掌纹识别技术论文-杜启艺

掌纹识别技术论文-杜启艺

导读:本文包含了掌纹识别技术论文开题报告文献综述及选题提纲参考文献,主要关键词:非接触掌纹识别,局部不变性特征,Dense,SIFT

掌纹识别技术论文文献综述

杜启艺[1](2019)在《高精度非接触式掌纹识别技术研究》一文中研究指出在信息化时代,如何准确的鉴别一个人的身份,并且同时保护该信息的稳定性和安全性,已经成为了越来越重要的问题。掌纹识别技术是一种新兴的生物特征识别技术。相比于其他识别方法,掌纹识别具有对环境的要求低,手掌容易采集;采集设备精度要求不苛刻,造价低的优点。然而掌纹识别是一个极其复杂的过程,非接触环境下采集到的掌纹图像容易受到手掌姿态的影响,存在尺度变化和对齐问题。局部不变性特征对旋转和仿射变化具有更强的鲁棒性,使其广泛应用于图像追踪、图像配准等实际领域,是当前非接触掌纹研究的热点。但其设计复杂、计算量大的缺点让其难以在非接触掌纹识别系统上获得广泛应用。综上,面对海量的掌纹数据和巨大的应用需求,急需一种鲁棒性强、识别精度高、匹配速度快的非接触掌纹识别算法。针对非接触掌纹识别目前存在的鲁棒性、计算量大、精度低的问题,本文提出两种解决方案,第一种设计了局部不变性特征与网格运动平滑统计(GMS)技术相结合的算法,比较了不同的局部不变性特征在掌纹图像上的效果,并在特征匹配阶段对质量差的匹配进行剔除,它同时解决了传统不变性特征使用暴力匹配,所带来的匹配效果差和速度慢的问题。为进一步提高匹配速度和精度,第二种方案使用局部不变性特征的变种形式,并以块匹配的方式进行特征匹配。这种算法使用Dense SIFT特征对掌纹图像进行编码,并使用层次搜索算法在编码特征上搜索对比。层次搜索算法将PatchMatch算法中的随机搜索、近邻传播与图像金字塔的层次结构有机的结合起来,在减少计算量的同时,能有效的解决非接触掌纹图像的位移问题。这种方案相比于上一种方案,同样是利用局部不变性特征鲁棒性的特点,但它还同时具有传统基于掌纹线编码方式的识别算法极高的识别精度和速度的特性。最终,在IITD掌纹数据库上等误率达到1.75%,对于输入大小为128×128像素的掌纹图像,使用Dense SIFT特征编码耗时170ms,特征匹配和金字塔层次搜索耗时7.1 ms,结合并行化加速之后,其处理速度足以应对海量用户数据的匹配需求。(本文来源于《哈尔滨工业大学》期刊2019-06-01)

胡芳[2](2019)在《指纹密码破译者——记2018年度国家技术发明奖二等奖项目“大人群指掌纹高精度识别技术及应用”》一文中研究指出指纹识别是普通人既熟悉又陌生的技术,熟悉是因为考勤、手机解锁等日常应用,而凭借案发现场的指纹从千万级数据库中找到嫌疑人、在数亿身份证件材料中找出多重身份等应用则略显陌生。这些大人群场景对于指纹识别的精度、速度提出了极高要求,对国家安全、社会稳定发挥着关键的支撑作用,是世界各国公认的核心技术。清华大学自动化系指纹识别课题组与北京海鑫科金高科技股份有限公司(以下(本文来源于《中国科技奖励》期刊2019年02期)

张春宇[3](2018)在《基于Android系统的掌纹识别技术研究》一文中研究指出掌纹识别作为新兴的生物特征识别技术近年来得到了迅速的发展。信息安全问题日益严重,许多学者提出了用自身的生物特征进行加密,得到了很好的效果。掌纹识别以安全性高和稳定性好的优点在众多生物特征中脱颖而出。所以本文进行了基于Android系统的掌纹识别的研究。1.分析传统掌纹识别采集装置的问题,实现了基于Android手机掌纹识别应用。针对传统非接触定位难点提出了手形框的定位方式,该方式可以确定手掌的有效性、克服手抖动和超过景深带来的图像模糊、防止手掌的形变。对于采集的图像直接进行识别效果不好的问题,采用分割手掌中心区域进行特征提取。对感兴趣区域进行增强,实验结果证实,掌纹图像增强可以提高特征提取的效果。2.对于掌纹识别特征提取算法的确定问题,本文研究了基于描述子算法识别掌纹。描述子算法中包含了:SIFT算法及其衍生类和LBP算法及其改进类等等。本文分别对SIFT算法类和LBP算法类进行了类内的对比,得出每类最合适的算法进行对比,找到了适合在Android手机上的掌纹识别算法。经实验得出SURF算法满足实时性和准确性,适合手机上进行掌纹识别。3.本文研究Android系统的开发和运行环境,对Android四大组件和组件之间的通讯Intent进行详细说明。根据Android系统开发的硬件和软件需求,实现了Android平台的搭建。根据实现的要求设计系统流程,将软件系统分为用户登录阶段和用户注册阶段。系统功能分为3个模块:采集注册模块、特征提取模块和特征匹配模块。详细的讲解了每个模块的实现过程。对完整的系统进行实验测试,实验表明Android系统的掌纹识别识别率较高和速度较快,对下一步推广应用打下了良好的基础。普通的非接触采集存在采集图像无效、采集手掌形变或者采集手掌模糊,导致了后期的识别率上不去。本文针对该难点提出了基于手形框定位的方法,解决了采集存在的问题,提高了后期的识别率。手形框的提出解决掌纹识别在非接触方式下定位的难题。希望给后续研究人员提供一些新思路,将掌纹识别应用的更好。(本文来源于《哈尔滨工程大学》期刊2018-01-01)

杜文虎[4](2017)在《非接触掌纹掌脉识别技术研究与系统设计》一文中研究指出随着互联网日渐深入人们的生活,各种网络应用的身份认证需求对身份认证方式产生了深远的影响。国内外频发的安全问题,对身份认证精度提出了更高的要求。掌纹识别因为具备易用和可靠的优点,迎来了良好的发展机遇。传统的接触式掌纹识别系统在采集掌纹时手掌直接接触仪器,存在着易被污染、使用便利度低、用户接受度差等问题。使用非接触式掌纹识别可以有效地克服这些问题。目前的非接触掌纹掌脉识别系统存在算法复杂、时间开销大、防伪性能低等问题。针对上述问题,本文提出了一种新型非接触掌纹掌脉识别系统,设计了可防伪的掌纹掌脉多模态识别算法,并开展实验验证了算法的有效性。针对非接触掌纹掌脉识别场景的需求和目前存在的问题,本文设计了一种非接触掌纹掌脉采集设备方案。通过使用主动光源和滤光片,抑制了环境光对手掌中心块定位算法的干扰,简化了中心块定位算法;同时,这一设计也抑制了环境光对样本质量的影响,使得光照强度预处理算法不再必须。通过使用距离传感器,减小了样本尺度变化,避免了样本离焦模糊,使尺度预处理算法得以简化。通过双摄系统缩短了样本采集时间。本文通过这些方法实现了凭借硬件设计简化算法设计的目的,并通过实验验证了该方案的有效性。非接触掌纹掌脉识别系统对错位样本的鲁棒性和活体防伪精度是其满足身份认证需求的关键,本文对此展开了详细设计。本文使用掌纹、掌静脉双模态特征进行高精度可防伪的生物特征识别。对于掌静脉识别,提出了基于掌脉最佳匹配区的BRIEF算法。该算法在滑动窗口中寻找两个错位样本的最佳匹配区,再由BRIEF特征计算两样本的相似度。在实验中该算法表现出了对非接触样本良好的鲁棒性和优秀的活体防伪性能。对于掌纹识别,设计了基于掌纹分块的Gabor直方图算法,该算法既能表达纹理细节特征,又可以提供一定尺度的空间信息模糊,因此该算法对非接触样本有较强的鲁棒性。实验的结果证实了该算法的有效性。基于掌脉分类器和掌纹分类器,本文构建了融合分类器,通过双模态特征的融合进一步提高识别精度,并将叁个分类器以不同优先级级联,设计了叁种身份认证策略。经测试,本文的掌纹掌脉识别系统在保证识别精度的同时提升了用户体验,可以满足不同场合的身份认证需求。(本文来源于《哈尔滨工业大学》期刊2017-12-01)

岑瑶[5](2017)在《基于梯度方向直方图特征的掌纹识别关键技术的研究》一文中研究指出随着智能化、信息化与社会、生活各方面的不断融合、交互,互联网和物联网的日益普及,信息和系统的安全性问题成为备受瞩目的关键性问题,身份认证作为解决安全性问题重要手段之一,受到广泛的关注。生物识别技术便应用而生,掌纹识别具有特征丰富稳定具有可靠性和唯一性、用户易接受、易获取等优势,近几年已成为人机交互和模式识别等领域的重点研究对象。传统的掌纹特征提取和识别技术在识别精度和速度方面仍存在着许多不足,特征提取和匹配至今为止仍是学者们研究的重点,需要对其进行进一步的改进和性能的提升。本文通过阅读大量掌纹识别相关文献,了解国内外研究及发展现状,归纳总结、对比分析传统算法的优劣势,针对特征提取和模式匹配问题,采用梯度方向直方图特征(HOG),并结合分区的分块二值模式和压缩感知算法将其用于掌纹识别方法。本论文的主要工作如下:(1)提出基于分区的分块二值模式与梯度方向直方图特征的掌纹识别方法。该方法主要采用的是纹理特征和边缘特征的融合特征,充分利用二者互补的特性来提升算法的性能。首先,对原掌纹图片进行预处理获取掌纹感兴趣区域。然后,分别提取掌纹R0I区域的分区MB-LBP特征和HOG特征。将得到的分区MB-LBP特征和HOG特征串联起来,得到图片融合后的特征。最后,使用最近邻分类器对图片进行分类,得到识别结果。使用北京交通大学的掌纹库进行实验后,通过与传统算法进行对比分析,本文的算法在识别精度上具有相对的优势。(2)提出基于压缩感知与梯度方向直方图特征的掌纹识别方法。首先,对原掌纹图片进行预处理得到掌纹感兴趣区域,提取R0I区域的HOG特征,将训练样本的HOG特征作为稀疏表示的过完备字典。然后通过COMP算法求解图像在过完备字典上的稀疏表示,求得一组最优稀疏系数重构每一个图像,最后计算测试样本图像HOG特征矩阵与各类重构图像的最小残差得出分类结果。使用北京交通大学的掌纹库进行实验,表明本文算法不局限于小样本的情况,具有较高的识别性能。(本文来源于《内蒙古农业大学》期刊2017-06-01)

黄同同[6](2016)在《离焦掌纹图像清晰度评估与识别技术研究》一文中研究指出随着互联网和智能家居时代的到来,人们对身份认证方式有了更大期待,生物特征识别技术由于其易用性、安全性,越发受到人们青睐。掌纹识别具有识别率高、用户接受程度高、难以仿制等特点,在未来拥有较大的发展空间。传统的掌纹识别采用接触式掌纹采集方式,存在着不卫生、操作不灵活等用户体验不佳的问题,用非接触式采集方式代替传统接触式方式可以有效弥补上述不足。非接触式采集方式的环境因素与用户行为具有不确定性,导致采集到的掌纹会因离焦、光照、手掌平移、旋转、倾斜、畸变等因素使系统识别率降低,本课题针对离焦掌纹图像识别率降低的问题,设计了根据掌纹清晰度采取相应图像处理方法的策略,并开展了相关实验研究。针对掌纹离焦程度的计算,提出了一种通过图像清晰度进行评估的方法。对光学离焦的原因、成像视觉效果进行分析,结合掌纹图像的纹理特性,提出了基于边缘锐度值的掌纹图像清晰度评估方法。通过实验验证,该方法对掌纹离焦程度具有较好的单调性、敏感性和内容无关性等。根据掌纹图像在各清晰度区间的识别率情况,分段对图像采用相应方法处理。通过对离焦掌纹计算清晰度与匹配分数分析,得到了掌纹清晰度与系统识别率的相关关系,在“清晰度-识别率”曲线中,掌纹图像识别率随着清晰度的增大呈现先升高后降低的趋势,根据掌纹清晰度由大到小依次采取添加模糊后识别、直接识别、离焦识别、舍弃的方法。经过实验验证,整体的识别率得到提升。针对清晰度高于最优区间的图像,提出了为图像添加高斯模糊的方法。根据掌纹清晰度与识别率相关关系,经过一定程度高斯离焦退化的掌纹图像拥有比原图像更高的识别率,对这一部分图像添加设计对比实验并找到了最优的高斯模糊方法。经过实验验证,这部分图像的识别率得到提升。针对清晰度略低于最优清晰度区间的图像,提出了提取离焦掌纹稳定位进行识别的方法。分析类内离焦掌纹序列,得到稳定位模板,登录图像通过稳定位模板提取稳定特征进行匹配识别。对比了经典的Gabor全码识别方法、图像分解提取稳定层的方法,该方法得到最优的识别精度。(本文来源于《哈尔滨工业大学》期刊2016-12-01)

胡致铨,肖欢,黄明柱[7](2016)在《基于掌纹识别技术的智能手枪设计研究》一文中研究指出本设计提供一种基于掌纹识别技术控制使用权限的智能手枪,由手枪本体、掌纹识别装置、开关、电磁铁、限位板、转轴销组成。手枪本体上设有掌纹识别装置,用于扫描和采集使用者的掌纹,并判断与预先存储在该掌纹识别装置中的掌纹样本是否匹配。掌纹识别装置中内置有电源,并在下方设有关;电磁铁右边设有限位板,限位板中部设有转轴销,限位板能绕转轴销旋转;掌纹识别装置、开关、电磁铁由同一控制电路相互连接。本设计能自动识别使用者的掌纹,确认使用者的合法身份后才能进行射击,克服了现有的枪任何人获得都能进行射击的缺陷,增强了枪自身的安全性,增强了公共社会的安全性。(本文来源于《科技展望》期刊2016年23期)

王刚[8](2016)在《基于图像分解模型的模糊掌纹识别技术研究》一文中研究指出掌纹识别作为一种重要的生物特征识别技术,具有安全性、方便性、稳定性等优点,因而在过去十几年里受到了广泛的关注并取得了大量的研究成果。然而,与传统的接触式采集相比,掌纹识别系统在采用非接触式采集装置之后,不仅解决了传统采集方式存在的公共环境卫生问题,而且可以有效地防止掌纹模板丢失,增加系统的安全性。但非接触式系统也存在固有缺陷,如:非接触式采集容易产生离焦模糊,这会导致识别系统性能的降低,为了有效地解决上述问题,本文提出了一种基于稳定结构特征的模糊掌纹识别方法。首先,从掌纹图像的离焦退化数学模型和稳定特征思想出发,在分析图像模糊原理的基础上,得出在图像模糊过程中结构层特征是相对稳定不变的结论;其次,利用变分图像处理中的图像分解模型,将掌纹图像分解为结构层和纹理层,并从结构层中提取掌纹图像的稳定结构层特征,对稳定结构层特征采用基于结构比率(Structure Ratio,SR)的不重迭区域下采样,进一步提高特征的可区分性和有效性;最后,使用结构相似度评价方法(Structural Similarity Index Measurement,SSIM)度量掌纹间的相似度,并对掌纹所属类别进行判定。在香港理工大学清晰PolyU掌纹库和模糊PolyU掌纹库上分别进行实验,本文提出的算法在不同掌纹库上识别结果较为稳定,且在模糊PolyU掌纹库上的等误率(Equal Error Rate,EER)最小为0.8340%,低于其他经典算法,表明了本文算法的有效性和优越性?(本文来源于《青岛大学》期刊2016-06-02)

郭磊[9](2016)在《掌纹特征及其自动识别技术分析》一文中研究指出掌纹是主要的生物识别技术之一。通过掌纹所具有的稳定性和唯一性特征分析,指出掌纹识别技术的存在优势,说明了掌纹自动识别过程及图像处理方法,构建出了掌纹自动识别的理论依据和方法。(本文来源于《中外企业家》期刊2016年12期)

梁旭[10](2015)在《非接触掌纹识别图像校准关键技术研究》一文中研究指出随着智慧城市、智能家居时代的到来,人们对身份认证的安全性和易用性都有了更高的要求,同时国内外日益严峻的安全形势,也对生物特征识别产生了迫切的需求。掌纹识别因其所使用的纹理特征丰富稳定而兼具了易用和安全的优点,因此得到了快速的发展。非接触掌纹识别在使用时不需要用户将手掌贴放在设备上,因此具有更高的灵活性,同时也更加清洁卫生,给人们带来了一种新型的生物特征识别体验。但是自由空间中的掌纹采集往往伴随有各种图像畸变,使得系统的识别精度受到较大影响。本文针对非接触掌纹识别中存在的各种典型问题,研究了相应的图像校准方法。对掌纹图像的旋转平移、尺度缩放、模糊、以及手掌平面倾斜等几个问题进行了深入的研究。主要完成了以下工作:第一,基于计算机视觉原理配合激光发射器实现了倾斜掌纹图像的校正,能够将一定角度范围内的倾斜掌纹图像校正到理想平面上,并且设计相关实验对系统精度进行了测试。第二,提出了基于SIFT的鲁棒掌纹中心块定位算法,能够应对平面上手掌60度范围内的旋转畸变,在定位的同时实现了对掌纹中心块的对准,进而解决旋转平移和尺度畸变的问题。第叁,通过不同的图像增强和尺度空间参数优化方法显着增加了SIFT匹配点个数,并且改进了传统ROI定位算法,增强了系统的鲁棒性,进而实现了基于SIFT和竞争编码的联合决策掌纹识别系统。本文实现的非接触掌纹图像校准系统,能够检测和判别当前图像的畸变并针对性的执行图像校准算法,在保证掌纹识别准确性这一核心需求的同时提高了用户的使用体验。(本文来源于《哈尔滨工业大学》期刊2015-12-01)

掌纹识别技术论文开题报告

(1)论文研究背景及目的

此处内容要求:

首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。

写法范例:

指纹识别是普通人既熟悉又陌生的技术,熟悉是因为考勤、手机解锁等日常应用,而凭借案发现场的指纹从千万级数据库中找到嫌疑人、在数亿身份证件材料中找出多重身份等应用则略显陌生。这些大人群场景对于指纹识别的精度、速度提出了极高要求,对国家安全、社会稳定发挥着关键的支撑作用,是世界各国公认的核心技术。清华大学自动化系指纹识别课题组与北京海鑫科金高科技股份有限公司(以下

(2)本文研究方法

调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。

观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。

实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。

文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。

实证研究法:依据现有的科学理论和实践的需要提出设计。

定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。

定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。

跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。

功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。

模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。

掌纹识别技术论文参考文献

[1].杜启艺.高精度非接触式掌纹识别技术研究[D].哈尔滨工业大学.2019

[2].胡芳.指纹密码破译者——记2018年度国家技术发明奖二等奖项目“大人群指掌纹高精度识别技术及应用”[J].中国科技奖励.2019

[3].张春宇.基于Android系统的掌纹识别技术研究[D].哈尔滨工程大学.2018

[4].杜文虎.非接触掌纹掌脉识别技术研究与系统设计[D].哈尔滨工业大学.2017

[5].岑瑶.基于梯度方向直方图特征的掌纹识别关键技术的研究[D].内蒙古农业大学.2017

[6].黄同同.离焦掌纹图像清晰度评估与识别技术研究[D].哈尔滨工业大学.2016

[7].胡致铨,肖欢,黄明柱.基于掌纹识别技术的智能手枪设计研究[J].科技展望.2016

[8].王刚.基于图像分解模型的模糊掌纹识别技术研究[D].青岛大学.2016

[9].郭磊.掌纹特征及其自动识别技术分析[J].中外企业家.2016

[10].梁旭.非接触掌纹识别图像校准关键技术研究[D].哈尔滨工业大学.2015

标签:;  ;  ;  ;  

掌纹识别技术论文-杜启艺
下载Doc文档

猜你喜欢