一种基于混合匹配的指纹识别方法

为克服传统的基于细节点匹配的不足,对基于点模式匹配算法与改进的2DPCA匹配算法的混合识别算法进行了改进。改进后的算法在点模式匹配算法中加入改进的2DPCA算法的初匹配得分权重,提高了点模式匹配算法的准确性;并利用点模式匹配算法对2DPCA算法的匹配结果进行二次匹配,同时也提高了2DPCA算法匹配的准确率。     

基于图的指纹匹配算法

研究了基于端点和分支点的点模式指纹匹配算法，通过对端点和分支点的完全图进行匹配，使其具有较好的稳定性。对匹配图像端点和分支点进行分组，通过每组的点和模板图像的细节点进行点模式匹配来实现指纹匹配，有效地降低了运算复杂度。实验结果表明，该方法在指纹产生非线性形变、指纹图像质量低等情况下有较好的性能，具有较强的实用性。     

指纹识别技术在手机中的研究与应用

本文介绍了如何将指纹识别技术应用于手机,给手机用户带来安全性及便利性.并利用FPS200模块,较好地实现了指纹的比对.     

基于智能卡指纹认证系统

文中介绍基于智能卡的指纹认证系统,它结合指纹识别技术与智能卡技术各自的优点,提供更高的安全性和更好的实用性.     

联网型嵌入式系统的指纹识别算法研究

通过研究指纹图像预处理算法,提出了基于指纹灰度分类的图像预处理算法,设计了指纹图像匹配算法,其减少了计算复杂度,提高了匹配速度,并设计了一套联网型指纹识别系统。通过对指纹识别系统软、硬件的设计和开发解决了现有系统网络方面的不足。     

基于深度学习的指纹识别方法研究

现代科学技术正处于一个飞速发展的时期,指纹识别技术已经融入人类生活各个领域中.在众多生物特征识别技术中,指纹识别技术作为一种最直观的技术被广泛应用.传统指纹识别技术存在一些弊端,例如需要人工设置指纹特征,并且需要多次调试,设计特征和选择分类器相对而言不易达成最优化,从而导致指纹识别率不达标.需要提出一种能够提高指纹识别准确率的方案.近些年随着机器学习技术的兴起,深度学习技术已经成为了当下的热门课题.而将深度学习技术与生物特征识别技术相融合也具有较明朗的前景.深度学习技术可以在海量数据中学习并分析,可以自动识别分析并学习指纹特征数据,从而减少人工工作量,同时达到提高指纹识别准确率的目的.本文简要介绍了深度学习与指纹识别技术的研究现状、存在的问题,并通过卷积神经网络对指纹识别技术做出了分析与改进.本文主要是希望通过对指纹识别技术的分析与改进帮助人们更深入地了解指纹识别的概念及运用,并促使生物特征识别技术能够获得高速发展.     

多分类器融合的指纹全局特征协同识别

指纹识别是生物特征识别中的热点,指纹全局特征识别具有明显的优势,但是单一分类器一般不能取得满意的识别效果。本文采用贝叶斯理论分析了常见的积、和、中值以及投票多分类器融合方法,并根据实际的选举情形,对投票法进行了2种改进。然后对3种指纹全局特征协同识别分类器:灰度值、主分量以及方向场分类器进行决策层融合,并采用了一种崭新而高效的协同模式识别方法。对FVC2002指纹库的实验表明:该方法具有较好的分类性能,预处理与特征提取简单、计算复杂度低、识别速度快、对污损指纹具有可靠的识别率、鲁棒性强,而且应用于身份认证中也取得了较好的认证效果。     

电子病历的指纹信息加密技术研究与设计

电子病历既是病人医疗信息的集合,也是数据共享的载体,因此电子病历的安全性非常重要.文章提出一种指纹信息的电子病历(EMR),利用指纹的唯一性等特征,设计出一种基于指纹信息的电子病历XML档加密方法.基于.Net Framework框架,通过Rijndael算法,用采集到的指纹特征数据作为密钥对电子病历XML文档进行加密.实验结果表明,该方案安全可行、加密高效,为电子病历的安全性提供了新的途径.     

指纹图像特征点提取算法研究

为了将指纹纹理中的有效信息提取出来,通过指纹图像预处理和特征点提取两个步骤,提出了一种指纹图像的特征点提取算法。图像预处理主要包含图像增强、二值化、细化,而特征点提取则采用模板搜索提取法。最终通过MATLAB GUI系统将采集的指纹图像进行处理,在用户界面内显示图像处理结果以及特征点提取结果,说明该设计很好地实现了算法目的,并且具有很好的稳定性和扩展性。