TR201517592A2 - Stereo avuç i̇çi̇ damar tespi̇t yöntemi̇ ve bu yönteme uygun çalişan bi̇yometri̇k ki̇mli̇k tespi̇t si̇stemi̇ - Google Patents
Stereo avuç i̇çi̇ damar tespi̇t yöntemi̇ ve bu yönteme uygun çalişan bi̇yometri̇k ki̇mli̇k tespi̇t si̇stemi̇ Download PDFInfo
- Publication number
- TR201517592A2 TR201517592A2 TR2015/17592A TR201517592A TR201517592A2 TR 201517592 A2 TR201517592 A2 TR 201517592A2 TR 2015/17592 A TR2015/17592 A TR 2015/17592A TR 201517592 A TR201517592 A TR 201517592A TR 201517592 A2 TR201517592 A2 TR 201517592A2
- Authority
- TR
- Turkey
- Prior art keywords
- stereo
- vein
- palm
- detection method
- images
- Prior art date
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 26
- 230000002792 vascular Effects 0.000 title claims description 13
- 210000003462 vein Anatomy 0.000 claims abstract description 57
- 238000000605 extraction Methods 0.000 claims abstract description 3
- 238000004422 calculation algorithm Methods 0.000 claims description 18
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 238000010191 image analysis Methods 0.000 claims description 2
- 238000000926 separation method Methods 0.000 claims 1
- 238000005303 weighing Methods 0.000 claims 1
- 238000000034 method Methods 0.000 abstract description 28
- 238000005286 illumination Methods 0.000 abstract 1
- 210000004204 blood vessel Anatomy 0.000 description 8
- 238000012795 verification Methods 0.000 description 5
- 230000003044 adaptive effect Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- XUJNEKJLAYXESH-UHFFFAOYSA-N cysteine Natural products SCC(N)C(O)=O XUJNEKJLAYXESH-UHFFFAOYSA-N 0.000 description 1
- 235000018417 cysteine Nutrition 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 210000001525 retina Anatomy 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
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
- G06V40/70—Multimodal biometrics, e.g. combining information from different biometric modalities
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Image Input (AREA)
Abstract
Bu buluş, stereo eşleştirmesi yapılan avuç içi damar görüntülerinden üç boyutlu damar yapısının çıkarılması ve bu bilgilerin biyometrik kimlik tespiti için kullanılması ile ilgilidir. Buluş sayesinde, kızılötesi led aydınlatma (2.4) altında damarların belirginleşmesi ve belirginleşen damarların bir gömülü işlemci kamera modülü (2.6) ve iki farklı ayna A (2.7) ve ayna B (2.8) yardımıyla 3 boyutlu damar görüntüsü alarak, stereo avuç içi damar tespit yöntemi (1) ve bu yönteme uygun çalışan biyometrik kimlik tespit sistemi (2) gerçekleştirilmektedir. Bu sayede başarım artarken sahteciliğinde önüne geçilmektedir.
Description
TARIFNAME
STEREO AVUÇ IÇI DAMAR TESPIT YÖNTEMI VE BU YÖNTEME
UYGUN ÇALISAN BIYOMETRIK KIMLIK TESPIT SISTEMI
Teknik alan
Bu bulus, stereo eslestirmesi yapilan avuç içi damar görüntülerinden üç boyutlu
damar yapisinin çikarilmasi ve bu bilgilerin biyometrik kimlik tespiti için
kullanilmasi ve sahteciligin önlenmesi ile ilgilidir.
Önceki Teknik
Günümüzde her alanda hizli bir gelisme gösteren teknoloji, bizi de ayni ölçüde
aliskanliklarimizi degistirmeye zorlamaktadir. Nüfus cüzdani, kart gösterilmesi
veya pasaport bilgileri ile yürütülen birçok islem yerini sifre, parola ve pin
kodlarina birakmistir. Ancak bu tür uygulamalarin da çok geçmeden
dezavantajlari yasanmaya baslanmistir. Kisiye özel verilmis kartlarin unutulmasi,
kaybolmasi, baskalari tarafindan kullanilmasi, sifre ve parolalarin üçüncü kisiler
tarafindan ögrenilmesi veya unutulmasi kisi ve kurumlarin güvenligi için tehdit
olusturmaktadir. Bu sorunlari ortadan kaldirmak için ise yeni teknolojik sistemler
gelistirilmektedir.
Biyometrik kimlik tespiti sistemleri kisinin sadece kendisinin sahip oldugu ve
digerlerinden ayirt eden fiziksel veya davranissal özelliklerin taninmasi prensibi
ile çalismaktadir. Biyometrik kimlik tespiti Sistemleri tipki insan beyni gibi
düsünülerek gelistirilmis, tanima ve dogrulamadan olusan iki asamali Sistemlerdir.
Çalisma prensipleri birbirine benzemektedir. Tanima kisminda kayitlar toplanir ve
bu kayitlar bir kod olarak ilgili Sistemde saklanir. Dogrulama kisminda ise
toplanmis olan bu kayitlar ile ilgili kisi aninda karsilastirilir ve sonuca varilir.
Önceleri güvenlik amaciyla gelistirilmeye baslanan sistemler artik güvenligin
ötesinde personel çalistiran her kuruin için gerekli duruma gelmistir. Personel ve
ziyaretçi takibi, kurum içerisindeki geçis noktalari hatta yemekhane takibinde bile
sözü geçen sistemler kullanilmaktadir. Bu teknolojide parmak izi ve el
geometrisinin incelenmesi, yüz özelliklerinin karsilastirilmasi, ses ve konusma
analizi, iris ve retina tanimlanmasi gibi çalisma prensibi ayni ancak sekil ve sonuç
itibariyle birbirinden farkli sistemler yer almaktadir.
Gelistirilen teknikler üzerindeki en önemli problemlerden bir tanesi sahteciliktir.
Iki boyutlu yaklasimlarin biyometrik görüntü kopyalari ile kandirilmasi
mümkündür. Bu tip problemlerin üstesinden gelebilmek için ya birkaç biyometrik
bilgi birlikte kullanilmali ya da üç boyut bilgisi kullanilarak kopyalanmasi
zorlastirilmalidir. Damar teknolojileri görsel ve kopyalanabilir kisimlari kisitli
oldugu için sahtecilige karsi ön plana çikmaktadir.
Teknigin bilinen durumunda yer alan, yayinlanan “Increasing the reliability of
Biometric Verification by using 3D face information and palm vein patterns (2010
damar bilgilerini kisi dogrulainasi için kullaniinindan bahsedilmektedir. Bu
bulusun ilk asamasinda insan göz çevresinin sabit kameralar ile stereo görüntüsü
elde edilmektedir. Elde edilen görüntüler araciligi ile önce canny edge detector
yardimiyla ardindan da özellestirilmis bir hough circle algoritmasi yardimi ile
yerel maksimum noktasi bulunmaktadir. Bu nokta göz merkezleri kabul edilip
stereo resimler arasinda esleme yapilmaktadir. Çikarilan öznitelikler ve hamming
distance algoritmasi yardimi ile kisi tanimasi yapilmaktadir. Is bu belgede
anlatilacak olan “stereo avuç içi damar tespit yöntemi ve bu yönteme uygun
çalisan biyometrik kimlik tespit sistemi” ise çift ayna ile damar derinliklerinin 3
boyutlu olarak çikarilmasi yönünden “lncreasing the reliability of` Biometric
Verification by using 3D face information and palm vein patterns (2010 IEEE
Porto gual signal workshop” makalesinden ayrilmaktadir.
avuç içi kan damarinin görüntülenmesi için dijital görüntü sistemi ve
algoritmadan bahsedilmektedir. Bu bulusta, avuç içi kan damarlari 3 boyutlu
görüntülenmektedir. Kan damarina ait görüntüler voksel kümeleri olarak
boyutlu kan damari teknolojisi, birebir karsilastirma yapilmak için kullanilinakta
iken, is bu belgede anlatilacak olan “stereo avuç içi damar tespit yöntemi ve bu
yönteme uygun çalisan biyometrik kimlik tespit sistemi” stereo görüntülerin
baglanti noktalarinin derinlik haritasi ve sablon eslestirme yöntemleri tabanli bir
algoritma kullanilmasi yöntemi bakimindan teknigin bilinen durumundan
ayrilmaktadir.
kapatma için kan damari kimlik belirleme sisteminden bahsedilmektedir. Bu
bulus, bir kan damari tanimlama teknigi kullanilarak kapi açma ve kapama
mekanizmasi kullanmaktadir. Açma ve kapama mekanizmasi kilitler ya da kapi,
kilit islem ünitesine baglanir ve kapiyi açmak için bir kullanici tarafindan tutulan
bir kapi kolu sistemi bulunmaktadir. Kullanicinin kapiyi tuttugunda elinin
arkasina kan damarlarinin bir görüntüsünü alinarak, sistemdeki önceki tanimlanan
kan damari desenleri ile karsilastirma yapmaktadir. Sonra desen kimligine uygun
sayili Uluslararasi Patent dokümanindaki sistem ile is bu belgede anlatilacak olan
avuç içi ve çift ayna ile elde edilen stereo görüntü kümeleri alinan sistem göz
önünde bulunduruldugunda ayrilmaktadir. Ayrica is bu belgede anlatilacak olan
anlasilmaktadir.
Bulusun amaçlari
Bu bulusun amaci, kizilötesi isik altinda damarlarin belirginlesmesi ve
belirginlesen damarlarin bir kamera ve iki farkli ayna yardimiyla 3 boyutlu damar
görüntüsü alarak, stereo avuç içi damar tespit yöntemi ve bu yönteme uygun
çalisan biyometrik kimlik tespit sisteminin gerçeklestirilmesidir.
Bu bulusun amaci, 3 boyutlu damar görüntüsü alinarak damar derinliginin
algilandigi ve bu sayede sistemin eslestirme kararliliginin artirildigi ve
sahteciligin önlendigi stereo avuç içi dainar tespit yöntemi ve bu yönteme uygun
çalisan biyometrik kimlik tespit sisteminin gerçeklestirilmesidir.
Bulusun ayrintili açiklamasi
Bu bulusun amaçlarina ulasmak için gerçeklestirilen stereo avuç içi damar tespit
yöntemi ve bu yönteme uygun çalisan biyoinetrik kimlik tespit sistemi ekli
sekillerde gösterilmistir.
Bu sekillerden;
Sekil-1 Bulus konusu stereo avuç içi damar tespit yönteminin akis semasidir.
Sekil-2 Bulus konusu stereo avuç içi dainar tespit yöntemine uygun çalisan
biyometrik kimlik tespit sisteminin sematik bir görünümüdür.
Sekillerdeki parçalar asagidaki gibi numaralandirilmistir;
1. Yöntem
2. Sistem
2.1 Monitör
2.2 Bilgisayar
2.3 Kizilötesi filtre
2.4 Kizilötesi Led aydinlatma
2.5 Gömülü Islemci
2.6 Gömülü islemci kamera modülü
2.7 Ayna A
2.8 Ayna B
Bulus konusu stereo avuç içi damar tespit yöntemi (1);
- Ayna A (27) ve Ayna B (2.8) araciligi ile avuç içi görüntüler
üzerinden esikleme yapilarak elde edilmis görüntülerin ikili görüntü
hale getirilmesi (100),
- Damar görüntü morfolojik islemler yardimi ile inceltilerek, inceltme
görüntüsünün elde edilmesi (1 10),
- Elde edilen inceltme görüntüsü etrafindan seçilen küçük alanlarin
HOG (Histogram of gradient) öznitelikleri ve damar merkezine
uzakliklari ile birlikte regresyon tabanli bir algoritmanin damar
yapisini tanimasi (120),
- Sistem içerisinde elde edilmis stereo görüntüler daha önceden
kaydedilmis damar görüntüleri ile karsilastirilmak üzere regresyon
tabanli damar çikarma islemi yapilmasi (130),
- Elde edilen damar görüntüleri üzerinde ayrim noktalarinin tespit
edilmesi (140),
- Bu ayrim noktalari ile birlikte derinlik karsilastirmasinin yapilmasi
(150),
- Yapilan karsilastirmalar ve sablon eslestirmesi ile elde edilen veriler
skor agirlikli olarak toplanarak sistem cevabini belirlemesi (160),
- adimlarini içermektedir.
Bulus konusu stereo avuç içi damar tespit yöntemi (1) ve bu yönteme uygun
çalisan biyometrik kimlik tespit sistemi (2);
- Kullanicinin avuç içinin çekildigi damar görsellerinin görüntülenebilmesi
- Gömülü islemci (2.5) ile alinan görüntülerin aktarilacagi bilgisayar (2.2),
- Kullanicinin damar yapisini ortaya çikarmak için gömülü islemci kamera
modülünün (2.6) lensi üzerine yerlestirilen kizilötesi filtre (2.3),
- Kizilötesi led ampuller ile el yapisini aydinlatarak damar yapisini ortaya
çikaran kizilötesi led aydinlatma (2.4),
- Gömülü islemci kamera modülünün (2.6) baglandigi ve içerisindeki
yaziliin sayesinde görüntü analizi yapabilen portatif boyutlu bilgisayar
(2-2),
- Gömülü islemci (2.5) üzerine baglanan ve üzerindeki lens önünde
kizilötesi filtre (2.3) bulunan gömülü islemci kamera modülü (2.6),
- Gömülü islemci kamera modülünün (2.6) stereo görüntü alarak damar
derinliginin tespit edilmesi için kullanilan ayna A (2.7) ve ayna B (2.8)
Içermektedir.
Insan damar yapisi her bir kisi için özeldir ve biyometrik kimlik tespiti için
kullanilabilmektedir. Güncel arastirmalarda biyometrik tanimlama tekniklerinin
birbiri ile kombine edilmis birden çok sistemin kullanilmasi ile güvenligin
arttirildigi sistemler gelistirilmeye çalisilmistir. Buna örnek olarak avuç içi izi ve
avuç içi damar sistemi temel alinan sistemler gelistirilmeye baslanmasi
gösterilebilir. Avuç içi damar takip sistemleri günümüz bilimsel çalismalarinda
sikça rastlanan güncel bir konudur. Iris kodu gibi kabul edilmis kararli bir sistem
haline getirilememis olmasi bu alanda yeni çalismalar çikmasina olanak
tanimaktadir.
Stereo avuç içi damar tespit yöntemi (1) ve bu yönteme uygun çalisan biyometrik
kimlik tespit sistemi (2), 3 boyutlu damar yapisi üzerinden biyometrik insan
kimlik tespitini hedeflenmektedir. Bu kapsamda gömülü islemci (2.5) kullanan
stereo eslestirmesi yapilmis kizilötesi led aydinlatma (2.4) altinda çekilmis bir
görüntünün çiktilari üzerinde çalisma yapilmistir. Sistem (2) biyometrik kimlik
tespiti yapmak için avuç içi damar analizi yapmaktadir.
Damar tanimlamasi için kanin yapisi geregi kizilötesi led aydinlatma (2.4)
kullanilmaktadir. Damar kizilötesi led aydinlatma (2.4) sayesinde
belirginlestirilmektedir.
Gelistirilen sistem ilk asamada kizilötesi led aydinlatma (2.4) altinda daha
önceden kalibre edilen görüntülerin derinlik bilgisini sisteme verecektir. Elde
edilen bilgilerden belirgin öznitelikler ortaya çikarilarak ve karsilastirma
algoritmalari yardimiyla üç boyutlu esleme yapilmaktadir. Bu asamadan sonra
standart biyometrik kimlikte tespiti islemleri yapilmaktadir.
Stereo avuç içi damar tespit yöntemi (1) ve bu yönteme uygun çalisan biyometrik
kimlik tespit sistemi (2) sayesinde avuç içi damar tanima sistemleri için yeni bir
metot ortaya koyularak karsilastirma kismindaki basarim artirilmis olmaktadir. Bu
sayede daha kararli bir biyometrik tanima sistemi ortaya konmaktadir.
Damar Bulma
Adaptif tresho 1d ve regresyon tabanli iki farkli damar bulma yöntemi denenmistir.
Damar bulma yöntemlerinde elimizde dogrulugu saglayacak bir damar verisi
bulunmadigi için sonuç olarak elde edilen damar görüntüleri ve sag ve sol kamera
damarlarinin uyumu gösterilecektir.
Adaptif treshold algoritmasinda belirli parametreler ile gri renk tabanli
görüntünün ikili sonucu olusturulmustur. Olusturulan bu yapi morfolojik
yöntemler kullanilarak damar yapilari tek çizgi haline getirilmektedir.
Regresyon tabanli damar bulma algoritmasi siniflandirici olarak rasgele orman
agaçlari metodu kullanmaktadir. 32x32 piksellik filtreler ile elde edilmis degerler
bir öznitelik vektörünün parçasi olarak kullanilmaktadir. 121 adet filtre ile
öznitelik vektörü olusturulmaktadir. Filtreler merkez çizgisi bulma algoritmasinda
göz damarlari bulmak için gelistirdikleri sistem tarafindan olusturulan otomatik
tiltrelerdir. Sistemde bir pikselin damar olup olmadigina karar vermektense ne
kadar damar oldugunu bulmanin daha basarili sonuçlar verdigi gözlemlenmistir.
Her piksele pozitif datadan uzakligina göre damar olma durumu asagidaki formül
ile bulunmustur. Komsuluk için 7 sabit sayisi kullanilmaktadir.
y(f(x, 1)) _ {0 diger durumlarda
Sisteinde damarlarin komsuluk için ne kadar uzaklasacagi ise asagidaki formül ile
bulunmaktadir. C yi damar noktasi kabul eder isek Dc ne kadar uzaga
gidecegimizi temsil eder. d(x) ise regresyon için temsil edecegi katsayiyi ifade
1-DC_(x) egerD(x)
0 diger durumlarda
Sonuç olarak tüm bu islemler yapilarak bir avuç içi görüntüsünün tüm pikselleri
ne kadar damar ne kadar damar degil analizi yapilabilmektedir.
Kimlik Tespiti
Kimlik tespiti için üç farkli test kullanilmistir. Bütün testlerde inteFin opencv
kütüphanesi ime template match algoritmasi kullanilmaktadir. Algoritma verilen
referansin sorulan yer ile ne kadar uyustugunu 0 ile 1 arasinda normalize edilmis
bir sekilde geri döndüren ve bunun piksellerin intensit degerlerini kullanan bir
yapiya sahiptir. Testlerimizde 0.65 esik degeri üzerinde en çok eslesen görüntüler
dogru olarak kabul edilmektedir.
Sonuçlar
Stereo avuç içi damar tespit yöntemi (1) ve bu yönteme uygun çalisan biyometrik
kimlik tespit sistemi (2) üç farkli sekilde test edilmistir. Tüm testlerde 3 er
görüntüden olusan 30 kisilik set kullanilmistir. Görüntüler ayna A (2.7) ve ayna B
(2.8) ile elde edilmistir. Adaptif treshold ile 2 boyutlu kisi tanima algoritmasi %71
basarim ile çalismistir. Adeptif treshold ile stereo görüntülü sonuç ise %86 olarak
elde edilmistir. Regresyon tabanli algoritma ile %94,6 basarim elde edilmistir.
Asagidaki tabloda regresyon tabanli stereo kisi bulma algoritmasmin RANK
tablosu ve maksimum benzesme histogramlari yer almaktadir.
Regresyon tabanli damar bulma ve kisi bulma algoritmasi RANK sonuçlari
Regresyon tabanli damar bulma ve kisi bulma algoritmasi en iyi benzesme
histogrami
Ayna A (2.7) ve Ayna B (2.8) araciligi ile avuç içi görüntüler üzerinden esikleme yapilarak
elde edilmis görüntülerin ikili hale getirilmesi (100)
Dainar görüntü morfolojik islemler yardimi ile ineeltilerek, inceltine görüntüsünün
elde edilmesi (110)
Elde edilen inceltme görüntüsü etrafindan seçilen küçük alanlarin HOG
(Histogram of gradient) öznitelikleri ve damar merkezine uzakliklari ile birlikte
regresyon tabanli bir algoritmanin damar yapisini tanimasi (120)
Sistem içerisinde elde edilmis stereo görüntüler daha önceden kaydedilmis damar
görüntüleri ile karsilastirilmak üzere regresyon tabanli damar çikarma islemi yapilmasi (130)
Yapilan karsilastirmalar ve sablon eslestirmesi ile elde edilen veriler skor
agirlikli olarak toplanarak sistem cevabini belirlemesi (160)
Claims (7)
1.) Ayna A (2.7) ve Ayna B (2.8) araciligi ile avuç içi görüntüler üzerinden esikleme yapilarak elde edilmis görüntülerin ikili hale getirilmesi (100) adimini içermesiyle karakterize edilen stereo avuç içi damar tespit yöntemi (l).
2.) Damar görüntü morfolojik islemler yardimi ile inceltilerek, inceltme görüntüsünün elde edilmesi (110) adimini içermesiyle karakterize edilen Istem 1” deki gibi bir stereo avuç içi damar teSpit yöntemi (1).
3.) Elde edilen inceltme görüntüsü etrafindan seçilen küçük alanlarin HOG (Histogram of gradient) öznitelikleri ve damar merkezine uzakliklari ile birlikte regresyon tabanli bir algoritmanin damar yapisini tanimasi (120) adimini içermesiyle karakterize edilen Istem 2” deki gibi bir stereo avuç içi damar tespit yöntemi (1).
4.) Sistem içerisinde elde edilmis stereo görüntüler daha önceden kaydedilmis damar görüntüleri ile karsilastirilmak üzere regresyon tabanli damar çikarma islemi yapilmasi (130) adimini içermesiyle karakterize edilen Istem 3” deki gibi bir stereo avuç içi damar tespit yöntemi (1).
5.) Elde edilen damar görüntüleri üzerinde ayrim noktalarinin tespit edilmesi (140) adimini içermesiyle karakterize edilen Istem 4” deki gibi bir stereo avuç içi damar tespit yöntemi (1).
6.) Bu ayrim noktalari ile birlikte derinlik karsilastirmasmin yapilmasi (150) adimini içermesiyle karakterize edilen Istem 5“ deki gibi bir stereo avuç içi damar tespit yöntemi (1).
7.) Yapilan karsilastirmalar ve sablon eslestirmesi ile elde edilen veriler skor agirlikli olarak toplanarak sistem cevabini belirlemesi (160) adimini içermesiyle karakterize edilen Istem 6, daki gibi bir stereo avuç içi damar tespit yöntemi (1). Kullanicinin avuç içinin çekildigi damar görsellerinin görüntülenebilmesi Gömülü islemci (2.5) ile alinan görüntülerin aktarilacagi bilgisayar (2.2), Kullanicinin damar yapisini ortaya çikarmak için gömülü islemci kamera modülünün (2.6) lensi üzerine yerlestirilen kizilötesi filtre (2.3), Kizilötesi led ampuller ile el yapisini aydinlatarak damar yapisini ortaya çikaran kizilötesi led aydinlatma (2.4), Gömülü islemci kamera modülünün (2.6) baglandigi ve içerisindeki yazilim sayesinde görüntü analizi yapabilen portatif boyutlu bilgisayar (2.2), Gömülü islemci (2.5) üzerine baglanan ve üzerindeki lens önünde kizilötesi Iiltre (2.3) bulunan gömülü islemci kamera modülü (2.6), içeren ve Gömülü islemci kamera modülünün (2.6) stereo görüntü alarak damar derinliginin tespit edilmesi için kullanilan ayna A (2.7) ve ayna B (2.8) içermesiyle karakterize edilen istem 7°deki stereo avuç içi damar tespit yöntemine (l) uygun olarak çalisan biyometrik kimlik tespit sistemi (2).
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TR2015/17592A TR201517592A2 (tr) | 2015-12-30 | 2015-12-30 | Stereo avuç i̇çi̇ damar tespi̇t yöntemi̇ ve bu yönteme uygun çalişan bi̇yometri̇k ki̇mli̇k tespi̇t si̇stemi̇ |
PCT/TR2015/050304 WO2017116331A1 (en) | 2015-12-30 | 2015-12-31 | Stereo palm vein detection method and biometric identification system operating in compliance with said method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TR2015/17592A TR201517592A2 (tr) | 2015-12-30 | 2015-12-30 | Stereo avuç i̇çi̇ damar tespi̇t yöntemi̇ ve bu yönteme uygun çalişan bi̇yometri̇k ki̇mli̇k tespi̇t si̇stemi̇ |
Publications (1)
Publication Number | Publication Date |
---|---|
TR201517592A2 true TR201517592A2 (tr) | 2017-01-23 |
Family
ID=55411724
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TR2015/17592A TR201517592A2 (tr) | 2015-12-30 | 2015-12-30 | Stereo avuç i̇çi̇ damar tespi̇t yöntemi̇ ve bu yönteme uygun çalişan bi̇yometri̇k ki̇mli̇k tespi̇t si̇stemi̇ |
Country Status (2)
Country | Link |
---|---|
TR (1) | TR201517592A2 (tr) |
WO (1) | WO2017116331A1 (tr) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019075601A1 (zh) * | 2017-10-16 | 2019-04-25 | 厦门中控智慧信息技术有限公司 | 一种掌静脉的识别方法及装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102005039685B4 (de) | 2005-08-22 | 2007-10-11 | Siemens Ag | Verfahren zur Identifizierung eines kontrastierten Blutgefäßes in digitalen Bilddaten |
JP4539683B2 (ja) * | 2007-06-13 | 2010-09-08 | 日本電気株式会社 | 生体特徴入力システム、画像合成装置、画像合成方法および、画像合成プログラム |
KR20090132211A (ko) | 2008-06-20 | 2009-12-30 | 주식회사 테크스피어 | 혈관인식기술을 이용한 출입문 개폐장치 |
US9053365B2 (en) * | 2013-09-16 | 2015-06-09 | EyeVerify, Inc. | Template update for biometric authentication |
-
2015
- 2015-12-30 TR TR2015/17592A patent/TR201517592A2/tr unknown
- 2015-12-31 WO PCT/TR2015/050304 patent/WO2017116331A1/en active Application Filing
Also Published As
Publication number | Publication date |
---|---|
WO2017116331A1 (en) | 2017-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106372601B (zh) | 一种基于红外可见双目图像的活体检测方法及装置 | |
CN108985134B (zh) | 基于双目摄像机的人脸活体检测及刷脸交易方法及系统 | |
Verma et al. | Daughman’s algorithm method for iris recognition—a biometric approach | |
Rankin et al. | Iris recognition failure over time: The effects of texture | |
Awad et al. | Impact of some biometric modalities on forensic science | |
Srivastava | Personal identification using iris recognition system, A Review | |
Villariña et al. | Palm vein recognition system using directional coding and back-propagation neural network | |
Carney et al. | A multi-finger touchless fingerprinting system: Mobile fingerphoto and legacy database interoperability | |
Cho et al. | Thermal imprint feature analysis for face recognition | |
Ramsoful et al. | Feature extraction techniques for dorsal hand vein pattern | |
Sathish et al. | Multi-algorithmic iris recognition | |
TR201517592A2 (tr) | Stereo avuç i̇çi̇ damar tespi̇t yöntemi̇ ve bu yönteme uygun çalişan bi̇yometri̇k ki̇mli̇k tespi̇t si̇stemi̇ | |
Jayachandra et al. | Iris Recognition based on Pupil using Canny edge detection and K-Means Algorithm | |
Ibrahim | Iris recognition using Haar wavelet transform | |
Rossan et al. | Impact of changing parameters when preprocessing dorsal hand vein pattern | |
Sharma et al. | Improved human identification using finger vein images | |
Kaur et al. | Enhanced Iris Recognition System–an Integrated Approach to Person Identification | |
Morales-Montiel et al. | Hand Vein Infrared Image Segmentation for Biometric Recognition. | |
Spasova et al. | An Algorithm for Detecting the Location and Parameters of the Iris in the Human Eye | |
KR20200079989A (ko) | 특징점 변동을 이용한 위조 홍채 판별장치 및 그 방법 | |
Lee et al. | Detection of abnormal iris authentication | |
Abd Aziz et al. | Polarization imaging for face spoofing detection: identification of black ethnical group | |
Chawla et al. | A robust segmentation method for iris recognition | |
Adamović | Application of biometrics in automotive industry-case study based on iris recognition | |
Sonkamble et al. | An effective machine-vision system for information security and privacy using iris biometrics |