gonzalo et al. | Performance evaluation of handwritten signature recognition in mobile environments | |
CN101499134B (zh) | 基于现场可编程门阵列的虹膜识别方法及系统 | |
CN105447371A (zh) | 生物身份识别验证终端及电子系统 | |
CN104751113A (zh) | 基于智能移动信息设备的指纹识别方法 | |
CN201974845U (zh) | 综合身份验证器 | |
CN103886283A (zh) | 用于移动用户的多生物特征图像信息融合方法及其应用 | |
CN102955932B (zh) | 一种基于嵌入式的qnmv指纹识别方法与系统 | |
CN107292147A (zh) | 一种数据处理方法、装置和智能终端 | |
CN103854013A (zh) | 一种基于稀疏矩阵的arm指纹识别方法及装置 | |
CN109083510A (zh) | 一种指纹锁 | |
CN1257480C (zh) | 血管识别方法 | |
CN205281501U (zh) | 生物身份识别验证终端 | |
CN103035051B (zh) | 一种嵌入式人脸识别门禁系统 | |
CN106547309A (zh) | 终端设备及其操作方法 | |
CN114511885A (zh) | 手掌感兴趣区域提取系统和方法 | |
WO2017053998A1 (en) | Techniques to determine distinctiveness of a biometric input in a biometric system | |
Arunkumar et al. | Biometrics authentication using raspberry pi | |
CN108009921A (zh) | 基于计算机视觉和指纹识别的期权交易系统 | |
CN101241526A (zh) | 掌上移动电子装置影像辨识认证方法 | |
EP3893179A1 (en) | Digital virtual currency issued by being matched with biometric authentication signal, and transaction method therefor | |
Zhang et al. | Research on finger vein recognition based on feature fusion of multimode local encoding |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20060524 |