CN102663355A - 基于手背静脉与手形结合的识别***与方法 - Google Patents
基于手背静脉与手形结合的识别***与方法 Download PDFInfo
- Publication number
- CN102663355A CN102663355A CN2012100835331A CN201210083533A CN102663355A CN 102663355 A CN102663355 A CN 102663355A CN 2012100835331 A CN2012100835331 A CN 2012100835331A CN 201210083533 A CN201210083533 A CN 201210083533A CN 102663355 A CN102663355 A CN 102663355A
- Authority
- CN
- China
- Prior art keywords
- hand
- image
- vein
- infrared
- imaging
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Collating Specific Patterns (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
一种基于手背静脉与手形结合的识别***与方法,根据静脉血管成像特点设计了远红外热成像和近红外成像两种方式的采集方式,根据红外热成像原理利用红外热像仪实现了远红外手背静脉成像,根据近红外成像原理利用峰值波长为850nm的LED阵列发出红外光照射手背,利用近红外CCD采集手背静脉图像实现了近红外手背静脉成像;手背静脉与手形结合的识别方法为对获取的图像进行处理提取出手背静脉与手形的特征向量,然后再和已存储的特征向量进行匹配得到识别结果,本发明利用了手部的两种生物信息且一次采集,对于获取的图像进行两种生物信息的提取与识别增加了采集的信息量提高了识别率,与单一生物识别相比较具有更高的准确率、安全性、防伪性及适用性。
Description
技术领域
本发明涉及一种手背静脉与手形结合的识别***及方法,本发明涉及到人体生物特征的采集与识别方法,属于生物信息获取与生物识别技术领域。
背景技术
随着现代社会的发展,人们对信息安全的要求越来越高,传统的安全技术越来越满足人们的要求,比如密码容易遗忘、被修改,证件容易丢失,携带不方便等,这样就给使用者造成了很多安全隐患。特别是那些对安全要求很高的场合,对原有的认证方式加以改进就显得更加迫切。
生物认证技术是指通过计算机利用人体所固有的生理特征或者行为特征来进行身份鉴定的过程。常用的生理特征有脸像、指纹、虹膜等;常用的行为特征有步态、签名等。声纹兼具生理和行为的特点,介于两者之间。与传统认证方式相比,生物识别最大的特点就是对用户自身的特征进行认证,具有防伪性好、便于携带、不易丢失或遗忘的优点。每一种生物识别在准确率、用户接受程度、成本等方面都不同,而且都有自己的优缺点。多生物特征认证利用了多个生物特征,结合了数据融合的技术,进一步提高了认证的准确率,具有广阔的应用前景。
发明内容
本发明的目的在于克服现有技术的上述不足,提供一种基于手背静脉与手形结合的识别***与方法,克服单一手形识别或单一手背静脉识别的不稳定信息量小等问题,提高了识别***的可靠性、稳定性和实用性。
本发明提供的手背静脉与手形结合的识别***,包括采集单元、生物特征识别单元和数据库单元;
采集单元:根据静脉血管成像特点,设计了远红外热成像和近红外成像两种方式的采集方式,其中根据红外热成像原理利用红外热像仪实现了远红外手背静脉采集,红外热像仪采集整个手面背部手背的温度分布,然后利用热能分析软件将温度数据转化为灰度图像,从而可以得到静脉的分布信息及整个手形的信息;根据近红外成像原理利用峰值波长为850nm的LED阵列发出红外光照射手背并反射,反射光线透过红外滤光镜滤除可见光,仅使近红外光进入近红外CCD相机采集手背静脉图像,获得的手背静脉图像信息含有手背静脉与手形两种生物信息;所述的LED阵列为均匀分布的圆形光源排布在近红外CCD的两侧照射手背;
生物特征识别单元:由DSP构成,对由采集单元获取的图像进行预处理提取出手背静脉与手形的特征向量,再和数据库单元已存储的特征向量进行匹配融合得到识别结果;
数据库单元:由FLASH存储器构成,用于存储预先采集提取的手背静脉与手形特征向量。
本发明同时提供了一种基于手背静脉与手形结合的识别方法,该方法包括:
第1、由采集单元利用远红外热成像或近红外成像方式采集图像;
所述的远红外热成像或近红外成像方式既采集手背静脉图像,也采集手形图像,其中远红外热成像利用手背静脉与手背其它部位温度不同可以得到手背静脉血管的走向图像,同时整个手的温度区别与外界环境的温度可以获得整个手形明显的边界获得手形信息;近红外成像利用红外光照射手背图像,利用手背静脉血管吸收红外光,可以得到手背静脉血管的走向图像,同时整个手形的信息也可提出。
第2、将采集单元采集到的图像信号送到生物特征识别单元,生物特征识别单元对图像进行预处理,对手背静脉信息与手形信息分别提取特征向量;
第3、然后分别与数据库单元中已存储的特征向量作比对,得到各自的匹配分数,采用加权求和规则实现匹配分数在匹配层的融合,将融合后的分数与设定的阈值进行比较判断实现身份判决,完成多模态的身份识别认证,最后得到最终识别结果。
其中第2步所述手背静脉识别方法为:对获取的图像转换成同一均值和方差的归一化方法进行图像归一化,采用反锐化掩模方法进行锐化处理突出图像中的手背静脉细节,采用动态闭值与全局闽值结合起来的方法对图像进行二值化,采用中值滤波与区域生长的方法去除图像噪声,采用八近邻算法对图像进行细化并去除毛刺,提取端点交叉点作为手背静脉的特征向量;
其中第2步所述手形识别方法为:将原始图像进行灰度转换,转换为灰度图像;对图像进行平滑处理,消除图像采集过程中的图像噪声;将图像二值化,转换为二值图像;采用8邻域算法,得到手形轮廓;然后在手形轮廓线上定位指根、指尖的特征点,作一条垂直于Y轴的直线与手形轮廓中除拇指外的其他4根手指的边缘相交于8个点,以任意一点向上或向下搜索至下一个交点,标记该区域曲率变化最大的点,确定各个手指的指根点、指尖点然后提取除拇指外的4个手指长度,并计算出4个绝对长度间的相对长度,构成手形特征向量。
本发明硬件装置主要由核心处理器DSP芯片、红外热像仪或近红外CCD、A/D转换器件、硬件可编程逻辑器件CPLD、存储器FLASH与SDRAM、显示单元LED、通信接口USB组成。
其中红外热像仪或近红外CCD与其周围设备构成成像装置,成像装置及其***电路构成采集单元;DSP芯片与其***接口电路共同构成生物特征识别单元;FLASH存储器构成数据库单元用于存储预先采集提取的手背静脉与手形特征向量数据。
***开始工作以后,用户通过红外热像仪或近红外CCD获取手背静脉与手形图像信号并通过A/D转换器件将模拟信号转变为数字信号,CPLD作为接口和逻辑控制器件,将手背静脉与手形图像信号存储到SDRAM中,并在采集完一幅图像后通知DSP数据已准备好。在数据处理阶段,DSP将SDRAM中的数据分块取到其内部RAM中,作为手背静脉与手形图像处理以及识别算法的临时数据。DSP将处理结果与FLASH中预先采集提取的特征向量进行匹配并融合,最后通过LCD显示器显示识别结果。USB接口电路是***的扩展接口,主要的作用就是凭借此接口,可以进行二次开发,以应用于其他的应用***中。
本发明的优点和有益效果:
本发明可同一时间采集手背静脉与手形两种生物特征,增加了采集生物特征的信息量,同时提高了识别的精度,两侧照明方便用户摆放手指,上部照明时用户只能***,很难看见自己手指已处于的位置,其防伪造性强,具有高的可靠性、稳定性及实用性。
附图说明:
图1:手背静脉与手形结合的识别方法流程图。
图2:远红外热成像采集单元图。
图3:近红外成像采集单元图。
图4:近红外LED灯俯视图。
图5:远红外热成像图。
图6:近红外成像图。
图7:手背静脉与手形结合的识别***与方法硬件电路图。
下面结合附图对本发明的具体实施方式做进一步说明。
具体实施方式:
实施例1:
本发明提供的手背静脉与手形结合的识别***,包括采集单元,生物特征识别单元,数据库单元;利用远红外热成像或近红外成像方式的采集***采集图像,采集单元采集到的图像信号送到生物特征识别单元,生物特征识别单元对图像进行处理并提取特征向量,然后与已存储在数据库中的特征向量作比对得到各自的匹配分数,之后两者在决策层融合得到最终识别结果。
图1为手背静脉与手形结合的识别方法流程图,被检测者将手背面(1)朝上放于红外热像仪(2)或红外CCD(5)采集单元下,采集单元采集手背静脉手形信息,采集单元将采集到的图像信息送到生物特征识别单元,生物特征识别单元将图像进行处理并提取特征向量然后与已存储的特征向量作比对得到手背静脉与手形各自的匹配分数,然后两匹配分数在决策层融合得到最终识别结果。
所述的手背静脉识别方法为:对获取的图像转换成同一均值和方差的归一化方法进行图像归一化,采用反锐化掩模方法进行锐化处理突出图像中的手背静脉细节,采用动态闭值与全局闽值结合起来的方法对图像进行二值化,采用中值滤波与区域生长的方法去除图像噪声,采用八近邻算法对图像进行细化并去除毛刺,提取端点交叉点作为手背静脉的特征向量。
所述的手形识别方法为:将原始图像进行灰度转换,转换为灰度图像;对图像进行平滑处理,消除图像采集过程中的图像噪声;将图像二值化,转换为二值图像;采用8邻域算法,得到手形轮廓;然后在手形轮廓线上定位指根、指尖的特征点,作一条垂直于Y轴的直线与手形轮廓中除拇指外的其他4根手指的边缘相交于8个点,以任意一点向上或向下搜索至下一个交点,标记该区域曲率变化最大的点,确定各个手指的指根点、指尖点然后提取除拇指外的4个手指长度,并计算出4个绝对长度间的相对长度,构成手形特征向量。
所述的融合方法采用加权求和规则实现手背静脉与手形匹配分数在匹配层的融合,最后将融合后的分数与设定的阈值进行比较判断实现身份判决,完成多模态的身份识别认证。
图2为远红外热成像采集单元图,将手背面(1)向上放于红外热像仪(2)下,其中根据红外热成像原理利用红外热像仪实现了远红外手背静脉采集,红外热像仪采集整个手面背部手背的温度分布图像,然后利用热能分析软件将温度数据转化为灰度图像,从而可以得到静脉的分布信息及整个手形的信息。
图3为近红外成像采集单元图,将手背面(1)向上放于采集单元下,利用峰值波长为850nm的LED(3)阵列发出红外光从两侧照射手背面(1)并反射,反射光线透过红外滤光镜(4)滤除可见光,仅使近红外光进入近红外CCD(5)相机采集手背静脉图像,获得的手背静脉图像信息含有手背静脉与手形两种生物信息。
图4为近红外LED(3)灯俯视图,其分布在近红外CCD(5)下方两侧用于照射手背。
图5为远红外热成像图,其为根据红外热成像原理利用红外热像采集单元采集的图像。
图6近红外成像图,其为近红外采集单元采集的图像。
图7为手背静脉与手形结合的识别***与方法硬件电路图,硬件装置主要由核心处理器DSP芯片、红外热像仪或近红外CCD、A/D转换器件、硬件可编程逻辑器件CPLD、存储器FLASH与SDRAM、显示单元LED、通信接口USB组成。
其中红外热像仪或近红外CCD与其周围设备构成成像装置,成像装置及其***电路构成采集单元;DSP芯片与其***接口电路共同构成生物特征识别单元;FLASH存储器构成数据库单元用于存储预先采集提取的手背静脉与手形特征向量数据。
***开始工作以后,用户通过红外热像仪或近红外CCD获取手背静脉与手形图像信号并通过A/D转换器件将模拟信号转变为数字信号,CPLD作为接口和逻辑控制器件,将手背静脉与手形图像信号存储到SDRAM中,并在采集完一幅图像后通知DSP数据已准备好。在数据处理阶段,DSP将SDRAM中的数据分块取到其内部RAM中,作为手背静脉与手形图像处理以及识别算法的临时数据。DSP将处理结果与FLASH中预先采集提取的特征向量进行匹配并融合,最后通过LCD显示器显示识别结果。USB接口电路是***的扩展接口,主要的作用就是凭借此接口,可以进行二次开发,以应用于其他的应用***。
Claims (4)
1.一种手背静脉与手形结合的识别***,其特征在于该***包括采集单元、生物特征识别单元和数据库单元;
采集单元:根据静脉血管成像特点,设计了远红外热成像和近红外成像两种方式的采集方式,其中根据红外热成像原理利用红外热像仪实现了远红外手背静脉采集,红外热像仪采集整个手面背部、手背的温度分布,然后利用热能分析软件将温度数据转化为灰度图像,从而可以得到静脉的分布信息及整个手形的信息;根据近红外成像原理利用峰值波长为850nm的LED阵列发出红外光照射手背并反射,反射光线透过红外滤光镜滤除可见光,仅使近红外光进入近红外CCD相机采集手背静脉图像,获得的手背静脉图像信息含有手背静脉与手形两种生物信息;所述的LED阵列为均匀分布的圆形光源排布在近红外CCD的两侧照射手背;
生物特征识别单元:由DSP构成,对由采集单元获取的图像进行预处理提取出手背静脉与手形的特征向量,再和数据库单元中已存储的特征向量进行匹配融合得到识别结果;
数据库单元:由FLASH存储器构成,用于存储预先采集提取的手背静脉与手形特征向量。
2.一种基于手背静脉与手形结合的识别方法,其特征在于该方法包括:
第1、由采集单元利用远红外热成像或近红外成像方式采集图像;
第2、将采集单元采集到的图像信号送到生物特征识别单元,生物特征识别单元对图像进行预处理,对手背静脉信息与手形信息分别提取特征向量;
第3、然后分别与数据库单元中已存储的特征向量作比对,得到各自的匹配分数,采用加权求和规则实现匹配分数在匹配层的融合,将融合后的分数与设定的阈值进行比较判断实现身份判决,完成多模态的身份识别认证,最后得到最终识别结果。
3.根据权利要求2所述的方法,其特征在于第2步所述手背静脉识别方法为:对获取的图像转换成同一均值和方差的归一化方法进行图像归一化,采用反锐化掩模方法进行锐化处理突出图像中的手背静脉细节,采用动态闭值与全局闽值结合起来的方法对图像进行二值化,采用中值滤波与区域生长的方法去除图像噪声,采用八近邻算法对图像进行细化并去除毛刺,提取端点交叉点作为手背静脉的特征向量。
4.根据权利要求2所述的方法,其特征在于第2步所述手形识别方法为:将原始图像进行灰度转换,转换为灰度图像;对图像进行平滑处理,消除图像采集过程中的图像噪声;将图像二值化,转换为二值图像;采用8邻域算法,得到手形轮廓;然后在手形轮廓线上定位指根、指尖的特征点,作一条垂直于Y轴的直线与手形轮廓中除拇指外的其他4根手指的边缘相交于8个点,以任意一点向上或向下搜索至下一个交点,标记该区域曲率变化最大的点,确定各个手指的指根点、指尖点然后提取除拇指外的4个手指长度,并计算出4个绝对长度间的相对长度,构成手形特征向量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012100835331A CN102663355A (zh) | 2012-03-27 | 2012-03-27 | 基于手背静脉与手形结合的识别***与方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012100835331A CN102663355A (zh) | 2012-03-27 | 2012-03-27 | 基于手背静脉与手形结合的识别***与方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102663355A true CN102663355A (zh) | 2012-09-12 |
Family
ID=46772839
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012100835331A Pending CN102663355A (zh) | 2012-03-27 | 2012-03-27 | 基于手背静脉与手形结合的识别***与方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102663355A (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102920441A (zh) * | 2012-11-20 | 2013-02-13 | 天津理工大学 | 一种手背静脉图像的采集与显示设备 |
CN103106399A (zh) * | 2013-01-28 | 2013-05-15 | 天津理工大学 | 一种智能型手背静脉图像采集装置 |
CN103246867A (zh) * | 2013-04-17 | 2013-08-14 | 陕西科技大学 | 一种手背静脉结构提取方法 |
CN103957325A (zh) * | 2014-05-21 | 2014-07-30 | 深圳市金立通信设备有限公司 | 一种终端报警的方法和终端 |
CN104392219A (zh) * | 2014-11-21 | 2015-03-04 | 上海箩箕技术有限公司 | 生物信息识别方法及装置 |
JP2016087307A (ja) * | 2014-11-10 | 2016-05-23 | 国立大学法人群馬大学 | 撮像支援装置及び透析装置 |
CN106999131A (zh) * | 2014-11-27 | 2017-08-01 | 皇家飞利浦有限公司 | 用于生成患者的图像的成像设备和方法 |
RU2638458C1 (ru) * | 2016-07-25 | 2017-12-13 | Антон Александрович Касаткин | Способ инфракрасной флебографии |
CN109190460A (zh) * | 2018-07-23 | 2019-01-11 | 南京航空航天大学 | 基于累积匹配和等错误率的手形手臂静脉融合识别方法 |
CN109684983A (zh) * | 2018-12-19 | 2019-04-26 | 武汉华星光电半导体显示技术有限公司 | 指纹监测装置及电子设备 |
CN109934118A (zh) * | 2019-02-19 | 2019-06-25 | 河北大学 | 一种手背静脉身份识别方法 |
CN110321870A (zh) * | 2019-07-11 | 2019-10-11 | 西北民族大学 | 一种基于lstm的掌静脉识别方法 |
CN110443146A (zh) * | 2019-07-09 | 2019-11-12 | 一脉通(深圳)智能科技有限公司 | 基于生物识别的身份验证方法、装置、设备及可读介质 |
CN112990160A (zh) * | 2021-05-17 | 2021-06-18 | 北京圣点云信息技术有限公司 | 一种基于光声成像技术的面部静脉识别方法及识别装置 |
WO2021204947A1 (en) | 2020-04-08 | 2021-10-14 | Heba Bevan | Infection and disease sensing systems |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050148876A1 (en) * | 2002-09-03 | 2005-07-07 | Fujitsu Limited | Individual identification device |
CN1954775A (zh) * | 2005-10-27 | 2007-05-02 | 富士通株式会社 | 生物特征认证***和生物特征认证方法 |
JP2010086241A (ja) * | 2008-09-30 | 2010-04-15 | Sony Corp | 指静脈撮像装置および指静脈撮像方法 |
JP2010097483A (ja) * | 2008-10-17 | 2010-04-30 | Hitachi Ltd | 指静脈認証装置 |
CN101789075A (zh) * | 2010-01-26 | 2010-07-28 | 哈尔滨工程大学 | 基于特征值归一化双向加权的手指静脉识别方法 |
CN102073843A (zh) * | 2010-11-05 | 2011-05-25 | 沈阳工业大学 | 非接触式快速人手多模态信息融合识别方法 |
CN102100522A (zh) * | 2010-12-10 | 2011-06-22 | 广州宝胆医疗器械科技有限公司 | 红外线热扫描探头*** |
CN102222216A (zh) * | 2011-06-02 | 2011-10-19 | 天津理工大学 | 基于手指纹络生物特征的身份识别*** |
CN202033768U (zh) * | 2010-12-06 | 2011-11-09 | 公安部第一研究所 | 一种透射式手指静脉特征采集装置 |
-
2012
- 2012-03-27 CN CN2012100835331A patent/CN102663355A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050148876A1 (en) * | 2002-09-03 | 2005-07-07 | Fujitsu Limited | Individual identification device |
CN1954775A (zh) * | 2005-10-27 | 2007-05-02 | 富士通株式会社 | 生物特征认证***和生物特征认证方法 |
JP2010086241A (ja) * | 2008-09-30 | 2010-04-15 | Sony Corp | 指静脈撮像装置および指静脈撮像方法 |
JP2010097483A (ja) * | 2008-10-17 | 2010-04-30 | Hitachi Ltd | 指静脈認証装置 |
CN101789075A (zh) * | 2010-01-26 | 2010-07-28 | 哈尔滨工程大学 | 基于特征值归一化双向加权的手指静脉识别方法 |
CN102073843A (zh) * | 2010-11-05 | 2011-05-25 | 沈阳工业大学 | 非接触式快速人手多模态信息融合识别方法 |
CN202033768U (zh) * | 2010-12-06 | 2011-11-09 | 公安部第一研究所 | 一种透射式手指静脉特征采集装置 |
CN102100522A (zh) * | 2010-12-10 | 2011-06-22 | 广州宝胆医疗器械科技有限公司 | 红外线热扫描探头*** |
CN102222216A (zh) * | 2011-06-02 | 2011-10-19 | 天津理工大学 | 基于手指纹络生物特征的身份识别*** |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102920441A (zh) * | 2012-11-20 | 2013-02-13 | 天津理工大学 | 一种手背静脉图像的采集与显示设备 |
CN103106399A (zh) * | 2013-01-28 | 2013-05-15 | 天津理工大学 | 一种智能型手背静脉图像采集装置 |
CN103246867A (zh) * | 2013-04-17 | 2013-08-14 | 陕西科技大学 | 一种手背静脉结构提取方法 |
CN103246867B (zh) * | 2013-04-17 | 2016-02-10 | 陕西科技大学 | 一种手背静脉结构提取方法 |
CN103957325A (zh) * | 2014-05-21 | 2014-07-30 | 深圳市金立通信设备有限公司 | 一种终端报警的方法和终端 |
CN103957325B (zh) * | 2014-05-21 | 2016-05-25 | 深圳市金立通信设备有限公司 | 一种终端报警的方法和终端 |
JP2016087307A (ja) * | 2014-11-10 | 2016-05-23 | 国立大学法人群馬大学 | 撮像支援装置及び透析装置 |
CN104392219A (zh) * | 2014-11-21 | 2015-03-04 | 上海箩箕技术有限公司 | 生物信息识别方法及装置 |
CN106999131A (zh) * | 2014-11-27 | 2017-08-01 | 皇家飞利浦有限公司 | 用于生成患者的图像的成像设备和方法 |
RU2638458C1 (ru) * | 2016-07-25 | 2017-12-13 | Антон Александрович Касаткин | Способ инфракрасной флебографии |
CN109190460A (zh) * | 2018-07-23 | 2019-01-11 | 南京航空航天大学 | 基于累积匹配和等错误率的手形手臂静脉融合识别方法 |
CN109190460B (zh) * | 2018-07-23 | 2022-02-11 | 南京航空航天大学 | 基于累积匹配和等错误率的手形手臂静脉融合识别方法 |
CN109684983A (zh) * | 2018-12-19 | 2019-04-26 | 武汉华星光电半导体显示技术有限公司 | 指纹监测装置及电子设备 |
CN109934118A (zh) * | 2019-02-19 | 2019-06-25 | 河北大学 | 一种手背静脉身份识别方法 |
CN110443146A (zh) * | 2019-07-09 | 2019-11-12 | 一脉通(深圳)智能科技有限公司 | 基于生物识别的身份验证方法、装置、设备及可读介质 |
CN110321870A (zh) * | 2019-07-11 | 2019-10-11 | 西北民族大学 | 一种基于lstm的掌静脉识别方法 |
CN110321870B (zh) * | 2019-07-11 | 2023-01-03 | 西北民族大学 | 一种基于lstm的掌静脉识别方法 |
WO2021204947A1 (en) | 2020-04-08 | 2021-10-14 | Heba Bevan | Infection and disease sensing systems |
CN112990160A (zh) * | 2021-05-17 | 2021-06-18 | 北京圣点云信息技术有限公司 | 一种基于光声成像技术的面部静脉识别方法及识别装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102663355A (zh) | 基于手背静脉与手形结合的识别***与方法 | |
CN102542258B (zh) | 基于手指生物特征信息的成像设备及多模态身份识别方法 | |
CN101408938B (zh) | 基于指部生物特征的身份认证装置 | |
CN101627913B (zh) | 一种身份信息识别方法及其*** | |
WO2017059591A1 (zh) | 手指静脉识别方法及装置 | |
CN101441711B (zh) | 一种基于手指指纹和手背静脉的身份认证装置 | |
CN105224906B (zh) | 掌静脉识别智能*** | |
CN201302723Y (zh) | 在线多光谱手掌图像采集仪 | |
CN103793692A (zh) | 低分辨率多光谱掌纹、掌静脉实时身份识别方法与*** | |
CN102222216A (zh) | 基于手指纹络生物特征的身份识别*** | |
CN104318213A (zh) | 一种利用人体手掌生物信息识别身份的方法 | |
CN204258901U (zh) | 用于移动终端的手掌静脉识别装置和包括它的智能手机 | |
CN106709417A (zh) | 一种多模态生物识别***及其使用方法 | |
CN103116741A (zh) | 手掌静脉与手掌纹融合图像的采集识别*** | |
CN101464945A (zh) | 基于指背关节纹理的身份特征识别方法 | |
CN107358185B (zh) | 基于拓扑分析的掌纹掌脉图像识别方法及装置 | |
CN102945363B (zh) | 一种可自动调整照射光强的手指静脉图像采集装置及其采集方法 | |
CN105118104A (zh) | 基于步态识别功能的多功能考勤机 | |
Walia et al. | Human recognition via PPG signal using temporal correlation | |
Fairuz et al. | Convolutional neural network-based finger vein recognition using near infrared images | |
CN103714159A (zh) | 融合二级和三级特征的由粗到精的指纹识别方法 | |
CN104217195A (zh) | 手部静脉立体成像与识别*** | |
CN106355150A (zh) | 一种具备通用性的指纹识别***及方法 | |
CN203733135U (zh) | 一种基于808nm激光的指静脉识别*** | |
CN101877052B (zh) | 一种手指静脉与手形结合的智能采集***及识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20120912 |