CN111462379A - 一种含掌静脉和人脸识别的门禁管理方法、***及介质 - Google Patents

一种含掌静脉和人脸识别的门禁管理方法、***及介质 Download PDF

Info

Publication number
CN111462379A
CN111462379A CN202010189226.6A CN202010189226A CN111462379A CN 111462379 A CN111462379 A CN 111462379A CN 202010189226 A CN202010189226 A CN 202010189226A CN 111462379 A CN111462379 A CN 111462379A
Authority
CN
China
Prior art keywords
image
face
palm vein
feature
palm
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
Application number
CN202010189226.6A
Other languages
English (en)
Inventor
吴世宏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong Wangshen Ruizhi Technology Co ltd
Original Assignee
Guangdong Wangshen Ruizhi Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangdong Wangshen Ruizhi Technology Co ltd filed Critical Guangdong Wangshen Ruizhi Technology Co ltd
Priority to CN202010189226.6A priority Critical patent/CN111462379A/zh
Publication of CN111462379A publication Critical patent/CN111462379A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/40—Spoof detection, e.g. liveness detection
    • G06V40/45—Detection of the body part being alive
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/70—Multimodal biometrics, e.g. combining information from different biometric modalities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/14—Vascular patterns

Landscapes

  • Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本发明公开了一种含掌静脉和人脸识别的门禁管理方法、***及介质，所述方法包括：通过图像采集模组采集当前用户的人脸图像和掌静脉图像后进行预处理，并根据差异性分析进行活体检测；在通过所述活体检测后，分别对采集得到的所述人脸图像和掌静脉图像进行特征分析，提取得到对应的人脸特征图像和掌静脉特征图谱；在完成所述特征分析后，根据所述人脸特征图像和掌静脉特征图谱分别与数据库中的用户身份模板进行匹配，最终得到身份识别结果，以使根据身份识别结果进行门禁***的控制；其中，所述用户身份模板包括人脸特征模板和掌静脉特征模板。本发明通过结合掌静脉识别、人脸识别以及活体检测，有效提高门禁***的安全性、可靠性以及实用性。

Description

一种含掌静脉和人脸识别的门禁管理方法、***及介质
技术领域
本发明涉及安全认证技术领域，具体涉及一种含掌静脉和人脸识别的门禁管理方法、***及介质。
背景技术
随着科学技术进步，越来越多的场合选择使用门禁设备来提升各方面的安全性，且开锁的方式也是多种多样，不再局限于使用传统的钥匙开锁，更多的是使用电子门禁设备来起到安全防护工作。现有的电子门禁***主要包括IC卡认证、可穿戴设备认证、指纹认证以及人脸识别认证等。
但是，在对现有技术的研究与实践的过程中，本发明的发明人发现，现有技术存在以下缺陷：如外置设备(IC卡、可穿戴设备等)携带不便、易丢失且容易被复制盗用；指纹识别***精确性不高，在低温、干燥等环境下识别成功率低且易受指纹自身变化的影响；人脸识别***无法达到完全精确且无法分辨当前识别的图像是否为生物活体等，或是安装位置过高导致小孩或身高较矮的人无法方便使用。因此，亟需一种能够提高在用户身份识别方面的安全性和实用性的门禁管理***。
发明内容
本发明实施例所要解决的技术问题在于，提供一种含掌静脉和人脸识别的门禁管理方法、***及介质，适用于在一种含掌静脉识别的人脸识别智能锁装置上运行，能够对识别图像进行活体检测，提高门禁***的安全性和可靠性。
为解决上述问题，本发明的一个实施例提供一种含掌静脉和人脸识别的门禁管理方法，至少包括如下步骤：
通过图像采集模组采集当前用户的人脸图像和掌静脉图像；
分别对采集得到的所述人脸图像和掌静脉图像进行预处理，并根据差异性分析方法进行活体检测；
在通过所述活体检测后，分别对采集得到的所述人脸图像和掌静脉图像进行特征分析，提取得到对应的人脸特征图像和掌静脉特征图谱；
在完成所述特征分析后，根据所述人脸特征图像和掌静脉特征图谱分别与数据库中的用户身份模板进行匹配，最终得到身份识别结果，以使根据身份识别结果进行门禁***的控制；其中，所述用户身份模板包括人脸特征模板和掌静脉特征模板。
进一步地，所述含掌静脉和人脸识别的门禁管理方法，还包括：
预先对用户进行人脸注册和掌静脉注册，并将注册结果存储至数据库中。
进一步地，所述含掌静脉和人脸识别的门禁管理方法，还包括：
预先设置用户的身份认证方式。
进一步地，所述含掌静脉和人脸识别的门禁管理方法，所述分别对采集得到的所述人脸图像和掌静脉图像进行预处理，具体为：
从拍摄画面中检测是否有人脸图像存在，若有，则根据人脸共性特征从拍摄画面中提取得到对应的人脸特征图像，并进行人脸图像质量评估；
从拍摄画面中检测是否有掌静脉图像存在，若有，则对所述掌静脉图像进行图像二值化、图像轮廓提取、指跟位定位、有效区域提取、图像归一化、图像增强和去噪处理后，提取掌静脉图像的纹理特征形成掌静脉特征图谱。
进一步地，所述含掌静脉和人脸识别的门禁管理方法，所述根据差异性分析方法进行活体检测，具体为：
采用基于红外图像的纹理特征的分析方法以及基于红外图像与RGB图像的CNN方法对所所述人脸特征图像进行活体检测；
根据血红素对近红外光的吸收特性，根据所述掌静脉特征图谱判断当前拍摄手掌是否为活体。
进一步地，所述人脸注册，具体为：
预先通过图像采集模组采集用户的人脸图像并进行人脸检测和捕捉，得到人脸特征图像；
对所述人脸特征图像进行人脸图像质量评估，包括评估图像亮度和噪点、是否具有人脸、人脸区域大小、人脸两眼距离值和人脸角度数据；
通过深度神经网络方法，辨别真人脸和假人脸的显著差异性特征，判断被检测者是否为活人，若是，则执行下一步；
对所述人脸特征图像中的人脸区域的五官形状、位置、距离以及纹理特征进行人脸特征分析和模数转换，建立不同用户对应的人脸特征模板并存储至数据库中。
进一步地，所述掌静脉注册，具体为：
利用近红外光源对用户手掌进行照射，采集用户手掌皮下的静脉纹路分布图像；
采用滤波、图像二值化和细化分析方法对所述静脉纹路分布图像进行预处理后提取掌静脉特征，得到掌静脉特征图谱；
根据所述掌静脉特征图谱进行活体检测，在检测当前采集的手掌为活体后，执行下一步；
对所述掌静脉特征图谱进行图谱分析和特征提取，建立不同用户对应的掌静脉特征模板，并存储至数据库中。
本发明的一个实施例提供了一种含掌静脉和人脸识别的门禁管理***，包括：
采集模块，用于通过图像采集模组采集当前用户的人脸图像和掌静脉图像；
活体检测模块，用于分别对采集得到的所述人脸图像和掌静脉图像进行预处理，并根据差异性分析方法进行活体检测；
特征分析模块，用于在通过所述活体检测后，分别对采集得到的所述人脸图像和掌静脉图像进行特征分析，提取得到对应的人脸特征图像和掌静脉特征图谱；
识别模块，用于在完成所述特征分析后，根据所述人脸特征图像和掌静脉特征图谱分别与数据库中的用户身份模板进行匹配，最终得到身份识别结果，以使根据身份识别结果进行门禁***的控制；其中，所述用户身份模板包括人脸特征模板和掌静脉特征模板。
进一步地，所述含掌静脉和人脸识别的门禁管理***，还包括：
用户注册模块，用于预先对用户进行人脸注册和掌静脉注册，并将注册结果存储至数据库中；
认证方式设置模块，用于预先设置用户的身份认证方式。
本发明的另一实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述的含掌静脉和人脸识别的门禁管理方法。
实施本发明实施例，具有如下有益效果：
本发明实施例提供的一种含掌静脉和人脸识别的门禁管理方法、***及介质，所述方法包括：通过图像采集模组采集当前用户的人脸图像和掌静脉图像；分别对采集得到的所述人脸图像和掌静脉图像进行预处理，并根据差异性分析方法进行活体检测；在通过所述活体检测后，分别对采集得到的所述人脸图像和掌静脉图像进行特征分析，提取得到对应的人脸特征图像和掌静脉特征图谱；在完成所述特征分析后，根据所述人脸特征图像和掌静脉特征图谱分别与数据库中的用户身份模板进行匹配，最终得到身份识别结果，以使根据身份识别结果进行门禁***的控制；其中，所述用户身份模板包括人脸特征模板和掌静脉特征模板。本发明通过结合掌静脉识别、人脸识别以及活体检测，避免利用人脸照片即可解锁门禁***的缺陷，提高门禁***的身份识别准确率，有效提高门禁***的安全性、可靠性以及实用性，并通过多模态生物识别的验证方式提高门禁管理***的灵活性。
附图说明
图1为本发明第一实施例提供的一种含掌静脉和人脸识别的门禁管理方法的流程示意图；
图2为本发明第一实施例提供的另一种含掌静脉和人脸识别的门禁管理方法的流程示意图；
图3为本发明第一实施例提供的一种人脸识别的门禁管理方法的流程示意图；
图4为本发明第一实施例提供的一种掌静脉识别的门禁管理方法的流程示意图；
图5为本发明第一实施例提供的人脸注册的流程示意图；
图6为本发明第一实施例提供的掌静脉注册的流程示意图；
图7为本发明第二实施例提供的一种含掌静脉和人脸识别的门禁管理***的结构示意图；
图8为本发明第二实施例提供的另一种含掌静脉和人脸识别的门禁管理***的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
首先介绍本发明可以提供的应用场景，如通过一种含掌静脉识别的人脸识别智能锁对用户进行身份验证。
本发明第一实施例：
请参阅图1-6。
如图1所示，本实施例提供了一种含掌静脉和人脸识别的门禁管理方法，适用于在一种含掌静脉识别的人脸识别智能锁装置上运行，至少包括如下步骤：
S101、通过图像采集模组采集当前用户的人脸图像和掌静脉图像；
具体的，对于步骤S101，当用户需要开门时，门禁管理***首先通过图像采集模组拍摄当前用户的人脸图像以及利用近红外光照射用户的手掌得到掌静静脉图像，在本实施例中，利用人脸识别采集的摄像模组和近红外LED，除了进行人脸识别的功能以外，还可进行掌静脉识别的功能，利用人体血色素的吸光特性，可取得手掌静脉的分布图。
需要说明的是，在图像采集模组在采集图像时，首先自动辨别是人脸还是手掌；当辨别当前采集图像为人脸时，则自动调用人脸识别的程序和模板进行比对识别；当辨别当前采集图像为手掌时，自动调用掌静脉识别的程序和模板进行比对识别，通过预先辨别采集图像的对象，提高用户身份认证的效率及精准度。
其中，在本实施例中，用于采集人脸图像和掌静脉图像的图像采集模组实质上是同一套采集装置，不仅简化了装置结构，还节省了成本。所述图像采集模组包含一个可见光摄像头和一个近红外摄像头，可同时拍摄同一目标的可见光图像和红外图像，两种图像可分别建模和识别。由于采用了红外采样技术，对外界光环境的变化有很强的适应性，非常稳定，即使是全黑的环境依然可以正常识别。同时该摄像头采用近红外高灵敏度感光技术，能精确捕捉活体人脸特征，有效防止将图片、屏幕视频等误认为真人活体。
可见光(RGB)摄像机和近红外(NIR)摄像机是同时对同一个目标分别拍摄的，所拍到的可见光图像和近红外图像分别进行预处理和质量评估，经筛选得到的人脸图像经过活体检测后，可将可见光人脸图像和红外人脸图像分别进行特征分析、提取和建模。对同一目标在同一时间点采集的可见光和红外光的人脸特征模板可以相互印证。
由两种不同光线图像建立起来的两种模板可分别用于不同的场合。比如身份证的照片是彩色RGB照片，要进行人证核验时用可见光模板与之比对就有很好的适用性；又如远程注册一般都是用可见光照片，就需要可见光图像的建模和比对识别。而在现场注册和现场识别就可采用红外采集、建模和识别。
S102、分别对采集得到的所述人脸图像和掌静脉图像进行预处理，并根据差异性分析方法进行活体检测；
具体的，对于步骤S102，从拍摄画面中检测有无人脸图像存在，称为人脸检测或人脸捕捉，如检测到存在人脸图像时，把人脸图像提取出来。这是人脸识别算法中对拍摄图像的初步处理步骤，利用生物统计学的人脸共性特征，能自动快速地从拍摄图像中检测出人的面孔，即使在复杂的背景中，也能准确的捕捉到人脸。同时，对掌静脉图像进行预处理，目的主要是消除图像中的噪音等干扰因素，增强图像中的掌静脉特征，以便后续提取出掌静脉的有效区域，通过对人脸图像和掌静脉图像进行预处理，为后续的特征提取和分析提供准确的数据支撑，提高特征提取和分析的精准度。
同时，为了避免利用照片冒充用户进行开门的情况，本方案还增加了根据人脸特征图像和掌静脉特征图谱进行活体检测的步骤，通过判断被检测者是否为真人，进一步提高门禁管理***对用户身份验证的精准度和可靠性。
在本实施例中，根据人脸特征图像进行活体检测的方法包括基于红外图像的纹理特征的分析方法，以及基于红外图像与RGB图像的CNN方法。
其中，基于红外图像的纹理特征的分析方法，使用微观纹理分析对图像中的人脸进行检测。由于使用高分辨率的采集装置，使微观纹理分析成为可能。本方法使用LBP算子对红外人脸图像进行特征的提取，将计算出来的LBP特征输入到SVM分类器进行训练，从而判别输入的人脸图像是否是真实活体的人脸。检测方法基于以下原理：真实人脸和照片图像的微观纹理是不一样的；照片图像的高频成分比真实人脸图像的高；红外图像与拍摄物体的形状以及反射属性有很强的相关性，由于用于欺诈的打印照片或是在手机上放映的照片视频是二维平面的物体，而人脸是三维的立体图形，而且打印用的纸张的反射率与人脸各个部分的反射率不一样，因此红外图像的纹理具有很强的判别性。
而基于红外图像与RGB图像的CNN方法通过其多层非线性的映射能够学到更具判别性的特征。由于活体检测任务的数据量较小，本算法使用较浅的4层CNN模型为基础；该模型以双路摄像头同时拍摄的红外图像和RGB图像为输入，通过共享的卷积层和全连接层分别提取它们的特征，最后将特征融合在一起通过一层全连接层和Softmax层输出进行分类。同时使用红外图像和RGB图像使得本算法能够判别真实人脸和假冒人脸在两个摄像头下的不同，因此更具有判别能力。
另一方面，针对掌静脉特征图谱的活体检测，由于脱氧血红蛋白对特定波长(700～1100nm)的近红外光有比较敏感吸收的特性，在用近红外光源对人体手掌进行照射后，获得手掌皮下的静脉纹路分布图像。流到静脉红血球中的血红蛋白对波长760nm附近的近红外线会有吸收，导致静脉部分的反射较少，在影像上就会产生静脉图案。掌静脉图像只有当手掌是活体时才能获取其影像特征，非活体的手掌是得不到静脉图像特征的。因此，通过对掌静脉特征图谱进行分析即可知道当前手掌是否为活体。
S103、在通过所述活体检测后，分别对采集得到的所述人脸图像和掌静脉图像进行特征分析，提取得到对应的人脸特征图像和掌静脉特征图谱；
具体的，对于步骤S103，在进行人脸图像特征分析时，根据人脸特征图像中的人脸区域的五官形状、位置、距离以及纹理特征等进行分析，对这些特征值进行模数转换，建立起相应的数字模型，通过深度学习的分析和训练，形成能体现每个人独特特征的模板。
在进行掌静脉图像特征分析时，利用静脉结构中血管粗细与延伸方向不同的特点，将掌静脉特征图像进行分区块多尺度多方向的特征值提取，经模数转换形成编码序列，作为表征掌静脉特征的模板，对当前采集到的用户掌静脉图像进行图像预处理和特征提取，得到当前用户掌静脉的特征数据。具体的过程如下：
(1)掌静脉图像采集。脱氧血红蛋白对特定波长(700～1100nm)的近红外光有比较敏感吸收的特性，如上图所示，脱氧血红蛋白对于760nm～940nm波段范围内的吸收响应较好，大约在760nm处有个小吸收峰，在800nm～940nm波段间几乎不变。通过实验表明，用波长850nm的LED照射手掌，采集得到的掌静脉图像输出值最大，相对应的图像质量最高，我们选取波长为850nm的近红外LED，通过采集红外反射采集到手掌静脉图像。
(2)掌静脉图像预处理。预处理的目的主要是消除图像中的噪音等干扰因素，增强图像中的掌静脉特征，提取出掌静脉的有效区域。掌静脉图像预处理步骤主要有：图像二值化、图像轮廓提取、指根点定位、有效区域提取、图像归一化、图像增强、去噪等。这一系列的步骤是掌静脉图像的预处理步骤，目的是对手掌图像进行准确定位，以获取有效的掌静脉区域图像。图像二值化：将掌静脉图像转变为只有黑白两色的二值图像，以得到手掌的轮廓图，然后通过指根点定位取得坐标，对手掌的方位进行校正，进而对原始掌静脉图像划分出有效的静脉区域图像(ROI(region of interest)区域图像)。再对ROI图像进行归一化处理，尺度归一化和灰度归一化，使得ROI图像具有统一的尺寸，灰度级值均衡。再通过图像增强和滤波去噪处理，使得图像静脉纹路清晰，以利于后续的特征提取和识别。
(3)掌静脉图像经过预处理和图像增强后，提取掌静脉的纹理特征，形成特征图谱，利用静脉结构中血管粗细与延伸方向不同的特点，将掌静脉图像进行分区块多尺度多方向的特征值提取，经模数转换形成编码序列，作为表征掌静脉特征的模板。
(4)掌静脉采集处理方法应用在2个主要过程中，一个是注册阶段，对经过预处理后进行特征提取得到的特征模板存放在模板数据库中，作为识别样本；其二是在识别阶段，对当前采集到的用户掌静脉图像进行图像预处理和特征提取，得到当前用户掌静脉的特征数据，再与数据库中的模板进行匹配，识别出最终结果。
S104、在完成所述特征分析后，根据所述人脸特征图像和掌静脉特征图谱分别与数据库中的用户身份模板进行匹配，最终得到身份识别结果，以使根据身份识别结果进行门禁***的控制；其中，所述用户身份模板包括人脸特征模板和掌静脉特征模板。
具体的，对于步骤S104，在门禁管理***的数据库中预先存储了不同用户在注册时的用户身份模板，包括人脸特征模板和掌静脉特征模板。在用户通过了活体检测和特征分析后，根据所述人脸特征图像和掌静脉特征图谱分别与数据库中的用户身份模板进行匹配，从而得到身份识别结果，只有当人脸特征图像和掌静脉，才能确认身份认证合格。为提高身份鉴别的准确性和安全性，本实施例利用多个生物特征结合的方式来对人的身份进行鉴定，即多模态生物特征识别，避免了单一生物特征识别的局限性导致身份识别的精准度低下的缺陷。
在优选的实施例中，如图2所示，所述含掌静脉和人脸识别的门禁管理方法，还包括：
预先对用户进行人脸注册和掌静脉注册，并将注册结果存储至数据库中。
具体的，预先对门禁管理***的用户进行身份注册，包括人脸注册和掌静脉注册，并将每个用户对应的身份注册结果存储至数据库中。
本实施例采取掌静脉识别的优点在于，掌静脉属于人体内部非肉眼可见的生物特征，静脉血管隐藏于皮肤下面，不易被人眼所看到，相对于人体其他部位较难获取，不易被窃取，无法复制伪造。并且只有在活体才可以实现静脉造影，无法利用假体伪造。同时静脉血管在人皮肤下面组成的网状结构，有着丰富的特征，具有丰富的信息量，每个人都有独特的静脉纹路特征，不同人相同部位的静脉结构均不相同，即使是双胞胎的静脉纹路也不尽相同，具有很好的唯一性。另一方面，掌静脉识别具有非接触式使用的优势，更卫生。对环境光线和使用者的位置及姿态的要求几乎没有限制，更为易用可靠。
在优选的实施例中，如图2所示，所述含掌静脉和人脸识别的门禁管理方法，还包括：
预先设置用户的身份认证方式。
具体的，通过预先设置用户的身份认证方式，还可以设定对每一个不同的用户采用何种认证方式，可根据使用场合要求或个人具体情况进行相应设定。例如如图3所示的设定为仅使用人脸识别；如图4所示的设定为仅使用掌静脉识别。在具体的场合要求中，譬如对成人可以设定仅使用人脸识别，对小孩或身高不足的人可设定使用人脸识别或是掌静脉识别，在一些重要场合比如重点实验室、重点文物室、档案库等安保等级高的场合，还可以设定采用人脸识别+掌静脉识别这样的多模态生物识别的认证方式。即对每个人分别用两种生物特征进行比对匹配，只有当两种生物特征都匹配成功，才确认其身份验证成功，这使得识别准确率成几何级数提高。
在优选的实施例中，所述含掌静脉和人脸识别的门禁管理方法，所述分别对采集得到的所述人脸图像和掌静脉图像进行预处理，具体为：
从拍摄画面中检测是否有人脸图像存在，若有，则根据人脸共性特征从拍摄画面中提取得到对应的人脸特征图像，并进行人脸图像质量评估；
从拍摄画面中检测是否有掌静脉图像存在，若有，则对所述掌静脉图像进行图像二值化、图像轮廓提取、指跟位定位、有效区域提取、图像归一化、图像增强和去噪处理后，提取掌静脉图像的纹理特征形成掌静脉特征图谱。
在优选的实施例中，所述含掌静脉和人脸识别的门禁管理方法，所述根据差异性分析方法进行活体检测，具体为：
采用基于红外图像的纹理特征的分析方法以及基于红外图像与RGB图像的CNN方法对所所述人脸特征图像进行活体检测；
根据血红素对近红外光的吸收特性，根据所述掌静脉特征图谱判断当前拍摄手掌是否为活体。
在优选的实施例中，如图5所示，所述人脸注册，具体为：
预先通过图像采集模组采集用户的人脸图像并进行人脸检测和捕捉，得到人脸特征图像；
对所述人脸特征图像进行人脸图像质量评估，包括评估图像亮度和噪点、是否具有人脸、人脸区域大小、人脸两眼距离值和人脸角度数据；
通过深度神经网络方法，辨别真人脸和假人脸的显著差异性特征，判断被检测者是否为活人，若是，则执行下一步；
对所述人脸特征图像中的人脸区域的五官形状、位置、距离以及纹理特征进行人脸特征分析和模数转换，建立不同用户对应的人脸特征模板并存储至数据库中。
具体的，所述人脸注册过程具体如下：
(1)人脸检测与捕捉：从拍摄画面中检测有无人脸图像存在，称为人脸检测或人脸捕捉，如检测到存在人脸图像时，把人脸图像提取出来。这是人脸识别算法中对拍摄图像的初步处理步骤，它利用生物统计学的人脸共性特征，能自动快速地从拍摄图像中检测出人的面孔，即使在复杂的背景中，也能准确的捕捉到人脸。
(2)人脸图像质量评估：包括评估图像亮度和噪点、有无人脸、人脸区域大小、两眼距离和人脸角度等。
(3)活体检测：通过红外摄取的人脸图像，活体人脸和非活体的人脸有显著的差异，通过深度神经网络方法的学习，辨别真人脸和假脸的显著差异性特征；用红外光拍摄的图像与拍摄物体的反射属性有很大的相关性，活体人脸与非活体人脸(如照片或手机视频等)所形成的图像有显著的差异性，通过SVM分类器的训练，可以判别输入的图像是否真实的人脸。同时，本方案基于红外和可见光两种图像的特征，采用卷积神经网络(CNN)的方法，以双路摄像头同时拍摄的红外图像和RGB图像为输入，通过共享的卷积层和全连接层分别提取它们的特征，融合在一起通过一层全连接层和Softmax层输出进行分类。同时使用红外图像和RGB图像使得本算法能够判别真实人脸和假冒人脸在两个摄像头下的不同，因此更具有判别能力。从而判断被检测者是否是真人。如果判断不是活体的人脸，不允许进入下一步识别流程；如果判断是活体人脸，则进一步将该人脸送至下一步识别处理。
(4)人脸特征分析与建模：对人脸区域的五官形状、位置、距离以及纹理特征等进行分析，每个人都有其独特的结构特征，对这些特征值进行模数转换，建立起相应的数字模型，通过深度学习的分析和训练，形成能体现每个人独特特征的模板，这些模板即可作为辨识人脸的依据。
在优选的实施例中，如图6所示，所述掌静脉注册，具体为：
利用近红外光源对用户手掌进行照射，采集用户手掌皮下的静脉纹路分布图像；
采用滤波、图像二值化和细化分析方法对所述静脉纹路分布图像进行预处理后提取掌静脉特征，得到掌静脉特征图谱；
根据所述掌静脉特征图谱进行活体检测，在检测当前采集的手掌为活体后，执行下一步；
对所述掌静脉特征图谱进行图谱分析和特征提取，建立不同用户对应的掌静脉特征模板，并存储至数据库中。
具体的，所述掌静脉注册的具体过程如下：
(1)获取掌静脉图像：用近红外光源对人体手掌进行照射，利用血液中血红素对近红外光具有较强的吸收特性，获得手掌皮下的静脉纹路分布图像。流到静脉红血球中的血红蛋白对波长760nm附近的近红外线会有吸收，导致静脉部分的反射较少，在影像上就会产生静脉图案。
(2)静脉图像预处理：运用滤波、图像二值化、细化分析等方法对静脉图像进行处理和提取特征。
(3)活体判断：由于掌静脉只有当手掌是活体时才能获取其影像特征，非活体的手掌是得不到静脉图像特征的。
(4)提取特征及建模：每个人的手掌静脉分布、走向、纹理都有其独特的特征，分析和提取这些特征，建立起相应的数字模型，即成为每个人独特的掌静脉特征模板，存储于识别机中。今后进行掌静脉识别时，即可将采集到的现场掌静脉图像，通过识别匹配算法与存储的特征模板进行比对匹配运算，从而鉴别被检测人的身份。
实施本发明实施例，具有如下有益效果：
本实施例提供了一种含掌静脉和人脸识别的门禁管理方法，包括：通过图像采集模组采集当前用户的人脸图像和掌静脉图像；分别对采集得到的所述人脸图像和掌静脉图像进行预处理，并根据差异性分析方法进行活体检测；在通过所述活体检测后，分别对采集得到的所述人脸图像和掌静脉图像进行特征分析，提取得到对应的人脸特征图像和掌静脉特征图谱；在完成所述特征分析后，根据所述人脸特征图像和掌静脉特征图谱分别与数据库中的用户身份模板进行匹配，最终得到身份识别结果，以使根据身份识别结果进行门禁***的控制；其中，所述用户身份模板包括人脸特征模板和掌静脉特征模板。本发明通过结合掌静脉识别、人脸识别以及活体检测，避免利用人脸照片即可解锁门禁***的缺陷，提高门禁***的身份识别准确率，有效提高门禁***的安全性、可靠性以及实用性，并通过多模态生物识别的验证方式提高门禁管理***的灵活性。
本发明第二实施例：
请参阅图7-8。
如图7所示，本实施例提供了一种含掌静脉和人脸识别的门禁管理***，适用于在一种含掌静脉的人脸识别智能锁装置上运行，所述***包括：
采集模块100，用于通过图像采集模组采集当前用户的人脸图像和掌静脉图像；
具体的，对于采集模块100，当用户需要开门时，门禁管理***首先通过图像采集模组拍摄当前用户的人脸图像以及利用近红外光照射用户的手掌得到掌静静脉图像，在本实施例中，利用人脸识别采集的摄像模组和近红外LED，除了进行人脸识别的功能以外，还可进行掌静脉识别的功能，利用人体血色素的吸光特性，可取得手掌静脉的分布图，
需要说明的是，在采集模块100采集图像时，首先自动辨别是人脸还是手掌；当辨别当前采集图像为人脸时，则自动调用人脸识别的程序和模板进行比对识别；当辨别当前采集图像为手掌时，自动调用掌静脉识别的程序和模板进行比对识别，通过预先辨别采集图像的对象，提高用户身份认证的效率及精准度。
其中，在本实施例中，用于采集人脸图像和掌静脉图像的采集模块100实质上是同一套采集装置，不仅简化了装置结构，还节省了成本。所述采集模块100包含一个可见光摄像头和一个近红外摄像头，可同时拍摄同一目标的可见光图像和红外图像，两种图像可分别建模和识别。由于采用了红外采样技术，对外界光环境的变化有很强的适应性，非常稳定，即使是全黑的环境依然可以正常识别。同时该摄像头采用近红外高灵敏度感光技术，能精确捕捉活体人脸特征，有效防止将图片、屏幕视频等误认为真人活体。
活体检测模块200，用于分别对采集得到的所述人脸图像和掌静脉图像进行预处理，并根据差异性分析方法进行活体检测；
具体的，对于活体检测模块200，从拍摄画面中检测有无人脸图像存在，称为人脸检测或人脸捕捉，如检测到存在人脸图像时，把人脸图像提取出来。这是人脸识别算法中对拍摄图像的初步处理步骤，利用生物统计学的人脸共性特征，能自动快速地从拍摄图像中检测出人的面孔，即使在复杂的背景中，也能准确的捕捉到人脸。同时，对掌静脉图像进行预处理，目的主要是消除图像中的噪音等干扰因素，增强图像中的掌静脉特征，以便后续提取出掌静脉的有效区域，通过对人脸图像和掌静脉图像进行预处理，为后续的特征提取和分析提供准确的数据支撑，提高特征提取和分析的精准度。
为了避免利用照片冒充用户进行开门的情况，本方案还增加了根据人脸特征图像和掌静脉特征图谱进行活体检测的步骤，通过判断被检测者是否为真人，进一步提高门禁管理***对用户身份验证的精准度和可靠性。
特征分析模块300，用于在通过所述活体检测后，分别对采集得到的所述人脸图像和掌静脉图像进行特征分析，提取得到对应的人脸特征图像和掌静脉特征图谱；
具体的，对于特征分析模块300，在进行人脸图像特征分析时，根据人脸特征图像中的人脸区域的五官形状、位置、距离以及纹理特征等进行分析，对这些特征值进行模数转换，建立起相应的数字模型，通过深度学习的分析和训练，形成能体现每个人独特特征的模板。
在进行掌静脉图像特征分析时，利用静脉结构中血管粗细与延伸方向不同的特点，将掌静脉特征图像进行分区块多尺度多方向的特征值提取，经模数转换形成编码序列，作为表征掌静脉特征的模板，对当前采集到的用户掌静脉图像进行图像预处理和特征提取，得到当前用户掌静脉的特征数据。
识别模块400，用于在完成所述特征分析后，根据所述人脸特征图像和掌静脉特征图谱分别与数据库中的用户身份模板进行匹配，最终得到身份识别结果，以使根据身份识别结果进行门禁***的控制；其中，所述用户身份模板包括人脸特征模板和掌静脉特征模板。
具体的，对于识别模块400，在门禁管理***的数据库中预先存储了不同用户在注册时的用户身份模板，包括人脸特征模板和掌静脉特征模板。在用户通过了活体检测后，根据所述人脸特征图像和掌静脉特征图谱分别与数据库中的用户身份模板进行匹配，从而得到身份识别结果，只有当人脸特征图像和掌静脉都匹配合格，才能确认身份认证合格。为提高身份鉴别的准确性和安全性，本实施例利用多个生物特征结合的方式来对人的身份进行鉴定，即多模态生物特征识别，避免了单一生物特征识别的局限性导致身份识别的精准度低下的缺陷。
在优选的实施例中，如图8所示，所述含掌静脉和人脸识别的门禁管理***，还包括：
用户注册模块500，用于预先对用户进行人脸注册和掌静脉注册，并将注册结果存储至数据库中；
具体的，对于用户注册模块500，预先对门禁管理***的用户进行身份注册，包括人脸注册和掌静脉注册，并将每个用户对应的身份注册结果存储至数据库中。
在优选的实施例中，如图8所示，所述含掌静脉和人脸识别的门禁管理***，还包括：
认证方式设置模块600，用于预先设置用户的身份认证方式。
具体的，对于认证方式设置模块600，通过预先设置用户的身份认证方式，还可以设定对每一个不同的用户采用何种认证方式，可根据使用场合要求或个人具体情况进行相应设定。包括：设定为仅适用人脸识别和设定为仅使用掌静脉识别。在具体的场合要求中，譬如对成人可以设定仅使用人脸识别，对小孩或身高不足的人可设定使用人脸识别或是掌静脉识别，在一些重要场合比如重点实验室、重点文物室、档案库等安保等级高的场合，还可以设定采用人脸识别+掌静脉识别这样的多模态生物识别的认证方式。即对每个人分别用两种生物特征进行比对匹配，只有当两种生物特征都匹配成功，才确认其身份验证成功，这使得识别准确率成几何级数提高。
实施本发明实施例，具有如下有益效果：
本实施例提供了一种含掌静脉和人脸识别的门禁管理***，包括：采集模块100，用于通过图像采集模组采集当前用户的人脸图像和掌静脉图像；活体检测模块200，用于分别对采集得到的所述人脸图像和掌静脉图像进行预处理，并根据差异性分析方法进行活体检测；特征分析模块300，用于在通过所述活体检测后，分别对采集得到的所述人脸图像和掌静脉图像进行特征分析，提取得到对应的人脸特征图像和掌静脉特征图谱；识别模块400，用于在完成所述特征分析后，根据所述人脸特征图像和掌静脉特征图谱分别与数据库中的用户身份模板进行匹配，最终得到身份识别结果，以使根据身份识别结果进行门禁***的控制；其中，所述用户身份模板包括人脸特征模板和掌静脉特征模板。本发明通过结合掌静脉识别、人脸识别以及活体检测，避免利用人脸照片即可解锁门禁***的缺陷，提高门禁***的身份识别准确率，有效提高门禁***的安全性、可靠性以及实用性，并通过多模态生物识别的验证方式提高门禁管理***的灵活性。
本发明的另一实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述的含掌静脉和人脸识别的门禁管理方法。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述模块的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和变形，这些改进和变形也视为本发明的保护范围。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random AccessMemory，RAM)等。

Claims (10)

1.一种含掌静脉和人脸识别的门禁管理方法，其特征在于，至少包括如下步骤：
通过图像采集模组采集当前用户的人脸图像和掌静脉图像；
分别对采集得到的所述人脸图像和掌静脉图像进行预处理，并根据差异性分析方法进行活体检测；
在通过所述活体检测后，分别对采集得到的所述人脸图像和掌静脉图像进行特征分析，提取得到对应的人脸特征图像和掌静脉特征图谱；
在完成所述特征分析后，根据所述人脸特征图像和掌静脉特征图谱分别与数据库中的用户身份模板进行匹配，最终得到身份识别结果，以使根据身份识别结果进行门禁***的控制；其中，所述用户身份模板包括人脸特征模板和掌静脉特征模板。
2.根据权利要求1所述的含掌静脉和人脸识别的门禁管理方法，其特征在于，还包括：
预先对用户进行人脸注册和掌静脉注册，并将注册结果存储至数据库中。
3.根据权利要求1所述的含掌静脉和人脸识别的门禁管理方法，其特征在于，还包括：
预先设置用户的身份认证方式。
4.根据权利要求1所述的含掌静脉和人脸识别的门禁管理方法，其特征在于，所述分别对采集得到的所述人脸图像和掌静脉图像进行预处理，具体为：
从拍摄画面中检测是否有人脸图像存在，若有，则根据人脸共性特征从拍摄画面中提取得到对应的人脸特征图像，并进行人脸图像质量评估；
从拍摄画面中检测是否有掌静脉图像存在，若有，则对所述掌静脉图像进行图像二值化、图像轮廓提取、指跟位定位、有效区域提取、图像归一化、图像增强和去噪处理后，提取掌静脉图像的纹理特征形成掌静脉特征图谱。
5.根据权利要求1所述的含掌静脉和人脸识别的门禁管理方法，其特征在于，所述根据差异性分析方法进行活体检测，具体为：
采用基于红外图像的纹理特征的分析方法以及基于红外图像与RGB图像的CNN方法对所所述人脸特征图像进行活体检测；
根据血红素对近红外光的吸收特性，根据所述掌静脉特征图谱判断当前拍摄手掌是否为活体。
6.根据权利要求2所述的含掌静脉和人脸识别的门禁管理方法，其特征在于，所述人脸注册，具体为：
预先通过图像采集模组采集用户的人脸图像并进行人脸检测和捕捉，得到人脸特征图像；
对所述人脸特征图像进行人脸图像质量评估，包括评估图像亮度和噪点、是否具有人脸、人脸区域大小、人脸两眼距离值和人脸角度数据；
通过深度神经网络方法，辨别真人脸和假人脸的显著差异性特征，判断被检测者是否为活人，若是，则执行下一步；
对所述人脸特征图像中的人脸区域的五官形状、位置、距离以及纹理特征进行人脸特征分析和模数转换，建立不同用户对应的人脸特征模板并存储至数据库中。
7.根据权利要求2所述的含掌静脉和人脸识别的门禁管理方法，其特征在于，所述掌静脉注册，具体为：
利用近红外光源对用户手掌进行照射，采集用户手掌皮下的静脉纹路分布图像；
采用滤波、图像二值化和细化分析方法对所述静脉纹路分布图像进行预处理后提取掌静脉特征，得到掌静脉特征图谱；
根据所述掌静脉特征图谱进行活体检测，在检测当前采集的手掌为活体后，执行下一步；
对所述掌静脉特征图谱进行图谱分析和特征提取，建立不同用户对应的掌静脉特征模板，并存储至数据库中。
8.一种含掌静脉和人脸识别的门禁管理***，其特征在于，包括：
采集模块，用于通过图像采集模组采集当前用户的人脸图像和掌静脉图像；
活体检测模块，用于分别对采集得到的所述人脸图像和掌静脉图像进行预处理，并根据差异性分析方法进行活体检测；
特征分析模块，用于在通过所述活体检测后，分别对采集得到的所述人脸图像和掌静脉图像进行特征分析，提取得到对应的人脸特征图像和掌静脉特征图谱；
识别模块，用于在完成所述特征分析后，根据所述人脸特征图像和掌静脉特征图谱分别与数据库中的用户身份模板进行匹配，最终得到身份识别结果，以使根据身份识别结果进行门禁***的控制；其中，所述用户身份模板包括人脸特征模板和掌静脉特征模板。
9.根据权利要求8所述的含掌静脉和人脸识别的门禁管理***，其特征在于，还包括：
用户注册模块，用于预先对用户进行人脸注册和掌静脉注册，并将注册结果存储至数据库中；
认证方式设置模块，用于预先设置用户的身份认证方式。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至7任一项所述的含掌静脉和人脸识别的门禁管理方法。
CN202010189226.6A 2020-03-17 2020-03-17 一种含掌静脉和人脸识别的门禁管理方法、***及介质 Pending CN111462379A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010189226.6A CN111462379A (zh) 2020-03-17 2020-03-17 一种含掌静脉和人脸识别的门禁管理方法、***及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010189226.6A CN111462379A (zh) 2020-03-17 2020-03-17 一种含掌静脉和人脸识别的门禁管理方法、***及介质

Publications (1)

Publication Number Publication Date
CN111462379A true CN111462379A (zh) 2020-07-28

Family

ID=71682101

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010189226.6A Pending CN111462379A (zh) 2020-03-17 2020-03-17 一种含掌静脉和人脸识别的门禁管理方法、***及介质

Country Status (1)

Country Link
CN (1) CN111462379A (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112183327A (zh) * 2020-09-27 2021-01-05 烟台艾睿光电科技有限公司 一种人脸识别方法、装置及***
CN112241680A (zh) * 2020-09-14 2021-01-19 中国矿业大学 基于静脉相似图像知识迁移网络的多模态身份认证方法
CN112418150A (zh) * 2020-12-03 2021-02-26 佳都新太科技股份有限公司 掌静脉图像评估方法、装置、计算机设备及存储介质
CN112465999A (zh) * 2020-12-29 2021-03-09 天津科技大学 基于人脸与指静脉融合识别的考勤设备及考勤***
CN112487389A (zh) * 2020-12-16 2021-03-12 熵基科技股份有限公司 一种身份认证方法、装置和设备
CN112530072A (zh) * 2020-12-19 2021-03-19 韦立有 一种智能门禁***
CN113065463A (zh) * 2021-04-01 2021-07-02 江苏芯灵智能科技有限公司 高安全的身份认证***
CN113420582A (zh) * 2020-11-04 2021-09-21 ***股份有限公司 用于掌静脉识别的防伪检测方法及其***
WO2022095092A1 (zh) * 2020-11-05 2022-05-12 常熟安智生物识别技术有限公司 一种基于掌静脉识别的门禁***
CN115394001A (zh) * 2022-07-29 2022-11-25 北京旷视科技有限公司 身份认证***、方法、电子设备和计算机可读介质
CN116543438A (zh) * 2023-05-05 2023-08-04 深圳市齐胜达科技有限公司 一种动态追踪捕捉人脸的精准识别方法

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101196987A (zh) * 2007-12-25 2008-06-11 哈尔滨工业大学 在线掌纹、手掌静脉图像身份识别方法及其专用采集仪
CN202041967U (zh) * 2011-04-08 2011-11-16 中国矿业大学 掌静脉与人脸双模态生物识别仪
CN102332093A (zh) * 2011-09-19 2012-01-25 汉王科技股份有限公司 一种掌纹和人脸融合识别的身份认证方法及装置
CN103902969A (zh) * 2014-02-27 2014-07-02 中国科学院自动化研究所 一种同时摄取掌纹和掌静脉图像的装置
CN106372611A (zh) * 2016-09-09 2017-02-01 康佳集团股份有限公司 基于手掌静脉特征的身份识别方法、***及图像采集装置
CN107256395A (zh) * 2017-06-12 2017-10-17 成都芯软科技股份公司 掌静脉提取方法及装置
CN107274517A (zh) * 2017-04-25 2017-10-20 合肥中科奔巴科技有限公司 融合三维人脸与掌静脉识别的智能门禁***
CN107292217A (zh) * 2016-04-01 2017-10-24 江苏星蓝宇信息技术有限公司 一种基于人脸识别与掌静脉技术的双因素身份认证***
US20180225669A1 (en) * 2015-08-03 2018-08-09 All It Top Co., Ltd. Financial transaction relay system having multi-safety lock function of processing user authentication by scanning both finger pulse and fingerprint, and processing method therefore
CN108985231A (zh) * 2018-07-12 2018-12-11 广州麦仑信息科技有限公司 一种基于多尺度卷积核的掌静脉特征提取方法
CN109583279A (zh) * 2017-09-29 2019-04-05 山西圣点世纪科技股份有限公司 一种指纹和指静脉联合识别算法
CN109614910A (zh) * 2018-12-04 2019-04-12 青岛小鸟看看科技有限公司 一种人脸识别方法和装置
CN110718008A (zh) * 2019-11-15 2020-01-21 杭州艾芯智能科技有限公司 3d人脸识别模组、门锁及门

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101196987A (zh) * 2007-12-25 2008-06-11 哈尔滨工业大学 在线掌纹、手掌静脉图像身份识别方法及其专用采集仪
CN202041967U (zh) * 2011-04-08 2011-11-16 中国矿业大学 掌静脉与人脸双模态生物识别仪
CN102332093A (zh) * 2011-09-19 2012-01-25 汉王科技股份有限公司 一种掌纹和人脸融合识别的身份认证方法及装置
CN103902969A (zh) * 2014-02-27 2014-07-02 中国科学院自动化研究所 一种同时摄取掌纹和掌静脉图像的装置
US20180225669A1 (en) * 2015-08-03 2018-08-09 All It Top Co., Ltd. Financial transaction relay system having multi-safety lock function of processing user authentication by scanning both finger pulse and fingerprint, and processing method therefore
CN107292217A (zh) * 2016-04-01 2017-10-24 江苏星蓝宇信息技术有限公司 一种基于人脸识别与掌静脉技术的双因素身份认证***
CN106372611A (zh) * 2016-09-09 2017-02-01 康佳集团股份有限公司 基于手掌静脉特征的身份识别方法、***及图像采集装置
CN107274517A (zh) * 2017-04-25 2017-10-20 合肥中科奔巴科技有限公司 融合三维人脸与掌静脉识别的智能门禁***
CN107256395A (zh) * 2017-06-12 2017-10-17 成都芯软科技股份公司 掌静脉提取方法及装置
CN109583279A (zh) * 2017-09-29 2019-04-05 山西圣点世纪科技股份有限公司 一种指纹和指静脉联合识别算法
CN108985231A (zh) * 2018-07-12 2018-12-11 广州麦仑信息科技有限公司 一种基于多尺度卷积核的掌静脉特征提取方法
CN109614910A (zh) * 2018-12-04 2019-04-12 青岛小鸟看看科技有限公司 一种人脸识别方法和装置
CN110718008A (zh) * 2019-11-15 2020-01-21 杭州艾芯智能科技有限公司 3d人脸识别模组、门锁及门

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘邦奇，孙曙辉: "《数字化校园理念、设计与实现》", 31 January 2014, 中国科学技术大学出版社 *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112241680A (zh) * 2020-09-14 2021-01-19 中国矿业大学 基于静脉相似图像知识迁移网络的多模态身份认证方法
CN112183327B (zh) * 2020-09-27 2023-07-18 烟台艾睿光电科技有限公司 一种人脸识别方法、装置及***
CN112183327A (zh) * 2020-09-27 2021-01-05 烟台艾睿光电科技有限公司 一种人脸识别方法、装置及***
CN113420582A (zh) * 2020-11-04 2021-09-21 ***股份有限公司 用于掌静脉识别的防伪检测方法及其***
CN113420582B (zh) * 2020-11-04 2023-09-05 ***股份有限公司 用于掌静脉识别的防伪检测方法及其***
WO2022095092A1 (zh) * 2020-11-05 2022-05-12 常熟安智生物识别技术有限公司 一种基于掌静脉识别的门禁***
CN112418150A (zh) * 2020-12-03 2021-02-26 佳都新太科技股份有限公司 掌静脉图像评估方法、装置、计算机设备及存储介质
CN112487389A (zh) * 2020-12-16 2021-03-12 熵基科技股份有限公司 一种身份认证方法、装置和设备
CN112530072A (zh) * 2020-12-19 2021-03-19 韦立有 一种智能门禁***
CN112465999A (zh) * 2020-12-29 2021-03-09 天津科技大学 基于人脸与指静脉融合识别的考勤设备及考勤***
CN113065463A (zh) * 2021-04-01 2021-07-02 江苏芯灵智能科技有限公司 高安全的身份认证***
CN115394001A (zh) * 2022-07-29 2022-11-25 北京旷视科技有限公司 身份认证***、方法、电子设备和计算机可读介质
CN116543438A (zh) * 2023-05-05 2023-08-04 深圳市齐胜达科技有限公司 一种动态追踪捕捉人脸的精准识别方法

Similar Documents

Publication Publication Date Title
CN111462379A (zh) 一种含掌静脉和人脸识别的门禁管理方法、***及介质
Lee A novel biometric system based on palm vein image
CN108985134B (zh) 基于双目摄像机的人脸活体检测及刷脸交易方法及***
Wang et al. Infrared imaging of hand vein patterns for biometric purposes
Han et al. Palm vein recognition using adaptive Gabor filter
Wang et al. Near-and far-infrared imaging for vein pattern biometrics
Cross et al. Thermographic imaging of the subcutaneous vascular network of the back of the hand for biometric identification
CN100492400C (zh) 手指静脉特征提取与匹配识别方法
CN109101871A (zh) 一种基于深度和近红外信息的活体检测装置、检测方法及其应用
CN1898678A (zh) 一种获取人脸图像的方法及人脸识别方法与***
CN108846269A (zh) 一种面向多种特征的身份认证方法和身份认证装置
CN113469143A (zh) 一种基于神经网络学习的手指静脉图像识别方法
Seal et al. Minutiae based thermal face recognition using blood perfusion data
Ferrer et al. Hand-shape biometrics combining the visible and short-wave infrared bands
CN106203322A (zh) 一种基于手背静脉与掌纹融合图像的身份认证***及方法
CN114218543A (zh) 一种基于多场景表情识别的加密解锁***及方法
Pal et al. Implementation of hand vein structure authentication based system
Yang et al. $\alpha $-Trimmed Weber Representation and Cross Section Asymmetrical Coding for Human Identification Using Finger Images
Deepika et al. An algorithm for improved accuracy in unimodal biometric systems through fusion of multiple feature sets
Villariña et al. Palm vein recognition system using directional coding and back-propagation neural network
Estacio et al. A rotation invariant algorithm for bimodal hand vein recognition system
Gayathri et al. Low cost hand vein authentication system on embedded linux platform
CN110866235B (zh) 同时捕获人体脉搏和静脉图像的身份识别方法及装置
Hoshyar et al. Review on finger vein authentication system by applying neural network
Seal et al. Minutiae based thermal human face recognition using label connected component algorithm

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200728