随着生物特征身份认证技术的发展,无接触式掌纹识别的高识别率、低侵犯性和无接触性等优点,使其得到了越来越广泛的关注.为了满足边缘环境下多设备实时高效的处理需求,本文设计了一套基于边缘计算的紧致化掌纹识别框架,分别在终端设备...随着生物特征身份认证技术的发展,无接触式掌纹识别的高识别率、低侵犯性和无接触性等优点,使其得到了越来越广泛的关注.为了满足边缘环境下多设备实时高效的处理需求,本文设计了一套基于边缘计算的紧致化掌纹识别框架,分别在终端设备层、边缘服务器层、云层搭建掌纹识别子系统.在终端设备层采用基于Tiny YOLO-v3的目标识别算法和基于MobilenetV2的关键点定位算法对采集图像进行预处理,提取掌纹ROI(region of interest),并提出识别请求.在边缘服务器层,对接受到的掌纹ROI利用基于对抗度量学习的GoogLeNet模型进行特征提取和特征匹配,在返回识别结果后进行数据同步.在云层,数据中心将会对所有的识别任务记录日志并归入数据库,同时定时训练更新终端设备和边缘设备的网络模型,以提高系统的跨领域识别能力.该框架是一套完整可行的生物特征识别框架,具有广阔的市场前景和应用价值.展开更多
文摘随着生物特征身份认证技术的发展,无接触式掌纹识别的高识别率、低侵犯性和无接触性等优点,使其得到了越来越广泛的关注.为了满足边缘环境下多设备实时高效的处理需求,本文设计了一套基于边缘计算的紧致化掌纹识别框架,分别在终端设备层、边缘服务器层、云层搭建掌纹识别子系统.在终端设备层采用基于Tiny YOLO-v3的目标识别算法和基于MobilenetV2的关键点定位算法对采集图像进行预处理,提取掌纹ROI(region of interest),并提出识别请求.在边缘服务器层,对接受到的掌纹ROI利用基于对抗度量学习的GoogLeNet模型进行特征提取和特征匹配,在返回识别结果后进行数据同步.在云层,数据中心将会对所有的识别任务记录日志并归入数据库,同时定时训练更新终端设备和边缘设备的网络模型,以提高系统的跨领域识别能力.该框架是一套完整可行的生物特征识别框架,具有广阔的市场前景和应用价值.