改进的基于角点的掌纹线性定位方法

在分析比较现有的两种在线掌纹定位方法优缺点的基础上,提出一种改进的基于角点的掌纹线性定位方法.该掌纹定位方法首先根据手掌背景图信息和手指间的几何关系,计算出相邻手指间的中间线,然后计算中间线与手掌边缘的交点,从而得到掌纹角点的位置,最后根据掌纹角点定位出掌纹识别的有效特征区域.实验结果表明此方法能快速、准确地定位出掌纹的特征区域,且实现简单,具有很好的鲁棒性,对于提高后续的掌纹识别的准确性和提高整个掌纹识别系统的性能都具有非常主要的作用.     

非接触式掌纹识别技术中关键点的定位方法

在掌纹识别技术中,关键点的定位起到了至关重要的作用.为了提高用户的接受度,采用了非接触式的掌纹识别技术.针对关键点定位的准确性影响识别精度,提出基于非接触式掌纹图像的关键点定位方法,其中包括手指张开时和手指并拢时两种情况.首先通过预处理提取手形的外侧轮廓,然后采用基于角度和方向的跟踪方法来初定位手指指尖点和手指间的凹点所在区域,最后细定位指尖点和手指间的拐点.实验结果表明,提出的关键点定位方法定位精确且稳定性高.     

基于SURF特征与模糊推理的掌纹识别

针对现有掌纹识别算法对掌纹图像在采集过程中的位置、方向、亮度变化缺乏足够的鲁棒性,而且计算复杂度较高的问题,提出了一种基于SURF描述字的掌纹识别算法。算法分为训练与识别两个过程,在训练过程中,提取属于同一类所有训练样本的SURF描述字进行互配,然后计算训练样本中互配频次超过该类样本数的1/2的每个关键点的匹配率及其在匹配训练样本中坐标的均值与方差以及SURF描述字均值、SURF描述字与均值的最大欧氏距离组成类别数据库。在掌纹识别过程,基于SURF提取待识别掌纹图像的关键点,确定关键点的SURF描述字与其位置坐标,然后,计算类别数据库中每个类别的每个关键点与待识别掌纹图像所有关键点模糊匹配度的最大值作为该关键点的模糊匹配度,最后基于模糊推理实现掌纹识别。实验结果表明该算法对掌纹图像的旋转、尺度和亮度的变化具有较好的鲁棒性,具有稳健和高精度的特性,并且识别过程计算成本较低,满足了实时性应用的要求。     

手掌角点检测及掌纹区域确定的新方法

在掌纹识别中,角点检测是其中一个非常重要的环节,能否正确地检测出有用的角点对后续掌纹的识别影响重大。目前角点检测的方法虽然很多,但大多比较复杂,或检测出的角点数目太多,并且会伴随着伪角点,应用时需要人为去选择角点,对后期掌纹的识别带来很多不必要的麻烦。本文结合极值的理论,结合手掌具有的特点,提出一种新的角点检测的方法。该方法检测准确,无伪角点和偏移角点,在掌纹识别中,不需要人为去更正和选择角点,并使后续提取手掌中心点及手掌旋转的实现更加简便。     

基于特殊角点和基点定位在线掌纹的方法

本文简述了目前在线掌纹定位的主要方法,提出一种通过寻找特殊角点和基点实现在线掌纹的定位。该方法基于掌纹的形状特点,先定位特殊角点,再通过统计块点方向和求梯度确定感兴趣的纹线上的一点,最后用灰度值跟踪方法确定特殊基点。该定位方法减少了手掌张开强度因素造成的影响,并取得了理想的实验结果。     

一种自适应的T型结构掌纹分区算法

掌纹图像可由一个T型结构分为指根区域、内侧区域和外侧区域3个部分,合理地利用这些分区信息,可以有效地提高掌纹识别的效率和正确率.为此,提出一种自适应的T型结构分区算法,利用掌纹中的主线信息,并结合掌纹的灰度和方向场构造一个目标函数;通过搜索寻找目标函数的最大值实现T型结构的定位,以实现对掌纹的分区.实验结果表明,采用文中的算法能够获得有效的掌纹分区结果.     

ArUco辅助的爬壁机器人自主定位方法

针对现有的爬壁机器人定位技术在纹理特征不明显、环境相对封闭、存在强磁干扰等特殊环境下的不足,提出利用机载鱼眼相机观测固定于地面的ArUco码的全新定位方案并实现了基于该定位方案的惯性测量单元/编码器/鱼眼相机多传感器融合的自主定位方法 A-IEF。该方法首先识别ArUco码,并根据其在鱼眼图像中的位置筛选关键帧;然后,研究了固定于地面的ArUco码的角点在鱼眼图像中的重投影规律,并结合机器人姿态约束进行重定位优化;其次,在关键帧区间内,推导了角点重投影误差关于机器人位置和姿态增量的雅可比矩阵;接着,设计了基于ES-EKF（误差状态扩展卡尔曼滤波）的多信息融合方法,以编码器估计的位移误差及ArUco角点重投影误差作为观测量,实现对机器人航向角和位置的修正;最后,在大型钢制构件上进行测试,试验结果表明,本文方法具有更高的定位精度,其中位置估计精度保持在0.06 m以内,航向角估计精度保持在3.7?以内,相较于ArUco-rectified、航位推测法等定位算法,位置误差降低约47%,航向角误差降低约68%,并能够实现在弱光照环境中的定位。     

大鱼际掌纹识别系统设计与实现

开发一种大鱼际掌纹识别系统。该系统以大鱼际掌纹在变态反应性疾病医学诊断中特应征4级分类为依据。主要功能是在采集到掌纹源图像的情况下,能快速地给出掌纹图像中大鱼际掌纹区域所属的级别,即大鱼际掌纹量化识别,以达到辅助临床医学专家进行诊断的目的,分级采用基于灰度共生矩阵和支持向量机的分类方法。测试结果表明,该系统可以实现大鱼际掌纹的特征提取和分类,精度和效果基本满足医学辅助诊断和研究的要求。     

基于Sparse ICP 的三维点云耳廓识别

提出一种新颖的三维耳廓识别方法,首先基于PCA 和SVD 分解对三维耳廓点云模 型进行归一化预处理,以统一数据库中所有耳廓点云模型的位置与姿态;然后基于Iannarelli 分 类系统提取三维耳廓的4 个局部特征区域,并利用Sparse ICP 算法对局部特征区域进行匹配;最 后根据局部特征区域中对应点间的距离判断耳廓之间的差异测度,实现耳廓形状识别。实验证明, 本文算法与其他算法相比具有较高的识别精度和识别效率。     

基于几何特征的掌纹区域分割算法*

针对现有掌纹分割算法中存在丢失部分有效信息的问题,提出了一种新的五点掌纹分割算法。首先,用基于仿射变换快速方法找到手掌的最大内切圆;然后,又用坐标变换和角度标定的方法找到手掌上的五个特征点;最后,通过对这五个特征点的处理实现手掌图像的分割定位。仿真结果表明,该算法准确、有效,且所得掌纹有效面积明显大于其他分割方法。     

Score level fusion of voting strategy of geometric hashing and SURF for an efficient palmprint-based identification

This paper proposes an efficient indexing scheme for palmprint-based identification system. The proposed system uses geometric hashing of SURF key-points to index the palmprint into hash table and makes score level fusion of voting strategy based on geometric hashing and SURF score to identify the live palmprint. All ordered pairs of SURF key-points of the palmprint are scaled and mapped to a predefined coordinate system and all other points are similarity transformed. The new location after transformation serves as the index of the hash table. During identification, all ordered pairs of key-points of live palmprint are scaled and mapped to the coordinate system while remaining points are similarity transformed. A vote is casted to all images in the corresponding bins. Images having votes more than certain threshold are considered as candidate images of the live palmprint. SURF features of the live palmprint and the candidate images are compared for matching. Matching scores which are based on SURF key-points and vote of the corresponding candidate image are fused using weighted sum rule. The candidate image with the highest fused score is considered as the best match. The system is tested on IITK, CASIA and PolyU datasets. It has been observed that penetration rate of the proposed system is less than 30% for 0% bin miss rate (BMR) and has the identification accuracy of more than 97% for all three datasets. Further, the system is evaluated for robustness on downscaled and rotated. It has been found that the identification accuracy of the system for top best match is more than 90% for images downscaled up to 49% and accuracy is more than 85% when images are rotated at any angle.     

非接触式掌纹图像采集装置的研究

基于摄影技术中的伞灯原理,提出一种非接触式的掌纹采集装置,在摄像头镜头的景深范围内,用户随意将手伸到镜头前便能采集到清晰的掌纹图像,解决了以往采集装置定位难不易被用户接受的缺点,更接近掌纹识别在实际应用中的模式.装置以数字信号处理器TMS320DM6437为核心,以TVP5146和CMOSPO188为辅助,采集到的是整个手的图像,方便与其他生物特征识别相结合,利用该装置采集到的图像比较清晰、大小适中,能够满足识别算法的要求.     

基于子空间特征融合的两级掌纹识别算法

针对单一PCA或PCA只能提取掌纹的线性或非线性特征,单一分类器的掌纹识别率低缺陷,提出一种子空间特征融合的两级掌纹识别方法（PCA-KPCA-SVM）。首先采用子空间特征提取方法PCA、KPCA分别提取掌纹图像线性和非线性特征,然后基于融合特征总类间距离最大准则,计算出最佳的融合系数,得到PCA、KPCA的融合掌纹特征,最后将融合特征输入到欧式距离分类器进行掌纹识别,如果拒绝识别,则输入支持向量机进行二次识别。采用Polyu掌纹图像库进行测试实验,结果表明,相对于对比算法,PCA-KPCA-SVM提高了掌纹识别率,有效降低了掌纹的误识率和拒识率。     

Hand-based single sample biometrics recognition

Currently, single sample biometrics recognition (SSBR) has emerged as one of the major research contents. It may lead to bad recognition result. To solve this problem, we present a novel approach by fusing two kinds of hand-based biometrics, i.e., palmprint and middle finger. We obtain their discriminant features by combining statistical information and structural information of each modal which are extracted using locality preserving projection (LPP) based on wavelet transform (WT). In order to reduce the influence of affine transform, we utilize mean filtering to enhance the robustness of structural information to improve the discriminant ability of palmprint high-frequency sub-bands. The two types of features are then fused at score level for the final hand-based SSBR. The experiments on the hand image database that contains 1,000 samples from 100 individuals show that the proposed feature extraction and fusion methods lead to promising performance.     

基于区域特征映射的模糊掌纹识别方法

针对掌纹在非接触采集时易出现模糊现象从而导致系统识别性能降低的问题,建立了区域到点的特征映射模型,提出了一种基于区域特征映射(Region feature map, RFM)的模糊掌纹识别方法.首先根据图像的模糊原理,建立等价的模糊模型,获取模糊掌纹; 然后使用RFM对模糊掌纹进行操作,将高维的区域特征映射到低维的点特征; 最后,采用归一化相关性分类器对掌纹所属类别进行判定识别.使用模糊模型对PolyU掌纹库进行处理得到PolyU模糊掌纹库,并分别在PolyU掌纹库和PolyU模糊掌纹库上进行测试,识别结果较为稳定. 在模糊掌纹库上,本文算法的等错误率(Equal error rate, EER)最小可达0.9069%,优于传统算法,且进行一次识别的时间为33.95ms,得到的特征数据维数较小,降低了算法复杂度,表明了本文算法的有效性和实时性.     

掌纹ROI分割算法的研究与实现

掌纹感兴趣区(ROI)分割是掌纹识别的关键步骤,目前掌纹分割方法主要存在定位点不易确定和同类图像ROI提取偏移度较大等问题,为改善这些问题,提出一种新的ROI分割算法。首先确定手掌图像中的两个指谷点;然后利用手掌轮廓特定区域边界点拟合直线,以该直线为基准,以固定角度的方式建立直角坐标系,利用指谷点找到掌纹信息丰富的区域,确定掌纹的ROI,最后提取特征矢量进行匹配识别。实验结果表明,该算法分割掌纹ROI的准确度高、速度快,对同类图像分割的偏移度更小,掌纹ROI的提取率达98.2%,掌纹正确识别率提高了3%左右,为基于掌纹的身份认证系统的实现提供了理论和实验依据。     

融合全局和局部方向特征的掌纹识别方法

摘 要：掌纹识别是受到较多关注的生物特征识别技术之一。在各类掌纹识别的方法中, 基于方向特征的方法取得了很好的效果。为了进一步提升识别精度,提出一种融合全局和局部 方向特征的掌纹识别算法,主要融合了基于方向编码的方法、基于方向特征局部描述子的方法 和结合方向特征和相关滤波器的方法。其中前 2 种方法属于空间域方法,可很好地提取掌纹的 局部方向特征;而第 3 种方法属于频域方法,能有效地提取全局方向特征。在匹配值层对该 3 种方法的识别结果进行融合。本文算法在 2 个掌纹数据库上进行了验证,实验结果表明,本文 方法的识别性能明显优于其他几种掌纹识别方法。     

Implementation and evaluation of a remote authentication system using touchless palmprint recognition

When a cellular phone is lost or stolen, it may be used improperly or the personal information may be stolen from it by a malicious user. Biometric authentication such as palmprint recognition is the strongest of the personal authentication technologies designed to prevent such misuse. In biometric authentication, when compared with a local authentication model, a remote authentication model has several advantages such as direct authentication and authentication levels. Ito et al. proposed several palmprint recognition schemes using correspondence matching based on the phase-only correlation. However, these schemes require a palmprint image to be captured with the hand touching the dedicated device, while palmprint images must be captured without such physical contact when using cellular phones. Thus, these schemes cannot be applied to cellular phones since there are large positioning gaps and large differences in brightness and distortion between the images. Furthermore, they have not been implemented in cellular phones and their performances have not been evaluated either. In this paper, we adopt a remote authentication model from the two types of biometric authentication incorporating the above advantages and propose a remote system between a cellular phone and an authentication server. We implement the proposed system using two different types of Android terminal as the terminal on the user side. We also show the validity of the proposed system by examining and confirming the accuracy and processing time. We furthermore discuss the problem of an impersonation attack on the proposed system and consider solutions to this problem from the viewpoints of security and usability. Then, we adopt a palmprint recognition scheme as a biometric authentication scheme and, in particular, use a palmprint recognition algorithm that incorporates Yörük et al.’s preprocessing technique to Ito et al.’s and Iitsuka et al.’s schemes.