TW201909032A - 指靜脈辨識方法 - Google Patents
指靜脈辨識方法 Download PDFInfo
- Publication number
- TW201909032A TW201909032A TW106124764A TW106124764A TW201909032A TW 201909032 A TW201909032 A TW 201909032A TW 106124764 A TW106124764 A TW 106124764A TW 106124764 A TW106124764 A TW 106124764A TW 201909032 A TW201909032 A TW 201909032A
- Authority
- TW
- Taiwan
- Prior art keywords
- image
- edge image
- edge
- finger vein
- axis
- Prior art date
Links
Abstract
一種指靜脈辨識方法,用以解決辨識率不佳的問題,包含:計算一邊緣影像的任二相鄰X軸影像座標,其各自在Y軸向的數個像素的灰階值之總和的差距;判斷該差距是否不小於一門檻值,若判斷結果為是,則以該二相鄰X軸影像座標中的一者作為該邊緣影像的一切割點,並以該切割點沿該邊緣影像的Y軸向延伸切割該邊緣影像,以產生二分割影像;及使該二分割影像各自產生一直方圖,該二分割影像的直方圖分別與數組對照影像進行比對,判斷是否與該數組對照影像的其中之一相符合,以產生一辨識結果。
Description
本發明係關於一種指靜脈辨識方法,尤其是一種能夠針對指靜脈影像的局部特徵進行辨識的方法。
習知認證身分技術,其應用於科技產品(例如:筆記型電腦、金融卡或電子錢包)時,大多係利用卡片加上密碼的辨識機制以完成辨識及認證。惟,對於大多數人而言,習知認證身分技術往往具有安全性不足,且容易造成使用者困擾等問題,例如:當卡片遺失、忘記密碼、密碼遭外部程式側錄等等,都將對使用者造成極大的不便。
隨著科技的蓬勃發展,取而代之的是生物辨識技術(如:人臉、視網膜、虹膜、指紋或指靜脈),與習知認證身分技術不同,它是依據每個人自身特有的獨特性當作辨識特徵,以進行辨識及認證。該生物辨識技術可以透過個人身份識別來防止非授權的訪問,同時也可以防止個人手機、ATM系統、個人電腦、大型工作站、計算機網路系統等遭到盜用。
其中,習知指靜脈辨識技術係基於人體的組織在不同波長的光線照射下,能夠顯現出不一樣的光學特性,當以波長均勻的近紅外線對手指皮膚進行照射,則位於人體皮膚下層的靜脈血管便可以顯現出來,並可作為一辨識特徵,隨後,再對該辨識特徵執行全域性的特徵轉換法,以達到辨識的目的。惟,全域性的特徵轉換法具有造成辨識率下降的問題,有鑑於此,習知指靜脈辨識技術確實仍有加以改善之必要。
為解決上述問題,本發明提供一種指靜脈辨識方法,能夠針對指靜脈影像的局部特徵進行辨識。
本發明提供一種指靜脈辨識方法,用以對一辨識區域進行認證,該方法包含:以一邊緣影像作為該辨識區域,並計算該邊緣影像在不同X軸影像座標的Y軸向上的數個像素的灰階值之總和,使該邊緣影像的X軸影像座標各自產生一灰階量;計算該邊緣影像的任二相鄰X軸影像座標的灰階量之差,並判斷該差是否不小於一門檻值,若判斷結果為是,則以該二相鄰X軸影像座標中的一者作為該邊緣影像的一切割點,並以該切割點沿該邊緣影像的Y軸向延伸切割該邊緣影像E,以產生二分割影像,若判斷結果為否,且該邊緣影像的任二相鄰X軸影像座標的灰階量之差均小於該門檻值時,則降低該門檻值,並重新判斷該差是否不小於該門檻值;及使該二分割影像各自產生一直方圖,該二分割影像的直方圖分別與數組對照影像進行比對,判斷是否與該數組對照影像的其中之一相符合,以產生一辨識結果。
據此,本發明的指靜脈辨識方法,能夠以使用者手指的關節處骨骼與肌肉間格處的明暗差異作為分割的條件,以針對指靜脈影像的局部特徵進行辨識。藉此,本發明可以達到提升整體辨識率之功效。
其中,以一光源朝一使用者之手指照射,並以一影像擷取裝置進行拍攝,使產生一原始影像,對該原始影像執行一邊緣偵測,以產生該邊緣影像。如此,能夠減少影像處理所需耗費的時間,並具有提升整體辨識效率之功效。
其中,對該原始影像執行一灰階化處理。如此,能夠減少影像處理所需耗費的時間,具有提升整體辨識效率之功效。
其中,對該原始影像以一中值濾波器去除雜訊。如此,使該 原始影像更為平滑,具有提升後續影像處理精確度之功效。
其中,係以波長為700奈米至1000奈米之間的近紅外線光之光源朝向該使用者之手指照射。如此,能夠使拍攝出的原始影像更為清晰,具有提升該原始影像解析度之功效。
其中,對該邊緣影像依序執行侵蝕及膨脹之形態學影像處理。如此,可以達到消除雜訊的效果,具有提升後續影像處理精確度之功效。
其中,對該邊緣影像設定一中線及一對角線,該中線與該對角線之間形成一校正角,該對角線將該邊緣影像分隔為一第一區域及一第二區域,並分別計算位於該第一區域及該第二區域內的像素之灰階值的總和,以各自產生一第一灰階量及一第二灰階量,若該第一灰階量與該第二灰階量的差大於零,則將該邊緣影像順時針旋轉該校正角,若該第一灰階量與該第二灰階量的差小於零,則將該邊緣影像逆時針旋轉(90度-該校正角),若該第一灰階量與該第二灰階量的差等於零,則不對該邊緣影像進行任何變動。如此,具有提升後續影像處理精確度之功效。
其中,對該邊緣影像設定一中線,該中線將該邊緣影像分隔為一上半部及一下半部,搜尋該邊緣影像於該上半部內的數個白色像素的Y軸影像座標之最大者,及搜尋該邊緣影像於該下半部內的數個白色像素的Y軸影像座標之最小者,該Y軸影像座標之最大者及最小者各自沿X軸向延伸至該邊緣影像之邊界,以產生一感興趣區域作為該辨識區域執行後續影像處理程序。如此,能夠減少影像處理所需耗費的時間,並具有提升整體辨識效率之功效。
其中,該感興趣區域係以一最近鄰居法進行正規化處理而產生。如此,能夠減少影像處理所需耗費的時間,並具有提升整體辨識效率之功效。
其中,該二分割影像的直方圖係以一歐氏距離法,與該數組對照影像進行比對。如此,具有提升整體辨識率之功效。
其中,該邊緣影像係以一灰度歸一化進行亮度補償。如此,具有提升影像辨識率之功效。
S1‧‧‧擷取程序
S2‧‧‧偵測程序
S3‧‧‧切割程序
S4‧‧‧比對程序
S5‧‧‧優化程序
S51‧‧‧灰階步驟
S52‧‧‧平滑步驟
S6‧‧‧校正程序
S61‧‧‧形態學步驟
S62‧‧‧角度校正步驟
S63‧‧‧特徵搜尋步驟
S64‧‧‧正規化步驟
S65‧‧‧光線補償步驟
C‧‧‧影像擷取裝置
CL‧‧‧中線
D‧‧‧對角線
E‧‧‧邊緣影像
F‧‧‧手指
L‧‧‧光源
O‧‧‧原始影像
P‧‧‧分割點
R‧‧‧辨識區域
S‧‧‧分割影像
θ‧‧‧校正角
第1圖:本發明一實施例之方法流程示意圖。
第2圖:本發明一實施例之指靜脈拍攝示意圖。
第3a圖:本發明一實施例之原始影像示意圖。
第3b圖:本發明一實施例之角度校正前的邊緣影像示意圖。
第3c圖:本發明一實施例之影像分割示意圖。
第3d圖:本發明一實施例之角度校正後的邊緣影像示意圖。
第3e圖:本發明一實施例之感興趣區域示意圖。
第4圖:本發明一實施例之優化程序示意圖。
第5圖:本發明一實施例之校正程序示意圖。
為讓本發明之上述及其他目的、特徵及優點能更明顯易懂,下文特舉本發明之較佳實施例,並配合所附圖式,作詳細說明如下:
本發明全文所述之「色階」(Color Level),係指該像素所顯現顏色分量或亮度的濃淡程度,例如:彩色影像之紅色(R)、綠色(G)及藍色(B)分量的色階範圍各為0~255;或者,灰階影像之亮度(Luminance)的色階範圍可為0~255,係本發明所屬技術領域中具有通常知識者可以理解。
請參照第1圖所示,其係本發明指靜脈辨識方法之一實施例的方法流程示意圖,係包含:一擷取程序S1、一偵測程序S2、一切割程序 S3及一比對程序S4,該方法係用以對一辨識區域R進行認證,該辨識區域R係包含一使用者之手指F的靜脈影像。
請一併參照第2圖所示,該擷取程序S1能夠以一光源L照射該使用者之手指F後,以一影像擷取裝置C(如:攝影機)進行拍攝,使產生一原始影像O,可如第3a圖所示。其中,該光源L可以為紅外線,較佳係波長為700奈米(nanometer,nm)至1000奈米之間的近紅外線光。如此,能夠使拍攝出的原始影像O更為清晰,具有提升後續影像處理精確度之功效。
該偵測程序S2能夠以一邊緣搜尋法偵測該原始影像O中的手指邊緣特徵,以產生一邊緣影像E,並將該邊緣影像E作為該辨識區域R執行後續影像處理程序,該辨識區域R的影像大小不大於該邊緣影像E的影像大小,可如第3b圖所示。舉例而言,可以預設該辨識區域R等於該邊緣影像E的影像大小。其中,該邊緣影像E係為一二維影像,該邊緣搜尋法可以為一種梯度運算子邊緣搜尋法,例如:肯尼邊緣檢測(Canny Edge Detection)或索貝爾邊緣檢測(Sobel Edge Detection)等,在本實施例中,係採用索貝爾邊緣檢測,其係本發明所屬技術領域中具有通常知識者可以理解,在此不多加贅述。
該切割程序S3能夠對該邊緣影像E進行切割,以產生至少二分割影像S。詳言之,該切割程序S3計算該邊緣影像E的任二相鄰X軸影像座標,其各自在Y軸向的數個像素的灰階值之總和的差距。隨後,判斷該差距是否不小於一門檻值,若判斷結果為是,則以該二相鄰X軸影像座標中的一者作為一切割點P,較佳係以灰階量較大者作為該邊緣影像E的切割點P,並以該切割點P沿該邊緣影像E的Y軸向延伸切割該邊緣影像E,以產生二分割影像S,可如第3c圖所示;若判斷結果為否,且該邊緣影像E的任二相鄰X軸影像座標的灰階量之差距均小於該門檻值時,則 降低該門檻值,並重新判斷該差是否不小於該門檻值。在本實施例中,該門檻值係用以區分手指F的關節處骨骼與肌肉間格處的功能,因此,當該門檻值可達到該功能時,則該門檻值即不受任何限制。
其中,亦可藉由計算該邊緣影像E在不同X軸影像座標的Y軸向上的數個像素的灰階值之平均值,以產生該灰階量。如此,可減少雜訊的干擾,本發明具有提升後續影像處理精確度之功效。
該比對程序S4能夠統計各該分割影像S的灰階值,以分別產生一直方圖(Histogram)影像。隨後,將各該直方圖影像分別與一資料庫內所儲存的數組對照影像以一辨識技術進行比對(每組對照影像分別為一使用者的手指靜脈影像的分割影像之直方圖影像),以判斷辨識是否成功或失敗。其中,各該對照影像係為預先經由上述擷取程序S1、偵測程序S2及切割程序S3所建立而成的直方圖影像,該辨識技術可以為一歐氏距離(Euclidean Distance)法,其係本發明所屬技術領域中具有通常知識者可以理解,在此不多加贅述。
請一併參照第1及4圖所示,其中,本發明指靜脈辨識方法還能夠另包含一優化程序S5,該優化程序S5能夠用以提升該原始影像O的辨識率,可以包含一灰階步驟S51及一平滑步驟S52,其中,若該原始影像O係為一RGB影像,則該灰階步驟S51能夠對該原始影像O進行灰階化處理,以計算出該原始影像O的各影像像素之亮度。詳言之,該灰階步驟S51係依據該原始影像O各像素之紅色、綠色及藍色分量的色階,將該原始影像O之色調平均轉換到色階範圍為0~255之亮度。如此,能夠減少影像處理所需耗費的時間,具有提升整體辨識效率之功效。此外,當該原始影像O之色調的色階範圍為0~255之亮度(即該原始影像係為一灰階影像)時,即可省略該灰階步驟S51,其係本發明所屬技術領域中具有通常知識者可以理解。
該平滑步驟S52能夠以一影像濾波器(Image Filter)去除該原始影像O之雜訊,使該原始影像O更有利於後續影像處理分析。舉例而言,該影像濾波可以為低通濾波器(Low Pass Filter)、中值濾波器(Median Filter)或高通濾波器(High Pass Filter)等,在本實施例中,該影像濾波係為中值濾波器,能夠在消除該原始影像O之胡椒鹽雜訊的同時,亦使該原始影像O更為平滑。如此,本發明具有提升後續影像處理精確度之功效。此外,當該原始影像O的解析度不會影響後續影像處理分析時,即可省略該平滑步驟S52。
請參照第1及5圖所示,其中,本發明指靜脈辨識方法還能夠另包含一校正程序S6,該校正程序S6可包含一形態學步驟S61、一角度校正步驟S62、一特徵搜尋步驟S63、一正規化步驟S64及一光線補償步驟S65等步驟。其中,該形態學步驟S61係對該邊緣影像E進行形態學(Morphology)處理。詳言之,形態學中較常見的運算可分為:膨脹(Dilation)、侵蝕(Erosion)、開啟(Opening)、關閉(Closing)及區域填充(Region Filling)等等,在本實施例中,該形態學步驟S61係對該邊緣影像E依序執行侵蝕及膨脹等運算,以達到消除雜訊的效果。如此,本發明具有提升後續影像處理精確度之功效。此外,當該邊緣影像E的解析度不會影響後續影像處理分析時,即可省略該形態學步驟S61。
該角度校正步驟S62係對該邊緣影像E中的手指邊緣角度進行校正。詳言之,請一併參照第3b及3d圖所示,該角度校正步驟S62係在該邊緣影像E設定一中線CL及一對角線D,該中線CL與該對角線D之間形成一校正角θ,該對角線D係為該使用者之手指F的對角線,該對角線D將該邊緣影像E分隔為一第一區域及一第二區域,並分別計算位於該第一區域及該第二區域內的像素之灰階值的總和,以各自產生一第一灰階量及一第二灰階量,若該第一灰階量與該第二灰階量的差大於零,則將 該邊緣影像E順時針旋轉該校正角θ,可如第3d圖所示;若該第一灰階量與該第二灰階量的差小於零,則將該邊緣影像E逆時針旋轉(90度-該校正角θ);若該第一灰階量與該第二灰階量的差等於零,則不對該邊緣影像E進行任何變動,即可以省略該角度校正步驟S62。如此,本發明具有提升後續影像處理的精確度之功效。
該特徵搜尋步驟S63係對該邊緣影像E選取一感興趣區域(Region of Interest,ROI)作為該辨識區域R,以執行後續影像處理程序。詳言之,該感興趣區域係該邊緣影像E中的手指邊緣影像內的一矩形圖像,可如第3e圖所示。該感興趣區域的產生方式可以該邊緣影像E的中線CL為界線將該邊緣影像E分隔為一上半部及一下半部,搜尋該邊緣影像E於該上半部內的數個白色像素(灰階值為255)的Y軸影像座標之最大者,及搜尋該邊緣影像E於該下半部內的數個白色像素的Y軸影像座標之最小者,該Y軸影像座標之最大者及最小者各自沿X軸向延伸至該邊緣影像E之邊界,以產生該感興趣區域。
此外,在每次執行偵測程序S2時,該感興趣區域之大小均會有些微差異,因此,能夠藉由該正規化步驟S64使該感興趣區域的大小一致。詳言之,該正規化步驟S64能夠以一最近鄰居法(Nearest Neighbor,NN)對該邊緣影像E進行正規化。舉例而言,係以人體手指長寬比3:1的比例,等化大小為180 x 60像素的邊緣影像E。如此,能夠減少影像處理所需耗費的時間,並具有提升整體辨識效率之功效。
此外,由於拍攝該使用者之手指F時,會受到外在環境亮度的影響,因此,每次拍攝後產生的邊緣影像E彼此之間會有明暗上的差異,因此,該光線補償步驟S65能夠對該邊緣影像E以一灰度歸一化(Grayscale Normalization)進行亮度補償,以減少光線不均勻的問題,具有提升影像辨識率之功效。舉例而言,當該邊緣影像E之亮度太亮時,則以該邊緣影 像E的X軸影像座標在Y軸向上的數個像素的灰階值之總和最小者,作為該灰階分佈圖的Y軸起點。
綜上所述,本發明的指靜脈辨識方法,能夠以使用者手指的關節處骨骼與肌肉間格處的明暗差異作為分割的條件,以針對指靜脈影像的局部特徵進行辨識。藉此,本發明可以達到提升整體辨識率之功效。
雖然本發明已利用上述較佳實施例揭示,然其並非用以限定本發明,任何熟習此技藝者在不脫離本發明之精神和範圍之內,相對上述實施例進行各種更動與修改仍屬本發明所保護之技術範疇,因此本發明之保護範圍當視後附之申請專利範圍所界定者為準。
Claims (11)
- 一種指靜脈辨識方法,用以對一辨識區域進行認證,該方法包含:以一邊緣影像作為該辨識區域;計算該邊緣影像的任二相鄰X軸影像座標,各自在Y軸向的數個像素的灰階值之總和的差距;判斷該差距是否不小於一門檻值,若判斷結果為是,則以該二相鄰X軸影像座標中的一者作為該邊緣影像的一切割點,並以該切割點沿該邊緣影像的Y軸向延伸切割該邊緣影像E,以產生二分割影像,若判斷結果為否,且該邊緣影像的任二相鄰X軸影像座標的灰階量之差距均小於該門檻值時,則降低該門檻值,並重新判斷該差是否不小於該門檻值;及使該二分割影像各自產生一直方圖,該二分割影像的直方圖分別與數組對照影像進行比對,判斷是否與該數組對照影像的其中之一相符合,以產生一辨識結果。
- 如申請專利範圍第1項所述之指靜脈辨識方法,其中,以一光源朝一使用者之手指照射,並以一影像擷取裝置進行拍攝,使產生一原始影像,對該原始影像執行一邊緣偵測,以產生該邊緣影像。
- 如申請專利範圍第2項所述之指靜脈辨識方法,其中,係以波長為700奈米至1000奈米之間的近紅外線光之光源朝向該使用者之手指照射。
- 如申請專利範圍第2項所述之指靜脈辨識方法,其中,對該原始影像執行一灰階化處理。
- 如申請專利範圍第4項所述之指靜脈辨識方法,其中,對該原始影像以一中值濾波器去除雜訊。
- 如申請專利範圍第1項所述之指靜脈辨識方法,其中,對該邊緣影像依序執行侵蝕及膨脹之形態學影像處理。
- 如申請專利範圍第1項所述之指靜脈辨識方法,其中,對該邊緣影像設定一中線及一對角線,該中線與該對角線之間形成一校正角,該對角線將該邊緣影像分隔為一第一區域及一第二區域,並分別計算位於該第一區域及該第二區域內的像素之灰階值的總和,以各自產生一第一灰階量及一第二灰階量,若該第一灰階量與該第二灰階量的差大於零,則將該邊緣影像順時針旋轉該校正角,若該第一灰階量與該第二灰階量的差小於零,則將該邊緣影像逆時針旋轉(90度-該校正角),若該第一灰階量與該第二灰階量的差等於零,則不對該邊緣影像進行任何變動。
- 如申請專利範圍第1項所述之指靜脈辨識方法,其中,對該邊緣影像設定一中線,該中線將該邊緣影像分隔為一上半部及一下半部,搜尋該邊緣影像於該上半部內的數個白色像素的Y軸影像座標之最大者,及搜尋該邊緣影像於該下半部內的數個白色像素的Y軸影像座標之最小者,該Y軸影像座標之最大者及最小者各自沿X軸向延伸至該邊緣影像之邊界,以產生一感興趣區域作為該辨識區域執行後續影像處理程序。
- 如申請專利範圍第8項所述之指靜脈辨識方法,其中,該感興趣區域係以一最近鄰居法進行正規化處理而產生。
- 如申請專利範圍第1項所述之指靜脈辨識方法,其中,該二分割影像的直方圖係以一歐氏距離法,與該數組對照影像進行比對。
- 如申請專利範圍第1項所述之指靜脈辨識方法,其中,該邊緣影像係以一灰度歸一化進行亮度補償。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW106124764A TWI622001B (zh) | 2017-07-24 | 2017-07-24 | 指靜脈辨識方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW106124764A TWI622001B (zh) | 2017-07-24 | 2017-07-24 | 指靜脈辨識方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI622001B TWI622001B (zh) | 2018-04-21 |
TW201909032A true TW201909032A (zh) | 2019-03-01 |
Family
ID=62640106
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW106124764A TWI622001B (zh) | 2017-07-24 | 2017-07-24 | 指靜脈辨識方法 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI622001B (zh) |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102379701B (zh) * | 2010-09-03 | 2013-07-24 | 洪西进 | 生物特征辨识方法 |
CN102222229B (zh) * | 2011-07-28 | 2015-12-02 | 陈庆武 | 手指静脉图像预处理方法 |
CN103310196B (zh) * | 2013-06-13 | 2017-12-01 | 黑龙江大学 | 感兴趣区域与方向元素的手指静脉识别方法 |
CN103870808B (zh) * | 2014-02-27 | 2017-01-18 | 中国船舶重工集团公司第七一〇研究所 | 一种手指静脉识别方法 |
CN104933432B (zh) * | 2014-03-18 | 2020-04-14 | 北京细推科技有限公司 | 一种指腹折痕和指静脉图像的处理方法 |
CN105975974A (zh) * | 2016-05-10 | 2016-09-28 | 深圳市金脉智能识别科技有限公司 | 一种手指静脉识别中提取roi图像的方法 |
-
2017
- 2017-07-24 TW TW106124764A patent/TWI622001B/zh not_active IP Right Cessation
Also Published As
Publication number | Publication date |
---|---|
TWI622001B (zh) | 2018-04-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220165087A1 (en) | Systems and methods for performing fingerprint based user authentication using imagery captured using mobile devices | |
US10339362B2 (en) | Systems and methods for performing fingerprint based user authentication using imagery captured using mobile devices | |
US11263432B2 (en) | Systems and methods for performing fingerprint based user authentication using imagery captured using mobile devices | |
KR102561723B1 (ko) | 모바일 디바이스를 사용하여 캡처된 화상을 사용하여 지문 기반 사용자 인증을 수행하기 위한 시스템 및 방법 | |
Chen et al. | A highly accurate and computationally efficient approach for unconstrained iris segmentation | |
JP5107045B2 (ja) | 目に関して取得される画像中の虹彩を表す画素を特定する方法 | |
KR100374708B1 (ko) | 회전영상의 보정에 의한 비접촉식 홍채인식방법 | |
JP2009523265A (ja) | 画像中の虹彩の特徴を抽出する方法 | |
JP2007188504A (ja) | 画像中の画素強度をフィルタリングする方法 | |
Lee et al. | Vasir: an open-source research platform for advanced iris recognition technologies | |
WO2009029638A1 (en) | Iris recognition | |
TWI622001B (zh) | 指靜脈辨識方法 | |
Kazakov | Iris detection and normalization | |
Naveena et al. | Partial face recognition by template matching | |
Kryszczuk et al. | Color correction for face detection based on human visual perception metaphor | |
Fahn et al. | A cross-dataset evaluation of anti-face-spoofing methods using random forests and convolutional neural networks | |
Neves et al. | Hand recognition using texture histograms a proposed technique for image acquisition and recognition of the human palm | |
Resen | Construct Face Landmarks Map Based Geodesic Curve for Face Recognition | |
WO2015056210A2 (en) | Method of authenticating a person | |
Youmaran | Algorithms to process and measure biometric information content in low quality face and iris images | |
Saripalle | A multimodal biometric authentication for smartphones | |
Lin et al. | Face Localization and Detection Based on Symmetry Detection and Texture Features |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MM4A | Annulment or lapse of patent due to non-payment of fees |