手指静脉采集技术综述

近年来,生物识别技术在基础理论、算法模型、创新应用、软硬件支撑等方面不断取得突破.文章对手指静脉采集技术进行了探讨,包括使用近红外激光的接触式和非接触式手指静脉采集,以及使用重复线跟踪方法对手指静脉图像的提取等.手指静脉作为内部固有生物特征,与其他生物特征(例如指纹,人脸,声纹等)相比,更能满足高安全场所的应用需求,可以为任何身份验证提供更安全和准确的生物识别信息.     

基于特征点的静脉识别算法研究

用生物识别中常用的基于特征点的方法、选用点模式匹配来研究静脉识别,将预先从静脉图像中提取的特征点集与输入的待匹配的静脉图像中提取的特征点集进行匹配.     

静脉识别技术在网络安全中的应用

本文从手部静脉特征的分类,模式分析、特征提取,性能评价等角度,系统地整理分析了手部静脉识别研究的相关文献,并阐述了其在网络安全中的应用现状和前景。     

融合局部特征和全局特征的手指静脉识别方法

手指静脉识别是利用人体手指静脉结构的唯一性实现个体身份认证,具有高度安全和使用便捷等优点。为了进一步提高手指静脉识别系统的性能,提出了一种融合局部特征和全局特征的手指静脉识别方法。应用局部二元模式方法提取手指静脉局部特征,利用海明距离计算匹配得分;应用双向两维主成分分析方法提取手指静脉全局特征,利用欧式距离计算匹配得分;在得分级上融合二者的匹配得分以产生识别结果。实验结果表明,局部特征与全局特征具有较好的互补性,有效地提高了识别精度。     

手指静脉识别技术

相对于指纹识别等传统生物特征识别,手指静脉识别是一种新兴的具有较好应用前景的生物特征识别技术。综述了手指静脉识别的基本原理和关键技术,包括手指静脉图像采集、预处理、特征提取和匹配等;对与手指静脉识别有关的多生物特征技术进行了归纳总结,并对手指静脉识别技术存在的问题和未来的研究方向进行了讨论。     

融合关节旋转特征和指尖距离特征的手势识别

作为人机交互的重要方式,手势交互和识别由于其具有的高自由度而成为计算机图形学、虚拟现实与人机交互等领域的研究热点.传统直接提取手势轮廓或手部关节点位置信息的手势识别方法,其提取的特征通常难以准确表示手势之间的区别.针对手势识别中不同手势具有的高自由度以及由于手势图像分辨率低、背景杂乱、手被遮挡、手指形状尺寸不同、个体差异性导致手势特征表示不准确等问题,本文提出了一种新的融合关节旋转特征和指尖距离特征的手势特征表示与手势识别方法.首先从手势深度图中利用手部模板并将手部看成链段结构提取手部20个关节点的3D位置信息;然后利用手部关节点位置信息提取四元数关节旋转特征和指尖距离特征,该表示构成了手势特征的内在表示;最后利用一对一支持向量机对手势进行有效识别分类.本文不仅提出了一种新的手势特征表示与提取方法,该表示融合了关节旋转信息和指尖距离特征;而且从理论上证明了该特征表示能唯一地表征手势关节点的位置信息;同时提出了基于一对一SVM多分类策略进行手势分类与识别.对ASTAR静态手势深度图数据集中8类中国数字手势和21类美国字母手势数据集分别进行了实验验证,其分类识别准确率分别为99.71%和85.24%.实验结果表明,本文提出的基于关节旋转特征和指尖距离特征的融合特征能很好地表示不同手势的几何特征,能准确地表征静态手势并进行手势识别.     

基于特征点融合小波能量特征的手背静脉识别

手背静脉识别是生物识别领域的新兴课题,针对单一手背静脉识别方法在大量样本情况下正确识别率识较低的问题,提出了一种空间域特征融合小波域特征的识别方法,对预处理后的样本提取了空间域中的特征点以及在小波域中构造了小波能特征,并分别用改进的豪斯多夫距离以及加权城区距离进行度量,最后将两种方法进行加权融合,采用最近邻分类器进行识别;在具有100个样本的数据库上对该方法进行了测试,在最近邻分类阈值为9.46时识别率达到97.2%,表明了该方法的优越性.     

一种人手背静脉特征识别方法

针对目前手背静脉图像识别采用细化和骨架操作等提取结构特征易造成静脉结构细节丢失和特征点误判等问题,提出一种基于方向梯度直方图(HOG)的手背静脉特征识别方法。采用生物特征识别的一般流程,对手背静脉图像灰度进行归一化和滤波增强等预处理后,直接对手背静脉灰度图像进行二级小波包分解,提取低频子带图的HOG纹理特征,最后采用K近邻分类器实现个人身份识别。利用自行建立的手背静脉图像数据库对所提方法进行验证,结果证明了算法的有效性,其正确识别率为95%,应用前景广阔。     

基于彩色图像的手部特征点自动识别方法

手部特征点识别是手部尺寸测量的关键问题,本文给出了基于彩色图像的手部特征点自动识别方法。首先,给出了提取手部轮廓的算法,基本原理是利用人体皮肤的色调特征将手部彩色图像二值化并提取手部轮廓,其优点是图像二值化过程在YUV空间进行,不受测量个体肤色差异、光照、遮挡等因素的影响。然后,给出了在手部轮廓线上自动识别全部25个特征点方法,针对特征点的不同特点给出了不同的处理方法,位于指尖以及指缝末端处的特征点,使用了DOS方法进行自动识别,其他特征点则利用统计得到的经验公式进行计算。实验结果说明,本文给出的算法在手部特征点的自动识别率和准确率上都已经能够满足手部尺寸测量的需要,并且具有较强的鲁棒性,已成功应用于未成人和军人等的手部尺寸测量系统中。     

基于Kinect的手语识别方法

为实现基于Kinect的手语识别,提出了一种利用有限状态机及动态时间规整(DTW)的动态手语识别方法。首先,利用Kinect技术得到人体深度图像和骨骼特征信息;然后利用手部分割算法得到手部深度图像,再选取识别正确率高的梯度方向直方图(HOG)特征算子来提取手部特征;最后加入有限状态机和DTW算法实现动态手语识别。实验结果表明:该方法能够实现对常用手语单词、句子的识别,识别准确率可达95%。     

多分辨率滤波在手背血管特征提取中的应用

人体手背血管识别是一门新兴的生物特征识别技术,提出了这种生物特征提取的一种算法．它利用分水岭算法提取出带有纹理特征信息的特征点FPVP（feature points of vein pattern）;针对FPVP的不同的特征信息录用二阶矩和统计的方法进行多分辨率滤波得到DP（dominant points）。每个DP都是多维的向量,用所有‖DP‖组成手背血管的特征向量;最后使用相关算法针对来自53个手背血管的265个样本进行了特征相关匹配实验,其最小错误率仅为4.31％．     

Signature verification (SV) toolbox: Application of PSO-NN

Analysis of signature is a widely used and developed area of research for personal verification. A typical signature verification (SV) system generally consists of four components: data acquisition, pre-processing, feature extraction and verification. A reliable SV toolbox, based on the verification of off-line signatures is developed with the proposed algorithm. The technique is based on a neural network (NN) approach trained with particle swarm optimization (PSO) algorithm. To test the performance of the proposed PSO-NN algorithm two types of forgeries—unskilled and skilled—are examined. The experimental results are illustrated on the selected signature databases and presented herein.     

基于ARM9嵌入式系统的掌纹识别系统的实现

掌纹识别技术是一种新兴的生物识别技术,是近年来生物识别研究的热点。介绍了一种掌纹识别算法在ARM9嵌入式系统上的实现方案。介绍了系统的各部分组成,包括基于排序测度的掌纹识别算法、嵌入式系统的软件设计和硬件设计。针对算法在嵌入式系统上实现的困难,提出了提高算法速度的解决方案。     

用于在线中文手写签名认证系统中的GA个性化特征选择方法

提出一种基于遗传算法的个性化特征选择方法.该方法采用真伪两类样本之间的边缘间隔作为遗传算法的适应度估计函数,在相同特征初始集基础上对不同人提取不同的(即个性化)特征子集.实验证明该方法不但能有效地降低特征空间维数,而且使分类准确率得到显著提高.     

A finger-vein verification system using mean curvature

The finger-vein pattern is one of the human biometric signatures that can be used for personal verification. The first task of a verification process using finger-vein patterns is extracting the pattern from an infrared finger image. As a robust extraction method, we propose the mean curvature method, which views the vein image as a geometric shape and finds the valley-like structures with negative mean curvatures. When the matched pixel ratio is used in matching vein patterns, experimental results show that, while maintaining low complexity, the proposed method achieves 0.25% equal error rate, which is significantly lower than what existing methods can achieve.     

一个适于形式验证的ATPG引擎

自动测试产生(ATPG)不仅应用于芯片测试向量生成,也是芯片设计验证的重要引擎之一．提出了一种组合电路测试产生的代数方法,既可作为组合验证的ATPG引擎,又可用于通常的测试产生．该算法充分发挥了二叉判决图(BDD)及布尔可满足性(SAT)的优势,通过启发式策略实现SAT算法与BDD算法的交替,防止因构造BDD可能导致的内存爆炸,而且使用增量的可满足性算法,进一步提高了算法的效率．实验结果表明了该算法的可行性和有效性．     

On-line fingerprint verification

Fingerprint verification is one of the most reliable personal identification methods. However, manual fingerprint verification is incapable of meeting today's increasing performance requirements. An automatic fingerprint identification system (AFIS) is needed. This paper describes the design and implementation of an online fingerprint verification system which operates in two stages: minutia extraction and minutia matching. An improved version of the minutia extraction algorithm proposed by Ratha et al. (1995), which is much faster and more reliable, is implemented for extracting features from an input fingerprint image captured with an online inkless scanner. For minutia matching, an alignment-based elastic matching algorithm has been developed. This algorithm is capable of finding the correspondences between minutiae in the input image and the stored template without resorting to exhaustive search and has the ability of adaptively compensating for the nonlinear deformations and inexact pose transformations between fingerprints. The system has been tested on two sets of fingerprint images captured with inkless scanners. The verification accuracy is found to be acceptable. Typically, a complete fingerprint verification procedure takes, on an average, about eight seconds on a SPARC 20 workstation. These experimental results show that our system meets the response time requirements of online verification with high accuracy     

粒子群优化算法在配方设计中的应用

随着群体智能研究的兴起,粒子群优化(PSO,Particle Swarm Optimization)算法已经成为新的研究热点。该算法模仿鸟类和鱼类群体觅食迁徙中个体与群体协调一致的机理,通过群体最优方向、个体最优方向和惯性权重的协调来求解实数化问题。本文从粒子群优化算法的理论分析切入,阐述了PSO算法的基本原理、算法流程,提出用PSO算法来解决卷烟配方优化设计这类组合优化问题,并对其实际应用效果进行分析和验证。     

Finger-vein pattern identification using principal component analysis and the neural network technique

This paper presents a personal identification system using finger-vein patterns with component analysis and neural network technology. In the proposed system, the finger-vein patterns are captured by a device that can transmit near infrared through the finger and record the patterns for signal analysis. The proposed biometric system for verification consists of a combination of feature extraction using principal component analysis (PCA) and pattern classification using back-propagation (BP) network and adaptive neuro-fuzzy inference system (ANFIS). Finger-vein features are first extracted by PCA method to reduce the computational burden and removes noise residing in the discarded dimensions. The features are then used in pattern classification and identification. To verify the effect of the proposed ANFIS in the pattern classification, the BP network is compared with the proposed system. The experimental results indicated the proposed system using ANFIS has better performance than the BP network for personal identification using the finger-vein patterns.